تشخیص ﭼﻬﺮﻩﻱ ﺑﺎ ﻣﺎﺳﻚ ﻭ ﺑﺪﻭﻥ ﻣﺎﺳﻚ ﺑﻪ ﻛﻤﻚ ﺷﺒﻜﻪ ﻋﺼﺒﻲ ﭘﻴﭽﺸﻲ

کشف و تشخیص چهره یکی از روش‌های متداول احراز هویت بیومتریک است. دلایل استفاده از این روش، امکان‌پذیری و در عین حال استفاده راحت از آن است. در چند سال گذشته همه‌گیری بیماری کرونا یا کووید -19 در سراسر جهان اتفاق افتاد و به طور جدی منجر به تاثیرات منفی بر سلامت و اقتصاد مردم شد. از زمان شیوع کووید-19، پوشیدن ماسک صورت، بعنوان بهترین راه برای محافظت از افراد در برابر ویروس کرونا و جلوگیری از انتشار یا آلوده شدن به این بیماری، بطور وسیعی رایج شد. ولی پوشیدن ماسک باعث می‌شود که قسمت عمده صورت افراد پوشیده شده و تشخیص چهره ماسک دار یک کار چالش برانگیز شود. در این تحقیق ، دو روش: اولی مبتنی بر ترکیب شبکه کانولوشنی عمیق و دومی مبتنی بر ویژگی‌های الگوی باینری محلی برای تشخیص چهره ماسک‌دار استفاده شده است. الگوریتم پیشنهادی نخست در ابتدا چهره افراد را به کمک retinaface که یک شبکه عصبی برای تشخیص چهره است، تشخیص داده، سپس ویژگی های مربوط به ناحیه بالای ماسک یعنی چشم، ابرو و پیشانی را از چهره افراد به کمک شبکه کانولوشنی arcface می آموزد. الگوریتم پیشنهادی دوم به جای استخراج ویژگی های مربوط به ناحیه بالای ماسک، تنها ویژگی های مربوط به ناحیه چشم را به کمک شبکه arcface می آموزد. سپس هر دو الگوریتم، ویژگی‌های آموخته‌شده از retinaface را با ویژگی‌های الگوی باینری محلیِ استخراج شده از ناحیه ابرو در چهره ی ماسک‌دار در چارچوبی یکپارچه ترکیب کرده و به تشخیص چهره ماسک دار می پردازند. الگوریتم های پیشنهادی روی مجموعه داده comask20 آزمایش شدند و به ترتیب به نتایج f1-score=93.47 % و f1-score=93.58% دست یافتند. این پژوهش در مقایسه با پژوهش های پیشین پیاده شده بر روی این مجموعه داده، به بهبود 13 درصدی دست یافت.