عنوان پایان‌نامه
باز شناخت چهره توسط پردازش تصاویر حرارتی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2532;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64860
- تاریخ دفاع
- ۲۲ مرداد ۱۳۹۳
- دانشجو
- وحید علی زاده
- چکیده
- چهره انسان یک مشخصه بیومتریک است که می‌تواند در سیستم‌های امنیتی کامپیوتری خودکار جهت تعیین هویت شخص استفاده شود. یک سیستم بازشناخت چهره بر مبنای تصاویر مرئی، مشکلات زیادی از قبیل نتایج ضعیف تحت شرایط محیط‌های دارای روشنایی متغیر و یا نور کم، افزایش سن شخص، تغییر چهره و ... دارد. تصویر برداری حرارتی مادون قرمز تقریباً مستقل از شرایط نوری محیط عمل می‌کند. بنابراین سیستم‌های بازشناخت چهره حرارتی مادون قرمز برای چهره‌های دارای پوشش و یا در شرایطی که روی روشنایی محیط کنترلی وجود ندارد، برتری داشته و جایگزین مناسبی برای تصویر‌برداری مرئی حساب می‌آیند. در این پژوهش ابتدا شبکه رگ‌های چهره بر اساس یکی از روش‌های متداول استخراج شده است. پس از آن عملکرد چند الگوریتم مطرح در زمینه بازشناخت چهره مانند PCA، روش بخش‌بندی و شمارش نقاط خاص حرارتی و روشی برمبنای شناسایی اثر انگشت، بر روی این شبکه رگ‌ها ارزیابی شده است. همچنین با پیشنهاد دو روش بخش‌بندی جدید جهت شمارش نقاط خاص حرارتی، بهترین روش بخش‌بندی معین گردید. در ادامه روشی بر مبنای تشکیل گراف از شبکه رگ‌های چهره پیشنهاد شد. با استخراج ویژگی‌هایی همچون ضریب خوشه‌بندی، گریز از مرکز مؤثر و میانگین طول مسیر از گراف به دست آمده و با استفاده از ماشین بردار پشتیبان، درصد شناسایی صحیح ??.?? حاصل شد. در نهایت با استفاده از توصیف‌گرهای SIFT بر روی کلید‌نقطه‌ها و نقاط خاص حرارتی، نتایج شناسایی چهره نسبت به الگوریتم‌های مشابه بهبود یافته و به ترتیب ??.?? درصد و ??.?? درصد حاصل شد. تصاویر مورد استفاده در مجموعه داده‌های انتخاب شده برای بررسی عملکرد الگوریتم‌ها، زاویه اندکی نسبت به خط قائم دارند و شرایط نوری و حالت چهره متفاوتی در هنگام ثبت آن‌ها وجود دارد. نتایج به دست آمده نشان می‌دهد که این شرایط و تفاوت ثبت در میان تصاویر، تا حدود زیادی توسط روش‌های پیشنهادی جبران شده و به ویژه الگوریتم SIFT نسبت به آن‌ها نابسته است. واژه‌های کلیدی: بازشناخت چهره، تعیین هویت، تصویر حرارتی، گراف، تبدیل ویژگی مقیاس نابسته، شبکه رگ‌های چهره، منحنی ویژگی تطابق تجمیعی.
- Abstract
- The human face is a biometric characteristic, which can be used in security systems in order to determine the identity of a person. A face recognition system based on visual images has many problems such as poor results under environments with variable lighting or low lighting, aging, change of face, etc. Infrared thermal imaging is almost independent of ambient light conditions. Therefore, thermal infrared face recognition systems have advantages in conditions with covered faces or where there is no control over ambient lighting and are considered as a good alternative to visual imaging. In this study, the superficial vessels network has been extracted using one of the common methods. Then, some popular face recognition algorithms such as PCA, segmentation and counting thermal minutiae points, and a method based on fingerprint recognition have been evaluated over this vessels network. Moreover, after proposing two new segmentation methods for counting thermal minutiae points, the best method has been found. Then, a method based on extracting graph from vessels network has been suggested and features such as clustering coefficient, effective eccentricity, and average path length has been extracted from this graph. Finally, the correct classification rate of %74.75 has been gained using SVM. As final evaluation, the face recognition results have been improved in comparison to similar algorithms using SIFT descriptors at two different sets of points, keypoints and thermal minutiae points. The classification results are %96.97 and %85.35, respectively. The thermal images used to evaluate the performance of the algorithms have a slight angle to the vertical line, different lighting condition, and diverse facial expression. The results show that these conditions and differences between images do not affect the performance of the proposed systems, especially using SIFT algorithm. Keywords: face recognition, identification, thermal image, graph, scale invariant feature transform, facial vessels network, cumulative match characteristic curve.
