تشخيص چهره با استفاده از تكنيك زيرفاصله و جنگل‌هاي تصادفي مبتني بر شبكه عصبي و SVM

تشخيص چهره از روش‌هاي شناسايي افراد مي‌باشد كه به دليل سهولت در بدست آوردن جزئيات آن باعث كاربرد اين روش در دهه‌هاي اخير شده است، كارايي اين روش نسبت به روش‌هايي مانند تشخيص چهره از طريق عنبيه، شبكيه چشم، اثر انگشت و غيره ممكن است مقداري كمتر باشد ولي در روش شناسايي با استفاده از چهره بدليل عدم نياز به همكاري فرد مورد بررسي، اين روش از مقبوليت بهتر و بيشتري برخوردار است. در اين پژوهش با استفاده همزمان از روش زيرفاصله بعنوان استخراج كننده ويژگي چهره و بكارگيري روش پيش‌پردازش در مراحل ابتدايي سامانه تشخيص چهره، افزايش نرخ تشخيص چهره بدست آمده است. استخراج ويژگي جزيي از چهره، باعث افزايش نرخ درستي در تشخيص شده است. الگوريتم زيرفاصله با برجسته كردن ويژگي‌هاي مورد نياز جهت شناسايي و حذف اطلاعات غير ضروري، باعث كاهش حجم محاسبات و افزايش سرعت تشخيص مي‌شود. تعداد 3060 داده از 153 نفر در 20 حالت مختلف در اين پژوهش استفاده مي‌شود كه80 درصد از داده‌ها توسط ماشين بردار پشتيبان و جنگل‌هاي تصادفي كه هر دو جزء دسته‌بندي كننده‌ها مي‌باشند، تحت آموزش قرار گرفته و بر روي 20 درصد از داده‌ها آزمايش مي‌شوند. با توجه به اهميت پيش‌پردازش و حذف تاريكي تصوير به منظور برجسته‌تر كردن لبه‌ها در تصوير، در اين پژوهش با بهره گرفتن از اين دو تكنيك استخراج ويژگي صورت گرفته است و با استفاده از تركيب PCA +LDA كاهش ابعاد ويژگي صورت گرفته و نتايج بهتري بدست آمده است. دقت در روش پيشنهادي براي جنگل‌هاي تصادفي 0196/99% و براي ماشين بردار پشتيبان 183/99% مي‌باشد كه نسبت به نتايج جنگل‌هاي تصادفي به مقدار 8596/1%]2[ و ماشين بردار پشتيبان به مقدار 023/12%]1[ بهبود يافته است.