ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ನಲ್ಲಿ, ಕಂಪ್ಯೂಟರ್ಗಳು ಮಾನವ ಮುಖಗಳನ್ನು ಹೇಗೆ ಗುರುತಿಸುತ್ತವೆ ಎಂಬುದರ ಹಿಂದಿನ ತತ್ವಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ನಾವು ಸರಳ ಮತ್ತು ನೇರವಾದ ನೋಟವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇವೆ.
ಮುಖ ಗುರುತಿಸುವಿಕೆಗೆ ಆಧಾರವಾಗಿರುವ ತತ್ವಗಳು ಯಾವುವು?
ನೀವು ಬಾಲ್ಯದಲ್ಲಿ ಒಮ್ಮೆಯಾದರೂ ಮಾನವ ಮುಖವನ್ನು ಪೂರ್ಣಗೊಳಿಸಬೇಕಾದ ಆಟವನ್ನು ಆಡಿರಬಹುದು. ಈ ಆಟದಲ್ಲಿ, ನೀವು ಮೊದಲು ಮುಖದ ಆಕಾರವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ, ನಂತರ ಕೇಶವಿನ್ಯಾಸ, ಕಣ್ಣುಗಳು, ಮೂಗು ಮತ್ತು ಬಾಯಿಯನ್ನು ಒಂದೊಂದಾಗಿ ಆರಿಸಿ ಮತ್ತು ಅವುಗಳನ್ನು ಮುಖದ ಮೇಲೆ ಇರಿಸಿ. ವಿವಿಧ ಕೇಶವಿನ್ಯಾಸ, ಕಣ್ಣುಗಳು, ಮೂಗುಗಳು ಮತ್ತು ಬಾಯಿಗಳ ನಡುವೆ ಬದಲಾಯಿಸುವ ಮೂಲಕ, ನೀವು ಬಯಸುವ ಮುಖವನ್ನು ನೀವು ರಚಿಸಬಹುದು. ಕಂಪ್ಯೂಟರ್ಗಳು ಮುಖಗಳನ್ನು ಗುರುತಿಸುವ ಮತ್ತು ಹೋಲಿಸುವ ವಿಧಾನವು ಇದಕ್ಕಿಂತ ಹೆಚ್ಚು ಭಿನ್ನವಾಗಿಲ್ಲ. ಕಂಪ್ಯೂಟರ್ಗಳು ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಗುರುತಿಸುತ್ತವೆ ಮತ್ತು ಸಂಗ್ರಹಿಸುತ್ತವೆ; ಮುಖದ ಹೊಸ ಫೋಟೋವನ್ನು ಇನ್ಪುಟ್ ಮಾಡಿದಾಗ, ಆ ವ್ಯಕ್ತಿ ಯಾರೆಂದು ನಿರ್ಧರಿಸಲು ಅವರು ಅದನ್ನು ಸಂಗ್ರಹಿಸಿದ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತಾರೆ.
ಸುಲಭವಾಗಿ ಪ್ರವೇಶಿಸಬಹುದಾದ ಮುಖ ಗುರುತಿಸುವಿಕೆ ತಂತ್ರಜ್ಞಾನದ ಇತ್ತೀಚಿನ ಉದಾಹರಣೆಯೆಂದರೆ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಅಪ್ಲಿಕೇಶನ್ (ಆ್ಯಪ್). ಈ ಅಪ್ಲಿಕೇಶನ್ಗಳು ಸೆಲೆಬ್ರಿಟಿಗಳ ಫೋಟೋಗಳಿಂದ ಮುಖದ ಬಾಹ್ಯರೇಖೆಗಳು, ಕಣ್ಣುಗಳು, ಮೂಗುಗಳು ಮತ್ತು ಬಾಯಿಗಳಂತಹ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಮೊದಲೇ ಹೊರತೆಗೆಯುತ್ತವೆ ಮತ್ತು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ನಂತರ, ಕ್ಯಾಮೆರಾ ಮೂಲಕ ವ್ಯಕ್ತಿಯ ಮುಖವನ್ನು ಸೆರೆಹಿಡಿಯಿದಾಗ, ಅಪ್ಲಿಕೇಶನ್ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಅದೇ ರೀತಿಯಲ್ಲಿ ಹೊರತೆಗೆಯುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚು ಹೊಂದಿಕೆಯಾಗುವ ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಪ್ರದರ್ಶಿಸಲು ಸೆಲೆಬ್ರಿಟಿಗಳ ಸಂಗ್ರಹಿಸಿದ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ.
ಕಂಪ್ಯೂಟರ್ ಮುಖವನ್ನು ಹೇಗೆ ಗುರುತಿಸುತ್ತದೆ?
ಈಗ, ಕಂಪ್ಯೂಟರ್ನ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪರಿಶೀಲಿಸೋಣ. ಮುಖ ಗುರುತಿಸುವಿಕೆ ನಾಲ್ಕು ಪ್ರಮುಖ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಇನ್ಪುಟ್, ಮುಖ ಪತ್ತೆ, ವೈಶಿಷ್ಟ್ಯ ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಹೋಲಿಕೆ.
ಇನ್ಪುಟ್ ಹಂತದಲ್ಲಿ, ಫೋಟೋ ಅಥವಾ ವೀಡಿಯೊದಿಂದ ಒಂದೇ ಫ್ರೇಮ್ ಅನ್ನು ಇನ್ಪುಟ್ ಸಾಧನದ ಮೂಲಕ ಕಂಪ್ಯೂಟರ್ಗೆ ರವಾನಿಸಲಾಗುತ್ತದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಇನ್ಪುಟ್ ಸಾಧನದ ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ ಮತ್ತು ಫ್ರೇಮ್ಗಳು ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ (FPS) ಹೆಚ್ಚಾದಷ್ಟೂ, ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಮುಖಗಳನ್ನು ಗುರುತಿಸಬಹುದು. ಉತ್ತಮ ದೃಷ್ಟಿ ಹೊಂದಿರುವ ವ್ಯಕ್ತಿಯು ದೂರದಲ್ಲಿ ನಿಂತಿರುವ ಯಾರೊಬ್ಬರ ಮುಖವನ್ನು ಹೇಗೆ ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಗುರುತಿಸಬಹುದು ಎಂಬುದಕ್ಕೆ ಈ ತತ್ವವು ಹೋಲುತ್ತದೆ.
ಮುಖ ಪತ್ತೆ ಹಂತದಲ್ಲಿ, ಇನ್ಪುಟ್ ಫೋಟೋ ಅಥವಾ ವೀಡಿಯೊದಲ್ಲಿ ಮುಖವಿದೆಯೇ ಎಂದು ವ್ಯವಸ್ಥೆಯು ಮೊದಲು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಇದನ್ನು ಮಾಡಲು, ಇದು ಮುಖದ ಬಾಹ್ಯರೇಖೆ ಮತ್ತು ಕಣ್ಣುಗಳು, ಮೂಗು ಮತ್ತು ಬಾಯಿಯಂತಹ ಪ್ರಮುಖ ಲಕ್ಷಣಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ. ವಿವಿಧ ಮುಖ ಪತ್ತೆ ತಂತ್ರಗಳು ಪ್ರಸ್ತುತ ಬಳಕೆಯಲ್ಲಿರುವಾಗ, ನಾವು ಇಲ್ಲಿ ಪ್ರತಿನಿಧಿ ಹಾರ್-ತರಹದ ಪತ್ತೆ ವಿಧಾನದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ.
