مقدمه:

در دنیای به هم پیوسته و پیچیده امروزی، نگهداری و امنیت اطلاعـات ، بـس یار مهـم و مـشکل شـدهاست، هر چند وقت یکبار در مورد تبهکاری ها ی مربوط کارتهای اعتبار ی، هک شدن کامپیوترها و نقض امنیت در شبکه ها و دولت ها، چیزهایی م ی شنویم. در بیشتر این کلاهبرداری ها، افراد خاطی، به نحـو ی امنیت سیستم ها را با عبور از سد محافظت های از قبل تعیین شده، مورد دستبرد قرار داده اند.
تکنولوژیهای جدید برای تعیین هو یت منحصر هر فرد ، بر پا یه روش هایBiometric بن یـ ان نهـادهشده ا ند. که این روش ها، روشهای خودکـاری از بـازبینی و تـشخیص هو یـ ت موجـودات زنـده در زمینـهویژگیهای ف یزیکی از قبیل اثر انگشت یا وضع یت چهره، و یا سا یر رفتارها ی افراد، از قب یل دست دادن، می باشند. به این دلیل که، ویژگی ها ی ف یزیکی خ یلی کمتر تغییر م ی کنند ، ولی موارد رفتاری ممکـن اسـتبه علت استرس، وضعیت روان ی شخص، یا موقع یت شخص به راحت ی دستخوش تغییـرات شـوند، در میـ ان روش ها و متدهای مختلف برای تعیین هویت ، روش هایی که از ویژگی ها ی فیزیکی استفاده مـ ی کننـد،علی رغم مشکلاتی که هنگام پیاده سازی وجود دارد، قابل اعتمادتر از آنهـایی هـستند کـه ویژگـ ی هـا ی فیزیولوژیکی(زیستی) را بکار می گیرند.
با بررسی زندگی دیجیتالی بشر، به راحتی متوجه این نکته خواهیم شد که امـروزه بـشر بـا نیازهـا یی مواجه است که در سالهای قبل این ن یازها وجود نداشت. این نیازها شامل سازمان، گروه و امنیت آنها مـ ی باشد. همیشه افزا یش جمع یت و تحرک آن در همه جهت ها، باعث بالا رفـتن راه هـا ی انتقـال و اشـتراکاطلاعات، شده است، که این تغ ییر مکان ها، در ساختارهای پیچیده ای انجام مـ ی شـوند . همـانطور ی کـهتحرک، نشات گرفته از رفتارهای انسانی و اطلاعاتی است، امن یت ن یز اطلاعـات شخـصی و مقـاد یر آنهـا راشامل م ی شوند . در مح یط ها یی که اهمیت امن یت و تشکیلات، افزا یش یافتـه اسـت، شناسـایی و تع یـی ن اعتبار در زمینه ها ی گوناگون ی از تکنولوژی ها توسـعه داده شـده انـد. کنتـرل ورود یهـا ی سـاختمان هـا،کنترل دسترس ی در کامپ یوترهای عمومی، مثالهایی هستند کـ ه نـشان دهنـده تـشخیص هویـ ت و اعتبـارسنجی در جامعه کنونی می باشند.
روش تشخیص چهره (Face Recognition) یکی از چنـد ین روش Biometric اسـت کـه دارای دقت بالا بوده و می تواند تا مدت ها قابل اتکا باشد. برخلاف روش های د یگر اعتبار سنج ی که لازم بود تـاکاربر حداقل PIN و کلمه عبور، را به یاد داشته باشد، در روش های تشخیص چهره ، کاربر خیلی راحت با چهره خودش، می تواند در پروسه اعتبار سـنج ی وارد شـود . در حـال حاضـر عـلاوه بـر ایـ ن کاربردهـا ی کلاسیک، برا ی تشخیص چهره ، اعتبار سنجی های جدیدی پدیدار شده اند. به طور نمونه، در بانک ها و یـ ا تأسیسات قضا یی که امنیت از سایر ادارات معمولی بالاتر است، امن یت ب یشتر توسط کامپیوترهـا ی ز یـ ادی که امروزه مجهز به چندین دورب ین م ی باشند، انجام می شود . در ا ین حالت، یک نرم افزار تشخیص چهره، به صورت مداوم، آنچه که در جلوی دورب ین اتفاق می افتد، را در کنترل داشته و در صورت برخورد بـا هـرگونه وضعیتی خارج از وضعیت از قبل تعیین شده، هشدارهای لازم را اعلام می نماید.
در حال حاضر، چند ین روش برای سازمانده ی و طبقه بندی زمینـه هـای مختلـف تـشخیص چهـره، امکان پذیر می باشد. به عنوان نمونه، الگوریتم هایی که با چهـره و محـ یط آن سـر و کـار دارنـد (هماننـدسیستم ها ی کنترل نشده)، باید با الگوریتم هایی که با سیستم های کنترل شده(هماننـد چـراغ راهنمـا و نورپردازی یک تئاتر ) کار می کنند، متما یز گردند . همچنین سیستم ها یی که از یک یا چند تـصویر بـرای تشخیص چهره استفاده می کنند، از سیستم هایی کـه از مقـادیر پیوسـته و یـ دئویی اسـتفاده مـی کننـد،
متمــایز مــی شــوند. در صــورتیکه ایــن تفــاوت هــای ســطح پــایین در مــشکلات ضــروری درFace Recognition حذف شوند، یـ ک گـروه بنـدی براسـاس سـه حالـتFrontal و Profile و View-
Tolerant ارائه می شود.
می توان گفت که الگوریتم ها ی تشخیص چهره، مدل های ساده هندسی را استفاده مـی کننـد، امـاپروسه تشخیص، امروزه در یک علم پیچیده ر یاضی و پروسه های Matching وارد شده است. بزرگتـر ین پیشرفت آنها در سالیان اخ یر، سوق دادن تکنولوژی تشخیص چهره ، به صحنههای متا ثر از نور مـی باشـد،بدین ترتیب که می توان در شرایط نوری متفاوت نیز، پروسه تشخیص چهره را به نحو مطلوبی انجـام داد.
تشخیص چهره، می تواند برای بازبینی (Verification)و تعیین هویت (Identification)، نیز بـه کـاربرده شود. زمینه ها ی ز یاد تجار ی، برای ایجاد اینگونه نرم افزارها و امکان دسترسی به تکنولوژی های مورد نیـ از بعد از چندین سال تحقیق، دو دلیل مهم برای تکیـه بـر اهمیـتFace Recognition و ادامـه تـلاشبرای داشتن سیستم های قوی تر می باشد. روش ها ی مطمئن زیادی از تشخیص بیومتریک اشخا ص، وجود دارد. ابر ی مثال، روش ها ی آنالیز اثر انگشت یا بررس ی عنب یه و شبکیه، اشخاص هم اکنون وجود دارند. از آنجائ یکه یک تصو یر چهره، می توانـداز روبرو یا ن یم رخ باشد، بیشتر اوقات بدون همکاری و حتی اط لاع شخص مورد نظر، عمل می کند. جدول الف، تعدادی از برنامه های مربوط به Face Recognition را نشان می دهد.

