تشخیص حالت های چهره با الگویابی خطی چهره مبتنی بر شبکه های فازی

در این مقاله روش جدیدی برای تشخیص حالت های چهره که مبتنی بر کشف تفاوت های حالت های چهره است طراحی کرده ایم و یک الگوی منحصر به فرد برای هر حالت اختصاص داده ایم. این سیستم شناسایی به صورت محلی و با آنالیز کردن تصویر از طریق یک پنجره کشویی (sliding) در مقیاس های چند گانه تخمین زده می شوند مقیاس های چند گانه به صورت ویژگی های دودویی محلی تصویر و فیلترهای گابور و ویژگی های مومنت (گشتاوری) صورت می گیرد سپس با استفاده از الگوریتم نرو فازی و استخراج قوانین مربوط به یک حالت چهره تشخیص می دهیم کدام بعد از یک ویژگی در شناسایی حالت چهره فرد تاثیر بسزایی دارد پس در شناسایی حالت های چهره وزن های این ویژگی را بیشینه در نظر می گیریم. استخراج ویژگی های استفاده شده دارای حالت های تشخیص تغییرات پوستی و زاویه اجزای چهره می باشد با این استخراج ویژگی ها می توانیم الگوهای مقاومی از چهره استخراج کنیم. در پایان مقاله نتایج آزمایشات در خصوص مجموع داده های Cohn-Kanade نشان می دهد که الگوریتم مورد نظر ما نسبت به روش های پیشین (الگوریتم سلسله مراتبی با ترکیب چند ویژگی و روش های مورفولوژیکی و الگوریتم های هندسی) بهتر عمل می کنند و قابلیت اطمینان بالاتری دارد.

کلیدواژه ها:

شناسایی حالت های چهره ، ویژگی های خطی ، وصف کننده های تصویر محلی ، ویژگی های گشتاور ، نرو فازی