کاربرد تصاویر حراتی در تشخیص چهره و حالت

متن زیر پروپوزالی بود که برای سمینارم انتخاب کرده بودم ولی بنا به دلایلی کنسل شد. خیلی کامل پوشش نداده موضوع رو ولی دید کلی می دهد. این اعدادی که هایپر لینک هستند در واقع foot note بودند و اونهایی که نیستن رفرنس هستن. از word کپی کردم که اینطور شد و حس تصحیحش نیست به بزرگی تون ببخشید .

چکیده

پیشرفت های قابل ملاحظه­ای – مخصوصا با پیشرفت مدل های قدرتمند نمایش چهره-  در زمینه تشخیص چهره در دهه ی اخیر صورت گرفته است. با وجود تنوع روشها و ابزار های بررسی شده، تشخیص چهره به اندازه کافی دقیق و کارا برای استفاده در محیط های بدون کنترل نیست[۱]. امروزه تشخیص چهره به دلیل برطرف کردن نیازهای امنیتی در تجارت و اجرای قانون و کاربردهای اساسی دیگر به طور گسترده­ای زمینه­های فعالیت خود را رشد می دهد. تشخیص چهره بر مبنای تصاویر مرئی اکنون به رشد بالا و موفقیت های عملی گسترده­ای رسیده است، اما عمکلرد تشخیص چهره مرئی تحت تاثیر شرایط روشنایی و تنوع رنگ های پوست، مقداری از کارآیی خود را از دست می­دهد. تصویربرداری مادون قرمز روش پایدارتر دیگری نسبت به تصاویر مرئی، برای سامانه­های[۱] تشخیصی است. سیستم های تصویر برداری مادون قرمز نسبت به سامانه های تصویر برداری مرئی، در مکان­هایی که قابلیت کنترل روشنایی وجود ندارد و یا در کشف و نمایان ساختن چهره­های پنهان شده، برتری دارند[۲]. در این سمینار به معرفی سیستم های تصویر برداری حرارتی و روش­های تشخیص چهره بر مبنای تصاویر مادون قرمز[۲] خواهیم پرداخت.

مقدمه

یکی از زمینه­های مهم  تحقیقاتی قابل تمرکز، زمینه[۳] تشخیص هویت است زیرا روش های قدیمی امنیتی مانند کارت­های شناسایی[۴] و رمزهای­عبور دیگر به اندازه­ی کافی قابل اطمینان و مناسب نیستند[۳][۴]. تشخیص چهره برای مواردی مانند تفسیر حالات چهره[۵]، احساسات انسانی، قصد و غرض و رفتار، امری ضروی است که مولفه­­ای کلیدی برای محیط ها و سامانه های هوشمند است[۵]. روشهای تصدیق هویت زیستی[۶] که تقریبا بر مبنای مشخصه های فیزولوژیکی هستند( مانند اثر انگشت، الگوهای شبکیه و عنبیه، هندسه­ی دست و صدا)، بستگی به ارتباط و مشارکت بین اجزاء دارند اما تصدیق هویتی که از طریق تشخیص چهره انجام می شود به طور مستقیم است. آنالیز پروفایل یا نمای چهره بدون مشارکت اجزا و یا دانش قبلی به خودی خود می تواند موثر باشد. کاربرد تکنولوژی­ های تشخیص چهره وسیع است، به طور مثال می تواند شامل اجرای قانون، تطابق تصاویر در پاسپورت یا گواهینامه رانندگی، دسترسی به شبکه های امنیتی کامپیوتری و امکاناتی مانند ساختمان های دولتی و دادگستری، تصدیق هویت برای بانکداری امن و تبادلات مالی، چهره­یابی­ها در فرودگاه­ها برای یافتن تروریست ها و نظارت ویدویی اشاره کرد[۶].

با وجودی موفقیت­های تکنولوژی­های خودکار تشخیص چهره در کاربردهای عملی، تشخیصی که تنها بر پایه طیف مرئی نور است همواره دارای مشکلاتی در محیط های متغیر و غیر قابل کنترل بوده است. کارایی تشخص چهره مرئی حساس به تغییرات شرایط نوری است[۷]. تفاوت بین دو تصویر از یک انسان همراه با تفاوت نور زمینه و زاویه دید به طور معمول بزرگتر از تفاوتی است که با گذشت چند سال و بر اثر رشد و تغییرات چهره پدید می­آید. همچنین فاکتور های دیگری مانند حالات چهره[۸] و تغییرات ژست[۹] عملیات تشخیص چهره را دشوارتر می کنند.

