یک روش بهبود یافته جهت شناسایی چهره با چالش نور مبتنی بر چند جمله ای های لژاندر و آنالیز اجزای اصلی

تاکنون مطالعات زیادی در شناسایی هویت به کمک تصاویر چهره با چالشهای مختلف انجام شده که این تحقیقات در بعضی مواقع نتایج خوبی داشته اند. با این حال، در تصاویری که ممکن است با چالشهای مختلفی همراه باشد، به سختی خروجی بالایی داشته که این امر باعث شده نیاز به تحقیق در این حیطه احساس شود. در این تحقیق از تکنیکهای یادگیری ماشین به گونه ای بهره گرفتیم که پس از نرمال سازی تصویر، بردار ویژگیها با تجمیع روش فیلتر موجک گابور )Gabor filter(، الگوریتم گشتاورهای شبه زرنیک )PZMs( و چند جملهای لژاندر )LP( برای استخراج ویژگی بر روی تصاویر نرمال شده ساخته شدند. در گام بعدی برای کاهش ابعاد بردار ویژگی از آنالیز مولفه های اساسی )PCA( استفاده شد و در نهایت بردارهای ویژگی با استفاده از ترکیب دو طبقه بند ماشین بردار پشتیبان )SVM( و -Kنزدیکترین همسایگی )k-NN( به روش تلفیق نرم )SV(، هویت فرد را آشکار ساختند. روش پیشنهادی در این پژوهش بر روی تصاویر گردآوری شده پیاده سازی شده و نرخ شناسایی حاصله،میان ۴۹ تا ۸۹ متغیر بوده است. پیادهسازی این مدل میتواند برای اهداف مختلف تشخیص هویت سودمند واقع گردد .

Keywords:

تشخیص چهره , چالش نور , چند جمله ای لژاندر , آنالیز اجرای اصلی , گشتاورهای شبه زرنیک , فیلتر گابور و تلفیق نرم .