تاثیر تعداد بلوک و ابعاد آن در تشخیص حالت چهره براساس الگوی باینری محلی

مطالعه ی استخراج ویژگی چهره بر اساس الگوهای باینری محلی LBP در این مقاله ارایه می شود. LBP به عنوان یک توصیف گر غیر پارامتری و محاسباتی ساده، به طور گسترده در تشخیص حالت چهره به دلیل ثابت بودن آن در تبدیلات سفید و سیاه مورد استفاده قرار می گیرد. هدف تشخیص حالت چهره و بررسی اثر خصوصیات ویژگی های محلی و سراسری چهره است. در این گزارش، به طور تجربی، نمایش چهره بر اساس ویژگی های محلی آماری، الگوهای باینری محلی، برای تشخیص مستقل از شخص حالت چهره ارزیابی می شود. آزمایشات نشان می دهد که ویژگی های LBP برای تشخیص حالت چهره، موثر و کاراست. در آزمایشات مشاهده می کنیم که نحوه تقسیم بندی و انتخاب تعداد ناحیه ها در یک تصویر، بسیار مهم است؛ و انتخاب تعداد نواحی مختلف، تاثیر مستقیم بر دقت شناسایی نهایی و زمان انجام خواهد داشت. همچنین، هرچقدر تعداد نواحی بیشتر باشد، بردار ویژگی با ابعاد بزرگتری خواهیم داشت که برخلاف تصور، همیشه بردار ویژگی بزرگتر به معنای افزایش دقت شناسایی نهایی نخواهد بود. آزمایش های انجام شده، ملاکی از انتخاب اندازه نواحی و تقسیم بندی نهایی در اختیار قرار می دهد

Keywords:

الگوهای باینری محلی , تشخیص حالت چهره , ماشین بردار پشتیبان , نحوه تقسیم بندی , ناحیه , ابعاد