تشخیص چهره با استفاده از الگوریتم KPCA با متلب

پروژه تشخیص چهره با استفاده از الگوریتم KPCA با MATLAB

در این پست پروژه تشخیص چهره با استفاده از الگوریتم KPCA با متلب را آماده کرده ایم که الگوریتم مورد استفاده در آن (KPCA) یک الگوریتم جدید و پیشرفته در زمینه پردازش تصویر می باشد. در ادامه می تونید فیلم و تصاویر از خروجی این پروژه پردازش تصویر را مشاهده نمائید.

یكی از موفق ترین راه حل های بیومتریک، تشخیص چهره است كه اخیرا مورد توجه بسیاری از پژوهشگران و مراکز علمی قرار گرفته است. این امر در سال های گذشته با ظهور كنفرانس های تشخیص چهره مانند AVBPA و AFGR و ارزیابی های تجربی قاعده مند از روش های تشخیص چهره نمود بیشتری به خود گرفته است.

حداقل دو دلیل اصلی برای این توجه زیاد وجود دارد. اولین دلیل بعد وسیع كاربرد های تجاری این شاخه از علوم، و دومی دسترسی به فناوری قدرتمند و قابل توجه در زمینه شناسایی چهره بعد از 30 سال تحقیق است.

توضیحات بیشتر، فیلم و تصاویر از خروجی پروژه تشخیص چهره با استفاده از الگوریتم KPCA با متلب در ادامه مطلب.

مشكلاتی همچون اندازه صورت، حالت صورت، تغییر مكان صورت در تصاویر، تغییر سن و غیره، سیستم های تشخیص چهره را یكی از پیچیده ترین مباحث پردازش تصویر و تشخیص الگو مطرح كرده است.

بیشتر سیستم های تشخیص چهره به صورت خودکار، با تقلید از سیستم تشخیص چهره در انسان، به دو قسمت تقسیم بندی می شوند:

الف) روش های مبتنی بر قالب کلی چهره ها.

ب) روش های مبتنی بر ویژگی های محلی و هندسی در چهره ها.

تشخیص چهره با الگوریتم PCA :

الگوریتم های مبتنی بر قالب کلی چهره، اکثرا به منظور شناسایی، از سه مرحله استخراج چهره از تصویر اولیه، استخراج ویژگی ها و كلاسه بندی چهره تشکیل شده اند. الگوریتم PCA در ارائه راه حل برای هر سه مرحله به کار می رود. در این پروژه از الگوریتم KPCA استفاده شده که یکی از الگوریتم های پیشرفته در زمینه پردازش تصویر است. KPCA بهبود یافته الگوریتم PCA می باشد.

برخی از تصاویر نمونه از پروژه تشخیص چهره با استفاده از الگوریتم KPCA با متلب را در ادامه مشاهده می فرمایئد:

تصویر خروجی 1:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4: