روش‌های دریافت چهره در تشخیص چهره

روش‌های دریافت چهره در تشخیص چهره

با توجه به این که تمامی مراحل روند تشخیص چهره بر پایه‌ی چهره‌ی دریافت شده پایه‌گذاری می‌شوند . عملیات دریافت چهره یک عنصر بسیار مهم در هر سیستم تشخیص چهره به حساب می‌آید.

دریافت چهره را می‌توان ‌از جنبه های مختلف تقسیم‌بندی کرد:

  • با هدف تشخیص چهره دو بعدی و یا سه بعدی انجام شود . همچنین حسگر ورودی می‌تواند به صورت دوربین معمولی باشد . یا اطلاعات سه ‌بعدی چهره را دریافت کند.
  • به صورت تک عکس و یا یک دنباله از عکس‌ها یا فیلم انجام شود . مبنای تشخیص چهره قرار گیرد.

دریافت چهره با هدف تعیین چهره به صورت:

  1. دو بعدی
  2. سه بعدی

دریافت چهره به روش دو بعدی

بسیاری از سیستم‌های بایومتریک با یک عکس دو بعدی از نمای روبه‌رو عملیات تشخیص چهره را انجام می‌دهند. با وجود پیشرفت‌های بسیاری که در این زمینه در سال‌های اخیر انجام شده است. همچنان تشخیص چهره تنها با استفاده از طیف مرئی با مشکلاتی همراه است. دلیل این است تغییرات تصاویر یک چهره ثابت در شرایط نوری مختلف از زوایای مختلف بسیار زیاد است. عوامل دیگر مانند حالت‌های احساسی چهره و تغییرات ژست صورت نیز پیچیدگی‌های بیشتری را اضافه می‌کنند.

دیگر چالش الگوریتم‌های تشخیص چهره

در تشخیص هویت افرادی است که بخشی از صورت آن‌ها پوشیده شده. مدل مو و ریش در آن‌ها به صورت اساسی تغییر کرده  یا آرایش کرده‌اند. همچنین تشخیص هویت افرادی که چهره‌ی خود را جراحی پلاستیک کرده‌اند ، تقریبا غیرممکن است. تشخیص چهره می‌تواند بر اساس تصاویر عادی انجام شود. در کاربرد تشخیص چهره استفاده از تصاویر در شرایط عکس‌برداری مختلف دیگر نیز وجود دارد.

 امواج الکترومغناطیسی با طول موج کمتر از نور مرئی

امواج الکترومغناطیسی با طول موج کمتر از نور مرئی برای بدن انسان ضرر دارند. بنابراین برای تشخیص چهره نمی‌توانند به کار روند.اما امواج الکترومغناطیسی با طول موج بیشتر از نور مرئی، به طور خاص حسگرهای فروسرخ برای این منظور بسیار مورد استفاده قرار گرفته است . حسگرهای نور مرئی امواج با طول موج 0.4 تا 0.7 میکرومتر را دریافت می‌کنند. حسگرهای نور فروسرخ نسبت به تابش حرارتی در طول موج 0.7 نا 14 میکرومتر حساس هستند. این بازه طول موج خود شامل طیف «فروسرخ بازتاب شده» و «فروسرخ حرارتی» می‌باشد.هر ماده‌ای با توجه به دما و جنسش، طیف حرارتی منتشر می‌کند.

تابش حرارتی بدن انسان اکثرا در طول موج مربوط به فروسرخ طول موج بلند (LWIR) . مقداری نیز در طول موج مربوط به فروسرخ طول موج متوسط (MWIR) قرار می‌گیرد. طول موج این دو بخش به ترتیب 3.0 تا 5.0 میکرومتر و 8.0 تا 14.0 میکرومتر است. با دریافت طول موج‌های منتشر شده در این بازه‌ها. می‌توان یک تصویری حرارتی از محیط با دمای اتاق به دست آورد. در عمل تشخیص چهره نیز تصاویر حرارتی مورد استفاده قرار می‌گیرند.

