بخشی از مقاله
چکیده
در طول دهه گذشته تلاشهای بسیاری برای تسریع تشخیص هویت انسان از روی ویژگیهای جمعیتشناختی از جمله جنسیت، سن و قومیت بر اساس پردازش تصاویر صورت انسان در حوزههای مختلف از جمله علوم زیستی، روانشناسی انجام شده است. این مقاله یک سیستم برای طبقه بندی نژاد با استفاده از تصاویر چهره و با در نظر گرفتن ویژگیهای ظاهری صورت - چشمها، دهان و بینی - پیشنهاد میکند. در نظر گرفتن اندازه دقیق این ویژگیها دقت طبقهبندی را افزایش میدهد.
در این مقاله پنج قسمت از نواحی صورت در نظر گرفته شده است که با استخراج ویژگیهای کلیدی چهره و با بهدست آوردن روابط ریاضی بین این قسمتها و طبقهبندی آنها با ماتریس اسپارس - Spars Matrix - چهار گروه از اقوام ساکن در ایران از جمله آذری، تالشی، گیلانی و خاوری - شامل مشهدی، ترکمنی، افغانی - را با استفاده ازتصاویر پایگاهدادهای که به وسیله نویسندگان جمعآوری شده، شناسایی کردهایم. دراین آزمایشها از هر شخص به طور متوسط 10 عکس تهیه شده است و سیستم طراحی شده به طور متوسط یک موفقیت حدود 71درصدی را برای شناسایی اقوام بدست آورده است.
مقدمه
مردم کشورهای مختلف جهان از لحاظ شکل ظاهری صورت از جمله اندازه اعضای صورت و رنگ پوست با هم متفاوتاند. این تفاوت ظاهری صورت حتی در مورد مردم داخل یک کشور هم صدق میکند - Dong et al, 2010 و . - Toderici et al, 2010 ولی برخی از این خصوصیات در میان گروهی از مردم مشترک است که آنها را یک نژاد مینامند. شناسایی قومیت از روی تصاویر صورت اشاره به روند تشخیص گروه قومی بر اساس فناوری بیومتریک تعلق دارد. بر اساس این فناوری میتوان ویژگیهایی در انسان پیدا کرد که در اثر گذشته زمان پایدار میباشند.
از جمله ویژگیهای بیومتریکی میتوان به اثرانگشت - عبداالله پور، - 1392، چهره، صدا، کف دست - قندهاری و صفابخش - 1385، رنگ پوست Toderici et al, 2010 - و Jawad et al, 2013 و Abdullah and Abood, 2014 و Koo - and Song, 2010 و عنبیه - Dong et al, 2010 و عبداالله پور، 1392 و قندهاری و صفابخش - 1385 اشاره کرد. با استفاده از این ویژگیهای بیومتریکی میتوان علاوه بر جنسیت و سن، قومیت افراد را نیز تشخیص داد.
شناسایی قومیت طیف وسیعی از برنامههایکاربردی مانند امنیت کشور و تفسیر اتوماتیک از تصاویر را شامل میشود. مشتریان عمدهی این فنآوری اغلب در بخش خصوصی به ویژه در میان شرکتهای خصوصی بهخاطر بالابردن امنیت و محدود ساختن دسترسی در اداراتی مانند بانکها، ادارات وابسته به دولت و تسریع در شناسی افراد در ادارات دولتی و خصوصی مانند نیرویانتظامی، پزشکی قانونی - - Toderici et al, 2010، باستانشناسی و فرودگاهها را شامل میشود. بر خلاف تشخیص چهره که در آن هویت چهرهی فرد مورد علاقه را معین مینماید، شناسایی قومیت شامل هویت گروهی از چهره قومیت است. شناسایی قومیت با طبقهبندیهای جنسیتی تفاوت دارد، زیرا در این طبقهبندی از دو کلاس استفاده میکند، در صورتی که شناسایی قومیت اغلب از چندین کلاس بهره میبرد.
