بازشناسی حالت چهره با رویکرد محاسبات نرم

تشخیص حالت چهره می تواند به بهبود ارتباط دو سویه ی بین انسان و ماشین کمک کند، به این صورت که ماشین می تواند با توجه به احساس انسان رفتار مناسبتری را انجام دهد. در این تحقیق به منظور تشخیص حالت چهره از ترکیب قوانین اگر-آنگاه و منطق فازی نوع دوم استفاده شده است. قوانین اگر-آنگاه به ماشین کمک می کند تا فرایند تشخیص حالت چهره را به فرمی مشابه عملکرد انسان انجام دهد. چهره ی انسان می تواند در یک زمان ترکیبی از چند حالت چهره را دارا باشد. به دلیل این عدم قطعیت و توانایی منطق فازی برای استدلال دانش نادقیق از منطق فازی استفاده می کنیم. در فرایند تشخیص حالت چهره با دو عدم قطعیت درون-فردی و بین-فردی نیز مواجه هستیم. عدم قطعیت درون-فردی به این معناست که اگر یک شخص، یک حالت چهره را چندین بار تکرار کند، ویژگی های به دست آمده از چهره ی او در هر بار یکسان نخواهد بود. همچنین ویژگی های به دست آمده از چهره برای افراد مختلفی که یک حالت چهره را نمایش می دهند نیز متفاوت خواهد بود. به این عدم قطعیت بین-فردی می گوییم. به نظر می رسد استفاده از مجموعه های فازی نوع دوم بتواند به مدل سازی این دو عدم قطعیت کمک کند و موجب افزایش دقت در تشخیص حالت چهره شود. در این پایان نامه دو مدل برای تشخیص حالت چهره ارائه شده است. مدل اول یک سیستم استنتاج فازی از نوع ممدانی است که توابع عضویت آن از نوع فازی فاصله ای نوع دوم هستند. در این مرحله ابتدا یک سیستم استنتاج فازی نوع اول از نوع ممدانی طراحی و سپس توابع عضویت این سیستم را به مجموعه های فازی فاصله ای نوع دوم تبدیل کردیم تا سیستم استنتاج فازی نوع دوم متناظر با آن حاصل شود. قوانین به کار رفته در این دو سیستم با هم یکسان هستند. برای بهینه سازی پارامترهای توابع عضویت این دو سیستم از الگوریتم ژنتیک استفاده شده است. دومین مدل پیشنهادی یک سیستم استنتاج فازی سوگنو می باشد که توابع عضویت برای ورودی های این سیستم مجموعه های فازی فاصله ای نوع دوم هستند. سیستم فازی نوع اول متناظر با این سیستم را نیز طراحی و در آن از قوانین یکسان با سیستم سوگنوی نوع دوم استفاده کردیم. در دو سیستم سوگنو برای بهینه سازی پارامترهای توابع عضویت ورودی از الگوریتم بهینه سازی پس انتشار خطا استفاده شده است. کلیه قوانین فازی در این دو مدل بر اساس مقادیر ویژگی به دست آمده از پایگاه های داده استخراج شده اند. در نهایت بین این دو مدل و سیستم های فازی نوع اول متناظر با هر کدام مقایسه ای صورت گرفته است. برای مدل اول آزمایش های خود را بر روی دو پایگاه داده cohn-kanade و jaffe و برای مدل دوم بر روی پایگاه داده jaffe انجام دادیم. نتایج به دست آمده برای هر دو مدل نشان داد که سیستم های استنتاج فازی نوع دوم در تشخیص حالت چهره نسبت به سیستم های استنتاج فازی نوع اول متناظر با خود دقت بیشتری دارند.