ارائه روشی جدید بر مبنای PCA+HCD برای کاهش ابعاد استخراج ویژگی درتشخیص حالات چهره

یکی از موضوعات تحقیقاتی مهم در زمینه پردازش تصویر تشخیص حالات چهره می باشد؛ که مهمترین کاربردهای آن در روان درمانی فرد بیمار و ناتوان در بروز احساسات خود می باشد. از طرفی دیگر اساسیترین چالشهای موجود در این زمینه پردازش تصاویر، استخراج ویژگی حالات چهره از تصویر افراد مختلف با شماهای متفاوت میباشد. در این مقاله از دو روش گوشه یابی هریس (HCD) 1 جهت استخراج ویژگی ناحیه لب و همچنین از روش HCD در کنار الگوریتم تحلیل مولفه های اصلی PCA که ابعاد داده ها را کاهش میدهد استفاده شده است. سیستم پیشنهادی پس از دریافت تصویر و مشخص نمودن محدوده لب، نقاط بحرانی استخراج می کند سپس در انتها توسط ترسیم منحنی بزیر نقاط و عمگر مقایسهای حالت چهره فرد را تشخیص می دهد. آزمایشات بر روی پایگاه داده Cohn-Kanade در دو مرحله و بر روی سه حالت متفاوت از صورت، یعنی حالات معمولی، لبخند و خنده کامل چهره، انجام گرفته است. همچنین کارایی سیستم در این مقاله توسط معیار دقت تشخیص و بازیابی مورد ارزیابی گزارش شده است. مطابق با آزمونهای انجام شده و نتایج بدست آمده روش پیشنهادی از دقت نسبتا قابل قبولی برخوردار است

کلیدواژه ها:

تشخیص حالت چهره ، استخراج ویژگی ، تحلیل مولفه های اصلی ، گوشه یابی هریس ، منحنی بزیر