Reyhane
عضو جدید
چگونه يك سيستم شناسايي چهره كاربردي مي شود؟
شناسايي چهره يا همان مبحث (Face Recognition) به دليل كاربرد هاي مهم و متفاوت خود درامنيت ,افزايش قدرت سيستم هاي قضايي, ارتباط انسان و ربات و ديگر مباحث در 3 دهه گذشته از مباحث مهم تحقيقاتي مطرح در كنفرانس هاي بين المللي دنيا بوده و هست.
چهره به دليل دامنه باز تغييرات ويژگي درون كلاسي يك شيء پيچيده به حساب آمده و اكثر الگوريتم هاي معرفي شده تا امروز نقاط ضعف خود را نسبت به تغييرات شدت نور, تغييرات در چرخش چهره ,و تغييرات حالات چهره ديده اند ,اما به دليل قدرت تخريبي زياد اين تغييرات
توجه كمتري نسبت به تغييرات موجود و موثر ديگر مانند مدلهاي عينك ,حالات مو , تغييرات سن, مدلهاي آرايش و ... شده است.به عنوان يك كاربر يا خريدار سيستم شناسايي چهره چند موضوع بسيار مهم جهت توجه وجود دارد .
1-شناسايي چهره در دنيا موضوع بسيار قديمي بوده ولي ممكن است پياده سازي سيستم هاي قديمي در يك كشور براي اولين بار اتفاق افتاده باشد.
2-چرا شناسايي چهره مانند شناسايي بر اساس اثر انگشت يا تحليل ساختاري DNA از سوي شركت هاي بسيار بزرگ غربي بصورت يك نرم افزار هنوز ارائه نگشته گوياي عدم قابليت كامل سيستم هاي معرفي شده تا امروز بوده كه محدوديت هاي زيادي را در موارد كاربردي متفاوت به كاربر تحميل مي كنند.پس ادعاي يك سيستم شناسايي چهره كاملاً كاربردي بر اساس محاسبات بسيار پرارزش گذشته يا تغييرات بر روي سيستم هاي پياده سازي شده گذشته امري بسيار شك برانگيز است.
3- جهت تست قدرت الگوريتم هاي توسعه داده شد ه پايگاه هاي داده متفاوتي از سوي دانشگاه ها و موسسات علمي توسعه و در اختيار گذاشته شده است.اما هر كدام از اين پايگاه هاي داده اقدام به ثبت يك سري ازتغييرات موجود در چهره بصورت علمي كرده اند.
به عنوان مثال پايگاه داده چهره دانشگاه UMIST در 575 تصوير چهره خود اقدام به ثبت چرخش چهره در حول محور Z داشته ( نه تمامي محور ها ) و پايگاه چهره شماره 2 دانشگاه Yale تغييرات نور را در مقادير متفاوت و استاندارد ثبت كرده است.پس در مرحله اول تست
يك الگوريتم نسبت به يك پايگاه داده به هيچ عنوان ضمانت كننده كاربردي بودن الگوريتم در شرائط واقعي نمي باشد . متاسفانه د ر بعضي از سيستم هاي معرفي شده از مراكز علمي كشورمان اقدام به تست الگوريتم خود نسبت به پايگاه داده ORL نموده اند و آنرا به عنوان خروجي علمي -صنعتي خود برگزيده اند كه از لحاظ علمي اين پايگاه داده هيچ كدام از تغييرات اصلي را بصورت علمي ثبت نكرده و اجراي يك الگوريتم خطي ساده شناسايي چهربر روي اين پايگاه خروجي تا 95% دارا مي باشد كه اجراي همان الگوريتم بر روي تصاوير واقعي تا 35% نزول خواهد كرد.پس همان گونه كه انتخاب مدل تست در مباحث تشخيص الگو و پردازش تصوير از فصلهاي درسي مي باشد جهت انتخاب يك سيستم شناسايي يا پردازش تصوير نيز بايد نيم نگاهي به آن داشت.
راه حل) بهترين و ساده ترين راه حل تست سيستم در شرائط واقعي بوده كه چند تصوير افراد در شرائط واقعي با در نظر گرفتن تغييرات زاويه, تغييرات شدت نور ,تغييرات حالات چهره افزوده شده به پايگاده چهره استاندارد FERET توانايي تست قدرت تقريبي سيستم در شرائط واقعي را دارا مي باشد.
