شناسايي گوش بااستفاده از روش استخراج مشخصه HMAX و طبقه بندي كننده SVM
خلاصه مقاله:
در اين مقاله، روش جديد وموفّقي به نامHMAX كه از سيستم بيولوژيكي مغز انسان براي تهيه بردار خصوصيات الهام مي گيرد، به منظور استخراج مشخصه هاي گوش افراد استفاده شده است. ما از مجموعه داده گوش USTB كه شامل ١٨٠ تصوير گوش از ٦٠ نفر( با ٣ تصوير از هر نفر) مي باشد، براي اثبات عملكرد مناسب روشمان استفاده نموده ايم. نتايج آزمايشي ما نشان داده
است كه شيوه پيشنهاد شدي در مقايسه با شيوه،PCA نه تنها ضريب شناسايي بالاتري را به دست مي آورد، بلكه همچنين اين شيوه نسبت به تغيير مقياس و موقعيت تصاوير نيز مقاوم است و عملكرد آن در برابر اين تغييرات، ثابت باقي مي ماند. درحاليكه روش،PCA فقط كنترل شده در زماني كه شرايط كاملا باشد، ضريب شناسايي بالايي را به دست مي آورد. همچنين، نتايج آزمايشي نشان داده كه استفاده از تركيب مدلHMAX و دسته بندي كنندهSVM باعث افزايش عملكرد شناسايي سيستم پيشنهادي درمقايسه با تركيب مدلHMAX و دسته بندي كننده نزديكترين همسايگي(KNN) مي شود. از سوي ديگر، بااستفاده از آزمايشات انجام گرفته، به اين نتيجه دست يافتيم كه به كارگيري في.لتر گاوسين(Gaussian)در مدل HMAX در مقايسه با استفاده از في.لتر گابور ،(Gabor) عملكرد شناسايي اشخاص را افزايش مي دهد.
كلمات كليدي:
بيومتريك گوش،استخراج مشخصه، مدل،HMAX دسته بندي كننده (support vector machine)SVM ، في.لتر گاوسين.