یک سیستم کامپیوتری جدید میتواند جنسیت چهرههای به تصویر در آمده در عکسها و ویدیوها را مشخص سازد.
محققانی از گروه هوش رایانشی (Computational Intelligence Group) واقع در دانشکده انفورماتیک دانشگاه پلیتکنیک مادرید، خوان بکیوس-کالفا (Juan Bekios-Calfa)، خوزه م. بویناپوسادا (José M. Buenaposada) و لویس باوملا (Luis Baumela)، سیستمی طراحی کردهاند که سیگنال ویدیویی را بیدرنگ تحلیل و جنسیت چهره به تصویر کشیده شده را محاسبه میکند.
به این طریق، هر کامپیوتری قادر به تشخیص جنسیت چهرههای موجود در تصاویر یا ویدیوها است.
با الگوریتم جدید، میتوان دستگاههایی ساخت که میزان مخاطبان تلویزیون یا ویدیوهای تبلیغاتی را با جمعآوری اطلاعات آماری از بینندگان اندازه بگیرند و این به معنی بازاریابی پویا است. همچنین برای انجام تحقیقات بازاریابی، دستگاه جدید میتواند با استفاده از دوربینهای مراکز خرید، خردهفروشیها و فروشگاههای زنجیرهای، بانکها یا هر کسبوکار دیگری به کار گرفته شود تا افراد را سرشماری و اطلاعات آماری دقیقی تهیه کند. به عنوان یک کاربرد دیگر این فناوری کیوسکهای تعاملی با فروشنده مجازی است که دستگاه به طور خودکار اطلاعاتی همچون جنسیت را درباره کاربر جمعآوری میکند تا تعامل با وی را بهبود بخشد.
گامی به جلو در تشخیص جنسیت از طریق تصاویر صورت
این تحقیق که نتایج آن در مقاله «بررسی تحلیل الگو و هوش ماشینی» از سوی IEEE منتشر شده است، نشان میدهد برخی روشهای خطی برای مساله تشخیص صورت درست بهخوبی ماشینهای برداری پشتیبانی (Support Vector Machines - SVM) عمل میکنند. با توجه به این خصوصیت، روش طراحی شده حتی در دستگاههایی که از منابع محاسباتی کمی هم برخوردارند - مانند تلفن یا دوربینهای هوشمند - نیز قابل استفاده است.
دستگاهی برای دستهبندی آماری چهره
ساین اختراع دستگاهی است مجهز به یک دوربین برای گرفتن تصاویر دیجیتال که به یک سیستم پردازش تصویر متصل میشود. سیستم پردازش تصویر، تصاویر تشخیص چهره را تا اندازه 25×25 پیکسل میتراشد. سپس یک ماسک بیضوی - که برای حذف تداخل پسزمینه طراحی شده - روی تصویر اعمال میگردد و در نهایت تصویر بهدستآمده همانندسازی و دستهبندی میگردد.
دستگاه مزبور با یک سازوکار ردهبند مبتنی بر کارآمدترین شیوههای ردهبندی خطی، به غایت پیشرفته شده است. این شیوههای ردهبندی عبارتند از «تحلیل مولفههای اصلی» (Principal Component Analysis - PCA) همراه با «تحلیل تشخیص خطی فیشر» (Fisher's Linear Discriminant Analysis - LDA) که از یک ردهبند «بیزی» (Bayesian) در فضاهایی با ابعاد کوچک استفاده میکند. برای این که ترکیب PCA و LDA کاملا رقابتی شود، گام اساسی انتخاب تشخیصیتین ویژگیها PCA پیش از اجرای LDA است.
یکی از حوزههای تحقیقاتی اصلی در اطلاعرسانی، توسعه ماشینهایی است که با کاربران به همان شکلی تعامل دارند که انسانها با یکدیگر و این تحقیق موید برداشتن گامی موثر در این مسیر است.
| < قبلی | بعدی > |
|---|