دوشنبه , ۲ بهمن ۱۳۹۶
خانه / مقالات / مقالات نظارت تصویری / تشخیص هویت بیومتریک از روی چهره
Biometric

تشخیص هویت بیومتریک از روی چهره

انسان ها به طور معمول بیش از هر روش بیومتریکی از تشخیص چهره برای شناخت و شناسایی همدیگر استفاده می کنند. یکی از روشهای مورد بررسی برای تعیین هویت انسان، بازشناخت چهره است .
در چهره نگاری ویژگی هایی که با گذشت زمان به طور قابل ملاحظه ای تغییر نمی کنند، اندازه گیری می شوند. اطراف دهان و استخوان های گونه، شکل بینی و محل قرار گیری ابروها، چشم ها، بینی، دهان، و طول چانه و پیشانی و همچنین فاصله چشم ها و ابروها، از جمله ویژگی های اندازه گیری شده در این سیستم ها هستند.

تشخیص چهره

بازشناخت چهره امروزه توسط سیستم های کامپیوتری انجام می شود که معمولا با عنوان شناسایی چهره و یا بازشناخت چهره بیان میگردد. در باز شناخت تصویر یک چهره تصویر ورودی با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسایی قرار میگیرد. این بانک شامل مشخصاتی از تصویر چهره افراد شناسایی شده می باشد. بازشناخت چهره استفاده های فراوانی در شناسایی بزهکاران، کارتهای اعتباری، سیستمهای امنیتی و موارد متعدد دیگر داشته و بدلیل کاربردهای فراوان، در سالهای اخیر، مورد توجه قرار گرفته است. این بازشناخت چهره در تصویر دردو مرحله انجام می شود:
 موقعیت و حدود چهره یا چهره ها، در تصویری که دارای اشیاء و زمینه های مختلف است، مشخص میشود .
 از چهره مشخص شده در تصویر، ویژگیهای لازم استخراج شده و بازشناخت انجام میشود. که از جمله آن  مشخص کردن اجزاء چشم و تعیین حالت و موقعیت آنها می باشد.

کارهای انجام شده برای استخراج خصوصیات از تصویر بر روی دو نوع تصویر( تصاویر تمام رخ و نیمرخ) بوده است و بدلیل اینکه تصاویر نیمرخ حاوی اطلاعات کمتری از تصاویر تمام رخ است، بررسی های انجام شده، بیشتر بر تصاویر تمام رخ متمرکز شده است. در دهه های اخیر روش های متعددی برای باز شناخت چهره پیشنهاد شده است که برخی روش ها از بقیه کامل تر هستند.

روشهای استخراج خصوصیات از چهره

در سالهای اخیر روشهای مختلفی برای استخراج ویژگیهای مهم ومؤثر جهت شناسایی چهره، مورد بررسی
قرار گرفته است، این روشها به سه دسته کلی تقسیم بندی میشوند:

۱-  ویژگیهای ظاهری
ویژگیهای ظاهری شامل مختصات اجزاء چهره، مانند چشمها، بینی، حلقه ها، بافتها و نواحی مختلف چهره میباشد که همان خصوصیات ظاهری چهره هستند. در استخراج این خصوصیات از تصویر محدودیتهای فراوانی وجود دارد.

۲- ویژگیهای جبری
هر تصویر میتواند بصورت یک ماتریس تلقی شده و سپس عملیات جبری و تبدیلات ریاضی مختلف بر روی آن اعمال گردد. ویژگیهای جبری، حاصل این فرایند است و عموماً نشانگر خواص ذاتی یک تصویر میباشد.
ازعملیات مهم بر روی ماتریس تصویر، تحلیل مولفه های اساسی ( تبدیل PCA ) میباشد. این تبدیل یکی از روشهای مهم برای استخراج ویژگیهای جبری از تصویر چهره میباشد، که بر مبنای بردارهای ویژه ماتریس کواریانس بنا نهاده شده است. بردارهای ویژه ماتریس، بیان کننده توزیع جبری ماتریس وثابتهای هندسی بوده و میتواند برای استخراج ویژگی از تصویر بکاربرده شود. از دیگر روشهای جبری، روش تجزیه مقادیر منفرد SVD  میباشد. می توان نشان داد که تجزیه مقادیر منفرد ماتریس یکی از روشهای موثر برای استخراج ویژگی ازماتریس تصویر است.
تجزیه مقادیر منفرد در فشرده سازی و پردازش سیگنال نیز مورد استفاده قرار میگیرد.

