آشکارسازی حالات لبخند و خنده چهره افراد بر پایه نقاط کلیدی محلی کمینه

در این مقاله، آشکارسازی حالات لبخند و خنده چهره با رویکرد توصیف و کاهش بعد نقاط کلیدی ارائه شده است. اساس کار در این پژوهش بر مبنای دو هدف استخراج نقاط محلی کلیدی و ویژگی ظاهری آن‎ها، و همچنین کاهش وابستگی سامانه به آموزش نهاده شده است. برای تحقق این اهداف سه سناریوی مختلف استخراج ویژگی ارائه شده است. ابتدا اجزای یک صورت توسط الگوریتم الگوی دودویی محلی آشکار می شود؛ سپس در سناریوی نخست، با توجه به تغییرات همبستگی پیکسل های مجاور بافت محدوده لب، مجموعه نقاط کلیدی محلی بر پایه گوشه یاب هریس استخراج می شود. در سناریوی دوم، کاهش بعد نقاط مستخرج سناریوی نخست با بهبود الگوریتم تحلیل مؤلفه های اصلی انجام می شود؛ و در سناریوی آخر با مقایسه مختصات نقاط مستخرج از سناریوی نخست و توصیف گر بریسک مجموعه نقاط بحرانی استخراج می شود. در ادامه بدون آموزش سامانه، با مقایسه شکل و فاصله هندسی نقاط محلی محدوده لب حالات چهره آشکار می شود. برای ارزیابی روش پیشنهادی، از پایگاه داده های استاندارد و شناخته شده Cohn-Kaonde،CAFE، JAFFE و Yale استفاده شده است. نتایج به دست آمده از سناریوهای مختلف به ترتیب بیان گر بهبود 33/6 و 46/16 درصدی متوسط نرخ دقت بازشناسی سناریوی دوم نسبت به نخست و سناریوی سوم نسبت به دوم است. همچنین نتایج کلی آزمایش ها، کارایی قابل قبول بالای 90 درصد روش پیشنهادی را نشان می دهد.