شناسایی چهره و احراز هویت افراد با استفاده از ترکیب الگوریتم های PCA و LDP و روش عصبی فازی

استخراج ویژگی از تصاویر چهره، طی دو دهه ی اخیر در کاربردهای مختلفی از قبیل آشکارسازی چهره، شناسایی چهره، تشخیص حالات چهره و بازسازی چهره مورد استفاده قرار گرفته است. در میان این کاربردها، شناسایی چهره از اهمیت ویژه ای برخوردار است. شناسایی چهره با مشکلاتی نظیر کیفیت نامناسب تصویر ورودی، وجود پوشش های غیرپیش بینی شده روی چهره، حجم زیاد تصاویر پایگاه داده و وجود تنها یک تصویر به ازای هر شخص مواجه بوده است. در این مقاله، روشی جهت استخراج ویژگی از تصاویر چهره ارائه شده که بوسیله ترکیب فیلتر گابور و PCA علاوه بر افزایش دقت تشخیص چهره مقاومت PCA در مواجهه با دادگان نویزی افزایش داده شده است. در این سیستم قسمت شبکه عصبی برای یادگیری و طبقه بندی توانایی ها و نیز پیوند و اصلاح الگو به کار می رود. قسمت شبکه عصبی به طور خودکار، قواعد منطق فازی و توابع عضویت را در طول دوره تناوب یادگیری ایجاد می کند. چند روش برای آموزش شبکه های عصبی وجود دارد که در روش پیشنهادی از روش ترکیبی استفاده می شود. پیاده سازی این سیستم در محیط متلب و روی پایگاه داده ORL انجام شد و درصد خطای روش پیشنهادی کمتر از دو درصد می باشد.