عبدالعلی دماوندی - دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر گرایش نرم افزار ،دانشگاه غیرانتفاعی لامعه گرگان
رضا روشنی - عضوهیئت علمی و استادیار گروه مهندسی کامپیوتر، دانشگاه غیردولتی لامعی گرگانی

در سالهای اخیر تشخیص حالت چهره از مهمترین چالشهای پردازش تصویر محسوب شده و کاربردهای فراوانی پیدا کرده است. امروزه به دلیل وجود رابطه ی به اصطلاح عاطفی میان انسان و کامپیوتر در دنیای مجازی، استفاده از روشهای تشخیص حالت چهره اهمیت زیادی پیدا کرده است. در پژوهش حاضر روشی جدید برای تشخیص حالات چهره پیشنهاد شده است. به منظور اجتناب از محدودیتها و حفظ سادگی و کارآیی LBP سنتی، یک توصیفگر بافت مفهومی و محاسباتی ساده اما کارآمد را پیشنهاد میکنیم که با عنوان الگوی جهتدار سه گانه محلی (LDTP) نامیده میشود. مزیت اصلی توصیفگر پیشنهادی نسبت به آنهایی که در حال حاضر موجود است، این است که هر دو مفهوم اپراتورهای LTP و LDP را در یک طرح کدگذاری فشرده مشابه، که اطلاعات دقیقتر و تفکیکپذیرتری را فراهم میکند، ترکیب میکند. همچنین نشان داده شده است که استفاده از ترکیب ویژگیها بهجای تنها یک ویژگی باعث تشخیص بهتر و مقاومتر حالت چهره میشود. بنابراین ویژگیهای LDTP و XCSLBP با هم ترکیب شده تا بردار ویژگی نهایی حاصل شود. سپس برای سرعت بیشتر، بردار ویژگی نهایی با استفاده از الگوریتم PCA، کاهش بعد داده میشود. حال این بردار ویژگی به SVM که قبلا توسط دادههای آموزشی، آموزش داده شده است، داده میشود تا در نهایت یکی از ۷ حالت چهره مشخص شود. روش پیشنهادی از جنبههای گوناگون مورد بررسی قرار گرفت و با سایر روشهای موجود، مقایسه شده است. دقت روش پیشنهادی برای حالت چهره ۷ کلاسه حدود ۹۶.۲۲ درصد است که نسبت به سایر روشها از دقت بالاتری برخوردار است.

تشخیص حالت چهره، الگوی باینری محلی، الگوی جهتدار محلی، الگوی سه گانه محلی، ماشین بردار پشتیبان