مقالات تشخیص حالات چهره شامل 9 مقاله مربوط به سال 2016 و در لینک دانلود مقالات موجود است. مقالات ژورنال دارای ایمپکت بالای 2 هستند.ﭼﻬﺮه ﻧﻘﺶ اﺳﺎﺳﯽ را در ﺷﻨﺎﺳﺎﯾﯽ اﻓﺮاد و ﻧﻤﺎﯾﺶ اﺣﺴﺎﺳﺎت آﻧﻬﺎ در ﺳﻄﺢ ﺟﺎﻣﻌﻪ دارد. ﺗﻮاﻧﺎﯾﯽ اﻧﺴﺎن در ﺗﺸﺨﯿﺺ ﭼﻬﺮه ﻫﺎ ﻗﺎﺑﻞ ﺗﻮﺟﻪ اﺳﺖ ﻣﺎ ﻣﯽ ﺗﻮاﻧﯿﻢ ﻫﺰاران ﭼﻬﺮه ی ﯾﺎد داده ﺷﺪه در ﻃﻮل ﻋﻤﺮﻣﺎن را ﺗﺸﺨﯿﺺ دﻫﯿﻢ و در ﯾﮏ ﻧﮕﺎه ﭼﻬﺮه ﻫﺎی آﺷﻨﺎ را ﺣﺘﯽ ﭘﺲ از ﺳﺎﻟﻬﺎ ﺟﺪاﯾﯽ ﺷﻨﺎﺳﺎﯾﯽ ﮐﻨﯿﻢ. اﯾﻦ ﻣﻬﺎرت در ﻣﻘﺎﺑﻞ ﺗﻐﯿﯿﺮات در ﺷﺮاﯾﻂ دﯾﺪاری ﻣﺎﻧﻨﺪ ﺣﺎﻟﺖ ﭼﻬﺮه، ﺳﻦ و ﻫﻤﭽﻨﯿﻦ ﺗﻐﯿﯿﺮاﺗﯽ در ﻋﯿﻨﮏ ، رﯾﺶ ﯾﺎ ﺳﺒﮏ ﻣﺪل ﻣﻮﻫﺎ اﯾﺴﺘﺎدﮔﯽ ﻣﯽ ﮐﻨﺪ. ﺗﺸﺨﯿﺺ ﭼﻬﺮه ﯾﮏ ﻣﻮﺿﻮع ﻣﻬﻢ در ﮐﺎرﺑﺮدﻫﺎﯾﯽ ﻫﻤﭽﻮن ﺳﯿﺴﺘﻢ ﻫﺎی اﻣﻨﯿﺘﯽ ، ﮐﻨﺘﺮل ﮐﺎرت اﻋﺘﺒﺎری و ﺷﻨﺎﺳﺎﯾﯽ ﻣﺠﺮﻣﺎن ﺷﺪه اﺳﺖ. ﺑﺮای ﻣﺜﺎل ، ﻗﺎﺑﻠﯿﺖ ﻣﺪل ﮐﺮدن ﯾﮏ ﭼﻬﺮه ی ﺧﺎص و ﺗﻤﯿﺰ دادن آن از ﯾﮏ ﺗﻌﺪاد ﻓﺮاوان از ﻣﺪل ﻫﺎی ﭼﻬﺮه ی ذﺧﯿﺮه ﺷﺪه ، ﺷﻨﺎﺳﺎﯾﯽ ﻣﺠﺮﻣﺎن را ﺑﻪ ﺻﻮرت ﮔﺴﺘﺮده ای ﺑﻬﺒﻮد ﺧﻮاﻫﺪ ﺑﺨﺸﯿﺪ.
