ارایه یک الگوریتم نوین جهت تایید هویت براساس استفاده از تصاویر چهره و روش های الگوی دودویی محلی و تبدیل موجک

یکی از مهم ترین زمینه های پژوهش در سال های اخیر موضوع تایید هویت با استفاده از تصاویر چهره می باشد. گاهی به سبب شرایط حاکم بر پایگاه داده های گوناگون و پیچیدگی های خاص برخی از تصاویر از جمله تغییر زاویه سر، کم شدن کیفیت تصویر در اثر ورود نویز، امکان پردازش مطلوب جهت تایید هویت، فراهم نمی گردد. از این رو میتوان با استفاده از روش های متکی بر پردازش تصویر و یادگیری ماشین، الگوریتمی جهت تایید هویت طراحی نمود. اغلب روش های تحقیقات پیشین با دقت کم در تشخیص، حساسیت به وجود مصنوعات در تصاویر چهره، نبود تعریف مناسب از بافت تصویر توسط استخراج گرهای ویژگی، وجود تعداد زیادی ویژگی همراه هستند. در این مقاله از استخراج گرهای ویژگی الگوی دودویی محلی، تبدیل موجک استفاده گردیده است. سپس ویژگی های استخراج شده با آنالیز تفکیک کننده خطی LDA کاهش بعد داده می شود و سپس با استفاده از طبقه بند بهینه که در اینجا روش K نزدیک ترین همسایگی KNN می باشد، برچسب خروجی مشخص گردیده و فرآیند تایید هویت انجام می پذیرد. نتایج نشان دهنده این است که مدل پیشنهادی صحت قابل قبولی را در تایید هویت دارا است. صحت این الگوریتم پیشنهادی بر روی پایگاه داده LFW معادل 96% می باشد.

Keywords:

تایید هویت با تصاویر چهره , الگوی دودویی محلی LBP , تبدیل ویولت , آنالیز تفکیک کننده خطی LDA K نزدیک ترین همسایگی KNN