ಹಾರ್ ತರಹದ ಪತ್ತೆ ವಿಧಾನವು ಹಾರ್ ವೇವ್ಲೆಟ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ. ವೇವ್ಲೆಟ್ ಎಂಬುದು ಕಪ್ಪು ಮತ್ತು ಬಿಳಿ ಪ್ರದೇಶಗಳಿಂದ ಕೂಡಿದ ಸರಳ ಆಯತಾಕಾರದ ಮಾದರಿಯಾಗಿದೆ. ಈ ಕಪ್ಪು-ಬಿಳುಪು ಪ್ರದೇಶಗಳನ್ನು ಚಿತ್ರದಲ್ಲಿ ಹೊಳಪಿನಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳು ಸಂಭವಿಸುವ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಸಂಪೂರ್ಣ ಇನ್ಪುಟ್ ಚಿತ್ರ ಅಥವಾ ವೀಡಿಯೊದಾದ್ಯಂತ ವಿವಿಧ ಗಾತ್ರಗಳು ಮತ್ತು ಆಕಾರಗಳ ವೇವ್ಲೆಟ್ಗಳನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ಮತ್ತು ನಂತರ ಕಪ್ಪು ಮತ್ತು ಬಿಳಿ ಪ್ರದೇಶಗಳ ನಡುವಿನ ಹೊಳಪಿನ ವ್ಯತ್ಯಾಸವು ಗಮನಾರ್ಹವಾಗಿರುವಂತಹ ಸ್ಥಳಗಳನ್ನು ಮಾತ್ರ ಉಳಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ, ವ್ಯವಸ್ಥೆಯು ಮುಖದ ಬಾಹ್ಯರೇಖೆ ಮತ್ತು ಕಣ್ಣುಗಳು, ಮೂಗು, ಬಾಯಿ ಮತ್ತು ಹುಬ್ಬುಗಳಂತಹ ಪ್ರಮುಖ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪತ್ತೆ ಮಾಡುತ್ತದೆ. ಇದಲ್ಲದೆ, ಈ ಪ್ರಕ್ರಿಯೆಯು ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳ ಬಗ್ಗೆ ಸ್ಥಾನಿಕ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಲು ಸಹ ಅನುಮತಿಸುತ್ತದೆ.
ಉದಾಹರಣೆಗೆ, ಕಣ್ಣುಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವಾಗ, ತರಂಗದ ಕಪ್ಪು ಪ್ರದೇಶಗಳನ್ನು ತುಲನಾತ್ಮಕವಾಗಿ ಕತ್ತಲೆಯಾದ ಪ್ರದೇಶಗಳಿಗೆ - ಉದಾಹರಣೆಗೆ ಶಿಷ್ಯ - ಅನುಗುಣವಾಗಿ ಇರಿಸಲಾಗುತ್ತದೆ, ಆದರೆ ಬಿಳಿ ಪ್ರದೇಶಗಳು ಚರ್ಮದಂತಹ ಪ್ರಕಾಶಮಾನವಾದ ಪ್ರದೇಶಗಳಿಗೆ ಅನುಗುಣವಾಗಿರುತ್ತವೆ. ಈ ಹೊಳಪಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಕಣ್ಣುಗಳ ಸ್ಥಾನ ಮತ್ತು ಆಕಾರವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪತ್ತೆಹಚ್ಚಬಹುದು.
ಮುಖದ ಲಕ್ಷಣಗಳನ್ನು ಹೇಗೆ ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ?
ಮುಖ ಪತ್ತೆ ಹಂತ ಪೂರ್ಣಗೊಂಡ ನಂತರ, ವೈಶಿಷ್ಟ್ಯ ಹೊರತೆಗೆಯುವ ಹಂತಕ್ಕೆ ಮುಂದುವರಿಯಬೇಕೆ ಅಥವಾ ಬೇಡವೇ ಎಂಬುದನ್ನು ವ್ಯವಸ್ಥೆಯು ನಿರ್ಧರಿಸುತ್ತದೆ.
ವೈಶಿಷ್ಟ್ಯ ಹೊರತೆಗೆಯುವ ಹಂತದಲ್ಲಿ, ಮುಖ ಪತ್ತೆ ಹಂತದಲ್ಲಿ ಗುರುತಿಸಲಾದ ಮುಖದ ಘಟಕಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬಳಸಿಕೊಳ್ಳಲು ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ. ಮುಖ ಪತ್ತೆ ಹಂತಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿ, ಈ ಪ್ರಕ್ರಿಯೆಯು ಪೂರ್ವ-ಸಂಸ್ಕರಣಾ ಹಂತವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಮುಖಗಳ ತಿರುಗುವಿಕೆಯ ಕೋನ, ಗಾತ್ರ ಮತ್ತು ಬೆಳಕಿನ ತೀವ್ರತೆಯು ಪ್ರತಿ ಛಾಯಾಚಿತ್ರ ಅಥವಾ ವೀಡಿಯೊದೊಂದಿಗೆ ಬದಲಾಗುವುದರಿಂದ, ಅವುಗಳನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ಪ್ರಮಾಣೀಕರಿಸಲು ಸಾಮಾನ್ಯೀಕರಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಡೆಸಲಾಗುತ್ತದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಅಗತ್ಯವಿರುವಂತೆ ಬಣ್ಣದ ಛಾಯಾಚಿತ್ರಗಳು ಅಥವಾ ವೀಡಿಯೊಗಳನ್ನು ಕಪ್ಪು-ಬಿಳುಪು ಚಿತ್ರಗಳಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು.
