شناسایی حالت چهره در تصاویر کنترل شده و کنترل نشده با استفاده از یادگیری متریک

شناسایی حالت چهره یکی از مسایل چالش برانگیز در بینایی ماشین است. تاکنون تحقیقاتفراوانی در این زمینه انجام شده است، اما شناسایی حالتچهره در شرایط کنترل نشده به صورت یک مساله حلنشده باقی مانده است. اغلب ویژگی هایی که در بیناییماشین استفاده م یشوند، ماهیت هیستوگرامی دارند. دراین مقاله یک روش جدید یادگیری متریک برایدسته بندی داده های هیستوگرامی ارایه می شود. در اینروش، فاصله مربع کای به نحو مناسبی برای یادگیریمتریک اصلاح شده و یک تابع هزینه محدب براییادگیری آن پیشنهاد می شود. در ادامه، الگوریتمپیشنهادی با تعریف یادگیری موضعی برای مسالهشناسایی حالت چهره بازنویسی شده است. آزمایش هایانجام شده بر روی پایگاه های داده کنترل شده و کنترلنشده شناسایی حالت چهره نشان می دهد که روشپیشنهادی نسبت به سایر روش های موجود دارای دقتبسیار بالاتری است.

Keywords:

شناسایی حالت چهره , طبقه بندی هیستوگرام , فاصله مربع کای , یادگیری متریک