شناسايي چهره يا همان مبحث (Face Recognition) به دليل كاربرد هاي مهم و متفاوت خود درامنيت ,افزايش قدرت سيستم هاي قضايي, ارتباط انسان و ربات و ديگر مباحث در 3 دهه گذشته از مباحث مهم تحقيقاتي مطرح در كنفرانس هاي بين المللي دنيا بوده و هست.
چهره به دليل دامنه باز تغييرات ويژگي درون كلاسي يك شيء پيچيده به حساب آمده و اكثر الگوريتم هاي معرفي شده تا امروز نقاط ضعف خود را نسبت به تغييرات شدت نور, تغييرات در چرخش چهره ,و تغييرات حالات چهره ديده اند ,اما به دليل قدرت تخريبي زياد اين تغييرات
توجه كمتري نسبت به تغييرات موجود و موثر ديگر مانند مدلهاي عينك ,حالات مو , تغييرات سن, مدلهاي آرايش و ... شده است.به عنوان يك كاربر يا خريدار سيستم شناسايي چهره چند موضوع بسيار مهم جهت توجه وجود دارد .
1-شناسايي چهره در دنيا موضوع بسيار قديمي بوده ولي ممكن است پياده سازي سيستم هاي قديمي در يك كشور براي اولين بار اتفاق افتاده باشد.
2-چرا شناسايي چهره مانند شناسايي بر اساس اثر انگشت يا تحليل ساختاري DNA از سوي شركت هاي بسيار بزرگ غربي بصورت يك نرم افزار هنوز ارائه نگشته گوياي عدم قابليت كامل سيستم هاي معرفي شده تا امروز بوده كه محدوديت هاي زيادي را در موارد كاربردي متفاوت به كاربر تحميل مي كنند.پس ادعاي يك سيستم شناسايي چهره كاملاً كاربردي بر اساس محاسبات بسيار پرارزش گذشته يا تغييرات بر روي سيستم هاي پياده سازي شده گذشته امري بسيار شك برانگيز است.
3- جهت تست قدرت الگوريتم هاي توسعه داده شد ه پايگاه هاي داده متفاوتي از سوي دانشگاه ها و موسسات علمي توسعه و در اختيار گذاشته شده است.اما هر كدام از اين پايگاه هاي داده اقدام به ثبت يك سري ازتغييرات موجود در چهره بصورت علمي كرده اند.
به عنوان مثال پايگاه داده چهره دانشگاه UMIST در 575 تصوير چهره خود اقدام به ثبت چرخش چهره در حول محور Z داشته ( نه تمامي محور ها ) و پايگاه چهره شماره 2 دانشگاه Yale تغييرات نور را در مقادير متفاوت و استاندارد ثبت كرده است.پس در مرحله اول تست
يك الگوريتم نسبت به يك پايگاه داده به هيچ عنوان ضمانت كننده كاربردي بودن الگوريتم در شرائط واقعي نمي باشد . متاسفانه د ر بعضي از سيستم هاي معرفي شده از مراكز علمي كشورمان اقدام به تست الگوريتم خود نسبت به پايگاه داده ORL نموده اند و آنرا به عنوان خروجي علمي -صنعتي خود برگزيده اند كه از لحاظ علمي اين پايگاه داده هيچ كدام از تغييرات اصلي را بصورت علمي ثبت نكرده و اجراي يك الگوريتم خطي ساده شناسايي چهربر روي اين پايگاه خروجي تا 95% دارا مي باشد كه اجراي همان الگوريتم بر روي تصاوير واقعي تا 35% نزول خواهد كرد.پس همان گونه كه انتخاب مدل تست در مباحث تشخيص الگو و پردازش تصوير از فصلهاي درسي مي باشد جهت انتخاب يك سيستم شناسايي يا پردازش تصوير نيز بايد نيم نگاهي به آن داشت.
راه حل) بهترين و ساده ترين راه حل تست سيستم در شرائط واقعي بوده كه چند تصوير افراد در شرائط واقعي با در نظر گرفتن تغييرات زاويه, تغييرات شدت نور ,تغييرات حالات چهره افزوده شده به پايگاده چهره استاندارد FERET توانايي تست قدرت تقريبي سيستم در شرائط واقعي را دارا مي باشد.
