شناسايي حالت چهره در تصاوير كنترل شده و كنترل نشده با استفاده از يادگيري متريك

شناسايي حالت چهره يكي از مسائل چالش‌برانگيز در بينايي ماشين است. تاكنون تحقيقات فراواني در اين زمينه انجام شده است، اما شناسايي حالت چهره در شرايط كنترل نشده به صورت يك مسأله حل نشده باقي مانده است. اغلب ويژگي‌هايي كه در بينايي ماشين استفاده مي‌شوند، ماهيت هيستوگرامي دارند. در اين مقاله يك روش جديد يادگيري متريك براي دسته‌بندي داده‌هاي هيستوگرامي ارائه مي‌شود. در اين روش، فاصله مربع كاي به نحو مناسبي براي يادگيري متريك اصلاح شده و يك تابع هزينه محدب براي يادگيري آن پيشنهاد مي‌شود. در ادامه، الگوريتم پيشنهادي با تعريف يادگيري موضعي براي مسأله شناسايي حالت چهره بازنويسي شده است. آزمايش‌هاي انجام شده بر روي پايگاه¬هاي داده كنترل شده و كنترل نشده شناسايي حالت چهره نشان مي‌دهد كه روش پيشنهادي نسبت به ساير روش‌هاي موجود داراي دقت بسيار بالاتري است.