مرتضی نجم آبادی - دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر
ابوالقاسم اسدالله راعی - دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر
حمید صادقی - دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر

حالت چهره نقش مهمی در ادراک احساس انسان و تعامل اجتماعی او ایفا می کند. از این رو توجه پژوهش های زیادی را در سال های اخیر به خود جلب کرده است. کلیه ی روش های تحلیل و شناسایی حالت چهره را می توان به دو دسته ی تحلیل تصاویر ایستا (تک فریم) و تحلیل تصاویر پویا (تصاویر ویدئویی) تقسیم کرد. استفاده از تصاویر پویا برای استخراج ویژگی، نیازمند محاسبات زیادی نسبت به تصاویر ایستا است. بنابراین در این مقاله از دو تصویر، یکی تصویر عادی و دیگری تصویر احساسی به جای تمام دنباله تصاویر استفاده شده است که موجب کاهش محاسبات می شود. سپس برای نخستین بار از ویژگی های LDN برای توصیف همزمان تصویر احساسی و تصویر تفاضلی استفاده شده است. نتایج آزمایش ها بر روی پایگاه های داده رایج در این زمینه نشان می دهد که استفاده از این ویژگی با روش ارائه در این مقاله نسبت به روش های مشابه موجود داز دقت بالایی برخوردار است. با استفاده از این روش نرخ تشخیص حالت چهره به دقت 95.4% رسیده است، که علاوه بر برتری مذکور حاکی از افزایش 13% نسبت به حالت ایستا است.

شناسایی حالت چهره، الگوی جهت دار محلی (LDP)، الگوی جهت دار محلی (LDN)، الگوی دودویی محلی (LBP)، ماشین بردار پشتیبان (SVM)