بخشی از مقاله
مروري بر برخي روشهاي شناسايي چهره با استفاده از پردازش تصوير
چکيده
انسانها از ديرباز ويژگيهاي بيومتريک ديگران مانند صورت ، صدا و يا دست خط را براي تشـخيص هويت آنها استفاده مي کردند. درجوامع امروزي تشخيص هويت افراد به ويژه درمورد مسائل امنيتـي اهميت زيادي پيدا کرده است . ايجاد يک سيستم آشکارساز چهره قدرتمند، يکي از بزرگترين چالش هاسـت کـه در سـال هـاي اخير مورد توجه محققان مختلف قرار گرفته است . يـک سيسـتم آشکارسـازي چهـره مـي توانـد در بسياري از مکان ها از قبيل بانک ها، محيط هاي نظامي ، و ديگر مکـان هـا ، بمنظـور بکـارگيري در سيستم هاي امنيتي مورد استفاده قرار گيرد. در مدت ٤٠-٣٠ سال اخير، روشهاي متعـددي بـراي اين مسأله ارائه شده است که هر يک در شرايط بخصوص مفيد هستند و کـارايي آنهـا نيـز متفـاوت است . براي تشخيص چهره معمولا ا ز دو روش استفاده مـي کننـد اولـين روش تشـخيص کلـي چهـره مي باشد روش دوم تشخيص چهره براساس بخشهاي مختلف چهره است . براي شناسـايي ماشـيني چهره ، عکس صورت بايد در يک محيط کنترل شده تهيه شود.
کلمات کليدي :
تشخيص چهره ، رهيافت مبتني بر ساختار، رهيافت مبتني بر آمار ، PCA،LDA ،SVM
١- مقدمه
شناسايي چهره ، موضوع جذابي در بينايي ماشين است . کاربردهاي عملي و تجاري بسيار مهـم و متنوعي مي تواند با ارائه يک تکنولوژي دقيـق و مقـاوم بـراي شناسـايي چهـره فعـال گـردد، ماننـد شناسايي هويت ، شناسايي تصاوير مجرمين و نظارت . بعلاوه ، امروزه مقدار زيادي اطلاعـات ويـدئويي جمع آوري مي شود و در آرشيوهاي چند رسانه اي نگهـداري مـي گـردد. چهـرة انسـان مـي توانـد موضوع مناسبي براي تحقيقات در زمينۀ جستجو بر روي اطلاعات تصويري باشـد کـه در آينـده بـه روشي براي بازيابي اطلاعات چند رسانه اي منجر خواهد شد. از لحاظ علمي ، شناسايي چهره با بخش هاي بسيار متنوعي از علوم و مهندسي کامپيوتر مـرتبط است . شناسايي الگو، بينايي ماشين ، پردازش تصوير، شبکه هاي عصبي، يادگيري ماشـين ، پـردازش موازي، فرآيندهاي تصادفي و بخشهاي ديگري از هوش مصنوعي، با اين موضوع سر و کار دارد. علاوه بر اين ، رشته هاي علمي ديگري نظيـر علـوم شـناختي، علـوم اعصـاب شـناختي و زيسـت شناسي نيز با اين موضوع درگير هستند. همچنين کاربردهاي اين موضـوع در بسـياري از رشـته هـا ظاهر مي شود و در هر يک به نوعي بکار گرفته مي شود.
شناسايي چهره ، از بيش از ٤٠ سال پيش ، زمينۀ پژوهشي فعالي بوده است . ايـن موضـوع توسـط دانشمندان مختلفي از علوم شناختي و علوم کامپيوتر مورد مطالعـه قـرار گرفتـه اسـت . دانشـمندان روانشناسي و علوم اعصاب، بيشتر بر روي جنبه هاي ادراک انساني اين موضوع متمرکز شده انـد، در حاليکه مهندسان ، شناسايي چهرة انسان را از لحاظ محاسباتي مورد بررسي قرار داده اند.
کاربردهاي اصلي شناسايي چهره در زمينه هـاي بيومتريـک ، کنتـرل دسترسـي ، اجـراي قـانون ، امنيت ، سيستمهاي نظارتي و جستجوي شخص در تصـاوير اسـت . بيومتريـک روشـهايي اسـت کـه وارسي يا شناسايي افراد را با استفاده از مشخصـات رفتـاري يـا روانشناسـي آنهـا انجـام مـي دهـد.
