بهبود کارایی روش سنتی آشکارسازی چهره مبتنی بر ماشین بردار پشتیبان

در این مقاله ایده هایی برای بهبود کارایی روش سنتی آشکارسازی چهره با استفاده از ماشین بردار پشتیبان، پیشنهاد شده است. در روش سنتی، ابتدا تصویر ورودی به پنجره هایی همپوشان با ابعاد ثابت تقسیم و در نهایت برای هر پنجره در مورد این که حاوی چهره هست یا نه، تصمیم گیری می شود. نرخ آشکارسازی و خطای هشدار غلط این روش خیلی مطلوب نیست. در این مقاله برای بهبود کارایی، به جای استفاده از پنجره با ابعاد ثابت از پنجره هایی با اندازه های مختلف استفاده می شود. هر پنجره دارای دقت خاصی در آشکارسازی است. در این روش، تصمیمات حاصل از به کارگیری پنجره های مختلف روی یک ناحیه از تصویر، با هم ادغام می شوند. همچنین در این مقاله از یک سطح تصمیم گیری وفقی برای تصمیم گیری در خروجی طبقه بندی کننده استفاده شده است. از طرفی به جای این که تصمیم گیری برای هر پنجره فقط متکی بر خروجی ماشین بردار پشتیبان باشد، از معیارهای شباهت سنجی بین پنجره مربوطه با مدلی از چهره برای تصمیم گیری نهایی استفاده می گردد. نتیجه به کارگیری این ترفندها، افزایش نرخ آشکارسازی و همچنین کاهش خطای هشدار غلط است. نتایج شبیه سازی با استفاده از مجموعه داده استاندارد، این مساله را تایید می کند.