تشخیص چهره: انسان يا کامپیوتر (قسمت پنجم و پاياني)

تحقیق در زمینه تشخیص چهره فرصت‌های مطالعاتی را فراهم می‌آورد که دانشمندان و مهندسان را برای چند سال آینده به چالش خواهد کشید. به عنوان نمونه، ایجاد یک سیستم تشخیص چهره قدرتمند می‌تواند در پروژه‌های مرتبط با امنیت ملی، تعامل انسان و کامپیوتر و بسیاری از موارد دیگر به کار برده شود. اين مطلب يكي از مقالات بخش ويژه نشريه ماهنامه شبكه در شماره 116 با عنوان امنيت بيومتريك مي‌باشد. جهت دريافت اين بخش ويژه به بخش پرونده‌هاي ويژه سايت مراجعه نمائيد.

تشخیص چهره در وب 2

در چند سال گذشته، ماجول‌های تشخیص چهره به بسیاری از نرم‌افزارها نظیر، پیکاسای گوگل و iPhoto افزوده شده است. این ماجول‌ها برای تشخیص چهره‌های موجود در گالری تصاویر فرد یايك شبکه اجتماعي برنامه‌ریزی شده‌اند. آن‌ها همچنین امکان تصحیح چهره‌هایی را که اشتباه برچسب‌گذاری شده‌اند، نیز فراهم می‌کنند. بازخورد دریافتی از کاربران، به تشخیص سریع نقاط ضعف سیستم‌های خودکار تشخیص چهره و تعیین زمینه‌های نیازمند سرمایه‌گذاری تحقیقاتی کمک خواهد کرد. بسیاری از مشکلات موجود در شبکه‌های دوربینی چند‌دیدی، در وب 2 هم وجود خواهند داشت. اگرچه مواردی هم مختص این کاربری ویژه وجود دارد، نظیر الگوریتم‌های استنتاج با توانایی برچسب‌گذاری صحیح چهره‌ها در بین مخاطبان موجود در شبکه‌های همپوشان اجتماعی.

تشخیص چهره: آیا نوع پوست هم مهم است؟

رنگ و زمختی پوست می‌تواند از طریق استخراج رنگ‌بندی‌های پوست، خصوصیات شفافیت پوست و الگوهای ناهمواری سطحی؛ امکان دسته‌بندی سریع افراد را در گروه‌های سنی و نژادی مختلف فراهم کند. این خصوصیات می‌تواند به غربال کردن و کاهش تعداد نامزدهاي انطباق با نمونه موردنظر کمک کند.
خال‌ها، کک و مک و جراحات، خصوصیات موضعی پوست هستند که در صورت وجود و ماندگاری، نشانه‌های شناختی قدرتمندی را برای تشخیص چهره فراهم می‌کنند، زیرا امکان اين‌كه این نشانه‌های موضعی در افراد مختلف یکسان باشد، بسیار اندک است. اختلالات و موارد غیرعادی موجود در پوست، سطوح ماندگاری متفاوتی دارند. نشانه‌هایی نظیر خال‌ها و کک و مک معمولاً دائمی هستند، درحالی‌که اغلب خراش‌ها، جوش‌ها و قرمزی‌های پوست گذرا و ناپایدارند. اما چالش اساسی، اندیشیدن تمهیدی است برای فائق آمدن بر مشکل تنوع ظاهر پوست در اثر عواملی نظیر میزان گردش خون در پوست و تفاوت‌های نورپردازی.
زمختی و زبری پوست را می‌توان به دو بخش موضعی و سرتاسری تقسیم کرد. چروک‌های پیشانی و گوشه چشم، نمونه‌های زبری موضعی سطح پوست هستند. فاکتورهای سنی و سلامتی مختلف می‌توانند باعث ایجاد زبری و ناهمواری سرتاسری در بدن شوند که اغلب سطح وسیعی از صورت را نیز خواهد پوشاند. زبری سطح پوست، اغلب در تصاویر با کیفیت متوسط یا بالا قابل رؤیت است. مزیت این خصوصیات، ظاهر به نسبت پایدار و بدون تغییر آن‌ها در برابر فاکتورهای مزاحم نظیر تغییر حالت چهره، تغییر نورپردازی و وضعیت سر است.

