بازشناسی حالات چهره مبتنی بر ترکیب ویژگی ها و روش دسته بندی ماشین بردار پشتیبان

هدف این مقاله، طراحی یک سیستم شناسایی حالت چهره مقاوم توسط ترکیب تکنیک های مختلف بینایی ماشین و شناسایی الگو است. تصاویر چهره به وسیله ی چند فاکتور تحت تاثیر قرار می گیرند که مهم ترین آن ها شدت روشنایی، موقعیت سر، رزولوشن تصویر و تغییر حالت چهره هستند. در این روش پیشنهادی برای بازشناسی حالت چهره از روی تصاویر ایستا، ابتدا ناحیه ی چهره توسط الگوریتم تشخیص چهره ی آدابوست به صورت خودکار استخراج می شود و با به کارگیری روشی به منظور حذف نواحی اضافی چهره، ناحیه ی گوش ها و موهای سر فرد حذف شده و تنها ناحیه موثر صورت باقی خواهد ماند و به رابطه ای دست یافتیم تا نواحی اضافی از تصویر را حذف نماییم. سپس از یک روش ترکیبی مبتنی بر آنالیز مولفه های اصلی و فراکتال مبتنی بر تقسیم بندی تجزیه و تحلیل بافت به منظور اخذ ویژگی های تصویر استفاده نمودیم.در انتها، از ماشین بردار پشتیبان برای شناسایی و دسته بندی حالت های چهره استفاده شده است. در این شبیه سازی از بانک تصاویر JAFFE استفاده شده است که در میان آن ها تصاویری وجود دارد که چندین حالت ترکیبی را به طور همزمان نشان می دهند که ناچاریم سیستمی طراحی نماییم که قوی ترین حالت را از میان حالت های دیگر تشخیص دهد. این سیستم ها می توانند به صورت قابل قبولی حالت های مختلف را دسته بندی کنند و نرخ شناسایی قابل توجهی ارایه دهند. این روش به میزان 1.93 درصد نرخ شناسایی دارد.

کلیدواژه ها:

الگوی باینری محلی ، پیش پردازش تصویر ، شناسایی خودکار حالت چهره ، ماشین بردار پشتیبان