تشخیص چهره با استفاده از مدل بهبود یافتهHMAX

این مقاله به تشخیص چهره پرداخته است. فناوری بازشناسی چهره یکی از معدود روشهای بیومتریک است که به علت دارا بودن مزایای دقت بالا و سطح پایین دخالت فرد، در مواردی مانند امنیت اطلاعات، تعاملات انسان و کامپیوتر مورد استفاده قرار میگیرد. یک سیستم تشخیص چهره شامل سه مرحله آشکارسازی، استخراج و تشخیص میباشد. در چهره نگاری ویژگی هایی مانند اطراف دهان و گونه، فاصله چشم و ابروها و بینی، اندازه گیری میشود. مدل ارایه شده در این مقاله الهام گرفته از سیستم بینایی انسان بنام HMAX میباشد که یک مدل سلسله مراتبی با ساختار S1 ، C1 ، S2 ، C2 جهت تشخیص ویژگی های ریز تصاویر میباشد. بنابراین در این مقاله برای بهبود عملکرد مدل HMAX از اتوماتای یادگیر استفاده شده است.اتوماتا پارامترهای HMAX را به شکل مطلوبی تغییر داده و منجر به افزایش نرخ بازشناسی شده است. مدل پیشنهادی شامل 5 گام میباشد در اولین گام تصاویر دیتا ست دریافت شده و سپس با روش تعدیل هیستوگرام کیفیت تصاویر بهبود یافته و در گام بعد لبه های چهره در تصاویر با استفاده از لبه یاب سوبل استخراج گردیده و سپس با استفاده از مدل HMAX بلوک بندی شده و پارامترهای آن بر اساس نتایج اتوماتا تنظیم گردیده است.سپس تصاویر افراد با یکدیگر مقایسه شده و چهره افراد شناسایی شده است. بنابراین استفاده از یادگیری اتوماتا در کنار این مدل باعث بهبود عملکرد آن شده که نرخ بازشناسی بالایی را بر اساس نتایج پیادهسازی ارایه داده است.

Keywords:

بیومتریک , تشخیص چهره , مدل سلسله مراتبی HMAX , یادگیری اتوماتا