مقایسه‌ی تصویر نور مرئی با تصویر حرارتی مقایسه‌ی تصویر نور مرئی با تصویر حرارتی

 مقایسه‌ی تصویر نور مرئی با تصویر حرارتی در شرایط نوری و با حالت‌های احساسی مختلف

با فدا کردن رنگ‌های مرئی می‌توان تشخیص چهره را تنها بر اساس تصاویر حرارتی انجام داد. استفاده از این تصاویر در شرایطی که کنترلی بر شرایط نوری وجود ندارد بسیار مناسب است. چون در محیط کاملا تاریک نیز می‌توان از آن استفاده کرد.

امواج الکترومغناطیس در بازه طیف حرارتی امواج بازتاب شده‌ی بسیار کمی را شامل می‌شوند .

ینابراین امواج ساطع شده از پوست . مستقل از شرایط نوری، نمایش دهنده‌ی ویژگی‌های درونی چهره‌ی فرد خواهند بود.

اما تصاویر حرارتی نیز در موقعیت‌هایی دارای محدودیت‌هایی هستند. به عنوان مثال برای شناسایی شخصی که عینک به چشم دارد . یا در وسیله نقلیه متحرک قرار دارد. شیشه درصد اندکی از انرژی گرمایی را عبور می‌دهد . این موضوع باعث می‌شود که در تصاویر افرادی که عینک به چشم دارند. اطلاعات ما از ناحیه‌ی اطراف چهره کم باشد. همچنین تغییر دمای بدن نیز تغییراتی در تصویر حرارتی ایجاد می‌کند.

مشکل تصویر حرارتی در هنگام استفاده از عینک

مشکل تصویر حرارتی در هنگام استفاده از عینک

نمونه‌ی تصاویر پایگاه داده‌ی FERET 

نمونه‌ی تصاویر پایگاه داده‌ی FERET

روش‌های تشخیص هویت، برای کارکرد صحیح نیاز دارند که عکس ورودی آن‌ها یک وضوح حداقلی را دارا باشد. در صورت پایین بودن وضوح تصاویر، سیستم حداقل با دو مشکل «هم‌ترازی نادرست» و «کمبود ویژگی‌های تاثیرگذار» مواجه می‌شود.در الگوریتم‌های تشخیص چهره وضوح مشخصی برای تصاویر ورودی تعیین نشده است.

به عنوان مثال:

روش معروف Eigen Face با تصاویر ورودی با ابعاد ۵۱۲ پیکسل کار می‌کند.

همچنین پایگاه داده‌ی FERET که در این حوزه کاربرد بسیاری دارد. دارای تصاویری با ابعاد ۶۴۰ در ۴۸۰ یا ۴۹۰ پیکسل است.

روش های تشخیص چهره سه بعدی

در اختیار داشتن مدل سه‌بعدی چهره و تشخیص هویت بر اساس آن موجب می‌شود . نسبت به تغییرات نور و زاویه در مقایسه با روش دو‌بعدی پایداری بیشتری داشته باشیم.

بنابراین مدل‌های سه‌بعدی پتانسیل این را دارند . که به کمک آن‌ها تشخیص هویت با دقت بیشتری انجام شود.

روش‌های دریافت سه‌بعدی چهره دارای مشکلاتی نیز هستند ؛

  1. ساخت یک مش از چهره می‌تواند از نظر محاسباتی سنگین باشد . یا ممکن است به پاسخ بهینه همگرا نشود.
  2. مدل‌های سه‌بعدی به طور کامل نسبت به تغییرات نور مقاوم نیستند.
  3. این روش‌ها می‌توانند به وسیله‌ی منابع نور شدید و یا سطوح بازتاب کننده‌ی نور تحت تاثیر قرار بگیرد.

