تشخیص انسان در تصاویر کامپیوتری با استفاده از دسته بندی روی خمینه های ریمانی

مسأله ی تشخیص انسان زیر شاخه ای از مسأله ی تشخیص شیء در تصاویر کامپیوتری است که در دو دهه ی اخیر مورد توجه مهندسین کامپیوتر، کارشناسان هوش مصنوعی و ریاضیدانان معاصر قرار گرفته است. تشخیص گروه ها ی مختلف اشیاء در تصویر کامپیوتری (دیجیتال) و یا در ویدئو و فیلم ها یکی از ابتدایی ترین و پایه ای ترین کار ها یی است که در زمینه ی تحقیقات ماشین بینایی ، تاکنون انجام شده است. موفقیت کارکرد بسیاری از کاربرد ها ی آن مانند تجسس دیداری ، بازیابی تصویر، علم رباتیک، دستگاه ها ی خودکار و خودگردان (مانند خودرو ها ی اتوماتیک) و حتی دوربین ها ی کوچک، براساس دقت عملیات تشخیص بدست آمده است. نمونه ای از آن کاربرد تشخیص چهره در افزایش وضوح تصویر دوربین ها ی دیجیتال در حالت خودکارِ این دوربین ها ست که به صورت قرار دادن چهره ی تشخیص داده شده در داخل یک مربع هنگام گرفتن عکس، خود را نمایان می کند. تشخیص انسان در تصاویر ثابت در میان نمونه مسائل تشخیص شیء ، از مشکل ترین مسائل مورد توجه تا به امروز بوده است. اسکلت مفصل دار و تصاویر متفاوت از حالت ها ی مختلف بدن انسان و در آمیختن آن با سایه روشن ها و تغییرات حالت و ژست در پیچیدگی مسأله نقش دارند. در این پایان نامه در میان روش ها ی مختلف تشخیص انسان در تصاویر ثابت کامپیوتری، الگوریتمی جدید مورد توجه قرار گرفته است که از ماتریس ها ی کوواریانس به عنوان توصیف گر ها ی شیء استفاده می کند و فضای این ماتریس ها ی متقارن و معین مثبت یک خمینه ی ریمانی خواهد بود؛ از آنجا که این توصیف گر ها در یک فضای برداری قرار نمی گیرند، تکنیک ها ی یادگیری ماشینِ شناخته شده ی معمول، برای آموزش دسته کننده ها مناسب نیستند. در نتیجه عمده تلاش روش مورد استفاده در این پایان نامه دسته بندی نقاط (ماتریس ها ی کوواریانس) روی این خمینه به دو دسته ی مثبت (انسان) و منفی (غیر انسان) با روش جدیدی به کمک هندسه ی ریمانی و یک روش قدرتمند دسته بندی به نام لجیت بوست می باشد]5[. در الگوریتم این روش، ماشین، توصیف گر ها ی انسانی را خود می یابد و سپس با مقایسه ی آن ها با نمونه ها ی منفی، به اصطلاح خود را تعلیم می دهد، اما مسأله ی مهم تر آن است که این عملیات را نه تنها برای انسان ها که برای هر گروه دیگری از اشیاء می تواند انجام دهد و در واقع این روش تنها مخصوص مسأله ی تشخیص انسان نیست و روشی کلی برای تشخیص تمامی اشیاء در تصاویر دیجیتال از جمله ماشین ها ، حیوانات و ... به حساب می آید. هدف ما در این پایان نامه ارائه ی تشخیص دهنده ای است که در داخل کشور نیز مورد استفاده قرار گیرد و در نتیجه حجم زیادی از داده ها ی تعلیم خود را از نمونه ها ی ملی و بومی انتخاب کردیم که این کار برای اولین بار در کشور ایران انجام می شود.