فهرست مطالب

چکیده …………………………………………………………………………………………………………………………1

برای دانلود رایگان قسمت های بیشتراز فایل به انتهای مطلب مراجعه کنید

فصل اول: مقدمه ای بر شناسایی چهره

در دنیای به هم پیوسته و پیچیده امروزی، نگهداری و امنیت اطلاعات، بسیار مهم و مشکل شده است، هر چند وقت یکبار در مورد تبهکاری های مربوط به کارت های اعتباری، هک شدن کامپیوترها و نقض امنیت در شبکه ها و دولت ها، چیزهایی می شنویم. در بیشتر این کلاهبرداری ها، افراد خاطی، به نحوی امنیت سیستم ها را با عبور از سد محافظت های از قبل تعیین شده، مورد دستبرد قرار داده اند.
تکنولوژی های جدید برای تعیین هویت منحصر به فرد هر کس، بر پایه روش های بیومتریک
بنیان نهاده شده اند. این روش ها، روشهای خودکاری از بازبینی و تشخیص هویت موجودات زنده در زمینه ویژگی های فیزیکی، از قبیل اثر انگشت، وضعیت چهره و یا سایر رفتارهای افراد، از قبیل دست دادن، می باشند. در میان روش ها و رویه های مختلفی که برای تعیین هویت افراد ارائه شده اند، روش هایی که از ویژگی های فیزیکی استفاده می کنند، علی رغم مشکلاتی که هنگام پیاده سازی و بکارگیری دارند، قابل اعتمادتر از آنهایی هستند که ویژگی های فیزیولوژیکی(زیستی) را بکار می گیرند. با بررسی زندگی دیجیتالی بشر، به راحتی متوجه این نکته خواهیم شد که امروزه بشر با نیازهایی مواجه است که در سالهای قبل این نیازها وجود نداشت. این نیازها شامل سازمان، گروه و امنیت آنها می باشد. همیشه افزایش جمعیت و تحرک آن در جهت های مختلف، باعث بالا رفتن راه های اشتراک
اطلاعات و انتقال آن، شده است، که این تغییر مکان ها، معمولا در ساختارهای پیچیده ای انجام می شوند. همانطور که تحرک، برگرفته از رفتارهای انسانی و اطلاعاتی است، امنیت نیز اطلاعات شخصی و مقادیر آنها را شامل می شود. برای نمونه، روش تشخیص چهره، یکی از چندین روش بیومتریک است که دارای دقت بالا بوده و می تواند تا مدت ها قابل اتکا باشد. برخلاف روش های دیگر اعتبار سنجی، که لازم است تا کاربر حداقل شناسه ورودی و کلمه عبور، را به یاد داشته باشد، در روش های مبتنی بر تشخیص چهره، کاربر خیلی راحت با چهره خودش، می تواند در پروسه اعتبار سنجی وارد شود. همچنین روش های مطمئن زیادی از تشخیص بیومتریک اشخاص، وجود دارد. برای مثال، روش های آنالیز اثر انگشت یا بررسی عنبیه و شبکیه اشخاص نیز، هم اکنون وجود دارند. به این دلیل که یک تصویر چهره، می تواند از روبرو یا حتی نیم رخ باشد، بیشتر اوقات بدون همکاری و اطلاع شخص مورد نظر، عمل می کند.
تصاویری که در آنها چهره وجود دارد، برای فعل و انفعالات کامپیوتری هوشمند مبتنی بر دید
انسان ضروری می باشند و تلاش های تحقیقی در پردازش چهره شامل مواردی از قبیل شناسایی چهره، جستجوی صورت، برآورد حالت چهره و شناسایی حالات چهره می باشند. برای ساخت سیستم های تمام خودکاری که اطلاعات موجود در تصاویر چهره را تحلیل و از آن استفاده می کنند، نیازمند الگوریتم های کارآ و دقیق برای شناسایی چهره هستیم. یک تصویر را در نظر بگیرید، هدف شناسایی چهره( فارغ از موقعیت سه بعدی آن، جهت و وضعیت نوری