ارائه یک مدل عمیق برای تشخیص چهره با انتخاب بهینه ی ویژگی ها توسط الگوریتم بهینه سازی کرم شب تاب

امروزه تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستم های امنیتی، کنترل کارت اعتباری و شناسایی مجرمان می باشد. چهره انسان ذاتا پویا و متغیر است و تحت تاثیر عوامل متعددی به طور مداوم تغییر می کند. به همین دلیل توسعه ی یک مدل محاسباتی برای تشخیص چهره با توجه به پیچیدگی های چهره و ساختار چند بعدی بینایی دشوار است. از این رو تشخیص چهره به عنوان یک فعالیت سطح بالا در بینایی کامپیوتر شناخته شده که می تواند بسیاری از روش های بینایی اولیه را در برگیرد. در سال های اخیر رویکردها و روش های مختلفی برای سیستم های تشخیص چهره ارائه شده اند. اگر چه عمل تشخیص از تصاویر ثابت چهره به درجه بالایی از اطمینان و کارایی رسیده، اما همچنان افزایش دقت تشخیص در تصاویر چهره یک موضوع مهم و قابل بررسی می باشد. در این مطالعه برای بهبود تشخیص چهره از یک شبکه عصبی پیچشی عمیق استفاده شده است. در مرحله اول از روش پیشنهادی پس از انتخاب و استخراج داده ی اولیه از بانک داده، پیش پردازش های لازم بر روی تصاویر انجام می شود. خروجی این مرحله به عنوان ورودی به الگوریتم بهینه سازی کرم شب تاب داده شده تا برای انتخاب ویژگی های موثر و شناخت آن ها در راستای بهینه سازی استفاده گردد. در نهایت از یک شبکه عصبی پیچشی عمیق در دو گام آموزش و آزمون برای تشخیص چهره استفاده شده است. هدف از ارائه روش پیشنهادی افزایش دقت و کاهش پیچیدگی محاسباتی در فرآیند تشخیص چهره است. روش پیشنهادی با استفاده از نرم افزار متلب پیاده سازی شده و نتایج پیاده سازی نشان دهنده ی عملکرد مناسب و افزایش دقت در فرآیند تشخیص می باشد. در روش ارائه شده به دلیل انتخاب بهینه ی ویژگی ها، میزان دقت تشخیص ۹۵.۱۱ % به دست آمده که نسبت به سایر روش های ارائه شده در سال های اخیر بالاتر است. علاوه بر این، عمل تشخیص در روش پیشنهادی سریع بوده و اساسا می تواند الزامات تشخیص چهره در زمان واقعی را برآورده سازد.

کلیدواژه ها:

تشخیص چهره ، انتخاب ویژگی بهینه ، الگوریتم بهینه سازی کرم شب تاب ، شبکه عصبی کانولوشنی عمیق