شناسایی چهره با استفاده از ویژگی های HOG، LCP و ویژگی های آماری بافت و دسته بند شبکه عصبی مصنوعی

در سال های اخیر شناسایی چهره به دلیل کاربردهای فراوان، در تحقیقات بینایی ماشین مورد توجه قرار گرفته است. به دلیل تغییراتی مانند حالت چهره، شدت روشنایی محیط، نویز و زاویه دید، شناسایی چهره با دقت بالا هنوز هم به عنوان یک مسیله چالش برانگیز مطرح است. از آنجایی که فرآیند استخراج ویژگی یکی از بخش های مهم بوده و تاثیر بسزایی در دسته بندی دارد، در این مقاله روشی جدید برای استخراج ویژگی های چهره جهت شناسایی هویت ارایه شده است. در ابتدا ویژگی های هیستوگرام گرادیان های جهت دار، ویژگی های محلی و ویژگی های آماری بافت از تصاویر چهره استخراج می شوند، سپس با استفاده از شبکه عصبی مصنوعی این ویژگی ها جهت شناسایی چهره دسته بندی می شوند. در این مقاله از پایگاه داده ORL استفاده شد و دقت حاصل جهت دسته بندی تصاویر 96 درصد به دست آمد. نتایج آزمایشات برتری روش ارایه شده را نسبت الگوریتم های مشابه در شناسایی چهره نشان می دهد

Keywords:

ویژگی های محلی , هیستوگرام گرادیان های جهت دار , ویژگی های آماری بافت , شبکه عصبی مصنوعی