روش ها و الگوریتم های تشخیص چهره و یادگیری

روش ها و الگوریتم های تشخیص چهره و یادگیری

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

فهرست مطالب

چکیده ……………………………………………………………………………………………………………………..١
مقدمه ……………………………………………………………………………………………………………………..٢

فصل اول : تاریخچه تشخیص چهره

در حالیکه تشخیص هویت، یک قسمت مهم از قابلیت سیستم درک انسانی و یک کار عادی برای بشر می باشد، ساخت یک سیستم کامپیوتری مشابه، هنوز در ابتدای کار قرار دارد. کارهای قبلی که روی تشخیص چهره انجام شده است، به کارهای انجام گرفته از سال ۱۹۶۰ تاکنون، روی مباحث بیولوژیکی موضوعات مهندسی، برمی گردد[Bruner and Tagiuri 1954](۱). برخی از این تحقیقات اولیه، شامل کار روی ظاهر صورت، ناشی از احساسات بوسیله [Darwin 1972](۲) و Facial Profile Based بوسیله [Galton 1988](۳) 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 یافته ها در طی این تحقیقات، دستاوردهای مهمی به حساب می آیند، چراکه مهندسین بر اساس آن تصمیم می گیرند که چگونه الگوریتم و سیستم هایی جهت تشخیص هویت آماده کنند. بیشتر مسائل تشخیص چهره، به صورت تشخیص اشیاء ۳ بعدی از تصاویر ۲ بعدی، فرمول بندی شده اند. به عنوان نمونه این مطالعات، از ابتدا تا اواسط دهه ۱۹۷۰، نوعی از تکنیک های طبقه بندی الگوها، که ویژگی های مخصوص را در تصاویر کامل یا نیم رخ تصویر، بکار می بردند، ارائه شدند. این نوع طبقه بندی در [Bledsoe 1964 , Kanade 1973 , Kelly 1970]
(۴،۵،۶) مورد استفاده قرار گرفته بودند. طی دهه ۱۹۸۰، کار روی تشخیص چهره، تا مدتی مسکوت ماند.
بعد از آن از اوایل سال ۱۹۹۰ به چند دلیل، تا حد زیادی پیشرفت نمود. یکی از این دلایل، افزایش فرصت های تجاری در این زمینه و دیگری بالا رفتن اهمیت نظارت های دیداری بوسیله برنامه های کاربردی بود. بعد از چندین سال، محققین روی این موضوع تمرکز کرده اند، که چگونه بوسیله حل مسائل و مشکلات موجود در تشخیص چهره، می توانند سیستم های کاملاﹰ اتوماتیک ایجاد نمایند.
از جمله موارد موجود که در این زمینه، می توان به آنها مراجعه نمود، [Kirby and Sirovich
Etemad and Chellappa 1997; Zhao et ] ،(۷،۸) [1990;Turk and Pentland 1991
al. 1998](۱۰،۹)، می باشند. این موارد اشاره شده می توانند روی پایگاه داده های بزرگ نیز، کارایی خوبی داشته باشند.
ماهیت گوناگون نیازها، شامل برخوردهای گوناگون با مسئله تشخیص چهره می باشد و به همین دلیل امکان دارد، پروسه تشخیص چهره با تصاویر ثابت انجام پذیرد یا اینکه از یک دنباله تصاویر ویدئویی برای تشخیص چهره افراد مختلف استفاده شود. اما در مجموع، سیستم های درگیر با تصاویر ثابت، دارای کارایی و اطمینان بالاتری می باشند. در طی تحقیقات انجام شده، بسیاری از روش ها، برای حل و بررسی این دو مورد ارائه شده اند. در حال حاضر چندین سیستم برای تشخیص چهره در حالت تصویر ثابت وجود دارند. همچنین، بیشتر تحقیقات بر حالت بررسی مقادیر ویدئویی، تمرکز دارند.
در سال ۱۹۹۵، مقاله [Chellappa et al. 1995](۱۱)، یک بررسی کامل روی تکنولوژی تشخیص چهره، ارائه کرد. در آن زمان تشخیص هویت، از روی تصاویر ویدئویی تازه در مراحل اولیه قرار داشت. در این مدت پایگاه داده های جدیدی ایجاد شده و ارزیابی ها با استفاده از این Data Set ها انجام می شوند. در حال حاضر می توانیم بگوییم، که تشخیص چهره، یکی از کاربردهای عملی، از Pattern Recognition شده است، که شامل آنالیز تصاویر و فهم آنها شده است.
در دهه ۱۹۶۰، اولین سیستم نیمه اتوماتیکی 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. قبل از اینکه محاسبات مربوط به فاصله و نرخ تغییرات چهره به یک موقعیت قابل اطمینان برسند، این کارهای اولیه، برای مقایسه تصویر جاری، با تصاویر مرجع که در پایگاه داده مرجع، وجود داشتند، لازم بود. در دهه ۱۹۷۰، Harmon ،Goldstein و Lesk(۱۲) از ۲۱ خصوصیت مهم، از قبیل رنگ مو، ضخامت لب ها و سایر موارد، برای اتوماتیک کردن Recognition استفاده کردند. مشکلات مربوط به دو راه حل اخیر این بودند که اندازه گیری و محاسبه مکان تصاویر چهره به صورت دستی انجام می شدند. در سال ۱۹۸۸، دو محقق به نام های Sirovich and Kirby(۱۳)، از Principal Component Analysis (PCA) که یک تکنیک جبری خطی می باشد، برای رفع مشکلات مربوط به تشخیص چهره، استفاده کردند. این روش تا حدی برگرفته شده از یک نشانه گذاری بود، که در آن کمتر از صد مقدار، برای کد کردن دقیق یک ردیف مناسب و تصویر صورت نرمال شده، مورد نیاز بود.
در سال ۱۹۹۱، Turk و Pentland(۷) با استفاده از تکنیک های تصاویر ویژه(Eigenfaces) امکان ایجاد یک سیستم سریع، برای تشخیص چهره، را به وجود آوردند. اگرچه این روش تاحدی بوسیله پارامترها و عوامل محیطی تحت تأثیر قرار گرفته است، با این حال علاقه مندی خاصی نسبت به آن جهت توسعه سیستم های تشخیص چهره برای اتوماتیک کردن آنها، وجود داشت(۱۴).

