Դեմքի ճանաչողական համակարգ
Դեմքի ճանաչողական համակարգը (անգլ.՝ Facial recognition system) ունակ է ճանաչել և նույնականացնել անձին լուսանկարից կամ տեսանյութից։ Կան տարբեր մեթոդներ, որոնց միջոցով համակարգը աշխատում է, բայց հիմնականում աշխատում են համեմատելով նշված լուսանկարի դիմագծերը դատաբազայում եղած դեմքերի հետ։ Սա նաև նկարագրվում է որպես՝ կենսաչափական արհեստական բանականության վրա հիմնված հավելված, որը կարող է անհատապես ճանաչել մարդուն՝ վերլուծելով նմուշը, որը հիմնված է մարդու դեմքի ձևի և կառուցվածքի վրա։
Պատմությունը
խմբագրելԴեմքի ավտոմտացված ճանաչման համակարգի ստեղծողներն են՝ Վուդի Բլեդսոն, Հելեն Չեն Վուլֆը և Չարլզ Բիզոնը։ 1964-1965 թվականներին Բլեդսոնը Հելեն Չեն Վոլֆը և Չարլզ Բիզոնը միասին աշխատում էին համակարգչի օգնությամբ մարդկանց դեմքերը ճանաչելու վրա։ Բլեդսոնը հպարտ էր իր կատարած աշխատանքով, բայց քանի որ նախագիծը ֆինանսավորվում էր անանուն հետախուզական գործակալության կողմից, որը չէր թույլատրում շատ հրապարակայնություն, աշխատությունից շատ փոքր մասը հրապարակվեց։ Հիմնվելով առկա փաստարկների վրա պարզվեց, որ ըստ Բլեդսոնի սկզբնական մոտեցման՝ դեմքի տարբեր մասերի (բերան, աչքեր և այլն) գծանշումները մաթեմատիկորեն պտտեցնում էին համակարգչով, որպեսզի դեմքի տատանվելու դեպքում դեմքը ճանաչելի լիներ։ Հեռավորությունը գծանշումների միջև նույնպես ավտոմատ կերպով հաշվարկվում էր և համեմատվում նկարների հետ՝ ինքնությունը որոշելու համար[1]։
Այս նախագիծը պիտակավորվեց՝ իբրև մարդ-մեքենա, քանի որ մարդն էր առանձնացնում դեմքի մասերի կոորդինատները լուսանկարից, որոնք հետագայում համակարգիչը օգտագործում էր ճանաչման համար։ Օգտագործելով գրաֆիկական թաբլեթը՝ օպերատորները պետք է առանձնացնեին դեմքի հատվածների կոորդինատները (Օրինակ՝ բիբի կենտրոնը, աչքի ներքին և արտաքին անկյունները և այլն)։ Այս օպերատորները կարողանում էին մեկ ժամում 40 լուսանկար մշակել։ Տվյալների բազան կառուցելու ընթացքում լուսանկարում գտնվող մարդու անունը կցվում էր համակարգչում առկա չափումների լիստին և պահվում։ Չափումների համախումբը համեմատվում էր յուրաքանչյուր լուսանկարներին պատկանող չափումների հետ և վերադարձվում էր արդյունքներին ամենամոտ մարդու տվյալները։
Քանի որ հնարավոր չէր երկու լուսանկարների համընկնումը ըստ գլխի դիրքի, մասշտաբի և թեքության, չափումներից յուրաքանչյուրը նորմալացվում էր դեմքը ճակատային ուղղությամբ ներկայացնելու համար։ Որպեսզի ամբողջությամբ կատարվեր այս նորմալացումը, ծրագիրը սկզբում փորձում է որոշել թեքվածությունը, մասշտաբը և գլխի դիրքը, ապա օգագործելով ստացված անկյունները համակարգիչը վերացնում է փոփոխությունների արդյունքում եղած էֆֆեկտը չափումների վրա։ Երբ 1966 թվականին Բլեդսոնը հեռացավ այս աշխատանքից, այն շարունակվեց զարգացվել Սթենֆորդի հետազոտությունների համալսարանում, հիմնականում Փիթեր Հարթի կողմից։ Փորձերը արվեցին ավելի քան 2000 լուսանկարների վրա։
Մոտ 1997 թվականին, համակարգը զարգացվեց Քրիստոֆ վոն դեր Մելսբուրգի և Բոչումի համալսարան շրջանավարտների կողմից։ Հարավային Կալիֆորնիայի համալսարանը թողարկեց ամենաշատ համակարգերը այս գործառույթով, որին հաջորդեցին Մասաչուսեթսի տեխնոլոգիական համալսարանը և Մերիլենդի համալսարանը։ Բոչումի համակարգի զարգացման համար ֆինանսավորեց ԱՄՆ-ի ռազմական հետազոտությունների լաբորատորիան։ Ծրագիրը վաճառվեց՝ որպես ZN-Face և օգտագործվեց հաճախորդների կողմից ինչպիսիք են օրինակ՝ «Deutsche Bank»-ը, օդանավակայանների օպերատորները։ Ծրագիրը բավականին ստացված էր և կարողանում էր նույնականացնել դեմքեր, որոնց պատկերը ոչ այդքան հաջող է ստացվել։ Այն հաճախ կարողանում էր նույնականացնել նաև բեղի, մորուքի, փոփոխված սանրվածքի, ակնոցների(արևային, օպտիկական) դեպքում։
2006 թվականին վերջին, դեմքի ճանաչման ալգորիթմները գնահատվում էին «Դեմքի ճանաչման մեծ մարտահրավեր»-ում։ Թեստերում օգտագործվում էին բարձրորակ դեմքի նկարներ, 3D դեմքի սկաններ, ծիածանաթաղանթի լուսանկարներ։ Արդյունքները ցույց տվեցին, որ նոր ալգորիթմները 10 անգամ ավելի ճշգրիտ են, քան 2002 թվականի ալգորիթմները և 100 անգամ ավելի ճշգրիտ քան 1995-ինը[2]։
Դեմքի ստացման տեխնիկան
խմբագրելԸստ էության դեմքի ճանաչման գործընթացը կատարվում է երկու քայլով։ Առաջինը ներառում է հատկությունների առանձնացնումը և նշումը, իսկ երկրորդը՝ օբյեկտների դասակարգումը[3]։ Տարբեր տեխնոլոգիաների հետագա զարգացումները ընթացքում ներկայացվոմ են։ Ամենաշատ աչքի ընկնողները պարունակում են հետևյալ տեխնոլոգիաները՝
Ավանդական
խմբագրելՈրոշ դեմքի ճանաչողական ալգորիթմներ ճանաչում են դիմագծերը ստանալով դեմքի հատկությունները սուբյեկտի լուսանկարից։ Օրինակ՝ ալգորիթմը կարող է վերլուծել հարաբերական դիրքը, չափերը, աչքերի ձևը, քիթը, այտոսկրերը և ծնոտը։ Այս դիմագծերը հետագայում օգտագործվում են նույն հատկություններով այլ լուսանկարներ գտնելու համար[4]։ Այլ ալգորիթմները նորմալացնում են դեմքի լուսանկարների պատկերասրահը և հետո կրճատում դեմքի տվյալները, միայն պահպանելով այն, որը օգտակար է դեմքի ճանաչման գործընթացին։ Հետո ուսումնասիրվող պատկերը համեմատվում է դեմքի տվյալների հետ։ Ճանաչողական ալգորիթմները բաժանվում են երկու հիմնական մոտեցման՝ երկրաչափական, որը դիտարկում է դիմագծերի տարբերակումը և ֆոտոմետրիկ, որը լուսանկարը բաժանում է արժեքների և համեմատում ձևանմուշի հետ՝ տարբերությունները վերացնելու համար։ Այս ալգորիթմները դասակարգվում են նաև ըստ երկու խմբի՝ ամբողջական և խաղարկային մոդելներ։ Առաջինը դիտարկում է դեմքը ամբողջությամբ, մինչ դեռ խաղարկայինը բաժանում է դեմքը մասերի՝ ըստ հատկությունների և վերլուծում է դրանցից յուրաքանչյուրը[5]։
Եռաչափ ճանաչում
խմբագրելԴեմքի եռաչափ ճանաչման ժամանակ օգտագործվում են 3D սենսորները։ Այս ինֆորմացիան հետագայում օգտագործվում է տարբերակված հատկությունները նշված դեմքի մակերեսի հետ համեմատելու համար։ Եռաչափ ճանաչման առավելությունն այն է, որ լուսավությունը չի ունենում դրա վրա ազդեցությունն, ի տարբերություն մյուս տեխնիկաների։ Այն նաև դեմքը կարող է նույնականացնել անկախ անկյունից։ Բարդ սենսորային համակարգերի զարգացման շնորհիվ, որոնք կատարում են ավելի լավ աշխատանք 3D դեմքի կադրը որսալու համար, ընդլայնվում են եռաչափ հետազոտությունները։ Սենսորները աշխատում են՝ լույսը պրոյեկտելով դեմքի վրա։
Նույնիսկ կատարյալ եռաչափ տեխնոլոգիաները կարող են զգայուն լինել դեմքի արտահայտությունների նկատմամբ։ Այդ նպատակի համար Իսրայելի Տեխնոլոգիական համալսարանը կիրառեց գործիքներ մետրիկական երկրաչափությունից արտահայտչամիջոցներին՝ իբրև իզոմետրեր վերաբերվելու համար։