۳-  ویژگیهای آماری نقاط تصویر
با توجه به دو بعدی بودن تصاویر و در نظر گرفتن نقاط تصویر به صورت داده های آماری، میتوان از مشخصات آماری نقاط، برای توصیف تصویر استفاده کرد. در این روش معمولاً از خصوصیاتی استفاده میشود که دارای توانائی کافی برای توصیف تصویر بوده وضمن غنای اطلاعاتی، از پایداری خوبی نیز برخوردار باشد. یکی از روشهای آماری مهم استفاده از روشخود بستگی موضعی با درجه بالا میباشد. ویژگیهای استخراج شده از تصویر
بصورت بردار در نظر گرفته میشود. اگر بردارهای استخراج شده از تصاویر دارای ابعاد زیادی باشند، باید کاهش بعد داده شوند تا جداپذیری و طبقه بندی کلاسها بهتر گردد.

FaceArchive

شکل ۱: از آرشیو تصاویر چهره

تشخیص دو بعدی چهره

در هر چهره مشخصات چانه، دهان، بینی، چشم و پیشانی، منحصر به فرد هستند. اما برای تشخیص هویت از روی چهره برخی عوامل مانند ریش و سبیل، عینک و زاویه تابش نور، کار را دشوار می‏کنند. از همین رو، سیستم ما باید این اطلاعات قابل تغییر را حذف کرده و روی ویژگی‏های ثابت هر چهره متمرکز شود. افزون بر این، باید هنگام پردازش به حالت چهره (شاد، غمگین و …  ) ‌نیز توجه داشت برای رسیدن به یک نتیجه قابل اطمینان در تشخیص چهره، دو روش وجود دارد:

۱شبکه الاستیکی
Eigen- Faces 2

FaceBiometric

شکل ۲: چهره نگاری

در روش نخست، ویژگی‏های کلیدی چهره با کمک گراف به دست می‏آید.برای این‏کار یک شبکه روی چهره قرار می‏گیرد. سپس نقاط تلاقی این شبکه که روی نقاط کلیدی چهره مانند چشم‏ها، انحنای لب یا نوک بینی قرار گرفته‏اند ثبت می‏شوند. این نقاط یک شبکه الاستیکی با نسبت‏های ثابت می‏سازند. این تناسب‏ها حتی با تغییر حالت چهره یا موقعیت دوربین نیز ثابت می‏مانند. درون عکس‏های گرفته شده از چهره شخص می‏توان این نقاط را پیدا کرد. در پایان، سیستم با مقایسه مشخصات به دست آمده با مشخصاتی که از پیش ذخیره شده در باره شخص داوری می‏کند.

FaceRecognition

شکل ۳: چهره نگاری

در روش دوم تلاش می‏شود تا عکس اسکن شده صورت با اطلاعات پایه‏ای از قبل ذخیره شده مطابقت داده شود.برداری که در پایان به دست می‏آید، ملاک خوبی برای شناسایی چهره است.

تشخیص سه بعدی چهره

برخلاف روش تشخیص دو بعدی، روش سه بعدی به تجهیزات بسیار پیچیده‏تری نیاز دارد. در این روش، انحراف داده‏های ورودی از داده‏های ذخیره شده زیادتر است و روش‏ با دقت بیشتری عمل می‏کند.
روش تشخیص سه بعدی چهره از یک چشمه نور مادون قرمز و یک اسکنر به عنوان دریافت کننده استفاده می‏کند. فرستنده شبکه‏ای از نورهای مادون قرمز که برای انسان قابل رویت نیست را روی صورت شخص می‏تاباند. سپس یک اسکنر ویژه پرتوهای بازتاب را دریافت کرده و اطلاعات تصویر را پردازش می‏کند. دریافت بازتاب و تصویربرداری با سرعت ۲۵ فریم در ثانیه انجام می‏گیرد.
برتری روش سه بعدی در همین سرعت بالای شناسایی و عدم وابستگی به حرکت و جا به جایی صورت است.

