دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 4 ۱۱ 2024 09 19 Facial expression detection using directional local descriptor تشخیص حالت چهره با استفاده از توصیفگر محلی جهتدار 48 66 10.22051/jera.2021.31891.2698 FA عبدالعلی موسسه آموزش عالی غیر انتفاعی لامعی گرگانی،گرگان،ایران رضا موسسه آموزش عالی غیردولتی انتفاعی لامعی گرگانی،،گرگان،ایران 2024 09 05 In recent years, facial expression recognition is considered one of the most important challenges in image processing and has found many applications. Nowadays, due to the so-called emotional relationship between humans and computers in the virtual world, the use of facial recognition methods has become very important. In this research, a new method for recognizing facial expressions is proposed. In order to avoid the limitations and maintain the simplicity and efficiency of traditional LBP, we propose a simple but efficient conceptual and computational texture descriptor, which is called Local Triple Directional Pattern (LDTP). The main advantage of the proposed descriptor over the existing ones is that it combines both concepts of LTP and LDP operators in a similar compact coding scheme, which provides more accurate and separable information. It has also been shown that using a combination of features instead of just one feature makes facial expression better and more robust. Therefore, the features of LDTP and XCSLBP are combined to obtain the final feature vector. Then, for more speed, the final feature vector is dimensionally reduced using the PCA algorithm. Now, this feature vector is given to the SVM, which has been previously trained by the training data, to finally identify one of the 7 facial expressions. The proposed method was examined from various aspects and compared with other existing methods. The accuracy of the proposed method for facial expressions of 7 classes is approx در سالهای اخیر تشخیص حالت چهره از مهمترین چالشهای پردازش تصویر محسوب شده و کاربردهای فراوانی پیدا کرده است. امروزه به دلیل وجود رابطه‌ی به اصطلاح عاطفی میان انسان و کامپیوتر در دنیای مجازی، استفاده از روشهای تشخیص حالت چهره اهمیت زیادی پیدا کرده است. در پژوهش حاضر روشی جدید برای تشخیص حالات چهره پیشنهاد شده است. به منظور اجتناب از محدودیتها و حفظ سادگی و کارآیی LBP سنتی، یک توصیفگر بافت مفهومی و محاسباتی ساده اما کارآمد را پیشنهاد میکنیم که با عنوان الگوی جهتدار سه گانه محلی (LDTP) نامیده میشود. مزیت اصلی توصیفگر پیشنهادی نسبت به آنهایی که در حال حاضر موجود است، این است که هر دو مفهوم اپراتورهای LTP و LDP را در یک طرح کدگذاری فشرده مشابه، که اطلاعات دقیقتر و تفکیکپذیرتری را فراهم میکند، ترکیب میکند. همچنین نشان داده شده است که استفاده از ترکیب ویژگیها بهجای تنها یک ویژگی باعث تشخیص بهتر و مقاومتر حالت چهره میشود. بنابراین ویژگیهای LDTP و XCSLBP با هم ترکیب شده تا بردار ویژگی نهایی حاصل شود. سپس برای سرعت بیشتر، بردار ویژگی نهایی با استفاده از الگوریتم PCA، کاهش بعد داده میشود. حال این بردار ویژگی به SVM که قبلا توسط دادههای آموزشی، آموزش داده شده است، داده میشود تا در نهایت یکی از 7 حالت چهره مشخص شود. روش پیشنهادی از جنبههای گوناگون مورد بررسی قرار گرفت و با سایر روشهای موجود، مقایسه شده است. دقت روش پیشنهادی برای حالت چهره 7 کلاسه حدود 96.22 درصد است که نسبت به سایر روشها از دقت بالاتری برخوردار است. /downloadfilepdf/1712451