طراحی و پیاده سازی یک سیستم تشخیص چهره انسان در تصاویری که قسمتی از صورت پوشانده شده است

امروزه تشخیص و شناسایی چهره مخفی یا پنهان شده توسط عوامل مختلفی مانند گریم، نقاب، عینک و سایر موارد از چهره واقعی جزء مسائل جدید و مورد توجه در پردازش تصویر می باشد. در سال های اخیر با توجه به پیشرفت در زمینه ی یادگیری ماشین و موفقیت های موجود در این زمینه، مساله ی تشخیص تصویر، پردازش صوت و تشخیص گفتار مورد توجه قرار گرفته است.در این بین شناسایی چهره و بخصوص چهره های پوشیده شده یکی از مسائل پرکاربرد و جدید در این زمینه به شمار می آید که مورد توجه بسیاری از محققین قرار گرفته است. در این مقاله با استفاده از الگوریتم های یادگیری عمیق یک شبکه عصبی عمیق کانولوشن یا Convolutional neural network (CNN) برای شناسایی چهره در تصاویری که قسمتی از صورت پوشانده شده است، ارائه شده است. در این پژوهش با استفاده از روش های تنظیم یادگیری ADAM و روش تنظیم Dropout یک شبکه عصبی عمیق کانولوشن برای شناسایی چهره ارائه شده است، که نتایج حاصل از این پژوهش کارایی بالای آن را در مقایسه با روش های کلاسیک Support vector machine (SVM) و روش های مبتنی بر استخراج ویژگی مانند HOG که در زمینه شناسایی چهره استفاده می شوند را نشان داد. روش ارائه شده دارای دقت 85 درصد روی مجموعه داده Disguised Faces in the Wild (DFW) است.