اکرم نوروزی - کارشناسی ارشد مهندسی نرم افزار، موسسه غیرانتفاعی میرداماد گرگان
مجتبی سلیمانی - دانشجوی دکتری، مخابرات سیستم دانشگاه صنعتی نوشیروانی بابل، عضو هییت علمی موسسه غیرانتفاعی میرداماد گرگان
امین بزازی - گروه کامپیوتر، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران

روش های مختلفی برای شناسایی حالت چهره انسان ارایه شده اند و نتایج آنها با تصاویری از حالات مختلف صورت که در پایگاه داده های مختلف وجود دارند. ارزیابی شده است. تشخیص حالات مختلف با استخراج ویژگی های چشم، دهان و ابروها و غیره انجام می گیرد و با استفاده از قوانینی که جهت تمییز حالات مختلف از یکدیگر تعریف می شود می توان حالت چهره را با دقت خوبی مشخص کرد. در این مقاله، هدف ایجاد بازنمایی جدید (نگاشت تصویر اصلی به فضاهای دیگر) هیستوگرام گرادیان (HOG) تغییر یافته و سپس تشخیص حالت چهره مبتنی بر بازنمایی مذکور است. پس از فراخوانی تصویر از پایگاه داده، ناحیه ی صورت از تصویر جدا می شود. با استفاده از بازنمایی مذکور، ویژگی های صورت استخراج می گردد. در پایان کار، از ماشین بردار پشتیبان چند کلاسه برای طبقه بندی حالت صورت استفاده می شود. نتایج تجربی نشان می دهد با استفاده از روش فوق میزان دقت تشخیص را در تصاویر عادی بدون نویز به 95.32 درصد و در تصاویر دارای نویز گوسین به 77.43 درصد، افزایش داد.

شناسایی حالت چهره، بازنمایی، استخراج ویژگی، هیستوگرام گرادیان تغییر یافته، ماشین بردار پشتیبان چند کلاسه