مقدمه:

در دنياي به هم پيوسته و پيچيده امروزي، نگهداري و امنيت اطلاعـات ، بـس يار مهـم و مـشکل شـدهاست، هر چند وقت يکبار در مورد تبهکاري ها ي مربوط کارتهاي اعتبار ي، هك شدن کامپيوترها و نقض امنيت در شبکه ها و دولت ها، چيزهايي م ي شنويم. در بيشتر اين کلاهبرداري ها، افراد خاطي، به نحـو ي امنيت سيستم ها را با عبور از سد محافظت هاي از قبل تعيين شده، مورد دستبرد قرار داده اند.
تکنولوژيهاي جديد براي تعيين هو يت منحصر هر فرد ، بر پا يه روش هايBiometric بن يـ ان نهـادهشده ا ند. كه اين روش ها، روشهاي خودکـاري از بـازبيني و تـشخيص هو يـ ت موجـودات زنـده در زمينـهويژگيهاي ف يزيکي از قبيل اثر انگشت يا وضع يت چهره، و يا سا ير رفتارها ي افراد، از قب يل دست دادن، مي باشند. به اين دليل كه، ويژگي ها ي ف يزيکي خ يلي کمتر تغيير م ي کنند ، ولي موارد رفتاري ممکـن اسـتبه علت استرس، وضعيت روان ي شخص، يا موقع يت شخص به راحت ي دستخوش تغييـرات شـوند، در ميـ ان روش ها و متدهاي مختلف براي تعيين هويت ، روش هايي که از ويژگي ها ي فيزيکي استفاده مـ ي کننـد،علي رغم مشكلاتي كه هنگام پياده سازي وجود دارد، قابل اعتمادتر از آنهـايي هـستند کـه ويژگـ ي هـا ي فيزيولوژيکي(زيستي) را بكار مي گيرند.
با بررسي زندگي ديجيتالي بشر، به راحتي متوجه اين نكته خواهيم شد كه امـروزه بـشر بـا نيازهـا يي مواجه است که در سالهاي قبل اين ن يازها وجود نداشت. اين نيازها شامل سازمان، گروه و امنيت آنها مـ ي باشد. هميشه افزا يش جمع يت و تحرک آن در همه جهت ها، باعث بالا رفـتن راه هـا ي انتقـال و اشـتراکاطلاعات، شده است، که اين تغ يير مکان ها، در ساختارهاي پيچيده اي انجام مـ ي شـوند . همـانطور ي کـهتحرك، نشات گرفته از رفتارهاي انساني و اطلاعاتي است، امن يت ن يز اطلاعـات شخـصي و مقـاد ير آنهـا راشامل م ي شوند . در مح يط ها يي که اهميت امن يت و تشکيلات، افزا يش يافتـه اسـت، شناسـايي و تع يـي ن اعتبار در زمينه ها ي گوناگون ي از تکنولوژي ها توسـعه داده شـده انـد. کنتـرل ورود يهـا ي سـاختمان هـا،کنترل دسترس ي در کامپ يوترهاي عمومي، مثالهايي هستند كـ ه نـشان دهنـده تـشخيص هويـ ت و اعتبـارسنجي در جامعه کنوني مي باشند.
روش تشخيص چهره (Face Recognition) يکي از چنـد ين روش Biometric اسـت کـه داراي دقت بالا بوده و مي تواند تا مدت ها قابل اتکا باشد. برخلاف روش هاي د يگر اعتبار سنج ي که لازم بود تـاکاربر حداقل PIN و كلمه عبور، را به ياد داشته باشد، در روش هاي تشخيص چهره ، کاربر خيلي راحت با چهره خودش، مي تواند در پروسه اعتبار سـنج ي وارد شـود . در حـال حاضـر عـلاوه بـر ايـ ن کاربردهـا ي کلاسيک، برا ي تشخيص چهره ، اعتبار سنجي هاي جديدي پديدار شده اند. به طور نمونه، در بانک ها و يـ ا تأسيسات قضا يي که امنيت از ساير ادارات معمولي بالاتر است، امن يت ب يشتر توسط کامپيوترهـا ي ز يـ ادي که امروزه مجهز به چندين دورب ين م ي باشند، انجام مي شود . در ا ين حالت، يک نرم افزار تشخيص چهره، به صورت مداوم، آنچه که در جلوي دورب ين اتفاق مي افتد، را در کنترل داشته و در صورت برخورد بـا هـرگونه وضعيتي خارج از وضعيت از قبل تعيين شده، هشدارهاي لازم را اعلام مي نمايد.
در حال حاضر، چند ين روش براي سازمانده ي و طبقه بندي زمينـه هـاي مختلـف تـشخيص چهـره، امکان پذير مي باشد. به عنوان نمونه، الگوريتم هايي که با چهـره و محـ يط آن سـر و کـار دارنـد (هماننـدسيستم ها ي کنترل نشده)، بايد با الگوريتم هايي كه با سيستم هاي کنترل شده(هماننـد چـراغ راهنمـا و نورپردازي يک تئاتر ) كار مي كنند، متما يز گردند . همچنين سيستم ها يي که از يک يا چند تـصوير بـراي تشخيص چهره استفاده مي کنند، از سيستم هايي کـه از مقـادير پيوسـته و يـ دئويي اسـتفاده مـي کننـد،
متمــايز مــي شــوند. در صــورتيکه ايــن تفــاوت هــاي ســطح پــايين در مــشکلات ضــروري درFace Recognition حذف شوند، يـ ک گـروه بنـدي براسـاس سـه حالـتFrontal و Profile و View-
Tolerant ارائه مي شود.
مي توان گفت كه الگوريتم ها ي تشخيص چهره، مدل هاي ساده هندسي را استفاده مـي کننـد، امـاپروسه تشخيص، امروزه در يک علم پيچيده ر ياضي و پروسه هاي Matching وارد شده است. بزرگتـر ين پيشرفت آنها در ساليان اخ ير، سوق دادن تکنولوژي تشخيص چهره ، به صحنههاي متا ثر از نور مـي باشـد،بدين ترتيب كه مي توان در شرايط نوري متفاوت نيز، پروسه تشخيص چهره را به نحو مطلوبي انجـام داد.
تشخيص چهره، مي تواند براي بازبيني (Verification)و تعيين هويت (Identification)، نيز بـه کـاربرده شود. زمينه ها ي ز ياد تجار ي، براي ايجاد اينگونه نرم افزارها و امکان دسترسي به تکنولوژي هاي مورد نيـ از بعد از چندين سال تحقيق، دو دليل مهم براي تكيـه بـر اهميـتFace Recognition و ادامـه تـلاشبراي داشتن سيستم هاي قوي تر مي باشد. روش ها ي مطمئن زيادي از تشخيص بيومتريک اشخا ص، وجود دارد. ابر ي مثال، روش ها ي آناليز اثر انگشت يا بررس ي عنب يه و شبکيه، اشخاص هم اکنون وجود دارند. از آنجائ يکه يک تصو ير چهره، مي توانـداز روبرو يا ن يم رخ باشد، بيشتر اوقات بدون همکاري و حتي اط لاع شخص مورد نظر، عمل مي کند. جدول الف، تعدادي از برنامه هاي مربوط به Face Recognition را نشان مي دهد.

