بسته جامع تشخیص چهره انسان

این بسته پژوهشی مجموعه کاملی حاوی 1100 صفحه از آخرین پژوهش های انجام شده در زمینه تشخیص چهره انسان است. در تدوین این بسته از جدیدترین مقالات و پایان نامه های موجود در این زمینه استفاده شده است. مخاطبان این بسته دانشجویان تحصیلات تکمیلی و پژوهش گرانی هستند که قصد فعالیت در این زمینه دارند.

  • در فصل اول این پژوهش مروری بر تشخیص چهره بررسی شده است
  • در فصل دوم این پژوهش تشخیص چهره سه بعدی و دوبعدی بررسی شده است
  • در فصل سوم این پژوهش تشخیص چهره با استفاده از شبکه های عصبی مصنوعی بررسی شده است
  • در فصل چهارم این پژوهش روش های نوین تشخیش چهره بررسی شده است
  • در فصل پنجم این پژوهش مقالات انگلیسی تشخیص چهره بررسی شده است

در حال حاضر تشخیص حالت های چهره کاربردهای فراوانی پیدا کرده است که از جمله آنها می توان ارتباط انسان با کامپیوتر را مثال زد . با استفاده از این روش، یک ارتباط به اصطلاح قلبی میان انسان و کامپیوتر قابل تصور است . روباتهایی که دارای احساس هستند و با خوشحالی شما خوشحال و با ناراحتی شما ناراحت می گردند، می تواند مثالی از این نمونه باشد. در طراحی انیمیشن و فیلم های کارتونی ، طراحی شخصیت های مختلف در بازی ها و نیز در گرافیک کامپیوتری ، تشخیص حالت های چهره می تواند کاربرد مناسبی داشته
باشد . اگر یک شخصیت کارتونی ، حرکات صورت خود را برای نمایش یک حالت ، از چهرۀ یک انسان الهام بگیرد ، نمایش حالت مورد نظر بسیار واقعی تر بوده و طراحی نیز ساده تر می گردد.
تشخیص حالت های صورت از روی ویژگی های صورت که مهمترین آنها مربوط به چشم ، دهان و ابروها هستند ، انجام می گیرد. می توان با استفاده از قوانینی ، حرکات این اعضا را که توسط AU های مختلفی معین می گردند، تقسیم بندی کرده و هر حالت مشخص چهره را با تعدادی AU توصیف نمود . ولی نحوۀ تغییرات در AU ها در افراد مختلف، حتی برای نمایش یک حالت مشخص نیز متفاوت می باشد

قسمت هایی از فصل اول مروری بر تشخیص چهره

براي مقابله مؤثر با پيچيدگي روزافزون در بررسي، مطالعه، مدلسازي، و حل مسائل جديد در فيزيك، مهندسي، پزشكي، زيست شناسي، و بسياري از امور گوناگون ديگر ايجاد و ابداع روشهاي محاسباتي جديدي مورد نياز شده است كه بيشتر از پيش به شيوههاي تفكر و تعلم خود انسان نزديك باشد. هدف اصلي آنست كه تا حد امكان، رايانهها بتوانند مسائل و مشكلات بسيار پيچيده علمي را با همان سهولت و شيوايي بررسي و حل و فصل كنند كه ذهن انسان قادر به ادراك و اخذ تصميمات سريع و مناسب است. در اين مقاله، با استفاده از 21 نقطه مشخصه صورت، 5 ويژگي مختلف محاسبه و سپس با استفاده از يك سيستم استنتاج فازي روشي براي تشخيص حالات خوشحالي، ناراحتي، تعجب، ترس، عصبانيت ارائه شده است