FaceScan

شکل ۴ : اسکن سه بعدی چهره

یکی دیگر از مزایا این است که شناسایی فرد حدود ۲ تا ۳ ثانیه طول می‏کشد. انتقال و نصب سیستم تصویربرداری هم بسیار ساده است. زاویه دید سیستم چندان مهم نیست. همچنین آینه‏ای شدن یا نورپردازی نامناسب تاثیری در این شیوه ندارد. همچنین عملیات آن برای اشخاص ساده بوده و کاملاً پذیرفتنی است. سیستم برای شناسایی دقیق اشخاص، برای هر نفر برداری‏های سه بعدی می‏سازد.

3dFaceScan

شکل ۵ : اسکن سه بعدی چهره

 ساختار هندسی چهره

در این شیوه مشخصات فیزیکی صورت مانند مکان چشم، بینی، لب، … و ارتباط بین آنها را تحلیل می کنند. تصاویر تهیه شده می توانند سه بعدی نیز باشند این شیوه بسیار پرکاربردتر از بقیه متدهاست.
فرم هندسی یک چهره نیز از پارامترهای مورد اندازه گیری در سیستمهای بیومتریک است از دیگر کاربردهای این سیستمها ، استفاده در سیستمهای مالتی بیومتریک جهت افزایش دقت است . تصویر چهره یک کاربر می تواند توسط یک دوربین سیاه و سفید با استاندارد که یک رزولوشن ۲۴۰*۳۲۰ و اقلا ۳ تا ۴ فریم را تولید کند، گرفته می شود.

 

FaceFeatures

شکل ۶ : تحلیل مشخصات فیزیکی صورت مانند مکان چشم، بینی، لب و …

ساختار ظاهری پوست

در این روش چین و چروک های صورت بررسی می‌شود. این ساختار همانند اثر انگشت در افراد مختلف متفاوت است.

FaceFeature

شکل ۷ : بررسی چین و چروک های صورت

مشخصه گرمایی صورت

در این مدل توسط دوربین های مادون قرمز از صورت تصویربرداری می شود.  نقاط مختلف صورت براساس میزان حرارت و دمایی که دارند در تصویر دیده می‌شوند (نقشه ای از سطح صورت تهیه می شود). از آنجا که تجمع رگ‌های زیر پوست صورت در هر فرد شکل متفاوتی دارد، تمایز رنگ بین نقاط مختلف صورت ثابت می ماند. به عنوان مثال در شکل ۱۲ سمت چپ فرد حالت عادی دارد و در سمت راست حالت عصبی دارد، با این حال کاملا می توان مشاهده کرد که نقاطی که در تصویر سمت چپ قرمز تر از بقیه نقاط بودند باز هم در تصویر سمت راست قرمزتر از باقی نقاط هستنند. با این حال تمایز و اختلاف رنگ در نقشه صورت تغییر نکرده است. البته این سیستم به دلیل محدودیت‌های مختلفی که دارد چندان عمومیت نیافته است .

FaceRecognition1

شکل ۸ : سمت چپ فرد حالت عادی و سمت راست حالت عصبی دارد

شناسایی از طریق لبخند

یکی دیگر از ویژگیهای منحصر به فرد افراد در نوع و مدل خندیدن آنهاست. در این حالت تفاوت بین چهره در حالت عادی و هنگامی که شخص لبخند می زند مورد تحلیل قرار می گیرد که البته این روش ها هنوز به تایید نهایی نرسیده اند.

