تشخیص نقاط خاص چهره با استفاده از تحلیل بردارهای ویژگی

در این مقاله الگوریتم نوینی جهت تشخیص نقاط خاص چهره ی تمام رخ با استفاده از استخراج ویژگی نقاط و بررسی آنها با استفاده از الگوریتم های یادگیری ماشین ارایه شده است. برای این منظور لازم است تا با استفاده از اطلاعات آماده ای که در مجموعه داده وجود دارد، ابتدا با استفاده از یکی ازالگوریتمهای دسته بندی، اطلاعات را در کلاسهای مختلف دست بندی نماییم. سپس برای تصاویر ویدیوهای تست )برای هر فریم( ابتدا نقاط مهم را بدست آورده و با استفاده از توصیفگر مناسب بردار ویژگی مورد نظر را به ماشین طبقه بند کننده بدهیم تا کلاس پیش بینی شده برای هر نقطه با توجه بهبردار ویژگی اش مشخص گردد. سپس با توجه به امتیاز هر نقطه بهترین نقاط را نمایش دهیم. لذا در این مقاله ورودیها، مجموعه داده )جهت آموزش( و تصاویر یا فریم های ویدیو )جهت تست( بوده و خروجی نقاط اصلی صورت است. مزیت الگوریتم ارایه شده سرعت بالای آن در تشخیص نقاط اصلی ودقت قابل قبول آن در مقایسه با سایر الگوریتم های موجود می باشد. علاوه بر این الگوریتم ارایه شده وابسته به احساسات چهره نبوده و در تمامی حالات صورت نتیجه مطلوبی دارد. دیتا ست مورد استفاده بخشی از مجموعه داده معروف Annotated Facial Landmarks in the Wild (AFLW2000)است.در هر عکس تا بیست و یک نقطه ی ویژگی وجود دارد که برای عملیات یادگیری کمک میکند.

کلیدواژه ها:

یادگیری ماشین ، نقاط ویژگی ، مجموعه داده ، توصیفگر