نمونههایی از تصاویر چهره آشکارسازی نشده (خطای FNR) و نمونههایی از تصاویر غیرچهره آشکارسازی شده (خطای FPR) به ترتیب در شکل ۴‑۵ و شکل ۴‑۶ نشان داده شده است. طبق آزمایشات انجام شده، الگوریتم آشکارسازی چهره در فیلمهای تهیه شده، دچار خطا نشد.
شکل ۴‑۵: نمونههایی از تصاویر چهره که آشکارسازی نشدهاند
شکل ۴‑۶: نمونههایی از تصاویر غیرچهره که به اشتباه آشکارسازی شدهاند همانطور که مشاهده میشود، اکثر تصاویر چهره آشکارسازی نشده، در قسمت ناحیه چشم نسبت به محور عمودی متقارن نیستند. در توجیه علت عدم آشکارسازی این تصاویر چهره میتوان گفت یکی از مهمترین ویژگیهای شبه هار که از تصویر چهره استخراج شده و مورد استفاده قرار میگیرد، ویژگیهای مربوط به ناحیه چشم است. این ویژگیها معمولا توسط ماسک نشان داده شده در شکل ۴‑۷ استخراج میگردند. در واقع این ماسک تغییرات شدت روشنایی قسمتهای طرفین چشم را استخراج میکند. در اکثر تصاویر چهره که به اشتباه آشکارسازی نشدهاند، به دلیل وجود نور بازتابیده شده از عینک، تقارن ناحیه چشم نسبت به محور عمودی از بین رفته و مقدار ویژگی شبه هار مربوط به ناحیه چشم تغییر میکند. البته اگر فرد عینک به چشم داشته باشد و وجود عینک باعث از بین رفتن این تقارن نشود، چهره آشکارسازی خواهد شد. نمونههایی از تصاویر چهره آشکارسازی شده در شکل ۴‑۸ نشان داده شده است. همانطور که مشاهده میگردد، سیستم قادر به آشکارسازی چهرههای دارای عینک نیز میباشد. شکل ۴‑۷: یکی از ماسکهای مهم برای استخراج ویژگی در الگوریتم آشکارسازی چهره
شکل ۴‑۸: نمونههایی از تصاویر چهره که به درستی آشکارسازی شدهاند ردیابی چهره برای آزمایش الگوریتم ردیابی، از دو روش تخمین حرکت و دو روش تطابق استفاده شد. تخمین حرکت بر اساس پنجره جستجو و به دو روش جستجوی کامل و جستجوی چندمرحلهای انجام گرفت. همچنین دو معیار ضریب همبستگی و مجموع قدرمطلق تفاضل به عنوان معیارهای محاسبه تطابق استفاده شد. ۱۶ فیلم به مدت ۶۳ دقیقه برای آزمایش و ارزیابی الگوریتم ردیابی چهره مورد استفاده قرار گرفت. نتایج ارزیابی الگوریتم ردیابی براساس نوع روش جستجو و نوع روش محاسبه میزان انطباق در جدول ۴‑۶ نشان داده شده است. جدول ۴‑۶: ارزیابی الگوریتم ردیابی بر اساس نوع روش جستجو و نوع روش محاسبه میزان انطباق
برای دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.