تشخیص حالات چهره براساس ویژگیهای SIFT و روش انتخاب ویژگی PCA

شناسایی چهره یکی از کارهای است که انسان بصورت روزمره به طور ناخوداگاه انجام می دهد اما این مسئله برای ماشین همچنان چالش انگیز است مسئله اصلی در سیستمهای تشخیص حالات چهره میزان دقت است اکثر ویژگی های استفاده شده در مقالات قبلی شامل ویژگی های شبه هار؛ هیستوگرام گرادیان جهت دار و غیره هستند این ویژگی چون به کل ناحیه صورت اعمال می شوند برای تشخیص حالت دقت کافی نخواهد داشت. در این پژوهش بااستفاده از ترکیب روش های جدید استخراج ویژگی مبتنی بر ظاهر وروش آماری انتخاب ویژگی آنالیز المان اساسی؛ حالت چهره را با دقت بالایی شناسایی شده است. ونتایج برای آزمایش اول روش ماتریس اغتشاش 98/4٪ و برای آزمایش دوم روش اعتبار سنجی متقابل K-fold 98/9٪ و برای آزمایش سوم Leave-One-Out 99٪ بدست آمدهاست.

کلیدواژه ها:

تشخیص حالات چهره ، استخراج ویژگی ، طبقه بندی ، الگوریتم SIFT ، آنالیز مولفه اساسی PCA ، ماشین بردار پشتیبان SVM