فهرست مطالب

چكيده …………………………………………………………………………………………………………………………1

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

فصل اول: مقدمه ای بر شناسايي چهره

در دنياي به هم پيوسته و پيچيده امروزي، نگهداري و امنيت اطلاعات، بسيار مهم و مشکل شده است، هر چند وقت يکبار در مورد تبهکاري هاي مربوط به کارت هاي اعتباري، هك شدن کامپيوترها و نقض امنيت در شبکه ها و دولت ها، چيزهايي مي شنويم. در بيشتر اين کلاهبرداري ها، افراد خاطي، به نحوي امنيت سيستم ها را با عبور از سد محافظت هاي از قبل تعيين شده، مورد دستبرد قرار داده اند.
تکنولوژي هاي جديد براي تعيين هويت منحصر به فرد هر كس، بر پايه روش هاي بيومتريك
بنيان نهاده شده اند. اين روش ها، روشهاي خودکاري از بازبيني و تشخيص هويت موجودات زنده در زمينه ويژگي هاي فيزيکي، از قبيل اثر انگشت، وضعيت چهره و يا ساير رفتارهاي افراد، از قبيل دست دادن، مي باشند. در ميان روش ها و رويه هاي مختلفي كه براي تعيين هويت افراد ارائه شده اند، روش هايي که از ويژگي هاي فيزيکي استفاده مي کنند، علي رغم مشكلاتي كه هنگام پياده سازي و بكارگيري دارند، قابل اعتمادتر از آنهايي هستند که ويژگي هاي فيزيولوژيکي(زيستي) را بكار مي گيرند. با بررسي زندگي ديجيتالي بشر، به راحتي متوجه اين نكته خواهيم شد كه امروزه بشر با نيازهايي مواجه است که در سالهاي قبل اين نيازها وجود نداشت. اين نيازها شامل سازمان، گروه و امنيت آنها مي باشد. هميشه افزايش جمعيت و تحرک آن در جهت هاي مختلف، باعث بالا رفتن راه هاي اشتراک
اطلاعات و انتقال آن، شده است، که اين تغيير مکان ها، معمولا در ساختارهاي پيچيده اي انجام مي شوند. همانطور که تحرك، برگرفته از رفتارهاي انساني و اطلاعاتي است، امنيت نيز اطلاعات شخصي و مقادير آنها را شامل مي شود. براي نمونه، روش تشخيص چهره، يکي از چندين روش بيومتريك است که داراي دقت بالا بوده و مي تواند تا مدت ها قابل اتکا باشد. برخلاف روش هاي ديگر اعتبار سنجي، که لازم است تا کاربر حداقل شناسه ورودي و كلمه عبور، را به ياد داشته باشد، در روش هاي مبتني بر تشخيص چهره، کاربر خيلي راحت با چهره خودش، مي تواند در پروسه اعتبار سنجي وارد شود. همچنين روش هاي مطمئن زيادي از تشخيص بيومتريک اشخاص، وجود دارد. براي مثال، روش هاي آناليز اثر انگشت يا بررسي عنبيه و شبکيه اشخاص نيز، هم اکنون وجود دارند. به اين دليل که يک تصوير چهره، مي تواند از روبرو يا حتي نيم رخ باشد، بيشتر اوقات بدون همکاري و اطلاع شخص مورد نظر، عمل مي کند.
تصاويري که در آنها چهره وجود دارد، براي فعل و انفعالات کامپيوتري هوشمند مبتني بر ديد
انسان ضروري مي باشند و تلاش هاي تحقيقي در پردازش چهره شامل مواردي از قبيل شناسايي چهره، جستجوي صورت، برآورد حالت چهره و شناسايي حالات چهره مي باشند. براي ساخت سيستم هاي تمام خودکاري که اطلاعات موجود در تصاوير چهره را تحليل و از آن استفاده مي کنند، نيازمند الگوريتم هاي کارآ و دقيق براي شناسايي چهره هستيم. يک تصوير را در نظر بگيريد، هدف شناسايي چهره( فارغ از موقعيت سه بعدي آن، جهت و وضعيت نوري تصوير)، تعيين