چکیده:
نقایص و نقاط ضعف سیستمهای امنیتی نظارت تصویری منجر به تلاش برای استفاده از روشهای ترکیبی برای مرتفع ساختن این مسایل شده است. در این مقاله به مساله تشخیص چهره براساس ارزیابی ساختار و شکل 3 بعدی میپردازیم. ارزیابی (برازش) ساختار و دستیابی به شکل 3 بعدی، سبب میشود، تشخیص چهره با گستره وسیعی از پارامترها و تحت شرایط گوناگون امکانپذیر شده و مدلهای ذاتی و غیرذاتی بهخوبی با پارامترها تفکیک شوند. شرایط نوردهی و موقعیت قرارگیری سر همگی به حساب آمده و بهخوبی کنترل میشوند. همانگونه که میدانیم، پارامترهای گوناگونی از قبیل زاویه قرارگیری سر در مقابل دوربین، جهت تصویربرداری، میزان نوردهی و انواع نویزها در تصویر از جمله مسایل تاثیرگذار بر نرخ موفق تشخیص سیستمهای تشخیص چهره انسانی هستند، اکثریت روشهای موجود بهدلیل استخراج گراف چهره و ساختارها تخت دو بعدی در زمینه تشخیص چهره با تغییر زاویه سر بهویژه در حالات نیم رخ یا سه رخ دچار خطا و ناکارآمدی میشوند. روش مطرح شده در این جا، با استخراج ساختار 3 بعدی صورت، بسیاری از این مسایل را پشت سر میگذارد. این روش ترکیبی از ابزارهای هندسه برداری، مترهای آماری و روشهای کاهش بعد بهصورت همزمان است. راستایی آزمایی براساس نرخ تشخیص صحیح و زاویه قرارگیری (چرخش) سر صورت میگیرد.
Weaknesses in video surveillance security systems have led to attempts to use hybrid methods to address these issues. In this article, we consider the subject of face recognition based on the evaluation of 3D structure and shape. Evaluating and fitting the structure and achieving a 3D shape makes face recognition possible with a wide range of parameters and under different conditions, and intrinsic and extrinsic models are well isolated from the parameters. Exposure conditions and head position are all taken into account and well-controlled. As we know, various parameters such as the angle of the head in front of the camera, the direction of imaging, the amount of exposure, and the types of noise in the image are among the most difficulties and issues and affecting the successful detection rate of human face recognition systems. In the field of face recognition, most of the present methods due to face graph extraction and two-dimensional flat structures by changing the angle of the head, especially in the case of profile or three faces, suffer from errors and incapability. The 3D structure of the face overcomes many of these issues. This method is a combination of geometry tools, statistical meters, and dimensionality reduction methods simultaneously. Accuracy and efficiency testing are based on the correct recognition rate and head position (rotation).