شیوا صنعتی - دانشجوی دکتری مهندسی کامپیوتر ، دانشکده مهندسی، دانشگاه فردوسی مشهد
ندا نصرتی - کارشناس ارشد مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه ازاد اسلامی مشهد

در سال هاي اخیر تحقیقات زیادي در تحلیل حالت چهره انجام شده است. با توسعه بینایی ماشین و هوش مصنوعی، شناسایی حالت چهره یک تکنیک کلیدي از پیشرفت فعل و انفعالات کامپیوتر- بشر است و کاربردهایی درزمینه تعامل طبیعی میان انسان و کامپیوتر، بینایی ماشین و معالجه طبی روحی و... دارد. در این مقاله، ما روش جدیدي براي تشخیص حالت هاي چهره که مبتنی بر کشف تفاوت هاي حال تهاي چهره است طراحی کرد هایم و یک الگوي منحصربه فرد براي هر حالت اختصاص داد هایم. این سیستم شناسایی، به صورت محلی و با آنالیز کردن تصویر از طریق یک پنجره همسایگی روي تصویر، تخمین زده می شود. استخراج ویژگی به صورت ویژگی هاي دودویی محلی میباشد و با استفاده از تغییرات نقطه اي بین پنجره ها، نقاط چهره یک حرکت جه تدار براي هر حالت چهره به خود می گیرد. با ایجاد یک سیستم رتبه دهی اقدام به حذف نقاط اضافی حرکتی می کنیم، کلاس بندي صورت گرفته بر اساس نزدیک ترین همسایه صورت می گیرد. در پایان مقاله نتایج آزمایشاتنشان می دهد که الگوریتم موردنظر ما نسبت به روش هاي پیشین بهتر عمل می کند و قابلیت اطمینان بالاتري دارد

حالات چهره، استخراج ویژگی، الگوی باینری محلی، کلاس بندی نزدی کترین همسایه، تطبیق الگو