تصویر)، تعیین تمام نواحی تصویر است که در آن حداقل یک چهره وجود دارد. چنین مساﹰله ای با چالش و مشکلات فراوانی مواجه است، زیرا وضعیت چهره ها ثابت نبوده و معمولا از لحاظ اندازه، شکل، رنگ و بافت دچار تغییر می شوند. با دسترسی به تکنولوژی اطلاعاتی جدید، رسانه های جمعی و سخت افزارهای توانا، روشهای مؤثری برای فعل و انفعالات کامپیوتر انسانی مطرح شده اند، که این روشها دیگر متکی به روشهای قدیمی از قبیل صفحه کلید، ماوس و صفحه نمایش نیستند. علاوه بر این، ضریب عملکرد بالا و کاهش قیمت محاسبات کامپیوتری، باعث کاهش قیمت دسترسی به تصاویر ویدئویی شده و بطور ضمنی نشانگر این است که سیستم های تصویری کامپیوتری، را می توان به صورت سیستم های تلفیقی و رومیزی ارتقاء داد. به همین دلیل، اخیرا شناسایی و تشخیص چهره، توجه زیادی را به خود معطوف داشته است، بطوریکه ابتدا بوسیله روانشناسان و متخصصان اعصاب و سپس مهندسان، مورد تحقیق و بررسی قرار گرفته است.
با بررسی سیستم های پردازش چهره، درمی یابیم، که اولین قدم در این نوع سیستم ها، شناسایی جایگاه های تصاویر، یعنی مکان های مربوط به چهره، جهت چهره(راست فوقانی- چرخشی) و حالت چهره(از جلو – نیم رخ) می باشد. اگر چه، سیستم بینایی انسان بسیاری از تصاویر را ناخود آگاه، پردازش می نماید، اما این توانایی برای یک ماشین که بتواند چهره های موجود در یک تصویر را یافته و آن ها را پردازش نماید، بسیار مشکل است. سیستم های شناسایی برای اشاره به کاربرد سیستم های بیومتریکی، می توان کاربردهای تجاری و قانونی به ویژه در شناسایی مجرمان و بزهکاران، سیستم های امنیتی، تلفنتصویری، اعتبار سنجی کارت های اعتباری و دیگر موارد، را نام برد. در حال حاضر تشخیص چهره، اثر انگشت، تشخیص امضاء، کاربردهای پزشکی همانند MRI و CT-SCAN و خیلی از کاربردهای دیگر، به صورت شاخه های فعال در پردازش تصاویر، مورد تحقیق واقع می شوند.
گروهبندی های متفاوتی برای سیستم های شناسایی چهره وجود دارند. این گروه بندی ها می توانند بر اساس خصیصه ثابت و ویدئویی بودن تصاویر، نیازها و شرایط موجود، کیفیت تصویر، میزان در هم ریختگی پشت زمینه، تغییرات تصاویری که باید تشخیص داده شود، در دسترس بودن یک معیار خوب برای تشخیص و مطابقت تصاویر موجود با تصویر مورد نظر، باشند. وضعیت، نوع و تعداد تصاویری که از یک شخص در دسترس هستند، می توانند جزو عوامل مهم دیگر، در گروه بندی اینگونه سیستم ها باشند[1].
یک شرح عمومی از شناسایی چهره بوسیله یک ماشین اتوماتیک، را به صورت زیر می توان ارائه داد: با تصویرهای ثابت یا متحرک داده شده از یک منظره، تصاویری که دارای چهره بوده از تصاویری که هیچگونه چهره ای در آنها وجود ندارند، متمایز شده و مکان چهره های پیدا شده، مشخص شود. در این میان شناسایی ویژگی های چهره، از محدوده های تصویر صورت، باعث کاهش محاسبات و در نتیجه بالا رفتن کارایی بازبینی و تشخیص خواهد شد. به عنوان نمونه ای از کاربرد شناسایی چهره، در مسائل تعیین هویت، می توان یک سیستم تشخیص چهره را به صورت شکل زیر نمایش داد. جایگاه شناسایی چهره، در این شکل به خوبی نمایان است.

