سیستم تشخیص چهره صورت با متغییر حالت جدید با به کار گیری ANFIS , PCA
چکیده
در این مقاله ، سیستم تشخیص صورت نا متغییر حالت کارا با به کارگیری PCA و ANFIS (PCA-ANFIS) طرح شده است . ویژگی های تصویر تحت آزمایش با به کار گیری PCA استخراج شد و سپس سیستم فازی عصبی محور ANFIS برای تشخیص به کار رفته است . سیستم طرح شده تصاویر صورت را تحت انواع شرایط حالت با به کار گیری ANFIS تشخیص می دهد . پایگاه دادگان تصویر صورت آموزشی توسط تکنیک PCA برای محاسبه ارزش های امتیازی پردازش شد که پس در پروسه شناخت استفاده می شود .
تکنیک شناخت صورت طرح شده با سیستم فازی – عصبی تصاویر ورودی صورت را با میزان تشخیص بالا تشخیص می دهد . رویکرد طرح شده در سکوی MATLAB اجرا شده است و با به کارگیری انواع تصاویر پایگاه دادگان تحت شرایط نا متغییر حالت مختلف ارزیابی شد .
کلمات کلیدی : تحلیل مولفه اصلی (PCA) ، تشخیص صورت ، ANFIS ارزش امتیازی
معرفی
تشخیص صورت برای تشخیص و تایید یا چند شخص در مورد داده شده تصاویر ویدیویی صحنه با به کار گیری پایگاه دادگان امتیازی از صورت ها می باشد . تشخیص صورت می تواند در دو دسته طبقه بندی شود : اینها ویژگی هندسی محور و ظاهر محور می باشند . روش های ویژگی هندسی محور پارامترهای مشتق شدت یا شدت را به کار می برند . سیستم تشخیص صورت شامل دو مرحله می باشد : اینها کشف صورت و تشخیص صورت می باشند. در مرحله کشف صورت ، تصاویر صورت در تصویر ورودی محلی سازی می شوند . در مرحله تشخیص صورت ، صورت های محلی سازی شده به صورت افراد ثبت شده در سیستم تشخیص اراده می شوند .
بنابراین توسعه هر دو الگوریتم های کشف صورت و الگوریتم های تشخیص صورت کاملاً مهم می باشند . تغییرات شامل شده در تشخیص صورت شامل نوردهی ، حالت و هویت ، حالات چهره ای ، سبک مو ، سن ، آرایش ، مقیاس می باشند .
حتی برای افراد تشخیص چهره ها (صورت ها) به درستی به دشوار است زمانی که نور به طور جدی تغییر می کند در حالی که شخص مشابه بسیار متفاوت ظاهر می شود . راه حل معمول برای کنترل تغییرات حالت در تشخیص چهره روش نما محور می باشد . در این روش ، تصاویر چهره افراد تشخیص داده شده از زوایای دید متفاوت کسب شده اند . تصاویر نما (دید ) مشابه برای ساخت ارائه فضای ویژه برای هر نما به کار رفت و ارائه های فضای ویژه خاص نما پس برای تشخیص شخص در حالات متفاوت به کار رفت . به هر حال الگوهای تصویر دو بعدی ازشی چهره سه بعدی می تواند به طور چشمگیری به علت نور دهی و تغییرات نماگزاری تغییر کند . اخیراً علاقه رو به رشدی در تشخیص چهره از مجموعه های تصویر وجود داشته است . اینجا ، بیش از تامین تصویر جویش واحد ، کاربر مجموعه تصاویر از فرد نا شناخته مشابه را تامین می کند ، در کل ، گالری نیز محتوی مجموعه از تصاویر برای هر فرد شناخته شده می باشد بنابراین سیستم می بایست افرادی را پوشش دهد که مجموعه گالری آنها ، بهترین تطبیق برای مجموعه جویش داده شده می باشد . اخیراً تشخیص چهره با به کار گیری مجموعه تصویر یا توالی ویدیویی توجه بیش از پیش در جامعه تشخیص الگو و دید کامپیوتری به خود جلب کرده است . مهمتر اینکه در مقایسه با عکس فوری واحد ، یک مجموعه یا توالی تصاویر اطلاعات بسیار بیشتری را در مورد تغییر در ظاهر مورد هدف تامین می کند .
A new pose invariant face recognition system using PCA and ANFIS
In this paper, an efficient pose invariant face recognition system using PCA and ANFIS (PCA–ANFIS) has been proposed. The features of an image under test have been extracted using PCA then neuro fuzzy based system ANFIS is used for recognition. The proposed system recognizes the face images under a variety of pose conditions by using ANFIS. The training face image dataset is processed by PCA technique to compute the score values, which are then utilized in the recognition process. The proposed face recognition technique with neuro-fuzzy system recognizes the input face images with high recognition ratio. The proposed approach is implemented in the MATLAB platform and it is evaluated by employing a variety of database images under various pose variant conditions.
لینک مقاله اصلی:
https://www.sciencedirect.com/science/article/pii/S0030402615009729
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد