18526

۱۸۵۲۶

تخمين ميزان شدت درد از طريق ويژگي هاي بافتي چهره

كارشناسي ارشد

سيستم هاي الكترونيك ديجيتال

آبان ماه ۱۳۹۶

دكتر احمد آيت الهي

برق

هدف اين تحقيق، ارائه الگوريتمي براي تشخيص و تخمين هوشمند ميزان درد، از روي حالات چهره افراد است كه با استفاده از استخراج ويژگي از چهره و اجراي روش‌هاي دسته‌بندي روي آن‌ها انجام مي‌شود. در يك سيستم تشخيص خودكار درد، دقت و قابليت اطمينان و در عين حال سرعت سيستم از اهميت ويژه‌اي برخوردار است و به همين دليل تلاش‌هاي اخير بيشتر در جهت افزايش دقت و سرعت و كاهش خطاي اين سيستم‌ها بوده است. يكي از مهم‌ترين راه‌ها براي دستيابي به اين هدف، بهبود الگوريتم هاي استخراج ويژگي مورد استفاده است. محدود كردن الگوريتم استخراج ويژگي به ناحيه هايي كه بيشتر بيان‌گر درد و ناراحتي در چهره هستند نيز مي‌تواند روش مناسبي براي بالا بردن سرعت تشخيص درد و كاهش بردار ويژگي باشد. اين راه‌كارها با كاهش ابعاد بردار ويژگي، به افزايش سرعت پردازش منجر مي‌شود. در اين مقاله الگوريتم‌هاي استخراج ويژگي HOG محاسبه سريع و POEM بهبود يافته، ابتدا بر روي تصاوير چهره كامل و سپس روي نواحي كه در مواقع بروز درد بيشتر تحت تأثير قرار مي‌گيرند، مانند ناحيه چشم و ابرو و دهان، اعمال مي‌شود و سرعت و دقت تشخيص ميزان درد در اين دو حالت با ساير روش‌هاي مورد استفاده در مطالعات ديگر، مقايسه مي‌شود. نتايج نشان مي‌دهد كه اعمال تركيبي توصيفگرهاي پيشنهادي و همينطور اعمال موضعي آنها بر تصاوير چهره توانسته است با دقت و سرعت بالاتري ميزان درد را در افراد تشخيص دهد.

1396/11/29

11/22/2017 12:00:00 AM

The purpose of this study, is providing a method for recognizing and estimating the intensity of pain from the person's face . This method is done by using the feature extraction of the faces and implement the categorization methods on them. In an automatic pain detection system, the accuracy and reliability of the system has particular importance. For this reason, recent efforts have been made to increase the accuracy and mitigation of these systems. One of the most important ways to achieve this goal is limiting the image processing algorithm to areas most represents pain and discomfort in the face. This will result in increased processing speed by reducing the dimensions of the feature vector. In this paper, feature extraction algorithms like HOG,LBP ,Gabor and POEM apply on full face pictures and then on the affected areas during the onset of pain locally and finally speed and accuracy of pain detection are compared in both cases. The results show that local methods have been able to detect pain with higher accuracy and speed