تشخیص هویت با عضلات صورت و صدای فرد

این روش، راه دیگری برای احراز هویت میباشد . در این روش برای دست یابی به شیوه ای آسان و ارزان و دارای دقت بالا از تحلیل همزمان ویژگی های صدا وحرکات عضلات صورت استفاده می شود.
با این روش محققان در محیط های بدون سروصدا ( نویز  ) به دقت صددرصد حتی در دوقلوهای همسان و دقت ۸۵ درصد در محیط های دارای سروصدا رسیده اند که البته با تکرار کلمه عبور این دقت در محیط های دارای سروصدا به صد درصد هم می رسد .
ارسال و بررسی برخی داده های طبیعی بدن از راه دور دشوار و هزینه بر است در حالی که با همراهی یک میکروفون و دوربین های دیجیتال کوچک این شناسایی به راحتی انجام می شود.
از دیگر برتری های این طرح جلوگیری از تخلف در آن است چرا که به علت ساختار پیچیده عصبی ترکیب این دو ویژگی تقلید همزمان صدا وحرکات صورت تقریبا غیرممکن است .
تعداد ماهیچه های تولیدکننده حرکات فک و لب  ۲۶ عدد می باشد که از این مجموعه ۳  ماهیچه اصلی حرکتی درنظر گرفته و مدل سازی می شود.  در مرحله بعد با استفاده از روشهای ریاضی ، تحلیل مدل ترکیبی حرکات صورت و صدا انجام و در گروهی از افراد از جمله ۴  جفت دوقلوی همسان آزمایش شده است.
نتایج مدلسازی نشان داد که این روش با وجود آسانی کاربرد و ارزیانی سخت افزار موردنیاز کارآیی مناسب و دقیقی دارد.