تشخیص چهره در طی فرآیند پیری

الگوریتم‌های تخمین سن موجود، تنها برای تعیین سن در محدوده‌های چندین ساله استفاده مي‌شوند. ترکیب چهره مسن‌تر برای سوژه‌های بین دو تا هجده سال اغلب از طریق تغییرات شکلی تعیین می‌شود، در حالی‌که برای افراد بالغ، تغییرات شکل و بافت هردو اثرگذار بوده و در این میان تغییرات بافت به شدت مؤثرتر هستند. در یکی از تحقیقات اخیر11، محققان خلاصه گزارشی از شیوه‌های متفاوت ساخت تصویر مسن‌تر افراد بالغ ارائه کردند. یکی از این مدل‌ها مشتمل بر تغییرات شکلی و بافتی بود.
با درک اين‌كه تغییر خصوصیات الاستیک ماهیچه‌های صورت، عامل اصلی تغییر شکل صورت در طی روند پیری افراد بالغ است، محققان با استفاده از مدل‌های فیزیکی که عملکرد ماهیچه‌های متفاوت صورت را توصیف می‌کردند، مدل تغییر شکل چهره را ایجاد کردند. برخی از محققان11‌‌با طبقه بندی ماهیچه‌های صورت به یکی از دسته‌های خطی، صفحه‌ای و اسفنکتر، برای هر یک مدل تغییراتی را پیشنهاد کرده‌اند. آن‌ها این تغییر شکل‌ها و جابه‌جایی‌های خصوصیات چهره را از طریق ترکیب خطی مشاهده‌شده در هر یک از ماهیچه‌های صورت مدل‌سازی کرده‌اند.
مدل تغییرات بافت، به طور خاص برای توصیف چین و چروک‌های صورت در نواحی از پیش تعیین شده نظیر پیشانی و ناحیه لب‌ها و بینی طراحی شده است. شكل‌‌7 چیدمان ماهیچه‌های صورت و همچنین مدل فشاری پیش‌بینی شده برای هر یک از انواع ماهیچه‌ها را نشان می‌دهد. با این حال، هنوز کارایی این روش ترکیبی در تشخیص چهره طی فرآیند پیری باید مورد ارزیابی قرار گیرد. روش جایگزین دیگر، که بر مدل‌های شبیه‌ساز پیری تکیه ندارد، به سادگی جست‌وجو می‌کند که آیا دو صورت موجود که از لحاظ سنی متفاوت هستند، به یک فرد مربوط است یا خیر. برای کاربردی شدن این روش ما باید خصوصیات مستقل از سن صورت را استخراج کنیم.

شكل 7- تصويري از چيدمان ماهيچه‌هاي صورت به همراه مدل‌فشاري پيشنهادي براي هر يك. مدل تغييرات بافت به طور خاص براي تشخيص چين و چروك صورت در نواحي از پيش تعيين شده طراحي شده است.
تلاش‌های اخیر بیشتر به سمت سیستم‌های غیر تولیدی (Nongenerative) متمایل بوده‌ است. هدف آن‌ها استخراج معیارهایی برای اندازه‌گیری پیوستگی جابه‌جایی مشخصه‌های صورت در تصاویر سنین مختلف یک سوژه مشخص و سپس مقایسه آن با داده‌های چهره‌های سنین مختلف سوژه‌های متفاوت است. طراحی نحوه ارائه و قوانین تصمیم‌گیری مناسب برای تشخیص چهره طی فرآیند پیری، هنوز مسئله‌ای حل‌نشده محسوب می‌شود.

چهره و سایر خصوصیات بیومتریک

الگوریتم‌های تشخیص چهره برای تثبیت کارایی و قدرت، اغلب در ترکیب با سیستم‌های تشخیص اثرانگشت، عنبیه، گام و صدا به‌کار برده شده‌اند. این امر به زمینه پژوهشی جدیدی شده منجر است: سیستم‌های چندوضعیتی یا بیومتریک چندگانه. یکی از چالش‌های مهم ترکیب الگوریتم‌ها یا سیستم‌های بیومتریک، ساخت و طراحی روش‌های کارا و قدرتمند ترکیب است.در این زمینه به شدت از تئوری و طراحی‌های سیستم‌های طبقه‌بندی چندگانه استفاده شده است. اگرچه محققان نمونه‌های متعددی از ترکیب‌های چهره -انگشت، چهره-گام، چهره-صدا و چهره-عنبیه را طراحی کرده و توسعه داده‌اند، اما هنوز بیومتریک چندگانه که در آن چهره یکی از شاخصه‌های تشخیص هویت است، در دوران ابتدایی خود به سر می‌برد12.
ادامه تحقیقات در زمینه تشخیص چهره، پروژه‌های بسیار مهمی را در زمینه‌هایی نظیر امنیت ملی، تعامل انسان و کامپیوتر و بسیاری کاربردهای ساده دیگر، برای دانشمندان و مهندسان به ارمغان خواهد آورد. زمینه‌هایی که از دید ما قابل تعقیب هستند، عبارتند از: تشخیص چهره از طریق سکانس‌های ویدیویی غیر تحمیلی، ترکیب تأثیرات آشنا بودن چهره در الگوریتم‌ها، مدل‌سازی اثرات پیری و توسعه مدل‌های بیولوژیک احتمالی برای توانایی تشخیص چهره در انسان.

