ادریس فتاحی - دانشگاه آزاد اسلامی واحد قزوین، دانشکده ی مهندسی برق، رایانه و فناوری اطلاعات، قزوین، ایران
علی برومندنیا - دانشگاه آزاد اسلامی واحد قزوین، دانشکده ی مهندسی برق، رایانه و فناوری اطلاعات، قزوین، ایران

در محاسبات بینایی، شناسایی چهره در یک عکس کار جزئی نمی باشد و نقش مهمی را در بعضی کاربردها مثل تشخیص چهره، ارتباط انسان و کامپیوتر و مراقبت های ویدیویی دارد. روش پیشنهادی ما شامل دو مرحله ی آموزش و شناسایی می باشد. در مرحله ی آموزش، ابتدا عکس های آموزشی را از طریق اعمال پیش پردازش به عکسهای لبه تبدیل می کنیم. سپس از الگوریتم MAFIA برای استخراج الگوهای پر تکرار چهره از عکسهای لبه استفاده می کنیم و آن را ویژگیهای مثبت می نامیم. به طور مشابه، ویژگی های منفی را از عکسهای غیر لبه بدست می آوریم. مبتنی بر ویژگی های استخراج شده، یک کلاس بند، برای هرس غیر چهره ها به نام کلاس بند ویژگی چهره ایجاد می کنیم. در مرحله ی شناسایی، از پنجره ی لغزان با مقیاس های مختلف برای عکس های آزمایشی استفاده می کنیم. هر پنجره باید از دو کلاس بند شامل کلاس بند واریانس و کلاس بند ویژگی چهره عبور کند. این دو کلاس بند کاندیداها را برای مرحله ی بعد تولید می کنند. این دو کلاس بند معمولاً بیشتر چهره ها را می یابند اما به اشتباه بعضی غیر چهره ها را نیز به عنوان چهره شناسایی می کنند. کاندیداها، به کلاس بندی که رنگ پوست را تشخیص می دهد فرستاده می شوند و به این ترتیب غیرچهره ها حذف می شوند. نتایج بر روی پایگاه دادههای استاندارد Bao و MW عملکرد خوب این روش را نشان می دهد