تمام نواحي تصوير است که در آن حداقل يک چهره وجود دارد. چنين مساﹰله اي با چالش و مشكلات فراواني مواجه است، زيرا وضعيت چهره ها ثابت نبوده و معمولا از لحاظ اندازه، شکل، رنگ و بافت دچار تغيير مي شوند. با دسترسي به تکنولوژي اطلاعاتي جديد، رسانه هاي جمعي و سخت افزارهاي توانا، روشهاي مؤثري براي فعل و انفعالات کامپيوتر انساني مطرح شده اند، که اين روشها ديگر متکي به روشهاي قديمي از قبيل صفحه کليد، ماوس و صفحه نمايش نيستند. علاوه بر اين، ضريب عملکرد بالا و كاهش قيمت محاسبات کامپيوتري، باعث کاهش قيمت دسترسي به تصاوير ويدئويي شده و بطور ضمني نشانگر اين است که سيستم هاي تصويري کامپيوتري، را مي توان به صورت سيستم هاي تلفيقي و روميزي ارتقاء داد. به همين دليل، اخيرا شناسايي و تشخيص چهره، توجه زيادي را به خود معطوف داشته است، بطوريکه ابتدا بوسيله روانشناسان و متخصصان اعصاب و سپس مهندسان، مورد تحقيق و بررسي قرار گرفته است.
با بررسي سيستم هاي پردازش چهره، درمي يابيم، كه اولين قدم در اين نوع سيستم ها، شناسايي جايگاه هاي تصاوير، يعني مكان هاي مربوط به چهره، جهت چهره(راست فوقاني- چرخشي) و حالت چهره(از جلو – نيم رخ) مي باشد. اگر چه، سيستم بينايي انسان بسياري از تصاوير را ناخود آگاه، پردازش مي نمايد، اما اين توانايي براي يک ماشين كه بتواند چهره هاي موجود در يك تصوير را يافته و آن ها را پردازش نمايد، بسيار مشکل است. سيستم هاي شناسايي براي اشاره به کاربرد سيستم هاي بيومتريکي، مي توان کاربردهاي تجاري و قانوني به ويژه در شناسايي مجرمان و بزهکاران، سيستم هاي امنيتي، تلفنتصويري، اعتبار سنجي کارت هاي اعتباري و ديگر موارد، را نام برد. در حال حاضر تشخيص چهره، اثر انگشت، تشخيص امضاء، کاربردهاي پزشکي همانند MRI و CT-SCAN و خيلي از کاربردهاي ديگر، به صورت شاخه هاي فعال در پردازش تصاوير، مورد تحقيق واقع مي شوند.
گروهبندي هاي متفاوتي براي سيستم هاي شناسايي چهره وجود دارند. اين گروه بندي ها مي توانند بر اساس خصيصه ثابت و ويدئويي بودن تصاوير، نيازها و شرايط موجود، کيفيت تصوير، ميزان در هم ريختگي پشت زمينه، تغييرات تصاويري که بايد تشخيص داده شود، در دسترس بودن يک معيار خوب براي تشخيص و مطابقت تصاوير موجود با تصوير مورد نظر، باشند. وضعيت، نوع و تعداد تصاويري که از يک شخص در دسترس هستند، مي توانند جزو عوامل مهم ديگر، در گروه بندي اينگونه سيستم ها باشند[1].
يک شرح عمومي از شناسايي چهره بوسيله يك ماشين اتوماتيك، را به صورت زير مي توان ارائه داد: با تصويرهاي ثابت يا متحرک داده شده از يک منظره، تصاويري كه داراي چهره بوده از تصاويري كه هيچگونه چهره اي در آنها وجود ندارند، متمايز شده و مكان چهره هاي پيدا شده، مشخص شود. در اين ميان شناسايي ويژگي هاي چهره، از محدوده هاي تصوير صورت، باعث كاهش محاسبات و در نتيجه بالا رفتن كارايي بازبيني و تشخيص خواهد شد. به عنوان نمونه اي از كاربرد شناسايي چهره، در مسائل تعيين هويت، مي توان يك سيستم تشخيص چهره را به صورت شكل زير نمايش داد. جايگاه شناسايي چهره، در اين شكل به خوبي نمايان است.