فصل دوم : تشخیص چهره (Face Recognition)

تشخیص چهره یک پروسه می باشد که انسان در طول روز به صورت عادی و با دقت بسیار زیاد، انجام می دهد، بدون اینکه توجه ای به سنگین بودن آن داشته باشد. هم اکنون، سیستم های بسیار زیادی که دارای قدرت زیادی بوده و با هزینه پایینی ایجاد شده اند، می توانند در زمینه های مختلفی محاسبات مربوط به اعتبار سنجی، نظارت و رفتار متقابل با انسان را، در تصاویر ثابت و متحرک، انجام دهند. به دلیل نیازهای رو به افزایش، تحقیق و توسعه اینگونه سیستم ها، در زمینه کنترل های اتوماتیک و دقیق تر، امری طبیعی می باشد.
تشخیص چهره، به عنوان یک تکنولوژی اصلی در شاخه تکنولوژی بیومتریک، روز به روز اهمیت بیشتری پیدا می کند، چرا که در کاربرد دوربین های دیجیتالی، ابزارهای اینترنت و تلفن همراه و سایر موارد از این نوع، به شدت مورد نیاز است. تکنولوژی تشخیص چهره، به علت اینکه به صورت بسیار آسان می تواند مورد استفاده قرار بگیرد، از سایر تکنولوژی های بیومتریک سودمندتر است.
با توجه به شش مورد از مشخصات بیومتریکی که توسط Hietmeyer(۱) تشریح شده است، ویژگی های مربوط به صورت، دارای بیشترین اهمیت در سازگاری با سیستمMachine Readable Travel Documents(MRTD) (۲) می باشند، که بر پایه چندین پارامتر قابل ارزیابی، از قبیل ثبت نام، تکرار، نیاز به ماشین و اتوماتیک شدن و درک عمومی بنیان نهاده شده اند. این مقایسه در شکل ۲- ۱، نشان داده شده است.
آنچه که از یک سیستم تشخیص چهره، انتظار می رود این است که، به صورت اتوماتیک چهره های موجود در تصاویر ثابت یا تصاویر ویدئویی را شناسایی کند، که این کار می تواند در دو مرحله زیر اتفاق بیافتد:
الف: بازبینی و اعتبار سنجی یک چهره(Verification)، شامل یک مطابقت یک به یک، برایجستجوی تصاویر با الگوی از قبل تعیین شده می باشد، که چهره های مورد نیاز جهت شناسایی را آمادهخواهد نمود. در واقع، در این مرحله تصاویر ورودی با هر وضعیتی وارد سیستم می شوند، که این تصاویر می توانند تصاویری بدون حضور انسان باشند یا اینکه شخص یا اشخاصی در آن حضور داشته باشند، که در این صورت، سیستم باید تمام تلاش خود را برای استخراج چهره های این شخص یا اشخاص، با استفاده از الگوریتم های قوی و الگو های از قبل تعیین شده می نماید. اگر چه این مرحله، اولین مرحله از یک پروسه تشخیص هویت می باشد ولی می توان آن را به عنوان یکی از مراحل اصلی در پروسه شناخت. چرا که پیدا نکردن شخصی که در تصویر حضور دارد، توانایی سیستم را در شناسایی افراد مورد نظر به شدت پایین خواهد آورد. بنابراین تقویت توانایی الگوریتم ها و روش هایی که برای پیدا کردن چهره ها در میان تصاویر ورودی، مورد استفاده قرار می گیرند، در نهایت منجر به تقویت و بالا رفتن کارایی سیستم خواهد شد.
ب: شناسایی و تشخیص چهره(Identification)، که شامل مطابقت یک به چند جهت مقایسه یک چهره داده شده، با همه الگوهای تصویر موجود در پایگاه داده، برای مشخص کردن وضعیت شناسایی آن می باشد. این مرحله که ادامه مرحله قبل و در واقع تکمیل کننده آن می باشد، شامل کار بر روی تصاویر چهره های پیدا شده می باشد. ورودی این مرحله، چهره های پیدا شده در قسمت Verification می باشند و سیستم بر اساس الگو های از قبل تعیین شده، روی چهره های موجود در یک پایگاه داده، شامل افراد از قبل ثبت نام شده، جستجو می نماید و یک چهره را با معیارهایی که برای سیستم قابل قبول می باشد، تایید یا رد می نماید. در این مرحله نیز معیارهای پذیرش یک تصویر، می تواند نقش عمده ای در کارایی و سرعت سیستم داشته باشد.
تشخیص چهره، یک مسئله تصویری از تشخیص الگو(Pattern Recognition) می باشد، که در آن یک چهره به عنوان یک جسم ۳ بعدی در معرض تغییرات نور، تغییر موقعیت، تغییر قیافه قرار داشته و باید به عنوان یک تصویر ۲ بعدی شناسایی شود. یک سیستم تشخیص چهره، همانند شکل ۲-۲، شامل چهار قسمت، کشف چهره(Face Detection)، ترازبندی چهره(Alignment)، استخراج ویژگی های چهره(Feature Extraction) و مطابقت دهنده(Matcher)، می باشد، که کشف چهره و ترازبندی آن قبل از شروع پروسه تشخیص انجام می شوند.