روش ها و الگوريتم هاي تشخيص چهره و یادگیری

روش ها و الگوريتم هاي تشخيص چهره و یادگیری

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

فهرست مطالب

چكيده ……………………………………………………………………………………………………………………..١
مقدمه ……………………………………………………………………………………………………………………..٢

فصل اول : تاريخچه تشخيص چهره

در حاليکه تشخيص هويت، يک قسمت مهم از قابليت سيستم درک انساني و يک کار عادي براي بشر مي باشد، ساخت يک سيستم کامپيوتري مشابه، هنوز در ابتداي کار قرار دارد. کارهاي قبلي که روي تشخيص چهره انجام شده است، به کارهاي انجام گرفته از سال ۱۹۶۰ تاكنون، روي مباحث بيولوژيکي موضوعات مهندسي، برمي گردد[Bruner and Tagiuri 1954](۱). برخي از اين تحقيقات اوليه، شامل کار روي ظاهر صورت، ناشي از احساسات بوسيله [Darwin 1972](۲) و Facial Profile Based بوسيله [Galton 1988](۳) 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 يافته ها در طي اين تحقيقات، دستاوردهاي مهمي به حساب مي آيند، چراکه مهندسين بر اساس آن تصميم مي گيرند که چگونه الگوريتم و سيستم هايي جهت تشخيص هويت آماده کنند. بيشتر مسائل تشخيص چهره، به صورت تشخيص اشياء ۳ بعدي از تصاوير ۲ بعدي، فرمول بندي شده اند. به عنوان نمونه اين مطالعات، از ابتدا تا اواسط دهه ۱۹۷۰، نوعي از تکنيک هاي طبقه بندي الگوها، که ويژگي هاي مخصوص را در تصاوير كامل يا نيم رخ تصوير، بکار مي بردند، ارائه شدند. اين نوع طبقه بندي در [Bledsoe 1964 , Kanade 1973 , Kelly 1970]
(۴،۵،۶) مورد استفاده قرار گرفته بودند. طي دهه ۱۹۸۰، کار روي تشخيص چهره، تا مدتي مسکوت ماند.
بعد از آن از اوايل سال ۱۹۹۰ به چند دليل، تا حد زيادي پيشرفت نمود. يکي از اين دلايل، افزايش فرصت هاي تجاري در اين زمينه و ديگري بالا رفتن اهميت نظارت هاي ديداري بوسيله برنامه هاي کاربردي بود. بعد از چندين سال، محققين روي اين موضوع تمرکز کرده اند، که چگونه بوسيله حل مسائل و مشکلات موجود در تشخيص چهره، مي توانند سيستم هاي کاملاﹰ اتوماتيک ايجاد نمايند.
از جمله موارد موجود که در اين زمينه، مي 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)، مي باشند. اين موارد اشاره شده مي توانند روي پايگاه داده هاي بزرگ نيز، کارايي خوبي داشته باشند.
ماهيت گوناگون نيازها، شامل برخوردهاي گوناگون با مسئله تشخيص چهره مي باشد و به همين دليل امكان دارد، پروسه تشخيص چهره با تصاوير ثابت انجام پذيرد يا اينكه از يك دنباله تصاوير ويدئويي براي تشخيص چهره افراد مختلف استفاده شود. اما در مجموع، سيستم هاي درگير با تصاوير ثابت، داراي كارايي و اطمينان بالاتري مي باشند. در طي تحقيقات انجام شده، بسياري از روش ها، براي حل و بررسي اين دو مورد ارائه شده اند. در حال حاضر چندين سيستم براي تشخيص چهره در حالت تصوير ثابت وجود دارند. همچنين، بيشتر تحقيقات بر حالت بررسي مقادير ويدئويي، تمرکز دارند.
در سال ۱۹۹۵، مقاله [Chellappa et al. 1995](۱۱)، يک بررسي کامل روي تكنولوژي تشخيص چهره، ارائه کرد. در آن زمان تشخيص هويت، از روي تصاوير ويدئويي تازه در مراحل اوليه قرار داشت. در اين مدت پايگاه داده هاي جديدي ايجاد شده و ارزيابي ها با استفاده از اين Data Set ها انجام مي شوند. در حال حاضر مي توانيم بگوييم، که تشخيص چهره، يكي از کاربردهاي عملي، از Pattern Recognition شده است، که شامل آناليز تصاوير و فهم آنها شده است.
در دهه ۱۹۶۰، اولين سيستم نيمه اتوماتيکي 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. قبل از اينکه محاسبات مربوط به فاصله و نرخ تغييرات چهره به يک موقعيت قابل اطمينان برسند، اين كارهاي اوليه، براي مقايسه تصوير جاري، با تصاوير مرجع که در پايگاه داده مرجع، وجود داشتند، لازم بود. در دهه ۱۹۷۰، Harmon ،Goldstein و Lesk(۱۲) از ۲۱ خصوصيت مهم، از قبيل رنگ مو، ضخامت لب ها و ساير موارد، براي اتوماتيک کردن Recognition استفاده کردند. مشکلات مربوط به دو راه حل اخير اين بودند که اندازه گيري و محاسبه مکان تصاوير چهره به صورت دستي انجام مي شدند. در سال ۱۹۸۸، دو محقق به نام هاي Sirovich and Kirby(۱۳)، از Principal Component Analysis (PCA) که يک تکنيک جبري خطي مي باشد، براي رفع مشکلات مربوط به تشخيص چهره، استفاده کردند. اين روش تا حدي برگرفته شده از يک نشانه گذاري بود، که در آن کمتر از صد مقدار، براي کد كردن دقيق يک رديف مناسب و تصوير صورت نرمال شده، مورد نياز بود.
در سال ۱۹۹۱، Turk و Pentland(۷) با استفاده از تکنيک هاي تصاوير ويژه(Eigenfaces) امكان ايجاد يک سيستم سريع، براي تشخيص چهره، را به وجود آوردند. اگرچه اين روش تاحدي بوسيله پارامترها و عوامل محيطي تحت تأثير قرار گرفته است، با اين حال علاقه مندي خاصي نسبت به آن جهت توسعه سيستم هاي تشخيص چهره براي اتوماتيک کردن آنها، وجود داشت(۱۴).