فصل دوم: تاريخچه شناسايي چهره و سيستم هاي مربوط به آن

در حالي که شناسايي يك چهره و تشخيص آن در ميان چهره ها و مناظر متنوع، يک قسمت مهم از قابليت سيستم درک انساني و يک کار عادي براي بشر مي باشد، ساخت يک سيستم کامپيوتري مشابه، مطمئنا داراي پيچيدگي ها و كاستي هاي زيادي مي باشد. نيازهاي مختلف براي سيستم هاي گوناگون، ممكن است باعث شود كه شناسايي چهره در ميان تصاوير ثابت يا در يك دنباله از تصاوير ويدئويي، انجام پذيرد. در مجموع، سيستم هاي درگير با تصاوير ثابت، داراي كارايي و اطمينان بالاتري مي باشند. به همين دليل در دنباله تصاوير ويدئويي نيز، تصاوير با كيفيت بالا انتخاب شده و وارد پروسه شناسايي چهره خواهند شد. براي بررسي موارد تشخيص الگوي بيومتريکي مي توانيم به اين نکته اشاره نماييم که چهره و امضاي انسان، نمايانگر بيشترين اهميت در ميان ساير کاربردهاي پردازش تصوير مي باشد و براي هر يك از اين دو مورد، تکنيک هاي طبقه بندي متفاوتي وجود دارد. در مورد چهره انسان، مي توان سيستمي طراحي نمود که در آن ابتدا تصاوير ورودي در دو طبقه، شامل تصاوير داراي چهره و تصاوير بدون چهره، تقسيم خواهند شد، كه در تصاوير داراي چهره انسان، محدوده مربوط به چهره، از ساير قسمت هاي تصوير متمايز مي شود. سپس تصاوير چهره بهينه سازي شده و در نهايت با توجه داده ها و تصاويري که از قبل شناسايي شده اند، آن چهره تشخيص داده خواهد شد و در واقع هويت شخص شناسايي مي شود.
در اين نوشتار بر آن هستيم، كه تاريخچه اي از كارهاي انجام شده در زمينه شناسايي چهره را به عنوان شروع مطالب، بيان كنيم. از آنجا كه روش هاي مختلفي براي شناسايي چهره در موقعيت ها و وضعيت هاي مختلف وجود دارد، بيان اين روش ها به صورت جزئيات كامل، همراه با كاربردهاي عملي آنها، را در ادامه مطالب خواهيم داشت. بررسي يك سيستم شناسايي چهره ما را قادر خواهد كرد، كه گام هاي اصلي در بررسي تصاوير و شناسايي چهره هاي موجود را در ميان آنها، شناسايي نماييم. اصولا ساختار انواع سيستم هاي شناسايي چهره، با تفاوت هاي جزئي مشابه يكديگر مي باشند. لذا سيستمي كه آن را بررسي خواهيم نمود، نمونه اي مجزا خواهد بود، كه مي توان آن را با ساير سيستم هاي ديگر مشابه دانست.
۲-۲) كارهاي انجام شده
کارهاي قبلي که روي شناسايي و تشخيص چهره انجام شده است، به تحقيقات انجام گرفته از سال ۱۹۶۰ تاكنون، روي مباحث بيولوژيکي و موضوعات مهندسي برمي گردد[8]. برخي از اين تحقيقات اوليه، شامل کار روي ظاهر صورت، ناشي از احساسات توسط [9] Darwin و كارهاي مبتني بر وضعيت چهره، بوسيله Galton [10]مي باشد. اما تحقيقات روي تشخيص اتوماتيك به وسيله ماشين، در اصل از دهه ۱۹۷۰ شروع شد. اگرچه بسياري از اين تئوري ها و فرضيه هاي ارائه شده، روي مجموعه اي از تصاوير کوچک، بررسي شده اند، ولي بسياري از نتايج اين تحقيقات، دستاوردهاي مهمي به حساب مي آيند، چرا که مهندسين بر اساس آن تصميم مي گيرند، که چگونه الگوريتم و سيستم هايي جهت تشخيص هويت انسآنها، پياده سازي نمايند. بيشتر مسائل شناسايي چهره، به صورت شناسايي اشياء سه بعدي از تصاوير دو بعدي، فرمول بندي شده اند. در دهه ۱۹۶۰، اولين سيستم نيمه اتوماتيک مربوط به تشخيص چهره، که توليد شده بود، به يک شخص كنترل كننده، نياز داشت تا محل قسمت هاي صورت، از قبيل چشم، گوش، بيني و دهان، را مشخص نمايد. اين مشكل به اين دليل بود كه هنوز محاسبات مربوط به فاصله و نرخ تغييرات چهره، به يک وضعيت قابل اطمينان نرسيده بودند. اين كارهاي اوليه، براي مقايسه تصوير جاري، با تصاوير موجود در پايگاه داده مرجع، لازم بود. به عنوان نمونه اين مطالعات، از ابتدا تا اواسط دهه ۱۹۷۰، نوعي از تکنيک هاي طبقه بندي الگوها، که ويژگي هاي مخصوص چهره را در تصاوير كامل يا نيم رخ تصوير، بکار مي بردند، ارائه شدند. در دهه ۱۹۷۰، ارائه دهندگان [11]، از ۲۱ خصوصيت مهم، از قبيل رنگ مو، ضخامت لب ها و ساير موارد، براي اتوماتيک کردن شناسايي و تشخيص چهره، استفاده کردند. شناسايي و پيدا كردن مكان چهره، در اين رويه جزو مهمترين قسمت هاي كار بوده است. كارهايي كه امروزه در حال انجام است، بيشتر به دنبال كاهش محاسبات بوده و روش هايي را دنبال مي كنند كه نياز به محاسباتكمتر و همچنين جمع آوري نمونه هاي كمتر براي پايگاه داده مرجع دارند. اين موارد مي توانند شامل، گواهينامه رانندگي، گذرنامه و ثبت نام در يك دانشگاه باشند. بر همين اساس طبقه بندي ها و الگوريتم
هاي جديدي پديدار شده اند. اين موارد به خودي خود، داراي مزايا و معايبي هستند. كه كاهش حجم ذخيره سازي و كاهش پردازش ها، جزو مزيت آنها محسوب شده و كاهش كارايي(شناسايي موارد اشتباه)

