تحقيق در زمينه تشخيص چهره فرصت‌هاي مطالعاتي را فراهم مي‌آورد که دانشمندان و مهندسان را براي چند سال آينده به چالش خواهد کشيد. به عنوان نمونه، ايجاد يک سيستم تشخيص چهره قدرتمند مي‌تواند در پروژه‌هاي مرتبط با امنيت ملي، تعامل انسان و کامپيوتر و بسياري از موارد ديگر به کار برده شود. اين مطلب يكي از مقالات بخش ويژه نشريه ماهنامه شبكه در شماره 116 با عنوان امنيت بيومتريك مي‌باشد. جهت دريافت اين بخش ويژه به بخش پرونده‌هاي ويژه سايت مراجعه نمائيد.
جدول 1- خلاصه ارزيابي‌هاي FVRT
تشخيص چهره طي روند پيري
يکي از جنبه‌هاي مشکل و ترسناک تشخيص چهره، يعني «پيري» از اين جهت چالش برانگيز است که بايد تمام حالت‌هاي مختلف ديگر را نيز پوشش دهد. زماني که تصاوير چهره فرد در فاصله‌هاي زماني چندساله گرفته شوند، ژست، حالت چهره يا نورپردازي به سادگي ممکن است تغيير کند. همچنين خصوصيات بافت پوست نيز ممکن است در اثر آرايش، کاهش يا افزايش وزن، ريزش مو، استفاده از عينک و... نيز تغيير کند. تغييراتي که به واسطه پيري در چهره رخ مي‌دهند، به فاکتورهاي محيطي فراواني نظير تشعشع خورشيدي، دخانيات، مصرف داروها و ميزان استرس وابسته هستند10. فاکتورهاي بيولوژيکي و محيطي مي‌توانند باعث تسريع يا تأخير روند پيري شوند. پيري باعث بروز تغييراتي هم در بافت نرم و هم در بافت سخت صورت خواهد شد. از بين رفتن حالت الاستيک بافت صورت، تغيير حجم صورت و تغيير در بافت صورت نيز در اثر پيري رخ خواهد داد. روند پيري به شدت غيرقابل پيش‌بيني است، اما به نظر مي‌رسد يک سري تغييرات وجود دارد که به يک الگوي ساده تصاعدي در طول زمان وابسته است.
همچنين جابه‌جايي در نشانه‌هاي چهره به خوبي تغييرات شکلي ناشي از افزايش سن را به‌خصوص در سنين دو تا هجده سال توصيف و مشخص خواهد کرد. براي سوژه‌هاي مسن‌تر، ميزان تغيير در بافت صورت بيش از ميزان تغيير فرم و شکل صورت است. تحقيقات پژوهشگران در زمينه‌هاي بينايي کامپيوتري و فيزيک-روان‌شناسي (Psychophysics) نيز به مطالعات ريخت شناسي چهره و تغييرات چهره در طول زمان کمک کرده است. روش‌هاي فيزيک-روان‌شناسي شامل بررسي و استنتاج منحني تغييرات قابليت کشساني صورت و نتايج آن‌ها و همچنين تغيير در فرم و ميزان چين و چروک‌هاي صورت و عميق‌تر يا کم‌رنگ‌تر شدن آن‌ها است. محققاني که در زمينه بينايي کامپيوتري فعاليت مي‌کنند روش‌هاي مختلفي را بر پايه زيرفضاها، مدل‌هاي سه بعدي و يادگيري ماشيني براي تشخيص چهره در طي روند پيري پيشنهاد داده‌اند11. شكل 6 نمونه‌هايي از نتايج پيش‌بيني قيافه بر اساس مدل رشد چهره-جمجمه را نشان مي‌دهد.
شكل 6- نمونه‌هايي از نتايج پيش‌بيني قيافه بر اساس مدل رشد چهره-جمجمه را نشان مي‌دهد11. ستون نخست تصاوير اصلي کودکان و دومين ستون، تغييرات تخميني ناشي از رشد آن‌ها را نشان مي‌دهد. ستون سوم قيافه پيش‌بيني شده توسط الگوريتم تغيير سن و ستون چهارم تصوير واقعي کودکان در سن مورد نظر را نشان مي‌دهد.
