شناسايي حالت هاي چهره بر اساس استخراج ويژگي هاي بافتي

در سال هاي اخير، شناسايي حالت هاي چهره بر اساس توصيف گرهاي محلي در برابر تغييرات حالت، نوع چهره، شباهت بين حالت هاي مختلف و اثرات نور محيط، عملكرد مقاوم تري را نشان داده اند. در حال حاضر، روش هاي استفاده شده براي شناسايي حالت اساساً برپايه ي تطبيق الگو، شبكه عصبي، مدل احتمال، ماشين بردار پشتيبان و ... هستند. در اين مقاله براي شناسايي دقيق حالت چهره، يك روش تركيبي به منظور استخراج ويژگي هاي محلي چهره ارائه مي شود. ابتدا از ويژگي هاي پيش پردازش تصوير به منظور حذف نواحي اضافي تصوير، بهبود نور تصوير، كنتراست، سايز تصويرو ... استفاده مي شود. سپس با بكارگيري از توصيف گرهاي محلي الگوي باينري محلي و آناليز فراكتال مبتني بر بافت به منظور استخراج موثر اطلاعات جزئي بافت چهره استفاده مي شود. اين توصيف گرهاي محلي، ويژگي هاي بافت محلي از ناحيه ي دهان و چشم ها كه بيشترين تاثير را در شناسايي حالت چهره دارند را استخراج مي كنند. پس از آن از ماشين بردار پشتيبان براي شناسايي و دسته بندي حالت هاي مختلف چهره استفاده مي شود. كارايي تكنيك معرفي شده با استفاده از پايگاه داده ي تصاوير صورت JAFFE اندازه گيري و محاسبه مي شود كه در ميان آن ها تصاويري وجود دارد كه چندين حالت تركيبي را به طور همزمان نشان مي دهند كه ناچاريم سيستمي طراحي نماييم كه قوي ترين حالت را از ميان حالت هاي ديگر تشخيص دهد. اين سيستم ها مي توانند به صورت قابل قبولي حالت هاي مختلف را دسته بندي كنند و نرخ شناسايي قابل توجهي ارائه دهند. اين روش به ميزان 92.7 درصد نرخ شناسايي دارد.