سمینار مهندسی کامپیوتر تشخیص چهره

مشاوره در انجام پایان نامه و پروپوزال ارشد و دکتری، انجام پایان نامه ارشد و دکتری ادیب مشاور، انجام پایان نامه، انجام پایان نامه ارشد، انجام پایان نامه کارشناسی ارشد، انجام رساله دکتری، انجام پایان نامه دکتری

چکيده

تشخیص چهره افراد یکی از هزاران عمل پیچیده ای است که مغز انسان قادر به انجام آن می‌باشد. ما چهره تعداد قابل توجهی از افراد را حتی پس از گذشت سالیان طولانی و تغییرات عمده در آن ها به خوبی به خاطر می آوریم. اینکه این فرآیند چگونه در مغز صورت می پذیرد یکی از سؤال های مهم پژوهشگران علوم شناختی است. امّا پیاده سازی ماشینی عملی که چنین بدون زحمت توسط مغز اجرا می شود به هیچ عنوان کار ساده ای نیست، هم به این دلیل که چهره ها دارای جزئیات فراوانی هستند و هم به این دلیل که ساز و کار بینایی پیچیده است.

به این ترتیب هدف الگوریتم های کامپیوتری تشخیص چهره آن است که بتوانند با در اختیار داشتن پایگاه داده ای از چهره‌ی افراد مختلف، تصویر چهره ی داده شده را به یکی از اعضای پایگاه داده منسوب کنند. این الگوریتم ها باید به گونه ای باشند که عمل تشخیص در آن ها با وجود تغییرات فراوان در چهره، مثل عوض شدن آرایش (مانند داشتن یا نداشت ریش و سبیل و غیره) یا حالات چهره (مانند خندان و گریان بودن و غیره) و یا تغییر در نورپردازی چهره، آن را تشخیص بدهند.

کاربردهای فراوانی برای تشخیص چهره کامپیوتری وجود دارد. به خصوص در مسائل امنیتی، مانند کنترل دسترسی افراد به یک سیستم امن و یا در تشخیص مجرمان از طریق دوربین های مداربسته و همچنین کنترل کارت های اعتباری از این الگوریتم ها به طور گسترده استفاده می‌شود.

هدف این پژوهش مرور الگوریتم های ارائه شده در زمینه تشخیص چهره است. معمولاً هدف این الگوریتم ها معرفی مدل هایی برای چهره انسان بر اساس یک سری ویژگی است که تا حد ممکن به طور منحصر به فردی چهره افراد را مشخص کنند. اغلب این الگوریتم ها در عمل با موفقیت به کار رفته اند و پژوهش های بیشتر برای پیشرفت و توسعه آن ها از نظر سرعت و مقاومت در برابر تغییرات در حال انجام است.

 

واژه‌هاي كليدي: تشخیص چهره، ویژگی های چهره، مقاومت در برابر تغییرات

 

 مقدمه

در این فصل به بیان مسأله تشخیص چهره[1] می پردازیم و مفاهیم کلی مربوط به آن را مطرح می کنیم. همچنین معیارهای مورد نظر در عملکرد الگوریتم های تشخیص چهره را معرفی می نماییم.

اکنون حدود پنجاه سال از معرفی و به کار بردن سیستم های تشخیص چهره می گذرد. این موضوع یکی از جذاب ترین و در عین حال موفق ترین موضوعات در تشخیص الگو[2] و بینایی کامپیوتری است. دلیل این امر آن است که تشخیص چهره در زمینه های بسیاری مانند امنیت اطلاعات، کنترل دسترسی، تشخیص جرم، کارت های هوشمند و سیستم های نظارتی کاربرد گسترده ای دارد. تشخیص چهره تحت حوزه کلی تر روش های مبتنی بر بیومتری[3] قابل دسته بندی است. در این روش ها به جای استفاده از رمزها و کلیدها و کارت ها از ویژگی های فیزیولوژیکی بدن افراد مانند اثر انگشت یا چهره برای دستیابی به یک سیستم امن استفاده می شود. این روش ها نسبت به روش های دیگر از امنیت بالاتری برخوردارند چرا که برخلاف رمزها و قفل ها بازیابی یا بازتولید آن ها توسط هکرها امکان پذیر نیست.