فناوريهاي بيومتريک شامل موارد زير است :
- شناسايي چهره
- تعيين هويت اثر انگشت
- تعيين هويت از طريق مردمک چشم
- شناسايي صدا
- شناسايي امضاء
- تعيين هويت از طريق شبکيه چشم
- تطبيق دنباله هاي دي. ان. اي
نياز به تعيين هويت افراد در زمينۀ سيستمهاي حفاظتي و امنيتي، شناسـايي چهـره را بـه يـک حوزة اصلي در ميان ساير فناوريهاي بيومتريک تبديل کرده است . اهميـت شناسـايي چهـره از ايـن واقعيت ناشي مي شود که سيستم شناسايي چهره ، به همکـاري افـراد نيـاز نـدارد در حاليکـه سـاير سيستمهاي بيومتريک ، به اين همکاري نياز دارند.
الگوريتمهاي شناسايي چهره ، سعي در حل هر دو مسـالۀ تعيـين هويـت و وارسـي دارنـد. وقتـي وارسي مورد نياز است ، يک تصوير چهره به سيستم شناسايي چهره داده و يـک هويـت در مـورد آن ادعا مي شود. از سيستم انتظار مي رود که اين ادعا را تأييـد يـا رد کنـد. از طـرف ديگـر در مسـالۀ تعيين هويت ، سيستم به وسيلۀ تعدادي تصوير از افراد شناخته آموزش داده مي شود و سـپس يـک تصوير آزمايشي به آن داده مي شود. سيستم تصميم مي گيرد کـه ايـن تصـوير آزمايشـي بـه کـدام شخص از اشخاص فوق ، تعلق دارد.
مسالۀ شناسايي چهره ، مي تواند به صورت زير بيان شود: تعيين هويت يـک يـا چنـد شـخص در يک صحنه با استفاده از يک پايگاه دادة ذخيره شده از چهـره هـا در تصـوير ثابـت داده شـده از آن صحنه . مساله بطور کلي ، يک مسالۀ طبقه بندي است . آموزش سيستم شناسايي چهره بـا تصـاويري از افراد شناخته شده و طبقه بندي تصوير آزمايشي جديد در يکي از دسته هاي موجود، جنبۀ اصلي سيستمهاي شناسايي چهره است .
اين موضوع ، براي انسان کار بسيار ساده اي به نظر مي رسد که در آن مشکل اصـلي ، محـدوديت حافظه است ، در حالي که مشکلات براي شناسايي ماشيني، بسيار است و سيستم هـاي کـامپيوتري تشخيص چهره ، هنوز به کارايي قابل اعتمادي دست نيافته اند.
٢- روشهاي شناسايي چهره
شناسايي چهره ، پيامدهاي جالبي را براي دانشمندان علوم اعصاب و مهندسان کامپيوتري کـه بـا هوش مصنوعي مرتبط هستند، دارد. براي شناسايي ماشيني چهره ، عکس صورت بايد در يک محيط کنترل شده تهيه شود. پس زمينۀ يکنواخت و حالات مشابه ، حل مساله را ساده تر مي کند.
٢-١- شناسايي چهرة انساني
هنگام ساخت سيستمهاي شناسايي چهـرة مصـنوعي، دانشـمندان سـعي داشـتند کـه معمـاري سيستم شناسايي چهرة انساني را درک کنند. تمرکز بـر روي متـدولوژي سيسـتم شناسـايي چهـرة انساني مي تواند براي درک سيستم اصلي ، مفيد باشد. هر چند که سيستم شناسايي چهـرة انسـاني بيش از سيستم شناسايي ماشيني که تنها از داده هاي دوبعدي استفاده مي کند، کارايي دارد.
سيستم شناسايي چهرة انسان ، از داده هايي استفاده ميکند که با استفاده از يک يا چنـد حـس بينايي ، شنوايي ، لامسه و ... بدست آمده است .
