التعرف على تعابير الوجه باستخدام خوارزمية Facial Expressions recognition Based on Principal Component Analysis (PCA)

Abstract

ملخص البحث يعتبر تمييز تعابير الوجوة أحد المهام البصرية التي يمكن إن ينجزها الإنسان دون مشقة مع إنها من أصعب المهام أداء في الحاسوب. حيث اعتمد هذا النظام عند بناءه على الذكاء الاصطناعي بالإضافة إلى مجال معالجة الصور في عملية التعرف على تعابير الوجوه وتمييزها والتعرف عليها واتخاذ القرار المناسب في مدى مطابقة الصور التي تم التقاطها مع الصور المخزنة مسبقاً في قاعدة بيانات النظام وهي محاكاة للذكاء الإنساني في قدرته على تمييز تعابير الوجوه والتعرف عليها. تم استخدام قواعد بيانات قياسية جاهزة للصور والتي تتوافر في الانترنت لأغراض البحث العلمي، حيث تم التقاط هذه الصور تحت ظروف مختلفة منها التعبيرات في الوجه وتشمل شكل الوجه في وضع الابتسامة، الحزن، الخوف، الغضب، المفاجأة وغيرها من المشاعر، بالإضافة إلى الإضاءة حيث أن الوجه تتغير ملامحه بسبب الإضاءة مما ينتج عنها ظل ينعكس على الوجه ويغير من ملامحه، وأيضا وضع الوجه بالنسبة للكاميرا ويقصد بها حركة الوجه إما مواجهة للكاميرا، أو فقط نصف الوجه ظاهر بالنسبة للكاميرا، كما يدخل فيها أي حركة بأي اتجاه ولو بدرجة بسيطة، وأيضا أي أجزاء إضافية في الوجه مثل النظارات أو الشعر. في هذا البحث تم اعتبار هذه العوامل أساساً للتأكد من قدرة الحاسوب على التعرف على تعابير الوجه ،PCA والتي تعتمد على طريقة رياضية تسمى ،Eigen faces في الظروف المختلفة باستخدام تقنية والتي تتميز ببساطتها وفعاليتها في استغلال الوقت ومساحة الذاكرة. حيث تم اختبار كفاءة النظام المقترح باستخدام ثلاث قواعد بيانات قياسية وهي قاعدة بيانات Pain وقاعدة بيانات ،Utrecht تم جمعها في المؤتمر الأوروبي للإدراك المرئي في Utrecht تم Indian التي تم إنشائها في جامعة شمال كولومبيا البريطانية، وقاعدة بيانات expressions إنشائها في جامعه هندية بالإضافة إلى قاعدة بيانات أنشأها الباحث. تم تدريب النظام على 825 صورة وجه (ذكور وإناث) تتفاوت في درجة الإضاءة واتجاه الوجه و التعابير الوجهية ، بينما تم اختبار النظام على 742 صورة وجه تم التعرف على 733 صورة ذات تعابير مختلفة أي بنسبة 98.78 % ، مما يعني إن نتائج التجارب التي أنجزت على النظام المقترح كانت جيده وتؤكد إن الطرق المستخدمة لاستخلاص وتمييز تعابير الوجوة جيده ودقة تصنيفها عالية مقارنة بالتقنيات المتاحة حاليا. V Abstract The distinction expressions Emoticons a visual tasks that can be performed without discomfort with human it is one of the most difficult tasks in the computer's performance. Where adopted this system when built on artificial intelligence in addition to the field of image processing in the process of identifying the expressions of the faces and distinguish them and identify them and take the appropriate decision in the matching pictures taken with the images previously stored in the system database which is a simulation of intelligent human in his ability to distinguish expressions and recognizable faces. Through using different images from available databases which were prepared for scientific purposes, where they were to capture these images under different circumstances, including expressions of the face, including face shape in a smile, sadness, fear, anger, surprise and other emotions, in addition to lighting as the face changing his looks due to lighting resulting in under reflected on the face and change his looks, and also put a face for the camera and are intended facial movement either face of the camera, or just half of the face visible for the camera, as it enters any movement in any direction, even slightly, and also any additional parts of the face such as glasses or hair. Our research considers these different image acquisition conditions to measure the level of computer recognition of human face through using Eigen face technique. Eigen face is an appearance-based technique which based on PCA. It is practical approach due to its algorithm simplicity. Besides, it is efficient in processing time and storage. Where they were testing the efficiency of the proposed system using three databases record a database Utrecht collected in the European Conference of perception visible in Utrecht, and a database Pain expressions that were created at the University of Northern British Columbia, and the database of Indian was created at the University of Indian as well as database created by the researcher. Been trained in the system on 825 image of the face (male and female) vary in the degree of lighting and direction of facial expressions facial, while the test system on the 742 image of the face has been identified 733 image with different expressions, ie 98.78%, which means that the results of tests performed on The proposed system was good and confirms that the methods used to extract and distinguish the good faces and expressions high classification accuracy compared to currently available technologies