دانلود شبیه سازی مقاله تشخیص حالت چهره با فیلتر بانک گابور و الگوریتم کاهش ابعاد PCA و LDA

روش جدید شناسایی حالت چهره بر اساس فیلتر بانک گابور و الگوریتم های کاهش ابعاد

بیان حالت صورت اطلاعات مفیدی درباره احساسات انسانی ارائه می کند و نقش مهمی در ارتباطات انسانی دارد. به منظور تسهیل رابط کاربری هوشمند و طبیعی انسان از محصولات چند رسانه ای جدید، تشخیص خودکار چهره در سراسر جهان در ده سال گذشته مورد مطالعه قرار گرفته است، که تبدیل به یک زمینه تحقیقاتی بسیار فعال در بینایی کامپیوتر و تشخیص الگو شده است. روشهای متعددی برای تجزیه بیان چهره از هر دو تصویر استاتیک و تصویر دینامیک ارائه شده است.
این مقاله یک سیستم تشخیص چهره مبتنی بر ویژگی گابور و با استفاده از یک بانک فیلتر گابور جدید ارائه می دهد. به طور سنتی، یک فیلتر بانک کلی گابور با 5 فرکانس و 8 جهت، برای استخراج ویژگی گابور استفاده می شود.

زمان زیادی برای استخراج ویژگی وجود دارد و ابعاد چنین بردار ویژگی گابور بسیار زیاد است. یک  فیلتر بانک گابور با بخشی از پارامترهای فرکانس و جهت گیری پیشنهاد شده است. برای ارزیابی عملکرد بانک فیلتر محلی گابور ابتدا ابتدا روش فشرده سازی دو مرحله ای PCA و LDA را برای انتخاب و فشرده سازی ویژگی گابور مورد استفاده قرار داده شده است. سپس طبقه بندی کننده حداقل فاصله را برای تشخیص صورت بیان شده است.

نتایج تجربی نشان می دهد که این روش برای کاهش ابعاد و انجام درست تشخیص چهره بسیار موثر بوده است. بهترین میزان بهره به صورت میانگین به 97.33٪ برای پایگاه داده بیان صورت JAFFE رسیده است.

تشخیص چهره

کاهش ابعاد