٢-٢- شناسايي ماشيني چهره ها
اگر چه انتظار مي رود که مطالعـات بـر روي سيسـتم انسـاني شناسـايي چهـره ، مرجعـي بـراي شناسايي ماشيني چهره ها باشد، امـا تحقيـق بـر روي شناسـايي ماشـيني چهـره بطـور مسـتقل از مطالعات بر روي شناسايي انساني چهره گسترش يافته است .
در خلال دهۀ ١٩٧٠ ميلادي ، روشهاي مرسوم طبقـه بنـدي الگـو بکـار گرفتـه مـي شـد کـه از اندازه گيري ويژگيها در چهره استفاده مي کند. در دهۀ ١٩٨٠، کار بر روي شناسـايي چهـره تقريبـاً ثابت باقي ماند. از اوايل دهۀ ١٩٩٠، علاقۀ پژوهشي به شناسايي ماشـيني چهـره بطـور فزاينـده اي افزايش يافت .
دو ديدگاه عمده که براي تشـخيص ماشـيني چهـرة انسـان مطـرح اسـت ، روشـهاي مبتنـي بـر ويژگيهاي هندسي محلي و روشهاي مبتني بر تطبيق قالـب سراسـري اسـت . همچنـين ترکيـب دو روش که روش آميخته نام دارد نيز بکار مي رود.
رهيافت اول که بر ويژگيهاي هندسي محلي مبتني است ، مشخصه هاي محلي و گسسته (ماننـد چشم ، بيني، دهان ، مو و ...) را استخراج و اندازه گيري مي کند و سـپس بـراي بازيـابي و شناسـايي چهره ، تکنيکهاي استاندارد شناسايي آماري الگو و يا روشهاي شبکه هاي عصبي را بکـار مـي گيـرد.
يکي از روشهاي معروف مبتني بر ويژگيهاي هندسي محلي ، تکنيک EBGM است .
رهيافت ديگر، روش سراسري ، از لحاظ مفهومي يک روش تطابق قالب است و سعي مي کند کـه چهره ها را با استفاده از بازنماييهاي سراسري تشخيص دهد. روشهاي سراسري ، تمام تصـوير چهـره را يکجا در نظر مي گيرند و سعي مي کنند که ويژگيها را از کل ناحيۀ چهره استخراج کنند. در ايـن رهيافت همچون روش قبلي ، براي طبقه بندي تصاوير بعد از اسـتخراج ويژگيهـا، از روشـهاي طبقـه بندي الگو استفاده مـي شـود. يکـي از روشـها بـراي اسـتخراج ويژگـي در يـک سيسـتم سراسـري ، بکارگيري روشهاي آماري مانند تحليل مؤلفه هاي اصلي (PCA) بر روي کل تصوير است . علاوه بـر اين روش PCA مي تواند بطور محلي نيز بر روي تصوير چهره اعمال شود ولي در اين صـورت يـک روش سراسري محسوب نمي شود.
٢-٢-١- رهيافتهاي آماري
روشهاي آماري شامل سيستمهاي مبتني بـر تطـابق قالـب اسـت کـه در آن تصـاوير آموزشـي و آزمايشي با اندازه گيري همبستگي ميان آنها تطبيق داده مي شوند. عـلاوه بـراين ، روشـهاي آمـاري شامل روشهاي مبتني بر تصوير کردن ، مانند تحليل مؤلفه هاي اصلي (PCA) تحليـل تفکيـک گـر خطي (LDA) و ... مي باشد. سيستمهاس مبتني بر تصوير کردن سعي مي کنند که طبقه بندي را در فضايي که از لحاظ ابعادي فوق العاده بزرگ است انجام دهند.
- تطابق قالب : Brunelli ,Piggio [٨] بيان کردنـد کـه اسـتراتژي بهينـه بـراي شناسـايي چهره ، روش سراسري است که با تطابق قالب انجام مي شود. آنها در مطالعۀ خود، تکنيک مبتني بـر ويژگيهاي هندسي را با سيستم مبتني بر تطابق قالب مقايسه کرده اند. در ساده ترين شـکل تطـابق قالب ، تصاوير (بعنوان مقادير روشنايي دوبعدي ) با استفاده از معيارهاي فاصله ، با يک بازنمايي واحـد از کل چهره ، مقايسه شده اند. اگرچه شناسايي چهره با تطبيق تصاوير خام، تحـت شـرايط محيطـي محدود شده موفق بوده اسـت ، امـا ايـن روش در اثـر حساسـيت بـه جهـت چهـره ، انـدازه ، شـرايط نورپردازي متغير و نويز، دچار مشکل مي شود.