پي‌نوشت‌ها:

درباره نويسندگان:
راما چلاپا: استاد علوم مهندسی و مهندسی برق و کامپیوتر دانشگاه مینتا مارتین است. وی همچنین استاد علوم کامپیوتری دانشگاه مریلند در کالج پارک است. زمینه‌های مطالعاتی وی عبارتند از، تشخیص چهره و گام، مدل‌سازی سه بعدی از ویدیو و تشخیص حرکات. چلاپا مدرک دکترای خود را در رشته مهندسی برق از دانشگاه پوردو دریافت کرده است. از طریق آدرسrama@cfar.umd.edu می‌توانید با او تماس داشته باشید.
پاوان سین‌ها: استادیار دپارتمان مغز و علوم تشخیصی MIT است. زمینه‌های تحقیقاتی وی عبارتند از، نحوه تشخیص اشیا، صحنه‌ها و توالی توسط مغز. وی مدرک دکترای خود را در زمینه بینایی از MIT دریافت کرده است. از طریق آدرس psinha@mit.edu می‌توانید با او تماس بگیرید.
پی جوناتان فیلیپس: از مهندسان الکترونیک مؤسسه ملی استاندارد و فناوري گایترزبورگ در مریلند است. زمینه‌های تحقیقاتی وی عبارتند از، تشخیص چهره، ارزیابی الگوریتم و بیومتریک. فیلیپس مدرک دکترای خود را در زمینه تحقیق در عملیات از دانشگاه روتگرز دریافت کرده است. از طریق آدرس jonathan@nist.gov می‌توانید با وی تماس بگیرید.
1- مقاله «تشخیص چهره توسط انسان: 19 نتیجه‌ای که تمام محققان در زمینه بینایی کامپیوتری باید بدانند»، نوشته، پی.سین‌ها و دیگران در شماره 94 ، سال 2006 ،مجله IEEE
2- مقاله «تشخیص چهره در تصاویر ثابت و متحرک: بررسی پیشینه‌ها»، نوشته، دبلیو.ژائو و دیگران، شماره دسامبر 2003 ميلادي، ACM Computing Surveys
3- «کتاب راهنمای تشخیص چهره»، نوشته، اس.لی و ای.کی.جین، سال 2005، انتشارات Springer
4- مقاله «پردازش چهره: مدل‌سازی پیشرفته و شیوه‌ها»، نوشته، دبلیو.ژائو و آر.چلاپا، سال 2006 ، انتشارات Academic Press
5- مقاله «شناسایی چهره در تصویر: یک بررسی»، نوشته، ام.اچ. یانگ ، دی.جی.کریگمان و ان.آهوجا، شماره ژانویه 2006، مجله
IEEE Trans، ويژه‌نامه تحلیل الگو و هوش ماشینی
6- مقاله «تشخیص چهره قدرتمند و بی‌درنگ»، نوشته، پی.ویولا و ام.جی.جونز ، شماره 57 ، سال 2004، ژورنال بین‌المللی بینایی کامپیوتری
7- مقاله «شیوه ارزیابی FERET برای الگوریتم‌های تشخیص چهره»، نوشته، پی.جی. فیلیپس و دیگران ، شماره 22، سال 2000، مجله
IEEE Trans، ويژه‌نامه تحلیل الگو و بینایی ماشینی
8- مقاله «تشخیص چهره بر اساس انطباق مدل سه بعدی قابل تغییر»، نوشته، وی. بلانز و تی. وتر، شماره 25، سال 2003 ، مجله IEEE Trans، ويژه‌نامه تحلیل الگو و هوش ماشینی
9- سری مقاله‌های «چهره چه چیز را مشخص می‌کند؟ مطالعات پایه و کاربردی حالت‌های بی‌اختیار چهره با استفاده از سیستم کدگذاری کنش چهره»، نوشته، پی. اکمن و ای.ال. روزنبرگ، مجله علوم روانی سال 2005، انتشارات آکسفورد
10- مقاله «بازنگری ادبیات تحقیق در زمینه افزایش سن جمجمه و چهره بزرگسالان: استدلال‌هایی برای کاربردها و تحقیقات علوم قضایی»، نوشته، ام. آلبرت، کی. ریکانک و ای. پترسون ، شماره آوریل سال 2007، ژورنال بین‌المللی علوم قضایی
11- مقاله «روش‌های محاسباتی برای مدل‌سازی افزایش سن چهره: یک بررسی»، نوشته، ان. راماناتان و آر. چلاپا، شماره می 2009 ، ژورنال زبان بصری و کامپیوتر
12- «کتاب راهنمای بیومتریک چندگانه»، نوشته، ای. راس، کی. نانداکومار و ای.کی. جین، سال 2006، انتشارات Springer