Journal of Iranian Association of Electrical and Electronics Engineers

fa مدل‌سازی چهره با استفاده از میانگین‌گیری بر پایه دگردیسی تصویر و تجزیه مرتبه پایین Face Modeling using Morphing-based Averaging and Low-Rank Decomposition مخابرات Communication پژوهشي Research در نظارت ویدئویی، زاویه دید چهره نسبت به دوربین (انسداد زاویهای) توانایی سیستم در شناسایی چهره را محدود می‌سازد. در این مقاله روشی برای رفع انسداد زاویه&rlm;ای در تصاویر چهره پیشنهاد میشود که مبتنی بر دگردیسی تصویر بوده و با دریافت تعدادی تصویر زاویهدار از چهره یک شخص، تصویری از روبهرو مدل میسازد. روش پیشنهادی با تکنیکهایی از قبیل انتقال مکانی پیکسلهای تصاویر ورودی با استفاده از توابع انتقال، درونیابی خطی و میانگینگیری از شدت روشنایی آنها، مدل چهره از روبهرو را بدست میآورد. برای بهبود تصویر مدل، روش پیشنهادی بر روی تصاویر ورودی واگرا (تصاویر چهره دارای زاویه قرینه نسبت بههم)           ، اعمال میشود. سپس تصاویر مدل شده، با تجزیه مرتبه پایین، نسبت بههم تراز میشوند. شبکه عصبی تابع پایه شعاعی به عنوان تابع انتقال برای این روش در نظر گرفته شده است. از مزایای این روش عدم نیاز به اطلاعات عمق در تصویر، کالیبره بودن تصاویر و اطلاعات زاویه چهره است که معمولا در مدلسازی سه بعدی استفاده میشود. عملکرد الگوریتم روی تصاویر پایگاه دادهPRIMAمورد بررسی قرار گرفته است. با فرض اینکه تصاویر چهره تنها دارای انسداد زاویهای باشند، نتایج آزمایشات نشان میدهد که روش پیشنهادی با دقت مناسبی تصویر نمای روبه&rlm;روی چهره را مدلسازی می&rlm;نماید. In video surveillance, the viewing angle of face with respect to camera, called angular occlusion (also referred to as head pose) will limit system’s ability in face recognition. In this paper, a method for angular occlusion <a name="OLE_LINK2"></a><a name="OLE_LINK1">elimination </a>in face images is proposed, which is based on image morphing. The proposed method models a frontal face from a batch of images with different head poses belonging to a person. The frontal face is modeled through spatial interpolation of input image pixels using translation functions, linear interpolation and intensity averaging. In order to improve the modeling result, the proposed method is applied to divergent face images (face imageswithsymmetric poses). Then, low-rank decomposition is employed to align the modeled faces. Radial basis function neural network is considered for translation function. The main advantages of the proposed method is that in spite of common modeling methods, depth information, calibrated images and head pose data are not required. The algorithm’s performance on PRIMA dataset is investigated. Considering that the input face images only have variation in pose, experiment results show that the proposed method will model frontal face image with properaccuracy. انسداد زاویه‌ای, دگردیسی, تابع پیچش, ترازسازی, شبکه عصبی تابع پایه شعاعی. Angular occlusion, Images morphing, Warp function, Aligning, Radial basis function neural network. 55 67 http://jiaeee.com/browse.php?a_code=A-10-1-271&slc_lang=fa&sid=1 sina akhlaghi سینا اخلاقی sinaakhlaqi@shahroodut.ac.ir 10031947532846002884 10031947532846002884 Yes Computer Engineering & IT Department, Shahrood University of Technology, Shahrood, Iran دانشکده مهندسی کامپیوتر و فناوری اطلاعات hamid hassanpour حمید حسن پور h.hassanpour@shahroodut.ac.ir 10031947532846002885 10031947532846002885 No Professor, Computer Engineering & IT Department, Shahrood University of Technology, Shahrood, Iran دانشکده مهندسی کامپیوتر و فناوری اطلاعات vahid Abolghasemi وحید ابوالقاسمی vabolghasemi@shahroodut.ac.ir 10031947532846002886 10031947532846002886 No Professor, Electrical and Robortic Engineering, Shahrood University of Technology, Shahrood, Iran دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود