تشخیص چهره در تصویر با استفاده از روش ویولا-جونز و تحلیل بافت تصویر
الموضوعات : سامانه‌های پردازشی و ارتباطی چندرسانه‌ای هوشمندمهدی حریری 1 , نرمینه حیدرزاده 2
1 - استادیار، گروه مهندسی برق و کامپیوتر ، دانشگاه زنجان، زنجان، ایران
2 - کارشناسی ارشد، مهندسی کامپیوتر، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
الکلمات المفتاحية: تصویر یکپارچه, تشخیص چهره, الگوریتم ویولا-جونز, تطبیق چشم و بینی, شبکه عصبی رگرسیونی,
ملخص المقالة :
شناسایی چهره از مهمترین فناوری‌های بیومتریک برای شناسایی افراد است که در کنترل دسترسی هم استفاده دارد. تشخیص چهره یکی از مراحل مهم قبل از شناسایی هویت می باشد. معمولا برای تشخیص وجود چهره در تصاویر از یک روش استفاده شده است، اما در این تحقیق برای افزایش صحت تشخیص از ترکیب دو روش الگوریتم ویولا-جونز و تطبیق اجزا و بافت تصویر با اجزا چهره و پوست برای بهبود عملکرد تشخیص استفاده میشود. در مرحله اول با استفاده از الگوریتم ویولا-جونز به تشخیص اجزای صورت می‌پردازیم و در مرحله بعدی با شبکه های عصبی رگرسیونی ویژگی های بافت چشم و بینی را مورد بررسی قرارداده و باتطبیق ویژگی های بافت صورت اجزاء صورت بهتر تشخیص داده می شوند. در این تحقیق از ویژگی های بافت مربوط به چشم راست و چپ و بینی درصورت برای افزایش دقت تطبیق استفاده می شود. برای ارزیابی روش پیشنهادی از چهره های مجموعه داده FDD-Fold استفاده نموده‌ایم. در مقایسه عملکرد این روش با روش شبکه عمیقRCNN با تعداد خیلی کمتر داده های آموزشی نسبت به آن به صحت 96.36% ، بیشتر از شبکه‌ی یادگیری عمیق رسیدیم. این روش در سیستمهای با توانایی محاسباتی محدود با تعداد داده‌ی متوسط نتیجه مطلوبی می دهد.
S. J. McKenna, S. Gong, and J. Collins, "Face Tracking and Pose Representation," in BMVC, 1996, pp. 1-10.
[2] D. Comaniciu, V. Ramesh, and P. Meer, "Real-time tracking of non-rigid objects using mean shift," in Proceedings IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2000 (Cat. No. PR00662), 2000, pp. 142-149.
[3] K. Nummiaro, E. Koller-Meier, and L. Van Gool, "An adaptive color-based particle filter," Image and vision computing, vol. 21, pp. 99-110, 2003.
[4] R. Paúl, E. Aguirre, M. García-Silvente, and R. Munoz-Salinas, "A new fuzzy based algorithm for solving stereo vagueness in detecting and tracking people," International Journal of Approximate Reasoning, vol. 53, pp. 693-708, 2012.
[5] F. J. Aherne, N. A. Thacker, and P. I. Rockett, "The Bhattacharyya metric as an absolute similarity measure for frequency coded data," Kybernetika, vol. 34, pp. [363]-368, 1998.
[6] T. Darrell, G. Gordon, M. Harville, and J. Woodfill, "Integrated person tracking using stereo, color, and pattern detection," International Journal of Computer Vision, vol. 37, pp. 175-185, 2000.
[7] D. Grest and R. Koch, "Realtime multi-camera person tracking for immersive environments," in IEEE 6th Workshop on Multimedia Signal Processing, 2004., 2004, pp. 387-390.
[8] L. R. Cerna, G. Camara-Chavez, and D. Menotti, "Face detection: Histogram of oriented gradients and bag of feature method," in Proceedings of the International Conference on Image Processing, Computer Vision, and Pattern Recognition (IPCV), 2013, p. 1.
[9] V. Manian and A. Ross, "A texture-based approach to face detection," in Biometric Consortium Conference (BCC), 2002, pp. 342-347.
[10] P. Bose and S. Bandyopadhyay, "Human Face and Facial Parts Detection using Template Matching Technique," International Journal of Engineering and Advanced Technology (IJE, 9 (4), 2020.
[11] Hasani Ahangar, M. (2019). Triple-Sequential Deep Convolutional Neural Networks in Face Recognition, The 5th National Conference of Electrical and Mechatronics Engineering of Iran, Tehran, Iran. [Persian]
[12] R. C. Gonzalez and R. E. Woods, "Digital image processing 4th edition, global edition," 2018.
[13] L. I. Kuncheva, Combining pattern classifiers: methods and algorithms: John Wiley & Sons, 2014.
[14] M. T. Hagan, H. B. Demuth, M. H. Beale, and O. De Jesús, "Neural network design. 2nd edition," Oklahoma: Martin Hagan, 2014.
[15] M. H. Beale, M. T. Hagan, and H. B. Demuth, "Neural network toolbox," User’s Guide, MathWorks, vol. 2, pp. 77-81, 2010.
[16] Y.-Q. Wang, "An analysis of the Viola-Jones face detection algorithm," Image Processing On Line, vol. 4, pp. 128-148, 2014.
[17] P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," in Proceedings of the 2001 IEEE Computer Society Conference on computer vision and pattern recognition. CVPR 2001, 2001, pp. I-I.
[18] V. Jain and E. Learned-Miller, "Fddb: A benchmark for face detection in unconstrained settings," UMass Amherst technical report 2010.
[19] B. J. Boom, G. Beumer, L. J. Spreeuwers, and R. N. Veldhuis, "The effect of image resolution on the performance of a face recognition system," in 2006 9Th international conference on control, automation, robotics and vision, 2006, pp. 1-6.
[20] X. Sun, P. Wu, and S. C. Hoi, "Face detection using deep learning: An improved faster RCNN approach," Neurocomputing, vol. 299, pp. 42-50, 2018.