تشخیص چهره مبتنی بر طیف مادون قرمز حرارتی

تصاویر مادون قرمز یا نقشه های حرارتی الگوی تابش گرما را از یک شی نشان می دهند. اشیا مقادیر مختلفی از انرژی مادون قرمز را با توجه به دما و مشخصات خود تابش می¬کنند. دمای صورت و بدن مقدار یکتایی دارد و بین ۳۵٫۵ درجه سانتی گراد تا ۳۷٫۵ درجه سانتی گراد متغیر است که نوعی امضای حرارتی را بوجود می آورد. دمای پوست نیز در یک اتاق بسته که دمای ۲۱ درجه سانتی¬گراد دارد در محدوده ی ۲۶ تا ۲۸ درجه سانتی¬گراد تغییر می¬کند. الگوی دمایی صورت در درجه¬ی اول از الگوی عروق خونی سطحی زیر پوست مشتق می شود. عروق، خون گرم را از طریق بدن منتقل می کنند و پوست بالای خود را گرم می کنند. قسمتی از پوست که مستقیما بالای عروق هستند به طور متوسط ۰٫۱ درجه سانتی گراد گرم تر از نواجی مجاور خود هستند. ساختار بافتی و عروقی صورت برای هر شخص یکتا است پس در نتیجه تصویر مادون قرمز آن نیز یکتا خواهد بود. حتی افراد همزاد و دوقلو نیز دارای الگوی حرارتی متفاوت هستند. محدوده و حساسیت بسته به مشخصات تکنولوژی تصویر برداری مادون قرمز دارد. استفاده از سیستم های حرارتی مادون قرمز غیرفعالِ طبیعی، موجب کاهش پیچیدگی و افزایش قابلیت اطمینان می¬شود.
صورت انسان ها از نژادها و اقوام مختلف دارای مشخصه های انعکاسی مختلفی است. مشکل کشف تغییرات رنگ پوست در تصاویر مرئی به سادگی با یک حسگر مادون قرمز کالیبره شده حل می¬شود. دوربین های مادون قرمز می توانند سیگنال های تصویری واضحی در طول روز و شب و حتی شرایط هوایی نامناسب مانند مه¬آلودگی تهیه کنند. تا زمانیکه صورت به خودی خود تشعشعات حرارتی دارد نیازی به منبع خارجی تامین تابش نور وجود نخواهد داشت در حالیکه سنسور های طیف مرئی برای دید در شب نیازمند منبع نور مصنوعی هستند که برای خیلی از کاربردها کارا نخواهد بود زیرا موجب حواس¬پرتی سوژه انسانی می¬شود. در بیشتر موارد امضای حرارتی صورت از محیط اطراف قابل تمییز بوده و نیازمند تقسیم بندی نیست. در  مقابل با تقسیم بندی دشواری روبرو هستیم که  تصاویر مرئی با خود به همراه دارند و این به خاطر گوناگونی فیزیکی است که مرتبط با روشنایی، رنگ و اثرات سایه است.
طیف باند مربوط به مادون قرمز انعکاسی مزایایی را برای حل مشکلات ردیابی چهره به همراه دارد. پوست بدن مشخصه انعکاسی یکتا برای خود دارد و امضای چهره در این طیف باند کمتر متغیر است. در تصویر برداری مادون قرمز، بخش اکثریت تشعشع مادون قرمز حرارتی نمی تواند از یک شیشه عبور کند زیرا شیشه موجب ضعیف شدن طیف الکترومغناطیس با طول موج حول ۲٫۴ میکرومتر می¬گردد. برخلاف طیف مادون قرمز حرارتی، مادون قرمز انعکاسی می¬تواند از  پنجره ی خودرو نیز عبور کند.
تشخیص چهره¬ی تغییر یافته برای سیستم های تشخیص چهره با کاربردهای امنیتی حیاتی است. تشخیص چهره حرارتی مخصوصا زمانی می¬تواند مفید باشد که هدف جامه¬ی مبدل پوشیده باشد و در تاریکی کامل باشیم. استفاده از مواد مصنوعی و روش جراحی دو روش مختلف پنهان سازی برای تغییر مشخصه ی چهره هستند. مواد مصنوعی می¬توانند مواردی نظیر بینی مصنوعی، آرایش و یا کلاه گیس باشند. جراحی نیز ظاهر چهره را از طریق جراحی پلاستیک تغییر می دهد. هویت یابی افراد بعد از مبدل سازی و پنهان کاری با استفاده از تصاویر مرئی تقریبا بدون دانش قبلی از ظاهر چهره¬ی یک شخص ناممکن است اما مبدل سازی به سادگی با طیف مادون قرمز قابل ردیابی است زیرا بیشتر مواد مصنوعی امضای حرارتی صورت را تغییر می دهند.. باند بالای SWIR در محدوده ی ۱٫۴ تا ۲٫۴ میکرومتر می تواند اطلاعات مفیدی را برای ردیابی چهره ی های تغییر یافته بدست آورد و این به خاطر یکتایی و مشخصه¬ی خارجی پوست انسان در باند های میانی است. جراحی پلاستیک ممکن است مقداری از بافت پوست را حذف یا اضافه کند، چربی ها را توزیع مجدد کند، سیلیکون اضافه کند و یا شکاف های اضافه و حذف نماید. جراحی ممکن است مسیر جاری شده خون در رگ را نیز تغییر دهد که به صورت خال های سرد متمایز شده در تصاویر حرارتی ظاهر می¬شوند.
تشخیص چهره مبتنی بر طیف مادون قرمز حرارتی از اطلاعات آناتومیکی صورت به  عنوان ویژگی های یکتا استفاده می کند. ویژگی های آناتومیکی فرد برای تشخیص¬هایی مفید است که از فاصله¬ای مشخص با سنسورهای غیر فعال مادون قرمز با همکاری یا بدون همکاری خود فرد اندازه گیری شود. الگوریتم های تشخیص چهره مبتنی بر ظاهرکه به تصاویر مادون قرمز حرارتی اعمال می شوند بهتر از حالتی عمل می کنند که بر روی تصاویر مرئی اعمال می¬شوند. به علاوه الگوریتم هایی که بر روی تلفیق تصاویر مرنی و مادون قرمز اعمال شوند بهتر از اعمال روی تک تک آن ها به صورت تنها نتیجه می دهند.
امتزاج    ، اطلاعات تلفیق عکس های بدست آمده از چند نوع سنسور را استخراج می کند. سنسور ها برای یک سیگنال بخصوص ساخته شده اند،برای مثال CCD ها برای دریافت سیگنال مرئی و سنسور های مادون قرمز توزیع دمایی را اندازه گیری می کنند. امتزاج اطلاعات چند گیرینده شامل مرئی و حرارتی و اسکنر های ۳ بعدی می تواند بر محدودیت های موجود در تکنولوژی های پردازش تصویر فائق آید.شکل  طرحی برای تصویر برداری همزمان مادون قرمز و مرئی را نشان می¬دهد. با وجود اینکه تشخیص چهره مرئی و مادون قرمز بر مبنای الگوریتم های مشابه عمل می کنند، امتزاج تصاویر حرارتی و مرئی روش قابل رشد و ترقی است که موجب بهبود کارآیی می¬شود.

