پریسا فردی - دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی و رباتیک، واحد علوم و
محمد شهرام معین - عضو هیئت علمی گروه سامانه های چند رسانه ای، پژوهشکده فناوری اطلاعات،
کیوان معقولی - عضو هیئت علمی دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزا

استفاده از نتایج حاصل از ترکیب طبقه بندها، یکی از راههای افزایش کارایی سامانه های بازشناسی چهره می باشد که در سال های اخیر محققین زیادی به آن پرداخته اند. الگوریتم AdaBoost ، به عنوان یکی از الگوریتم های تقویتی کارآمد که برای کاهش ابعاد فضای ویژگی های استخراج شده در سامانه های بازشناسی چهره استفاده شده است، تاکنون به عنوان طبقه بند در سامانه های بازشناسی چهره مورد استفاده قرار نگرفته است. در این مقاله به موضوع استفاده از این الگوریتم در بخش طبقه بندی یک سامانه بازشناسی چهره با هدف تأیید هویت پرداخته ایم. ویژگی های مورد استفاده بر اساس تبدیلات PCA و LDA استخراج شده است . برای آموزش و آزمایش این سامانه، 400 تصویر ر ORL و 165 تصویر پایگاه داده YALE مورد استفاده قرار گرفت AdaBoost به عنوان یک طبقه بند ترکیبی، توانسته نتایج را نسبت به یک طبقه بند منفرد بهبود بخشد . نشان داده شده که مدل نهایی ارائه شده نسبت به حالت های مختلف چهره، تغییرات نور، موقعیت و ... مقاوم می باشد. جهت ارزیابی نتایج روش پیشنهادی، روش کلاسیک KNN نیز شبیه سازی شده و نتایج آن با روش پیشنهادی مورد مقایسه قرار گرفته است که مؤید ارجحیت روش پیشنهادی می باشد.

بازشناسی چهره، ترکیب طبقه‌بندها، PCA، LDA، AdaBoost