کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
533615 870138 2010 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A data mining approach to face detection
ترجمه فارسی عنوان
یک روش داده کاوی برای تشخیص چهره
کلمات کلیدی
تشخیص چهره، الگوی ویژگی، حداکثر الگوی مکرر، داده کاوی، پشتیبانی از برش ماشین
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

2. مفهوم اولیه و تعاریف مسئله 

3. رویکرد پیشنهادی 

3.1 فاز آموزش 

3.1.1 پیش پردازش 

3.1.2 پیدا کردن الگوهای ویژگی مثبت و منفی 

3.1.3ساخت آشکارساز چهره 

3.2 مرحله تشخیص 

4. تجزیه و تحلیل عملکرد 

4.1 استخراج الگوهای ویژگی

4.2 نتایج آزمایشات 

4.3 مقایسه عملکرد 

5. نتیجه گیری و کارهای آتی 

شکل 1. یک تصویر نمونه

شکل 2. تصویر پردازش شده (الف) تصویر ورودی (ب) پس از تعادل هیستوگرام (ج) پس از تشخیص لبه افقی (د) لبه فیلترشده (ر) پس از dilation

شکل 3. آشکارساز لبه افقی سوبل

شکل 4. ساختار عنصر عملگر 

شکل 5. یک پایگاه داده آموزشی نمونه

شکل 6. شبکه برای 4 آیتم

شکل 7. الگوهای حداکثر مکرر پیدا شده

شکل 8. یک نمونه از الگوهای حداکثر مکرر

شکل 9. الگوهای حداکثر مکرر استخراج شده از تصاویر لبه

شکل 10. الگوهای حداکثر مکرر استخراج شده از تصاویر غیرلبه

شکل 11. نتیجه ادغام شده

شکل 12. آشکارساز چهره

شکل 13. آستانه گیری

شکل 14. مناطق برچسب گذاری شده در یک پنجره 21 * 21

شکل 15. ردیف های استفاده شده برای شکل دادن یک بردار ویژگی

شکل 16. یک مسئله طبقه بندی دودویی

شکل 17. یک نمونه درخت kd

شکل 18. پیش پردازش

شکل 19. تصاویر نمونه مورد استفاده برای استخراج الگوهای ویژگی

شکل 20. تصاویر نمونه برای آستانه های یادگیری و آموزش SVM

شکل 21. نمونه های تشخیص چهره در مجموعه داده 

شکل  22. چهره ها با پس زمینه های درهم ریخته و چهره های با دست کشیده شده

شکل 23. تصاویر بسته

شکل 24. چهره های غریبه در مجموعه داده 

شکل 25. یک مثبت کاذب و یک چهره از دست رفته

شکل 26. منحنی ROC برای مجموعه داده CMU-MIT

شکل 27. منحنی ROC برای مجموعه داده BIOID

شکل 28. نرخ تشخیص در برابر خطای نسبی 

 
ترجمه چکیده
در این مقاله، ما یک روش جدید تشخیص چهره بر اساس الگوریتم MAFIA پیشنهاد می کنیم. روش پیشنهادی ما شامل دو مرحله است: آموزش و تشخیص. در فاز آموزش، ما ابتدا عملگر تشخیص لبه سوبل، عملگر مورفولوژیکی و آستانه را به هر تصویر آموزشی اعمال می کنیم و آن را به یک تصویر لبه تبدیل کردیم. بعد، از الگوریتم MAFIA استفاده می کنیم تا حداکثر الگوهای مکرر را از آن تصاویر لبه استخراج کنیم و الگو ویژگی مثبت را بدست آوریم. به طور مشابه، ما می توانیم الگوی ویژگی منفی را از مکمل‌های تصاویر لبه دریافت کنیم. بر اساس الگوهای ویژگی های استخراج شده، ما یک آشکارساز چهره برای هرس کردن نامزدهای غیر چهره ایجاد می کنیم. در مرحله تشخیص، یک پنجره اسلایدینگ را برای تست تصویر در مقیاس های مختلف اعمال می کنیم. برای هر پنجره اسلایدینگ، اگر پنجره اسلاید آشکارساز چهره را قبول کند، آن به عنوان صورت انسان در نظر گرفته می شود. روش پیشنهادی می تواند به طور خودکار الگوهای ویژگی هایی را که بیشترین ویژگی های صورت را جذب می کنند، پیدا کند. با استفاده از الگوهای ویژگی برای ساخت آشکارساز چهره، روش پیشنهادی برای نژادها، روشنایی و حالت چهره، قوی است. نتایج آزمایشی نشان می دهد که روش پیشنهادی عملکرد فوق العاده ای در مجموعه داده MIT-CMU و عملکرد قابل مقایسه روی مجموعه داده های BioID از نظر میزان اشتباه و میزان تشخیص دارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
یک روش داده کاوی برای تشخیص چهره
چکیده انگلیسی

In this paper, we propose a novel face detection method based on the MAFIA algorithm. Our proposed method consists of two phases, namely, training and detection. In the training phase, we first apply Sobel's edge detection operator, morphological operator, and thresholding to each training image, and transform it into an edge image. Next, we use the MAFIA algorithm to mine the maximal frequent patterns from those edge images and obtain the positive feature pattern. Similarly, we can obtain the negative feature pattern from the complements of edge images. Based on the feature patterns mined, we construct a face detector to prune non-face candidates. In the detection phase, we apply a sliding window to the testing image in different scales. For each sliding window, if the slide window passes the face detector, it is considered as a human face. The proposed method can automatically find the feature patterns that capture most of facial features. By using the feature patterns to construct a face detector, the proposed method is robust to races, illumination, and facial expressions. The experimental results show that the proposed method has outstanding performance in the MIT-CMU dataset and comparable performance in the BioID dataset in terms of false positive and detection rate.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 43, Issue 3, March 2010, Pages 1039–1049
نویسندگان
, , , , ,