تشخيص ﭼﻬﺮﻩﻱ ﺑﺎ ﻣﺎﺳﻚ ﻭ ﺑﺪﻭﻥ ﻣﺎﺳﻚ ﺑﻪ ﻛﻤﻚ ﺷﺒﻜﻪ ﻋﺼﺒﻲ ﭘﻴﭽﺸﻲ

Masked and masked free face recognition by convolutional neural networks

كشف و تشخيص چهره يكي از روش‌هاي متداول احراز هويت بيومتريك است. دلايل استفاده از اين روش، امكان‌پذيري و در عين حال استفاده راحت از آن است. در چند سال گذشته همه‌گيري بيماري كرونا يا كوويد -19 در سراسر جهان اتفاق افتاد و به طور جدي منجر به تأثيرات منفي بر سلامت و اقتصاد مردم شد. از زمان شيوع كوويد-19، پوشيدن ماسك صورت، بعنوان بهترين راه براي محافظت از افراد در برابر ويروس كرونا و جلوگيري از انتشار يا آلوده شدن به اين بيماري، بطور وسيعي رايج شد. ولي پوشيدن ماسك باعث مي‌شود كه قسمت عمده صورت افراد پوشيده شده و تشخيص چهره ماسك دار يك كار چالش برانگيز شود. در اين تحقيق ، دو روش: اولي مبتني بر تركيب شبكه كانولوشني عميق و دومي مبتني بر ويژگي‌هاي الگوي باينري محلي براي تشخيص چهره ماسك‌دار استفاده شده است. الگوريتم پيشنهادي نخست در ابتدا چهره افراد را به كمك RetinaFace كه يك شبكه عصبي براي تشخيص چهره است، تشخيص داده، سپس ويژگي هاي مربوط به ناحيه بالاي ماسك يعني چشم، ابرو و پيشاني را از چهره افراد به كمك شبكه كانولوشني ArcFace مي آموزد. الگوريتم پيشنهادي دوم به جاي استخراج ويژگي هاي مربوط به ناحيه بالاي ماسك، تنها ويژگي هاي مربوط به ناحيه چشم را به كمك شبكه ArcFace مي آموزد. سپس هر دو الگوريتم، ويژگي‌هاي آموخته‌شده از RetinaFace را با ويژگي‌هاي الگوي باينري محليِ استخراج شده از ناحيه ابرو در چهره ي ماسك‌دار در چارچوبي يكپارچه تركيب كرده و به تشخيص چهره ماسك دار مي پردازند. الگوريتم هاي پيشنهادي روي مجموعه داده COMASK20 آزمايش شدند و به ترتيب به نتايج f1-score=93.47 % و f1-score=93.58% دست يافتند. اين پژوهش در مقايسه با پژوهش هاي پيشين پياده شده بر روي اين مجموعه داده، به بهبود 13 درصدي دست يافت.