تشخیص هویت با استفاده از شناسایی نواحی کلیدی چهره

تشخیص هویت یک حوزه تحقیقاتی گسترده در بینایی ماشین است و کاربردهای زیادی در زندگی واقعی مانند شناسایی مجرمان، تایید کارت اعتباری، کنترل دسترسی، سیستم های امنیتی و غیره دارد. تشخیص چهره یک مسئله چالش برانگیز است. برای مثال تغییرات اجزای صورت، روشنایی، حالت و پوشیدگی چهره روی نتیجه تشخیص تاثیر گذار است. تشخیص چهره با استفاده از تصاویر به دو مرحله اصلی استخراج ویژگی و تشخیص چهره نیاز دارد. در این مقاله به منظور بررسی و تحلیل بازنشانی چهره با استفاده از شناسایی اجزای کلیدی از پایگاه داده CASME-II استفاده شده است. روش پیشنهادی این مقاله به این صورت است که از یک روش ترکیبی برای تشخیص اجزای چهره مبتنی بر الگوریتم تلفیقی ژنتیک و شبکه عصبی استفاده شده است. بعد از به دست آمدن بردار ویژگی های مربوط به هر یک تصاویر لازم است نسبت به کاهش ابعاد ویژگی ها اقدام شود. در نتیجه با استفاده از الگوریتم GA ویژگی ها کاهش یافته و با بهره گیری از شبکه عصبی تشخیص اجزای چهره انجام می پذیرد. به عبارت دیگر در این مرحله، الگوریتم GA ویژگی های استخراج شده توسط شبکه عصبی را دریافت، سپس بر اساس فرآیند بهینه سازی خود و اعمال تابع برازندگی، مشخصات و ویژگی های استخراج شده را با دقت بالاتری انجام می دهد. تمرکز این مقاله، بر روی بهبود دقت انتخاب ویژگی های چهره برای تشخیص دقیق تر اجزای چهره بوده است. نتایج نشان داد که روش پیشنهادی بادقت ۷۸.۳۹ درصد در مقایسه با سایر روشهای دیگر برخوردار است.

Keywords:

بازشناسایی چهره , پردازش تصویر , شبکه عصبی , الگوریتم ژنتیک , تشخیص هویت