تشخیص چهره با استفاده از الگوریتم رقابتی استعماری و ویژگی های sift

مسئله انتخاب ویژگی که یک مسئله np-hard می باشد، یکی از پیچیده ترین مسائل در تشخیص چهره است. در این پژوهش به بررسی کاربرد الگوریتم ازدحام ذرات (pso ) و الگوریتم رقابتی استعماری(ica) برای انتخاب ویژگی در مسئله تشخیص چهره می پردازیم که در آن ویژگی های استخراج شده برای سیستم تشخیص چهره مورد نظر، با استفاده از توصیفگرsift محاسبه شده اند. توصیفگرsift به مسئله شناسایی درست تصاویر چهره و تخصیص آنها به یک شخص در پایگاه داده مربوطه، می پردازد که در اینجا این تکنیک جدید با الگوریتم های تشخیص چهره eigenfaces و fisherfaces مقایسه شده است. بنابراین هدف از انتخاب ویژگی، انتخاب بهترین توصیفگر sift برای استخراج ویژگی می باشد. همچنین برای بررسی کارایی دو الگوریتم pso و ica از پایگاه داده های yale و at&t و feret استفاده شده است. در این پژوهش برای بهبود روشهای قبلی، به منظور کاهش تعداد نقاط غیر بهینه و زمان محاسبه، از الگوریتم pso باینری استفاده شده است. این الگوریتم با موقعیت مناسب از بردار سرعت، عملکرد آن را بهبود می بخشد. نتایج حاصل از توصیفگرsift برتری آن را نسبت به دو روش eigenfaces و fisherfaces ، به خصوص با استفاده از مجموعه داده های آموزشی کوچکتر نشان می دهد. همچنین دو مشکل عمده این روش که تشخیص غلط تصویر و زمان مورد نیاز برای تشخیص فرایند می باشد، حل گردیده است. الگوریتم استعماری، ویژگی های مناسبی را برای تشخیص چهره انتخاب می کند، به طوری که با تعداد ویژگی های بسیار محدود می توان دقت شناسایی خوبی نسبت به الگوریتمpso بدست آورد.