Generic placeholder image

کمک فناوری ( Raspberry Pi )در تشخیص چهره در شهرهای هوشمند

کمک فناوری ( Raspberry Pi )در تشخیص چهره در شهرهای هوشمند

·       مقدمه

در سال های اخیر، با رشد چشمگیر دستگاه های هوشمند، تغییر در ترجیحات کاربران مشاهده شده است. پیشرفت در فن آوری های اخیر مانند شبکه های G 3 و G / 4  و اخیرا G 5 به کاربران کمک می کند تا از مکان های دور به شبکه متصل شوند و با استفاده گسترده از ویژگی های شبکه های اجتماعی از تجربه کاربری بهتری برخوردار شوند. از چنین خدماتی می توان برای کنترل و اطمینان بیشتر کار آژانس های امنیتی استفاده کرد. سازمان های اجرای قانون معمولاً هنگام رسیدگی به نظارت عمومی و کشف مظنونین با مشکلاتی روبرو می شوند، زیرا این کار به خصوص در کشورهای جهان سوم که بودجه محدود است و اجرای راه حل های خنثی سازی جرایم، بسیار هزینه بر است و اجرای آن دشوار است، کار ساده ای نیست. بنابراین، راه حل های ساده و ارزان برای کشف مشکوک به طور فزاینده ای برای تأمین امنیت عمومی و ارائه خدمات امنیتی بدون توجه به زمان و مکان به چالش کشیده می شوند. سیستم پیشنهادی گامی به سوی راه حلهای مدرن امنیت عمومی از راه دور به روشی مقرون به صرفه در شهرهای هوشمند و نوظهور است.

·       تشخیص چهره چه مقدار گسترده است ؟

تشخیص چهره در حال تبدیل شدن به یک حوزه تحقیقاتی چند رشته ای است و در زمینه امنیت کاربردهای گسترده ای دارد ( به عنوان مثال شناسایی و تأیید هویت  یک شخص در قابهای تصویر / فیلم). شناسایی انسان از روی چهره کاری است که بطور ضمنی انسان انجام می دهد و ما کاملاً در این زمینه تبحر داریم. با این حال، وقتی صحبت از رایانه می شود، کار ساده ای برای برنامه های پردازش تصویر نیست زیرا پارامترهای مختلفی وجود دارد که باید دقیقاً قبل از شناسایی محاسبه شوند. طی چندین سال گذشته، فناوری تشخیص چهره تعداد زیادی از محققان را درگیر خود کرده است و به آرامی جایگزین سایر سیستم های امنیتی بیومتریک می­شود. این امر عمدتا به دلیل قابلیت ضبط از راه دور بدون تعامل با خود موضوع است که باعث می شود برای طیف گسترده ای از برنامه ها مناسب باشد. سیستم های تشخیص چهره از کشف جرم در پایگاه های اطلاعاتی ملی تا وب سایت های رسانه های اجتماعی متغیر است و همچنین برای شناسایی مظنونان در مرزهای بین المللی استفاده می شود.

چهره انسان به عنوان معیار خوبی برای شناسایی همراه با سایر تکنیک های بیومتریک مانند اثر انگشت و عنبیه در نظر گرفته می شود. در بیشتر موارد، چهره اطلاعات کافی را برای شناسایی مظنون در حد قابل اعتماد ارائه می دهد. اگرچه سایر روشهای بیومتریک مانند اسکن اثر انگشت به طور کلی دقیق تر از تشخیص چهره است، اما روشهای تشخیص چهره مزیت دارند زیرا نیازی به همکاری فرد مظنون ندارند. تعدادی از تکنیک ها در ادبیات وجود دارد که می تواند برای تشخیص چهره استفاده شود. به عنوان مثال، گروهی از محققان  با استفاده از PCA دو بعدی، یک سیستم بازنمایی و بازشناسی چهره را شکل داده است. این روش از ماتریس 2 D استفاده می کند و در مقابل بردار 1 D برای کوواریانس بردار استفاده نمی شود. این روش ادعا می کند که منابع کمتری دارد و برای اندازه تصویر کوچکتر مناسب است. این روش به طور مستقیم به مشکلات روشنایی، تنوع یا ژست توجه نمی کند و بنابراین عملکرد و استحکام آن تا حدی قابل پیش بینی است. با این حال، در شرایط دنیای واقعی، تصاویر مستعد آسیب مانند خراشیدگی، و از بین رفتن هستند.همانند سیستم جستجوی اثر انگشت، فن‌آوری تشخیص چهره می‌تواند به نهاده‌ای انتظامی در شناسایی مظنونین یا یافتن افراد گم‌شده کمک کند. فن‌آوری تشخیص چهره به پلیس اجازه می‌دهد تا چهره مظنون را شناسایی کرده و آن را با پایگاه‌داده‌های تصویر مجرمان شناخته‌شده مقایسه کرده و فهرستی از چهره‌های بسیار مشابه را در اختیار بازرسان قرار دهد.

·       تحلیل سیستم raspberry pi

 تشخیص چهره یک ابزار بسیار کارآمد و دقیق در فرآیندهای تحقیق است. اما در برخی حالات حساس، روش‌های مخفی برای شناسایی افراد یا افراد گم‌شده بدون به خطر انداختن جان ماموران  پلیس مورد نیاز است. با در دسترس بودن دستگاه‌های نانو مانند raspberry pi، نهادهای انتظامی مانند پلیس را می‌توان به یک سیستم تشخیص چهره پنهان و ایمن تجهیز کرد. در این مقاله یک چارچوب بازشناسی چهره به کمک فضای ابری  pi پیشنهاد شده‌است. یک دوربین بی‌سیم قابل‌حمل با اندازه کوچک بر روی یونیفرم افسر پلیس نصب می‌شود تا جریان ویدئویی را ثبت کند، که برای تشخیص و تشخیص چهره به raspberry pi منتقل می‌شود. روش پیشنهادی از Bag of Words برای استخراج نقاط به صورت سریع و مختصر از چهره شناسایی شده و به دنبال آن دستگاه برای شناسایی مظنونان استفاده می کند. raspberry pi، منابعی مانند فضای ذخیره‌سازی، حافظه و قدرت پردازش را محدود کرده‌است و بنابراین مدل دسته‌بندی پیشنهادی روی ذخیره در حافظه ابری آموزش داده می‌شود. روش پیشنهادی بر روی مدل " raspberry pi " به زبان پایتون نوشته شده‌است. نتایج تجربی کارایی روش پیشنهادی را در تشخیص دقیق چهره در مقایسه با روش‌های تشخیص و تشخیص چهره آرت تایید و اثربخشی آن را برای افزایش خدمات انتظامی در شهرهای هوشمند تایید می‌کند.