بهاره اسدی - دکتری تخصصی مهندسی کامپیوتر – معماری کامپیوتر، باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی، واحد تبریز
یونس وجدان پرست - کارشناس ارشد مهندسی کامپیوتر – معماری کامپیوتر، باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی، واحد تبریز

شناسایی هویت چهره توسط ماشین، قابلیت مهمی در توسعه ربات های پیشرفته است. با فرض تشخیص ناحیه ی چهره در تصویر، به عنوان عملیات پردازش تصویر در سطح متوسط، شناسایی چهره، عملیات پردازش تصویر سطح بالایی است که نیازمند یادگیری ماشین است. بدیهی است که شناسایی هویت چهره محدود به اطلاعات موجود در پایگاه داده ی سیستم است طوریکه سیستم شناسایی، می تواند با دریافت یک تصویر ورودی، ناحیه چهره ی موجود در آن را استخراج و سپس تصویر خروجی را با تصاویر موجود در پایگاه مقایسه نموده و شبیه ترین تصویر موجود در پایگاه را به عنوان خروجی بازگرداند. به دلیل حجم بالای اطلاعات موجود در تصاویر، نحوه ی انجام این مقایسه و سرعت و دقت آن، چالش برانگیز است. در این مقاله از تحلیل مولفه ی اصلی برای کاهش حجم داده ها از طریق حذف داده های با اهمیت کمتر در ماتریس تصویر استفاد شده است. داده های اصلی و موثر پس از استخراج از مرحله ی قبل، وارد یک شبکه ی عصبی مصنوعی پیشرو می شوند تا سیستم قادر به یادگیری برای شناسایی سریع تر باشد. روش پیشنهادی در محیط متلب پیاده سازی و برای پایگاه داده های تصاویر چهره ی AT&T و ORL آزموده شده است. نتایج آزمایش ها نشان می دهد که متوسط دقت شناسایی صحیح چهره 89.93% برای تصاویر AT&T و 78.5% برای پایگاه تصاویر ORL است.

شناسایی چهره، بینایی ماشین، شبکه عصبی پیشرو، تحلیل مولفه ی اصلی