تشخیص حالتهای چهره از روی تصاویر متحرک بااستفاده از Optical Flow و شبکه عصبی RBF

در سال های اخیر یکی از زمینه های فعال پردازش تصویر ، تشخیص حالت های چهره بوده است . شش حالت اصلی چهره که اغلب برای تشخیص در نظر گرفته می شوند ، عبارتند از : خوشحالی، ناراحتی ، خشم ، تعجب ، ترس و تنفر. حالت های چهر ه با تغییراتی در نقاط مختلف صورت ایجاد می گردد . هر کدام از این قسمت ها را واحد فعال (AU1) می نامند. نمی توان فقط با یک AU یک حالت چهره را توصیف نمود . در این مقاله تعداد 21 نقاط مشخصۀ صورت (FCP2) در نظر گرفته شده و با استفاده از آنها ابتدا برای حذف ا ثر فاصلۀ دوربین نسبت به شخص، تمام اندازه ها نرمالیزه شده و اثر دوران سر نیز حذف گردیده است . این نقاط در اولین فریم مشخص شده و در فریمهای بعدی با استفاده از روش محاسبه Optical Flow تعقیب می شوند بر اساس موقعیت این نقاط در فریم ابتدایی و انتهایی ، یک بردار ویژگی برای هر یک از حالت های چهره تشکیل می گردد. با استفاده از بردار ویژگی ها یک شبکۀ عصبی RBF آموزش داده شده و برای آزمایش ، از چهره هایی که برای آموزش بکار گرفته نشده اند استفاده شده است .نتایج بدست آمده نشان می دهد که در مقایسه با کارهای قبلی که نویسندگان مقاله بر روی تصاویر ثابت انجام داده بودند ، استفاده از تصاویر متحرک که از حالت نرمال شروع شده وبه حالت احساسی مورد نظر ختم می گردند، قدرت تشخیص بهتری را ارائه می دهد.

کلیدواژه ها:

تشخیص حالت های چهره ، نقاط مشخصه صورت ، شبکه عصبی Optical Flow ، RBF