ارائه روشي جديد بر مبناي PCA+HCD براي كاهش ابعاد استخراج ويژگي در تشخيص حالات چهره

يكي از موضوعات تحقيقاتي مهم در زمينه پردازش تصوير تشخيص حالات چهره مي باشد؛ كه مهمترين كاربردهاي آن در روان درماني فرد بيمار و ناتوان در بروز احساسات خود مي باشد. از طرفي ديگر اساسي‌ترين چالش‌هاي موجود در اين زمينه پردازش تصاوير، استخراج ويژگي حالات چهره از تصوير افراد مختلف با شماهاي متفاوت مي‌باشد. در اين مقاله از دو روش گوشه يابي هريس(HCD) جهت استخراج ويژگي ناحيه لب و همچنين از روش HCD در كنار الگوريتم تحليل مولفه هاي اصلي (PCA) كه ابعاد داده ها را كاهش مي‌دهد استفاده شده است. سيستم پيشنهادي پس از دريافت تصوير و مشخص نمودن محدوده لب، نقاط بحراني استخراج مي كند سپس در انتها توسط ترسيم منحني بزير نقاط و عمگر مقايسه‌اي حالت چهره فرد را تشخيص مي دهد. آزمايشات بر روي پايگاه دادهCohn-Kaonde در دو مرحله و بر روي سه حالت متفاوت از صورت، يعني حالات معمولي، لبخند و خنده كامل چهره، انجام گرفته است. همچنين كارايي سيستم در اين مقاله توسط معيار دقت تشخيص و بازيابي مورد ارزيابي گزارش شده است. مطابق با آزمون‌هاي انجام شده و نتايج بدست آمده روش پيشنهادي از دقت نسبتا قابل قبولي برخوردار است.