تشخیص چهره برمبنای روش های تصویربرداری مختلف، به طور مثال سنسور های مادون قرمز(IR)، یکی از زمینه های جذاب در حال رشد است[۱۰],[۱۱]. باندهای الکترومغناطیسی زیر طیف مرئی مانندتشعشعات اشعه ایکس و یا فرابنفش برای بدن انسان مضر است و نمی توان از آنها برای مقاصد تشخیص چهره به کار گرفته شود. دوربین های معمولی محدوده­ی طیف مرئی (۰.۴ تا ۰.۷ میکرومتر) را اندازه می گیرند، در مقابل سنسور های مادون قرمز متناسب با تابش حرارتی در طیف مادون قرمز، محدوده­ی ۰.۷ تا ۱۴ میکرومتر را اندازه­گیری می­کنند. طیف مادون قرمز شامل مادون قرمز انعکاسی[۷] و مادون قرمز حرارتی[۸] می شود. مادون قرمز انعکاسی(۰.۷ تا ۲.۴ میکرومتر)، مادون قرمز منعکس شده ناشی از تابش خورشید به یک سطح است که اطلاعاتی در مورد مشخصه­ی حرارتی یک ماده نمی­دهد. مادون قرمز حرارتی مرتبط با تابشی حرارتی جسم است. مقدار تشعشع حرارتی بستگی به دو عامل دما و قابلیت نشر یک ماده دارد. مادون قرمز حرارتی خود به دو باند MWRI[۹] و LWRI[۱۰] بخش بندی می شود که هر دو باند در تابش مادون قرمز چهره و بدن وجود دارند. دوربین های حرارتی می تواند تغییرات دمای چهره را از یک فاصله مشخص تشخیص دهند و نقشه دمایی[۱۱] دوبعدی چهره را تهیه کنند. تشخیص چهره مادون قرمز بهتر است بر روی LWRI انجام شود زیرا تابش حرارتی چهره بیشتر در این باند است[۱۲].

شرح

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 می­کنند. 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 سانتی­گراد دارد در محدوده ی ۲۶ تا ۲۸ درجه سانتی­گراد تغییر می­کند. الگوی دمایی صورت در درجه­ی 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[۱۲] طبیعی، موجب کاهش پیچیدگی و افزایش قابلیت اطمینان می­شود[۲].

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 می­شود. دوربین های مادون قرمز می توانند سیگنال های تصویری واضحی در طول روز و شب و حتی شرایط هوایی نامناسب مانند مه­آلودگی 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 حواس­پرتی سوژه انسانی می­شود. در بیشتر موارد امضای حرارتی صورت از محیط اطراف قابل تمییز بوده و نیازمند تقسیم بندی[۱۳] 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[۱۳].

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 می­گردد. برخلاف طیف مادون قرمز حرارتی، مادون قرمز انعکاسی می­تواند از  پنجره ی خودرو نیز عبور کند[۱۴].

تشخیص چهره­ی تغییر یافته[۱۴] برای سیستم های تشخیص چهره با کاربردهای امنیتی حیاتی است. تشخیص چهره حرارتی مخصوصا زمانی می­تواند مفید باشد که هدف جامه­ی 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 می­توانند 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 چهره­ی 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[۱۵]. 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[۱۶] و این به خاطر یکتایی و مشخصه­ی 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 می­شوند[۲].

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 تشخیص­هایی مفید است که از فاصله­ای 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 می­شوند. 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[۱۷].

امتزاج[۱۵]، 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 ۱ طرحی برای تصویر برداری همزمان مادون قرمز و مرئی را نشان می­دهد. 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 می­شود [۲].

شکل ۱ –  طرح اتاق تصویر برداری[۱۸]

در کاربردهای تشخیص حالت نیز چندین حالت روانی با تغییرات دمایی صورت ارتباط داده می­شوند. آقای پاولیدز[۱۶] 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[۱۷] 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[۱۹].

نتیجه گیری:

تشخیص چهره یک زمینه­ی فعال تحقیقاتی است که به دلیل پتانسیل آن در گستره­ی متنوعی از فعالیت های اجرایی و تجاری استفاده می­شود. برخلاف بسیاری دیگر از سیستم­های تشخیص بیومتریکی که بر اساس مشخصه های فیزولوژیکی عمل می کنند، تشخیص چهره روشی غیر فعال و بدون تماس است که هویت اشخاص را با روشی آسان استفاده[۱۸]، بدون ایجاد وقفه در فعالیت افراد تحقیق می کند.

جدول زیر خلاصه مزایا و محدودیت های دو روش تشخیص چهره مادون قرمز و مرئی است.

منابع:

[۱]     S. Singh, A. Gyaourova, G. Bebis, I. Pavlidis,” Infrared and Visible Image Fusion for Face Recognition”, Proceedings of the SPIE, Volume 5404, pp. 585-596 (2004).

