شناسايي چهره

شناسايي چهره يكي از سيستم هاي گروه شناسايي بيولوژيك (بيومتيريك) مي باشد.در اين سيستم هدف شناسايي افراد در شرائط مختلف پس از دريافت يكسري تصوير چهره از افراد
مي باشد.تصاويري كه از ابتدا براي شناسايي افراد به سيستم آموزش داده مي شود را پايگاه چهره آموزش سيستم (Training Set) ناميده و تصاويري كه براي تست قدرت سيستم در مقابل تصاوير جديد بوده تشكيل گروه Probe را مي دهند.شناسايي چهره در بخش اول يكي از مباحث Objecct detection وObject recognition در پردازش تصوير مي باشد.ولي به علت پيچيدگي هاي ذاتي چهره و تغييرات فراوان ويژگي هاي آن الگوريتم هاي اين دو بخش را بصورت خاصي براي خود بازنويسي كرده است.الگوريتم هاي متفاوتي براي شناسايي چهره در 20 سال اخير معرفي گشته كه در زير برخي از پركاربردترين الگوريتم هاا به اختصار توضيح داده شده است.

Eigenface
از تبديل Karhunen-Loeve's جهت توليد يكسري بردار ويژه ولي با بعد بسيار كمتر از بعد ماتريس كوواريانس اصلي استفاده مي شود.هدف اصلي تعريف تصاوير اوليه با يك تركيب خطي ازماتريس هاي Eigenface مي باشد كه Eigenface ها از Projection تصاوير اصلي
بر روي بردارهاي ويژه انتخاب شده بدست مي ايند.
قابليت مهم سيستم سرعت اجراء و عدم پيچيدگي پياده سازي مي باشد ولي در مورد تغييرات شدت نور و زاويه چهره بسيار ضعيف مي باشد.

LDA
در اين مدل با استفاده از ساخت ماتريس پراكندگي درون كلاسي و بيرون كلاسي و كاهش فاصله درون كلاسي و افزايش فاصله بين كلاسي اقدام به يكپارچه سازي توزيع داده در زير
فضاي بدست آمده نسبت به حالت Eigenface انجام مي شود.از مزيت هاي اين سيستم به
توانايي يادگيري دامنه تغييرات درون كلاسي با مهيا سازي تصاوير با تغييرات ويژگي متناظر نام برد ولي براي پياده سازي يك سيستم مناسب بر اين اساس احتياج به حجم وسيعي از تصاوير بوده كه همواره نمي توان تمامي تغييرات را ثبت كرد.

ICA
در اين مدل اقدام به يافتن بردار پايه اي نموده كه داده ها (تصاوير) پس از Projection بر روي آنها از لحاظ آماري بي اشتراك بوده كه اين امر با ماكسيمم سازي وابستگي درجه دوم و درجه هاي بالاتر داده بدست مي ايد.
دو مدل پياده سازي معرفي گشته كه نقاط ضعف و قوت گروه الگوريتم هاي محاسبه در زير فضا را به دليل عدم وابستگي به هيچ كدام از ويژگي هاي داخلي چهره به ارث مي برد.


EBGM
چهره با يك گراف نمايش داده شده كه نقاط ان با استفاده از ضرائب wavelet گابور آن نقطه تعريف مي گردند.


AAM
يك مدل دستي(در بعضي از سيستم ها اتوماتيك) از نقاط مهم و ويژگي هاي مهم تصوير چهره ساخته شده و سيستم براي شناسايي اقدام به Fit كردن مدل ساخته شده بر روي تصاوير ورودي مي كند.مدل ساخته شده با استفاده از تصاوير درون گروه آموزش Deform شده و ويژگي نهاي براي كلاس بندي فاصله و دقت در مرحله Fit‌ و سوار كردن مدل بر روي چهره مي باشد.از مدل معروف Lucas canade براي اين مرحله استفاده مي شود.