فهرست کامل فصل اول مروری بر تشخیص چهره

1-1 ) مروری بر تشخیص چهره

1و1و1 مقدمه 4
1و1و1و1 آشکار سازی چهره 4
1و1و1و2 موقعیت چهره 4
1و1و1و3 وجود یاعدم وجود برخی اجزا 5
1و1و1و4 حالت چهره 5
1و1و1و5 پوشیدگی 5
1و1و1و6 چرخش چهره 5
1و1و1و7 شرایط تصویر برداری 5
1و1و1و8 ظاهر کل شئ و یا ظاهر اجزا شئ 6
1و1و1و9 تراکم جزئیات 6
1و1و1و10 متمم یا غیرشی 6
1و1و1و11 آماری 7
1و1و1و12 کاهش ابعاد 7
1و1و1و13 توابع احتمال یا توابع تمایز 8
1و1و1و14 مدل پارامتریک یا غیر پارامتریک 8
1و1و1و15 روش های تقریب و آموزش 9
1و1و2و1 مقدمه 9
1و1و2و2 مسائل مربوط با تشخیص چهره 9
1و1و2و3 مکان یابی چهره 9
1و1و2و4 تشخیص اجزا چهره 9
1و1و2و5 تشخیص هویت از روی چهره 10
1و1و2و6 ردیابی چهره 10
1و1و2و7 تشخیص حالت چهره 10
1و1و2و8 روش های تشخیص چهره و دسته بندی آن ها 10
1و1و2و9 روش های مبتنی بر آگاهی 10
1و1و2و10 روش های مبتنی بر ویژگی های نامعتبر چهره 11
1و1و2و11 روش های مبتنی بر تطبیق الگو 12
1و1و2و12 روش های مبتنی بر ظاهر 13
1و1و3و1 مسائل مرتبط با رنگ 14
1و1و3و2 فضاهای رنگ پایه 16
1و1و3و3 فضای رنگ ادراکی 16
1و1و3و4 فضای رنگ یکنواخت ادراکی 16
1و1و3و5 فضای رنگ دیگر 17
1و1و3و6 آستانه گیری 17
1و1و3و7 مدل هیستوگرام و طبقه بندی کننده بیز 18
1و1و3و8 مدل گوسی تک 19
1و1و3و9 مدل مخلوط گوسی 20
1و1و3و10 طبقه بندی کننده پرسپترون چند لایه 22
1و1و3و11 طبقه بندی کننده آنتروپی بیشینه 22
1و1و3و12 طبقه بندی کننده شبکه بیزین 23
1و1و4 نتیجه گیری 24
1و1و5 منابع 24

1-2 ) تشخیص چهره انسان

چکیده 37
مقدمه 38
1و2و1 معرفی 39
1و2و1و1 مقدمه 40
1و2و1و2 آشکار سازی چهره 41
1و2و1و3 دو بعدی یا سه بعدی 43
1و2و1و4 ظاهر کل شئ و یا ظاهر اجزا شئ 43
1و2و1و5 تراکم جزئیات 44
1و2و1و6 متمم یا غیر شی 44
1و2و1و7 آماری 46
1و2و1و8 کاهش ابعاد 46
1و2و1و9 توابع احتمال یا توابع تمایز 47
1و2و1و10 مدل پارامتریک یا غیر پارامتریک 47
1و2و1و11 روش های تقریب و آموزش 48
1و2و2 روش های تشخیص چهره 49
1و2و2و1 مقدمه 50
1و2و2و2 مسائل مرتبط با تشخیص چهره 51
1و2و2و3 روش های تشخیص چهره و دسته بندی آن ها 52
1و2و2و4 روش های مبتنی بر آگاهی 52
1و2و2و5 روش های مبتنی بر ویژگی های نامتغیر چهره 53
1و2و2و6 روش مبتنی بر تطبیق الگو 55
1و2و2و7 روش های مبتنی بر ظاهر 56
1و2و3 تشخیص به کمک اطلاعات رنگ 59
1و2و3و1 مقدمه 60
1و2و3و2 مسائل مربوط با رنگ 61
1و2و3و3 فضاهای رنگ پایه 62
1و2و3و4 فضای رنگ ادراکی 63
1و2و3و5 فضای رنگ یکنواخت ادراکی 64
1و2و3و6 فضای رنگ دیگر 64
1و2و3و7 آستانه گیری 64
1و2و3و8 مدل هیستوگرام و طبقه بندی کننده بیز 66
1و2و3و9 مدل گوسی تک 68
1و2و3و10 مدل مخلوط گوسی 69
1و2و3و11 طبقه بندی کننده پرسپترون چند لایه 71
1و2و3و12 طبقه بندی کننده آنتروپی بیشینه 72
1و2و3و13 طبقه بندی کننده شبکه بیزین 73
1و2و4 نتیجه گیری و پیشنهادات 74
1و2و4و1 نتیجه گیری 75
1و2و5 منابع 76