فصل دوم: تاریخچه شناسایی چهره و سیستم های مربوط به آن

در حالی که شناسایی یک چهره و تشخیص آن در میان چهره ها و مناظر متنوع، یک قسمت مهم از قابلیت سیستم درک انسانی و یک کار عادی برای بشر می باشد، ساخت یک سیستم کامپیوتری مشابه، مطمئنا دارای پیچیدگی ها و کاستی های زیادی می باشد. نیازهای مختلف برای سیستم های گوناگون، ممکن است باعث شود که شناسایی چهره در میان تصاویر ثابت یا در یک دنباله از تصاویر ویدئویی، انجام پذیرد. در مجموع، سیستم های درگیر با تصاویر ثابت، دارای کارایی و اطمینان بالاتری می باشند. به همین دلیل در دنباله تصاویر ویدئویی نیز، تصاویر با کیفیت بالا انتخاب شده و وارد پروسه شناسایی چهره خواهند شد. برای بررسی موارد تشخیص الگوی بیومتریکی می توانیم به این نکته اشاره نماییم که چهره و امضای انسان، نمایانگر بیشترین اهمیت در میان سایر کاربردهای پردازش تصویر می باشد و برای هر یک از این دو مورد، تکنیک های طبقه بندی متفاوتی وجود دارد. در مورد چهره انسان، می توان سیستمی طراحی نمود که در آن ابتدا تصاویر ورودی در دو طبقه، شامل تصاویر دارای چهره و تصاویر بدون چهره، تقسیم خواهند شد، که در تصاویر دارای چهره انسان، محدوده مربوط به چهره، از سایر قسمت های تصویر متمایز می شود. سپس تصاویر چهره بهینه سازی شده و در نهایت با توجه داده ها و تصاویری که از قبل شناسایی شده اند، آن چهره تشخیص داده خواهد شد و در واقع هویت شخص شناسایی می شود.
در این نوشتار بر آن هستیم، که تاریخچه ای از کارهای انجام شده در زمینه شناسایی چهره را به عنوان شروع مطالب، بیان کنیم. از آنجا که روش های مختلفی برای شناسایی چهره در موقعیت ها و وضعیت های مختلف وجود دارد، بیان این روش ها به صورت جزئیات کامل، همراه با کاربردهای عملی آنها، را در ادامه مطالب خواهیم داشت. بررسی یک سیستم شناسایی چهره ما را قادر خواهد کرد، که گام های اصلی در بررسی تصاویر و شناسایی چهره های موجود را در میان آنها، شناسایی نماییم. اصولا ساختار انواع سیستم های شناسایی چهره، با تفاوت های جزئی مشابه یکدیگر می باشند. لذا سیستمی که آن را بررسی خواهیم نمود، نمونه ای مجزا خواهد بود، که می توان آن را با سایر سیستم های دیگر مشابه دانست.
۲-۲) کارهای انجام شده
کارهای قبلی که روی شناسایی و تشخیص چهره انجام شده است، به تحقیقات انجام گرفته از سال ۱۹۶۰ تاکنون، روی مباحث بیولوژیکی و موضوعات مهندسی برمی گردد[8]. برخی از این تحقیقات اولیه، شامل کار روی ظاهر صورت، ناشی از احساسات توسط [9] Darwin و کارهای مبتنی بر وضعیت چهره، بوسیله Galton [10]می باشد. اما تحقیقات روی تشخیص اتوماتیک به وسیله ماشین، در اصل از دهه ۱۹۷۰ شروع شد. اگرچه بسیاری از این تئوری ها و فرضیه های ارائه شده، روی مجموعه ای از تصاویر کوچک، بررسی شده اند، ولی بسیاری از نتایج این تحقیقات، دستاوردهای مهمی به حساب می آیند، چرا که مهندسین بر اساس آن تصمیم می گیرند، که چگونه الگوریتم و سیستم هایی جهت تشخیص هویت انسآنها، پیاده سازی نمایند. بیشتر مسائل شناسایی چهره، به صورت شناسایی اشیاء سه بعدی از تصاویر دو بعدی، فرمول بندی شده اند. در دهه ۱۹۶۰، اولین سیستم نیمه اتوماتیک مربوط به تشخیص چهره، که تولید شده بود، به یک شخص کنترل کننده، نیاز داشت تا محل قسمت های صورت، از قبیل چشم، گوش، بینی و دهان، را مشخص نماید. این مشکل به این دلیل بود که هنوز محاسبات مربوط به فاصله و نرخ تغییرات چهره، به یک وضعیت قابل اطمینان نرسیده بودند. این کارهای اولیه، برای مقایسه تصویر جاری، با تصاویر موجود در پایگاه داده مرجع، لازم بود. به عنوان نمونه این مطالعات، از ابتدا تا اواسط دهه ۱۹۷۰، نوعی از تکنیک های طبقه بندی الگوها، که ویژگی های مخصوص چهره را در تصاویر کامل یا نیم رخ تصویر، بکار می بردند، ارائه شدند. در دهه ۱۹۷۰، ارائه دهندگان [11]، از ۲۱ خصوصیت مهم، از قبیل رنگ مو، ضخامت لب ها و سایر موارد، برای اتوماتیک کردن شناسایی و تشخیص چهره، استفاده کردند. شناسایی و پیدا کردن مکان چهره، در این رویه جزو مهمترین قسمت های کار بوده است. کارهایی که امروزه در حال انجام است، بیشتر به دنبال کاهش محاسبات بوده و روش هایی را دنبال می کنند که نیاز به محاسباتکمتر و همچنین جمع آوری نمونه های کمتر برای پایگاه داده مرجع دارند. این موارد می توانند شامل، گواهینامه رانندگی، گذرنامه و ثبت نام در یک دانشگاه باشند. بر همین اساس طبقه بندی ها و الگوریتم
های جدیدی پدیدار شده اند. این موارد به خودی خود، دارای مزایا و معایبی هستند. که کاهش حجم ذخیره سازی و کاهش پردازش ها، جزو مزیت آنها محسوب شده و کاهش کارایی(شناسایی موارد اشتباه)

