آخرین بروز رسانی: 25 اردیبهشت, 1401

فناوری تشخیص چهره چگونه کار می کند؟

تشخیص چهره یک فناوری رایانه ای مبتنی بر هوش مصنوعی (AI) است که برای یافتن و شناسایی چهره انسان در تصاویر دیجیتال استفاده می شود. فناوری تشخیص چهره را می توان در زمینه های مختلف  از جمله امنیت، بیومتریک، اجرای قانون، سرگرمی و ایمنی شخصی، نظارت و ردیابی افراد مشاهده کرد.

تشخیص چهره چگونه کار می کند؟

برنامه‌های تشخیص چهره از الگوریتم‌ها و ML برای یافتن چهره‌های انسان در تصاویر استفاده می‌کنند که اغلب اشیاء غیر چهره مانند مناظر، ساختمان‌ها و سایر قسمت‌های بدن انسان مانند پا یا دست را در خود جای می‌دهند. الگوریتم‌های تشخیص چهره معمولاً با جستجوی چشم انسان شروع می‌شوند. سپس الگوریتم ممکن است سعی کند ابروها، دهان، بینی، سوراخ‌های بینی و عنبیه را تشخیص دهد. هنگامی که الگوریتم به این نتیجه رسید که یک ناحیه صورت را پیدا کرده است، آزمایش‌های اضافی را برای تأیید اینکه در واقع یک چهره را شناسایی کرده است، اعمال می‌کند.

روش‌های مورد استفاده در تشخیص چهره می‌تواند مبتنی بر دانش، مبتنی بر ویژگی تطبیق الگو یا مبتنی بر ظاهر باشد. هر کدام مزایا و معایبی دارند:

روش‌های مبتنی بر دانش، چهره‌ای را بر اساس قوانین توصیف می‌کنند. چالش این رویکرد دشواری در ارائه قوانین کاملاً تعریف شده است.

روش‌های تطبیق الگو، مبتنی بر مقایسه تصاویر با الگوهای استاندارد چهره که قبلاً ذخیره شده‌اند و ارتباط بین این دو برای تشخیص چهره هستند. متأسفانه این روش ها به تغییرات در حالت، مقیاس و شکل نمی پردازند.

روش‌های مبتنی بر ظاهر، از تجزیه و تحلیل آماری و یادگیری ماشینی برای یافتن ویژگی‌های مرتبط تصاویر چهره استفاده می‌کنند.

Face Recognition: Biometric Authentication | NEC

برخی از تکنیک های خاص تر مورد استفاده در تشخیص چهره عبارتند از:

حذف پس زمینه به عنوان مثال، اگر تصویری دارای پس‌زمینه ساده، تک رنگ یا پس‌زمینه از پیش تعریف‌شده و ثابت باشد، حذف پس‌زمینه می‌تواند به آشکار کردن مرزهای چهره کمک کند.

در تصاویر رنگی، گاهی اوقات می توان از رنگ پوست برای یافتن چهره استفاده کرد. با این حال، این ممکن است با تمام چهره ها کار نکند.

یک روش دیگر استفاده از حرکت برای یافتن چهره ها است. در ویدئوهای بلادرنگ، یک چهره تقریبا همیشه در حال حرکت است، بنابراین کاربران این روش باید ناحیه متحرک را محاسبه کنند. یکی از ایرادات این روش خطر اشتباه شدن با سایر اجسام در حال حرکت در پس زمینه است.

ترکیبی از استراتژی های ذکر شده در بالا می تواند یک روش تشخیص چهره جامع ارائه دهد.

تشخیص چهره در تصاویر می تواند به دلیل متغیر بودن عواملی مانند حالت، بیان، موقعیت و جهت، رنگ پوست و مقادیر پیکسل، وجود عینک یا موهای صورت، شرایط نور و وضوح تصویر پیچیده باشد.

پیشرفت های عمده در روش تشخیص چهره در سال 2001 رخ داد، زمانی که محققان بینایی کامپیوتری پل ویولا و مایکل جونز چارچوبی را برای تشخیص چهره ها در زمان واقعی با دقت بالا پیشنهاد کردند. چارچوب Viola-Jones مبتنی بر آموزش مدلی برای درک اینکه چه چیزی یک چهره است و چه چیزی نیست، می باشد. پس از آموزش، مدل ویژگی‌های خاصی را استخراج می‌کند و در یک فایل ذخیره می‌شود تا ویژگی‌های تصاویر جدید را بتوان با ویژگی‌های ذخیره‌ شده قبلی در مراحل مختلف مقایسه کرد. اگر تصویر مورد مطالعه از هر مرحله از مقایسه ویژگی عبور کند، یک چهره شناسایی شده است و عملیات می تواند ادامه یابد.

