تشخیص هویت با استفاده از ویژگی های محلی چهره وکلونی زنبور عسل مصنوعی و طبقه بندی کننده ماشین بردار پشتیبان

امروزه با توجه به پیشرفت روز افزون سیستم های نظارتی، شناسایی و گسترش الگوریتم های کارآمد در این حوزه حائز اهمیت است. در این راستا تشخیص چهره ی انسان به دلیل کاربرد گسترده ای که در موارد متعددی نظیر تشخیص هویت، کنترل دسترسی، سیستم های امنیتی و غیره دارد، به یکی از موضوعات مهم تحقیق در زمینه شناسایی الگو و بینایی ماشین تبدیل شده است. فرآیند استخراج ویژگی یکی از بخش های مهم در سیستم هوشمند محسوب می شود، برای شناسایی چهره این ویژگی ها باید نسبت به تغییرات حالت چهره، تغییرات شدت روشنایی، تغییر مقیاس و دوران سر مقاوم باشد. در این مقاله از ویژگی های محلی برای شناسایی چهره استفاده می شود. ابتدا ویژگی الگوهای دودویی گرادیان از تصاویر چهره استخراج می شوند. سپس از الگوریتم آنالیز خطی متمایز کننده برای کاهش ابعاد بردار ویژگی استخراج شده استفاده می شود. در مرحله بعد عملیات بهینه سازی و یافتن بهترین ویژگی ها برای دسته بندی توسط الگوریتم کلونی زنبور عسل انجام می شود. دسته بند مورد استفاده در این پایان نامه ماشین بردار پشتیبان می باشد. در این مقاله از پایگاه داده ی ORL استفاده شده است. دقت به دست آمده برای روش پیشنهادی 100 درصد می باشد.