تشخیص هویت با استفاده از ویژگی های محلی چهره و طبقه بند فازی – عصبی

امروزه با توجه به پیشرفت روز افزون سیستم های نظارتی، شناسایی و گسترش الگوریتم های کارآمد در این حوزه حائز اهمیت است. در این راستا تشخیص چهره ی انسان به دلیل کاربرد گسترده ای که در موارد متعددی نظیر تشخیص هویت، کنترل دسترسی، سیستم های امنیتی و غیره دارد، به یكی از موضوعات مهم تحقیق در زمینه شناسایی الگو و بینایی ماشین تبدیل شده است. فرآیند استخراج ویژگی، یكی از بخش های مهم در سیستم هوشمند محسوب می شود. برای شناسایی چهره، ای ویژگی ها باید نسبت به تغییرات حالت چهره، تغییرات شدت روشنایی، تغییر مقیاس و دوران سر مقاوم باشند. در این مقاله از ویژگی های محلی برای شناسایی چهره استفاده می شود. ابتدا ویژگی الگوهای دودویی گرادیان از تصاویر چهره استخراج می شوند. سپس از الگوریتم آنالیز خطی متمایز کننده برای کاهش ابعاد بردار ویژگی استخراج شده، استفاده می شود. به ویژگی های نگاشت شده یک ضریب اهمیت براساس مقادیر ویژه اختصاص داده می شود. در مرحله بعد از طبقه بندی فازی عصبی برای شنایایی هویت استفاده خواهد شد. در این مقاله از پایگاه داده ی ORL و Yale B استفاده شده است. دقت به دست آمده برای روش پیشنهادی بر روی پایگاه داده ORL؛ 100 درصد و دقت پایگاه داده Yale B؛ 99/66 درصد می باشد.

کلیدواژه ها:

شناسایی چهره ، الگوهای دودویی گرادیان ، آنالیز طیی مت ایز کننده ، طبقه بند فازی – عصبی