تشخيص نقاط خاص چهره با استفاده از تحليل بردارهاي ويژگي

در اين مقاله الگوريتم نويني جهت تشخيص نقاط خاص چهره ي تمام رخ با استفاده از استخراج ويژگي نقاط و بررسي آنها با استفاده از الگوريتم هاي يادگيري ماشين ارائه شده است. براي اين منظور لازم است تا با استفاده از اطلاعات آماده اي كه در مجموعه داده وجود دارد، ابتدا با استفاده از يكي از الگوريتمهاي دسته بندي، اطلاعات را در كلاسهاي مختلف دست بندي نماييم. سپس براي تصاوير ويدئوهاي تست (براي هر فريم) ابتدا نقاط مهم را بدست آورده و با استفاده از توصيفگر مناسب بردار ويژگي مورد نظر را به ماشين طبقه بند كننده بدهيم تا كلاس پيش بيني شده براي هر نقطه با توجه به بردار ويژگي اش مشخص گردد. سپس با توجه به امتياز هر نقطه بهترين نقاط را نمايش دهيم. لذا در اين مقاله وروديها، مجموعه داده (جهت آموزش) و تصاوير يا فريم هاي ويدئو (جهت تست) بوده و خروجي نقاط اصلي صورت است. مزيت الگوريتم ارائه شده سرعت بالاي آن در تشخيص نقاط اصلي و دقت قابل قبول آن در مقايسه با ساير الگوريتم هاي موجود مي باشد. علاوه بر اين الگوريتم ارائه شده وابسته به احساسات چهره نبوده و در تمامي حالات صورت نتيجه مطلوبي دارد. ديتا ست مورد استفاده بخشي از مجموعه داده معروف Annotated Facial Landmarks in the Wild (AFLW2000) است.در هر عكس تا بيست و يك نقطه ي ويژگي وجود دارد كه براي عمليات يادگيري كمك ميكند.