3D Face Recognition System

شرح

تشخیص هدف انسانی در سال‌های گذشته یک حوزه تحقیقاتی فعال بوده است، با تأکید عمده بر تشخیص خودکار و تطبیق چهره‌ها در تصاویر ثابت و ویدیوها، به منظور تأیید و شناسایی. عملکرد سیستم‌های تطبیق چهره دو بعدی به توانایی آنها در عدم حساسیت به عوامل مهم مانند حالات چهره، آرایش و پیری بستگی دارد، اما عمدتاً به عوامل بیرونی مانند تفاوت‌های روشنایی، زاویه دید دوربین و هندسه صحنه بستگی دارد. با این حال، محدودیت‌های ذاتی تطبیق چهره دوبعدی این باور را پشتیبانی می‌کند که شناسایی مؤثر هویت باید از طریق فناوری‌های چند بیومتریک به دست آید. به طور خاص، بهره برداری از هندسه ساختار آناتومیکی صورت به جای ظاهر آن، با تعریف الگوریتم ها و سیستم ها برای تطبیق چهره سه بعدی یک زمینه تحقیقاتی رو به رشد در سال های اخیر بوده است. هدف سیستم های تشخیص چهره سه بعدی استفاده از داده های سه بعدی اضافی برای حذف برخی از مشکلات ذاتی مرتبط با سیستم های تشخیص دو بعدی است. به عنوان مثال، سطح سه بعدی یک چهره نسبت به تغییرات در شرایط نوری ثابت است و از این رو سیستم‌های تشخیصی که از این داده‌ها استفاده می‌کنند، باید طبق تعریف، نور ثابت باشند. علاوه بر این، با توجه به اینکه امکان ثبت تعدادی مدل سه بعدی در یک حالت پایه وجود دارد، چنین سیستمی نیز از نظر دیدگاه ثابت خواهد بود (اگرچه تا چه حد به کامل بودن مدل سر سه بعدی بستگی دارد). علاوه بر داده های سه بعدی، امکان گرفتن اطلاعات بافت و در نتیجه استفاده از تمام داده های موجود برای هدایت فرآیند تشخیص وجود دارد.

کد بر روی پایگاه داده GavabDB تست شده است. GavabDB یک پایگاه داده چهره سه بعدی است. این شامل 549 تصویر سه بعدی از سطوح صورت است. این مش ها مربوط به 61 فرد مختلف (45 مرد و 16 زن) است که برای هر نفر 9 تصویر دارند. مجموع افراد قفقازی و سن آنها بین 18 تا 40 سال است. هر تصویر توسط شبکه ای از نقاط سه بعدی متصل سطح صورت بدون بافت ارائه می شود. پایگاه داده تغییرات سیستماتیک را با توجه به حالت و حالت چهره ارائه می دهد.

اصطلاحات فهرست: متلب، منبع، کد، سه بعدی، چهره، تشخیص، تأیید، مدل، تطبیق، مجازی، واقعیت، مدل‌سازی، زبان، vrml.