1. Face Recognition المشرف: الدكتور احمد الحسنات اسم المادة: قياسات حيوية
اعداد وتقديم: عمر راتب البديرات
السنة الدراسية: 2016 الفصل الدراسي الثاني
جامعة مؤته
Lecture by Omar R. Bedarat, Ahmad Hassanat, Information Technology department, Mutah University, Jordan

2. العناوين الرئيسية مفهوم نظام تمييز الوجه تاريخ نظام تمييز الوجه
استخدامات نظام تمييز الوجه
الايجابيات والسلبيات
العوامل التي تعيق عملية التعرف على الوجه
مراحل نظام التعرف على الوجه
خوارزميات التعرف على الوجه
بعض المقارنات
قاعدة البيانات
المراجع

3. Face Recognition نظام التعرف على الوجه
  هو برنامج إلكتروني يٌستخدم في عملية التحقق من هوية المستخدمين عن طريق الوجه، حيث يقوم البرنامج بالتقاط صورة مباشرة لوجه المستخدم ومن ثم تحليل معالم الوجه ومقارنتها بالصورة المحفوظة سابقا

4. اول نظام للتعرف على الوجه
في عام 1964 و1965 بلدسو وهيلين وتشارلز قام على استخدام الكمبيوتر على التعرف على الوجوه البشرية. لكن هذا العمل لم ينتشر وذلك بسبب ان هذا المشروع مدعوم من وكالة ألاستخبارات اعتمد هذا البحث على المسافات مثل عرض الفم وعرض العين والزاوية الداخلية للعين لمجموعة من الطلاب. من المشكلات التي واجهها التباين الكبير في دوران الرأس والشيخوخة وتعابير الوجه (1)

5. الايجابيات والسلبيات الايجابيات
إنها خاصية يمكن لأي إنسان عادي أن ينفذها، على عكس بعض عمليات التعرف مثل تعرف القزحية حيث انه من المعروف أن الإنسان بشكل أساسي يعتمد على الوجه للتعرف على جميع الشخصيات التي يقابلها.
• سهولة تنفيذها واختبارها واستخدامها، حيث إنّ نظم التعرف لا تتطلب تجهيزات خاصة بل كل ما تحتاج إليه عبارة عن كاميرا بدقة جيدة High Resolution.
السلبيات
التغير المستمر في الملامح يؤدي الى ضعف عملية التعرف على الوجه. مثل التقدم في السن الخ.

6. استخدامات بصمة الوجه لبصمة الوجه استخدامات كثيرة منها:
اماكن سحب النقود ATM في البنوك. حيث تقوم البرامج من التحقق من وجه العميل قبل أن تقوم بإخراج النقود له، ومن الممكن أن يتم الاستغناء عن بطاقة سحب النقود والاكتفاء بالوقوف أمام الماكينة التي ستتولى التعرف عليك وتفتح لك حسابك لتقوم بالسحب أو الإيداع.

7. تطبيقات التعرف على الوجه
معرفة الهوية باستخدام الخصائص الفيزيولوجية.
تستخدم في مجال الحماية.
تعمل شركة Emotientعلى تقديم تقنية التعرف على مشاعر الأشخاص، فقط من خلال تمرير وجوههم عبر تسجيل مقطع فيديو يتم من خلاله تحليل تعابير الوجه للتعرف على المشاعر

8. خصائص الوجه
كل وجه له معالم متميزة عديدة، تتمثل في المنحنيات المختلفة على ألوجه وتعتمد تقنية تمييز الوجوه على هذه المعالم كعقد . فكل وجه لديه حوالي 80 عقده ومن اشهر هذه العقد التي يمكن قياسها باستخدام البرامج هي (3): 
(1) المسافة بين العينين. 
(2) عرض الأنف. 
(3) عمق العين. 
(4) شكل عظام الخد .
(5) طول خط الفك .

9. عوامل التي قد تعيق عملية التعرف على الوجه (2)
(1) التشابه الكبير بين بعض الاوجه .
(2) الوهج الناتج عن ارتداء النظارات الشمسية . (3) الشعر الطويل يحجب الجزء المركزي للوجه . (4) الإضاءة الخافتة التي ينتج عنها صور غير واضحة.  (5) ضعف الدقة والوضوح للصور التي تؤخذ عن بعد .

10. امثلة على اشخاص مختلفين لكنهم متشابهين
توأمان
الأب وابنه

11. امثلة على العوامل الاخرى التي تعيق عملية التعرف على الوجه

12. تتلخص مراحل نظم التعرف على الوجوه بشكل عام من الخطوات التالية :
مرحلة الحصول على الصورة ( التقاطها)Acquire
مرحلة استخلاص صورة الوجه من الصورة الكلية Detect
مرحلة محاذاة وتقييس الصورة ( اي ضبط زاوية الوجه مع زاوية الكاميرا) Align
مرحلة استخلاص الملامح الاساسية المهمة من الصورة Extract
مرحلة المطابقة بين الصورة المطلوبة ومخزن الصور Match
مرحلة اصدار تقرير بأقرب صورة للصورة أو عدم وجود شبيه Report

13.  الكشف Detection :
أخذ الصورة وذلك إما عن طريق الصور ذات البعد الثنائي باستخدام الماسحات الالكترونية أو ذات البعد الثلاثي باستخدام كاميرات الفيديو.

14.  المحاذاة Alignment :
بعد التقاط الصورة يقوم النظام بتحديد موضع الرأس وحجمه واتجاهه  وإذا كانت الكشف قد تم باستخدام كاميرا الفيديو " ثلاثي الأبعاد " فإنه يتمكن من تحديد ذلك حتى لو كانت الصورة جانبيه أي 90 درجه.بينما لو كانت الصورة ثنائيه الأبعاد يجب أن لا يزيد الانحناء بين الوجه والكاميرا عن 35 درجه .

15. المحاذاة

16.  القياس Measurement :
يقوم برنامج النظام بحساب المنحنيات والتعرجات على الوجه بدقة تصل إلى أجزاء من المليميتر. ويحول تلك المعلومات إلى قالب للوجه ويقصد بذلك استخلاص العلامات المميزة في الخصائص الفسيولوجية والسلوكية وذلك لوضع القالب في قواعد البيانات " المعلومات " .

17. القياس .
Features

18. التمثيلRepresentation :
يقوم النظام في هذه الخطوة بترجمة القالب وتحويله الى شفرة مكونة من مجموعة من الأرقام تمثل سمات هذا القالب حيث تكون هذه الشفرات فريدة لكل قالب. 

19.  المقارنة Matching :
حيث يستعمل المصنعون أسلوب الخواص لمقارنة القوالب المطابقة , أي وضع معيار معتمد لتحديد قوة أي مطابقة فإذا تجاوزت مستوى المطابقة المستوى المحدد سابقا تعتبر العملية مطابقة كاملة. في حال كانت الصور الموجودة في قواعد البيانات هي صور ثلاثية الأبعاد فإن عملية المطابقة لا تتطلب أي تحويل للصورة أما  إذا كانت ثنائية الإبعاد هذا يسبب نوعا من التحدي حيث يجب أن يتم تحويل القالب إلى صوره ثنائية الأبعاد عن طريق استخدام اللغوريثمات ومن ثم المطابقة(4).

20. المصادقة و التحديد Authentication vs Identification
مصادقة الوجه / التأكيد (1: 1 مطابقة)(5)
التحديد / المطابقة (1: N مطابقة) (6)

21. جميع العمليات تمييز بصمة الوجه

22. الطريقة الهندسية للتعرف على الوجه Geometrical Method(7)
تعتمد هذه الطريقة على حساب المسافات بين خصائص الوجه مثل المسافة بين العينين والمسافة بين خط الفم وخط العينين والمسافة بين نقطة مركز الانف خط الفم وعرض العين والأنف والفم.

23. A Face Recognition System Based on Eigenfaces Method Müge Çarıkçı a, Figen Özen a *.

24. مقدمة عن الخوازرمية
تعتبر خوارزمية تحليل المكونات الأساسية Principal component analysis PCA أحد أهم التقنيات الناجحة التي تم استخدامها في مجال التعرف على الصور وفي مجال ضغط الصور.
الهدف الاساسي في خوارزمية PCA يكمن في تقليص الأبعاد الكبيرة في فضاء المعطيات إلى فضاءات بأبعاد أصغر وعادة ما تكون الفضاءات الجديدة عبارة عن فضاءات الملامح ( اي تحوي الملامح الاساسية والمهمة للمعطيات في فضاءاتها الاصلية), وبالتالي , وعبر تقليص الأبعاد هذا نكون قد وصفنا المعطيات بشكل اقتصادي اكثر مما يساعدنا فيما بعد.

25. خطوات تحليل المكونات الاساسية

26. المصطلحات المستخدمة أشعة الملامح features vectors
ويقصد بأشعة الملامح اي عبارة عن مصفوفات – ان جاز التعبير – منتقاة من مصفوفات الصورة الاصلية , وتمثل القيم المهمة والأساسية ضمن الصور الاصلية , وبذلك يتم اختزال حجم الصور إلى اشعة تمثل خلاصة الصور.
الوجوه الذاتية eigenfaces
الأشعة الذاتية Eigenvectors

27. خطوات الخوارزمية
الخطوة الأولى : يتم تحويل تمثيل كل صورة وجه  من الأبعاد التالية  إلى شعاع وحيد بالأبعاد التالية كما في الشكل التالي:  

28. الخطوات 2 و 3
الخطوة الثانية : يتم حساب الوجه الوسطي عبر العلاقة التالية :
الخطوة الثالثة : يتم القيام ب Normalize لكل شعاع صورة وذلك عبر طرحها من الوجه الوسطي كما يلي :

29. الخطوات 4 و 5 الخطوة الرابعة: يتم تشكيل المصفوفة
الخطوة الرابعة: يتم تشكيل المصفوفة
الخطوة الخامسة: يتم حساب مصفوفة التباين ذات الأبعاد التي تحوي على تباينات الوجوه بعدها M2 ×M2

30. الخطوة 6
الخطوة السادسة : نقوم هنا بحساب الأشعة الذاتيةVi   للمصفوفة AAT والتي تمثل في العلاقة التالية vi*ai ) معدل) حيث ai هي الصورة الاصلية .
توصل الى هذه العلاقة عن طريق ATAvi = ivi
و AAT(Avi) = i(Avi)

31. الوجوه الذاتية
الخطوة السابعة : يتم حساب الأشعة الذاتية ui للمصفوفة AAT باستخدام العلاقة ui = Avi

32. .
الخطوة الثامنة ( انقاص الأبعاد) : يتم تمثيل كل وجه  عبر الاحتفاظ فقط بالقيم التي توافق اكبر K قيمة ذاتية :
في الصف الأول , يتم اظهار مجموعة من الوجوه الذاتية eigenfaces ( اي الوجوه الذاتية التي توافق القيم الذاتية الكبرى) تأتي عبارة ” الوجه الذاتي ” من حقيقة ان الأشعة الذاتية تبدو وكأنها صور شبحية).

33. عملية المقارنة
يتم في عملية المقارنة القيام بجميع الخطوات السابقة للصورة المراد مطابقتها مع الصور الموجودة في قاعدة البيانات واحتساب المسافة بين الصور المدخلة مع الصور الموجودة في قاعدة البيانات اذا كانت
المسافة > thrsh فأن الصورة مطابقة.

34. مقارنات

35. Data set GT
جورجيا قاعدة بيانات الوجه حجمها 128MB تحتوي على صور من 50 شخصا نقلوا في اثنين أو ثلاث جلسات بين
06/01/99 و11/15/99 في مركز معالجة الإشارات والصور في معهد جورجيا للتكنولوجيا.
يتم تمثيل كل الناس في قاعدة البيانات بنسبة صوره لكل شخص لون الصور JPEG مع الخلفية تشوش التي اتخذت في قرار
640x480 بكسل. متوسط حجم الوجوه في هذه الصور هو 150x150 بكسل. وتظهر الصور أمامي
و / أو يميل الوجوه مع تعبيرات وجه مختلفة، ظروف الإضاءة والحجم. وصفت كل صورة يدويا
لتحديد موقف من الوجه في الصورة.

36. المراجع
(1)
(2) üge Çarıkçı, M., and Figen Özen. "A Face Recognition System Based on Eigenfaces Method." Procedia Technology 1 (2012):
(3) Jain, Dinesh Chandra, and V. P. Pawar. "A Novel Approach For Recognition Of Human Face Automatically Using Neural Network Method." International Journal of Advanced Research in Computer Science and Software Engineering2.1 (2012).
(4) Fengxi Song, David Zhang, Qinglong Chen1, and Jingyu Yang,” A Novel Supervised Dimensionality Reduction Algorithm for Online Image Recognition” , Lecture Notes in Computer Science ; PSIVT 2006, LNCS 4319, pp. 198 – 207, Springer-Verlag.
(5) [10] Fengxi Song , Hang Liu, David Zhang, Jingyu Yang “A highly scalable incremental facial feature extraction method”, Elsevier. Neurocomputing 71 (2008) 1883– 1888.
(6)
(7) Lu, Yongzhong, Jingli Zhou, and Shengsheng Yu. "A survey of face detection, extraction and recognition." Computing and informatics 22.2 (2012): ‏ ‏‏
(1)