شناسايي چهره با استفاده از ويژگي هاي بافتي

كارشناسي ارشد مجازي

شناسايي چهره، يك موضوع اساسي در بينايي ماشين و شناخت الگو و يكي از موفقترين راه حل هاي بيومتريك است كه اخيراً موردتوجه بسياري از پژوهشگران و مراكز علمي قرارگرفته است. همچنين در ميان الگوريتمهاي استخراج ويژگي، توصيفگرهاي بافت عملكرد خوبي در شناسايي تصوير دارند، ازاين‌رو در اين پايان‌نامه دو توصيفگر بافت براي شناسايي چهره پيشنهادشده‌اند. توصيفگرهاي مبتني بر الگوي باينري محلي (LBP) كارايي خوبي در شناسايي تصوير دارند. نسخه هاي بهبوديافته LBP، مانند الگوي باينري محلي متقارن-مركز (CS-LBP) و الگوي سه گانه محلي (LTP) نيز در شناسايي تصوير به‌كاربرده مي‌شوند كه انتخاب حد آستانه‌اي مناسب در آنها براي مقابله با نويز كاري دشوار است. بدين منظور، توصيفگرهاي تطبيقي الهام گرفته از قانون وبر پيشنهاد شده‌اند كه حد آستانه‌ها به‌صورت خودكار انتخاب مي‌شوند و در مقابل نويز مقاوم‏ترند. روش پيشنهادي اول نيز بر اساس قانون وبر، از حد آستانه گذاري خودكار و الگوريتم الگوي سه گانه محلي متقارن-عمود (OS-LTP) استفاده مي كند و الگوي سه گانه محلي تطبيقي متقارن-عمود (OS-ALTP) نام‌گرفته است. در سير تحول توصيفگرهاي بافت روشهاي زيادي ارائه‌شده‌اند. توصيفگر قدرتمند الگوهاي اندازه هاي لبه جهت دار POEM توانايي خوبي در شناسايي چهره دارد. نسخه بهبوديافته POEM كه الگوهاي جهت هاي غالب ناميده مي‌شود، رابطه بين جهت هاي غالب را در يك ناحيه محلي بررسي مي كند. ازآنجايي‌كه POEM و PDO مكمل هاي خوبي براي يكديگرند، روش پيشنهادي دوم با تركيب بهبوديافته اين دو با نام الگوهاي جهت ها و اندازه ها (POM) ارائه‌شده است. براي روش پيشنهادي اول، نتايج ارزيابي پايگاه داده ORL نويزي شده، برتري روش پيشنهادي را با ميانگين نرخ شناسايي 5.64 درصد نسبت نسبت به بهترين توصيفگر تطبيقي با تعداد تصاوير گالري مختلف نشان مي‌دهد، همچنين نتايج ارزيابي پايگاه داده FERET نيز كه شامل تصاوير باكيفيت است، توانايي الگوريتم پيشنهادي را در رقابت با ساير الگوريتمهاي نامبرده نشان مي‌دهد. براي روش پيشنهادي دوم، نتايج ارزيابي پايگاه داده ORL با 4.45 درصد براي تك تصوير گالري، پايگاه داده FERET با 2.14 درصد براي تك تصوير گالري و 0.87 درصد با بيشترين تصاوير گالري ممكن و پايگاه داده LFW كه يكي از چالش‌برانگيزترين پايگاههاي داده شناسايي چهره است با 2.69 درصد، برتري نرخ شناسايي روش پيشنهادي را نسبت به نرخ شناسايي بهترين توصيفگر بافت نشان مي‌دهد.

190400

دانشگاه علم و صنعت ايران

سيستم هاي الكترونيك ديجيتال

دكتر احمد آيت اللهي