شناسايي چهره با استفاده از مدل سازي پيكر بندي محلي و شبكه عصبي مصنوعي

در سال‌هاي اخير شناسايي چهره به دليل كاربردهاي فراوان، در تحقيقات بينايي ماشين مورد توجه قرار گرفته است. به دليل تغييراتي مانند حالت چهره، شدت روشنايي محيط، نويز و زاويه ديد، شناسايي چهره با دقت بالا هنوز هم به عنوان يك مسئله چالش برانگيز مطرح است. از آنجايي كه فرآيند استخراج ويژگي يكي از بخش هاي مهم بوده و تاثير بسزايي در دسته بندي دارد، در اين مقاله روشي جديد براي استخراج ويژگي‌هاي چهره جهت شناسايي هويت ارائه شده است. در ابتدا توسط رويكرد مدل‌سازي پيكربندي محلي كه نسخه بهبود يافته از الگوهاي دودويي محلي مي‌باشد، ويژگي‌هاي ساختاري از تصاوير چهره استخراج مي‌شوند، سپس با استفاده از شبكه عصبي مصنوعي اين ويژگي‌ها جهت شناسايي چهره دسته‌بندي مي‌شوند. در اين مقاله از پايگاه داده ORL استفاده شد و دقت حاصل جهت دسته‌بندي تصاوير 66/91 درصد به دست آمد. نتايج آزمايشات برتري روش ارائه شده را نسبت الگوريتم‌هاي مشابه در شناسايي چهره نشان مي‌دهد.