РАСПОЗНАВАНИЕ ЛИЦ ЧЕРЕЗ РАЗЛИЧНЫЕ ВЫРАЖЕНИЯ ЛИЦА

Распознавание лиц является основной задачей проблемы, которую решают разработчики, а также оно привлекает простых пользователей, поскольку эта область называется интервенцией биометрической модальности. В этой статье предложен новый метод идентификации, то есть обнаружение (распознавание) лиц с разными эмоциями. Этот подход состоит из двух элементов: первое - это распознавание выражений лица и второе - распознавание лиц. Метод отражает еще два важных этапа для повышения качества распознавания при изменении выражений лица. Первый шаг - выбрать особо выделенные характеристики, отвечающие за образование эмоций лиц, применяя подход (метод) взаимной информации. Это действие помогает эффективно повысить точность классификации выражений лица, а также сократить размер вектора признаков. На втором этапе использован анализ основных компонентов (PCA) по построению EigenFaces для каждого класса выражений лица. Затем распознавание лица выполняется путем проецирования лица на соответствующее выражение лица Eigen Faces. Методика PCA значительно уменьшает размерность исходных пространств, поскольку распознавание лиц выполняется в уменьшенном пространстве EigenFaces. Проведено экспериментальное исследование для оценки эффективности предложенного подхода с точки зрения точности распознавания лиц и сложности пространства-времени.

1. Neurological and Psychological Mechanisms for Producing Facial Expressions. Psychological Bulletin (American Psychological Association Inc.) (1995).

2. Abbas, A. (2010). Face identification using multiwavelet-based neural network. Ph.D. thesis, University of Baghdad.

3. Ahonen, T., & H. A. P. M. (2004). Face recognition with local binary patterns, the European Conference on Computer Vision.

4. Arandjelovic, O., & S. G. F. J. C. R. D. T. (2005). Face recognition with image sets using manifold density divergence. In: CVPR.

5. Bartlett, M. S., & L. G. F. I. M. R. (2003). Real time face detection and facial expression recognition: Developmentandapplicationto human computer interaction. In: CVPR Workshop on CVPR for HCI.

6. Barton,J. J.,& Z. J. K. J. P. (2003). Perception of global facial geometry in the inversion effect and prosopagnosia. Neuropsychologia.

7. Belhumeur P. N., & H. J. K. D. (1997). Eigenfaces vs. fisherfaces, Recognition using class specif­ic linear projection. J. IEEE Trans (PAMI).

8. Y.-Q. Wang, «An Analysis of Viola-Jones Face Detection Algorithm, » IPOL Journal, 2013.

9. L. Shapiro and D. Stockman, Computer Vision, Bin. Laboratory of Knowledge, 2006.