بازشناسی حالت چهره با رویکرد ترکیبی مبتنی بر ظاهر و مبتنی بر مدل

در این مقاله روش جدیدی برای تشخیص حالت های چهره (شادی، تعجب، هیجان، غم، ترس و ...) بر اساس کشف تفاوت های ساختاری چهره ارائه کرده ایم. این تحقیق بر اساس دو حالت استخراج ویژگی مبتنی بر ظاهر و مبتنی بر مدل عمل می کند که الگوریتم های مورد استفاده در روش مبتنی بر ظاهر عبارت اند از: الگوی دودویی محلی (LBP)، فیلترهای گابور(Gabor filters) و ویژگی های مومنت (گشتاوری) و در استخراج ویژگی مبتنی بر مدل نیز از جریان نوری تغییرات چهره در فریم های مختلف استفاده شده است. بعد از استخراج ویژگی در دو حالت مبتنی بر مدل و مبتنی بر ظاهر، اقدام به تصمیم گیری برای انتخاب نتیجه می کنیم که این کار براساس عبور از نقطه بحرانی در دو حالت استخراج ویژگی می باشد. رای گیری در دو گروه بر اساس محاسبه ی فاکتور ضریب اطمینان داده های آموزش تخمین زده می شود. در پایان نتایج آزمایش ها با مجموع داده های Cohn-Kanade بررسی شده و نشان داده می شود رویکرد پیشنهادی نسبت به روش های پیشین (الگوریتم سلسله مراتبی با ترکیب چند ویژگی و روش های مورفولوژی و الگوریتم های هندسی) بهتر عمل کرده و قابلیت اطمینان بالاتری دارد.

کلیدواژه ها:

حالت های چهره ، الگوی دودویی محلی (LBP) ، فیلتر گابور(Gabor filter) ، ویژگی های گشتاور ، جریان نوری