تشخیص حالت چهره مبتنی بر الگوی باینری محلی و فاصله لون اشتاین

تشخیص حالت چهره، یک مسیله ی جالب و چالش برانگیز است و در حوزه های مختلف، مانند تعامل انسان- کامپیوتر و انیمیشن مبتنی بر داده، تاثیرگذار است. استخراج یک نمایش موثر چهره از تصاویر اصلی صورت، یک گام حیاتی برای تشخیص موفق حالت چهره است. در این مقاله یک روش پیش پردازش مناسب ارایه شده است که اثر نور بر روی تصاویر چهره را حذف کرده و در نتیجه آنها را برای استخراج ویژگی کارآمد آماده می کند. الگوهای باینری محلی نیز برای استخراج ویژگی پیاده سازی شده است که به ارایه بازنمایی و آنالیزموثر شناخته می شود. ویژگی های LBP در قالب نمودار هیستوگرام قرار می گیرند. سپس برای کاهش ابعاد ویژگی ها از الگوریتم تحلیل مولفه های اصلی استفاده می شود که تاثیر زیادی در کارایی تشخیص و همچنین کاهش زمان دارد. در نهایت برای طبقه بندی و تشخیص حالت مورد نظر از روش فاصله لون اشتاین فازی استفاده می شود که نسبت به طبقه بندی کننده های فاصله علمکرد بهتری دارد. نتایج شبیه سازی موید خروجی های مناسبت در مقایسه با دیگر روش ها است.

کلیدواژه ها:

تشخیص حالت چهره الگوهای باینری محلی ، کاهش ابعاد ، تحلیل مولفه های اساسی ، فاصله لون اشتاین فازی