بررسی تاثیر نویز در عملکرد تشخیص حالات چهره

در سالهای اخیر یکی از زمینه های فعال پردازش تصویر، تشخیص حالات چهره می باشد. این مقاله از مدل یادگیری هیجانی مغز BEL برای تشخیص حالات چهره استفاده نموده و با افزودن نویز میزان دقت مدل پیشنهادی مورد بررسی قرار گرفته است. مدل یادگیری هیجانی مغز BEL با الگوگیری از سیستم لیمبیک مغز انسان است. هدف از این مدل پیشنهادی، افزایش نرخ تشخیص حالات چهره انسان و میزان دقت مدل است. این پژوهش از تصاویر دیتاست استاندارد و معروف Cohn-Kanade استفاده نموده که تصاویر این دیتاست شامل شش حالت: خوشحالی، ناراحتی، خشم، تعجب، ترس و تنفر میباشد. در این مقاله همچنین با ایده تشکیل ماتریس ارتباطاتی که شامل ابرو، چشم و دهان است، حالات چهره را تشخیص داده است؛ بنابراین در صورت وجود یکی از اجزای چهره، تشخیص با دقت بالایی انجام گرفته است. در ادامه با اضافه نمودن نویز فلفل نمکی و گوسی به تصاویر، دقت عملکرد سیستم بررسی شده است. با توجه به نتایج مقاله، مدل یادگیری هیجانی مغز BEL حالات چهره را با نرخ 95/81 درصد تشخیص داده است.

Keywords:

تشخیص حالات چهره , نویز , مدل یادگیری هیجانی مغز , ماتریس ارتباطات , حالت چهره