فصل سوم : چهارچوب سیستم های تشخیص چهره

در بسیاری از حالات یک سیستم Face Recognition می تواند به قسمت های کارکردی زیر تقسیم شود:
یک کشف کننده چهره، که در یک تصویر عادی مکان چهره های افراد را که بر روی یک پشت زمینه ساده یا شلوغ قرار دارند، پیدا می کند و یک تشخیص دهنده چهره که مشخص می کند، این شخص کیست.
کشف کننده چهره (Face Detector) و تشخیص دهنده چهره (Face Recognizer) از یک چهارچوب مشابه و یکسان پیروی می کنند. هر دوی آنها، شامل یک قسمت برای استخراج ویژگی ها(Feature Extractor)، که پیکسل های یک تصویر چهره، را به صورت بردارهای قابل فهم، تبدیل می کنند و یک مطابقت دهنده الگو(Pattern Matcher)، که بهترین تصویر صورت موجود در پایگاه داده اولیه را که مطابق تصویر داده شده، می باشد، جستجو می کند، می باشند، با این تفاوت که در سناریوی کشف کننده چهره، یک پیداکننده تصاویر چهره، تصاویر ورودی را در دو گروه شامل، تصاویر چهره و تصاویر غیر چهره، طبقه بندی می کند و در سناریوی تشخیص چهره، تشخیص دهنده، بردارهایی با ویژگی های متفاوت را طبقه بندی می کند، این طبقه بندی بر اساس اشخاصی است که هم اکنون در پایگاه داده وجود دارند.
شکل ۳-۱، نشان دهنده یک سیستم تشخیص چهره می باشد، که در آنEye Localizer به دلیل وجود انواع تغییرات در عکس اضافه شده است.

۱: یک الگوی اصلی برای سیستم تشخیص چهره

۱: یک الگوی اصلی برای سیستم تشخیص چهره

۳-۱ تشخیص چهره از تصاویر ثابت …………………………………………………………………… …………….١٧
۳-۲ کشف چهره و استخراج ویژگی ها ……………………………………………………………… ……………١٧
۳-۴ استخراج ویژگی های صورت ……………………………………………………………………… ………….١٩
۳-۵ تشخیص چهره از روی تعداد تصاویر زیاد ………………………………………………….. …………………٢٠

فصل چهارم : روش ها و الگوریتم های تشخیص چهره.