تشخيص چهره بر‌اساس ويديو
تشخيص چهره بر‌اساس ويديو يا VFR (سرنام Video Face Recognition) مي‌تواند هويت فرد يا افرادي را که در يک ويديو وجود دارند بر پايه مشخصات چهره تعيين كند. روند معمول FVR روي يک ويديوي چهره مشخص، براي تشخيص چهره از خصوصيات مقطعي (موقتي) حرکت صورت در ترکيب با تغيير ظاهر فرد استفاده مي‌کند. اين روند به طور معمول شامل توصيف مقطعي صورت براي تشخيص، ساخت يک مدل سه بعدي يا يک با تفكيك‌پذيري فوق‌العاده بالا [ سوپر رزولوشن تكنيكي براي افزايش دقت تصوير است] از چهره يا يادگيري ساده تغييرات ظاهر شخص از روي فريم‌هاي مختلف ويديو است.
فاکتورهاي عمومي‌سازي سيستم (تعميم)
قابليت تعميم سيستم براي وضعيت‌هاي متفاوت است، نورپردازي و حالت چهره به ترکيب انتخاب شده بستگي دارد. VFR به طور معمول در سناريوهاي نظارتي کاربرد دارد که در آن‌ها ممکن است شرايط تهيه يک فريم مناسب از چهره، که شرط اصلي و غالب روش‌هاي مبتني بر تصوير ثابت است؛ وجود نداشته باشد. يک سيستم VFR به طور معمول خوراک‌هاي ويديويي خود را از يک يا چند دوربين دريافت مي‌کند، چهره را از داده‌هاي ورودي تفکيک و ردگيري کرده و نمونه‌هايي را براي توصيف خصوصيات چهره‌هاي موجود در ويديو استخراج مي‌كند. در نهايت اين نمونه‌ها با نمونه‌هاي ثبت‌شده سوژه‌ها در پايگاه داده سيستم مقايسه مي‌شود. اين مرحله‌ها فاز مرحله آزمايش سيستم را تشکيل مي‌دهند.
در طي روند ثبت نام يا آموزش سيستم، ترتيبي از مراحل مشابه روي چندين ويديوي متفاوت از هر شخص، تکرار خواهد شد. سپس محققان نمونه ترکيبي مرتبط به هر فرد را در پايگاه داده سيستم ذخيره مي‌کنند. تفاوت روش‌هاي مختلف VFR در نمونه‌هايي است که هريک براي توصيف چهره‌هاي متحرک استفاده مي‌كنند. يک سيستم ايده‌آل VFR تمام اين مراحل را بدون مداخله انسان انجام خواهد داد.
ترکيب اطلاعات
يکي از بزرگ‌ترين چالش‌هاي پيش‌روي سيستم‌هاي VFR نياز به استفاده مؤثر از اطلاعات- هم فضايي وهم‌زماني- موجود در يک ويديو و ترکيب آن‌ها براي عمومي‌سازي (Generalization) بهتر هر سوژه و همچنين درک تمايز بين سوژه‌هاي مختلف جهت بهبود قابليت تشخيص هويت است. طرح‌هاي ارائه شده براي استفاده و ترکيب اطلاعات مي‌توانند شامل گستره وسيعي از حالت‌ها مانند انتخاب ساده فريم‌هاي مناسب که محققان بعدها آن‌را در سيستم‌هاي تشخيص هويت مبتني بر تصاوير ثابت به کار مي‌برند تا تخمين ساختار کامل سه‌بعدي چهره باشند که مورد آخر را مي‌توان براي عمومي‌سازي در شرايط مختلف نور، ژست و ساير پارامترها به‌کار برد. انتخاب انجام‌شده به نيازهاي عملياتي سيستم بستگي کامل دارد. به عنوان نمونه، در کاربردهاي نظارتي، دقت تصاوير چهره براي تخمين مناسب فرم چهره کافي نيست. بنابراين، استفاده از اين روش، قابليت تشخيص سيستم را کاهش مي‌دهد. همچنين روش انتخاب تصويرهاي منفرد، نمي‌تواند عمومي‌سازي قيافه را در مواجهه با تغييرات ژست پياده کند و در نتيجه، به حالت‌هايي نيازدارد که ژست سوژه در ويديوي مورد نظر شباهت‌هايي با ويديو‌هاي ثبت شده داشته باشد.
منبع:http://www.shabakeh-mag.com ارسال توسط کاربر محترم سايت : hasantaleb