انتخاب و ترکیب ویژگی های چهره ای برای تشخیص صورت

چکیده: این مقاله یک انتخاب ویژگی مربوط به چهره و تکنیک های ترکیبی را برای بهبود دقت طبقه بندی سیستم های تشخیص چهره مطرح و بررسی می کند. تکنیک پیشنهادی در شرایط انتخاب ویژگی و فرایند ترکیب جدید است. این تکنیک شبکه های عصبی و الگوریتم ژنتیک را برای انتخاب و طبقه بندی ویژگی های چهره ترکیب می کند. تکنیک پیشنهادی با استفاده از ویژگی های ناحیه صورت جدا و ویژگی های ترکیب شده ارزیابی می شود. ویژگی های ترکیب شده بهتر از ویژگی های ناحیه صورت جدا در بررسی آزمایشی انجام می شوند.  یک مقایسه جامع با دیگر تکنیک های تشخیص چهره موجود روی پایگاه داده معیار FERET در این مقاله  است. تکنیک پیشنهادی ۹۴ در صد دقت طبقه بندی ایجاد کرده که یک بهبود قابل توجه و بهترین دقت طبقه بندی در میان نتایج منتشر شده در نوشتجات است.

Selection and fusion of facial features for face recognition

ISI 2009

This paper proposes and investigates a facial feature selection and fusion technique for improving the classification accuracy of face recognition systems. The proposed technique is novel in terms of feature selection and fusion processes. It incorporates neural networks and genetic algorithms for the selection and classification of facial features. The proposed technique is evaluated by using the separate facial region features and the combined features. The combined features outperform the separate facial region features in the experimental investigation. A comprehensive comparison with other existing face recognition techniques on FERET benchmark database is included in this paper. The proposed technique has produced 94% classification accuracy, which is a significant improvement and best classification accuracy among the published results in the literature