ImagingRoom

شکل ۹ :   طرح اتاق تصویر برداری

در کاربردهای تشخیص حالت نیز چندین حالت روانی با تغییرات دمایی صورت ارتباط داده می¬شوند. آقای پاولیدز   نشان داد که چگونه تغییرات دمای صورت به فعالیتی که در حال انجام است بستگی دارد. با استفاده از یک دوربین مادون قرمز، شش مولفه در حین شبیه سازی یک فعالیت بخصوص، تصویر برداری شد. برای شبیه سازی، مواردی همچون وضعیت های استراحت در تاریکی، تحریک هایی با قدرت ۶۰ دسی بل مانند صدای بلند ناگهانی برای افزایش ترس و اضطراب ایجاد شد. هر تصویر گرفته شده به ۵ ناحیه مطلوب  شامل اطراف دو چشم، گونه ی چپ و راست، دماغ، چانه و گردن تقسیم شد. بعد از ۳۰۰ میلی ثانیه از اعمال تحریک افزایش دمایی اطراف چشم و کاهش دما در گونه ها ثبت شد. به طور مشابه با جویدن لثه ها گرم شدن ناحیه چانه ثبت گردید و در نهایت با اعمال مقداری فشار کاهش دمای جزئی در ناحیه بینی دیده شده. این نتایج به آقای پاولیدز این اجازه را می داد که چنین نتیجه گیری کند که هر الگوی دمایی صورت می تواند با یکی از فعالیت ها در ارتباط باشد.
جدول زیر خلاصه مزایا و محدودیت های دو روش تشخیص چهره مادون قرمز و مرئی است.

روش تصویر برداری مزایا محدودیت ها
تصویر برداری مرئی –  الگوریتم های تشخیص آن به خوبی توسعه یافته اند.

–  آسانی استخراج و جایابی ویژگی های چهره.

–  در شرایط نوری کنترل شده به خوبی کار می کند.

– ارزان قیمت تر بودن.

–  عمکرد ضعیف با تغییرات نور محیط و تغییر حالات چهره

–  سختی جداسازی صورت از پارازیت های پس زمینه

–  عدم کارآیی در نور کم

– عدم تشخیص پنهان سازی ها

تصویر برداری حرارتی –  تشخیص صورت و تقسیم بندی آن آسان تر است.

–  در تاریکی کامل می تواند کار کند.

–  مناسب تشخیص پنهان سازی ها

–  واریانس کوچکتر درون کلاسی

– با تغییرات چهره و نور تقریبا ثابت است.

–  شیشه ها بخش عظیمی از انرژی حرارتی را جذب می کنند.

–  نیازمند کالیبراسیون است. دمای موضعی و سطح فعالیت ممکن است مشخصه های حرارتی را تغییر دهند.

–  رزولوشن پایین

–  گران قیمت بودن

امتزاج تصاویر مرئی و حرارتی –  اطلاعات ظاهری و آناتومیکی صورت استفاده می شوند.

–  مزایای هر دو نوع تصویر برداری را دارد.

–  افزایش دقت تشخیص

– گستره ی وسیع کاربرد

–  نیازمند محاسبات پیچیده تر است.

–  راه اندازی تصویربرداری پیچیده تر است.

– برای پردازش نیازمند ثبت همزمان اطلاعات مرئی و حرارتی هستیم.

 

پارامترهای مهم در تعیین نرخ بازشناخت

 

نرخ باز شناخت در تمامی روش‌های موجود، به چند عامل مهم وابسته است، که به آن‌ها اشاره می‌شود:

۱-  اندازه تصاویر چهره
هر چند تصاویر بزرگتر باشند، حاوی اطلاعات بیشتری از چهره بوده واین فراوانی اطلاعات در بردار استخراجی نیز صدق می‌کند، و لذا  طبقه‌بندی و جداپذیری کلاس‌ها بهتر انجام گرفته و نرخ بازشناخت افزایش می‌یابد. البته اگر تصاویر بزرگ و تعداد آن ها زیاد باشد، حجم و حافظه زیادی برای پردازش و نگهداری تصاویر، لازم خواهد بود.

۲-  تغییرات تصاویر آموزش هر شخص
اگر تغییرات تصاویر آموزشی در هر کلاس کم باشد، تغییرات بردار استخراجی و تداخل بین کلاس ها کمتر بوده و نرخ شناسایی افزایش می‌یابد. اما باید توجه داشت که در این صورت، حالت‌های محدودی از چهره (شبیه تصاویر آموزشی) قابل بازشناخت خواهد بود.

