بازشناسی چهره تحت شرایط پوشیدگی موضعی توسط رویکرد ICA محلی وزن دار شده

یکی از اهداف مهم مبحث تشخیص هویت مبتنی بر چهره، دستیابی به سیستم بازشناسی چهره ای است که قابل مقایسه با توانایی انسان باشد. با وجود روش ها و الگوریتم های متنوع در این زمینه، بسیاری از آنها تنها تحت شرایط کنترل شده قادر به ارائه ی نتایج مناسب هستند. درحالیکه در کاربرد های واقعی، سیستمی با قابلیت بازشناسی مناسب در حضور تغییرات محیطی از جمله تغییرات نور، زاویه ی دوربین، حالات چهره، تغییر سن و پوشیدگی موضعی مورد نیاز می باشد. باتوجه به اهمیت چالش پوشیدگی موضعی در بازشناسی چهره و عدم موفقیت رویکردهای کلی نگر در حل آن، در این مقاله یک روش محلی براساس الگوریتم ICA معرفی شده است که ایده ی اصلی آن بازسازی بخش های همراه با پوشیدگی چهره توسط اطلاعات تصاویر بدون پوشیدگی می باشد. این روش توسط زیر فضای ICA که به کمک تصاویر برگزیده ی آموزشی تولید شده، بخش های همراه با پوشیدگی تصویر ورودی را به شکل مطلوبی بازسازی می کند و توسط روشی محلی، با اختصاص وزن کمتر به نواحی دارای پوشیدگی، در برابر این معضل مقاوم می گردد. به منظور ارزیابی کارایی روش پیشنهادی، مجموعه آزمایشاتی به کمک پایگاه داده ی تصاویر AR انجام گرفته است. نتایج حاصل در مقایسه با موفق ترین روش های موجود، نشان دهنده ی بهبود چشمگیری در نرخ بازشناسی تصاویر همراه با پوشیدگی است