ارائه یک روش جدید برای تشخیص حالت های چهره با استفاده از توصیفگرهای بافت و لبه

تشخیص حالت چهره یکی از مهم ترین مسائل بینایی ماشین می باشد که کاربردهای زیادی دارد. از جمله آن ها می توان ارتباط انسان با کامپیوتر را مثال زد. در این مقاله، روشی برای تشخیص حالت چهره با استفاده از توصیفگرهای بافت و لبه پیشنهاد شده است. شناسایی حالت چهره به طور کلی شامل سه مرحله است: پیش پردازش، استخراج ویژگی و دسته بندی. در این مقاله، برای پیش پردازش تصاویر ورودی که چهره در آن وجود دارد در روش پیشنهادی از تعدیل هیستوگرام استفاده شده است. در این مقاله، محوریت با مرحله استخراج ویژگی بوده و برای بهبود روش های موجود، از ترکیب و توصیفگر ldp و hog استفاده شده است. بعد از استخراج ویژگی ها، از ماشین بردار پشتیبان برای دسته بندی حالت های چهره استفاده شد. در این مقاله از پایگاه داده jaffe استفاده شده است. این پایگاه داده شامل 213 تصویر از هفت حالت صورت (خوشحال، ناراحت، عصبانی، ترس، تنفر، تعجب و طبیعی) است که این تصاویر از 10 مدل زن ژاپنی گرفته شده است. نتایج نشان داد که روش ارائه شده با رسیدن به دقت 99.04% در آزمون تشخیص حالت های چهره عملکرد بهتری نسبت به روش های محققان پیشین داشته است.