ارائه يك رويكرد جديد براي تشخيص حالت چهره مبتني بر آناليز جداسازي خطي و شبكه عصبي

در اين مقاله يك روش جديد به منظور تشخيص حالت چهره افراد ارائه شده است. روش پيشنهادي عمل تشخيص را در طي گام¬هاي استخراج ويژگي و طبقه¬بندي انجام مي¬دهد. در گام استخراج ويژگي، ابتدا از الگوريتم ويولا-جونز براي تشخيص ناحيه صورت استفاده مي¬شود. پس از استخراج صورت، نواحي چهره با استفاده از الگوريتم خوشه¬بندي FCM قطعه بندي مي¬شوند. سپس با استفاده از تجزيه گسسته موجك دوبعدي، ضرايب موجك مربوط به تصوير قطعه¬بندي شده استخراج مي¬شود. در نهايت از الگوريتم LDA به منظور استخراج ويژگي¬هاي توصيف كننده حالت چهره استفاده مي¬شود. در گام طبقه¬بندي، از يك شبكه عصبي پرسپترون با يك لايه مخفي استفاده مي¬شود. اين شبكه عصبي، عمل تشخيص حالات چهره را با استفاده از تابع آموزش لونبرگ-ماكارد انجام مي¬دهد. در پياده سازي روش پيشنهادي از نرم¬افزار MATLAB استفاده شده و براي ارزيابي كارايي آن از پايگاه داده YALEDB استفاده شده است. نتايج حاصل نشان مي¬دهد كه با استفاده از روش پيشنهادي مي¬توان حالت چهره افراد را با دقت بالا و تأخير كم تشخيص داد..