بازشناسي چهره با استفاده از آناليز تفكيك خطي بر پايه موجك‌هاي هار و گابور و ماشين بردار پشتيبان

Gabor and Haar Wavelets Mixed Usage in Face Recognition Based on Direct Linear Discriminant Analysis and Support Vector Machine

در اين مقاله، پس از انجام مطالعه‌اي در مباحث الكترونيك، پردازش تصوير، بينايي ماشين، بازشناسي چهره، فيلترينگ، تبديل موجك، آناليز تفكيك خطي و ماشين بردار پشتيبان، روش جديدي براي بازشناسي چهره، معرفي و پيشنهاد شده است. روند كلي اين روش به‌صورت زير است: ابتدا تعدادي تصوير از چهره اشخاص، كه در اين مقاله از پايگاه داده‌هاي FERET برگرفته شده است؛ به‌عنوان بانك اطلاعاتي براي بازشناسي چهره، وارد سيستم مي‌گردد. سپس، از تبديل گابور براي استخراج ويژگي‌هاي تصاوير استفاده مي‌شود. به‌دليل حجم زياد داده‌هاي به‌دست‌ آمده، ابتدا فرآيند فشرده‌سازي آن‌ها بر پايه تبديل موجك به روي تصاوير به‌دست‌ آمده انجام گرفته و سپس، با استفاده از آناليز تفكيك خطي نسبت به جداسازي آن‌ها اقدام مي‌شود. در نهايت، با استفاده از ماشين‌هاي بردار پشتيبان، كلاسه‌بندي و بازشناسي تصاوير حاصله انجام مي‌گيرد. نتايج حاصل از شبيه‌سازي‌ها، مبين تأثيرات مثبت روش پيشنهادي در حفظ ويژگي‌هاي تصاوير در بازشناسي آن‌ها و دقت بالاي اين روش در مقايسه با شيوه‌هاي مشابه مي‌باشد.

In this paper, beside studying in fields of electronic, image processing, computer vision, face recognition, filtering, wavelet transform, linear discriminant analysis and support vector machine, a new method for face recognition has been proposed. First, feature vectors are obtained from raw face images using Gabor wavelets. Next, the extracted feature vectors are mapped to a low dimensional subspace using Haar wavelets. Then, direct linear discriminant analysis technique is used for more compressing and splitting data obtained from the previous part. Finally, these obtained data are sent to support vector machine classifier for classification and then recognition of new images. The proposed method was examined using the FERET database. Experimental results illustrate effectiveness of this method against other related works in terms of recognition rate.