فصل دوم : تشخيص چهره (Face Recognition)

تشخيص چهره يك پروسه مي باشد كه انسان در طول روز به صورت عادي و با دقت بسيار زياد، انجام مي دهد، بدون اينكه توجه اي به سنگين بودن آن داشته باشد. هم اكنون، سيستم هاي بسيار زيادي كه داراي قدرت زيادي بوده و با هزينه پاييني ايجاد شده اند، مي توانند در زمينه هاي مختلفي محاسبات مربوط به اعتبار سنجي، نظارت و رفتار متقابل با انسان را، در تصاوير ثابت و متحرك، انجام دهند. به دليل نيازهاي رو به افزايش، تحقيق و توسعه اينگونه سيستم ها، در زمينه كنترل هاي اتوماتيك و دقيق تر، امري طبيعي مي باشد.
تشخيص چهره، به عنوان يك تكنولوژي اصلي در شاخه تكنولوژي بيومتريك، روز به روز اهميت بيشتري پيدا مي كند، چرا كه در كاربرد دوربين هاي ديجيتالي، ابزارهاي اينترنت و تلفن همراه و ساير موارد از اين نوع، به شدت مورد نياز است. تكنولوژي تشخيص چهره، به علت اينكه به صورت بسيار آسان مي تواند مورد استفاده قرار بگيرد، از ساير تكنولوژي هاي بيومتريك سودمندتر است.
با توجه به شش مورد از مشخصات بيومتريكي كه توسط Hietmeyer(۱) تشريح شده است، ويژگي هاي مربوط به صورت، داراي بيشترين اهميت در سازگاري با سيستمMachine Readable Travel Documents(MRTD) (۲) مي باشند، كه بر پايه چندين پارامتر قابل ارزيابي، از قبيل ثبت نام، تكرار، نياز به ماشين و اتوماتيك شدن و درك عمومي بنيان نهاده شده اند. اين مقايسه در شكل ۲- ۱، نشان داده شده است.
آنچه كه از يك سيستم تشخيص چهره، انتظار مي رود اين است كه، به صورت اتوماتيك چهره هاي موجود در تصاوير ثابت يا تصاوير ويدئويي را شناسايي كند، كه اين كار مي تواند در دو مرحله زير اتفاق بيافتد:
الف: بازبيني و اعتبار سنجي يك چهره(Verification)، شامل يك مطابقت يك به يك، برايجستجوي تصاوير با الگوي از قبل تعيين شده مي باشد، كه چهره هاي مورد نياز جهت شناسايي را آمادهخواهد نمود. در واقع، در اين مرحله تصاوير ورودي با هر وضعيتي وارد سيستم مي شوند، كه اين تصاوير مي توانند تصاويري بدون حضور انسان باشند يا اينكه شخص يا اشخاصي در آن حضور داشته باشند، كه در اين صورت، سيستم بايد تمام تلاش خود را براي استخراج چهره هاي اين شخص يا اشخاص، با استفاده از الگوريتم هاي قوي و الگو هاي از قبل تعيين شده مي نمايد. اگر چه اين مرحله، اولين مرحله از يك پروسه تشخيص هويت مي باشد ولي مي توان آن را به عنوان يكي از مراحل اصلي در پروسه شناخت. چرا كه پيدا نكردن شخصي كه در تصوير حضور دارد، توانايي سيستم را در شناسايي افراد مورد نظر به شدت پايين خواهد آورد. بنابراين تقويت توانايي الگوريتم ها و روش هايي كه براي پيدا كردن چهره ها در ميان تصاوير ورودي، مورد استفاده قرار مي گيرند، در نهايت منجر به تقويت و بالا رفتن كارايي سيستم خواهد شد.
ب: شناسايي و تشخيص چهره(Identification)، كه شامل مطابقت يك به چند جهت مقايسه يك چهره داده شده، با همه الگوهاي تصوير موجود در پايگاه داده، براي مشخص كردن وضعيت شناسايي آن مي باشد. اين مرحله كه ادامه مرحله قبل و در واقع تكميل كننده آن مي باشد، شامل كار بر روي تصاوير چهره هاي پيدا شده مي باشد. ورودي اين مرحله، چهره هاي پيدا شده در قسمت Verification مي باشند و سيستم بر اساس الگو هاي از قبل تعيين شده، روي چهره هاي موجود در يك پايگاه داده، شامل افراد از قبل ثبت نام شده، جستجو مي نمايد و يك چهره را با معيارهايي كه براي سيستم قابل قبول مي باشد، تاييد يا رد مي نمايد. در اين مرحله نيز معيارهاي پذيرش يك تصوير، مي تواند نقش عمده اي در كارايي و سرعت سيستم داشته باشد.
تشخيص چهره، يك مسئله تصويري از تشخيص الگو(Pattern Recognition) مي باشد، كه در آن يك چهره به عنوان يك جسم ۳ بعدي در معرض تغييرات نور، تغيير موقعيت، تغيير قيافه قرار داشته و بايد به عنوان يك تصوير ۲ بعدي شناسايي شود. يك سيستم تشخيص چهره، همانند شكل ۲-۲، شامل چهار قسمت، كشف چهره(Face Detection)، ترازبندي چهره(Alignment)، استخراج ويژگي هاي چهره(Feature Extraction) و مطابقت دهنده(Matcher)، مي باشد، كه كشف چهره و ترازبندي آن قبل از شروع پروسه تشخيص انجام مي شوند.

