سیستم بازیابی تصویر چهره در 3 دهه اخیر در تصاویر ثابت و محیطهای کنترل شده پیشرفت چشمگیری داشته است اما در تصاویر متحرک و بر خط هنوز دارای چالشهایی است که در این مقاله با استفاده از روش LBP بر پایه پردازنده گرافیکی NVIDIA و پلتفرم CUDA تحقیقی صورت گرفت و در مواقعی که استفاده از GPU مقرون به صرفه نبوده است موازی سازی با CPU انجام شده است.
چالشهای بازیابی تصویر چهره برخط:
1- تغییرات روشنایی تصاویر
2- تغییر حالت چهره
راه حل ارائه شده:
از الگوریتم LBP(Local Binary Pattern) برای استخراج ویژگی پایدار به تغییرات یکنواخت روشنایی و حالت چهره و از الگوریتم
SQI(Self Quotient Image) برای خنثی سازی تغییرات نور استفاده شده است و برای افزایش هرچه بیشتر سرعت سیستم از پردازنده گرافیکی GPU استفاده شده است بدین ترتیب که موازی سازی افزایش 19 برابری سرعت پردازش را در بر داشت
تعریف SQI:خارج قسمت تقسیم تصویر بر فیلتر پایین گذر همان تصویر مانند گاوسین
LBP یک توصیفگر بافت قدرتمند است که به تازگی در تحلیل تصاویر پزشکی کاربرد پیدا کرده است، در این پایان نامه با استفاده از GPU ،الگوریتم LBP برروی تصاویر حاوی سلولهای سرطانی اعمال شده که بوسیله این الگو نه تنها بافتهای سرطانی با دقت و کیفیت بالا پردازش می شوند بلکه محل دقیق تومورهای سرطانی نیز با سرعت بسیار بالاتری نسبت به CPU با توجه به حجیم بودن عکسها بطور خودکار مشخص می شود،که میانگین زمان صرف شده درGPU حدود 12 میلی ثانیه بوده در حالیکه زمان پردازش در CPU حدود 1150 میلی ثانیه محاسبه شده است که تقریبا 95 برابر GPU سریعتر عمل نموده است.
SIFT |
همانطور که در تصویر بالا مشاهده می کنید دو رادیو طوسی در ویژگی کلیشان تفاوتی دیده نمی شود سپس به مقایسه ویژگی های محلی پرداخته می شود که در قسمت وسط تفاوت مشاهده می شود
در دو عکس فوق به بررسی ویژگیهای شکل پرداخته می شود و نقاطی که تطابق بیشتری دارند بعنوان شی مورد نظر مشخص می شود
یکی از راههای استخراج ویژگی تفاضل گرادیان در مراتب مختلف است که در شکل زیر اورده شده است
و اما چالشها:
1-الگوریتم استخراج ویژگی قوی بایستی نسبت به چرخش یا Rotation مقاوم باشد 2- الگوریتم استخراج ویژگی قوی بایستی نسبت به تغییرات روشنایی مقاوم باشد 3- الگوریتم استخراج ویژگی قوی بایستی نسبت به تغییر مقیاس مقاوم باشد 4- مقاومت در برابر زاویه عکسبرداری نیز یکی دیگر از ویژگی های این الگوریتم است 5- الگوریتم تشخیص ویژگی باید نسبت به نویز هم مقاوم باشد
چون الگوریتم SIFT در برابر تمامی این چالشها مقاوم است از آن به عنوان یک الگوریتم قوی در استخراج ویژگی یاد می شود ، البته باید متذکر این مسئله نیز شد که این الگوریتم در برابر تغییرات روشنایی هنوز بصورت کامل مقاوم نیست.
کاربردها:
1- تطبیق یک مجموعه تصویر (مانند تصاویر پانوراما)
2- شناسایی اشیا (جستجوی یک شی در میان تصویری از اشیا مختلف و یافتن مکان آن شی)
3- ساخت مدل سه بعدی از روی مجموع تصویر (جمع نمودن تصاویر از زوایای مختلف با استفاده از SIFT)
4- ردیابی اشیاء در ویدئو(فریم به فریم)
این وب سایت یک پایگاه داده جدید از تصاویر دنیای حقیقی شامل تصاویری که توسط عکاسان حرفه ای که http://www.ctk.eu اعلام کرده را معرفی می نماید ، بعلاوه به عنوان پایگاه داده UFI نیز گزارش شده است که بطور عمده معیار روشهای شناسایی چهره صورت است بهر حال با استفاده از این وب سایت برای انجام کارهای متعددی در این زمینه امکان پذیر است