ارایه روشی برای بهبود بررسی احساسات چهره از طریق پردازش تصویر با استفاده از شبکه عصبی

در سالهای اخیر یکی از زمینههای مورد توجه در حوزه پردازش تصویر، تشخیص حالتهای چهره بوده است. هفت حالت اصلی چهره که اغلب برای تشخیص در نظر گرفته میشوند عبارتند از: شادی، غم، خشم، تعجب، ترس، تنفر و خنثی. حالت های چهره با تغییراتی در نقاط مختلف صورت ایجاد میشود. هرکدام از این قسمتها را واحد فعال (AU1) مینامند. برای تشکیل هر حالت چهره چندین AU به طور همزمان نقش خواهند داشت. بهطور مثال در حالت تعجب ابروها به بالا، چشمها باز و دهان نیز باز میگردد. درواقع نمیتوان فقط با یک AU یک حالت چهره را توصیف کرد. در این مقاله از پایگاه داده KDEF2 استفاده میشود، این داده ها شامل 232 تصویر از حالتهای چهره افراد میباشد. ما با استفاده از الگوریتم ازدحام ذرات PSO3 به انتخاب بهترین واحد های فعالیت استخراج شده برای بهتر کردن تشخیص حالت شادی و غم در چهره پرداخته خواهد شد، سپس از شبکه عصبی برای تشخیص حالتها استفاده میکنیم که در دو لایه پنهان در نظر گرفته شده است. برای ارزیابی عملکرد روش پیشنهادی آزمایشاتی را انجام دادیم. در نهایت الگوریتم PSO توانست دقت تشخیص حالات را با استفاده از شبکه عصبی بهبود بخشد و دقت خوبی با 92,29درصد کارایی داشته باشد.

کلیدواژه ها:

پردازش تصویر ، شبکه عصبی ، فیلتر Canny ، الگوریتم ازدحام ذرات PSO ، حالت احساسات