اگرچه چارچوب Viola-Jones هنوز برای شناسایی چهره ها در برنامه های بلادرنگ محبوب است، اما محدودیت هایی دارد. به عنوان مثال، اگر صورت با ماسک یا روسری پوشانده شده باشد، یا اگر صورت به درستی جهت دهی نشده باشد، این چارچوب ممکن است کار نکند، ممکن است الگوریتم نتواند آن را پیدا کند.

برای کمک به رفع اشکالات چارچوب ویولا جونز و بهبود تشخیص چهره، الگوریتم‌های دیگری – مانند شبکه عصبی کانولوشنال مبتنی بر منطقه (R-CNN) و آشکارساز تک شات (SSD) – برای کمک به بهبود فرآیندها توسعه یافته‌اند.

شبکه عصبی کانولوشنال (CNN) نوعی شبکه عصبی مصنوعی است که در تشخیص و پردازش تصویر استفاده می‌شود و به طور خاص برای پردازش داده‌های پیکسلی طراحی شده است.

رویکردهای مبتنی بر شبکه پیشنهاد منطقه مانند R-CNN به دو عکس نیاز دارند، یکی برای ایجاد پیشنهادهای منطقه و دیگری برای شناسایی شی هر پیشنهاد .

SSD فقط به یک عکس برای شناسایی چندین شی در تصویر نیاز دارد. بنابراین، SSD به طور قابل توجهی سریعتر از R-CNN است.

کاربردهای تشخیص چهره

اگرچه همه سیستم های تشخیص چهره از تشخیص چهره استفاده می کنند، اما همه سیستم های تشخیص چهره برای تشخیص چهره استفاده نمی شوند. این فناوری می تواند برای ضبط حرکت صورت یا فرآیند تبدیل الکترونیکی حرکات صورت انسان به یک پایگاه داده دیجیتال با استفاده از دوربین ها یا اسکنرهای لیزری استفاده شود. از این پایگاه داده می توان برای تولید انیمیشن های رایانه ای واقعی برای فیلم ها و یا بازی ها استفاده کرد.

همچنین می تواند برای فوکوس خودکار دوربین ها یا شمارش تعداد افرادی که وارد یک منطقه شده اند استفاده شود.

این فناوری همچنین دارای کاربردهای بازاریابی است. به عنوان مثال، نمایش تبلیغات خاص زمانی که یک چهره خاص شناسایی می شود.

یک کاربرد دیگر، استنتاج زبان از نشانه های بصری یا “لب خوانی” است. این می تواند به رایانه ها کمک کند تا تشخیص دهند چه کسی صحبت می کند، که ممکن است در برنامه های امنیتی مفید باشد. علاوه بر این، تشخیص چهره می تواند برای کمک به تعیین قسمت هایی از یک تصویر برای اطمینان از حفظ حریم خصوصی استفاده شود.

تشخیص چهره تنها یکی از کاربردهای فناوری تشخیص چهره است. تشخیص چهره برای باز کردن قفل گوشی ها و برنامه های تلفن همراه و همچنین برای تأیید بیومتریک استفاده می شود. صنایع بانکداری، خرده فروشی و حمل و نقل امنیتی از تشخیص چهره برای کاهش جرم و جلوگیری از خشونت استفاده می کنند

دستگاه های حضور و غیاب و تشخیص چهره:

Physical security, AI, facial recognition among Security Industry Association 2019 trends forecast | Biometric Update

  1. ثبت نام
  2. شناسایی

برای اینکه کاربران بتوانند از دستگاه حضور و غیاب تشخیص چهره استفاده کنند، باید ابتدا یکبار، چهره آن‌‌ها بر روی سیستم تعریف شود که به اینکار اصطلاحاً‌ “ثبت نام” کاربران می‌گویند.

برای ثبت نام چهره پرسنل، کاربر باید روبروی دستگاه تشخیص چهره قرار گیرد. ابتدا مشخصات صورت توسط دوربین دستگاه اسکن می‌شود. سپس ویژگی‌های مورد نظر از تصویر اسکن شده، استخراج شده و به عنوان الگو در بانک اطلاعاتی دستگاه تشخیص چهره ذخیره می‌گردد.

دستگاه حضور و غیاب فروشگاه هایدید

منبع مقاله:

https://www.techtarget.com/

مقالات مرتبط رو حتما ببینید

نظر شما برای ما با ارزشه

0 دیدگاه