முகம் கண்டறிதல்
ஒரு கணினி தொழில்நுட்பமான முகம் கண்டறிதல் (face detection), எண்ணியல் படங்களாக மனித முகங்களை இனங்காணும் பல வகைப்பட்ட பயன்பாடுகளில் உபயோகிக்கபட்டு வருகின்றது.[1] கட்புல காட்சி ஒன்றிலுள்ள அல்லது கண்டறியப்பட்ட மனித முகங்களிலிருந்து, முகம் கண்டறிதல் தொழில்நுட்பம் உளவியல் செயல்முறையையும் குறிப்பிடுகின்றது.
வரையறை மற்றும் தொடர்புடைய நெறிமுறைகள்[தொகு]
முகம் கண்டறிதலை பொருள்-வர்க்க கண்டறிதலின் ஒரு பிரத்தியேகமான வகையாக கருதலாம். பொருள் வர்க்க கண்டறிதலின் செயற்பாடானது தரப்பட்ட ஒரு வர்க்கத்தை சேர்ந்த படத்திலுள்ள அனைத்து பொருட்களினதும் அளவுகளையும் இட அமைவையும் கண்டறிதலாகும். மேல் உடற்பகுதி, பாதசாரிகள் மற்றும் கார்கள் உதாரணங்களாக உள்ளடங்கும். [2]
முகம் கண்டறிதல் நெறி முறைகளானது மனித முகத்தின் முற்பகுதியை கண்டறிவதை கருத்திற் கொள்கின்றன. ஒருவரது படத்தை சிறு சிறு துண்டுகளாக பொருத்தி பார்க்கப்படும் உருவம் கண்டறிதலுக்கு இது ஒப்பானது. படமானது தரவுத்தளத்தில் சேமிக்கப்பட்டுள்ள படத்துடன் ஒத்துப்போகிறது. தரவுத்தளத்தின் எதாவது முக அம்ச மாற்றமானது பொருத்தும் செயன்முறையை பயனற்றதாக்கிவிடும்.
நம்பகத்தன்மையான முகம் கண்டறிதல் அணுகுமுறையானது, மரபுசார் நெறிமுறை மற்றும் Eigen-Face உத்தியை அடிப்படையாக கொண்டது.
முதலாவதாக சாம்பல் நிலை படத்திலுள்ள பள்ளமான பகுதிகள் அனைத்தையும் சோதிப்பதன் மூலம் சாத்தியமான மனித கண் பகுதிகள் கண்டறியப்படுகின்றன. பின்னர், புருவம், கருவிழி, நாசி மற்றும் வாய் மூலைகள் என்பவற்றை உள்ளடக்கிய அனைத்து சாத்தியமான முகப்பகுதிகளை உருவாக்க மரபுசார் நெறிமுறையானது பயன்படுத்தப்படுகின்றது.
தலையசைவு காரணமாக ஏற்படும் தொய்விழை விளைவு மற்றும் சீரற்ற ஒளியூட்டு காரணமாக ஏற்படும் மின்னல் விளைவை குறைக்க சாத்தியமான ஒவ்வொரு முக அபேட்சகர்களும் செவ்வனாக்கப்படுகின்றனர். ஒவ்வொரு அபேட்சகர்களதும் ஏற்றமைவு அளவானது அதனது Eigen-Face மீதான எறியத்தின் அடிப்படையில் அளவிடப்படுகின்றது. குறித்தளவு சுழற்சிகளுக்கு பின்னர், உயர் ஏற்றமைவு அளவுடன் கூடிய அனைத்து முக அபேட்சகர்களும் மேலும் சரிபார்ப்பதற்காக தெரிவுசெய்யப்படுகின்றனர். இந்த நிலையில், ஒவ்வொரு முக அபேட்சகர்களுக்கும் முகச்சமச்சீர் அளவிடப்படுவதுடன் வேறுபட்ட முக அம்சங்களின் உளதாம்தன்மை சரிபார்க்கப்படுகின்றது.
பயன்பாடுகள்[தொகு]
முகம் அறிந்துகொள்ளல்[தொகு]
முகம் கண்டறிதலானது முக அங்கீகரிப்பு அமைப்பின் பெரும்பாலும் ஒரு அங்கமாக (அல்லது அதனுடன் கூடியதாக ) உயிரியலளவுகளில் பயன்படுத்தப்படுகின்றது. காணொளி கண்காணிப்பு, மனித-கணினி இடைமுகம் மற்றும் உருவாக தரவுத்தள மேலாண்மை போன்றவற்றிலும் இது பயன்படுத்தப்படுகின்றது.
நிழற்படம்[தொகு]
சில சமீபத்திய எண்ணியல் புகைப்படகருவிகளும் தானியங்கி குவியத்துக்காக முகம் கண்டறிதலை பயன்படுத்தப்படுகின்றன. pan-and-scale Ken Burns விளைவை பயன்படுத்தும் உருவாக தட்டுக்காட்சியில் விருப்புக்குரிய பகுதிகளை தெரிவுசெய்யவும் முகம் கண்டறிதல் பயனுள்ளதாக இருக்கும்.
சந்தைப்படுத்தல்[தொகு]
முகம் கண்டறிதலானது சந்தையாளர்களது ஆர்வத்தை பெற்றவண்ணமுள்ளது. வெப்கம் ஒன்றை தொலைக்காட்சியுடன் இணைப்பதன் மூலம் அதை கடந்து செல்லும் எந்தவொரு முகத்தையும் கண்டறியமுடியும். இனம் பாலினம் மற்றும் அந்த முகத்தின் வயதளவு என்பவற்றை பின்னர் கணிப்பிடும். தகவல் ஒருமுறை சேகரிக்கப்பட்டால், குறிப்பாக கண்டறியப்பட்ட இனம்/பாலினம்/வயது சார்ந்த தொடர் காட்சிப்படுத்தல்கள் காண்பிக்கப்படும்.
இதை போன்ற அமைப்புக்கு உதாரணம் OptimEyes ஆகும், மற்றும் அது Amscreen எண்ணியல் விளம்பர அமைப்பினுள் இணைக்கப்பட்டுள்ளது. இத்துறையில் மிகவும் சமீபத்திய புதுக்கண்டுபிடிப்பாக மியாமி கடற்கரை சார்ந்த AdMobilize இருக்கிறது. அவர்களது AdBeacon ஆனது உலகின் முதலாவது 'இணைத்தல் மற்றும் அளவிடல் உடனடி பகுப்பாய்வு சாதனமாக’ இருப்பதுடன் பெரிய விளம்பரதாரர்கள் பாவிக்கும் அதே முகம் கண்டறிதல் தொழில்நுட்பத்தை எந்தவொரு சிறிய விற்பனையாளரும் பெற்றுக்கொள்ள அனுமதிக்கிறது. அவர்களுக்கும் முக எண்ணிக்கைக்கு ஏற்பவே கட்டணம் அறவிடப்படுகிறது.