تشخیص چهره، چهره‌های انسان را در رسانه‌های دیداری مانند تصاویر دیجیتال یا ویدیو مکان‌یابی می‌کند. وقتی چهره‌ای شناسایی می‌شود، موقعیت، اندازه، و جهت مرتبطی دارد؛ و می‌توان آن را برای نشانگرهای مکانی مثل چشم‌ها و بینی جستجو کرد.
در اینجا برخی‌از اصطلاحاتی که درباره ویژگی تشخیص چهره در ML Kit استفاده می‌کنیم آورده شده است:
ردگیری چهره تشخیص چهره را به توالی‌های ویدیو گسترش می‌دهد. هر چهره‌ای که در یک ویدیو برای هر مدت زمانی ظاهر می‌شود، می‌تواند از قاب به قاب ردیابی شود. این یعنی چهره‌ای که در قاب‌های متوالی ویدیو تشخیص داده می‌شود می‌تواند به‌عنوان چهره یک فرد شناسایی شود. توجه داشته باشید که این نوعی تشخیص چهره نیست؛ ردیابی چهره فقط براساس موقعیت و حرکت چهره‌ها در یک توالی ویدیویی استنباط می‌کند.
نشانگر نقطه موردعلاقه‌ای در چهره است. چشم چپ، چشم راست، و پایه بینی همه نمونه‌هایی از نقاط عطف هستند. ML Kit امکان پیدا کردن نقاط عطف را در چهره شناسایی‌شده فراهم می‌کند.
خطوط محیطی مجموعه‌ای از نقاط هستند که شکل ویژگی‌های چهره را دنبال می‌کنند. ML Kit قابلیت پیدا کردن خطوط چهره را فراهم می‌کند.
طبقه‌بندی تعیین می‌کند که آیا ویژگی خاصی در چهره وجود دارد یا نه. برای مثال، چهره را می‌توان براساس اینکه چشم‌ها باز یا بسته است، یا اینکه چهره درحال لبخند زدن است یا نه، طبقه‌بندی کرد.
جهت چهره
اصطلاحات زیر زاویه‌ای را که چهره نسبت به دوربین در آن جهت‌گیری می‌کند توصیف می‌کنند:
- Euler X: چهره‌ای با زاویه مثبت Euler X به سمت بالا است.
- زاویه اویلر Y: چهره‌ای با زاویه اویلر Y مثبت به سمت راست دوربین نگاه می‌کند، یا اگر منفی باشد به سمت چپ نگاه می‌کند.
- زاویه اویلر Z: چهره‌ای با زاویه اویلر Z مثبت در جهت پادساعت‌گرد نسبت‌به دوربین چرخیده است.
وقتی LANDMARK_MODE_NONE، CONTOUR_MODE_ALL، CLASSIFICATION_MODE_NONE، و PERFORMANCE_MODE_FAST باهم تنظیم شده باشند، ML Kit زاویه اویلر X، اویلر Y، یا اویلر Z چهره شناسایی‌شده را گزارش نمی‌کند.
مکان‌های دیدنی
نشانگر مکانی نقطه موردعلاقه در چهره است. چشم چپ، چشم راست، و پایه بینی همگی نمونه‌هایی از نشانگرها هستند.
ML Kit چهره‌ها را بدون جستجوی نشانگرها تشخیص می‌دهد. تشخیص مکان دیدنی یک مرحله اختیاری است که به‌طور پیش‌فرض غیرفعال است.
جدول زیر همه نشانه‌هایی را که می‌توان با داشتن زاویه اویلر Y چهره مرتبط شناسایی کرد خلاصه می‌کند:
| زاویه اویلر Y | نشانگرهای مکانی قابل‌شناسایی |
|---|---|
| < -۳۶ درجه | چشم چپ، دهان چپ، گوش چپ، پایه بینی، گونه چپ |
| -۳۶ درجه تا -۱۲ درجه | سمت چپ دهان، پایه بینی، پایین دهان، چشم راست، چشم چپ، گونه چپ، نوک گوش چپ |
| -۱۲ درجه تا ۱۲ درجه | چشم راست، چشم چپ، پایه بینی، گونه چپ، گونه راست، دهان چپ، دهان راست، پایین دهان |
| ۱۲ تا ۳۶ درجه | دهان راست، پایه بینی، پایین دهان، چشم چپ، چشم راست، گونه راست، نوک گوش راست |
| > ۳۶ درجه | چشم راست، دهان راست، گوش راست، پایه بینی، گونه راست |
هر مکان دیدنی شناسایی‌شده شامل موقعیت مرتبط با آن در تصویر است.
