23881

طرح استخراج ويژگي تركيبي براي تشخيص چهره سريع

كارشناسي ارشد

مهندسي برق

1397

1400/02/22

دكتر هادي شهريار شاه حسيني

دانشكده برق

تشخيص چهره يكي از روش‌هاي بيومتريك است كه براي شناسايي افراد بر اساس اطلاعات بيولوژيكي استفاده مي‌شود. تشخيص چهره به دليل طيف گسترده‌اي از كاربردها مورد توجه واقع شده است از جمله امنيت، نظارت و كنترل دسترسي. به طور كلي يك سيستم شناسايي چهره از سه بخش شناسايي چهره، استخراج بردارهاي ويژگي و مطابقت بردار ويژگي با پايگاه تصاوير چهره تشكيل شده است. در سيستم‌هاي شناسايي چهره بلادرنگ، زمان پردازش و سرعت پردازش امري مهم است بنابراين روش‌هاي شناسايي چهره مبتني بر توصيفگر، بايد ابعاد بردار كوچك و زمان پردازش كمي داشته باشند تا بتوانند عملكرد مناسبي در سيستم‌هاي شناسايي چهره بلادرنگ داشته باشند. توصيفگر دودويي اختلاف محلي از سه ويژگي شدت متوسط، شيب افقي و شيب عمودي به عنوان بردار ويژگي استفاده مي‌كند و به علت استفاده از تكنيك انتگرال، سرعت بالايي در استخراج بردار ويژگي دارد و همچنين اين توصيفگر نسبت به شدت روشنايي و تغييرات نورپردازي مقاوم است اما اين توصيفگر به دليل بردار ويژگي دودويي و عدم مقاوم بودن نسبت به وضوح پايين تصوير و پايين بودن نرخ شناسايي چهره به تنهايي عملكرد مناسبي ندارد. بنابراين توصيفگر كمي‌سازي فاز محلي كه از تبديل فوريه زمان كوتاه براي استخراج بردار ويژگي استفاده مي‌كند به منظور افزايش نرخ شناسايي چهره و همچنين افزايش مقاوم بودن توصيفگر نسبت به تاري، وضوح تصوير پايين با توصيفگر دودويي اختلاف محلي تركيب شده است. بنابراين توصيفگر ارائه شده در حوزه مكاني و فركانسي، اقدام به استخراج بردارهاي ويژگي چهره مي‌كند. توصيفگر ارائه شده بردار ويژگي با ابعاد كوچكي بدست آورده و زمان پردازش كمي دارد بنابراين در يك سيستم شناسايي چهره بلادرنگ پياده‌سازي شده و عملكرد مناسبي نشان داده است. توصيفگر ارائه شده به نرخ شناسايي چهره حدود 98 درصد دست يافته است و با روش‌هاي نوين مبتني بر يادگيري عميق و توصيفگرهاي مشابه از نظر معيارهاي نرخ شناسايي، زمان پردازش، ابعاد بردار ويژگي و مقاوم بودن نسبت به حالات و زاويه‌هاي چهره مقايسه شده است.

1400/03/19

A hybrid feature extraction scheme for fast face recognition

1/1/1900 12:00:00 AM

Face recognition is a biometric method used to identify individuals based on biological information. Face recognition has gained attention due to its wide range of applications, including security, monitoring and access control. In general, a face recognition system consists of three parts: face recognition, feature vector extraction, and feature vector matching with the face image database. In real-time face recognition systems, processing time and processing speed are important, so descriptor based face recognition methods must have small vector dimensions and low processing time in order to perform well in real-time face recognition systems. The local difference binary descriptor uses three properties of average intensity, horizontal gradient and vertical gradient as feature vectors and due to the use of the integral technique, it has a high speed in feature extraction. Also, this descriptor is resistant to light intensity and lighting changes. This descriptor alone does not work well due to the binary feature vector and the lack of resistance to low image resolution and low face recognition rate alone. Thus, the local phase quantification descriptor, which uses the short-time Fourier transform to extract the feature vector, is combined with a low-resolution binary local descriptor descriptor to increase the face recognition rate as well as to increase the descriptor's resistance to blur. Therefore, the descriptor presented in the spatial and frequency domains extracts face feature vectors. The proposed descriptor has a feature property with small dimensions and low processing time, so it is implemented in a real-time face recognition system and has shown good performance. The presented descriptor has achieved a face recognition rate of about 98% and has been compared with modern methods based on deep learning and similar descriptors in terms of recognition rate parameters, processing time, feature vector dimensions and resistance to facial expression and face angles.

شناسايي چهره , دودويي اختلاف محلي , كمي‌سازي فاز محلي , توصيفگر , دسته‌بند

Face recognition , Local difference binary , Local Phase Quantization , descriptor , classifier