رفع نقايص امنيتي سيستم هاي احراز هويت تصويري با تشخيص چهره براساس ارزيابي ساختار و شكل 3 بعدي

Fixing security defects of video authentication systems with face recognition based on 3D structure and shape evaluation

نقايص و نقاط ضعف سيستم‌هاي امنيتي نظارت تصويري منجر به تلاش براي استفاده از روش‌هاي تركيبي براي مرتفع ساختن اين مسايل شده است. در اين مقاله به مساله تشخيص چهره براساس ارزيابي ساختار و شكل 3 بعدي مي‌پردازيم. ارزيابي (برازش) ساختار و دستيابي به شكل 3 بعدي، سبب مي‌شود، تشخيص چهره با گستره وسيعي از پارامترها و تحت شرايط گوناگون امكان‌پذير شده و مدل‌هاي ذاتي و غيرذاتي به‌خوبي با پارامترها تفكيك شوند. شرايط نوردهي و موقعيت قرارگيري سر همگي به حساب آمده و به‌خوبي كنترل مي‌شوند. همانگونه كه مي‌دانيم، پارامترهاي گوناگوني از قبيل زاويه قرارگيري سر در مقابل دوربين، جهت تصويربرداري، ميزان نوردهي و انواع نويزها در تصوير از جمله مسايل تاثيرگذار بر نرخ موفق تشخيص سيستم‌هاي تشخيص چهره انساني هستند، اكثريت روش‌هاي موجود به‌دليل استخراج گراف چهره و ساختارها تخت دو بعدي در زمينه تشخيص چهره با تغيير زاويه سر به‌ويژه در حالات نيم رخ يا سه رخ دچار خطا و ناكارآمدي مي‌شوند. روش مطرح شده در اين جا، با استخراج ساختار 3 بعدي صورت، بسياري از اين مسايل را پشت سر مي‌گذارد. اين روش تركيبي از ابزارهاي هندسه برداري، مترهاي آماري و روش‌هاي كاهش بعد به‌صورت همزمان است. راستايي آزمايي براساس نرخ تشخيص صحيح و زاويه قرارگيري (چرخش) سر صورت مي‌گيرد.

Weaknesses in video surveillance security systems have led to attempts to use hybrid methods to address these issues. In this article, we consider the subject of face recognition based on the evaluation of 3D structure and shape. Evaluating and fitting the structure and achieving a 3D shape makes face recognition possible with a wide range of parameters and under different conditions, and intrinsic and extrinsic models are well isolated from the parameters. Exposure conditions and head position are all taken into account and well-controlled. As we know, various parameters such as the angle of the head in front of the camera, the direction of imaging, the amount of exposure, and the types of noise in the image are among the most difficulties and issues and affecting the successful detection rate of human face recognition systems. In the field of face recognition, most of the present methods due to face graph extraction and two-dimensional flat structures by changing the angle of the head, especially in the case of profile or three faces, suffer from errors and incapability. The 3D structure of the face overcomes many of these issues. This method is a combination of geometry tools, statistical meters, and dimensionality reduction methods simultaneously. Accuracy and efficiency testing are based on the correct recognition rate and head position (rotation).