بازسازی تصاویر سه بعدی چهره با الگوریتم شبکه باور عمیق

به عنوان یک فناوری بیومتری، چهره دارای مزایای منحصربه فرد بسیاری در مقایسه با سایر مشخصه های بیومتری است: تصویر چهره می تواند از فواصل دور گرفته شود که این امر، به ویژه برای امنیت اطلاعات یا برنامه های کنترل دستیابی، بسیار موردپسند و آسان است. در ضمن، چهره دارای یک ساختار غنی بوده و ناحیه نسبتا بزرگی از آن، به سختی ممکن است پوشانده شود. از این رو، شناسایی چهره تبدیل به یک روش احراز هویت بیولوژیکی ضروری شده و توجه بسیاری را به خود جلب کرده است. شبکه باور عمیق یکی از رو ش های یادگیری عمیق است که به منظور یادگیری ویژگی های تصویر دوبعدی چهره جهت دستیابی به طرح سه بعدی آنها استفاده شده است. در این پژوهش با استفاده از پردازش تصاویر پایگاه داده FEI و استخراج ویژگی های تصاویر، یک روش وزن دهی به نقاط چهره به کار رفته است. با وزن گذاری نقاط، اجزای چهره مشخص شده اند. با قرارگیری اجزا بر پوسته سه بعدی چهره و آموزش DBN به سه بعدی سازی پرداخته شده است. به منظور ارزیابی روش پیشنهادی، دقت تشخیص هر یک از اجزای چهره با استفاده از DBN تخمین زده شده است. این روش با سایر دسته بندها مانند ANN و SVM مقایسه شده است. نتایج نشان می دهد که DBN با ایجاد لایه های عمیق توانسته است با دقت بیشتری اجزای چهره را شناسایی نماید. دقت سه بعدی سازی روش پیشنهادی در ۸-Fold برابر ۹۸.۳۹ درصد بوده است.

کلیدواژه ها:

سه بعدی سازی چهره ، یادگیری عمیق ، شبکه باور عمیق.