شناسايي چهره با الهام از سيستم بينايي مغز و طبقه بندي كننده ماشين بردار پشتيبان

با توجه به اينكه استخراج ويژگي ها و مشخصه ها نقش مهمي در تشخيص چهره دارند، در اين مقاله، قصد داريم يك تكنيك استخراج ويژگي جديد كه نسبت به چرخش و تغييرات مقياس، مقاوم است را بكار بريم. به همين منظور دو مدل HMAX استاندارد و HMAX جديد كه الهام گرفته از سيستم بيولوژيكي بينايي مغز انسان هستند، را مد نظر قرار داده ايم. مراحل فرآيند شناسايي عبارتند از: دريافت تصاوير، پيش پردازش و نرمالسازي آنها، استخراج ويژگي ها، و نهايتاً طبقه بندي ويژگي ها با طبقه بندي كننده هاي ماشين بردار پشتيبان (SVM) و نزديكترين همسايگي (KNN). براي انجام آزمايشات از پايگاه داده ORL كه شامل 400 تصوير از 40 نفر مي باشد ( با 10 تصوير از هر شخص ) استفاده نموديم. نتايج آزمايشات نشان داده كه روش پيشنهادي در مقايسه با متد PCA نه تنها به ضريب شناسايي بالاتري دست مي يابد، بلكه نسبت به چرخش و تغييرات مقياس نيز مقاوم است و عملكرد آن در مقابل اين تغييرات ثابت باقي مي ماند.