): نمونه اي از خروجي يك سيستم شناسايي چهره[

): نمونه اي از خروجي يك سيستم شناسايي چهره[

۲- ۱ مقدمه ……………………………………………………………………………………………………………… ۱۱
۲- ۲ كارهاي انجام شده ………………………………………………………………………………………………. ۱۲
۲- ۳ اصطلاحات مربوط به شناسايي چهره …………………………………………………………………………. ۱۵
۲- ۴ مشكلات مربوط به شناسايي چهره ………………………………………………………………………….. ۱۸
۲- ۵ روش هاي شناسايي چهره در يک تصوير……………………………………………………………………… ۱۹
۲- ۵-۱ مدل هاي مبتني بر دانش …………………………………………………………………………………… ۲۰ .
۲- ۵-۲ روش هاي مبتني بر ويژگي هاي ثابت چهره ……………………………………………………………. ۲۰
۲- ۵-۲- ۱ ويژگي هاي چهره ………………………………………………………………………………………. ۲۱
۲- ۵-۲- ۲ بافت ……………………………………………………………………………………………………… ۲۱
۲- ۵-۲- ۳ رنگ پوست ……………………………………………………………………………………………… ۲۲
۲- ۵-۲- ۴ تركيب چند ويژگي ……………………………………………………………………………………. ۲۳
۲- ۵-۳ روش هاي تطبيق الگو ………………………………………………………………………………….. ۲۴
۲- ۵-۳- ۱ الگوهاي از پيش تعيين شده ………………………………………………………………………. ۲۴
۲- ۵-۳- ۲ الگوهاي قابل تغيير …………………………………………………………………………………. ۲۵
۲- ۵-۴ روش هاي مبتني بر ظاهر چهره …………………………………………………………………….. ۲۶
۲- ۵-۴- ۲ روش هاي مبتني بر پراکندگي و توزيع …………………………………………………………… ۲۷
۲- ۵-۴- ۳ شبکه هاي عصبي ………………………………………………………………………………… ۲۷
۲- ۵-۴- ۴ سيستم هاي ماشين هاي برداري پشتيبان …………………………………………………… ۲۸
۲- ۵-۴- ۵ روش طبقه بندي ناقص بيز ……………………………………………………………………….. ۲۹
۲- ۵-۴- ۶ مدل مخفي مارکوف ………………………………………………………………………………. ۳۰
۲- ۵-۴- ۷ ساير روش ها ……………………………………………………………………………………… ۳۰
۲- ۶ انتخاب ويژگي ها ………………………………………………………………………………………… ۳۱
۲- ۷ استخراج ويژگي هاي چهره از نماي روبرو ……………………………………………………………. ۳۱
۲- ۸ خلاصه فصل ……………………………………………………………………………………………….. ۳۳

