بخشی از مقاله
چکیده
شناسایی چهره به عنوان بیومتریک جهت تعیین افراد موارد استفاده فراوانی دارد. برای رسیدن به دقت مناسب جهت شناسایی چهره، بدست آوردن ناحیه دقیق چهره، بسیار با اهمیت میباشد.
در راهکار ارائه شده، سیستم با استفاده از شبکه عصبی ،یک چشم را در تصویر پیدا نموده و بر اساس آن سایر قسمتهای مورد نیاز چهره را انتخاب مینماید که این امر باعث میشود ناحیه چهره فاقد قسمتهای اضافی باشد همچنین سیستم برای شناسایی نیاز به تصویر کامل چهره نخواهد داشت و در صورت پوشیده شدن یک چشم همچنان سیستم قادر به تشخیص و شناسایی خواهد بود. پس از تشخیص مناسب ناحیه چهره از آنالیز اجزای اصلی و آنالیز تفکیک خطی برای کاهش حجم اطلاعات با رویکردهای متفاوت، استفاده شده است.در انتها شناسایی و تعیین هویت افراد توسط شبکه عصبی پرسپترون چندلایه انجام میپذیرد.
-1 مقدمه
در اواخر قرن بیستم سیستمهای امنیتی به این نتیجه رسیدند که استفاده از رمزعبور هر چند پیچیده باشد، قابل شکستن است و همچنین استفاده و بخاطر سپاری این رمزها دشوار است از این رو نیاز به جایگزینی برای رمزعبور حس میشد از سوی دیگر به دنبال راهی برای تعیین هویت افراد با دقت بالا بودند و بیومتریکها گزینه مناسبی بودند
بیومتریکهای متعددی معرفی شد که هر یک مزایا و معایبی داشت برخی مانند عنبیه چشم دقت و امنیت بالایی را فراهم مینمود و برخی مانند اثرانگشت از دیرباز مورد استفاده قرار میگرفت. در این میان چهره جایگاهی برای خود به دست آورده بود. بیومتریک چهره در مکانهای شلوغ و عمومی قابل استخراج بود و همچنین تهیه تصویر از چهره اشخاص مورد پذیرش جامعه بود و این ویژگیها باعث استقبال از این بیومتریک بود گرچه دقت استفاده از عنبیه چشم را ندارد.
اولین گام در شناسایی چهره، تشخیص و انتخاب درست و دقیق محل چهره در تصویر میباشد.تشخیص مناسب مکان چهره میتواند دقت شناسایی بالایی را فراهم نماید. دو روش عمده در مقالات برای شناسایی چهره ارائه شده است یکی استفاده از آدابوست در روش ویولا-جونز و دیگری استفاده از تشخیص پوست براساس رنگ. شایان ذکر است روشهای متعددی دیگری نیز ارائه شده است که از جمله میتوان به ترکیب روشهای بیان شده اشاره نمود.
در روش ویولا -جونز از تصویر اصلی یک تصویر انتگرالی به دست میآید و در ادامه طی یک الگوریتم آموزشی با تکرار، ویژگیهای Haar-like متعددی بررسی میشود. تا بهترین ویژگیها به همراه مقادیرشان انتخاب شوند. در هنگام استفاده این ویژگیها برای کادرهای تصویر به صورت آبشاری بررسی میشوند و کادرهای که دارای مقادیر مناسب برای ویژگیها بدست آمده در آموزش هستند انتخاب می-شوند.
روش دیگری که مورد استفاده قرار می گیرد استفاده از تشخیص پوست میباشد. در این روشها تصویر رنگی در یک یا چندین فضا مورد بررسی قرار گرفته و قسمتهایی که شبیه رنگ پوست میباشند استخراج میشوند.
فضای رنگ RGB به عنوان فضای رنگ رایج در حوزه تصاویر دیجیتال، از جمله فضاهای رنگ پرکابرد در این زمینه است. با توجه به مولفههای تشکیل دهنده این فضا، محققین علاوه بر شرطهایی که برای هر مولفه رنگ میگذارند از نسبت رنگ مولفهها نیز استفاده مینمایند.
فضای رنگ HSV دیگر فضای رنگ پرکاربرد در زمینه تشخیص پوست می باشد که شبیه به سیستم بینایی انسان عمل می کند. به طور معمول پردازش در این فضا بر روی فام رنگ یا مولفه Hue صورت می-پذیرد.[
فضای رنگی YCbCr فضای رنگ دیگری است که برای تشخیص پوست استفاده شده است. این فضا با استفاده از ضرب مولفههای RGB در ماتریس مخصوص این فضا و جمع هر مولفه بدست آمده با مقدار ثابت برای تبدیل به YCbCr ، بدست میآید.
نکته حائز اهمیت در مورد استفاده از فضاهای رنگ برای تشخیص پوست، انتخاب مقدار مناسب برای برش رنگ یا مقادیر آستانه مناسب میباشد. انتخاب محدودهی وسیع رنگ، باعث می شود تا نواحی زائد زیادی به وجود آید و تشخیص ناحیه چهره را دچار مشکل کند از سوی دیگر انتخاب محدودهی کوچک باعث میشود سیستم نتواند رنگ پوستهای مختلف را در بازتابهای نوری مختلف تشخیص دهد. از این رو برخی دیگر از مقالات ارائه شده از ترکیب فضاهای رنگ برای بهبود دقت در انتخاب پیکسلهای رنگ پوست استفاده میکنند.
روشهایی که از تشخیص پوست برای تشخیص چهره استفاده میکنند معمولا برای همبند نمودن و انتخاب ناحیه چهره راهکار دیگری همانند استفاده از اپراتورهای مورفولوژی[5] و یا استفاده از الگویتمهای فراابتکاری نظیر الگوریتم ژنتیک را به کمک میگیرند
ایده اصلی که در این مقاله ارائه شده است. در انتخاب دقیق کادر چهره با استفاده از تشخیص چشم میباشد.چشم را شاید بتوان تاثیرگذارترین بخش در چهره جهت شناسایی نام برد . استفاده از تشخیص چشم برای انتخاب ناحیه چهره به ویژه در سیستمهایی که چندین ناحیه کاندید برای چهره معرفی میکنند نظیر تشخیص پوست،میتواند بسیار کاربردی باشد بدین صورت که ناحیهای انتخاب میشود که دارای چشم باشد.
برای تشخیص چشم روشهای مختلفی ارائه شده است. یکی از روشهای معروف استفاده از شبکه عصبی جهت تشخیص چشم میباشد.[9] با توجه به تضاد رنگ و اختلاف سطح شدتی که در ناحیه چشم وجود دارد استفاده از روشهای مبتنی بر فرکانس و تبدیلات نظیر فیلترهای گابور و تبدیل موجک نیز بسیار مورد توجه قرار گرفته است.
پس از انتخاب ناحیه چهره، شناسایی چهره و تعیین هویت شخص صورت میگیرد. برای شناسایی چهره نیاز به تصویری میباشد که چهره شخص به صورت واضح مشخص باشد که مستلزم تصویری با کیفیت بالا و سایز مناسب میباشد. تعداد پیکسلها به عنوان ورودیهای طبقهبندی-کننده زیاد است و این امر باعث معماری پیچیده طبقهبندیکننده و همچنین کاهش دقت می شود از این رو پیش از استفاده از طبقهبندیکننده ابعاد مسئله به صورت معمول کاهش مییابد.
الگوریتمهای کاهش ابعاد مسئله راهکار رایجی هستند که سیستمهای معرفی شده فراوانی از آن سود میبرند. تاکنون الگوریتمهای متعددی در زمینه کاهش ابعاد ارائه شده است که هر یک با رویکردی خاص، دارای معایب و مزایایی میباشد. [1] آنالیز تفکیک خطی و آنالیز اجزای اصلی از جمله پرکاربردترین روشها در زمینه کاهش ابعاد مسئله میباشند که در صورت کیفیت و کادر مناسب تصویر چهره، دقت مناسبی را فراهم مینمایند.