برای ایجاد یک سیستم تشخیص چهره مناسب و کاربردی می بایست چند معیار مد نظر قرار گیرند: اول آنکه سرعت تشخیص چهره سیستم باید قابل قبول باشد. در بسیاری از کاربردها عمل تشخیص می بایست طی چند ثانیه انجام شده و نتیجه اعلام گردد. در غیر این صورت استفاده از الگوریتم زیر سؤال خواهد رفت. دو آنکه دقت الگوریتم باید بالا باشد. واضح است که الگوریتمی با خطای بالا قابلیت پیاده سازی عملی ندارد. سوم آنکه سیستم مورد نظر باید قابلیت توسعه یافتن و به روز شدن را داشته باشد. اغلب می خواهیم با گذشت زمان افراد جدیدی را وارد سیستم تشخیص چهره کنیم، پس باید بتوانیم تصاویر چهره آن ها را در پایگاه داده ذخیره کرده و الگوریتم را جهت در نظر گرفتن آن ها به روز کنیم [1].

می توان هدف روش های تشخیص چهره را به طور کلی به این صورت عنوان کرد: می خواهیم با داشتن تصاویر ثابت یا متحرک (ویدئو) از یک صحنه خاص و نیز در اختیار داشتن یک پایگاه داده از تصاویر چهره، یک یا چند شخص را در صحنه شناسایی کنیم. معمولاً این کار ابتدا با یافتن محل چهره ها (ردیابی چهره[4]) از تصویر صحنه، استخراج ویژگی[5] از نواحی مربوط به چهره و سپس تشخیص چهره انجام می شود [2].

در مورد تشخیص چهره می توان دو کاربرد را که با هم تفاوت ظریفی دارند از یکدیگر تمیز داد. در برخی سیستم ها می خواهیم بدانیم تصویر چهره ورودی کدام یک از متعلق به کدامیک از چهره های موجود در پایگاه داده است. اما در برخی کاربردها تنها می خواهیم بدانیم تصویر چهره ورودی با یک تصویر چهره مشخص مطابقت دارد یا خیر. معمولاً پیچیدگی کاربرد دوم از کاربرد اول بیشتر است.

یکی از ضروریات هر سیستم تشخیص چهره، استخراج مجموعه ای از ویژگی های مناسب چهره است. ویژگی ها توصیف کاملی از تصویر ارائه می کنند و به الگوریتم این امکان را می دهند که با مقایسه ویژگی های تصویر چهره ورودی با تصاویر چهره موجود در پایگاه داده، بتواند تصویری که بیشترین مطابقت با ورودی را دارد کشف کند. ویژگی ها به صورت مقادیر عددی در یک بردار مانند بردار زیر ذخیره می شوند:

⌈F=⌈f1f2...fn

می توان به این بردار به صورت نقطه ای در فضای -بعدی نگاه کرد. مقادیر این بردار که بردار ویژگی[1] نام دارد به طریقی از تصویر ورودی (و همچنین تصاویر موجود در پایگاه داده) استخراج می شوند. بردار ویژگی باید مجموعه تا حد ممکن از ویژگی های مهم تصویر چهره را در بر داشته باشد. این مورد باعث می شود دقت الگوریتم در تشخیص چهره بالا رود. به علاوه ابعاد بردار ویژگی باید حتی الامکان کوچک باشد، چرا که ابعاد بالای این بردار عمل جست و جو را کُند می کند. مثلاً اگر بردار ویژگی تنها شامل یک، دو و یا سه ویژگی باشد می توان مرحله جست و جو را توسط یک جدول جست و جو پیاده سازی کرد، در حالی که با افزایش طول بردار ویژگی این کار غیرممکن می شود.

پس از استخراج بردار ویژگی تصویر چهره ورودی باید روشی داشته باشیم که این بردار را با بردار ویژگی متناظری، که از همه به آن "نزدیک تر" است مطابقت بدهد. در واقع الگوریتم باید به طور خودکار تصمیم بگیرد که شبیه ترین تصویر به تصویر ورودی کدام تصویر است و نتیجه را در خروجی اعلام کند.

 

فصل 1: استخراج ویژگی‌ها و تشخیص چهره

1-1- مقدمه

در این فصل به بررسی روش های استخراج ویژگی و تشخیص چهره بر اساس آن ها می پردازیم. هدف از استخراج ویژگی های چهره آن است که اطلاعات چهره را به نحو مؤثری بر اساس یک سری ویژگی ها توصیف کنیم. با این کار می توانیم ویژگی های تصویر چهره ورودی را با ویژگی های تصاویر چهره موجود در پایگاه داده مقایسه کرده و در مورد آن تصمیم گیری نماییم.

 

به طور کلی سه نوع روش استخراج ویژگی وجود دارد [2]:

  1. روش های عمومی مبتنی بر لبه ها، خطوط و انحناهای چهره.
  2. روش های مبتنی بر الگو[1] که برای یافتن ویژگی های صورت مانند چشم ها به کار می روند.
  3. روش های انطباق ساختاری[2] که محدودیت های هندسی ویژگی های صورت را مد نظر قرار می دهند.

