سمیه رحیمی - گروه کامپیوتر، واحد سپیدان، دانشگاه آزاد اسلامی، سپیدان، ایران
محمدامین شایگان - گروه کامپیوتر، واحد سپیدان، دانشگاه آزاد اسلامی، سپیدان، ایران

تشخیص چهره، یکی از مشکل ترین و جذاب ترین مباحث در حوزه پردازش تصویر می باشد. چهره یک شخص، نه تنها یک جسم سه بعدی است، بلکه یک جسم غیر جامد نیز می باشد. علاوه براین ، تصاویر اشخاص معمولا در محیط های طبیعی تهیه می شود که این امر باعث شده که پشت زمینه تصویر پیچیده و شلوغ بوده و روشنایی تصویر نیز ثابت نباشد. همچنین، برخی تغییرات در چهره افراد ایجاد شده و یا با گذر زمان و بر اثر افزایش سن، چاقی، بیماری و ... در شخص ایجاد میشود. لذا فرایند افزایش سن، هر دو مولفه شکل و بافت چهره را تحت تاثیر قرار می دهد. در این مقاله به منظور بهبود دقت تشخیص چهره، با استفاده از شبکه عصبی کانولوشن ویژگی های تصویر استخراج و با استفاده از الگوریتم SRDA ویژگی ها کاهش می یابند، سپس توسط الگوریتم کلونی زنبور عسل، مناسب ترین و موثرترین داده ها برای آموزش طبقه بند انتخاب می شوند. در نهایت، با استفاده از طبقه بندی شبکه عصبی یادگیری ماشین شدید(ELM) شناسایی چهره صورت می گیرد. روش ارایه شده بر روی مجموعه داده های پیری FG-NET آموزش داده شده است. نتایج آزمایش نشان می دهد که چارچوب پیشنهادی عملکرد بهتری در برابر سایر روش های پیشرفته موجود تشحیص چهره داشته است.

تشخیص چهره، استخراج ویژگی، کاهش بعد، طبقه بندی، شبکه عصبی عمیق