فصل سوم: رنگ، مدل هاي رنگ و سيستم هاي شناسايي چهره رنگي

رنگ از مهمترين اطلاعات وابسته به ديد انسان مي باشد، که از ابتداي تاريخ او را متوجه خود
ساخته است. نوري(اطلاعات رنگي) كه از يک جسم بازتاب داده مي شود، توسط سلول هاي سيستم بينايي انسان دريافت مي شود و در نهايت به درک انسان از رنگ منجر مي شود. در حالت کلي سه طبقه از مخروط هاي سيستم بينايي انسان وجود دارند که براي درک رنگ، استفاده مي شود. نوري که از يک جسم برگشت داده مي شود، باعث مي شود که درک متفاوتي توسط مخروط هاي اشاره شده در چشم انسان، به وجود بيايد. شرح و توصيف اين جذب نور، توسط سيستم بينايي، سرانجام به وسيله سيستم عصبي پردازش شده و درک کامل از رنگ را در انسان بوجود خواهد آورد. بنابراين رنگ، جايگزيني براي درک بازتابش از سطح يک جسم مي باشد. علاوه بر خود رنگ، شکل و ساختار و همچنين ويژگي هاي سطح پايين رنگي يک جسم، در مباحث مربوط به پردازش تصاوير رنگي اشياء، شامل تشخيص اشياء و تطابق اشياء و ذخيره و بازيابي بر اساس محتويات تصاوير، بينايي کامپيوتر، فشرده سازي تصاوير و غيره، اطلاعات مهمي به حساب مي آيند و در همه اين زمينه ها، هنوز مسائل حل نشده اي وجود دارند. رنگ پوست افراد، گزينه مناسبي براي پيدا كردن صورت افراد و در نتيجه شناسايي چهره هاي موجود در يك تصوير مي باشد. براي اينكه بتوان با استفاده از اطلاعات رنگي پوست به دنبال يافتن صورت و در نتيجه چهره افراد باشيم، بايد بازه هاي مربوط به اين رنگ پوست را با استفاده از اطلاعات از قبل تعيين شده(شامل قسمت هاي رنگي پوست صورت)، مشخص نموده و مدل هاي رنگي پوست انسان را پايه گذاري نماييم. اگر چه در ديد اوليه، تنوع و تفاوت در رنگ افراد بسيار زياد مي باشد، ولي نتايج تحقيقات نشان داده است كه اين بازه هاي رنگ، در چندين مدل رنگ پوست كه وجود دارند، به طرز قابل توجه اي، كوچك بوده و در بسياري از حالات اين تفاوت ها، ناشي از تفاوت در شدت نور تصاوير و رنگ پوست انسان ها مي باشد. نتايج اين تحقيقات نويد آن را مي دهند كه مي توان سيستم هاي شناسايي چهره رنگي، را بر اساس ويژگي رنگ افراد، با محاسبات كمتر و دقت بالاتري، پايه گذاري نمود. با توجه به همين موضوع، سيستم هاي شناسايي چهره بر اساس تصاوير رنگي و نقش رنگ پوست در يافتن چهره، از موضوعاتي است که در اين فصل گنجانده خواهد شد. از آنجا که اصل مطالب اين تحقيق و همچنين پياده سازي سيستم پيشنهادي، بر پايه شناسايي چهره بر اساس ويژگي هاي رنگ چهره انسان مي باشد، لازم است که بررسي و مطالعاتي روي رنگ، مدل هاي رنگ و تصويرهاي رنگي انجام شود. تحقيقات انجام شده شامل تعاريف موجود از رنگ، مدل هاي رنگ موجود همانند YUV, RGB, HSV, Normal RGB, YCbCr و مقايسه هاي مربوط به اين گونه مدل هاي رنگ مي باشند. سيستم هاي شناسايي چهره بر اساس رنگ، اگرچه در كليات همانند ساير سيستم هاي شناسايي چهره مي باشند، ولي در جزئيات تفاوت هايي دارند، كه در اينجا در حد امكان به اين جزئيات پرداخته خواهد شد.

تشكيل رنگ واقعي از رنگ هاي اصلي

تشكيل رنگ واقعي از رنگ هاي اصلي

۳- ۱ مقدمه ………………………………………………………………………………………………………….35
۳- ۲ رنگ …………………………………………………………………………………………………………….36
۳- ۳ مدل هاي رنگ ………………………………………………………………………………………………..38
۳- ۳-۱ مدل رنگ RGB .ا…………………………………………………………………………………………..39
۳- ۳-۲ مدل رنگ RGB )nRGBي 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 سازي رنگ پوست انسان ……………………………………………………………………………44
۳- ۵-۱ مدل صريح و مستقيم …………………………………………………………………………………..45
۳- ۵-۲ مدل غير پارامتري توزيع پوست ………………………………………………………………………..46
۳- ۵-۲- ۱ طبقه بندي كننده بيز ……………………………………………………………………………… ٤٦
۳- ۵-۲- ۲ مدل جستجوي نرمال ………………………………………………………………………………47
۳- ۵-۳ مدل پارامتريك توزيع پوست …………………………………………………………………………..47
۳- ۶ ويژگي الگوريتم هاي شناسايي چهره در تصاوير رنگي ………………………………………………48
۳- ۷ خلاصه فصل ……………………………………………………………………………………………….. ٥٢

