تشخیص چهره با استفاده از تکنیک زیرفاصله و جنگل های تصادفی مبتنی بر شبکه عصبی و SVM

ت شخیص چهره از روش های شنا سایی افراد میبا شد که به دلیل سهولت در بدست آوردن جزییات آن باعث کاربرد این روش در دهه های اخیر شده است، کارایی این روش نسبت به روش هایی مانند تشخیص چهره از طریق عنبیه، شبکیه چشم، اثر انگشت و غیره ممکن است مقداری کمتر باشد ولی در روش شناسایی با استفاده از چهره بدلیل عدم نیاز به همکاری فرد مورد بررسی، این روش از مقبولیت بهتر و بیشتری برخوردار است. در این پژوهش با استفاده همزمان از روش زیرفاصله بعنوان استخراج کننده ویژگی چهره و بکارگیری روش پیش پردازش در مراحل ابتدایی سامانه تشخیص چهره، افزایش نرخ تشخیص چهره بدست آمده است. استخراج ویژگی جزیی از چهره، باعث افزایش نرخ در ستی در ت شخیص شده ا ست. الگوریتم زیرفاصله با برجسته کردن ویژگی های مورد نیاز جهت شناسایی و حذف اطلاعات غیر ضروری، باعث کاهش حجم محاسبات و افزایش سرعت تشخیص می شود. تعداد 3060 داده از 153 نفر در 20 حالت مختلف در این پژوهش استفاده میشود که80 درصد از داده ها تو سط ما شین بردار پ شتیبان 1و جنگل های تصادفی 2که هر دوجزء دسته بندی کننده ها میباشند، تحت آموزش قرار گرفته و بر روی 20 درصد از داده ها آزمایش میشوند. با توجه به اهمیت پیش پردازش و حذف تاریکی تصویر به منظور برجسته تر کردن لبه ها در تصویر، دراین پژوهش با بهره گرفتن از این دو تکنیک ا ستخراج ویژگی صورت گرفته ا ست و با ا ستفاده از ترکیبLDA4+PCA3 کاهش ابعاد ویژگی صورت گرفته و نتایج بهتری بدست آمده است. دقت در روشپیشنهادی برای جنگل های تصادفی %99/0196 و برای ماشین بردار پشتیبان %99/183 میباشد که نسبت به نتایج جنگل های تصادفی به مقدار [2]%1/8596 و ماشین بردار پشتیبان به مقدار [1]%12/023بهبود یافته است.

کلیدواژه ها:

تحلیل مولفه اصلی PCA ، تحلیل تمایز خطی (LDA) ، پیش پردازش ، جنگل های تصادفی ، ماشین بردار پشتیبان