[۲]     Seong G. Kong, Jingu Heo, Besma R. Abidi, Joonki Paik, “Recent advances in visual and infrared”, Computer Vision and Image Understanding 97 (2005) 103–۱۳۵.

[۳]     R.J. Baron, Mechanisms of human facial recognition, Int. J. Man Mach. Stud. 15 (2) (1981) 137–۱۷۸.

[۴]     B. Miller, Vital signs of identity, IEEE Spectrum 31 (2) (1994) 22–۳۰.

[۵]     A. Pentland, T. Choudhury, Face recognition for smart environments, IEEE Comp. 33 (2) (2000) 50–۵۵.

[۶]     J.L. Center Jr., Practical application of facial recognition: automated facial recognition access control system, in: H. Wechsler, J.P. Phillips, V. Bruce, F.F. Soulie, T.S. Huang (Eds.), Face Recognition: From Theory to Applications, Springer-Verlag, Berlin, Germany, 1998, pp. 402–۴۰۸.

[۷]     Y. Adini, Y. Moses, S. Ullman, Face recognition: the problem of compensating for changes in illumination direction, IEEE Trans. Patt. Anal. Mach. Intell. 19 (7) (1997) 721–۷۳۲.

[۸]     Y.I. Tian, T. Kanade, J.F. Cohn, Recognizing action units for facial expression analysis, IEEE Trans. Patt. Anal. Mach. Intell. 23 (2) (2001) 97–۱۱۵.

[۹]     J. Ben-Arie, D. Nandy, A volumetric/iconic frequency domain representation for objects with application for pose invariant face recognition, IEEE Trans. Patt. Anal. Mach. Intell. 20 (5) (1998) 449–۴۵۷.

[۱۰]    Y. Yoshitomi, T. Miyaura, S. Tomita, S. Kimura, Face identification using thermal image processing, Proc. IEEE Int. Workshop Robot Hum. Commun. (1997) 374–۳۷۹.

[۱۱]    D. Socolinsky, A. Selinger, J. Neuheisel, Face recognition with visible and thermal infrared imagery, Comput. Vis. Image Und. 91 (2003) 72–۱۱۴.

[۱۲]    L. Wolff, D. Socolinsky, C. Eveland, Quantitative measurement of illumination invariance for face recognition using thermal infrared imagery, Proc. IEEE Workshop Comput. Vis. Beyond Vis. Spectrum: Beyond Vis. Spectrum: Method Appl. (2001).

[۱۳]    C. Eveland, D. Socolinsky, L. Wolff, Tracking human faces in infrared video, Proc. Proc. IEEE Workshop Comput. Vis. Beyond Vis. Spectrum: Method Appl. (2001).

[۱۴]    I. Pavlidis, P. Symosek, B. Fritz, M. Bazakos, N. Papanikolopoulos, Automatic detection of vehicle occupants—the imaging problem and its solution, Mach. Vis. Appl. 11 (6) (2000) 313– ۳۲۰.

[۱۵]    F. Prokoski, Disguise detection and identification using infrared imagery, in: A.S. Hecht (Ed.), Proceedings of SPIE, Optics, and Images in Law Enforcement II, 1982, pp. 27–۳۱.

[۱۶]    I. Pavlidis, P. Symosek, The imaging issue in an automatic face/disguise detection system, Proc. IEEE Workshop Comput. Vis. Beyond Vis. Spectrum: Methods Appl. (2000) 15–۲۴.

[۱۷]    A. Selinger, D. Socolinsky, Appearance-based facial recognition using visible and thermal imagery: a comparative study, Technical Report 02-01, Equinox Corporation, 2002.

[۱۸]    S. Wang, Z. Liu, S. Lv, Y. Lv, G. Wu, P. Peng, F. Chen, X. Wang, “A Natural Visible and Infrared Facial Expression Database for Expression Recognition and Emotion Inference”, IEEE TRANSACTIONS ON MULTIMEDIA, VOL. 12, NO. 7, NOVEMBER 2010.

[۱۹]    J. Stemverger, R.S. Allison, T. Schnell, ” Thermal imaging as a way to classify cognitive workload”,  Canadian Conference Computer and Robot Vision 2010.

[۱] systems

[۲] infrared

[۳] field

[۴] ID cards

[۵] facial expressions

[۶] biometric

[۷] Reflected IR

[۸] Thermal IR

[۹] mid-wave infrared

[۱۰] long-wave infrared

[۱۱] Thermogram

[۱۲] passive

[۱۳] segmentation

[۱۴] Disguised face

[۱۵] Fusion

[۱۶] Pavlidis et al.

[۱۷] ROI: region of interest

[۱۸] User-friendly