فصل چهارم: ارائه يك سيستم شناسايي چهره بر اساس رنگ

مطالبي كه در فصل هاي اول و دوم ارائه شدند، نشان دهنده اهميت شناسايي چهره در سيستم هاي بيومتريك مي باشند. همچنين در ادامه و در فصل هاي سوم و چهارم، سيستم هاي شناسايي چهره مورد بررسي قرار گرفته و جايگاه عوامل موثر بر آنها به صورت مفصل تشريح شدند. بررسي روش هاي شناسايي چهره كه تاكنون بر روي آنها كار شده است، باعث تفكيك اين روش ها و در عين حال، به وجود آمدن ايده تركيب آنها شده است. رنگ و ويژگي هاي رنگ پوست انسان و همچنين سخت افزارهاي مطمئن، باعث به وجود آمدن ديدگاه جديدي در زمينه سيستم هاي شناسايي چهره شده است. اين ويژگي باعث شده است، كه سير تحقيقات مربوط به شناسايي چهره، به طرف استفاده از رنگ پيش برود.
در اين فصل ابتدا به ايده هايي كه در حين كار روي روش هاي مختلف، مطرح شده اند، خواهيم پرداخت و بعد از آن، كارهاي مربوط به پياده سازي را تشريح خواهيم نمود. لازم به ذكر است كه پياده سازي سيستم مورد نظر بر اساس كار روي رنگ پوست انسان مي باشد. براي پياده سازي سيستم مورد نظر، پيش زمينه هايي لازم است، تا اطلاعات جامع و كافي در مورد نياز هاي سيستم بدست آوريم. اين نيازها شامل زيرفضاهاي موجود براي رنگ، مدل هاي رنگ انسان و پارامترهاي موثر بر سيستم مورد نظر مي باشد.
۴-۲) پيشينه كارهاي مرتبط انجام شده
با توجه به ويژگي هاي قوي كه در مولفه هاي رنگي پوست وجود دارد، روش هاي مختلفي بر
اساس آن، شكل گرفته اند. هر كدام از اين روش ها، فضاي رنگ هاي خاصي را برگزيده و با توجه به خصوصيات اين فضاهاي رنگ، الگوريتم هاي مختلفي را پايه گذاري نموده اند.
ويژگي هاي هندسي و ساختار چهره، از ديگر مواردي است كه بر اساس آن، مي توان چهره هاي موجود در يك تصوير را شناسايي نمود. ارتباط بين مكآنهاي بيني، چشم ها، دهان، گونه ها و موي سر، راهنماي مناسبي براي پيداكردن يك ناحيه مربوط به چهره مي باشد. به همين دليل، از اين روابط در تحقيقات مربوط به تصاوير غير رنگي نيز استفاده شده است.
يك الگوريتم در [05]، ارائه شده است، كه با استفاده از اطلاعات رنگ، در تصاوير دوبعدي، چهره ها را به وسيله، پيدا كردن نواحي پوستي و چشم ها، پيدا مي كند. الگوريتم آنها شامل دو مرحله مي باشد. مرحله اول كه بر پايه مدل تركيبي گوس١ است، ابتدا پيكسل هايي كه احتمال بيشتري دارند كه پوست باشند را پيدا مي كند و سپس بر اساس آستانه هاي تعيين شده براي رنگ پوست، آن نواحي را گسترش مي دهد. در مرحله دوم، در داخل نواحي پوستي پيدا شده، با استفاده از ويژگي هاي رنگي چشم ها، به دنبال دو چشم مي گردد. در صورتي كه حداقل يك ناحيه در داخل اين نواحي به عنوان چشم، پيدا شود،
ناحيه پوستي پيدا شده در مرحله اول، به عنوان چهره شناخته خواهد شد. همچنين الگوريتم ارائه شده در [15]، با استفاده از اطلاعات رنگي پوست، ابتدا نواحي پوستي صورت تصوير را پيدا كرده و در ادامه يك ناحيه كانديد را بر اساس، ترتيب قرار گيري ويژگي هاي مختلف صورت ايجاد مي نمايد. همچنين اين الگوريتم نقشه مربوط به چشم ها، دهان و محدوده هاي صورت را براي ارزيابي هر ناحيه كانديد، ايجاد مي كند. نتايج حاصل از اين الگوريتم، نشان مي دهد كه مي تواند در حالت هاي مختلف چرخش، روشنايي و موقعيت هاي چهره، مورد استفاده قرار گيرد.