خطوط تراز
خطوط محیطی مجموعه‌ای از نقاط هستند که شکل ویژگی‌های چهره را نشان می‌دهند. تصویر زیر نشان می‌دهد که این نقاط چگونه روی صورت قرار می‌گیرند. برای بزرگ کردن تصویر، روی آن کلیک کنید:
هر خطوط محیطی ویژگی که ML Kit تشخیص می‌دهد با تعداد ثابتی از نقاط نشان داده می‌شود:
| بیضی چهره | ۳۶ امتیاز | لب بالا (بالا) | ۱۱ امتیاز |
|---|---|---|---|
| ابروی چپ (بالا) | ۵ امتیاز | لب بالا (پایین) | ۹ امتیاز |
| ابروی چپ (پایین) | ۵ امتیاز | لب پایین (بالا) | ۹ امتیاز |
| ابروی راست (بالا) | ۵ امتیاز | لب پایین (پایین) | ۹ امتیاز |
| ابروی راست (پایین) | ۵ امتیاز | پل بینی | ۲ امتیاز |
| چشم چپ | ۱۶ امتیاز | پایین بینی | ۳ امتیاز |
| چشم راست | ۱۶ امتیاز | ||
| گونه چپ (مرکز) | ۱ امتیاز | ||
| گونه راست (مرکز) | ۱ امتیاز |
وقتی همه خطوط چهره را به‌طور هم‌زمان دریافت می‌کنید، آرایه‌ای از ۱۳۳ نقطه دریافت می‌کنید، که همان‌طور که در زیر نشان داده شده است، به خطوط ویژگی نگاشت می‌شوند:
| شاخص‌های منحنی میزان عارضه | |
|---|---|
| 0-35 | بیضی چهره |
| 36-40 | ابروی چپ (بالا) |
| 41-45 | ابروی چپ (پایین) |
| 46-50 | ابروی راست (بالا) |
| 51-55 | ابروی راست (پایین) |
| 56-71 | چشم چپ |
| 72-87 | چشم راست |
| 88-96 | لب بالا (پایین) |
| 97-105 | لب پایین (بالا) |
| 106-116 | لب بالا (بالا) |
| 117-125 | لب پایین (پایین) |
| ۱۲۶، ۱۲۷ | پل بینی |
| 128-130 | پایین بینی (توجه داشته باشید که نقطه مرکزی در شاخص ۱۲۸ قرار دارد) |
| 131 | گونه چپ (مرکز) |
| 132 | گونه راست (مرکز) |
رده‌بندی
طبقه‌بندی تعیین می‌کند که آیا یک ویژگی چهره خاص وجود دارد یا خیر. ML Kit درحال‌حاضر از دو طبقه‌بندی پشتیبانی می‌کند: چشمان باز و لبخند زدن.
طبقه‌بندی مقدار قطعیت است. این ویژگی نشان‌دهنده اطمینان از وجود یک ویژگی چهره است. برای مثال، مقدار ۰٫۷ یا بیشتر برای طبقه‌بندی لبخند نشان می‌دهد که احتمالاً فرد درحال لبخند زدن است.
هر دوی این طبقه‌بندی‌ها به تشخیص مکان‌های دیدنی متکی هستند.
همچنین توجه داشته باشید که طبقه‌بندی‌های «چشمان باز» و «لبخند زدن» فقط برای چهره‌های روبرو، یعنی چهره‌هایی با زاویه کوچک اویلر Y (بین ۱۸- و ۱۸ درجه) کار می‌کند.
حداقل اندازه چهره
حداقل اندازه چهره اندازه چهره موردنظر است که به‌صورت نسبت پهنای سر به پهنای تصویر بیان می‌شود. برای مثال، مقدار ۰٫۱ یعنی کوچک‌ترین چهره‌ای که باید جستجو شود تقریباً ۱۰٪ عرض تصویری است که جستجو می‌شود.
حداقل اندازه چهره یک معامله بین عملکرد و دقت است: تنظیم اندازه حداقل به کوچکتر به آشکارساز اجازه می‌دهد چهره‌های کوچکتر را پیدا کند اما تشخیص زمان بیشتری می‌برد؛ تنظیم آن به بزرگتر ممکن است چهره‌های کوچکتر را حذف کند اما سریع‌تر اجرا می‌شود.
حداقل اندازه چهره یک محدودیت سخت نیست؛ آشکارساز ممکن است چهره‌هایی را که کمی کوچکتر از اندازه مشخص‌شده هستند پیدا کند.
مراحل بعدی
استفاده از تشخیص چهره در برنامه iOS یا Android: