پایان نامه تشخیص چهره در پس زمینه های شلوغ بوسیله شبکه عصبی

تشخیص چهره در پس زمینه پیچیده و شرایط روشنایی مختلف با استفاده از فضای رنگ YCbCr و شبکه عصبی – سورس کد + مقاله به زبان اصلی + ترجمه شده پژوهش

این تحقیق از یک طرح تشخیص چهره استفاده می کند که می تواند چهره های متعدد در تصاویر رنگی را  با محیط های پیچیده و سطوح مختلف نور را تشخیص دهد.

طرح پیشنهادی شامل دو مرحله است. مرحله اول تقسیم بندی رنگ و مثلث برای جستجوی مناطق بالقوه صورت. مرحله دوم شامل تایید فاز با استفاده از یک شبکه عصبی فیدر چند لایه است.

سیستم می تواند انواع مختلف چهره را در شرایط روشنایی مختلف و متنوع  اداره کند.

[alert type=”info”]به طور خاص، این طرح به طور قابل توجهی سرعت اجرای الگوریتم تشخیص چهره را در زمینه های پیچیده افزایش می دهد. نتایج این مطالعه نشان می دهد که می توان از نظر سرعت و توانایی در نورپردازی های مختلف، پیشنهاداتی بهتر ارائه دهد.[/alert]

در گام نخست ، رنگ گرفته ميشود و ناحيه مثلثي شکل، براي جستجوي نواحي چهره بخش بندي ميشود.در گام بعدي چهره يافت شده با بکارگيري شبکه هاي عصبي چند لايه پيش سو شناسايي ميشود.اين سيستم ميتواند چهره با اندازه هاي متنوع،شرايط روشنايي متفاوت،موقعيت هاي متفاوت و گوناگون بکار گرفته شود. که بطور ويژه اي در مورد پس زمينه هاي شلوغ آشکارسازي چهره سريع مي باشد. نتايج نشان مي دهد روش پيشنهادي از نظر سرعت،شرايط روشنايي مختلف از تکنکيک هاي قبلي قوي تر مي باشد.

مقدمه
آشکارسازي چهره به معني مکان يابي واشکارسازي نواحي صورت در تصاوير ورودي ميباشد.و مقدمه اي براي سيستم هاي تشخيص چهره ميباشد.از جمله کاربردهاي ان ميتوان به موارد زير اشاره کرد:

  • بينايي ماشين
  • تشخيص چهره
  • سيستم هاي نظارتي
  • سيستم هاي امنيتي
  • روباتهاي هوشمند
    مشکلاتي که يک سيستم تشخيص چهره با ان مواجهه است شامل موارد زير ميباشد:
  • چرخش سر
  • جهت تابش نور
  • حالت صورت
  • عينک وريش
  • فضاي رنگ مورد استفاده
  • روي هم افتادگي
  • روشنايي

فهرست پایان نامه تشخیص چهره در پس زمینه های شلوغ به وسیله شبکه عصبی

  • چکیده
  • مقدمه
  • مدل پیشنهادی
  • الگوریتم پیشنهادی
  • پیش پردازش
  • فضای رنگ YCBCR
  • باینری سازی وشناسایی نقاط کاندید
  • استخراج نقاط کاندید
  • شناسایی و استخراج نواحی با چهار همسایگی
  • قانون مثلث متساوی الساقین
  • ناحیه بندی نقاط کاندید
  • نرمال سازی تصویر
  • شبکه های عصبی
  • نتایج آزمایش
  • سورس کد متلب
  • راهنمای سورس کد

راهنماي سورس کد

براي استفاده از سورس بايد نسخه 2008 و 2009 متلب نصب باشد.
براي راه اندازي برنامه ابتدا تصوير رنگي مورد نظر را در پوشه جاري برنامه با نام input.jpg کپي کرده وسپس ام فايل ml.m را اجرا کنيد. مراحل پياده سازي ما شامل بخش هاي زير است که در ادامه کلاسهايي که براي پياده سازي هر بخش ارائه شده توصيف ميشود.(کلاس اصلي پروژه ما کلاس ml.m است که از بقيه کلاسها استفاده ميکند)

مقالات مرتبط با این موضوع