بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هماکنون مورد توجه بسیاری از محققان میباشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگهای صورت انسان انجام میشود دارای مزیتهای بسیاری نسبت به روشهای م چکیده کامل
بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هماکنون مورد توجه بسیاری از محققان میباشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگهای صورت انسان انجام میشود دارای مزیتهای بسیاری نسبت به روشهای مبتنی بر تصاویر بینایی متداول میباشد. در این تصاویر اثر تغییرات نور محیط که یکی از مهمترین معضلات بازشناسی چهره در تصاویر حوزه بینایی است، مرتفع میشود. یکی از مهمترین مشکلات بازشناسی چهره در تصاویر مادون قرمز حرارتی وجود موانع انتشار مانند عینک و ریش بوده که مانع استخراج دقیق موقعیت رگهای صورت میگردند. در اين تحقیق براي اولین بار الگوریتمي پیشنهاد شده است كه این مشکلات نیز تا حد زیادی برطرف ميگردند. در این مقاله جهت استخراج ویژگی صورت از موقعیت انشعاب رگها استفاده شده است و همچنین با انتخاب دستهبندی مناسب، رگهای تقلبی و انشعابات نادرست حذف شدهاند. از طرفی با استفاده از الگوریتم تطبیق زمانی پویا بهترین بردارهای ویژگی استخراج میشوند. با بررسی نتایج شبیهسازی شده بر روی بانک داده UTK-IRIS نرخ شناسایی بر روی تصاویر با عینک 95٪ و بر روي تصاوير با ریش صورت 88% است که نسبت به بهترين نتایج بهدست آمده قبلی در بانک داده یکسان، بهترتيب 10٪ و 40% بهتر میباشند.
پرونده مقاله
در اين مقاله بهمنظور توسعه عملکرد مدلهای شبکه عصبی در بازشناسی چهره با يک تصوير از هر فرد، يک ساختار شبکه عصبی دوسويه با الهام از نئوکورتکس مغز انسان ارائه شده است. در ساختار پيشنهادی همانند نئوکورتکس در ابتدا طی يک مرحله پردازش از پايين به بالا، يک تفسير زمخت از ورود چکیده کامل
در اين مقاله بهمنظور توسعه عملکرد مدلهای شبکه عصبی در بازشناسی چهره با يک تصوير از هر فرد، يک ساختار شبکه عصبی دوسويه با الهام از نئوکورتکس مغز انسان ارائه شده است. در ساختار پيشنهادی همانند نئوکورتکس در ابتدا طی يک مرحله پردازش از پايين به بالا، يک تفسير زمخت از ورودی صورت میگيرد، سپس در مرحله بعد نتايج بازشناسی اوليه ضمن عبور از يک شبکه عصبی معکوس پالايش میشوند. از اين مدل جهت جداسازی غير خطی اطلاعات فرد از حالت و تخمين مانيفولدهای اطلاعات فرد و حالت استفاده شده است. بهمنظور افزايش تعداد نمونههای تعليم در شبکه طبقهبندی کننده با استفاده از مانيفولدهای تخمين زده شده، تصاوير مجازی چهرههای نرمال موجود در پايگاه داده تست توليد شده است. با تعليم شبکه طبقهبندی کننده توسط تصاوير مجازی حاصل از تعليم شبکه دوسويه، درصد صحت بازشناسی 45/85٪ روی دادگان تست حاصل شده که در مقايسه با توليد تصاوير مجازی با استفاده از روش خوشهبندی بدون سرپرستی اطلاعات افراد و حالات دارای بهبود 82/1٪ میباشد.
پرونده مقاله
تشخیص چهره، یک عمل تشخیص الگوست که بهطور خاص بر روی چهرهها انجام میشود و کاربردهای فراوانی در شناسایی کارتهای اعتباری، سیستمهای امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ میباشد که در سالهای اخیر مورد توجه محققان مختلفی قرار گرف چکیده کامل
تشخیص چهره، یک عمل تشخیص الگوست که بهطور خاص بر روی چهرهها انجام میشود و کاربردهای فراوانی در شناسایی کارتهای اعتباری، سیستمهای امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ میباشد که در سالهای اخیر مورد توجه محققان مختلفی قرار گرفته است. فرایند استخراج ویژگی و طبقهبندی، دو مسئله مهم در سیستمهای تشخیص هستند که میتوانند در افزایش دقت تشخیص نقش بسزایی را ایفا کنند. با توجه به این موضوع در این مطالعه با درنظرگرفتن ویژگیهای ترکیبی و بهینهسازی الگوریتم فاخته، روشی برای بهبود میزان دقت در تشخیص چهره پیشنهاد شده است. در روش ارائهشده، هفت ویژگی از روی تصاویر موجود در پایگاه داده استخراج شده، سپس با بهدستآوردن بردار ویژگیِ مطلوب، مراحل مربوط به انتخاب ویژگی با استفاده از الگوریتم فاخته انجام میشود. روش پیشنهادی با نرمافزار Matlab پیادهسازی گردیده و با روشهای دیگر مورد مقایسه قرار گرفته است. نتایج مربوط به ارزیابی نشان میدهند که روش پیشنهادی توانسته عمل تشخیص بر روی تصاویر دو بانک داده ORL و FDBB را بهترتیب با دقت 00/93% و %12/95% انجام دهد. نتیجه بهدستآمده برای این معیار ارزیابی نسبت به سایر روشهای مقایسهشده از مقدار بالاتری برخوردار است.
پرونده مقاله