فصل سوم : چهارچوب سيستم هاي تشخيص چهره

در بسياري از حالات يک سيستم Face Recognition مي تواند به قسمت هاي کاركردي زير تقسيم شود:
يک کشف کننده چهره، که در يک تصوير عادي مکان چهره هاي افراد را که بر روي يک پشت زمينه ساده يا شلوغ قرار دارند، پيدا مي کند و يک تشخيص دهنده چهره که مشخص مي کند، اين شخص کيست.
كشف كننده چهره (Face Detector) و تشخيص دهنده چهره (Face Recognizer) از يک چهارچوب مشابه و يکسان پيروي مي کنند. هر دوي آنها، شامل يک قسمت براي استخراج ويژگي ها(Feature Extractor)، که پيكسل هاي يک تصوير چهره، را به صورت بردارهاي قابل فهم، تبديل مي کنند و يک مطابقت دهنده الگو(Pattern Matcher)، که بهترين تصوير صورت موجود در پايگاه داده اوليه را که مطابق تصوير داده شده، مي باشد، جستجو مي کند، مي باشند، با اين تفاوت كه در سناريوي كشف كننده چهره، يك پيداكننده تصاوير چهره، تصاوير ورودي را در دو گروه شامل، تصاوير چهره و تصاوير غير چهره، طبقه بندي مي کند و در سناريوي تشخيص چهره، تشخيص دهنده، بردارهايي با ويژگي هاي متفاوت را طبقه بندي مي کند، اين طبقه بندي بر اساس اشخاصي است که هم اکنون در پايگاه داده وجود دارند.
شکل ۳-۱، نشان دهنده يک سيستم تشخيص چهره مي باشد، كه در آنEye Localizer به دليل وجود انواع تغييرات در عکس اضافه شده است.