1-3 ) تشخيص حالات چهره با استفاده از منطق فازي

1و3و1 چکیده 82
1و3و2 مقدمه 82
1و3و3 منطق فازي چيست و چگونه كار مي كند 82
1و3و4 پيشينهاي از منطق فازي 82
1و3و5 منطق كلاسيك 83
1و3و6 منطق بي نهايت مقداره 83
1و3و7 انواع سيستم هاي فازي 83
1و3و8 سيستم فازي خالص 83
1و3و9 سيستم فازي تاكاگي سوگنو و كانگ 83
1و3و10 سيستم هاي فازي با فاز يساز و غير فازي ساز 84
1و3و11 تشخيص حالات صورت انسان با منطق فازي 84
1و3و12 نقاط مشخصه صورت 84
1و3و13 ويژگيهاي استخراج شده با استفاده از نقاط 84
1و3و14 نتیجه 86
1و3و15 منابع 86

1-4 ) تشخیص حالت چهره انسان با استفاده از نقاط ویژگی صورت

1و4و1 چکیده 87
1و4و2 مقدمه 87
1و4و3 روش ارائه شده 88
1و4و4 حالت انلاین 88
1و4و5 حالت آفلاین 89
1و4و6 آزمایش ها 90
1و4و7 نتیجه گیری 90
1و4و8 مراجع 91

1-5 ) استفاده از روش ترکیبی جهت تشخیص و شناسایی دقیق چهره انسان

1و5و1 چکیده 92
1و5و2 مقدمه 93
1و5و3 الگوريتم شناسايی چهره با استفاده از PCA 93
1و5و4 محاسبه چهره هاي ويژه 94
1و5و5 تصوير چهره در فضاي چهره ها 94
1و5و6 شناسايی چهره 94
1و5و7 آناليز تمايزات خطی 95
1و5و8 مقايسه بين دو روش LDA و PCA 96
1و5و9 روش تركيبی PCA+ LDA 97
1و5و10 شبكه عصبی پرسپترون چندلايه اي 97
1و5و11 پياده سازي و بررسی مدل پيشنهادي 98
1و5و12 نتایج 99
1و5و13 نتیجه گیری 100
1و5و14 مراجع 100

1-6 ) الگوریتم های تشخیص چهره

1و6و1 چکیده 101
1و6و2 مقدمه 102
1و6و3 اهداف شناسایی چهره 103
1و6و4 تصدیق هویت 103
1و6و5 شناسایی هویت 103
1و6و6 لیست بررسی 104
1و6و7 معیارهای ارزیابی کارآئی 105
1و6و8 چهار چوب کلی 105
1و6و9 استخراج ویژگی هاي چهره 106
1و6و10 تشخیص الگو 107
1و6و11 اختلافات در تصاویر مربوط به چهره 107
1و6و12 اختلافات تصاویر چهره 108
1و6و13 الگوریتم های تشخیص چهره 111
1و6و14 Eigenface 112
1و6و15 روش Fisherface 113
1و6و16 ICA 113
1و6و17 LDA 113
1و6و18 AAM 113
1و6و19 EBGM 113
1و6و20 بحث و نتیجه گیری 114
1و6و21 مراجع 115

i

ارجاع دهی و رفرنس نویسی

تمام مطالب این بسته مطابق با استاندارد های دانشگاههای وزارت علوم ایران رفرنس دهی شده اند و هیچ قسمتی از بسته وجود ندارد که بدون منبع باشد.