نتايج مربوط به الگوريتم هاي [25,15,05]

نتايج مربوط به الگوريتم هاي [25,15,05]

۴- ۱ مقدمه …………………………………………………………………………………………………… ٥٥
۴- ۲ پيشينه كارهاي مرتبط انجام شده ……………………………………………………………………. ۵۵
۴- ۳ روش پيشنهاد شده ……………………………………………………………………………………..57
۴- ۳-۱ مدل ارائه شده براي رنگ پوست انسان ……………………………………………………………58
۴- ۳-۲ مدل ارائه شده براي ويژگي هاي هندسي صورت ……………………………………………….. ٦٢
۴- ۳-۲ الگوريتم ارائه شده براي شناسايي چهره …………………………………………………………. ٦٥
۴- ۴ خلاصه فصل ……………………………………………………………………………………………… ٧٠

فصل پنجم: پياده سازي و ارزيابي سيستم ارائه شده

با افزايش زمينه هاي تحقيقاتي در مورد جداسازي چهره، الگوريتم ها زيادي ارائه شده اند. به
همين دليل براي بررسي پيشرفت هاي انجام شده در حين كار، نياز به بررسي کارايي آنها و مطابقت با ديگر الگوريتم ها وجود دارد. موفقيت يک سيستم شناسايي چهره به پارامترهاي زيادي از قبيل ويژگي هاي چهره تحت شرايط نوري متفاوت، پيچيدگي و شلوغي پشت زمينه تصوير، بستگي دارد. تفاوت هاي نژادي، گروههاي جنسي همانند زن و مرد، گروه سني و غيره نيز جزو ساير موارد مي باشند. براي همه تکنيک هايي كه در فصل هاي قبل به آنها اشاره شد، الگوريتم هاي زيادي ارائه شده است. همه اين الگوريتم ها، يك يا چند پايگاه داده را براي ارزيابي برگزيده اند. الگوريتمي كه در اين تحقيق نيز ارائه شده است، از اين امر مستثني نيست. در اين بخش، ابتدا به دلايل و نحوه ارزيابي الگوريتم هاي شناسايي چهره، مي پردازيم. سپس پارامتر هاي موثر بر كارايي يك الگوريتم را بررسي نموده و بعد از اشاره به پايگاه داده هاي استاندارد در زمينه پردازش تصاوير چهره، نتايج حاصل از الگوريتمي كه ارائه كرده ايم را نشان داده و با چندين نمونه ديگر مقايسه خواهيم كرد.

۵-۱ مقدمه …………………………………………………………………………………………………………72
۵- ۲ ارزيابي يك الگوريتم شناسايي چهره ……………………………………………………………………..73
۵- ۳ معيارهاي ارزيابي كارايي در شناسايي چهره …………………………………………………………. ۷۴
۵- ۴ نتايج ارزيابي مدل و الگوريتم ارائه شده ……………………………………………………………….. ۷۶
۵- ۵ خلاصه فصل ………………………………………………………………………………………………. ۸۵

فصل ششم: نتيجه گيري و پيشنهادات

۶-۱ خلاصه كار انجام شده …………………………………………………………………………………….. ۸۷
۶- ۲ نتايج تحقيق ……………………………………………………………………………………………….. ۸۹
۶- ۳ پيشنهادات ………………………………………………………………………………………………….. ۹۰
نتايج ارزيابي سيستم ارائه شده روي تعدادي از تصاوير ……………………………………………………..۹۴
منابع و ماخذ ……………………………………………………………………………………………………….٩٧
چكيده انگليسي …………………………………………………………………………………………………١٠٢

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

فهرست جدول ها

جدول (۱-۱): نمونه كارهاي انجام شده در زمينه شناسايي چهره …………………………. ……………١٥
جدول (۱-۲): روش هاي عمومي شناسايي چهره …………………………………………………… ……۳۰
جدول (۴-۱): آستانه هاي مختلف مربوط به فضاهاي رنگ متفاوت ………………………. ………………۶۲
جدول (۴-۲): ويژگي هاي هندسي اجزاي صورت در تصاوير روبرو ……………………….. ………………۶۴
جدول(۵-۱): ارزيابي عملكرد مربوط به چندين الگوريتم شناسايي ………………………………………. ۷۶
جدول (۵-۲): نتايج الگوريتم ارائه شده روي پايگاه داده شخصي(nRGB) .ا…………….. ………………۷۷
جدول (۵-۳): نتايج نه ايي الگوريتم ارائه شده روي پايگاه داده شخـصي(nRGB) در حالت تصاوير روبرو …………………………………………………………………………………………………… ………………۷۸
جدول (۵-۴): نتايج نهايي الگوريتم ارائه شده روي پايگاه داده FERET ..ا……………………………….. ۸۹
جدول (۶-۱): نتايج نهايي الگوريتم ارائه شده روي پايگـاه داده شخـصي(nRGB) در حالت تصاوير روبرو …………………………………………………………………………………………………….. ……………..89

