بهسازی سیستم تایید چهره با ترکیب ویژگی های مبتنی بر الگوهای دودویی محلی و تجزیه به مدهای تجربی

تغییرات نورپردازی محیط و حالت چهره از جمله عوامل موثر بر کیفیت عملکرد سیستم های تایید چهره می باشند. در همین ارتباط فرآیند استخراج ویژگی از اهمیت ویژه ای برخوردار است، به گونه ای که بر عملکرد سایر قسمت های سیستم تایید چهره تاثیر بسزایی دارد. از آن جا که استخراج ویژگی ها با استفاده الگوی دودویی محلی (LBP) نسبت به تغییرات شدت روشنایی محیط مقاوم است. در این پژوهش برای استخراج ویژگی ها از هیستوگرام الگوی دودویی محلی (LBP) استفاده می شود. پس از استخراج هیستوگرام الگوی دودویی محلی به بردار حاصل، الگوریتم تجزیه به مدهای تجربی (EMD) را اعمال کرده و با حذف تعدادی از توابع حالت ذاتی (IMF) مربوطه سعی می شود که افزونگی موجود در هیستوگرام حذف شود. در نهایت با اعمال تکنیک های کاهش ابعاد PCA و LDA، ابعاد را کاهش داده و بردارهای پایه فضای ویژگی ها را به گونه ای تغییر می دهیم که خطای سیستم کاهش یابد. نتایج حاصل از آزمایش های انجام شده روی دادگان XM2VTS و DARKXM2VST، کارایی این روش را در بهبود کیفیت سیستم های تایید چهره نشان می دهد

کلیدواژه ها:

الگوی دودویی محلی ، تجزیه به مدهای تجربی ، توابع حالت ذاتی ، تایید چهره