شناسایی چهره با الهام از سیستم بینایی مغز و طبقه بندی کننده ماشین بردار پشتیبان

با توجه به اینکه استخراج ویژگی ها و مشخصه ها نقش مهمی در تشخیص چهره دارند، در این مقاله، قصد داریم یک تکنیک استخراج ویژگی جدید که نسبت به چرخش و تغییرات مقیاس، مقاوم است را بکار بریم. به همین منظور دو مدل HMAX استاندارد و HMAX جدید که الهام گرفته از سیستم بیولوژیکی بینایی مغز انسان هستند، را مد نظر قرار داده ایم. مراحل فرآیند شناسایی عبارتند از: دریافت تصاویر، پیش پردازش و نرمالسازی آنها، استخراج ویژگی ها، و نهایتاً طبقه بندی ویژگی ها با طبقه بندی کننده های ماشین بردار پشتیبان (SVM) و نزدیکترین همسایگی (KNN). برای انجام آزمایشات از پایگاه داده ORL که شامل 400 تصویر از 40 نفر می باشد ( با 10 تصویر از هر شخص ) استفاده نمودیم. نتایج آزمایشات نشان داده که روش پیشنهادی در مقایسه با متد PCA نه تنها به ضریب شناسایی بالاتری دست می یابد، بلکه نسبت به چرخش و تغییرات مقیاس نیز مقاوم است و عملکرد آن در مقابل این تغییرات ثابت باقی می ماند.

کلیدواژه ها:

شناسایی چهره ، قشر بینایی ، مدل HMAX ، طبقه بندی کننده ماشین بردار پشتیبان (SVM) و نزدیکترین همسایگی (KNN)