۳-  تعداد اشخاص (کلاس ها) در بانک تصاویر
با افزایش تعداد کلاس ها، تداخل بین کلاس‌ها بیشتر شده و از جداپذیری آن ها کاسته می شود و نرخ شناسایی نسبت به تعداد کمتر کلاس ها، پایین می‌‌آید.

۴-  به کار بردن سطح آستانه
شناسایی  هویت ازطریق دندان ،لب ، تپش‌های قلب و…

BiometricTypes

شکل ۱۰ : روش های مختلف بیومتریک

سیستم تشخیص هویت از طرق چهره و میزان دقت آن

شاید به نظر برسد تغییر چهره کار ساده ای است این گمان زمانی که تنها بخواهیم با چشم های خودمان فرد را از روی چهره اش شناسایی کنیم ظاهرا صحیح به نظر میر سد ولی در مورد سیستم های پیشرفته بیومتریکی این طور نیست .
در روش های بومی برای تغییر چهره جاعلان روش های مختلف استفاده می کنند ، یکی استفاده از یک عکس در ابعاد واقعی از صورت فردی است که اجازه دسترسی دارد. آرایش چهره هم می تواند یکی از این روش ها باشد.

Faceoff

شکل ۱۱ : روش های تغییر چهره

برنامه های سیستم های تشخیص هویت بسیار متفاوت است ، زیرا این برنامه ها از الگوریتم های نیرومند متعددی برای تشخیص افراد استفاده می کنند.  مثلا در الگوریتم ویولا-جونز، برنامه روابط فضایی بین برخی مناطق خاص تصویر گرفته شده از صورت فرد را مورد بررسی قرار می دهد.  بعد از آن، هر بار برای شناخت فرد در چهره اش به دنبال این روابط و مناطق می گردد و آن را تطبیق می دهد.
اکثر چهره ها معمولا قسمت تیره ای در بالای چشم ها دارند، در صورتی که استخوان گونه و برآمدگی بینی روشن تر دیده می شود. هنگامی که الگوریتم به تعداد کافی از این جزئیات را تشخیص داد و ثبت کرد، آنگاه مطمئن می شود چیزی که در روبرویش قرار گرفته صورت یک انسان است. آنگاه به مقایسه خصوصیات این صورت با بانک اطلاعاتی اش می پردازد تا فرد را شناسایی کند. این روش معمولا قدرت تشخیص موثری دارد و حتی اگر صورت فرد در زاویه درستی جلو دوربین قرار نگرفته باشد، اگر بدون پوشش باشد، به راحتی شناسایی می شود.

FaceScanner

شکل ۱۲ : اسکنر چهره

 البته علیرغم کارآمدی این سیستم تشخیص، می توان با آرایش چهره و تغییر در کنتراست بخش هایی از چهره که اسکن می شوند، آن را فریب داد. آدام هاروی، دانشجوی دانشگاه نیویورک کشف کرده که با اجرای برخی طرح های تیره در اطراف چشم ها و روی گونه می توان به خوبی این کار را انجام داد. زیرا این روش تقارن تیرگی و روشنی صورت را به هم زده و باعث می شود که چهره درهم و مغشوش به نظر برسد.

انسان ها به طور معمول بیش از هر روش بیومتریکی از تشخیص چهره برای شناخت و شناسایی همدیگر استفاده می کنند. یکی از روشهای مورد بررسی برای تعیین هویت انسان، بازشناخت چهره است . در چهره نگاری ویژگی هایی که با گذشت زمان به طور قابل ملاحظه ای تغییر نمی کنند، اندازه گیری می شوند. اطراف دهان و استخوان های گونه، شکل بینی و محل قرار گیری ابروها، چشم ها، بینی، دهان، و طول چانه و پیشانی و همچنین فاصله چشم ها و ابروها، از جمله ویژگی های اندازه گیری شده در این سیستم ها هستند. تشخیص چهره بازشناخت چهره…

User Rating: 3.76 ( 6 votes)

پیشنهاد برای مطالعه:

videoanalytics

قابلیت‌ها و مزایای فناوری ویدئو آنالیتیک

در عصر دیجیتال، سرعت هیچ گاه تا این اندازه اهمیت نداشته است. مشتریان نیاز دارند …

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *