تأثير پيش‌پردازش در قبال طبقه‌بند در سيستم‌هاي تشخيص چهره

فناوري تشخيص چهره يكي از جذاب‌ترين و كاربردي‌ترين زمينه‌ها در حوزه هوش مصنوعي است. اين فناوري يكي از تكنيك‌هاي بيومتريك است كه مبتني بر شناسايي ويژگي‌هاي چهره انسان است. اين پژوهش نشان مي دهد كه در رابطه با افزايش دقت سيستم‌هاي تشخيص چهره آيا تأثير پيش‌پردازش تصوير بيشتر است يا انتخاب طبقه بند مناسب. با دانستن تأثير مراحل مختلف در دقت سيستم‌هاي تشخيص چهره مي‌توان به‌دقت و كارايي بالاتري دست‌يافت. در اين مقاله معماري‌هاي مختلف كه شامل مراحل پيش‌پردازش، استخراج ويژگي و طبقه‌بندي تصاوير مي شود، آزمايش‌شده و بهترين روند ازنظر دقت در چينش بلوك‌ها معرفي گرديده. در مرحله پيش‌پردازش نرمال‌سازي و متعادل‌سازي هيستوگرام استفاده‌شده است. با تكنيك PCA ويژگي‌ها استخراج‌شده‌اند و همچنين از طبقه بندهاي ماشين بردار پشتيبان و درخت تصميم و KNN براي طبقه‌بندي تصاوير استفاده‌شده است. روش پيشنهادي توسط توابع تخصصي مربوطه و در محيط گوگل كولب و به زبان پايتون پياده‌سازي و اجراشده است. در اين مقاله براي آزمايش روش پيشنهادي از بخشي از ديتاست YALE-B استفاده‌شده كه داراي 2414 تصوير مشتمل بر 38 كلاس مي‌باشد و هر تصوير داراي ابعاد 192×168است. شاخص‌ترين نتيجه‌اي كه از انجام مراحل مختلف مي‌توان گرفت تأثير بسيار زياد استفاده از طبقه بند مناسب در دقت خروجي است.