نگارش گروهی

در نگارش و جمع آوری این بسته آموزشی کارشناسان مربوطه ما را همراهی کرده اند.کار گروهی بستر بهتری برای پژوهش فراهم میکند.

<

معرفی منبع برای ادامه پژوهش

در این بسته بیش از 1000 مقاله و منبع در این زمینه معرفی شده است که می توان از آنها برای ادامه مسیر پژوهشی استفاده کرد.

Z

پاسخ به سوالات و پشتیبانی علمی

در قسمت دیدگاه ها  اماده پاسخگویی به سوالات احتمالی شما در حد توان علمی خود هستیم.در صورت نیاز شماره تماس برای ارتباط با محققین برای شما ارسال می گردد.

بخش هایی از فصل دوم تشخیص چهره سه بعدی و دوبعدی

امروزه بحث امنیت، تشخیص و تایید هویت اهمیـت ویـژه اي در زندگی اجتماعی انسان پیدا کرده است. به طوریکه در امور مربوط بـه امنیـت امـاکنی ماننـد دانشـگاه هـا، فرودگـاه هـا، وزارتخانه ها و حتی شـبکههـاي کـامپیوتري اسـتفاده از روش هاي بیومتریک در تشخیص هویت یا تایید هویت افراد بسـیار متداول شده اسـت. سیسـتمهـاي پیشـرفته حضـور و غیـاب ادارات، سیسـتمهــاي محـافظتی ورود خــروج امـاکن خــاص، نوتبوكهاي مجهز به Finger Printو … از روشهاي مختلف تشخیص هویت بیومتریک استفاده میکنند. کلمه Biometricاز ترکیب دو کلمه یونانی ( biosزنـدگی) و (metrikosتخمین) شـکل گرفتـه اسـت. بیومتریـک عبـارت اسـت از، تشـخیص هویـت افـراد بـا اسـتفاده از ویژگـی هـاي فیزیولــوژي و رفتــاري آنهــا. ایــن یــک تعریــف کلــی از واژه بیومتریک است. با استناد به این تعریف میتوان گفت که همه
افراد در زندگی روزمره خود، ناخودآگاه از بیومتریـک اسـتفاده میکنند.به عنوان مثال هویت افرادي که با آنها سرو کار داریم را میتـوان از روي صـدا، چهـره و حتـی طـرز راه رفـتنشـان تشخیص دهیم بنابراین میتوان تاریخچه استفاده از بیومتریک را به قدمت تاریخ بشر دانست

فهرست کامل فصل دوم تشخیص چهره سه بعدی و دوبعدی

2-1) بررسی روشها و چالشهاي موجود در تشخیص هویت انسان از روي تصاویر سه بعدي چهره

2و1و1 چکیده 116
2و1و2 مقدمه 116
2و1و3 مفاهیم و اصطلاحات پیش زمینه 117
2و1و4 پیش پردازش تصاویر سه بعدي 118
2و1و5 مد لهاي استاندارد تصاویر سه بعدي چهره 118
2و1و6 نویز در تصاویر سه بعدي 118
2و1و7 حذف قسمتهاي زائد تصویر 119
2و1و8 الگوریتمهاي تشخیص هویت سه بعدي چهره 119
2و1و9 الگوریتم هاي سه بعدي مبتنی بر ظاهر 119
2و1و10 تحلیل مولفه اصلی (principal component analysis) 119
2و1و11 تحلیل مولفه مستقل (analysis Independent component) 119
2و1و12 تحلیل تفکیک خطی 119
2و1و13 تحلیل ویژگی محلی 120
2و1و14 تحلیل مولفه بهینه Optimum component analysis 120
2و1و15 مدل مخفی مارکوف 120
2و1و16 الگوریتم هاي سه بعدي مبتنی ویژگی هاي جغرافیایی سطح چهره 120
2و1و17 تطبیق سطح چهره 120
2و1و18 تطبیق توسط محاسبه احتمال جهتبردارهاي قائم بر سطح 121
2و1و19 تطبیق خط رخ 122
2و1و20 نتیجه گیری 122
2و1و21 مراجع 122