 

با وجود ارائه دسته بندی بالا، باید گفت نمی توان دسته بندی دقیقی از روش های استخراج ویژگی ها ارائه داد چرا که هر روش تشخیص چهره، روش استخراج ویژگی مخصوص به خودش را دارد. اما می توان کلیاتی در مورد استخراج ویژگی ها بیان نمود. روش های اولیه تشخیص چهره روی ویژگی های منفرد چهره متمرکز می شدند. برای مثال در مقاله [3] با استفاده از تشخیص چشم ها در تصویر چهره عمل تشخیص چهره پیاده سازی شده است. مثالی دیگر در این زمینه مقاله [4] است که از رویکرد مبتنی بر الگو برای تشخیص چهره و دهان استفاده می کند. در این روش یک الگوی از پیش تعیین شده با پارامترهای مشخص در نظر گرفته می شود و با تصویر چهره ورودی مطابقت داده می شود. دو الگو برای مطابقت چشم ها و دهان مورد استفاده قرار می گیرند و سپس یک تابع انرژی در نظر گرفته می شود که بعضی مشخصات مانند لبه ها و فراز و فرودهای چهره را به همین مشخصات در الگوی از پیش تعیین شده مربوط می سازد. این تابع انرژی به صورت تکراری و با تغییر پارامترهای الگو کمینه می گردد تا بهترین الگو برای تصویر ورودی به دست آید. مشکل چنین روش هایی آن است که وقتی ظاهر چهره تا حد زیادی تغییر می کند، مثلاً چشم ها بسته می شوند و یا از عینک استفاده می شود، دیگر عملکرد مطلوبی ندارند. به همین خاطر روش های بعدی از انطباق ساختاری برای تشخیص چهره استفاده می کنند. مثلاً مدل شکل فعال[3] [4] به این صورت عمل می کند که بر روی قالب چهره تعدادی نقطه در نظر می گیرد و به مجموعه نقاط هر چهره چندین پارامتر، مانند میانگین هندسی نقاط و غیره را نسبت می دهد. سپس با انجام تمرین[4] بر روی تصاویر موجود در پایگاه داده، پارامترهای مختص هر تصویر چهره را استخراج می کند و برای تشخیص چهره ورودی از آن ها استفاده می نماید. این روش های آماری در مقایسه با روش های پیشین از نظر مقاومت در برابر تغییرات حالت چهره و شدت رنگ و نورپردازی تصویر بهتر عمل می کنند. مسأله دشوار دیگری که ممکن است به وجود بیاید آن است که به خاطر تغییر وضعیت[5] چهره بسیاری از ویژگی های ساختاری قابل مشاهده نباشند. مثلاً اگر سر نسبت به وضعیت روبه رو 30 درجه بچرخد دیگر بعضی از نقاط صورت قابل مشاهده نیستند. روش هایی برای حل این مشکل پیشنهاد شده است. مثلاً در [5] روشی آماری ارائه شده که می تواند با تمرین دادن بر روی چند تصویر دوبعدی از وضعیت های مختلف چهره، هر وضعیت دیگری از آن را پیش بینی کند. این کار با ادغام مدل های دوبعدی چهره با یکدیگر و استخراج ویژگی های وضعیت دلخواه صورت می پذیرد.

1-1- روش های استخراج ویژگی و تشخیص چهره

به دلیل جذّابیت و کاربرد فراوان تشخیص چهره در دنیای امروزی، روش های متعددی برای پیاده سازی آن در حوزه های مختلفی مانند روانشناسی، پردازش الگو، شبکه های عصبی[1]،  و بینایی کامپیوتری[2] ارائه شده است. به همین دلیل مجموعه تحقیقات انجام شده وسعت زیادی دارد و به خاطر استفاده تؤام از روش های مختلف، ارائه دسته بندی دقیقی از الگوریتم های تشخیص چهره دشوار است. با این حال دسته بندی کلّی زیر می تواند مد نظر قرار بگیرد [2]:

  1. روش‌های انطباق جامع[3]: در این روش ها کل ناحیه صورت به عنوان ورودی به سیستم تشخیص چهره وارد می شود.
  2. روش‌های انطباقی مبتنی بر ویژگی[4] (ساختاری): در این روش ها به طور معمول ابتدا ویژگی‌های محلی مانند چشم ها، بینی و دهان ابتدا استخراج شده و مکان و ویژگی های آماری محلی (هندسی و یا ظاهری) آن ها به یک دسته بندی کننده ساختاری[5] داده می شود.
  3. روش‌های ترکیبی[6]: در این روش ها هم کل تصویر چهره و هم ویژگی های محلی آن به صورت تؤام مورد استفاده قرار می گیرند. این روش مشابه فرآیندی است که برای تشخیص چهره در مغز انسان رخ می دهد و می تواند ویژگی های خوب دو روش پیشین را با هم ادغام کند.