همانطور که در مقدمه مطالب نیز به آن اشاره شد، در حال حاضر، روش های متفاوتی ابر ی سازماندهی و طبقه بندی روش های تشخیص چهره، وجود دارد و الگوریتم های درگیر با چهره و محیط آن(همانند سیستم های کنترل نشده)، از الگوریتم های درگیر با سیستم های کنترل شده (همانند چراغ راهنما)، متفاوت می باشند. همچنین سیستم هایی که باید تشخیص چهره را در میان تصاویر ثابت انجام دهند، از سیستم هایی که از تصاویر ویدئویی استفاده می کنند، متمایز می شوند. در صورتیکه در بررسی هایمان بتوانیم این نوع تفاوت ها را نادیده بگیریم، یک گروه بندی براساس سه حالت Frontal و Profile و View-Tolerant ارائه می شود. این وضعیت زمانی در کنفرانس های مربوط به تشخیص چهره، در دوره های مختلفی، بازتاب داده شدند(۱).
۴ -۱) تشخیص چهره با استفاده از تصاویر روبرو(Frontal Recognition)
الگوریتم Frontal Recognition، شامل روش هایی می شود، که ابتدا مراحل یافتن تصاویر چهره در میان همه تصاویر ورودی ۲ بعدی و استخراج ویژگی های صورت در بازه مشخص سر، را انجام می دهند و سپس تصاویر و ویژگی های استخراج شده را با تصاویر و ویژگی های ثبت شده در پایگاه داده، مقایسه خواهند کرد. در این گونه جستجوهای صورت، مراحل اولیه پردازش ها، معمولا به صورت بیولوژیکی انجام می شوند و اهدف از قبل تعیین شده، همانند کاهش داده ها، حذف افزونگی ها و افزایش سرعت جستجوی پارامترها را برآورده می کنند. این قبیل پردازش ها می توانند به صورت پیدا کردن لیستی از تصاویر موجود که مطابق با مشخصات داده شده (از قبیل خطوط، دایره یا اجزای گوشه ها) می باشند، انجام شوند، یا اینکه مرحله فیلتر داده ها و تصاویر را انجام داده و آنهایی که مطابق با شرایط داده شده است، را علامت گذاری می کنند.
در اولین مرحله، چندین کشف کننده چشم ها، مکان های ممکن دو چشم را پیدا می کنند، که این مکان ها در مرحله دوم، تحت تأثیر یک پردازش پیدا کننده تمام صورت، برای پیداکردن مکان صورت و برآورد شکل آن، قرار می گیرند و به این ترتیب، امکان یک نرمال سازی مؤثر ایجاد می شود. در ادامه، این نرمال سازی ها، برای چشم، هر دو گوش، بینی و دهان نیز انجام می شوند و نتایج حاصل از فیلتر، ابر ی کدگذاری کردن هر تصویر منحصر به فرد، مورد استفاده قرار می گیرند.
در حالت Frontal، همکاری کاربر یک امر عادی بوده و دو نوع اطلاعات می تواند استخراج شود، از یک طرف هر ویژگی صورت(از قبیل بینی، چشم، گوش، موی سر و چانه) می تواند به طور مستقل آنالیز گردد، که این آنالیز کردن، می تواند مقایسه تصویر جاری با تصاویر موجود در پایگاه داده(که از یک معیار خاص همانند طول، ناحیه، شکل یا رنگ مو، استفاده می کند) باشد. از طرف دیگر، وضعیت فضایی متفاوت ویژگی های صورت می تواند، ما را به یک شخص دیگر راهنمایی نماید. به همین دلیل، پیگیری وکار بر روی مسئله Frontal Face Recognition کاملا منطقی به نظر می رسد.