): نمونه ای از خروجی یک سیستم شناسایی چهره[

): نمونه ای از خروجی یک سیستم شناسایی چهره[

۲- ۱ مقدمه ……………………………………………………………………………………………………………… ۱۱
۲- ۲ کارهای انجام شده ………………………………………………………………………………………………. ۱۲
۲- ۳ اصطلاحات مربوط به شناسایی چهره …………………………………………………………………………. ۱۵
۲- ۴ مشکلات مربوط به شناسایی چهره ………………………………………………………………………….. ۱۸
۲- ۵ روش های شناسایی چهره در یک تصویر……………………………………………………………………… ۱۹
۲- ۵-۱ مدل های مبتنی بر دانش …………………………………………………………………………………… ۲۰ .
۲- ۵-۲ روش های مبتنی بر ویژگی های ثابت چهره ……………………………………………………………. ۲۰
۲- ۵-۲- ۱ ویژگی های چهره ………………………………………………………………………………………. ۲۱
۲- ۵-۲- ۲ بافت ……………………………………………………………………………………………………… ۲۱
۲- ۵-۲- ۳ رنگ پوست ……………………………………………………………………………………………… ۲۲
۲- ۵-۲- ۴ ترکیب چند ویژگی ……………………………………………………………………………………. ۲۳
۲- ۵-۳ روش های تطبیق الگو ………………………………………………………………………………….. ۲۴
۲- ۵-۳- ۱ الگوهای از پیش تعیین شده ………………………………………………………………………. ۲۴
۲- ۵-۳- ۲ الگوهای قابل تغییر …………………………………………………………………………………. ۲۵
۲- ۵-۴ روش های مبتنی بر ظاهر چهره …………………………………………………………………….. ۲۶
۲- ۵-۴- ۲ روش های مبتنی بر پراکندگی و توزیع …………………………………………………………… ۲۷
۲- ۵-۴- ۳ شبکه های عصبی ………………………………………………………………………………… ۲۷
۲- ۵-۴- ۴ سیستم های ماشین های برداری پشتیبان …………………………………………………… ۲۸
۲- ۵-۴- ۵ روش طبقه بندی ناقص بیز ……………………………………………………………………….. ۲۹
۲- ۵-۴- ۶ مدل مخفی مارکوف ………………………………………………………………………………. ۳۰
۲- ۵-۴- ۷ سایر روش ها ……………………………………………………………………………………… ۳۰
۲- ۶ انتخاب ویژگی ها ………………………………………………………………………………………… ۳۱
۲- ۷ استخراج ویژگی های چهره از نمای روبرو ……………………………………………………………. ۳۱
۲- ۸ خلاصه فصل ……………………………………………………………………………………………….. ۳۳

فصل سوم: رنگ، مدل های رنگ و سیستم های شناسایی چهره رنگی

رنگ از مهمترین اطلاعات وابسته به دید انسان می باشد، که از ابتدای تاریخ او را متوجه خود
ساخته است. نوری(اطلاعات رنگی) که از یک جسم بازتاب داده می شود، توسط سلول های سیستم بینایی انسان دریافت می شود و در نهایت به درک انسان از رنگ منجر می شود. در حالت کلی سه طبقه از مخروط های سیستم بینایی انسان وجود دارند که برای درک رنگ، استفاده می شود. نوری که از یک جسم برگشت داده می شود، باعث می شود که درک متفاوتی توسط مخروط های اشاره شده در چشم انسان، به وجود بیاید. شرح و توصیف این جذب نور، توسط سیستم بینایی، سرانجام به وسیله سیستم عصبی پردازش شده و درک کامل از رنگ را در انسان بوجود خواهد آورد. بنابراین رنگ، جایگزینی برای درک بازتابش از سطح یک جسم می باشد. علاوه بر خود رنگ، شکل و ساختار و همچنین ویژگی های سطح پایین رنگی یک جسم، در مباحث مربوط به پردازش تصاویر رنگی اشیاء، شامل تشخیص اشیاء و تطابق اشیاء و ذخیره و بازیابی بر اساس محتویات تصاویر، بینایی کامپیوتر، فشرده سازی تصاویر و غیره، اطلاعات مهمی به حساب می آیند و در همه این زمینه ها، هنوز مسائل حل نشده ای وجود دارند. رنگ پوست افراد، گزینه مناسبی برای پیدا کردن صورت افراد و در نتیجه شناسایی چهره های موجود در یک تصویر می باشد. برای اینکه بتوان با استفاده از اطلاعات رنگی پوست به دنبال یافتن صورت و در نتیجه چهره افراد باشیم، باید بازه های مربوط به این رنگ پوست را با استفاده از اطلاعات از قبل تعیین شده(شامل قسمت های رنگی پوست صورت)، مشخص نموده و مدل های رنگی پوست انسان را پایه گذاری نماییم. اگر چه در دید اولیه، تنوع و تفاوت در رنگ افراد بسیار زیاد می باشد، ولی نتایج تحقیقات نشان داده است که این بازه های رنگ، در چندین مدل رنگ پوست که وجود دارند، به طرز قابل توجه ای، کوچک بوده و در بسیاری از حالات این تفاوت ها، ناشی از تفاوت در شدت نور تصاویر و رنگ پوست انسان ها می باشد. نتایج این تحقیقات نوید آن را می دهند که می توان سیستم های شناسایی چهره رنگی، را بر اساس ویژگی رنگ افراد، با محاسبات کمتر و دقت بالاتری، پایه گذاری نمود. با توجه به همین موضوع، سیستم های شناسایی چهره بر اساس تصاویر رنگی و نقش رنگ پوست در یافتن چهره، از موضوعاتی است که در این فصل گنجانده خواهد شد. از آنجا که اصل مطالب این تحقیق و همچنین پیاده سازی سیستم پیشنهادی، بر پایه شناسایی چهره بر اساس ویژگی های رنگ چهره انسان می باشد، لازم است که بررسی و مطالعاتی روی رنگ، مدل های رنگ و تصویرهای رنگی انجام شود. تحقیقات انجام شده شامل تعاریف موجود از رنگ، مدل های رنگ موجود همانند YUV, RGB, HSV, Normal RGB, YCbCr و مقایسه های مربوط به این گونه مدل های رنگ می باشند. سیستم های شناسایی چهره بر اساس رنگ، اگرچه در کلیات همانند سایر سیستم های شناسایی چهره می باشند، ولی در جزئیات تفاوت هایی دارند، که در اینجا در حد امکان به این جزئیات پرداخته خواهد شد.

تشکیل رنگ واقعی از رنگ های اصلی

تشکیل رنگ واقعی از رنگ های اصلی

۳- ۱ مقدمه ………………………………………………………………………………………………………….35
۳- ۲ رنگ …………………………………………………………………………………………………………….36
۳- ۳ مدل های رنگ ………………………………………………………………………………………………..38
۳- ۳-۱ مدل رنگ RGB .ا…………………………………………………………………………………………..39
۳- ۳-۲ مدل رنگ RGB )nRGBی نرمال شده) ………………………………………………………………….39
۳- ۳-۳ مدل رنگ YCbCr …ا……………………………………………………………………………………….40
۳- ۳-۴ مدل رنگ HSV ..ا…………………………………………………………………………………………..41
۳- ۳-۶ مدل رنگ YIQ ..ا……………………………………………………………………………………………42
۳- ۴ رنگ پوست انسان …………………………………………………………………………………………..43
۳- ۵ مدل سازی رنگ پوست انسان ……………………………………………………………………………44
۳- ۵-۱ مدل صریح و مستقیم …………………………………………………………………………………..45
۳- ۵-۲ مدل غیر پارامتری توزیع پوست ………………………………………………………………………..46
۳- ۵-۲- ۱ طبقه بندی کننده بیز ……………………………………………………………………………… ۴۶
۳- ۵-۲- ۲ مدل جستجوی نرمال ………………………………………………………………………………47
۳- ۵-۳ مدل پارامتریک توزیع پوست …………………………………………………………………………..47
۳- ۶ ویژگی الگوریتم های شناسایی چهره در تصاویر رنگی ………………………………………………48
۳- ۷ خلاصه فصل ……………………………………………………………………………………………….. ۵٢

