تعیین هویت بلادرنگ چهره با استفاده از ویژگی های مکان فرکانس چهره در مجموعه های بزرگ

باز شناسی چهره یکی از روشهای مرسوم در تعیین هویت افراد است که کاربردهای زیادی از جمله کنترل و ثبت تردد در سیستمهای حضور و غیاب، ورود به دستگاههای شخصی و شناسایی مجرمین دارد. هدف در بازشناسی چهره، شناسایی هویت فرد از یک تصویر با استفاده از پایگاه داده است. در این مقاله، به ارایه روشی سریع مبتنی بر استخراج ویژگی می پردازیم. بعد از آشکارسازی چهره ویژگی های محلی استخراج میشود. بر اساس ویژگی محلی، پیش پردازش انجام و پارامترهای آن تنظیم میشود تا بهترین عملکرد را داشته باشد، سپس با چسباندن ویژگیهای بهینه، یک بردار ویژگی ساخته میشود. با استفاده از کلاسه بند نزدیکترین همسایگی و معیار فاصله منهتن به کلاسه بندی می پردازیم. برای ارزیابی روش پیشنهادی از پایگاه داده FERET که شامل تصاویر حدود 1000 نفر است و برای هر فرد یک نمونه آموزش وجود دارد استفاده کردیم. تمرکز در این مقاله بر چالش های تعداد کم نمونه های آموزش، تعداد بالای افراد و بازشناسی بلادرنگ میباشد. نتایج تجربی روی این پایگاه داده نرخ بازشناسی %95/95 را روی مجموعه FB، با زمان 158 میلی ثانیه برای هر تصویر مجموعه آزمون دارد.

کلیدواژه ها:

بازشناسی چهره ، استخراج ویژگی ، پایگاه داده حجیم