۱: يك الگوي اصلي براي سيستم تشخيص چهره

۱: يك الگوي اصلي براي سيستم تشخيص چهره

۳-۱ تشخيص چهره از تصاوير ثابت …………………………………………………………………… …………….١٧
۳-۲ كشف چهره و استخراج ويژگي ها ……………………………………………………………… ……………١٧
۳-۴ استخراج ويژگي هاي صورت ……………………………………………………………………… ………….١٩
۳-۵ تشخيص چهره از روي تعداد تصاوير زياد ………………………………………………….. …………………٢٠

فصل چهارم : روش ها و الگوريتم هاي تشخيص چهره.

همانطور كه در مقدمه مطالب نيز به آن اشاره شد، در حال حاضر، روش هاي متفاوتي ابر ي سازماندهي و طبقه بندي روش هاي تشخيص چهره، وجود دارد و الگوريتم هاي درگير با چهره و محيط آن(همانند سيستم هاي کنترل نشده)، از الگوريتم هاي درگير با سيستم هاي کنترل شده (همانند چراغ راهنما)، متفاوت مي باشند. همچنين سيستم هايي که بايد تشخيص چهره را در ميان تصاوير ثابت انجام دهند، از سيستم هايي که از تصاوير ويدئويي استفاده مي کنند، متمايز مي شوند. در صورتيکه در بررسي هايمان بتوانيم اين نوع تفاوت ها را ناديده بگيريم، يک گروه بندي براساس سه حالت Frontal و Profile و View-Tolerant ارائه مي شود. اين وضعيت زماني در کنفرانس هاي مربوط به تشخيص چهره، در دوره هاي مختلفي، بازتاب داده شدند(۱).
۴ -۱) تشخيص چهره با استفاده از تصاوير روبرو(Frontal Recognition)
الگوريتم Frontal Recognition، شامل روش هايي مي شود، كه ابتدا مراحل يافتن تصاوير چهره در ميان همه تصاوير ورودي ۲ بعدي و استخراج ويژگي هاي صورت در بازه مشخص سر، را انجام مي دهند و سپس تصاوير و ويژگي هاي استخراج شده را با تصاوير و ويژگي هاي ثبت شده در پايگاه داده، مقايسه خواهند كرد. در اين گونه جستجوهاي صورت، مراحل اوليه پردازش ها، معمولا به صورت بيولوژيکي انجام مي شوند و اهدف از قبل تعيين شده، همانند کاهش داده ها، حذف افزونگي ها و افزايش سرعت جستجوي پارامترها را برآورده مي کنند. اين قبيل پردازش ها مي توانند به صورت پيدا كردن ليستي از تصاوير موجود كه مطابق با مشخصات داده شده (از قبيل خطوط، دايره يا اجزاي گوشه ها) مي باشند، انجام شوند، يا اينكه مرحله فيلتر داده ها و تصاوير را انجام داده و آنهايي که مطابق با شرايط داده شده است، را علامت گذاري مي کنند.
در اولين مرحله، چندين کشف کننده چشم ها، مکان هاي ممکن دو چشم را پيدا مي کنند، که اين مكان ها در مرحله دوم، تحت تأثير يک پردازش پيدا کننده تمام صورت، براي پيداکردن مکان صورت و برآورد شکل آن، قرار مي گيرند و به اين ترتيب، امکان يک نرمال سازي مؤثر ايجاد مي شود. در ادامه، اين نرمال سازي ها، براي چشم، هر دو گوش، بيني و دهان نيز انجام مي شوند و نتايج حاصل از فيلتر، ابر ي كدگذاري كردن هر تصوير منحصر به فرد، مورد استفاده قرار مي گيرند.
در حالت Frontal، همكاري كاربر يك امر عادي بوده و دو نوع اطلاعات مي تواند استخراج شود، از يك طرف هر ويژگي صورت(از قبيل بيني، چشم، گوش، موي سر و چانه) مي تواند به طور مستقل آناليز گردد، كه اين آناليز كردن، مي تواند مقايسه تصوير جاري با تصاوير موجود در پايگاه داده(كه از يك معيار خاص همانند طول، ناحيه، شكل يا رنگ مو، استفاده مي كند) باشد. از طرف ديگر، وضعيت فضايي متفاوت ويژگي هاي صورت مي تواند، ما را به يك شخص ديگر راهنمايي نمايد. به همين دليل، پيگيري وكار بر روي مسئله Frontal Face Recognition كاملا منطقي به نظر مي رسد.