٢-٢-١-١- کشف و شناسايي چهره با روش PCA
روش چهره هاي ويژه که توسط Turk ,Pentland [٩] مطرح شـده اسـت ، يکـي از روشـهاي اصلي است که به دنبال تأليفات Loeve –Karhunen بکار گرفته شـده اسـت . مطالعـۀ آنهـا بـا کارهاي اوليۀ Motivate ,Kirby ,Sirovich [١٠],[١١] انجام شده است . اين روش بر کاربرد تحليل مؤلفه هاي اصلي چهره هاي انساني مبتني است . اين روش با تصاوير چهره بعنوان داده هـاي دوبعدي برخورد مي کند و تصاوير چهره را با تصوير کردن آنها در فضاي چهـرة ويـژه طبقـه بنـدي مي کند. فضاي چهرة ويژه ، از بردارهاي ويژه اي تشکيل شده است که از تغيير تصاوير چهره بدسـت مي آيد. چهرة ويژه (eigneface) نام خود را پيشوند آلمـاني ـ eign گرفتـه اسـت کـه معنـي آن شخصي يا انفرادي است . روش چهرة ويژه ، بعنوان اولين تکنولوژي قابل استفادة شناسـايي چهـره در نظر گرفته مي شود.
در زماني که اين روش براي اولين بار توسط Turk ,Pentland پيشنهاد شد، آنها بر روي کـل تصوير کار مي کردند. همچنين براي طبقه بندي تصاوير چهره ، از طبقـه بنـدي کننـده نزديکتـرين ميانگين استفاده مي کردند. با استفاده از اين نگاه که تصوير چهره و تصوير غيرچهره ، کاملاً متفـاوت است ، روشي براي کشف چهره در تصوير بدست آمد.
بعدها، مشتقات روش PCA ، براي کاربردهاي مختلف مطرح شد.
- PCA و فشرده سازي تصـوير: در مطالعـۀ Moghaddam و Pentland [١٢] از روش چهره هاي ويژه براي کد گذاري چهره هاي انساني ، در کاربردهايي همچون ويدئوي تلفنـي ، فشـرده سازي پايگاه دادة تصاوير و شناسايي چهره استفاده شده است
- کشف و شناسايي چهره با استفاده از PCA:Lee و ديگران [١٣] بـا اسـتفاده از PCA
روشي را پيشنهاد کردند که سر شخص را در يک پـس زمينـۀ پيچيـده کشـف مـي کنـد و سـپس شخص را با مقايسۀ مشخصات آن و مشخصات چهرة افراد شناخته شده ، شناسايي مي کند.
- PCA بيزي: روش ديگيري که توسط Moghaddam و ديگران [١٤] مطـرح شـده اسـت ، PCA بيزي است . به وسيلۀ اين سيستم ، روش چهره هاي ويژه با تکيه بر نرم زير فضاهاي محـدود شدة ساده ، توسعه يافته است تا به منظور معيار احتمالاتي شباهت به کار گرفته شود. تفـاوت ديگـر اين روش با روش استاندارد چهرة ويژه ، اين است که اين روش به جاي استفاده از تصاوير در مراحل آموزش و آزمايش ، تفاضلهاي آنها را به کار مي برد. تفاضل هر تصوير با ساير تصاوير همـان شـخص به عنوان تفاضل درون شخصي و تفاضل هر تصوير با يک تصوير از افراد ديگر، به عنوان تفاضل برون شخصي به درون سيستم تغذيه مي شود. سرانجام وقتي تصوير آزمايشي وارد مي شود، از هر تصوير ديگر در پايگاه داده کم مي شود و به سيستم داده مي شود. براي طبقه بندي اين تصوير از معيـاري براي بيان بيشترين شباهت (مانند کوچکترين تفاضل ) استفاده مي شود.
Moghaddam تکنيک هاي ديگري را نيز معرفي کـرده اسـت : تحليـل مؤلفـه هـاي مسـتقل (ICA) و PAC با هستۀ غيرخطي (KPCA). او اين سيستمها را با داده هاي متعددي بررسـي و امتحان کرده است . نتايج تجربي کار وي، صرفۀ محاسـباتي و کـارايي بيشـتر روش PAC بيـزي را نسبت به ساير روشها نشان مي دهد.