دو روش کلی برای تولید یک مدل سه‌بعدی چهره انسان وجود دارد:

  1. حسگر سه‌بعدی
  2. مدل Morph able

2. مدل Morph able

روش دیگری که برای ساخت مدل سه‌بعدی چهره به کار می‌رود .استفاده از مدل Morph able است. ایده‌ی این روش این است که با تعریف تعداد زیادی پارامتر . در چهره، مدل هر چهره‌ی دلخواه می‌توانند با تنظیم درست پارامترها توسط یک مدل سازنده‌ی چهره تولید شود. این روش نسبت به تغییرات اندازه، زاویه و چرخش مقاومت بیشتری دارد. اما از طرفی هزینه‌ی محاسباتی بالا و وابستگی مدل به تعداد و کیفیت پارامتر‌ها نیز از معایب مدل Morph able به حساب می‌آید.

ساخت مدل سه‌بعدی به وسیله‌ی یک تصویر

از چهره با وسیله‌ی مدل ساخته شده می‌توان زوایای جدید از چهره را نیز تولید کرد . این تصاویر در کنار تصاویر واقعی از همان زاویه در ردیف پایین ملاحظه می‌شود.

1.حسگر سه‌بعدی:

در این روش یک حسگر سه‌بعدی به کمک تصاویر عمقی مختصات تقریبی مجموعه‌ای از نقاط چهره را در اختیارمان قرار می‌دهد.

برای ساخت مدل سه‌بعدی چهره مراحل زیر طی می‌شود:

  • داده‌ها، عمق تصویر به سیستم مختصات دوربین برده می‌شوند . به طوری که عمق تصویر (محور Z) در راستای محور کانونی دوربین قرار بگیرد.
  • داده‌های عمقی که از زوایای مختلف چهره جمع‌آوری شده‌اند با یکدیگر ترکیب می‌شوند.
  • مختصات سه‌بعدی به دست آمده از نقاط بهینه‌سازی می‌شوند . تا به بهترین دقت خود برسند. در نهایت بر اساس ابر نقاط به دست آمده یک مش چند ضلعی از چهره‌ی فرد ایجاد می‌شود.

سه راه کلی برای دریافت تصاویر سه بعدی

  • دوربین استریو:

در این روش تعداد حداقل دو دوربین کالیبره شده از چهره به طور همزمان تصویربرداری می‌کنند. برای دست‌یابی به بازیابی دقیق دوربین‌ها باید با دقتی بالا کالیبره شده باشند. به وسیله‌ی این سیستم و یک مدل هندسی می‌توان مختصات فضایی هر نقطه مشترک در تصاویر را به طور دقیق محاسبه کرد.

  • تابش نور ساختار یافته:

این روش با تصویربرداری از الگوهای نور ساختار یافته که بر روی چهره تابانده می‌شود. کار می‌کند. اعوجاج ایجاد شده از الگوی تابیده شده بر روی صورت امکان استخراج اطلاعات عمیق را دارد. این روش بسیار ارزان قیمت بوده . به ما این امکان را می‌دهد تا با استفاده از تنها یک دوربین مدل سه‌بعدی چهره را استخراج کنیم.  استخراج اطلاعات در این روش سریع بوده یعنی برای دریافت اطلاعات بافت ظاهری نیز کافیست تصویری دیگر تحت نور عادی گرفته شود. توجه کنید که مدلی از چهره که به این طریق دریافت می‌شود. تنها از یک نقطه دریافت شده و کاملا سه‌بعدی نیست. اصطلاحاً به آن تصویر دو و نیم بعدی (2.5D) گفته می‌شود.

  • حسگرهای لیزری:

این روش‌ها نسبت به سایر روش‌ها بسیار دقیق‌تر هستند در عوض کندتر و پر هزینه‌تر نیز هستند.  به عنوان مثال پایگاه داده‌ی FRGC به کمک حسگر Minolta VIVID 910 دریافت شده است. این دستگاه که حاوی حسگری لیزری نیز می‌باشد پژوهش نیز خلاصه‌ای از تعدادی حسگر صنعتی، دقت و ویژگی‌های آن‌ها آورده شده است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *