آشکارسازی چندتایی صورت انسان در تصاویر اینترنتی با استفاده از ترکیب فیلترهای گابور و شبکه عصبی
محورهای موضوعی : مهندسی برق و کامپیوتررضا محمدیان 1 * , محمود محلوجی 2
1 - دانشگاه آزاد اسلامی، واحد كاشان
2 - دانشگاه آزاد اسلامی، واحد كاشان
کلید واژه: انرژی گابور پروجکشن عمودی فیلتر میانه ویژگی‌های صورت,
چکیده مقاله :
این مقاله روشی نوین برای آشکارسازی چندتایی صورت انسان از نمای روبه‌رو در تصاویر اینترنتی با پس‌زمینه‌های پیچیده را با تمرکز بر کاهش خطای آشکارسازی نمونه‌های غیر صورت به عنوان صورت بیان می‌کند. در روش ارائه‌شده از ترکیب شبکه عصبی چندلایه پیش‌خور با روش آموزش بازگشتی و ویژگی انرژی فیلتر گابور در حوزه فرکانس استفاده شده است. در روش پیشنهادی این مقاله با معرفی پیش‌پردازشی جدید برای افزایش کیفیت ویژگی انرژی گابور، انجام دو مرحله پایش بر روی تصاویر ورودی و خروجی و همچنین استفاده از سه شاخص شناسایی اجزای صورت در خروجی انرژی گابور، خطای آشکارسازی نمونه‌های غیر صورت به عنوان صورت به شدت کاهش یافته است. در این مقاله پایگاه تصاویر جدیدی به نام RFD از تصاویر اینترنتی جمع‌آوری شده است که دارای 583 تصویر صورت غیر تکراری و 9961 تصویر غیر صورت در اندازه 168×192 است. دقت الگوریتم پیشنهادی در آشکارسازی صورت در این پایگاه تصاویر 16/88% و خطای آشکارسازی آن تنها 48 مورد معادل 48/0% است. این در حالی است که الگوریتم ویولاجونز در این پایگاه تصویر دارای 124 خطای آشکارسازی بوده و در نتیجه خطای آشکارسازی الگوریتم پیشنهادی نزدیک به 5/2 برابر بهتر از الگوریتم ویولاجونز می‌باشد.
This paper presents a new method for multi human face detection from frontal view in internet images with complex background. The main goal is to reduce false acceptance error rate using feed forward back propagation multilayer perceptron neural network and Gabor energy feature in the frequency domain. In the proposed method, the false acceptance error extremely decreased using a combination of three operations; introducing a new preprocessing algorithm to increase the quality of Gabor energy feature, performing two step monitoring on the input and output images, and utilizing three indexes of facial components recognition in Gabor energy output. In this paper, a new image database namely RFD is collected from internet images including 583 non repetitive face images and 9961 non face images with size of 192×168. The face detection accuracy of the proposed method on RFD images is 88.16% with false acceptance rate of 0.48% or 48 false acceptances only, while Viola-Jones algorithm has 124 false acceptances. Therefore, the false acceptance error of the proposed method has reduced by 2.5 times compared to that of Viola-Jones algorithm.