بازشناسي چهره با استفاده از مدل بهبود يافته HMAX

Face Recognition Based on Hierarchical Model and X (HMAX)

مقدمه: سيستم شناسايي چهره، يك سيستم بيومتريك است كه با استفاده از روش­ هاي هوشمند اتوماتيك، هويت انسان را بر اساس ويژگي هاي فيزيولوژيكي تشخيص مي دهد و تاييد مي­كند. هدف از اين پژوهش، بهره گيري از مدل HMAX بهبود يافته براي بازشناسي چهره است. HMAX مدل بايولوژيكي الهام گرفته از سيستم بينايي انسان است. در اين مقاله براي بهبود عملكرد مدل HMAX از اتوماتاي يادگير، بهره گرفته شده است. اتوماتا، داراي پارامترهاي آزاد الفا و بتا است، قدرت پيشگويي در محيط هاي غير قطعي را دارد و براي بالا بردن نرخ بازشناسي چهره انسان، به كار مي آيد. روش: ورودي مدل پيشنهادي، ديتا با استاندارد FEI، شامل تصاوير 200 فرد اهل برزيل است. پس از خواندن تصاوير با دستورات نرم افزار MATLAB، تصاوير خوانده شده وارد مرحله استخراج ويژگي مي شود. استخراج ويژگي با فيلترهاي مدل HMAX انجام مي ­شود. براي محاسبه نرخ بازشناسي چهره، ويژگي­هاي استخراج شده با مدل HMAX، دسته بندي مي­ شود. پارامترهاي مدل HMAX، با اتوماتاي يادگير تعيين مي­ شود. HMAX، مدل سلسله مراتبي با ساختار چهار لايه­ ايC2 ,S2 , C1 ,S1 براي تشخيص ويژگي­ هاي ريز تصاوير است. به دليل نمايش كارايي مدل پيشنهادي، مدل HMAX بهبود يافته با مدل رقيب الگوريتم Genetic، مقايسه شده است. يافته­ ها: نتايج تحليل ديتا ست، نرخ بازشناسي چهره را 94/08 درصد نشان داده است. نتيجه­ گيري: با توجه به نتايج اين پژوهش مدل HMAX بهبود يافته، نرخ بازشناسي چهره را با دقت بالاتري نسبت به الگوريتم Genetic، نشان داد.

Introduction: The Face Detection System is a biometric system which applies smart automatic methods to detect and/or verify a person’s identity based on physiological features. The current study aims to use the improved HMAX model for face recognition. HMAX is a biological model inspired by the human vision system. Hence, to improve the function of HMAX model we used learning automata as it has free parameters of Alpha and Beta. Learning automata is able to predict in uncertain environments and is applied to increase the rate of human face recognition. Method: In this study used the standard FEI dataset as the input of the proposed model which incorporates 200 photos of Brazilian people. When the photos are read by the MATLAB software commands, they enter the phase of feature extract which is done through HMAX model filters. To measure the rate of face detection, all the extracted characteristics are categorized. The HMAX model parameters are determined through learning automata. HMAX is a hierarchical model with a four-layered system of C2,S2,C1,S1 for recognizing the fine features of photos. Moreover, we compared the improved HMAX model with the Genetic algorithm to demonstrate the efficiency of the proposed model. Results: The results of dataset analyses show a 94.08 percent of face detection. Conclusion: So, we conclude that the face detection rate in the improved HMAX is more than the Genetic algorithm.