این محصول در قالب پی دی اف و 53 صفحه می باشد.
این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-الکترونیک طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.
چکیده:
در حالی که روش های بیشماری برای شناسایی چهره در تصاویر رنگی و خاکستری ارائه شده است. فقدان یک مرور به روز برای این روش ها احساس می شود. نخستین مرور از روش های اولیه تشخیص چهره در سال 1991 توسط Chellapa Lyenger , Samad ارائه شده است. در سال 2002 نیز ming-shuan yang مرور جامعی روی روش های تشخیص چهره موجود تا آن زمان انجام دادند.
معیارهای مختلفی چون دقت، سرعت، زمان یادگیری، تعداد نمونه های آموزش و نسبت میان نرخ تشخیص صحیح و تشخیص اشتباه می تواند روش های گوناگون در تشخیص چهره استفاده گردد. (ناحیه ای از تصویر که توسط الگوریتم به عنوان چهره گزارش شده است اگر شامل قسمت اعظمی از چهره باشد به عنوان تشخیص صحیح در نظر گرفته می شود).
به طور کلی عملکرد روش های تشخیص چهره را می توان با دو نوع خطا تحلیل نمود:
1- منفی نادرست: جزئی از تصویر که چهره است و توسط روش به عنوان ناحیه غیرچهره طبقه بندی می گردد و سبب کاهش نرخ شناسایی می شود.
2- مثبت نادرست: ناحیه ای از تصویر که شامل چهره نمی باشد، اما چهره گزارش می گردد.
ارزیابی موثر، بایستی این دو عامل را به صورت توأمان مدنظر قرار دهد برای مثال در یک روش می توان پارامترها را طوری تنظیم کرد که تمام زیرتصاویر حاصله از یک تصویر را به عنوان چهره گزارش کند که سبب نرخ شناسایی صددرصد می گردد در حالی که نرخ شناسایی نادرست نیز بسیار بالا است. حالت بهینه این است که نرخ شناسایی صحیح صد باشد و نرخ شناسایی نادرست صفر باشد.
مقدمه
با وجود بیش از 150 شیوه برای تشخیص چهره، تحقیقات در این زمینه از پویایی بسیار زیادی برخوردار است. شناسایی تصویر را می توان به عنوان یک مسئله تشخیص دو کلاسی در نظر گرفت که در آن نواحی مختلف تصویر به عنوان صورت یا غیر صورت طبقه بندی می شود. تغییرات درون کلاسی، کلاس غیرچهره بسیار زیاد است. این تغییرات درون کلاسی زیاد را می توان به وسیله مجموعه بسیار بزرگی از تصاویر نشان داد. این مسئله سبب می گردد بسیاری از روش های متداول برای تشخیص شی قابل اعمال به این مسئله نباشد.
فصل اول
معرفی
مقدمه
تشخیص اشیاء مختلف و تعامل با آنها بخش عمده ای از فعالیت مغزی انسان را در فعالیت های روزمره شامل می شود. چهره ها یک دسته مهم از اشیاء هستند که در تعاملات انسانی نقش ویژه ای را ایفا می نمایند به همین دلیل در طی سال های گذشته دانشمندان و مهندسین سعی در جهت به وجود آوردن ماشین هایی که توانایی درک چهره انسان را داشته باشند، در تلاش بوده اند. این تلاش ها در زمینه های مختلفی از قبیل علوم کامپیوتر، علوم ادراکی، ریاضیات، فیزیک، روانشناسی و علوم اعصاب شناختی انجام شده و در واقع تلفیقی از زمینه های مختلف علوم در پیشرفت های اخیر نقش داشته اند.
ادراک چهره مبتنی بر کامپیوتر از اهمیت ویژه ای برخوردار بوده و دارای کاربردهای متنوعی از قبیل رابط های ماشین و انسان، چند رسانه ای، سیستم های نظارتی و امنیتی، مخابرات تصویری، متحرک سازی و غیره می باشد. لذا، در طی سال های اخیر روش های محاسباتی، الگوریتم ها و سیستم های بینایی ماشین متنوعی برای ادراک خودکار چهره به وجود آمده اند.
1-1- آشکار سازی چهره
ادراک چهره جنبه های مختلفی از قبیل درک حالت چهره، درک وضعیت و موقعیت چهره، تشخیص هویت از روی چهره، دنبال کردن چهره و غیره را شامل می شود. تشخیص چهره عبارت است از مشخص کردن وجود چهره ها و محل آن ها در یک تصویر، اولین گام جهت کاربردهای ادراکی می باشد. لذا از تشخیص چهره تحت عناوین تشخیص سطح اولیه یا سطح ورودی نیز یاد می شود.
آشکارسازی چهره در واقع عمل تفکیک چهره از سایر اشیاء یا الگوها را شامل شده و سایر عملیات ادراکی در مراحل بعدی انجام می شوند. در اغلب روش های تشخیص چهره از این واقعیت که چهره ها کلاس منحصر بفردی از اشیاء را تشکیل می دهند استفاده می شود. بدین معنا که چهره ها دارای ساختار مشابهی هستند و اجزا چهره همواره به صورت مشابهی چیده شده و ارتباط مکانی مشخصی دارند. اما کلاس چهره ها دارای دامنه وسیعی از تغییرات درون کلاسی می باشد که این امر یافتن یک روش ارائه مناسب برای چهره را که توانایی در برگرفتن این تغییرات را داشته باشد، دشوار می سازد. تغییرات درون کلاسی، علاوه بر وجود تفاوت بین چهره افراد مختلف، می تواند به دلیل عوامل متغیر ذیل نیز به وجود بیاید:
1- موقعیت چهره:
تصویر چهره با توجه به موقعیت نسبی چهره و دستگاه تصویربرداری دچار تغییر می شود و برخی اجزا چهره مانند چشم یا بینی ممکن است به صورت جزئی یا کلی در تصویر دیده نشوند.
2- وجود یا عدم وجود برخی اجزا:
برخی اجزا چهره از قبیل ریش، سبیل و عینک ممکن است وجود داشته یا نداشته باشند و بعلاوه این اجزا از لحاظ رنگ، شکل و اندازه دارای تغییرات زیادی می باشند.
سمینار کارشناسی ارشد برق تشخیص چهره انسان
