بهبود روش تشخيص چهره تغييرناپذير با زاويه ديد مبتني بر تركيب كلاس بندي كننده‌ها

كارشناسي ارشد

تشخيص چهره يك كار محاسباتي است كه به وسيله‌ي سيستم‌هاي بينايي ماشين اجرا مي‌شود. عوامل بسياري باعث دشواري در كارايي سيستم‌هاي تشخيص چهره مي‌شود. يكي از مهم‌ترين اين عوامل تغييرات زاويه سر مي‌باشد. تركيب طبقه بندها، يك رويكرد مؤثر در يادگيري ماشيني است كه در آن با تركيب نتايج چند طبقه بند سعي مي‌شود تقريب بهتري از يك طبقه بند بهينه فراهم شود. براي آنكه تركيب نتايج طبقه بندها مفيد واقع شود بايد طبقه بندهاي پايه ضمن برخورداري از كارايي قابل قبول، داراي خطاهاي متفاوتي بوده و قاعده مناسبي براي تركيب نتايج آن‌ها به كار گرفته شود. اين مقاله يك روش جديد براي تشخيص چهره مستقل از زاويه ديد بر مبناي تركيب طبقه بندها و با استفاده از ويژگي‌هاي بدست آمده از سيستم بينايي انسان را معرفي مي‌كند. ابتدا چندين مجموعه ويژگي با استفاده از ويژگي‌هاي طبقه اول مدل سيستم بينايي انسان از تصاوير چهره استخراج مي‌شود و سپس به طرح طبقه بندي تركيبي ارايه شده داده مي‌شود. مجموعه‌هاي آموزشي جديد براي هر يك از طبقه بندها در طرح ارايه شده، با استفاده از انتخاب تصادفي مجموعه ويژگي‌هاي اصلي و در كنار هم قرار دادن اين مجموعه‌ها بدست مي‌آيد. نتايج آزمايش‌هاي ما بر روي مجموعه داده‌ي CMU-PIE و ORL نشان مي‌دهد كه روش پيشنهادي به ترتيب باعث افزايش نرخ شناسايي به مقدار 75/3 و 62/2 درصد نسبت به روش هاي ديگر مي شود. واژگان كليدي : تشخيص چهره مستقل از زاويه ديد، تركيب طبقه بندها، مدل سيستم بينايي انسان، ويژگي‌هاي سطح C1

182753

دانشگاه علم و صنعت ايران

دكتر محمدرضا دليري

برق - الكترونيك

دكتر احمد آيت اللهي