الگوریتمی سریع و کارا برای تعیین موقعیت چشم در چهره مبتنی بر الگوی باینری محلی دایرهای

چکیده مقاله

در این مقاله الگوریتم جدیدی مبتنی ­بر هیستوگرام الگوی باینری محلی (LBPH) دایره­ای و طبقه­بندی­کننده SVM، برای تعیین موقعیت دقیق چشم در چهره پیشنهاد می­شود. در روش پیشنهادی از یک مرحله پیش­پردازش سریع و دقیق مبتنی­بر ویژگی هار برای تعیین ناحیه­ی چهره و نگاشت رنگ و روشنایی برای استخراج نواحی کاندیدای چشم استفاده می­شود. بنابراین LBPH دایره­ای و طبقه­بندی­کننده تنها برای انتخاب نهایی از بین کاندیداهای چشم به­کار می­رود که سبب افزایش سرعت قابل ملاحظه و همچنین دقت الگوریتم نسبت به حالت استفاده از LBPH دایره­ای و طبقه­بندی­کننده بر­روی کل تصویر می­شود. از سایر مزایای الگوریتم پیشنهادی مقاوم بودن آن در­ برابر نویز و بنابراین دقت بالای آن، به­دلیل استفاده از ایده­ی میانگین پیکسل­ها برای آستانه­گذاری LBP دایره­ای است. به­ دلیل استفاده از چشم نیمه­باز و بسته، علاوه بر حالت باز، در آموزش طبقه­بندی­کننده، در برخی موارد ابروها نیز در خروجی ظاهر می­شوند که با یک رابطه­ی هندسی ساده­ی پیشنهادی حذف شده­اند. بنابراین روش ارائه­شده، برخلاف بسیاری از الگوریتم­های پیشنهادی، قادر به تشخیص چشم با دقت بالا در حالت­های مختلف می­باشد. بررسی نتایج تجربی بر روی تصاویر استاندارد پایگاه داده FERET نشان می­دهد الگوریتم پیشنهادی، ضمن سرعت اجرای بالا، در 98.4% موارد، ناحیه­ ی چشم را به­ درستی تشخیص می­دهد و بنابراین در مقایسه با الگوریتم­های مشابه عملکرد مطلوبی دارد.