چکیده فارسی :

در حال حاضر، تشخیص چهره دارای طیف وسیعی از کاربرد ها در زمینه های امنیتی، اجرای قانون، شرایط تصویر برداری، جهت گیری می باشد و  ژست و انسداد بعنوان مشکلات اصلی مربوط به تشخیص چهره مطرح هستند. عملکرد  سیستم های تشخیص چهره به  دلیل این مشکلات کاهش پیدا کرده است. آنالیز های افتراقی و یا آنالیز مولفه های اصلی برای  رسیدن به نتایج بهتر مورد استفاده قرار می گیرند. چهره انسان دارای اطلاعات مناسبی است که می توان آن ها را از مدل چهره  یا چهره ایجاد شده توسط روش PCA استخراج کرد. آنالیز مولفه های اصلی از رویکرد چهره ویژه برای توصیف تغییرات تصویر چهره بهره می برد. روش تشخیص چهره که برای همه شرایط مناسب باشد قابل دسترس نیست و برخی از روش ها در خصوص روشنایی مناسب و برخی برای مسئله  پوز و یا برخی برای مسئله انسداد مهم هستند. این مقاله الگوریتم هایی را برای تشخیص چهره در اختیار می گذارد.

چکیده انگلیسی :

At present face recognition has wide area of applications such as security, law enforcement. Imaging conditions, Orientation, Pose and presence of occlusion are huge problems associated with face recognition. The performance of face recognition systems decreases due to these problems. Discriminant Analysis (LDA) or Principal Components Analysis (PCA) is used to get better recognition results. Human face contains relevant information that can extracted from face model developed by PCA technique. Principal Components Analysis method uses eigenface approach to describe face image variation. A face recognition technique that is robust to all situations is not available. Some techniques are better in case of illumination, some for pose problem and some for occlusion problem. This paper presents some algorithms for face recognition.