ಉದಾಹರಣೆಗೆ, ಮೂಲ ಫೋಟೋವನ್ನು ಗ್ರೇಸ್ಕೇಲ್ಗೆ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ, ನಂತರ ಮುಖದ ಪ್ರದೇಶವನ್ನು ಮಾತ್ರ ಕ್ರಾಪ್ ಮಾಡಿ ಏಕರೂಪದ ಗಾತ್ರಕ್ಕೆ ಮರುಗಾತ್ರಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಹೊಳಪನ್ನು ಸರಿಪಡಿಸಲು ಹಿಸ್ಟೋಗ್ರಾಮ್ ಸಮೀಕರಣವನ್ನು ನಡೆಸಲಾಗುತ್ತದೆ. ಮುಖ ಪತ್ತೆ ಹಂತದಲ್ಲಿ ಪಡೆದ ಮುಖದ ಘಟಕಗಳ ಸ್ಥಾನ ಮಾಹಿತಿಯನ್ನು ಬಳಸಿಕೊಂಡು, ಈ ಪೂರ್ವ-ಸಂಸ್ಕರಣೆಗೆ ಒಳಗಾದ ಫೋಟೋಗಳು ಅಥವಾ ವೀಡಿಯೊಗಳಿಂದ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ.
ಹೊರತೆಗೆದ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ?
ಹೋಲಿಕೆ ಹಂತದಲ್ಲಿ, ಈ ಹೊರತೆಗೆಯಲಾದ ಮುಖದ ಘಟಕಗಳ ಮಾಹಿತಿಯನ್ನು ಡೇಟಾಬೇಸ್ನಲ್ಲಿ (DB) ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ ಅಥವಾ ಉತ್ತಮ ಹೊಂದಾಣಿಕೆಯನ್ನು ಗುರುತಿಸಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮುಖದ ದತ್ತಾಂಶದೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ.
ನಾವು ಈಗ ಕಂಪ್ಯೂಟರ್ ಆಧಾರಿತ ಮುಖ ಗುರುತಿಸುವಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇವೆ. ಕೆಲವೇ ದಶಕಗಳ ಹಿಂದೆ, ಜನರ ನಡುವೆ ಕಂಪ್ಯೂಟರ್ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಕಲ್ಪನೆಯು ವಾಸ್ತವದಿಂದ ದೂರವಿರುವ ತಂತ್ರಜ್ಞಾನದಂತೆ ತೋರುತ್ತಿತ್ತು. ಆದಾಗ್ಯೂ, ಕಂಪ್ಯೂಟರ್ ಹಾರ್ಡ್ವೇರ್, ಸಾಫ್ಟ್ವೇರ್ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನಗಳ ತ್ವರಿತ ಪ್ರಗತಿಯೊಂದಿಗೆ, ಮುಖ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಈಗ ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳು ಮತ್ತು ಲ್ಯಾಪ್ಟಾಪ್ಗಳು, ಹಾಗೆಯೇ ಪ್ರವೇಶ ನಿಯಂತ್ರಣ, ಹಣಕಾಸು ಸೇವೆಗಳು ಮತ್ತು ವಿಮಾನ ನಿಲ್ದಾಣದ ಭದ್ರತೆ ಸೇರಿದಂತೆ ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಇಂದು, ಕಂಪ್ಯೂಟರ್ಗಳು ಮಾನವ ಮುಖಗಳನ್ನು ಗುರುತಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ತಂತ್ರಜ್ಞಾನವು ಇನ್ನು ಮುಂದೆ ಭವಿಷ್ಯದ ಕಥೆಯಲ್ಲ ಆದರೆ ನಮ್ಮ ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಸ್ವಾಭಾವಿಕವಾಗಿ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ.