فهرست شكل ها

۶ شكل (۱-۱): يك سيستم تشخيص چهره و جايگاه شناسايي چهره درآن ……………… …………….6
۱۴ شكل (۲-۱): مراحل پروسه تشخيص چهره ………………………………………………………………14
۱۴ شكل (۲-۲): نمونه اي از خروجي يك سيستم شناسايي چهره ……………………………… …….14
۲۸ شكل(۲-۳): سيستم ارائه شده توسط Rowley …ا……………………………………………………..28
۳۷ شكل (۳-۱):جذب نور توسط چشم انسان به صورتي تابعي از طول موج ………………. …………..27
۳۸ شكل (۳-۲): تشكيل رنگ واقعي از رنگ هاي اصلي ………………………………………………. ….28
۳۹ شكل (۳-۳): فضاي رنگ RGB ..ا……………………………………………………………………………29
۴۰ شكل (۳-۴): توزيع مقادير r و g مربوط به رنگ پوست انسان ………………………………………….40
۴۱ شكل (۳-۵): توزيع مقادير Cr و Cb مربوط به رنگ پوست انسان ……………………………………….41
۴۲ شكل (۳-۶): فضاي رنگ HSV …ا……………………………………………………………………………42
۴۸ شكل (۳-۷): مراحل شناسايي چهره در يك سيستم ……………………………………………………48
۴۹ شكل (۳-۸): جداسازي نواحي پوستي ……………………………………………………………………49
۵۷ شكل (۴-۱): نتايج مربوط به الگوريتم هاي متفاوت ……………………………………………….. ……57
۵۸ شكل (۴-۲): نواحي انتخاب شده از تصاوير نمونه ………………………………………………………..58.
۶۰ شكل (۴-۳): توزيع مولفه هاي رنگ در زيرفضاي RGB و nRGB …..ت……………………… ………….60
۶۰ شكل (۴-۴): توزيع مولفه هاي رنگ در زيرفضاي YCbCr …ا………………………………………. ……60
۶۱ شكل (۴-۵): توزيع مولفه هاي رنگ در زيرفضاي HSV …………………………………………..ا………61
۶۳ شكل (۴-۶): ويژگي هندسي اجزاي صورت …………………………………………………………… ..63
۶۳ شكل (۴-۷): نمونه چهره هاي جداشده از تصاوير مختلف ……………………………………… ……..63
۶۴ شكل (۴-۸): به دست آوردن مختصات هندسي ويژگي هاي چهره ……………………….. ………..64
۶۵ شكل (۴-۹): خروجي الگوريتم [4] روي تصاوير سياه و سفيد …………………………………………65
۶۷ شكل (۴-۱۰): نقاط اصلي چهره(سبز:چهره، قرمز:غيرچهره) ………………………………………… 67
۶۸ شكل (۴-۱۱): فلوچارت مربوط به الگوريتم ارائه شده ……………………………………………. …..68
۶۹ شكل (۴-۱۲): نواحي كانديد براي چهره توسط الگوريتم ……………………………………….. ……69
۷۰ شكل (۴-۱۳): نتايج حاصل از الگوريتم ارائه شده …………………………………………………… ..70
۸۱ شكل (۵-۱): نمونه اي از نتايج(كادر زرد رنگ: چهره هاي كانديد شده …………………. ………….81
۸۲ شكل (۵-۲): شناسايي چهره هاي روبرو با فاصله متناسب از دوربين …………………….. ………82
۸۲ شكل (۵-۳): عدم شناسايي چهره با نژادي متفاوت از نژاد داده هاي آموزشي ………. ………….82
شكل (۵-۴): شناسايي چهره هاي با چرخش كمتر از ۱۰ درجه ……………………………. …………..۸۳
شكل (۵-۵): شناسايي چهره هاي زيادي در يك تصوير ………………………………………… ………..۸۳
شكل (۵-۶): يافتن چهره هاي مذكر و مونث در يك تصوير …………………………………..

……………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

خرید فایل pdf به همراه فایلword

قیمت:35هزار تومان