فصل چهارم: ارائه یک سیستم شناسایی چهره بر اساس رنگ

مطالبی که در فصل های اول و دوم ارائه شدند، نشان دهنده اهمیت شناسایی چهره در سیستم های بیومتریک می باشند. همچنین در ادامه و در فصل های سوم و چهارم، سیستم های شناسایی چهره مورد بررسی قرار گرفته و جایگاه عوامل موثر بر آنها به صورت مفصل تشریح شدند. بررسی روش های شناسایی چهره که تاکنون بر روی آنها کار شده است، باعث تفکیک این روش ها و در عین حال، به وجود آمدن ایده ترکیب آنها شده است. رنگ و ویژگی های رنگ پوست انسان و همچنین سخت افزارهای مطمئن، باعث به وجود آمدن دیدگاه جدیدی در زمینه سیستم های شناسایی چهره شده است. این ویژگی باعث شده است، که سیر تحقیقات مربوط به شناسایی چهره، به طرف استفاده از رنگ پیش برود.
در این فصل ابتدا به ایده هایی که در حین کار روی روش های مختلف، مطرح شده اند، خواهیم پرداخت و بعد از آن، کارهای مربوط به پیاده سازی را تشریح خواهیم نمود. لازم به ذکر است که پیاده سازی سیستم مورد نظر بر اساس کار روی رنگ پوست انسان می باشد. برای پیاده سازی سیستم مورد نظر، پیش زمینه هایی لازم است، تا اطلاعات جامع و کافی در مورد نیاز های سیستم بدست آوریم. این نیازها شامل زیرفضاهای موجود برای رنگ، مدل های رنگ انسان و پارامترهای موثر بر سیستم مورد نظر می باشد.
۴-۲) پیشینه کارهای مرتبط انجام شده
با توجه به ویژگی های قوی که در مولفه های رنگی پوست وجود دارد، روش های مختلفی بر
اساس آن، شکل گرفته اند. هر کدام از این روش ها، فضای رنگ های خاصی را برگزیده و با توجه به خصوصیات این فضاهای رنگ، الگوریتم های مختلفی را پایه گذاری نموده اند.
ویژگی های هندسی و ساختار چهره، از دیگر مواردی است که بر اساس آن، می توان چهره های موجود در یک تصویر را شناسایی نمود. ارتباط بین مکآنهای بینی، چشم ها، دهان، گونه ها و موی سر، راهنمای مناسبی برای پیداکردن یک ناحیه مربوط به چهره می باشد. به همین دلیل، از این روابط در تحقیقات مربوط به تصاویر غیر رنگی نیز استفاده شده است.
یک الگوریتم در [05]، ارائه شده است، که با استفاده از اطلاعات رنگ، در تصاویر دوبعدی، چهره ها را به وسیله، پیدا کردن نواحی پوستی و چشم ها، پیدا می کند. الگوریتم آنها شامل دو مرحله می باشد. مرحله اول که بر پایه مدل ترکیبی گوس١ است، ابتدا پیکسل هایی که احتمال بیشتری دارند که پوست باشند را پیدا می کند و سپس بر اساس آستانه های تعیین شده برای رنگ پوست، آن نواحی را گسترش می دهد. در مرحله دوم، در داخل نواحی پوستی پیدا شده، با استفاده از ویژگی های رنگی چشم ها، به دنبال دو چشم می گردد. در صورتی که حداقل یک ناحیه در داخل این نواحی به عنوان چشم، پیدا شود،
ناحیه پوستی پیدا شده در مرحله اول، به عنوان چهره شناخته خواهد شد. همچنین الگوریتم ارائه شده در [15]، با استفاده از اطلاعات رنگی پوست، ابتدا نواحی پوستی صورت تصویر را پیدا کرده و در ادامه یک ناحیه کاندید را بر اساس، ترتیب قرار گیری ویژگی های مختلف صورت ایجاد می نماید. همچنین این الگوریتم نقشه مربوط به چشم ها، دهان و محدوده های صورت را برای ارزیابی هر ناحیه کاندید، ایجاد می کند. نتایج حاصل از این الگوریتم، نشان می دهد که می تواند در حالت های مختلف چرخش، روشنایی و موقعیت های چهره، مورد استفاده قرار گیرد.

نتایج مربوط به الگوریتم های [25,15,05]

نتایج مربوط به الگوریتم های [25,15,05]

۴- ۱ مقدمه …………………………………………………………………………………………………… ۵۵
۴- ۲ پیشینه کارهای مرتبط انجام شده ……………………………………………………………………. ۵۵
۴- ۳ روش پیشنهاد شده ……………………………………………………………………………………..57
۴- ۳-۱ مدل ارائه شده برای رنگ پوست انسان ……………………………………………………………58
۴- ۳-۲ مدل ارائه شده برای ویژگی های هندسی صورت ……………………………………………….. ۶٢
۴- ۳-۲ الگوریتم ارائه شده برای شناسایی چهره …………………………………………………………. ۶۵
۴- ۴ خلاصه فصل ……………………………………………………………………………………………… ٧٠

فصل پنجم: پیاده سازی و ارزیابی سیستم ارائه شده

با افزایش زمینه های تحقیقاتی در مورد جداسازی چهره، الگوریتم ها زیادی ارائه شده اند. به
همین دلیل برای بررسی پیشرفت های انجام شده در حین کار، نیاز به بررسی کارایی آنها و مطابقت با دیگر الگوریتم ها وجود دارد. موفقیت یک سیستم شناسایی چهره به پارامترهای زیادی از قبیل ویژگی های چهره تحت شرایط نوری متفاوت، پیچیدگی و شلوغی پشت زمینه تصویر، بستگی دارد. تفاوت های نژادی، گروههای جنسی همانند زن و مرد، گروه سنی و غیره نیز جزو سایر موارد می باشند. برای همه تکنیک هایی که در فصل های قبل به آنها اشاره شد، الگوریتم های زیادی ارائه شده است. همه این الگوریتم ها، یک یا چند پایگاه داده را برای ارزیابی برگزیده اند. الگوریتمی که در این تحقیق نیز ارائه شده است، از این امر مستثنی نیست. در این بخش، ابتدا به دلایل و نحوه ارزیابی الگوریتم های شناسایی چهره، می پردازیم. سپس پارامتر های موثر بر کارایی یک الگوریتم را بررسی نموده و بعد از اشاره به پایگاه داده های استاندارد در زمینه پردازش تصاویر چهره، نتایج حاصل از الگوریتمی که ارائه کرده ایم را نشان داده و با چندین نمونه دیگر مقایسه خواهیم کرد.

۵-۱ مقدمه …………………………………………………………………………………………………………72
۵- ۲ ارزیابی یک الگوریتم شناسایی چهره ……………………………………………………………………..73
۵- ۳ معیارهای ارزیابی کارایی در شناسایی چهره …………………………………………………………. ۷۴
۵- ۴ نتایج ارزیابی مدل و الگوریتم ارائه شده ……………………………………………………………….. ۷۶
۵- ۵ خلاصه فصل ………………………………………………………………………………………………. ۸۵

فصل ششم: نتیجه گیری و پیشنهادات

۶-۱ خلاصه کار انجام شده …………………………………………………………………………………….. ۸۷
۶- ۲ نتایج تحقیق ……………………………………………………………………………………………….. ۸۹
۶- ۳ پیشنهادات ………………………………………………………………………………………………….. ۹۰
نتایج ارزیابی سیستم ارائه شده روی تعدادی از تصاویر ……………………………………………………..۹۴
منابع و ماخذ ……………………………………………………………………………………………………….٩٧
چکیده انگلیسی …………………………………………………………………………………………………١٠٢

برای دانلود رایگان قسمت های بیشتراز فایل به انتهای مطلب مراجعه کنید

فهرست جدول ها

جدول (۱-۱): نمونه کارهای انجام شده در زمینه شناسایی چهره …………………………. ……………١۵
جدول (۱-۲): روش های عمومی شناسایی چهره …………………………………………………… ……۳۰
جدول (۴-۱): آستانه های مختلف مربوط به فضاهای رنگ متفاوت ………………………. ………………۶۲
جدول (۴-۲): ویژگی های هندسی اجزای صورت در تصاویر روبرو ……………………….. ………………۶۴
جدول(۵-۱): ارزیابی عملکرد مربوط به چندین الگوریتم شناسایی ………………………………………. ۷۶
جدول (۵-۲): نتایج الگوریتم ارائه شده روی پایگاه داده شخصی(nRGB) .ا…………….. ………………۷۷
جدول (۵-۳): نتایج نه ایی الگوریتم ارائه شده روی پایگاه داده شخـصی(nRGB) در حالت تصاویر روبرو …………………………………………………………………………………………………… ………………۷۸
جدول (۵-۴): نتایج نهایی الگوریتم ارائه شده روی پایگاه داده FERET ..ا……………………………….. ۸۹
جدول (۶-۱): نتایج نهایی الگوریتم ارائه شده روی پایگـاه داده شخـصی(nRGB) در حالت تصاویر روبرو …………………………………………………………………………………………………….. ……………..89

فهرست شکل ها

۶ شکل (۱-۱): یک سیستم تشخیص چهره و جایگاه شناسایی چهره درآن ……………… …………….6
۱۴ شکل (۲-۱): مراحل پروسه تشخیص چهره ………………………………………………………………14
۱۴ شکل (۲-۲): نمونه ای از خروجی یک سیستم شناسایی چهره ……………………………… …….14
۲۸ شکل(۲-۳): سیستم ارائه شده توسط Rowley …ا……………………………………………………..28
۳۷ شکل (۳-۱):جذب نور توسط چشم انسان به صورتی تابعی از طول موج ………………. …………..27
۳۸ شکل (۳-۲): تشکیل رنگ واقعی از رنگ های اصلی ………………………………………………. ….28
۳۹ شکل (۳-۳): فضای رنگ RGB ..ا……………………………………………………………………………29
۴۰ شکل (۳-۴): توزیع مقادیر r و g مربوط به رنگ پوست انسان ………………………………………….40
۴۱ شکل (۳-۵): توزیع مقادیر Cr و Cb مربوط به رنگ پوست انسان ……………………………………….41
۴۲ شکل (۳-۶): فضای رنگ HSV …ا……………………………………………………………………………42
۴۸ شکل (۳-۷): مراحل شناسایی چهره در یک سیستم ……………………………………………………48
۴۹ شکل (۳-۸): جداسازی نواحی پوستی ……………………………………………………………………49
۵۷ شکل (۴-۱): نتایج مربوط به الگوریتم های متفاوت ……………………………………………….. ……57
۵۸ شکل (۴-۲): نواحی انتخاب شده از تصاویر نمونه ………………………………………………………..58.
۶۰ شکل (۴-۳): توزیع مولفه های رنگ در زیرفضای RGB و nRGB …..ت……………………… ………….60
۶۰ شکل (۴-۴): توزیع مولفه های رنگ در زیرفضای YCbCr …ا………………………………………. ……60
۶۱ شکل (۴-۵): توزیع مولفه های رنگ در زیرفضای HSV …………………………………………..ا………61
۶۳ شکل (۴-۶): ویژگی هندسی اجزای صورت …………………………………………………………… ..63
۶۳ شکل (۴-۷): نمونه چهره های جداشده از تصاویر مختلف ……………………………………… ……..63
۶۴ شکل (۴-۸): به دست آوردن مختصات هندسی ویژگی های چهره ……………………….. ………..64
۶۵ شکل (۴-۹): خروجی الگوریتم [4] روی تصاویر سیاه و سفید …………………………………………65
۶۷ شکل (۴-۱۰): نقاط اصلی چهره(سبز:چهره، قرمز:غیرچهره) ………………………………………… 67
۶۸ شکل (۴-۱۱): فلوچارت مربوط به الگوریتم ارائه شده ……………………………………………. …..68
۶۹ شکل (۴-۱۲): نواحی کاندید برای چهره توسط الگوریتم ……………………………………….. ……69
۷۰ شکل (۴-۱۳): نتایج حاصل از الگوریتم ارائه شده …………………………………………………… ..70
۸۱ شکل (۵-۱): نمونه ای از نتایج(کادر زرد رنگ: چهره های کاندید شده …………………. ………….81
۸۲ شکل (۵-۲): شناسایی چهره های روبرو با فاصله متناسب از دوربین …………………….. ………82
۸۲ شکل (۵-۳): عدم شناسایی چهره با نژادی متفاوت از نژاد داده های آموزشی ………. ………….82
شکل (۵-۴): شناسایی چهره های با چرخش کمتر از ۱۰ درجه ……………………………. …………..۸۳
شکل (۵-۵): شناسایی چهره های زیادی در یک تصویر ………………………………………… ………..۸۳
شکل (۵-۶): یافتن چهره های مذکر و مونث در یک تصویر …………………………………..

……………86

 

Abstract
Today’s modern technologies of authentication are mostly based in biometric methods. among these different methods of authentication, those for which physical specifications are used and more reliable than those which are based on biological specifications. The aim of face detection is to specify the whole area of the picture where at least one face exists. Reaching this aim faces a lot of difficulties like unstable status, size, shape, color and texture of faces. Within following research, after an overview on color, color space and different methods of presenting human being’s skin color spaces, a new model for finding human being’s face(s) is presented. Basic idea behind this model is based on a composition of different methods. In truth, formed algorithm consists of different steps which use different methods to reach the final goal. At first, candidate regions are specified using an algorithm which operates on gray scale pictures then face recognition takes place using color and geometric specifications of human being’s face. To reach this aim, experimental data has been gathered and this data has been used to get various humans’ skin color thresholds extracted. Moreover, These thresholds are used along with face’s geometric specifications to give certain points to every candidate region. The total point will show whether a region is a face or not. Evaluation of this algorithm on a personal database including some people standing in front of the camera, show that given system could have 80 to 90 percents of True Detection(TDR) and it might have 10 to 15 percents of False Detection(FDR).


قیمت 25 هزار تومان

250,000RIAL – اضافه‌کردن به سبدخرید

خرید فایل pdf به همراه فایلword

قیمت:35هزار تومان

350,000RIAL – اضافه‌کردن به سبدخرید