تشخيص چهره در تصاوير دوربين هاي نظارتي با وضوح كم

كارشناسي ارشد

در دنياي امروز تشخيص چهره يكي از موضوعات پرطرفدار در ميان پژوهش¬گران و همچنين ارگان¬هاي مختلف است. اين موضوع از اين جهت حائز اهميت است كه تشخيص هويت افراد به پيشبرد اهداف مهمي كمك شاياني خواهد كرد. يكي از راه¬هاي تشخيص هويت چهره، از طريق تصاوير دوربين¬هاي نظارتي است. چالش بزرگ اين مساله وضوح پايين تصاوير ورودي از دوربين¬هاي نظارتي است كه در شرايط كنترل نشده¬اي دريافت شده¬اند. در تصاوير با وضوح پايين، بسياري از جزئيات تصوير از بين مي¬روند و استخراج ويژگي را با چالش¬هايي روبرو خواهد كرد. همچنين شبكه¬هاي موجود كه تلاش بر استخراج ويژگي با كيفيت از تصاوير دارند، شبكه¬هاي بسيار پيچيده با پارامترهاي زيادي هستند كه پياده¬سازي اين شبكه¬ها در سازوكار عملي را غير ممكن مي-كند. در اين پژوهش تلاش بر اين است كه استخراج ويژگي از تصاوير با صحت بالاتر و در عين حال با پيچيدگي و پارامترهاي كمتري صورت گيرد كه به نتايج قابل قبولي در مجموعه داده¬هاي مورد بررسي برسد. روش پيشنهادي بر مبناي شبكه¬ي عصبي كانولوشني رزنت 34 و با بكارگيري مكانيسم توجه پياده سازي شده است. اين شبكه از شبكه رزنت50 تعداد بلوك هاي كمتري دارد ولي كارايي آن افزايش يافته است. روش پيشنهادي براي تصاوير 112 در 112 به صحت برابر با 99.63 در مجموعه داده LFW و به صحت 95.20 در مجموعه داده¬ي CFP_P و 95.53 براي مجموعه داده¬ي AgeDB-3 رسيده است همچنين صحت براي وضوح تصوير 56 در 56 در مجموعه داده¬ي AgeDB-30 برابر با 91.57 و براي تصاوير 28 در 28 در مجموعه داده¬ي AgeDB-30 برابر با 87.33 و در نهايت براي وضوح تصوير 14 در 14 برابر با 78.33 است كه عملكرد بهتري در مقايسه با روش¬هاي پيشين دارد.

227718

دانشگاه اصفهان

مهندسي كامپيوتر - هوش مصنوعي و رباتيكز

حسين ماهوش محمدي