شناسایی حالت های چهره بر اساس استخراج ویژگی های بافتی

در سال های اخیر، شناسایی حالت های چهره بر اساس توصیف گرهای محلی در برابر تغییرات حالت، نوع چهره، شباهت بین حالت های مختلف و اثرات نور محیط، عملکرد مقاوم تری را نشان داده اند. در حال حاضر، روش های استفاده شده برای شناسایی حالت اساسا برپایهی تطبیق الگو، شبکه عصبی، مدل احتمال، ماشین بردار پشتیبان و ... هستند. در این مقاله برای شناسایی دقیق حالت چهره، یک روشترکیبی به منظور استخراج ویژگی های محلی چهره ارایه می شود. ابتدا از ویژگی های پیش پردازش تصویر به منظور حذف نواحی اضافی تصویر، بهبود نور تصویر، کنتراست، سایز تصویرو ... استفاده می شود. سپس با بکارگیری از توصیف گرهای محلی الگوی باینری محلی وآنالیز فراکتال مبتنی بر بافت به منظور استخراج موثر اطلاعات جزیی بافت چهره استفاده می شود. این توصیف گرهای محلی، ویژگی هایبافت محلی از ناحیه ی دهان و چشم ها که بیشترین تاثیر را در شناسایی حالت چهره دارند را استخراج می کنند. پس از آن از ماشین بردار پشتیبان برای شناسایی و دسته بندی حالت های مختلف چهره استفاده می شود. کارایی تکنیک معرفی شده با استفاده از پایگاه دادهی تصاویر صورت JAFFE اندازه گیری و محاسبه می شود که در میان آن ها تصاویری وجود دارد که چندین حالت ترکیبی را به طورهمزمان نشان می دهند که ناچاریم سیستمی طراحی نماییم که قوی ترین حالت را از میان حالت های دیگر تشخیص دهد. این سیستم ها می توانند به صورت قابل قبولی حالت های مختلف را دسته بندی کنند و نرخ شناسایی قابل توجهی ارایه دهند. این روش به میزان 7.29 درصد نرخ شناسایی دارد.

Keywords:

استخراج ویژگی های جزیی , الگوی باینری محلی , تجزیه فراکتال مبتنی بر بافت , شناسایی خودکار حالت چهره , ماشین بردار پشتیبان