2-2) بررسی کاربرد تصاویر سه بعدي در تشخیص حالت چهره

2و2و1 چکیده 123
2و2و2 مقدمه 123
2و2و3 معماري اصلی سیستم هاي تشخیص حالت چهره 124
2و2و4 مروري برتشخیص حالت چهره سه بعدي 124
2و2و5 چرا استفاده از تصاویر سه بعدي ؟ 124
2و2و6 پایگاه دادة سه بعدي حالات چهره 125
2و2و7 استخراج ویژگی در روشهاي سه بعدي 126
2و2و8 طبقه بندي ویژگیها در روشهاي سه بعدي 128
2و2و9 نتایج خروجی در روشهاي سه بعدي 129
2و2و10 نتیجه گیري 129
2و2و11 مراجع 129

2-3) تشخیص چهره سه بعدی با استفاده از تکنیک گابور و دسته بندی نزدیکترین همستیه

2و3و1 چکیده 131
2و3و2 مقدمه 131
2و3و3 روش پیشنهادی 132
2و3و4 پیش پردازش 132
2و3و5 آشکار سازی سطح چهره 132
2و3و6 آستانه گذاری تصاویر 133
2و3و7 نرمالسازی و همتراز سازی تصاویر صورت 133
2و3و8 استخراج ویژگی 134
2و3و9 موجک گابور 134
2و3و10 طبقه بندی 134
2و3و11 نتایج آزمایشات 135
2و3و12 نتیجه گیری 135
2و3و13 مراجع 135

2-4) تشخیص چهره و دسته بندی اشیاء سه بعدی با استفاده از هیستوگرام های مبتن برتوصیف گرهای SIFT و SURF

2و4و1 چکیده 137
2و4و2 مقدمه 137
2و4و3 تشخیص چهره 137
2و4و4 توصیفگر SIFT 137
2و4و5 توصیفگر SURF 138
2و4و6 تشخیص سه بعدی اجسام 138
2و4و7 آزمایشات و ارائه نتایج 139
2و4و8 تشخیص چهره 139
2و4و9 آزمایش بر روی بانک تصاویر چهره YALE 140
2و4و10 تشخیص اشیا سه بعدی از زوایای مختلف 140
2و4و11 نتیجه گیری 141
2و4و12 مراجع 141

2-5) تشخیص و بازیابی تصاویر چهره با استفاده از ویژگی های سه بعدی

2و5و1 چکیده 142
2و5و2 مقدمه 142
2و5و3 شناسایی با استفاده از تصاویر دو بعدی 143
2و5و4 مزایا و معایب استفاده از تصاویر دو بعدی 143
2و5و5 شناسایی با استفاده از تصاویر سه بعدی 143
2و5و6 روش های زیر فضایی 144
2و5و7 روش انحنای اصلی 144
2و5و8 الگوریتم DCT و ویژگی های محلی 144
2و5و9 روش های ترکیبی 144
2و5و10 شناسایی چهره مستقل از زاویه و شدت روشنایی 144
2و5و11 روش پیشنهادی برای شناسایی 145
2و5و12 پیش پردازش های مورد نیاز برای حذف نویز و داشتن رویه ی مسطح 145
2و5و13 روش پیشنهادی برای تعیین مکان بینی 145
2و5و14 اعمال فیلتر و تعیین مکان بینی 146
2و5و15 نتایج عملی 146
2و5و16 نتیجه 146
2و5و17 مراجع 147

2-6) روش های تشخیص چهره دو بعدی

2و6و1 چکیده 148
2و6و2 مقدمه 148
2و6و3 روش های تحلیل 148
2و6و4 روش های کل نگر 150
2و6و5 روش های ترکیبی 151
2و6و6 روش های دو بعدی مبتنی بر موجک گابور 152
2و6و7 روش های تحلیلی 152
2و6و8 روش های کل نگر 153
2و6و9 نتیجه گیری 154
2و6و10 مراجع 154

