تعیین چاقی و لاغری افراد با استفاده از پردازش تصویر و یادگیری ماشین

یکی از مهم ترین اولویت های کشورهای پیشرفته دنیا استفاده از تصمیم گیری ماشین به جای انسان است. یکی از حوزه هایی که نیازمند این زمینه است، حوزه سلامت است. به این منظور مشخص کردن چاقی و لاغری افراد می تواند در مطالعه و بررسی وضعیت سلامت یک جامعه و اتخا ذ سیاست های نظام سلامت بسیار مفید واقع شود. تصاویر افراد به عنوان پایگاه داده پژوهش از چند محیط مختلف که فاصله دوربین و فرد در تمامی آن ها یکسان بوده تهیه شده اند. سپس پس زمینه تصویر با استفاده از تفریق پس زمینه حذف می شود. ویژگی های تصویر که ویژگی های مورفولوژیکی تصویر را شامل می شود از تصویر استخراج شده و به دو دسته بند داده می شود تا عملیات دسته بندی صورت پذیرد. افراد به سه دسته چاق، متوسط و لاغر تقسیم شدند. در این مقاله، دو دسته بند ماشین بردار پشتیبان، K-نزدیک ترین همسایه بر روی سه نوع مجموعه تصویر خام، فیلتر شده و نویزدار شده اعمال شده است. تصاویر با استفاده از روش فیلتر پایین گذر گاوسین با فرکانس های مختلف فیلتر شده با استفاده از دو روش نویز فلفل نمک و نویز گاوسین نویز دار شده اند.در تصاویر نرمال بالاترین دقت مربوط به روش ماشین بردار پشتیبان با دقت 7/91 درصد، در تصاویر فیلتر شده بالاترین دقت مربوط به روش K- نزدیکترین همسایه با 3/83 درصد و در تصاویر نویز دار شده بالاترین دقت مربوط به روش ماشین بردار پشتیبان با 75 درصد بود. نتایج حاصل از این مقاله نشان داد که با روش پیشنهادی ارایه شده علاوه بر اینکه می توان افراد یک جامعه را از لحاظ چاقی و لاغری دسته بندی کرد به دقت بالاتری نسبت به بیشتر روش هایی که تا کنون ارایه شده اند، رسید. با توجه به راهکارها و نتایج این پژوهش با افزایش تصاویر افراد علاوه بر بالا بردن دقت به سطح کاربردی تری خواهد رسید.