شناسایی چهره با استفاده از آنالیز اجزای مستقل تمایزی

شناسایی چهره کاربردهای زیادی در امنیت اطلاعات، اجرای قانون و ... دارد، روشهای متعددی برای این مسئله پیشنهاد شده است از میان این روشها روش PCA و LDA مرسوم ترند روش جدیدتری که می توانددر این زمینه استفاده شود. روش آنالیز اجزای مستقل است، اما ضعف روش ICA این است که اطلاعات کلاس را درنظر نمی گیرد و ممکن است اطلاعات استخراج شده برای کلاس بند مناسب نباشند برای حل این مشکل روش آنالیز اجزای مستقل تمایزی که از ترکیب ICA یا LDA بدست می آید، پیشنهاد شد. در این مقاله از متد Dica در زمینه شناسایی چهره استفاده شده است و برای شبیه سازی از دادگان AT&T استفاده شده و نتایج آن با روش های LDA و ICA, PCA مقایسه شده است. نتایج آزمایشات بهبود کلاس بندی با کمک ویژگی های استخراج شده توسط dICA را در مقایسه با روشهای فوق الذکر برای استخراج ویزگی نشان می دهد، در واقع باعث کاهش مقدار خطای کلاس بند می شود.

کلیدواژه ها:

استخراج ویزگی ، آنالیز اجزای مستقل ، شناسایی چهره ، کلاس بندی