سـرانجام Liu ,Wechsler در [١٥],[١٦] بـر روي روش بيـزي بـراي شناسـايي چهـره کـار کردند.
- PAC و فيلترهاي Gabor :Chung و ديگران [١٧] کاربرد همزمـان PAC و فيلترهـاي Gabor را پيشنهاد کرند. روش آنها از دو بخش تشـکيل شـده اسـت : در بخـش اول ، از فيلترهـاي Gabor براي استخراج ويژگيهاي چهره اي از تصوير اصلي بر روي نقاط از پيش تعريف شدة ثابـت استفاده مي شود. در بخش دوم ، PAC براي طبقه بندي بهينـۀ ويژگيهـاي چهـره اي بکـار گرفتـه مي شود. آنها ادعا کرده اند که استفادة ترکيبي از ايـن دو روش ، بـراي غلبـه بـر نقـاط ضـعف روش PAC مؤثر است ، زيرا وقتي تصاوير خام بعنوان ماتريس PAC استفاده مي شوند، فضاي مشخصـه نمي تواند همبستگي ويژگيهاي چهره اي را بـه خـوبي مـنعکس کنـد. بحـث آنهـا بـه اينجـا منجـر مي شود که اين مشکلات با استفاده از فيلترهـاي Gabor در اسـتخراج ويژگيهـاي چهـره اي حـل مي شود.
٢-٢-١-٢- شناسايي چهره به روش LDA
Chellappa, Etemad [١٨] روشي را براي بکار گيري تحليل تفکيک گـر خطـي در فرآينـد شناسايي چهره پيشنهاد کردند. LDA از طريق تحليل ماتريس پراکنده انجام مي شود. هدف ايـن روش يافتن تصوير بهينه اي اسـت کـه پراکنـدگي بـين دسـته هـاي مختلـف چهـره را مـاکزيمم و پراکندگي ميان داده هاي يک دسته را مينيمم مي کند. همانند PAC که در آن چهره هـاي ويـژه به کمک تحليل مقادير ويژه محاسبه مي شوند، تصوير کردن در LDA بـه کمـک معادلـۀ عمـومي مقادير ويژه انجام مي شود.
- LDA زير فضايي : روشي مبتني بر اسـتفادة يـک در ميـان از PAC و LDA نيـز بررسـي شده است . اين روش از دو مرحله تشکيل شده اسـت . ابتـدا تصـوير چهـره بـه درون فضـاي چهـرة مشخصه که توسط روش PAC ساخته شده است ، تصوير مي شود. سـپس بردارهـاي تصـوير شـدة فضاي چهرة ويژة ، به فضاي دسته بندي LDA تصوير مي شود تا يک طبقـه بنـدي کننـدة خطـي ايجاد شود. در اين روش ، انتخاب درسـت تعـداد چهـره هـاي ويـژه کـه بـراي مرحلـۀ اول اسـتفاده مي شود، بسيار مهم است . اين انتخاب سيستم را قادر مي کند کـه توسـط LDA ويژگيهـاي قابـل طبقه بندي را از بازنمايي فضاي چهرة ويژه توليد کند.
٢-٢-١-٣- سيستمهاي مبتني بر تبديل
- تبديل کسينوسي گسسته (DCT)
Zhang, Podilchuk [١٩] روشي را ارائه دادند که بردارهاي ويژگي را بـا اسـتفاده از تبـديل کسيسنوسي گسسته پيدا مي کند. سيستم آنها تلاش مي کند که نـواحي مهـم چهـره را تشـخيص دهد. اين سيستم بر تطابق تصوير با يـک نقشـه از مشخصـه هـاي چهـره اي نـاوردا کـه بـا نـواحي مشخصي از چهره مرتبط است ، مبتني است . آنها ادعا کردند از آنجا که عمليـات سراسـري بـر روي تمام نواحي چهره تکيه مي کند، اين تکنيک کـاملاً مقـاوم اسـت . بـراي هـر شـخص بـا اسـتفاده از مجموعۀ
