حمیدرضا جلالیان - گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه قم، ایران
مریم غلامی - گروه مهندسی کامپیوتر ، دانشکده برق، کامپیوتر و مکانیک، دانشگاه غیرانتفاعی ایوانکی، ایران

با افزایش حجم روز افزون تصاویر دیجیتال و کاربردهای آن در حوزه های بیومتریک و امنیت، مساله بازشناسی چهره انسان و تعیین هویت اشخاص در تصاویر دریافت شده از ویدئوهای نظاری به یکی از نیازهای اساسی تبدیل شده و از اهمیت ویژه ای برخوردار است. در این مقاله یک روش برای تشخیص چهره انسان مبتنی بر تطبیق ویژگی های SIFT ارائه شد. ویژگی های SIFT از تمامی تصاویر موجود در پایگاه داده، استخراج می شود. آنگاه، یک تصویر جدید داده می شود، ویژگی هایی که از آن تصویراستخراج شده، با ویژگی های تمامی تصاویر موجود در پایگاه داده، مقایسه می شود. چهره موجود در پایگاه داده و با بیشترین تعداد نقاط همبستگی، به عنوان نزدیک ترین چهره انتخاب می شود و برای تقسیم بندی چهره جدید استفاده می شود. این روش با روشهای تصاویر ویژه و تصاویر فیشر مقایسه شده و برتری آن بر هر دو این روش ها، در تمامی آزمایشات، وعلی الخصوص با اندازه مجموعه های تمرینی کمتر، اثبات شده است. با بررسی تاثیر تعداد ویژگی های مورد نیاز برای تطبیق قابل اطمینان،آزمایشات نشان میدهد که تنها به 30 درصد از ویژگی ها به منظور صرفه جویی در 91 درصد از زمان مورد نیاز جهت تطبیق تمامی ویژگی های استخراج شده، نیاز داریم. بعلاوه، روش ویژگی های SIFT ،عملکردی بهتری برای کاهش کیفیت های بالاتر از 50 درصد را نیز تامین می کند. در پایان نتایج حاصل با الگوریتم های Fisher face و Eigen face مقایسه شد و برتری این روش جدید بر دو روش ذکر شده اثبات شد.

تشخیص چهره انسان؛ الگوریتم SIFT ؛ الگوریتم Fisher face ؛ الگوریتم Eigen face