 

 

[1] Neural Networks

[2] Computer Vision

[3] Holistic Matching Methods

[4] Feature-Based Matching Methods

[5] Structural Classifier

[6] Hybrid Methods

[7] Principal Component Analysis

[8] Eigen-faces

[9] Karhunen-Loeve Transform

[10] Principal Component Analysis

[1] Template-based

[2] Structural Matching

[3] Active shape model

[4] training

[5] pose

[1] Feature Vector

[1] Face Recognition

[2] Pattern Recognition

[3] Biometric-based techniques

[4] Face Detection

[5] Feature

 

برای دانلود سمینار با عنوان ذکر شده لطفا از طریق لینک زیر ثبت سفارش کنید:

سفارش انلاین سمینار

 

پروپوزال مهندسی کامپیوتر تلفیق الگوریتم ژنتیک و منطق فازی برای خوشه بندی نابرابر در شبکه های حسگر بیسیم

آموزش تخصصی انجام پایان نامه مهندسی کامپیوتر، شبکه حسگر بیسیم

پروپوزال مهندسی کامپیوتر ردیابی هدف متحرک در شبکه حسگر بی‌سیم با استفاده از الگوریتم بهینه‌سازی کوکو

پروپوزال مهندسی کامپیوتر ارائه چارچوب و مدلی برای امنیت داده های حجیم

پروپوزال مهندسی کامپیوتر ارائه‌ی یک روش تخصیص منابع جهت انتخاب طیف در شبكه­‌هاي  بي‌سيم راديوشناختی در محیطهای پویاچ

 

خدمات ادیب مشاور در زمینه رشته مهندسی کامپیوتر

ارائه موضوع پایان نامه مهندسی کامپیوتر

تدوین مقاله در رشته مهندسی کامپیوتر

مشاوره در تدوین پروپوزال مهندسی کامپیوتر

مشاوره و آموزش در پایان نامه مهندسی کامپیوتر

انجام شبیه سازی در رشته مهندسی کامپیوتر

استخراج مقاله در  رشته مهندسی کامپیوتر

استفاده از نرم افزارهای تخصصی همچون نرم افزار R، نرم افزار STATA، نرم افزار MATLAB، نرم افزار Vensim، نرم افزار LINGO، نرم افزار NS2

 

مشاوره تخصصی انجام پایان نامه ارشد

یکی از مهمترین وظایف دانشجویان در مقاطع تحصیلات تکمیلی (کارشناسی ارشد و دکتری) انجام پایان نامه می باشد. فقر اساتید خبره در زمینه های مختلف علمی تحقیقاتی در برخی دانشگاه های داخلی و خارجی موجب سردرگمی دانشجویان عزیز گردیده است، موسسه ادیب مشاور مفتخر است که در پاسخ به این نیاز طی ده سال فعالیت به تعداد بیشماری از دانشجویان ارشد و دکتری خدمات مشاوره تخصصی ارايه داده است.

به طور کلی انجام پایان نامه کاری زمان بر است که دانش و تجربه زیادی نیازمند است. موسسه ادیب مشاور با چندین سال تجربه در عرصه مشاوره و با در اختیار داشتن متخصصین و اساتیدی با تجربه آماده مشاوره و آموزش پایان نامه در کلیه رشته های دانشگاهی می باشد.

علاوه بر این موسسه ادیب مشاور، در زمینه شبیه سازی مقالات، پایان نامه ها و انجام پروژه ها با برنامه نویسی نیز به دانشجویان کشور عزیزمان خدمات لازم را ارائه می کند. این خدمات شامل تحلیل آماری، پیاده سازی با انواع نرم افزارهای مهندسی، برنامه نویسی با انواع زبان های برنامه نویسی و تهیه پرسش نامه می شود.

به طور کلی سر فصل های خدمات موسسه ادیب مشاور عبارتند از:

مشاوره پروپوزال در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

مشاوره پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

استخراج مقاله از پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

انجام پایان نامه کامپیوتر، پروپوزال مهندسی کامپیوتر

اگر برای هریک از موارد فوق نیاز به مشاوره رایگان دارید، همین الان با ما تماس بگیرید.