بررسی مزایای روش ترکیب دو الگوریتم PCA , EBGM در شناسایی چهره انسان نسبت به سایر روش های شناسایی چهره انسان

در این مقاله ما مزایای روش جدید برای شناسایی چهره انسان را با سایر روش های شناسایی چهره مقایسه می کنیم. روش مورد نظر به دلیل اینکه فضای تشکیل یافته بوسیله اجزای اصلی (چهره های ویژه ماتریس کواریانس تصاویر اولیه) را به زیر فضای الگوریتم (EBGM) نگاشت می کند، پس از ایجاد فضای چهره ها و استخراج ویژگی ها، از شبکه های عصبی مصنوعی برای کلاسه بندی چهره ها استفاده شده است. ما با استفاده از بانک چهره Feret نشان داده ایم که با دادن ضرایبPCA ، بجای تصاویر اصلی (PCA+ EBGM)و استفاده از شبکه های عصبی مصنوعی، نرخ شناسایی به شکل قابل ملاحظه ای بهبود خواهد یافت.ما در این مقاله به بررسی مزایا و معایب روش های شناسایی چهره انسان میپردازیم، برای این کار ابتدا روشهای موجود را جمع آوردی کرده و در انتها مزایا و معایب هر روش را مشخص میکنیم، این امر باعث میشود تا نقاط ضعف و قوت روشهای موجود شناسایی شوند و در آینده از بهترین روش ها برای شناسایی چهره استفاده شود.

کلیدواژه ها:

تحلیل مولفه اصلی ، شبکه عصبی ، شبکه الاستیکی ، تشخیص چهره