۴-۱ تشخيص چهره با استفاده از تصاوير روبرو ………………………………………………… ………………٢٤
۴-۲ تشخيص چهره با استفاده از تصاوير نيمرخ ………………………………………………. ……………….٢٥
۴-۳ تشخيص چهره با ديدگاه آزاد ……………………………………………………………………………….. ۲۶
۴-۴ بررسي يك تصوير از صورت ………………………………………………………………………. ………..۲۷
۴-۵ الگوريتم هاي اصلي مربوط به تشخيص چهره …………………………………………………………… ٢٧
۴-۶ جايگاه الگوريتم هاي يادگيري در تشخيص چهره ……………………………………. …………………٣٥

فصل پنجم : مشكلات و موانع سيستم هاي تشخيص چهره.

۵-۱ مشكلات عمومي ……………………………………………………………………………………….. …..۴۲
۵-۲ مشكلات انساني مربوط به نظارت هاي مبتني بر تشخيص چهره ……………. ……………………….۴۴
۵-۳ مشكلات تكنيكي مربوط به نظارت هاي مبتني بر تشخيص چهره ……………………………………… ۴۵

فصل ششم: نتيجه گيري و پيشنهادات..

منابع و ماخذ…………………………………………………………………………………………………………….52
فهرست منابع لاتين ………………………………………………………………………………………………….. ٥٢
سايت هاي اطلاع رساني …………………………………………………………………………………………….57
چكيده انگليسي ……………………………………………………………………………………………………….58

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

فهرست جدول ها

الف : تعدادي از برنامه هاي مربوط به Face Recognition …………………………………………………………. ٤
ب : چندين پروژه كاربردي ………………………………………………………………………………………………. ٤
۳-۱ : گروه بندي تكنيك هاي تشخيص چهره در تصاوير ثابت ……………………………………………………… ٢١

فهرست شكل ها

الف: نمايي از يك سيستم Face Recognition …ا……………………………………………………………………۵
۲-۱: مقايسه اهميت روش هاي بيومتريك …………………………………………………………….. …………..۱۱
۲-۲: نمايش يك سيستم تشخيص چهره ………………………………………………………………. …………۱۳
۳-۱: يك الگوي اصلي براي سيستم تشخيص چهره …………………………………………………………….. ۱۶
۴-۱: گروه بندي روش هاي مختلف تشخيص چهره ………………………………………………. ……………..۲۸
۴-۲: طبقه بندي روش هاي تشخيص چهره بر اساس اساس سه وضعيت و … ……………………………… ۲۹
۴-۳ : محورهاي جديد با توجه به بردارهاي ويژه در جهت پرتراكم ترين نقاط …….. ……………………………۳۰
۴-۵: سيستم ارائه شده با تركيب LDA و Gabor-Wavelet …………………………… ا……………………….۳۵
۴-۶: روش هاي PCA و LDA براي تشخيص چهره ……………………………………………. …………………۳۶
۴-۷: معماري FFNN براي طبقه بندي ……………………………………………………………….. ……………۳۷
۴-۸: فازهاي آموزشي در دو شبكه عصبي LDA-NN و PCA-NN ………ا…………………………………….. ۳۷
۴-۹: الگوريتم مربوط به كشف چهره در ميان تصاوير …………………………………………….. …………….۳۸
۴-۱۱: روش هاي RGB, YES براي كشف چهره ………………………………………………………………… ۴۰
۵-۱: پيدا كردن فقط چند چهره در يك تصوير شلوغ …………………………………………………………….. ۴۲
۵-۲: يك تشخيص دهنده چهره، كه فقط تصاوير Frontal را پيدا مي كند …………………………………….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