تاریخچه
مسئله شناسایی نژادهای جهان از سده نوزدهم بر اساس ویژگیهای ظاهری آغاز شد. کارهای اولیه شامل یک مطالعه گسترده در مورد جنسیت، قومیت و شناسایی تصاویر صورت به وسیله اوتول و همکارانش در سال1991 با اعمال تجزیه و تحلیل مولفههای اساسی - PCA - 1 برای شناسایی و تشخیص دو نژاد قفقازی و ژاپنی انجام شده است که به میزان موفقیت76 دست یافتند.
برای شناسایی و طبقهبندی قومیت آسیایی و غیرآسیایی توسط SatoshiHosoi و همکارانش - از ترکیب تبدیل موجک گابور - GWT - 1 و روش نمونهگیری شبکیه چشم در سال - 2004، لو و همکارانش در سال 2005 - با استفاده از تجزیه و تحلیل جداسازی خطی - LDA - 2 و نزدیکترین همسایه - Dong et al, 2010 - و Jawad et al, 2013 و Goi et al , 2013 و - Lu et al, 2005، KhaungTin و Sein در سال - 2011با استفاده از الگوریتمهایPAC و KNN3 بر روی تصاویر پایگاهداده - NLPR انجام شده است.
طبقهبندی اقوام قفقازی، آسیایشرقی و آفریقایی توسط گوتا و همکاران درسال1998 - از ترکیب شبکههایRBF و درختهای تصمیمگیری قیاسی - DT - 4 بر روی پایگاهدادهFERET به میزان دقت - Gutta et al, 1998 - - 92 و در سال - 200با استفاده از SVM5 بر روی همان پایگاهداده به موفقیتToderici et al, 2010 - - %100 و - Gutta et al, 2000 انجام شده است.
شناسایی سه نژاد تبتی، Uygur و ژوانگ توسط منش و همکارانش در سال - 2010با استفاده از بهکاربردن الگوریتم SVM بر روی تصاویر تمامرخ و استخراج ویژگیهای نهان صورت با سطح دقت - %94، Duang و همکارانش نیز در سال2010 - براساس تلفیق ویژگیهای جبری با ویژگیهای هندسی استخراج شده توسط الگوریتمGWT با کسب موفقیت - %97، جواد و همکارانش نیز در سال2013 - با استفاده از الگوریتمهای باینری محلی یکنواخت - LBP - 6 و تبدیل موجکهار - HWT - 7 با موفقیت - %96 انجام شده است. در سال 2012 محمد و همکارش - با استفاده از الگوریتمهایPCA، LBP و - WLD8 به شناسایی پنج نژاد آسیایی، اسپانیایی، خاورمیانه، سیاه و سفید موفق شدند.
با استفاده از استخراج لبهها و تصاویر نیمرخ - ، عبدالحسین و اناس در سال2014 - با استفاده از تصاویر تمامرخ و براساس ویژگیهای چشمها، دهان، بینی و رنگ پوست اقدام به موفقیت حدود82 از پایگاهدادهFG-NET و - Abdullah and Abood, 2014 - CPIR و مقدم به همراه همکارانشان - با استفاده از تصاویری درسال2002 بهمیزان دقتDong et al, 2010 - %80 و Moghaddam et al, 2002 و Goi et al, - 2013 به شناسایی چهار نژاد قومی سیاهپوستان، شرق و جنوب شرقی آسیا، جنوب آسیا وسفیدپوستان اقدام کردند. در سال 2015 نیز احمد و محمد به شناسایی سه نژاد اروپایی، شرقی و آفریقایی - با استفاده از الگوریتمهای موجک ترکیبی و تبدیل کسینوسی گسسته - دست یافتند - . - Faraidoon and Mohammed, 2015
استخراج ویژگیها و بردارهای ویژگی قومی
با توجه به تحقیقات موجود ویژگیهای صورت هر فرد با افراد دیگر متفاوت است.
