تشخیص حالت چهره مبتنی بر الگوی باینری محلی و فاصله لون اشتاین

حالات چهره و حرکات، نشانه شهودی برای ارتباطات بین فردی فراهم میکند. انتقال اطلاعات به کامپیوتر برای شناسایی حالات چهره، امری ضروری است. حالات صورت و احساسات، توسط شناسایی حرکت ماهیچههای صورت بوسیله قشر بینایی و آموزش یک ماشین برای شناسایی این حرکات اداره میشود. تشخیص حالت چهره، مسئلهای پرکاربرد و چالشبرانگیز است و در حوزه های مختلف، مانند تعامل انسان- کامپیوتر و انیمیشن مبتنی بر داده، تاثیر گذار است. استخراج یک نمایش موثر چهره از تصاویر اصلی صورت، یک گام حیاتی برای تشخیص موفق حالت چهره است. این پایان نامه، الگوریتم های تجزیه و تحلیل قوی حالت چهره برای تصاویر ثابت را ارائه میکند، که میتوان به عنوان یک فرمت و توسه دهنده کارآمد برای تصاویر متحرک و فیلمها بکار برد. در این رساله یک روش پیش پردازش کارآمد ارائه شده است که اثر نور بر روی تصاویر چهره را حذف کرده و در نتیجه آنها را برای استخراج ویژگی کارآمد آماده میکند. الگوهای باینری محلی نیز برای استخراج ویژگی پیاده سازی شده است که به ارائه بازنمایی و آنالیز موثر شناخته میشود. ویژگیهای LBP ، در قالب نمودار هیستوگرام قرار میگیرند. سپس برای کاهش ابعاد ویژگیها از الگوریتمهای PCA و LLE استفاده میشود. PCA و LLE تاثیر زیادی در کارایی تشخیص و همچنین کاهش زمان دارد. در نهایت برای طبقهبندی و تشخیص حالت مورد نظر از الگوریتم لون اشتاین که از جمله الگوریتمهای موثر در محاسبه اختلاف دو رشته کاراکتر است، برای اولین بار در تشخیص چهره بهره برده شده است. با اعمال اصلاحی در محاسبه فاصله، فاصله لون اشتاین فازی ارائه گردید. نتایج موید عملکرد بهتر این الگوریتم فازی، نسبت به دیگر طبقهبندی کنندههای فاصله است. الگوریتم پیشنهادی ) 1 ( دقت طبقه بندی 94.29 درصد، الگوریتم پیشنهادی ) 2 ( دقت طبقه بندی 92.86 درصد، الگوریتم پیشنهادی ) 3 ( دقت طبقه بندی 92.86 درصد و الگوریتم پیشنهادی ) 4 ( دقت طبقه بندی 94.29 درصد ارائه میکنند.

کلیدواژه ها:

تشخیص حالت چهره ، الگوهای باینری محلی ، استخراج ویژگی ، کاهش ابعاد ، تحلیل مولفههای اساسی ، طبقهبندی و تشخیص ، فاصله لون اشتاین فازی.