طبقهبندیکننده بخش مهم سیستم شناسایی چهره میباشد که نتایج سایر قسمتها را به ثمر میرساند. یک طبقهبندیکننده مناسب دارای ابعاد متناسب با پیچیدگی مسئله میباشد. ماشینهای بردار پشتیبان از جمله این طبقهبندیکننده هستند که راهکارهای متعددی از آن سود جستهاند1]و[12 همچنین شبکههایعصبی نیز از پرکاربردترین طبقهبندیکنندههایی میباشند که در این زمینه بسیار پر قدرت ظاهر شدهاند.
شبکه عصبی پرسپترون چن دلایه - - MLP از معروفترین این شبکهها میباشد که بسیار قدرتمند در زمینه طبقهبندی عمل میکند .شبکهعصبی دیگری که در این زمینه استفاده زیادی از آن شده است، شبکه نگاشت خودسازمانده - - SOM که از خوشهبندی ورودیها ، جهت تعیین هویت افراد استفاده میکند
-2 راهکار پیشنهادی
راهکار ارائه شده در این مقاله سعی دارد که پس از استخراج تقریبی ناحیه چهره با استفاده از تشخیص چشم ، قرص صورت را بدون داشتن نواحی اضافی از جمله موی سر و لب پایینی و چانه بدست آورد. داشتن قرص چهره کمک میکند تا شناسایی با دقت بالایی انجام شود. همچنین سعی شده تا پوشیدگی بخشی از چهره، مانند پوشاندن یک چشم توسط موی شخص، سیستم را دچار مشکل نکند.
روند کلی راهکار پیشنهادی بدین صورت میباشد که ابتدا بررسی میشود تا اگر در تصویر نیاز به تشخیص ناحیه چهره وجود داشته باشد یا به عبارت دیگر تصویر کادر بازی داشته باشد با استفاده از تشخیص پوست ناحیه تقریبی چهره را استخراج شود و سپس سیستم تصویر را تبدیل به سطوح خاکستری مینماید. پس از انجام این عملیات انتظار میرود تصویری مانند تصاویر موجود در مجموعه تصاویر ORL بدست آید.
در ادامه با استفاده از شبکهعصبی پرسپترون چندلایه شبیهترین ناحیه به چشم انتخاب میشود و با استفاده از موقعیت ناحیه انتخاب شده، سایر نواحی چهره انتخاب میشوند. پس از بدست آوردن ناحیه چهره با استفاده از الگوریتم آنالیز اجزای اصلی ابعاد مسئله کاهش مییابد و در ادامه برای بهبود طبقهبندی و کاهش بیشتر اندازه ورودیها از الگوریتم آنالیز تفکیک خطی استفاده میشود. در انتها برای شناسایی و تعیین هویت شخص از شبکهعصبی پرسپترون چندلایه استفاده میشود.شکل - 1 - روند کلی راهکار پیشنهادی را نشان میدهد.
شکل : - 1 - روند کلی راهکار پیشنهادی
-1-2 شناسایی چهره با استفاده از رنگ پوست
در تصاویری مانند تصاویر موجود در مجموعهی faces_96 چهره دارای کادری باز است و نیاز است که قسمتهای اضافی تصویر حذف گردد. برای حذف نواحی اضافه و تشخیص ناحیه چهره از تشخیص پوست با استفاده از رنگ آن، کمک گرفته شده است. نحوه کار به این صورت میباشد که تصویر در فضای RGBوYCbCR مورد پیمایش قرار میگیرد اگر پیکسل دارای مقدار مطلوب باشد انتخاب میشود در غیر این صورت رد می-شود. در انتها نواحی به دست آمده با پیکسلهای انتخابی با استفاده از مورفولوژی "بستن" همبند شده، سپس بررسی میشوند که میتوانند کاندیدی برای ناحیه چهره باشند. ناحیه چهره دارای ابعاد بزرگ و با نسبت هندسی متناسب و با فاصله از اطراف تصویر میباشد. نحوه عملکرد سیستم در این بخش در شکل - 2 - مشاهده میشود.
شکل : - 2 - تشخیص چهره، از چپ به راست: تصویر اصلی،انتخاب پیکسلهای رنگ پوست، همبندسازی با مورفولورژی ، تشخیص ناحیه چهره
