تشخیص و شناسایی چهره در پهپادها با یادگیری عمیق

هواپیماهای بدون سرنشین (پهپادها)، مکان های خطرناک یا دشوار برای انسان را جستجو کرده و داده های محیطی مختلف را جمع آوری می کنند. شناسایی چهره انسان باپهپادها، برای کاربردهای مختلف، مانند نظارت، جستجوو امنیت ضروری است. روش هایقبلی برای تشخیص و شناسایی چهره حساسیت بالایی به محدودیت هایی مانند، ارتفاع، زاویه و فاصله از چهره دارند. بنابراین، مکان یابی و شناسایی چهره در ارتفاع و فاصله زیاد باعث کاهش دقت و کارایی روش های قبلی می شود. در این مقاله رویکرد جدیدی برای تشخیص و شناسایی چهره بایادگیری عمیق ارایه می شود. روش پیشنهادی در سه مرحله انجام می شود. در مرحله اول، با الگوریتم جستجوی انتخابی، ناحیه بندی تصاویر انجام می شود. در مرحله دوم، یک شبکه عمیق برای عملیات پالایش جعبه ها پیشنهاد می شودتا جعبه های هدف با دقت و سرعت بالایی شناساییشوند. درواقع، یک مسیله طبقه بندی دو کلاسه توسط یادگیری عمیقانجام می شود تا چهره ها مکان یابیشوند. در مرحله سوم، تصاویر مکان یابی شده به شبکه عمیق پیشنهادی آموزش داده می شوند تا شناسایی چهره ها انجام شود. در معماری روش پیشنهادی از خاصیت شبکه های عمیق پرکاربرد به صورت ترکیبی استفاده می شود و مقایسه کمی روش پیشنهادی با روش های جدید از نظر پیچیدگی محاسباتی نشان می دهد که آموزش مدل پیشنهادی نسبت به سایر روش ها زمان اجرای کمتری لازم دارد. به علاوه، ارزیابی روش پیشنهادی روی مجموعه داده DroneFace نشان می دهد که برای فاصله و ارتفاع مختلف نسبت به هدف، روش پیشنهادی میانگین نرخ تشخیص چهره 9/75 و میانگین نرخ شناسایی چهره 6/84 را دارد. بنابراین، روش پیشنهادی نسبت به روش های جدید در این حوزه دقت و کارایی بالاتری دارد و می تواند برای کاربردهای نظارتی و امنیتی استفاده شود.