بخشی از مقاله
چکیده
ما یک روش تشخیص چهره مبتنی بر احتمال رنگ پوست را از طریق الگوریتم بوستینگی ارائه کرده ایم که بر اطلاعات رنگ پوست تأکید کرده و در عین حال اطلاعات غیررنگ پوستی را نادیده می گیرد. در این جا یک مدل ابتکاری برای محاسبه مشابهت بین ناحیه پوست و رنگ پوست به خدمت گرفته شده است. هم ویژگی های هار مانند و هم ویژگی های الگوی باینری دودویی - LBP - برای ساختن یک دسته بندی کننده متوالی به خدمت گرفته شده است. دسته بندی کننده بوست شده براساس تأکید بر رنگ پوست برای موضعی سازی ناحیه صورت از یک عکس رنگی اجرا شده است. براساس آزمایش های حاضر، روش پیشنهادی، تلرانس خوبی را از لحاظ عملکرد نرخ خطای کلی نسبت به تغییر وضعیت چهره و پس زمینه پیچیده با پیشرفت های قابل توجهی نسبت به دسته بندی کننده های مبتنی بر بوستینگ کلاسیک نشان می دهد.
.1 مقدمه
تشخیص چهره انسان در میان مهم ترین عناوین در تحقیقات بیومتریک قرار دارد، زیرا دارای بازه کاربردهای وسیعی است. تشخیص چهره غالباً پیش از شناخت و ردیابی در سیستم های بیومتریک و زنده ماندن انجام می شود. انواع مختلفی از تکنیک ها برای تشخیص چهره در مقالات ارائه شده که عموماً می توان آن ها را به دسته های زیر تقسیم کرد: روش های مبتنی بر دانش، روش های ویژگی ثابت، روش های تطابق الگو و روش های مبتنی بر شکل ظاهری. روش های مبتنی بر دانش، روش های مبتنی بر قوانینی هستند که دانش انسان را درباره اجزای تشکیل دهنده چهره عادی کدگذاری می کنند. معمولاً چند قانون برای دریافت روابط میان اجزای صورت طراحی می شود.
روش های ویژگی ثابت، ویژگی هایی مانند اجزا، بافت، رنگ پوست صورت و انبوهی از این ویژگی ها را برای تشخیص چهره می پذیرند. هدف از استفاده از این روش ها، یافتن ویژگی های ساختاری رایجی است که در میان صورت ها در شرایط محیطی گوناگون وجود دارد. روش های تطابق الگو چندین الگوی استاندارد از صورت را برای توصیف صورت درحالت عام یا به صورت اجزای جداگانه صورت ذخیره می کنند. روش های مبتنی بر شکل ظاهری، مدل یا گروهی از ویژگی ها را از دسته ای از تصاویر آموزشی برای دریافت تغییرپذیری نماینده شکل ظاهری صورت می آموزند.اکثر تکنیک های تشخیص چهره تعداد زیادی از انکارهای اشتباه را در اثر تغییر وضعیت حاد صورت و پذیرش های اشتباه ناشی از پس زمینه پیچیده کسب می کنند. برای رفع این مسائل، روش تشخیص چهره ای را براساس تأکید بر رنگ پوست و بوستینگ تکراری برای هایلایت کردن اطلاعات رنگ پوست و رها کردن اطلاعات پس زمینه ارائه کرده ایم.
سهم ما از کار حاضر عبارتند از:تلرانس سیستم پیشنهادی برای چرخش صورت و پس زمینه پیچیده. دسته بندی کننده بوست شده با حساسیت کمتری به تغییر وضعیت صورت واکنش نشان می دهد، زیرا بر توزیع احتمالی رنگ پوست صورت به جای جزئیات اجزای صورت در روشنی سطوح خاکستری تمرکز می کند . همچنین اطلاعات غیررنگ پوست شامل پس زمینه به شدت کاهش می یابد تا بتوان احتمال رنگ پوست را به طور مجزا آموخت.
.2 مرورپیشینه
روش های تشخیص زیادی براساس مدل صورت برای رویارویی با شرایط متغیری ازجمله چرخش صورت و پس زمینه پیچیده ارائه شده است. "وانگ" و "یوان" تشخیص چهره انسان را از عکس های رنگی تحت شرایط پیچیده ای شامل پس زمینه عکس دلخواه ارائه کرده اند. آن ها از یک تکنیک محاسبه تکاملی برای خوشه بندی پیکسل های رنگ پوست مانند و تجزیه هر ناحیه صورت مانند استفاده کرده اند. بعد از جایگذاری نواحی صورت مانند، تجزیه موجک برای تشخیص اجزای ممکن صورت و بررسی وجود یا عدم وجود یک چشم در ناحیه مورد نظر به هر ناحیه صورت مانند اعمال می شود. نواحی که در آن چشم تشخیص داده شده و یا اجزای صورت شبیه یک مدل صورت از پیش تعریف شده توزیع شده، به عنوان صورت های انسان شناسایی می شوند . نتیجه این که ازیک پایگاه داده با 90 چهره %91,1 چهره ها به درستی تشخیص داده شده اند و % 6,67 اشتباه تشخیص داده شده اند.
سانجای کرسینگ" و همکاران، فضاهای رنگ RGB ,YCbCr و HSI را برای به دست آوردن الگوریتم تشخیص چهره مبتنی بر رنگ پوست جدیدی ترکیب کرده اند . نتایج تجربی نشان می دهد که الگوریتم پیشنهادی به اندازه کافی خوب برای بومی سازی صورت انسان در تصاویر با دقت %95,18 است. روش های مختلف برای تشخیص چهره درمقاله تشخیص چهره در تصاویر رنگی بحث شده است. روش هایی مانند شبکه عصبی ، یادگیری ماشین، استخراج حرکت، و تجزیه و تحلیل رنگ است.
در این مقاله از تبدیل غیر خطی YCbCr برای ساختن یک خوشه رنگ پوست استفاده می کند. این همچنین تشخیص تاریکی یا روشنایی رنگ پوست راباعث می شود. در میان ویژگی های مختلف صورت، چشم ها و دهان مناسب ترین ویژگی ها برای شناختن و برآورد چهره هستند. اکثر روش ها برای محلی سازی چشم و چهره , مبتنی بر الگو هستند.با این حال روش این مقاله مکان یابی چشم ها و دهان æ مرز صورت بر پایه اندازه به دست آمده از فضای رنگ اجزای یک تصویر را انجام می دهد.یک تحلیل از اجزای رنگ نشان می دهد که ارزش Cr زیاد و Cr کم در اطراف چشم یافت می شود. وارزش بالا Cr در مناطق دهان یافت می شود.
در سیستم تشخیص چهره هوشمند, یک الگوریتم برای تشخیص چهره انسان در تصاویر رنگی از مدل رنگ HSV بدون به خطر انداختن سرعت تشخیص استفاده شده است. الگوریتم بر روی تصاویر واقعی مختلف موردازمایش قرارگرفته وعملکردش رضایت بخش بوده است. اولین گام برای تشخیص چهره تصاویر رنگی به دست آمده از دوربین های ویدئویی است. پنج الگوریتم شناخته شده تشخیص چهره عبارتند از: تحلیل اجزای اصلی ، تحلیل خطی، رنگ پوست و شبکه های عصبی.اولین گام اصلی در تشخیص پیکسل پوست, طبقه بندی به عنوان رنگ پوست یا غیر رنگ پوست است.یک مدل رنگ به یک طبقه بندی کننده نیاز دارد. مدل رنگ HSV زمانی که با مدل رنگ YCbCr یا RGB مقایسه شود ,محبوب است چون برای انسان قابل فهم است.گام دوم تجزیه و تحلیل این است که آیا یک پیکسل مربوط به رنگ پوست است یا غیر پوست .
æ گام سوم واخرین گام اصلی پیدا کردن یک جعبه مرزی مطلوب برای استخراج صورت از تصویر ورودی است. این روش از مدل رنگ HSV استفاده کرده که الگوریتم به شکل زیر خلاصه شده است: درگام اول: تبدیل تصاویر RGB به HSV که به صورت تبدیل تصویر به دودویی وتبدیل خروجی بهHSV انجام می شود. درگام دوم: برای هدف تایید از تصویر RGB نقشه لبه تصویر را می گیریم و از عملگر سوبل استفاده می کنیم. این ممکن است برای برگشت به عکس اصلی بعد از تشخیص استفاده شود.
درگام سوم: برای هر پیکسل ارزش Hو S را به دست می آوریم. درگام چهارم: یافتن مناطق مختلف در تصویر به منظور مشخص شدن تمرکز ما بر روی آنچه ما نیاز داریم. در این گام از دو تابع استفاده شده است . برای اطمینان از این که فقط منطقه پوست انتخاب خواهد شد. درگام پنجم: تحلیل اجزای متصل که با استفاده از عملگر های باز و بسته جدا خواهد شد. درگام ششم: مقایسه ابعاد واقعی هرمنطقه با استانه ودرصد پوست درهرمنطقه که این به حذف مناطق غیر چهره مانند دست کمک می کند. درگام هفتم: برای هر منطقه باید - - 500<Area<2500 باشد ,یعنی این که نه خیلی کوچک و نه خیلی بزرگ باشد.
مرحله اضافی :برای این که زمان اجرا سریعتر شود با انجام اصلاحاتی بر روی برنامه ,که این اصلاحات بر روی کیفیت و زمان اجرا تاثیر گذاشته است, یعنی زمان اجرا افزایش یافته اما کیفیت کاهش یافته است. در مقاله تشخیص چهره و مکان یابی بر اساس تغییرات رنگ پوست و لب در تصاویر رنگی به بررسی رنگ واقعی از تصاویر رنگی و به دست آوردن ارتباط بین رنگ و اجزای رنگ و ایجاد یک نوع هماهنگی تبدیل که قادر به بهبود اجزای رنگ پوست و لب است پرداخته است. روش جدیدی از تشخیص چهره انسان و مکان در اجزای رنگ پوست و لب بر اساس تغییر رنگ از تصاویر رنگی ارائه شده است. اطلاعات رنگی با ثبات که از تصاویر رنگی گرفته شده است برای تشخیص یا موقعیت هدف استفاده می شود.همچنین شدت اطلاعات از رنگ تصاویر به منظور شدت کنتراست بین دو جسم اعمال می شود درک چهره انسان در حال حاضر یک موضوع تحقیقاتی فعال از دید کامپیوتر است تشخیص یا موقعیت چهره انسان یک پیش نیاز برای درک چهره است.
