ارائه یک سیستم تشخیص چهره با انتخاب بهینه‌ی ویژگی‌ها مبتنی بر الگوریتم بهینه‌سازی فاخته
محورهای موضوعی : مهندسی برق و کامپیوتر
فرناز حسینی
1
,
حامد سپهرزاده
2
1 - گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه‌ای، ایران
2 - گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه‌ای، ایران
کلید واژه: تشخیص چهره, بهینه‌سازی ویژگی‌ها, الگوریتم بهینه‌سازی فاخته, الگوریتم بهینه‌سازی,
چکیده مقاله :
تشخیص چهره، یک عمل تشخیص الگوست که به‌طور خاص بر روی چهره‌ها انجام می‌شود و کاربردهای فراوانی در شناسایی کارت‌های اعتباری، سیستم‌های امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ می‌باشد که در سال‌های اخیر مورد توجه محققان مختلفی قرار گرفته است. فرایند استخراج ویژگی و طبقه‌بندی، دو مسئله مهم در سیستم‌های تشخیص هستند که می‌توانند در افزایش دقت تشخیص نقش بسزایی را ایفا کنند. با توجه به این موضوع در این مطالعه با درنظرگرفتن ویژگی‌های ترکیبی و بهینه‌سازی الگوریتم فاخته، روشی برای بهبود میزان دقت در تشخیص چهره پیشنهاد شده است. در روش ارائه‌شده، هفت ویژگی از روی تصاویر موجود در پایگاه داده استخراج شده، سپس با به‌دست‌آوردن بردار ویژگیِ مطلوب، مراحل مربوط به انتخاب ویژگی با استفاده از الگوریتم فاخته انجام می‌شود. روش پیشنهادی با نرم‌افزار Matlab پیاده‌سازی گردیده و با روش‌های دیگر مورد مقایسه قرار گرفته است. نتایج مربوط به ارزیابی نشان می‌دهند که روش پیشنهادی توانسته عمل تشخیص بر روی تصاویر دو بانک داده ORL و FDBB را به‌ترتیب با دقت 00/93% و %12/95% انجام دهد. نتیجه به‌دست‌آمده برای این معیار ارزیابی نسبت به سایر روش‌های مقایسه‌شده از مقدار بالاتری برخوردار است.
Face recognition is a pattern recognition process that is specifically performed on faces. Face recognition has many applications in identifying credit cards, security systems, and other cases. Creating a face recognition system with high accuracy is a big challenge that has been the focus of various researchers in recent years. The feature extraction process and classification are two important issues in diagnosis systems that can play a significant role in increasing the accuracy of diagnosis. Considering this issue, in this study, taking into account the combined features and optimizing the cuckoo algorithm, a method to improve the accuracy of face recognition is proposed. In the presented method, seven features are extracted from the images in the database, and then by obtaining the feature vector, the steps related to feature selection are performed using the cuckoo algorithm. The proposed method has been implemented with MATLAB software and compared with other methods. The evaluation results show that the proposed method was able to perform the detection on the images of ORL and FDBB databases with 93.00% and 95.12% accuracy, respectively. The result obtained for this evaluation criterion has a higher value than other compared methods.