شناسایی چهره با استفاده از هیستوگرام گرادیان های جهتدار و روش تحلیل مولفه های اساسی

شناسایی چهره یکی از زمینه های مهم در پردازش تصویر و شناسایی الگو می باشد که هدف آن برچسب زدن یک تصویر ورودی به یکی از تصاویر موجود در پایگاه داده می باشد. این موضوع با توجه به اهمیت در حوزه های تجاری و امنیتی موضوعی باز و جذاب بوده و تا کنون روش های مختلفی برای تشخیص چهره در وهله اول و در مرحله بعدی شناسایی چهره (تشخیص هویت) انجام شده است. در این مقاله برای شناسایی چهره از روش استخراج ویژگی هیستوگرام گرادیان های جهت دار (HOG) و برای کاهش ابعاد فضای ویژگی از روش تحلیل مولفه های اساسی (PCA) استفاده شده است. همچنین در این مقاله برای ارزیابی عملکرد سیستم پیشنهادی از تصاویر دو پایگاه داده که به ترتیب شامل 100 و 400 تصویر بوده و شرایط تصویر برداری مختلفی دارند، استفاده شده است. برای انتخاب تصاویر آموزش و آزمایش از میان تصاویر موجود در هر پایگاه داده، روش Leave one out انتخاب شده است. طبقه بندی و برچسب زدن تصویر ورودی با استفاده از طبقه بند k نزدیکترین همسایگی و طبقه بند ماشین بردار پشتیبان در محیط نرم افزار MATLAB انجام شده است. نتایج بدست آمده نشان می دهد طبقه بند k نزدیکترین همسایگی با دقت های 100% و 98% بهترین عملکرد را داشته است.

کلیدواژه ها:

شناسایی چهره ، هیستوگرام گرادیان های جهت دار ، تحلیل مولفه های اساسی ، طبقه بند KNN