آشکارسازی صورت مبتنی بر ویژگیهای هارمانند بهبود یافته

در این پایان نامه آشکارسازی صورت به کمک فیلترهای هارمانند بهبود یافته بررسی شده است. یکی از مشکلات سیستم های آشکارسازی صورت مبتنی بر ویژگی های هارمانند، استفاده از دو مقدار 1+ و 1- برای بخش های مستطیلی شکل ویژگی ها و تأکید بر مستطیلی بودن ویژگی هاست که انعطاف پذیری و کارایی این ویژگی ها را کاهش می دهد. در این پایان نامه سه روش جدید برای طراحی ویژگی های هارمانند ارائه شده است. در اولین روش، که منجر به تولید فیلترهای هارمانند شکل پذیر دلخواه شد، با شبکه بندی ناحیه داخلی فیلتر هارمانند و ایجاد چندین ناحیه، علاوه بر استفاده از مقادیر 1+ و 1- برای نواحی مختلف فیلتر، از مقدار 0 نیز استفاده شد. مقدار 0 با ایفای نقش خنثی کنندگی ناحیه، قابلیت شکل پذیری و انعطاف پذیری فیلترها را افزایش می دهد. استفاده از این فیلترها دقت الگوریتم را به میزان 0.54 درصد نسبت به فیلترهای هارمانند معمول بهبود بخشید. البته انتظار می رود با اجرای بهینه الگوریتم و با افزایش ابعاد فیلتر دقت فیلترهای ارائه شده به میزان زیادی افزایش یابد. در دومین روش که منجر به تولید فیلترهای هارمانند چندمقداره شد به جزء مقادیر 1+ و 1- و 0 برای نواحی مختلف فیلتر، از مقدارهای مختلف متقارن نظیر 05+ و 0.5- و یا 0.25+ و 0.25- نیز استفاده شد که قابلیت شکل پذیری و انعطاف پذیری فیلترها را نسبت به فیلترهای قبل افزایش داد. استفاده از این فیلترها نیز دقت الگوریتم را به میزان 9.02 درصد نسبت به فیلترهای هارمانند معمول و به میزان 8.48 درصد نسبت به فیلترهای هارمانند شکل پذیر دلخواه بهبود بخشید. با افزایش تعداد مقادیر متقارن استفاده شده در فیلترها و نیز افزایش ابعاد فیلترها، می توان دقت این فیلترها را نیز به میزان زیادی بهبود داد. در سومین روش که منجر به تولید فیلترهای هارمانند فازی شد می توان از مقادیر پیوسته در بازه ] 1+, 1-[ برای نواحی مختلف فیلتر استفاده کرد که علاوه بر قابلیت شکل پذیری و انعطاف پذیری فیلترها، تطبیق بهتر فیلترها بر الگوهای مختلف صورت را نیز افزایش می دهند. با استفاده از این فیلترها در مسأله آشکارسازی صورت دقت 66.33 درصد به دست آمد. با وجود اینکه فیلترهای فازی ارائه شده در حالت تئوری بسیار مناسب تر از فیلترهای هارمانند قبلی هستند ولی دقت عملی الگوریتم بسیار پایین بوده است که این امر به دلیل عدم آموزش مناسب سیستم بوده است، زیرا آموزش این سیستم به ازای 100 هزار فیلتر فازی به مدت2 ماه طول کشید، در نتیجه به دلیل عدم دسترسی به کامپیوترهای قوی تر، امکان اجرای طولانی تر الگوریتم و دستیابی به نتایج عملی بهتر امکان پذیر نشد. کلید واژه- آشکارسازی صورت، فیلترهای هارمانند، سیستم فازی، الگوریتم یادگیری تطبیقی تقویتی، طبقه بندهای ضعیف، الگوریتم viola & jones، تشخیص الگو.