تشخيص و شناسايي چهره در پهپادها با يادگيري عميق

شناسايي چهره انسان باپهپادها، براي كاربردهاي مختلف، مانند نظارت، جستجوو امنيت ضروري است. روش‌هاي قبلي براي تشخيص و شناسايي چهره حساسيت بالايي به محدوديت‌هايي مانند، ارتفاع، زاويه و فاصله از چهره دارند. در اين مقاله رويكرد جديدي براي تشخيص و شناسايي چهره بايادگيري عميق ارائه مي‌شود. روش پيشنهادي در سه مرحله انجام مي‌شود. در مرحله اول، با الگوريتم جستجوي انتخابي، ناحيه‌بندي تصاوير انجام مي‌شود. در مرحله دوم، يك شبكه عميق براي عمليات پالايش جعبه‌ها پيشنهاد مي‌شودتا جعبه‌هاي هدف با دقت و سرعت بالايي شناساييشوند. درواقع، يك مسئله طبقه‌بندي دو كلاسه توسط يادگيري عميقانجام مي‌شود تا چهره‌ها مكان‌يابيشوند. در مرحله سوم، تصاوير مكان‌يابي شده به شبكه عميق پيشنهادي آموزش داده مي‌شوند تا شناسايي چهره‌ها انجام شود. در معماري روش پيشنهادي از خاصيت شبكه‌هاي عميق پركاربرد به‌صورت تركيبي استفاده مي‌شود و مقايسه‌ كمي روش پيشنهادي با روش‌هاي جديد از نظر پيچيدگي محاسباتي نشان مي‌دهد كه آموزش مدل پيشنهادي نسبت به ساير روش‌ها زمان اجراي كمتري لازم دارد. به‌علاوه، ارزيابي روش پيشنهادي روي مجموعه داده DroneFace نشان مي‌دهد كه براي فاصله و ارتفاع مختلف نسبت به هدف، روش پيشنهادي ميانگين نرخ تشخيص چهره 75.9 و ميانگين نرخ شناسايي چهره 84.6 را دارد. بنابراين، روش پيشنهادي نسبت به روش‌هاي جديد در اين حوزه دقت و كارايي بالاتري دارد و مي‌تواند براي كاربردهاي نظارتي و امنيتي استفاده شود.