فهرست مطالبفصل اول.. 1کلیات تحقیق.. 11-1مقدمه.............. 21-2انگیزش و اهمیت موضوع.. 31-3بیان مساله ..... 41-4سازمان پایان نامه .. 8فصل دوم.. 8مفاهیم اولیه و پیشینه تحقیق.. 82-1مقدمه ............ 92-2تاریخچه توسعه سیستمهای مبتنی بر تشخیص چهره.. 92-3سیستم بازشناسی چهره.. 142-3-1روندکارسیستمبازشناسیچهره.. 162-3-2ویژگی های سیستم های بازشناسی چهره.. 162-3-3چالش های پیش روی بازشناسی چهره.. 192-3-4دو مورد از مشکلات موجود در بازشناسی چهره.. ÷92-3-5روشهایمبتنیبریادگیریوروشهایمبتنیبرظاهر.. 212-3-6روشهاي استخراج خصوصيات چهره:.. 232-4الگوریتم فاخته.. 242-5بيشينه تحقيق...... 29فصل سوم.. 323-1مقدمه ........... 333-2فلوچارت الگوریتم پیشنهادی.. 333-3معرفی دیتاست.. 353-4روش پیشنهادی.. 353-4-1استخراج ویژگیهای تصویر با الگوریتم تبدیل کسینوسی گسسته 353-4-2انتخاب ویژگیها.. 373-4-3الگوریتم فاخته.. 383-4-4تابع ارزیابی.. 473-5طبقهبندی ...... 493-5-1الگوریتم K-نزدیکترین همسایگی.. 503-5-2الگوریتم ماشین بردار پشتیبان.. 51فصل چهارم.. 564-1 مقدمه.. 574-2بررسی نتایج.. 57فصل پنجم.. 625-1 نتیجه گیری.. 635-2 کارهای آتی.. 63 چکیدهامروزه در زمينه هاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و بر اساس ويژگيهاي بدن اشخاص آن ها را بازشناسي كند. سیستم تشخیص چهره بعنوان یک سيستم بيو متری اساساً يك سيستم تشخيص الگو است كه يك شخص را بر اساس بردار ويژگي هاي فيزيولوژيكی خاص يا رفتاري كه دارد بازشناسي ميكند. بردار ويژگي ها پس از استخراج معمولا در پايگاه داده ذخيره مي گردد. هدف اصلی این پژوهش مطالعه و بررسی تأثیر انتخاب ویژگیهای مناسب تصاویر با استفاده از الگوریتم جستجوی فاخته است. لذا انتخاب یک زیر مجموعه بهینه با توجه به بزرگ بودن ابعاد بردار ویژگیهای تصویر جهت تسریع الگوریتم تشخیص چهره میتواند ضروری و حائز اهمیت باشد. ما ابتدا از پایگاه دادهی موجود ویژگیهای تصاویر چهره را استخراج کرده، سپس با بکارگیری الگوریتم فاخته به صورت باینری یک زیر مجموعه بهینه از ویژگیهای چهره را انتخاب کردیم. این زیر مجموعه ویژگیهای بهینه توسط کلاسهبندهای K- نزدیکترین همسایگی و شبکههای عصبی مورد ارزیابی قرار گرفت و با محاسبه دقت کلاسهبندی مشاهده شد که روش پیشنهادی با دقت بالای 90% قادر به تشخیص چهره بر اساس ویژگیهای مهم انتخاب شده توسط الگوریتم پیشنهادی است.کلمات کليدي: بازشناسی چهره ، الگوریتم فاخته، استخراج ویژگیها، انتخاب ویژگیها فصل اولکلیات تحقیق 1-1 مقدمههمه ما ميدانيم كه براي شناسايي همديگر از يك سري ويژگيها استفاده ميشود كه براي هرشخص بطورانحصاري است و از شخصي به شخص ديگر فرق ميکند. امروزه در زمينههاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و براساس ويژگيهاي بدن اشخاص آنها را بازشناسي كند و اين زمينه هر روز بيشتر و بيشتر رشد پيدا ميكند و علاقهمندان فراواني را پيدا كرده است.پیشرفتهایاخیردراطلاعرسانیوتکنولوژیهایتصویربرداریاجازهدادتاسیستمهایبیومتریک توسعه پیدا کنند. سیستمهایبیومتریکقادر هستندنمونهیتشخیصهویترااستخراج کردهودادهیمرجعرامقایسهکنندونشاندهندکهآیاهویتادعاشدهتوسطفردهمسانشدهاست یا خیر.شناسههایمختلفیبرایتشخیصهویتاستفاده میشودازجمله،انگشتان،دستها،پاها،چهرهها)تصاویرصورت(،چشمها،گوشها،دندانها،رگها، صداها،امضا )سبک(،تایپکردن،راهرفتن. بازشناسیچهرهنسبتبهدیگرروشهایبیومتریکنظیرتشخیصاثرانگشتدربازشناسیمزایاییدارد. درکنارطبیعیبودنوغیرقابلبروزبودنایننوعبازشناسی،مهمترینمزیتبازشناسیچهرهایناستکهصورتمیتوانددرهرفاصلهایگرفتهشودوپوششدادهشود. در این بین تکنیکهای مختلفی برای شناسایی چهره توسعه داده شدهاند. این تکنیکها با توجه به نوع کاربرد بازشناسی چهره اهداف مختلفی را دنبال میکنند. بطوریکه در برخی کاربردها تشخیص برخط بودن اهمیت بیشتری دارد لذا سرعت تشخیص حائز اهمیت است، در برخی دقت تشخیص مهم بوده و در کل این تکنیکها به دنبال افزایش سرعت و دقت در تشخیص هستند.1-2 انگیزش و اهمیت موضوعتشخیصچهره يكي از مهمترين رويكردهاي تسهيل كننده ارتباط ميان انسان و ماشين و حيطههاي فعال در حوزه علم بينايي ماشين است. شناسايي چهره افراد از يك پايگاه داده مشخص از ساليان پيش مدنظر هر سيستم امنيتی خودكار بدون نياز به كاربر، بوده است. كاربردهاي اين سيستمها به مرور زمان و با افزايش تلاش براي بهبود سيستمهای امنيتي كاربردي، در حال گسترش است.اولين و مهمترين مرحله براي شناسايي هر چهره، پيدا كردن چهره در يك تصوير است، به اين دليل كه در صورت خطا در اين مرحله، مراحل بعدي به درستي اجرا نميشوند. در سيستمهاي امنيتي(تأييد هويت) ميتوان محل چهره را به طور ثابت فرض كرد، يعني خواسته شود كه چهره در محل از قبل مشخص شده و با تنظيمات يكسان روشنايي فضا، قرار گيرد. به اين ترتيب ديگر نيازي به پيدا كردن چهرۀ فرد در يك تصوير نيست و با حذف قسمتهاي ثابتي از تصوير ورودي مي توان چهره را به سيستم شناسايي چهره به عنوان ورودي تحويل داد. بنابراين پيدا كردن چهره در يك تصوير فراتر از يك سيستم شناسايي چهره میباشد، به عنوان مثال در الگوريتمهاي تشخيص تعداد افراد در يك تصوير، سيستمهاي دزدگير، كد كردن تصاوير ويدئوئي براي سرعت انتقال پائين، نيز كاربرد دارند.رويكرد ديگر آشكارسازي چهره از ديد شناسائي الگو[1] است. از جمله مسائل شناسائي الگو، يافتن چهره در تصوير است. چهره به عنوان الگويي كه ميبايست شناسايي شود، بسيار پيچيده است. چهره ميتواند حالتهاي مختلفي داشته باشد. يك چهره به تنهايي حالتهاي متمايز و قابل تشخيص از ديگري دارد، مانند حالتهاي شادي، غم و تعجب، قسمتي از چهره ممكن است با اشيايي مانند كلاه يا عينك پوشيده شده باشد و همچنين جهتگيري و چرخشهاي مختلفي داشته باشد. با توجه به اين موارد، آشكارسازي چهره در زمينه مسائل شناسايي الگو، جز آن طبقه از مسائلي است كه تاكنون راه حل صريح و روشني براي آن ارائه نشده است و پژوهشهاي زيادي همچنان در اين زمينه در حال انجام است. آشكارسازي چهره از اهميت زيادي برخوردار است، چرا كه در سامانههايي مانند سامانههاي تعقيب چهره و نيز سامانههاي شناسايي چهره، نخستين و اساسيترين كار، يافتن محل چهره است. تاكنون روشهاي زيادي براي يافتن چهره به كار رفته است.1-3 بیان مسالهدر طی سالهای اخیر، تقاضای ایجاد امنیت از طریق روشهای زیستسنجی[2] به شدت رواج پیدا کرده است. استفاده از دادههای زیستی مختلف همچون اثر انگشت، دست خط، چهره و عنبیه ارائه شده است. در میان روشهای زیستسنجی مختلف، استفاده از تصاویر چهره به دلیل داشتن ماهیت غیر دخالتکنندگی نسبت به سایر روشها از سهولت تصویر برداری بیشتری برخوردار است و لذا گستردگی فراوانتری نسبت به بقیه روشها دارد. براي سيستمهای تشخیص چهره بهتر نياز به ذخيره تصاوير افراد با زوایای مختلف در بانك اطلاعاتي ميباشد لذا با افزايش تصاوير در بانک اطلاعاتی، سرعت پردازش آنها كاسته و محل ذخيره نيز كاهش مييابد.از طرفی، تشخیص چهره یکی از مهمترین برنامههای کاربردی از دیدگاه کامپیوتری، به ویژه بمنظور نظارت است. به این معنی که تشخيص چهره و اجزاي تشکيل دهندۀ آن يکي از مهمترين رويکردهاي تسهيلکنندۀ ارتباط ميان انسان و ماشين و حيطههاي فعال در حوزۀ علم بينايي ماشين است.
افزایش دقت شناسایی چهره با انتخاب زیر مجموعه بهینه از ویژگی های چهره با بکارگیری الگوریتم فاخته WORD
فهرست مطالبفصل اول.. 1کلیات تحقیق.. 11-1مقدمه.............. 21-2انگیزش و اهمیت موضوع.. 31-3بیان مساله ..... 41-4سازمان پایان نامه .. 8فصل دوم.. 8مفاهیم اولیه و پیشینه تحقیق.. 82-1مقدمه ............ 92-2تاریخچه توسعه سیستمهای مبتنی بر تشخیص چهره.. 92-3سیستم بازشناسی چهره.. 142-3-1روندکارسیستمبازشناسیچهره.. 162-3-2ویژگی های سیستم های بازشناسی چهره.. 162-3-3چالش های پیش روی بازشناسی چهره.. 192-3-4دو مورد از مشکلات موجود در بازشناسی چهره.. ÷92-3-5روشهایمبتنیبریادگیریوروشهایمبتنیبرظاهر.. 212-3-6روشهاي استخراج خصوصيات چهره:.. 232-4الگوریتم فاخته.. 242-5بيشينه تحقيق...... 29فصل سوم.. 323-1مقدمه ........... 333-2فلوچارت الگوریتم پیشنهادی.. 333-3معرفی دیتاست.. 353-4روش پیشنهادی.. 353-4-1استخراج ویژگیهای تصویر با الگوریتم تبدیل کسینوسی گسسته 353-4-2انتخاب ویژگیها.. 373-4-3الگوریتم فاخته.. 383-4-4تابع ارزیابی.. 473-5طبقهبندی ...... 493-5-1الگوریتم K-نزدیکترین همسایگی.. 503-5-2الگوریتم ماشین بردار پشتیبان.. 51فصل چهارم.. 564-1 مقدمه.. 574-2بررسی نتایج.. 