مدل سازی چهره با استفاده از میانگین گیری بر پایه دگردیسی تصویر و تجزیه مرتبه پایین

در نظارت ویدئویی، زاویه دید چهره نسبت به دوربین (انسداد زاویه ای) توانایی سیستم در شناسایی چهره را محدود می سازد. در این مقاله روشی برای رفع انسداد زاوی های در تصاویر چهره پیشنهاد می شود که مبتنی بر دگردیسی تصویر بوده و با دریافت تعدادی تصویر زاویه دار از چهره یک شخص، تصویری از روبه رو مدل می سازد. روش پیشنهادی با تکنیک هایی از قبیل انتقال مکانی پیکسل های تصاویر ورودی با استفاده از توابع انتقال، درونیابی خطی و میانگین گیری از شدت روشنایی آنها، مدل چهره از روبه رو را بدست می آورد. برای بهبود تصویر مدل، روش پیشنهادی بر روی تصاویر ورودی واگرا (تصاویر چهره دارای زاویه قرینه نسبت به هم) ، اعمال می شود. سپس تصاویر مدل شده، با تجزیه مرتبه پایین، نسبت به هم تراز می شوند. شبکه عصبی تابع پایه شعاعی به عنوان تابع انتقال برای این روش در نظر گرفته شده است. از مزایای این روش عدم نیاز به اطلاعات عمق در تصویر، کالیبره بودن تصاویر و اطلاعات زاویه چهره است که معمولا در مدل سازی سه بعدی استفاده می شود. عملکرد الگوریتم روی تصاویر پایگاه دادهPRIMAمورد بررسی قرار گرفته است. با فرض اینکه تصاویر چهره تنها دارای انسداد زاویه ای باشند، نتایج آزمایشات نشان می دهد که روش پیشنهادی با دقت مناسبی تصویر نمای روبه‏روی چهره را مدل سازی می‏نماید.