عنوان مقاله ها:
Adaptive facial point detection and emotion recognition for a humanoid robot
در این مقاله که ژورنال الزویر است با استفاده از نقاط کلیدی بر روی صورت بدون تاثیر گذاری تغییر مقیاس و یا شرایط نور محیط اقدام به تشخیص حالات و احساسات چهره می شود. روش استفاده شده بر پایه شدت مبتنی بر رگرسیون است که می تواند 54 نقطه کلیدی را در صورت به صورت بدون سرپرست شناسایی کند. این روش توسط فیلتر گابور، نزدیک ترین نقطه تکرار شونده (ICP) ، خوشه بندی فازی و روش (BRISK) که در واقع روش Binary Robust Invariant Scalable Key points است پیاده سازی می شود. این الگوریتم ها به ترتیب بر روی تصویر اعمال می شوند برای مثال در ابتدا روش ICP برای بدست آوردن حدود نقاط اعمال می شود سپس روش فازی برای تقسیم بندی نقاط محتمل استفاده می شود سپس فیلتر گابور برای لبه یابی و غیره. در تصویر زیر نمای کلی عملکرد مقاله نشان داده شده است.
Facial Mole Detection: An Approach towards Face Identification
این مقاله که مقاله کنفرانس الزویر است از تکنیک تقسیم بندی خطوط در صورت برای تشخیص صورت استفاده کرده است که در واقع می توان گفت الگوریتمی شبیه به لبه یابی دارد اما با فیلتر متفاوت. از فیلتر LOG و همبستگی متقابل نرمال (Normalized cross-correlation) برای این منظور استفاده شده است و با استفاده از آستانه گیری مناسب نرخ تشخیصی در حدود 91.67 % بدست آمده است. در زیر تصاویری از این الگوریتم را می توانیم ببینیم.
A Novel Illumination invariant Face recognition method based on PCA and WPD using YCbCr color space
در این مقاله روشی نوین برای تشخیص چهره با استفاده از فضای رنگ YCbCr ارائه شده است. در ابتدا تصویر رنگی به فضای مذکور انتقال داده می شود و با استفاده از روش WPD که همان تجزیه توسط عملگر های ویولت است نقاط رنگی به k بسته تقسیم می شوند. سپس الگوریتم PCA برای k بار بر روی هر مولفه رنگی (Y,Cb,Cr) اعمال می شود و k مقدار ویژه و بردار ویژه بدست می آید. همانند تکنیک های شبکه عصبی این اطلاعات (بردارهای ویژگی) به عنوان دیتابیس آموزش بکار می رود و توسط یک روش ارزیابی فاصله دیتای آزمون از دیتای اموزش نتایج بدست می آید و هر تصویری که دارای کمترین فاصله از دیتای آموزش باشد صورت شناخته می شود.
Neutral Face Classification Using Personalized Appearance Models for Fast and Robust Emotion Detection
در این مقاله که یکی از مقالات ژورنال معتبر مجله IEEE در زمینه تشخیص حالات چهره است باز هم از تکنیک های نقطه یابی استفاده شده است. تصویر به عنوان بافت در نظر گرفته می شود و با استفاده از تکنیک مدل آماری بافت در نقاط حساس از نظر عواطف در صورت در فریم های متوالی، این تکنیک پیاده می شود و با فریم های بعدی مقایسه می شود. یکی از نقاط قوت این روش بررسی نکردن همه فریم ها و در نتیجه کاهش زمان محاسبات و بالا رفتن سرعت پردازش و بلادرنگ بودن سیستم است. زیرا در فریم های متوالی که حالت چهره تغییر پیدا نکند و نقاط کلیدی ثابت بمانند هیچ محاسبه ای صورت نمی گیرد. طبق ادعای مولف این روش یک روش قدرتمند در مقابل نور، تغییر زمینه و کلا تغییرات محیطی و نویز است و زمان محاسبات نیز نسبت به روش های مشابه کاهش یافته است.
SUPPORT VECTOR MACHINE FOR FACE EMOTION DETECTION ON REAL TIME BASIS
در این مقاله کنفرانس با استفاده از بدست آوردن یک سری از ویژگی های تصویر در فریم های متوالی و دادن ویژگی ها به یک تقسیم کننده ماشین بردار پشتیبان (SVM) اقدام به تشخیص حالات چهره می شود. ویژگی ها بر اساس ویژگی های هار (HAAR) است که در واقع بر پایه تبدیل موجک هار است. سه حالت چهره بررسی شده است که دقت در حالت خوشحال حدود 96% است.
A hybrid Wavelet Neural Network and Switching Particle Swarm Optimization algorithm for face direction recognition
در این مقاله ژورنال روشی نوین و ترکیبی برای تشخیص جهت صورت ارائه شده است. این الگوریتم از یک شبکه عصبی با تابع فعال سازی ویولت استفاده شده است و همچنین از یک الگوریتم بهینه ساز PSO برای بهینه کردن این شبکه عصبی. در واقع ویژگی ها بر اساس تغییر سایز، اسکیل، موقعیت چشمها دهان و غیره بدست می آیند و الگوریتم PSO نیز مقادیر شبکه WNN را مانند وزن ها، متغیرهای اولیه، استانه گیری و سایر مقادیر را بهینه سازی می کند و بهتریم مقادیر را معرفی می کند. طبق مقایسه این مقاله با الگوریتم PSO-WNN با شبکه های همانند WNN و بدون الگوریتم PSO و یا شبکه های کلاسیک تر مانند MLP این ترکیب باعث افزایش دقت و تقسیم بندی بهتر ورودی ها و همچنین نرخ بالای تشخیص چرخش صورت شده است.
Fast Face Detection in Violent Video Scenes
این مقاله کنفرانس، یک مقاله جالب و در عین حال نیز ایده ای جدید به حساب می آید. در این مقاله در صحنه های خشونت آمیز کپچر شده توسط دوربین، صورت اشخاص تشخیص داده می شود و کاربرد آن در دوربین های امنیتی است. در ابتدا با استفاده از تکنیک (VIF (Violent flow descriptor که در واقع یک تکنیک تشخیص صحنه های خشونت آمیز بر پایه جریان شار (Optic flow) است صحنه خشونت آمیز مشخص می شود و توسط تکنیک هار که در مقاله قبل گفته شد (HAAR Features) و یک ماشین بردار پشتیبان صورت تشخیص و ردیابی می شود. این الگوریتم به صورت بلادرنگ بر روی تصویر اعمال می شود و در تصویر های دارای رزولوشن و کیفیت پائین نیز یک تکنیک افزایش رزولوشن سریع و دارای محاسبات کم بکار گرفته می شود. در این مقاله از پایگاه داده SV برای بدست آوردن تصاویر استفاده شده است.
Face Expression Detection on Kinect using Active Appearance Model and Fuzzy Logic
در این مقاله کنفرانس یک سیستم تشخیص حالات چهره که شامل سه حالت غم، شادی و نرمال است بر روی یک کینکت (Kinect) که در واقع سنسور تشخیص حالات چهره برای کنسول های بازی است ارائه می شود. جهت تشخیص حالات از الگوریتم AMM که مدل فعال است و تنظیم کننده بافت و نوع (Shape) چهره است. از یک سیستم منطقی فازی برای تصمیم گیری تغییر نقاط کلیدی جدید (Key point) بر اساس بافت و نوع چهره و نقاط قبلی در فریم های قبلی استفاده می شود. در واقع این الگوریتم نقطه یابی مانند مقاله اول است اما با تشخیص متفاوت.
Developing a Novel Technique for Face Liveness Detection
در این مقاله به خطای تشخیص چهره توجه شده است. در واقع در سیستم های تشخیص بلادرنگ و اصطلاحا زنده همواره امکان اشتباه و تشخیص شیئ به جای چهره وجود دارد و یا ممکن است که شرایط مانند نور و محیط و پس زمینه تغییر کند و خطا در جواب بوجود آید. بنابراین سیستمی که با استفاده از الگوریتم های موجود بهترین نتیجه ممکن را به دور از اشتباه ارائه کند حائز اهمیت است. در این مقاله از یک سیستم ارزیابی کیفیت تصویر Image Quality Assessment استفاده شده که در واقع با استفاده از پارامتر هایی مانندپیک سیگنال به نویز، سیگنال به نویز، خطای میانگین، خطا مطلق نرمال، تغییرات لبه و غیره اقدام به ارزیابی می کند و نتیجه به صورت چهره و یا غیر چهره بیان می شود. نکته قابل توجه در این مقاله این است که این تکنیک بروی الگوریتم های دیگر پیاده می شود بدین معنی که هنگامی که یک الگوریتم اقدام به تشخیص چهره کرد الگوریتم ارائه شده در این مقاله روی آن پیاده می شود و صحت جواب در مورد اینکه چهره وجود دارد یا نه ارزیابی می شود.