57فصل پنجم.. 625-1 نتیجه گیری.. 635-2 کارهای آتی.. 63 چکیدهامروزه در زمينه هاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و بر اساس ويژگيهاي بدن اشخاص آن ها را بازشناسي كند. سیستم تشخیص چهره بعنوان یک سيستم بيو متری اساساً يك سيستم تشخيص الگو است كه يك شخص را بر اساس بردار ويژگي هاي فيزيولوژيكی خاص يا رفتاري كه دارد بازشناسي ميكند. بردار ويژگي ها پس از استخراج معمولا در پايگاه داده ذخيره مي گردد. هدف اصلی این پژوهش مطالعه و بررسی تأثیر انتخاب ویژگیهای مناسب تصاویر با استفاده از الگوریتم جستجوی فاخته است. لذا انتخاب یک زیر مجموعه بهینه با توجه به بزرگ بودن ابعاد بردار ویژگیهای تصویر جهت تسریع الگوریتم تشخیص چهره میتواند ضروری و حائز اهمیت باشد. ما ابتدا از پایگاه دادهی موجود ویژگیهای تصاویر چهره را استخراج کرده، سپس با بکارگیری الگوریتم فاخته به صورت باینری یک زیر مجموعه بهینه از ویژگیهای چهره را انتخاب کردیم. این زیر مجموعه ویژگیهای بهینه توسط کلاسهبندهای K- نزدیکترین همسایگی و شبکههای عصبی مورد ارزیابی قرار گرفت و با محاسبه دقت کلاسهبندی مشاهده شد که روش پیشنهادی با دقت بالای 90% قادر به تشخیص چهره بر اساس ویژگیهای مهم انتخاب شده توسط الگوریتم پیشنهادی است.کلمات کليدي: بازشناسی چهره ، الگوریتم فاخته، استخراج ویژگیها، انتخاب ویژگیها فصل اولکلیات تحقیق 1-1 مقدمههمه ما ميدانيم كه براي شناسايي همديگر از يك سري ويژگيها استفاده ميشود كه براي هرشخص بطورانحصاري است و از شخصي به شخص ديگر فرق ميکند. امروزه در زمينههاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و براساس ويژگيهاي بدن اشخاص آنها را بازشناسي كند و اين زمينه هر روز بيشتر و بيشتر رشد پيدا ميكند و علاقهمندان فراواني را پيدا كرده است.پیشرفتهایاخیردراطلاعرسانیوتکنولوژیهایتصویربرداریاجازهدادتاسیستمهایبیومتریک توسعه پیدا کنند. سیستمهایبیومتریکقادر هستندنمونهیتشخیصهویترااستخراج کردهودادهیمرجعرامقایسهکنندونشاندهندکهآیاهویتادعاشدهتوسطفردهمسانشدهاست یا خیر.شناسههایمختلفیبرایتشخیصهویتاستفاده میشودازجمله،انگشتان،دستها،پاها،چهرهها)تصاویرصورت(،چشمها،گوشها،دندانها،رگها، صداها،امضا )سبک(،تایپکردن،راهرفتن. بازشناسیچهرهنسبتبهدیگرروشهایبیومتریکنظیرتشخیصاثرانگشتدربازشناسیمزایاییدارد. درکنارطبیعیبودنوغیرقابلبروزبودنایننوعبازشناسی،مهمترینمزیتبازشناسیچهرهایناستکهصورتمیتوانددرهرفاصلهایگرفتهشودوپوششدادهشود. در این بین تکنیکهای مختلفی برای شناسایی چهره توسعه داده شدهاند. این تکنیکها با توجه به نوع کاربرد بازشناسی چهره اهداف مختلفی را دنبال میکنند. بطوریکه در برخی کاربردها تشخیص برخط بودن اهمیت بیشتری دارد لذا سرعت تشخیص حائز اهمیت است، در برخی دقت تشخیص مهم بوده و در کل این تکنیکها به دنبال افزایش سرعت و دقت در تشخیص هستند.1-2 انگیزش و اهمیت موضوعتشخیصچهره يكي از مهمترين رويكردهاي تسهيل كننده ارتباط ميان انسان و ماشين و حيطههاي فعال در حوزه علم بينايي ماشين است. شناسايي چهره افراد از يك پايگاه داده مشخص از ساليان پيش مدنظر هر سيستم امنيتی خودكار بدون نياز به كاربر، بوده است. كاربردهاي اين سيستمها به مرور زمان و با افزايش تلاش براي بهبود سيستمهای امنيتي كاربردي، در حال گسترش است.اولين و مهمترين مرحله براي شناسايي هر چهره، پيدا كردن چهره در يك تصوير است، به اين دليل كه در صورت خطا در اين مرحله، مراحل بعدي به درستي اجرا نميشوند. در سيستمهاي امنيتي(تأييد هويت) ميتوان محل چهره را به طور ثابت فرض كرد، يعني خواسته شود كه چهره در محل از قبل مشخص شده و با تنظيمات يكسان روشنايي فضا، قرار گيرد. به اين ترتيب ديگر نيازي به پيدا كردن چهرۀ فرد در يك تصوير نيست و با حذف قسمتهاي ثابتي از تصوير ورودي مي توان چهره را به سيستم شناسايي چهره به عنوان ورودي تحويل داد. بنابراين پيدا كردن چهره در يك تصوير فراتر از يك سيستم شناسايي چهره میباشد، به عنوان مثال در الگوريتمهاي تشخيص تعداد افراد در يك تصوير، سيستمهاي دزدگير، كد كردن تصاوير ويدئوئي براي سرعت انتقال پائين، نيز كاربرد دارند.رويكرد ديگر آشكارسازي چهره از ديد شناسائي الگو[1] است. از جمله مسائل شناسائي الگو، يافتن چهره در تصوير است. چهره به عنوان الگويي كه ميبايست شناسايي شود، بسيار پيچيده است. چهره ميتواند حالتهاي مختلفي داشته باشد. يك چهره به تنهايي حالتهاي متمايز و قابل تشخيص از ديگري دارد، مانند حالتهاي شادي، غم و تعجب، قسمتي از چهره ممكن است با اشيايي مانند كلاه يا عينك پوشيده شده باشد و همچنين جهتگيري و چرخشهاي مختلفي داشته باشد. با توجه به اين موارد، آشكارسازي چهره در زمينه مسائل شناسايي الگو، جز آن طبقه از مسائلي است كه تاكنون راه حل صريح و روشني براي آن ارائه نشده است و پژوهشهاي زيادي همچنان در اين زمينه در حال انجام است. آشكارسازي چهره از اهميت زيادي برخوردار است، چرا كه در سامانههايي مانند سامانههاي تعقيب چهره و نيز سامانههاي شناسايي چهره، نخستين و اساسيترين كار، يافتن محل چهره است. تاكنون روشهاي زيادي براي يافتن چهره به كار رفته است.1-3 بیان مسالهدر طی سالهای اخیر، تقاضای ایجاد امنیت از طریق روشهای زیستسنجی[2] به شدت رواج پیدا کرده است. استفاده از دادههای زیستی مختلف همچون اثر انگشت، دست خط، چهره و عنبیه ارائه شده است. در میان روشهای زیستسنجی مختلف، استفاده از تصاویر چهره به دلیل داشتن ماهیت غیر دخالتکنندگی نسبت به سایر روشها از سهولت تصویر برداری بیشتری برخوردار است و لذا گستردگی فراوانتری نسبت به بقیه روشها دارد. براي سيستمهای تشخیص چهره بهتر نياز به ذخيره تصاوير افراد با زوایای مختلف در بانك اطلاعاتي ميباشد لذا با افزايش تصاوير در بانک اطلاعاتی، سرعت پردازش آنها كاسته و محل ذخيره نيز كاهش مييابد.از طرفی، تشخیص چهره یکی از مهمترین برنامههای کاربردی از دیدگاه کامپیوتری، به ویژه بمنظور نظارت است. به این معنی که تشخيص چهره و اجزاي تشکيل دهندۀ آن يکي از مهمترين رويکردهاي تسهيلکنندۀ ارتباط ميان انسان و ماشين و حيطههاي فعال در حوزۀ علم بينايي ماشين است.