شناسایی دقیق و مقاوم حالت عصبانیت چهره انسان

در خصوص تشخیص حالت چهره روش های گوناگونی ارائه شده است که در هریک از آنها مشکلاتی از قیبل عدم دقت در سیستم و حجم محاسبات وجود دارد. دراین مقاله سعی شده است یک روش تشخیص حالت چهره ارائه گردد تا بتواند نواقص و مشکلات روش های پیشین را بهبود ببخشد. برای این کار از استخراج ویژگی فیلتر گابور برای بدست آوردن نقاط مشخصه صورت و نیز ماشین های بردار پشتیبان (SVM)، برای جداسازی الگوها استفاده شده است. SVM جهت کلاس بندی و تفکیک پذیری در ابعاد بالابه دلیل سهولت درایجاد و نیز دقت بالا و سرعت در دسته بندی الگوها استفاده شده است. دراین مقاله ما با استفاده از بانک چهره JAFEE نشان داده است که با دادن بردار ویژگی های چهره که از فیلتر گابور استخراج گردیده به جداکننده SVM، نرخ شناسایی و تفکیک حالت عصبانیت از دیگر حالات را به شکل قابل ملاحظه ای بهبود می یابد. برای بهبود نتایج فوق از روش فیلتر گذاری روی چهره با نام Cascadevision بهره برده ایم که نتایج شناسایی حالت عصبانیت را به مقدار قابل ملاحظه ای بالابرده است.

کلیدواژه ها:

شناسایی حالت چهره (facial expression) ، فیلتر گابور (Gabor) ، ماشین بردار پشتیبان (SVM)