Face recognition has received significant attention in the last decades for many potential applications. Recently, the scale invariant feature transform (SIFT) becomes an interesting technique for the task of object recognition. This paper investigated the application of the SIFT approach to the face recognition and proposed a new method based on SIFT and support vector machine (SVM) for the face recognition problem. First the SIFT features are generated and then SVM is used for the classification. The presented method has been tested with the ORL database and the Yale face database, and the recognition results demonstrate its robust performance under different expression conditions

چکیده

در دهه های اخیر، تشخیص چهره به خاطر کاربردهای بالقوه فراوانی که دارد، بسیار مورد توجه قرار گرفته است. اخیرا، تبدیل ویژگی مقیاس نابسته (SIFT) به یک تکنیک جالب توجه برای تشخیص چهره تبدیل شده است. این مقاله به بررسی روش SIFT برای تشخیص چهره پرداخته است و یک روش جدید مبتنی بر SIFT و ماشین بردار پشتیبانی (SVM) برای مساله تشخیص چهره ارائه داده است. ابتدا ویژگی های SIFT تولید می شوند، سپس از SVM به منظور طبقه بندی استفاده می شود. روش ارائه شده روی پایگاه داده ORL و پایگاه داده چهره Yale امتحان شده است، نتایج بدست آمده نشان دهنده قوت عملکرد این روش در شرایط مختلف حالات چهره می باشد. 

1-مقدمه 

سیستم تشخیص چهره شامل شناسایی چهره و تشخیص چهره، از موضوعات با قدمت طولانی در زمینه بینایی رایانه ای است که به خوبی مورد مطالعه قرار گرفته است. عملکرد سیستم تشخیص چهره نه تنها به طبقه بندی کننده بستگی دارد بلکه به نمایش الگوهای چهره نیز وابسته می باشد. هدف از گزینش ویژگی در روش نمایش چهره، مهار تغییرات تصاویر چهره و ایجاد توان تشخیص دهندگی ارتقا یافته به صورت همزمان می باشد..