پردازش تصویر و تشخیص صورت از طریق وبکم
بخشی از مقاله
در این سیستم هدف شناسایی افراد در شرائط مختلف پس از دریافت یکسری تصویر چهره از افراد می باشد.تصاویری که از ابتدا برای شناسایی افراد به سیستم آموزش داده می شود را پایگاه چهره آموزش سیستم (Training Set) نامیده و تصاویری که برای تست قدرت سیستم در مقابل تصاویر جدید بوده تشکیل گروه Probe را می دهند.
شناسایی چهره در بخش اول یکی از مباحث Objecct detection و Object recognition در پردازش تصویر می باشد.ولی به علت پیچیدگی های ذاتی چهره و تغییرات فراوان ویژگی های آن الگوریتم های این دو بخش را بصورت خاصی برای خود بازنویسی کرده است. الگوریتم های متفاوتی برای شناسایی چهره در ۲۰ سال اخیر معرفی گشته که در زیر برخی از پرکاربردترین الگوریتم ها به اختصار توضیح داده شده است.
الگوریتم های تشخیص چهره
۱- Eigenface
از تبدیل Karhunen-Loeve’s جهت تولید یک سری بردار ویژه ولی با بعد بسیار کمتر از بعد ماتریس کوواریانس اصلی استفاده می شود هدف اصلی تعریف تصاویر اولیه با یک ترکیب خطی از ماتریس های Eigenface می باشد که Eigenface ها از Projection تصاویر اصلی بر روی بردارهای ویژه انتخاب شده به دست می آیند.
قابلیت مهم سیستم سرعت اجراء و عدم پیچیدگی پیاده سازی می باشد ولی در مورد تغییرات شدت نور و زاویه چهره بسیار ضعیف می باشد
۲- LDA :
در این مدل با استفاده از ساخت ماتریس پراکندگی درون کلاسی و بیرون کلاسی و کاهش فاصله درون کلاسی و افزایش فاصله بین کلاسی اقدام یک پارچه سازی توضیع داده و زیر فضای بدست آمده نسبت به حالت Eigenface انجام می شود از مزیت های این سیستم یه توانایی یادگیری دامنه تغییرات درون کلاسی با مهیا سازی تصاویر با تغییرات ویژگی متناظر نام برد ولی برای پیاده سازی یک سیستم مناسب بر این اساس احتیاج به حجم وسیعی از تصاویر بوده که همواره نمی توان تمامی تغییرات را ثبت کرد.
فهرست مطالب
شناسایی چهره
الگوریتم های تشخیص چهره
مقدمه ای بر رنگ ها
فضاهای رنگ
جداسازی رنگ ها
فازهای مختلف پروژه
کدنویسی
الگوتریم شناسایی چهره
منابع