۴-۱ تشخیص چهره با استفاده از تصاویر روبرو ………………………………………………… ………………٢۴
۴-۲ تشخیص چهره با استفاده از تصاویر نیمرخ ………………………………………………. ……………….٢۵
۴-۳ تشخیص چهره با دیدگاه آزاد ……………………………………………………………………………….. ۲۶
۴-۴ بررسی یک تصویر از صورت ………………………………………………………………………. ………..۲۷
۴-۵ الگوریتم های اصلی مربوط به تشخیص چهره …………………………………………………………… ٢٧
۴-۶ جایگاه الگوریتم های یادگیری در تشخیص چهره ……………………………………. …………………٣۵

فصل پنجم : مشکلات و موانع سیستم های تشخیص چهره.

۵-۱ مشکلات عمومی ……………………………………………………………………………………….. …..۴۲
۵-۲ مشکلات انسانی مربوط به نظارت های مبتنی بر تشخیص چهره ……………. ……………………….۴۴
۵-۳ مشکلات تکنیکی مربوط به نظارت های مبتنی بر تشخیص چهره ……………………………………… ۴۵

فصل ششم: نتیجه گیری و پیشنهادات..

منابع و ماخذ…………………………………………………………………………………………………………….52
فهرست منابع لاتین ………………………………………………………………………………………………….. ۵٢
سایت های اطلاع رسانی …………………………………………………………………………………………….57
چکیده انگلیسی ……………………………………………………………………………………………………….58

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

فهرست جدول ها

الف : تعدادی از برنامه های مربوط به Face Recognition …………………………………………………………. ۴
ب : چندین پروژه کاربردی ………………………………………………………………………………………………. ۴
۳-۱ : گروه بندی تکنیک های تشخیص چهره در تصاویر ثابت ……………………………………………………… ٢١

فهرست شکل ها

الف: نمایی از یک سیستم Face Recognition …ا……………………………………………………………………۵
۲-۱: مقایسه اهمیت روش های بیومتریک …………………………………………………………….. …………..۱۱
۲-۲: نمایش یک سیستم تشخیص چهره ………………………………………………………………. …………۱۳
۳-۱: یک الگوی اصلی برای سیستم تشخیص چهره …………………………………………………………….. ۱۶
۴-۱: گروه بندی روش های مختلف تشخیص چهره ………………………………………………. ……………..۲۸
۴-۲: طبقه بندی روش های تشخیص چهره بر اساس اساس سه وضعیت و … ……………………………… ۲۹
۴-۳ : محورهای جدید با توجه به بردارهای ویژه در جهت پرتراکم ترین نقاط …….. ……………………………۳۰
۴-۵: سیستم ارائه شده با ترکیب LDA و Gabor-Wavelet …………………………… ا……………………….۳۵
۴-۶: روش های PCA و LDA برای تشخیص چهره ……………………………………………. …………………۳۶
۴-۷: معماری FFNN برای طبقه بندی ……………………………………………………………….. ……………۳۷
۴-۸: فازهای آموزشی در دو شبکه عصبی LDA-NN و PCA-NN ………ا…………………………………….. ۳۷
۴-۹: الگوریتم مربوط به کشف چهره در میان تصاویر …………………………………………….. …………….۳۸
۴-۱۱: روش های RGB, YES برای کشف چهره ………………………………………………………………… ۴۰
۵-۱: پیدا کردن فقط چند چهره در یک تصویر شلوغ …………………………………………………………….. ۴۲
۵-۲: یک تشخیص دهنده چهره، که فقط تصاویر Frontal را پیدا می کند …………………………………….43

 

Abstract
There has been a lot of research about different aspects of face recognition by machines or human. the importance of automatic face recognition methods led us to a complete research on previous attempts in this field, since beginning of computer science. although most theories are tested on sets of small pictures, they have ended up to great achievements.
there is a brief history of face recognition using biometric specifications subjects at the beginning of this article and then face recognition is discussed particularly. the general framework of a face recognition system is the main concern in its setup. therefore algorithms and methods which are used to face recognition, are the main part of this research that consists of classifications and different approaches to solve the problem. use of learning and relevant algorithms used in face recognition are discussed at the end of this article. some difficulties in face recognition could be light, camera angel, movements and other environmental issues which are studied separately.


قیمت 25 هزار تومان

خرید فایل pdf به همراه فایلword

قیمت:35هزار تومان