Eigenfaces for Recognition

خلاصه

این مقاله نشان داد می‌توان چهره‌ها را به‌عنوان نقاطی در یک فضای برداری دید و با بردارهای ویژه‌ی همان فضا، هر چهره را با تعداد کمی ضریب توصیف کرد. نتیجه، یک سامانه‌ی بازشناسی چهره‌ی سریع و قابل یادگیری بود.

نمای سریع

بازشناسی چهره با تصویر کردن تصاویر روی زیرفضای بردارهای ویژه‌ی مجموعه‌ی چهره‌ها.

یافته‌های کلیدی

بازشناسی چهره به مقایسه‌ی چند ضریب عددی فروکاسته شد و سیستم توانست در زمان نزدیک به بلادرنگ سر فرد را دنبال و او را شناسایی کند. همچنین نشان داده شد که سیستم می‌تواند چهره‌های جدید را بدون نظارت یاد بگیرد و ذخیره‌سازی به‌جای کل تصویر، فقط به چند ضریب نیاز دارد.

هدف

هدف، ساخت سامانه‌ای بود که بتواند سر فرد را در زمان نزدیک به بلادرنگ پیدا و دنبال کند و هویت او را با مقایسه‌ی نمایشی فشرده از چهره تشخیص دهد.

روش

نویسندگان هر تصویر چهره را یک بردار در فضایی با ابعاد بسیار بالا در نظر گرفتند و با تحلیل مؤلفه‌های اصلی، بردارهای ویژه‌ی مجموعه‌ی چهره‌ها را استخراج کردند. این بردارهای ویژه که خودشان شبیه چهره‌اند و eigenface نام گرفتند، یک زیرفضای کم‌بعد می‌سازند و هر چهره با چند ضریب روی این زیرفضا توصیف می‌شود.

نتایج

نمایش مبتنی بر eigenface هم حجم ذخیره‌سازی و هم هزینه‌ی مقایسه را به‌شدت کاهش داد و امکان افزودن چهره‌های تازه به‌صورت بدون نظارت را فراهم کرد.

نتیجه‌گیری

نویسندگان نتیجه گرفتند که بازشناسی چهره را می‌توان به‌جای مسئله‌ای سه‌بعدی و هندسی، به‌عنوان یک مسئله‌ی دوبعدی و آماری در یک زیرفضای کم‌بعد حل کرد.

مفاهیم کلیدی

بردار ویژه، تحلیل مؤلفه‌های اصلی، بینایی ماشین، تشخیص چهره، کاهش بُعد

مطالعه‌ی بیشتر

https://doi.org/10.1162/jocn.1991.3.1.71

تحلیل

این مقاله یکی از پراستنادترین کارهای تاریخ بینایی ماشین است و پلی میان جبر خطی و ادراک بصری ساخت. ایده‌ی مرکزی آن، یعنی یافتن زیرفضای کم‌بعدی که داده در آن زندگی می‌کند، هنوز در قلب یادگیری بازنمایی حضور دارد.

محدودیت‌ها

روش به تغییرات نور، زاویه‌ی سر و مقیاس بسیار حساس است و پیش‌پردازش و هم‌ترازسازی دقیق تصویر را لازم دارد. چون فقط تنوع کلی داده را می‌گیرد و نه تفاوت میان افراد را، در مجموعه‌های بزرگ و شرایط طبیعی کارایی‌اش افت می‌کند؛ روش‌های بعدی مانند fisherfaces و شبکه‌های عمیق برای همین محدودیت‌ها ساخته شدند.

کارهای آینده

نویسندگان به گسترش روش برای مقاوم‌سازی در برابر تغییر زاویه، نور و مقیاس، و همچنین پیوند نزدیک‌تر میان مدل محاسباتی و شواهد عصب‌شناختی ادراک چهره اشاره کردند.

کاربرد عملی

این مقاله الگوی مرجعِ استفاده از بردارهای ویژه برای کاهش بُعد در بینایی ماشین است و هنوز به‌عنوان خط پایه و ابزار آموزشی به کار می‌رود. برای ربات دوربین‌دار مورد نظر کاربر، همین ایده کاربرد مستقیم دارد: به‌جای پردازش کل تصویر صفحه‌نمایش، می‌توان زیرفضای چند بعدی از الگوهای پرتکرار رابط کاربری ساخت و تطبیق آیکون‌ها را با مقایسه‌ی چند ضریب و با هزینه‌ی محاسباتی بسیار پایین انجام داد.