| المستخلص: |
المعلومات الموجودة في وجه الانسان متكررة بنسب كبيرة هذ كان الدافع الرئيسي لاستخدام تقنية PCA لتميز الوجه. لكن الصعوبة في استخدام تقنية PCA التقليدية هو الاسقاط العام يقمع المعلومات المحلية، وأنها ليست مرنة لمواجهة حالة الإضاءة والاختلافات في تعبيرات الوجه. وأنها لا تأخذ مهمة التمييز بعين الاعتبار مثالي. هذا البحث يقترح تحسين طريقة PCA في أنظمة تمييز الوجه، من خلال توفير درجة عالية من الدقة للتعرف على الوجوه بغض النظر عن المعلمات مثل تعابير الوجه المختلفة وزوايا الوجه (الاتجاهات)، وتصفيفة الشعر واخير مع / بدون النظارات الطبية. طريقة PCA المحسنة يتعمل على الاتي: تجميع الصور المستخدمة للتدريب إلى فئات مختلفة ولكل فئة يحتوي على جميع الصور لوجه إنساني واحد مع معلمات الوجه المختلفة. ثم تطبيق PCA على كل فئة في قاعدة بيانات التدريب بشكل منفصل، لذلك كل وجه لديه PCA محدد يميزه باي تعبير وجه وباي عينين مع او بدون نظارات، وكذلك لاي تصفيفة شعر، وبعد ذلك يتم ربط هذه الفئات مع بعضها البعض لوضع نموذج نهائي لفضاء الوجه والإسقاط. PCA سوف تعطي نتائج شمولية لتمييز الوجه ومعلماته. PCA المحسنة تعطي نتائج جيدة عند مقارنتها PCA التقليدية على قاعدة بيانات جافي للتعابير الوجه، وقاعدة البيانات PRL لزوايا الوجه و مع / بدون النظارات وتصفيفة الشعر.
Information found in a human face is redundant in high rate, so that was the motivation for using PCA for face recognition is to remove redundancy, and extract the features required for comparison of faces. Difficulties with conventional PCA are Global projection suppresses local information, and it is not resilient to face illumination condition and facial expression variations. And it does not take discriminative task into account ideally. This paper propose to enhance the PCA method in face recognition systems that by, provide high accuracy of recognize faces regardless of facial parameters such as expressions, face's angles (orientation), hairstyle and with/without classes. The enhanced PCA method concentrate on aspect that is; the images used for training are grouped into different classes and each class contains all images of a single human face with different facial parameters. Then apply PCA on each class in training database separately, so each face has a specific PCA recognize it in any frame of mind, eyes, and hair, after that correlate these PCA classes with each other to model the final total face space and projection. PCA will give a universal results face identity and it is parameters. The proposed PCA produced good results when compared with the traditional PCA recognition ratio on JAFFE database for facial expression, ORL database for face's angles, with/without classes and hairstyle.
|
