شناسايي چهره با تركيب PCA و ANN بر اساس نواحي مركزي صورت

شناسايي چهره يكي از زمينه هاي تحقيقاتي در حوزه پردازش تصوير و بينايي ماشين است كه به دليل كاربردهاي مختلف آن همواره مورد توجه محققان بوده است. هدف زمينه تحقيقاتي شناسايي چهره، تعيين هويت افراد بر اساس چهره آنها مي باشد در اين مقاله ما استخراج ويژگي از نواحي مركزي صورت كه شامل چشم ها، بيني و دهان مي باشد را، كاهش ابعاد آن با متد تجزيه و تحليل مولفه هاي اصلي (PCA) و طبقه بندي و شناسايي با استفاده از شبكه عصبي براي بهبود شناساسي چهره پيشنهاد مي دهيم. روش پيشنهادي به اين صورت است كه ابتدا ما نواحي مركزي صورت افراد را از تصوير اصلي مشخص و بعد ويژگي هاي آن ها را استخراج مي كنيم سپس با استفاده از روش PCA ابعاد ويژگي ها را كاهش مي دهيم و با شبكه عصبي پس انتشار خطا (BPNN) آن ها را طبقه بندي مي كنيم. در اين مقاله ما ارزيابي خود را بر روي دو ديتابيس ORL و FERET انجام داده ايم و رويكرد خود را با روش توصيفگر تبديل ويژگي مقياس_مقاوم (SIFT) مقايسه كرده ايم. در ارزيابي انجام شده رويكرد ما 98.75 درصد و روش SIFT، 92 درصد شناسايي درست براي ديتابيس ORL و براي ديتابيس FERET رويكرد ما 97.77 درصد و روش SIFT، 64 درصد را نشان داده است كه صحت بهتر بودن روش ما نسبت با روش ذكر شده را اثبات مي كند.