تخمین ژست سر با استفاده از استخراج ناحیه بیضی گون در تصاویر سه بعدی چهره و ویژگی های مبتنی برهندسه سه بعدی

تخمین ژست چهره یک فرایند بسیار مهم از شناسایی چهره است. مطالعه برای یافتن یک روش تمام خودکار و توانمند که قابل پاسخ برای ژست های گوناگون در تمام جهات باشد یک چالش واحد را برای تکنیک های موجود در سیستم های بینایی ماشین به وجود آورده است. همچنین در مقایسه با شناسایی و آشکارسازی چهره که کانون مقدماتی تحقیقات بینایی مربوط به چهره است، تخمین زاویه چهره به عنوان یک مرحله ی میان پردازشی بسیار مهم به حساب می آید. در این مقاله یک روش جدید ارائه شده است که در آن ابتدا ناحیه ی بیضی گون چهره از داده ی سه بعدی سر استخراج شده و سپس بردارهای ویژگی که به شدت به درک انسان از ژست سر تاثیر می گذارند، به عنوان سرنخ هایی کاملاً برجسته و نمایان از چهره در خصوص جهت گیری سر استخراج می شوند. در این مقاله از طبقه بندی SVM ، روش شبکه عصبی RBF و روش K نزدیکترین همسایگی KNN برای آموزش بردارهای استخراج شده جهت قیاس و تمایز ویژگی ها و طبقه بندی داده ها استفاده شده است. این الگوریتم بر روی پایگاه های داده Frav3D و Gavab آزمایش شده و کسب نتیجه ی بیشینه میانگین تشخیص صحیح 98/48 درصد که با استفاده از روش KNN حاصل شده است، بیانگر دقت الگوریتم پیشنهادی می باشد.

کلیدواژه ها:

تخمین ژست سر ، تصاویر عمق ، استخراج ویژگی ، طبقه بندی