مكان يابي نقاط راهنماي چهره با مقداردهي اوليه نقاط راهنما از طريق آموزش ويژگي‌هاي باينري محلي و هيستوگرام گراديان جهت‌ دار

چهره نقش مهمي در برقراري ارتباط بصري ايفا مي كند. با نگاه به چهره، انسان مي تواند به طور خودكار بسياري از پيام هاي غير كلامي، مانند هويت، قصد و احساسات انسان را استخراج كند. در بينايي كامپيوتر، براي استخراج خودكار اطلاعات چهره، مكان يابي نقاط كليدي چهره معمولأ يك مرحله كليدي است و بسياري از روش هاي تحليل چهره بر روي آشكارسازي دقيق اين نقاط برجسته ساخته مي شوند. مكان يابي و تنظيم نقاط راهنماي چهره در تصاوير با انسداد يك كار بسيار مهم و چالش برانگيز در بسياري از كارهاي بينايي و پردازش تصوير مي باشد. در اين تحقيق، روش جامع براي مقداردهي اوليه نقاط راهنماي چهره از طريق آموزش ويژگي هاي باينري محلي(LBP) و هيستوگرام گراديان جهت دار(HOG) و يك روش آشكارسازي نقاط راهنماي چهره با استفاده از رگرسيون حالت آبشاري قوي نقاط راهنما كه به صورت ويژگي هاي تفاوت پيكسل نقاط راهنما مشخص مي شود، معرفي شده است. ابتدا از طريق آناليز همبستگي هيستوگرام الگوي هاي باينري محلي(LBP) و سپس با استفاده از هيستوگرام گراديان جهت دار، ويژگي هاي چهره هاي آموزشي بدست مي آيد. با استفاده از اين ويژگي هاي تصاوير آموزشي، نقاط راهنماي بهينه براي تصوير تست تخمين زده مي شود. در مرحله تست با توجه به مقدار دهي اوليه تصوير، از انتخاب ويژگي مناسب براي تصوير استفاده مي گردد تا سرعت انجام فرآيند بيشتر شود. يعني تعداد مراحل با توجه به انتخاب ويژگي بهتر براي هر تصوير كمتر شود. سپس براي تنظيم چهره، از رگرسيون حالت آبشاري قوي استفاده مي شود و يك اصل محلي براي يادگيري ويژگي هاي نقاط راهنما به كار گرفته مي شود. اصل محلي كمك مي كند تا مجموعه اي از ويژگي هاي باينري بسيار متمايز كننده براي نقاط راهنماي چهره به صورت مستقل ياد گرفته شود. ويژگي هاي باينري محلي بدست آمده براي يادگيري مشترك رگرسيون حالت آبشاري براي خروجي نهايي مورد استفاده قرار مي گيرد. نتايج نشان مي دهد كه مقداردهي اوليه مورد استفاده در اين كار دقت ارزيابي را در رگرسيون حالت آبشاري بيشتر كرده است و به نتايج بهتري نسبت به مقداردهي اوليه تصادفي دست يافته است.