Դեմքի մակերևույթրի վերլուծում
խմբագրելԱյս միջոցը ուսումնասիրում է դեմքի մաշկի մակերևույթը ու դրանք վերածում մաթեմատիկական միավորների։ Այս մեթոդը աշխատում է նույն կերպ, ինչպես դեմքի ճանաչողական համակարգը։ Վերցվում է մաշկի մակերևույթի լուսանկարը, որը կոչվում է մաշկի տպում։ Հետո այդ մակերևույթը բաժանվում է փոքր բլոկների։ Օգտագործելով ալգորիթմներ՝ մաշկի մակերևույթը մաթեմատիկական, չափելի դարձնելու համար, համակարգը կտարբերակի ամեն գիծ, ծակոտի և մաշկի իրական հյուսվածք։ Այն կարող է ճանաչել նույնական զույգերի միջև եղած հակադրությունը, որոնք այժմ դեռ հնարավոր չէ օգտագործել դեմքի ճանաչման ծրագրային ապահովման մեջ։ Փորձերը ցույց են տվել, որ դեմքի մակերևույթի վերլուծման հավելմամբ, դեմքի ճանաչելու կարողությունը կարող է աճել 20-ից 25 տոկոսով[6]։
Դեմքի ճանաչումը՝ միավորելով տարբեր տեխնիկաներ
խմբագրելՔանի որ ամեն մեթոդ ունի իր առավելություններն ու թերությունները, տեխնոլոգիական ընկերությունները միավորել են ավանդական ձևը, 3D ճանաչողությունը և դեմքի մակերևույթի վերլուծումը՝ ստեղծելու համար ճանաչողական համակարգեր, որոնք ունեն հաջողության հասնելու ավելի մեծ հնարավորություն։ Միավորված տեխնիկաները ունեն առավելություն մյուս համակարգերի նկատմամբ։ Սա ավելի զգայուն է դեմքի միմիկաների նկատմամբ, ներառյալ թարթումը, ժպիտը և ունի կարողություն ընկալելու մորուքի, բեղերի աճը, ակնոցների առկայությունը։
Ծանոթագրություններ
խմբագրել- ↑ de Leeuw, Karl; Bergstra, Jan (2007). The History of Information Security: A Comprehensive Handbook. Amsterdam: Elsevier. pp. 264–265. ISBN 9780444516084. (Անգլերեն)
- ↑ Williams, Mark. "Better Face-Recognition Software". Retrieved 2008-06-02. (Անգլերեն)
- ↑ Bramer, Max (2006). Artificial Intelligence in Theory and Practice: IFIP 19th World Computer Congress, TC 12: IFIP AI 2006 Stream, August 21-24, 2006, Santiago, Chile. Berlin: Springer Science+Business Media. p. 395. ISBN 9780387346540. (Անգլերեն)
- ↑ Bonsor, K. "How Facial Recognition Systems Work". Retrieved 2008-06-02. (Անգլերեն)
- ↑ Zhang, David; Jain, Anil (2006). Advances in Biometrics: International Conference, ICB 2006, Hong Kong, China, January 5-7, 2006, Proceedings. Berlin: Springer Science+Business Media. p. 183. ISBN 9783540311119. (Անգլերեն)
- ↑ How Facial Recognition Systems Work". HowStuffWorks. 2001-09-04. Retrieved 2018-04-09. (Անգլերեն)
Գրականություն
խմբագրել- Gates, Kelly (2011). Our Biometric Future: Facial Recognition Technology and the Culture of Surveillance. (անգլ.)
- Asit Kumar Datta, Madhura Datta, Pradipta Kumar Banerjee (2015). Face Detection and Recognition: Theory and Practice.
{{cite book}}: CS1 սպաս․ բազմաթիվ անուններ: authors list (link) (անգլ.) - Kawulok, Michal (2016). Advances in Face Detection and Facial Image Analysis. (անգլ.)
- Thirimachos, Bourlai (2016). Face Recognition Across the Imaging Spectrum. (անգլ.)
- Manisha SHARMA, Manisha Omprakash Sharma Msc (2018). Implementing Face Recognition in Matlab: Beginners Edition. (անգլ.)