تعداد صفحه بسته آموزشی

تعداد منابع معرفی شده برای ادامه کار

تعداد پشتیبانان مخصوص این فایل

قسمت هایی از فصل سوم تشخیص چهره با استفاده از شبکه های عصبی مصنوعی

در این قسمت باتوجه بهآنکه فرم احساس صورت در قسمتهاي مختلف، تغییرات متفاوتی میگذارد، چهره به چهار قسمت متقارن تقسیم میشود. در صورتیکه زاویه نگاه دوربین از مقابل باشد، این چهار قسمت هرکدام شامل یک قسمت از چشمها در بالا و یک قسمت از لب در پایین خواهد بود. که بدیهی است تغییراتی مانند غم و شادي به دلیل فرم متفاوت عملکرد روي چهره و لب، تغییرات متفاوتی در هریک از این چهار قسمت خواهد گذاشت. با این دیدگاه، پس از استخراج گرادیان به صورت افقی یا عمودي از تصویر، تصویر به چهار قسمت مساوي تقسیم و در هر یک از این چهار قسمت، به تفکیک ویژگیهایی به فرم زیر استخراج میگردد.
ویژگی اول: انرژي کل روشناییهاي موجود در آن ناحیه
ویژگی دوم: انرژي موجود در پیکسلهاي گرادیان افقی تصویر
ویژگی سوم: انرژي موجود در پیکسلهاي گرادیان عمودي تصویر
ویژگی چهارم: با هدف تشخیص زاویه تغییرات در چهره، که فرم افقی یا عمودي دارد از آرکتانژانت گرادیان عمودي به گرادیان افقی تصویر، با هدف استخراج زاویه تغییر استفاده شده است

فهرست کامل فصل سوم تشخیص چهره با استفاده از شبکه های عصبی مصنوعی

3-1 ) تشخيص چهره از روبرو با استفاده از شبكه عصبي

3و1و1 چکیده 156
3و1و2 مقدمه 156
3و1و3 مدل خود سازمانده SOFM 157
3و1و4 ساختار شبکه RBF 157
3و1و5 پردازش های تصویر 157
3و1و6 برش تصویر 158
3و1و7 تبدیل تصاویر به Gray Level 158
3و1و8 تبديل تصاوير به باينري 158
3و1و9 استخراج لبه تصاوير 158
3و1و10 استخراج مشخصه ها 159
3و1و11 PZM) Pseudo Zernik Moments ) 160
3و1و12 LM) Legendre Moment ) 160
3و1و13 آزمايشات و نتايج 160
3و1و14 نتايج مربوط به شبكه SOFM 160
3و1و15 نتايج مربوط به شبكهRBF 161
3و1و16 منابع و مراجع 163

3-2 ) تشخیص چهره با استفاده از شبکه عصبی

3و2و1 چکیده 164
3و2و2 مقدمه 164
3و2و3 روش تجزیه به مولفه های اصلی 165
3و2و4 چهره ویژه 165
3و2و5 آنالیز تفکیک خطی فیشر 165
3و2و6 آنالیز موجک گابور در تشخیص چهره 165
3و2و7 ترکیب در سطح گمان 166
3و2و8 شبکه عصبی 166
3و2و9 نتایج 167
3و2و10 طراح فضای آزمون تشخیص چهره 167
3و2و11 استفاده از تصاویر مجموعه چهره آموزشی 167
3و2و12 تصاویر چهره با حالت های مختلف چهره 167
3و2و13 تصاویر چهره با عینک 168
3و2و14 تصاویر چهره که قسمتی از آن پوشیده شده است 168
3و2و15 تصاویر چهره نویزی 168
3و2و16 جمع بندی نتایج 169
3و2و17 نتیجه گیری 169
3و2و18 مراجع 170

3-3 ) تشخیص چهره با استفاده از شبکه های عصبی مصنوعی

3و3و1 خلاصه 171
3و3و2 مقدمه 171
3و3و3 مروری بر پیشینه تحقیق 172
3و3و4 پیش پردازش تصویر 173
3و3و5 آماده سازی تصاویر 173
3و3و6 کاهش ابعاد 173
3و3و7 الگوریتم تحلیل مولفه های اصلی 174
3و3و8 شبکه های عصبی 174
3و3و9 شبکه عصبی پرسپترون چند لایه 175
3و3و10 شبکه عصبی پایه ای – شعاعی 175
3و3و11 ماتری در هم ریختگی 176
3و3و12 روش ارزیابی خطا 176
3و3و13 نتایج استفاده از شبکه های عصبی در تشخیص هویت 177
3و3و14 شبکه عصبی پایه ای – شعاعی 177
3و3و15 شبکه عصبی پرسپترون چند لایه 180
3و3و16 نتیجه گیری 182
3و3و17 مراجع 183

3-4 ) تشخيص چهره با استفاده ازچهره هاي ويژه و شبكه عصبي احتمالي

3و4و1 چکیده 184
3و4و2 مقدمه 184
3و4و3 آنالیز مولفه های اصلی 185
3و4و4 شبکه عصبی احتمالاتی 186
3و4و5 پایگاه داده 186
3و4و6 نتايج شبيه سازي و نتيجه گيري 186
3و4و7 مراجع 187

3-5 ) تشخیص چهره به کمک الگوریتم های PCAوLDA و شبکه های عصبی

3و5و1 چکیده 189
3و5و2 مقدمه 191
3و5و3 بخش PCA 192
3و5و4 بخش LDA 193
3و5و5 شبکه های عصبی برای طبقه بندی چهره ها 195
3و5و6 نتیجه گیری 195
3و5و7 مراجع 195

3-6 ) تشخیص حالت چهره با استفاده از تصویر چهره و بکارگیري تبدیل موجک و شبکه عصبی فازي

3و6و1 خلاصه 197
3و6و2 مقدمه 197
3و6و3 مروري بر مطالب قبلی 199
3و6و4 روش پیشنهادي 201
3و6و5 دیتابیس 201
3و6و6 استخراج ویژگی 202
3و6و7 مرحله استخراج ویژگی 203
3و6و8 کلاسه بند 208
3و6و9 نتیجه گیری 209
3و6و10 مراجع 209

3-7 ) تشخیص حالت چهره با استفاده از شبکه عصبی پرسپترون چند لایه در شرایط طبیعی

3و7و1 خلاصه 212
3و7و2 مقدمه 212
3و7و3 معماری سیستم تشخیص حالت چهره 213
3و7و4 اکتساب چهره 214
3و7و5 استخراج و نمایش داده های چهره 214
3و7و6 تشخیص حالت چهره 214
3و7و7 مدل بخش دگردیس پذیر گوس – نیوتن 215
3و7و8 فیلتر گابور 216
3و7و9 پیاده سازی و نتایج 217
3و7و10 پایگاه داده مورد استفاده 217
3و7و11 سنجش عملکرد 218
3و7و12 مقایسه شبکه عصبی MLP و SVM 218
3و7و13 نتیجه گیری 221
3و7و14 مراجع 222

3-8 ) تشخیص حالتهای چهره از روی تصاویر متحرک بااستفاده از OPTICAL FLOWو شبکه عصبی RBF

3و8و1 چکیده 224
3و8و2 مقدمه 224
3و8و3 نقاط مشخصۀ صورت (FCP ( 226
3و8و4 پایگاه داده استفاده شده 227
3و8و5 روش محاسبه Optical Flow 227
3و8و6 سیستم تشخیص حالت های چهره توسط شبکۀ عصبی RBF 228
3و8و7 نتیجه گیری 228
3و8و8 مراجع 229

3-9 ) تشخیص حالتهای چهره بر اساس نقاط مشخصه صورت با استفاده از شبکه عصبی RBFو منطق فازی

و9و1 چکیده 231
3و9و2 مقدمه 231
3و9و3 نقاط مشخصه صورت (FCP) 232
3و9و4 ویژگی های استخراج شده با استفاده از FCP ها 233
3و9و5 سیستم تشخیص حالت های چهره توسط شبکه عصبی RBF 234
3و9و6 سیستم تشخیص حالت های چهره با استفاده از FIS 234
3و9و7 نتیجه گیری 236
3و9و8 مراجع 236

3-10 ) شناسایی و تشخیص چهره در حالت های مختلف صورت با استفاده از شبکه عصبی حافظه انجمنی دو طرفه BAM

3و10و1 چکیده 237
3و10و2 مقدمه 237
3و10و3 مراحل شناسایی چهره 238
3و10و4 فاز شکل دهی پایگاه داده ی چهره 238
3و10و5 فاز آموزش و تمرین 238
3و10و6 فاز تشخیص و یادگیری 238
3و10و7 الگوها و کلاس های الگو ها 238
3و10و8 مسائل اساسی در طراحی سیستم تشخیص الگو 239
3و10و9 معرفی شبکه عصبی BAM 239
3و10و10 الگوریتم پیشنهادی 240
3و10و11 مراحل تست و نتایج 241
3و10و12 نتایج و پیشنهادات 242
3و10و13 مراجع 242

3-11 ) شناسایی و تشخیص چهره در تصویر به کمک الگوریتم ویولا – جونز , آنالیز اجزای اصلی , آنالیز تمایزاخطی و شبکه عصبی

3و11و1 خلاصه 243
3و11و2 مقدمه 243
3و11و3 تعیین مکان چهره در تصویر 244
3و11و4 آنالیز اجزای اصلی 245
3و11و5 آنالیز تمایزات خطی 246
3و11و6 روش ترکیبی آنالیز اجزای اصلی و آنالیز تمایزات خطی 248
3و11و7 شبکه مصنوعی پرسپترون چند لایه 248
3و11و8 آموزش سیستم 249
3و11و9 نتایج شبیه سازی 249
3و11و10 نتیجه گیری 250
3و11و11 مراجع 250

3-12 ) تشخيص جنسيت افراد از روي چهره با استفاده از شبكه هاي عصبي پرسپترون چند لايه ای با الگوريتم پس انتشار خطا

3و12و1 چکیده 252
3و12و2 مقدمه 252
3و12و3 روش غير الگوريتميك (روش مبتني بر استفاده از شبکة عصبی) 253
3و12و4 دسته بندي روش های مبتنی بر شبکة عصبی جهت پردازش چهره 253
3و12و5 شبکه های پس انتشار خطا و فشرده سازی تصوير 253
3و12و6 توصيف الگوريتم 253
3و12و7 آزمايشات و نتايج شبيه سازي شده 254
3و12و8 آزمايش اول تشخيص جنسيت 254
3و12و9 آزمايش دوم تشخيص جنسيت 255
3و12و10 آزمايش سوم تشخيص جنسيت 256
3و12و11 آزمايش چهارم تشخيص جنسيت 256
3و12و12 نتیجه گیری 257
3و12و13 مراجع 257

3-13 ) تشخیص چند مرحله ای چهره با در نظر گرفتن اجزای چهره با استفاه از شبکه های عصبی مصنوعی

3و13و1 چکیده 259
3و13و2 مقدمه 259
3و13و3 الگوریتم جدید 260
3و13و4 آزمایشات انجام شده 260
3و13و5 تشخیص کلی چهره پس از تشخیص اولیه 261
3و13و6 نتیجه گیری 262
3و13و7 مراجع 262

قسمت هایی از فصل چهارم روش های نوین تشخیش چهره

چهره انسان یک منبع مفید و قدرتمند از اطلاعات ارتباطی در مورد رفتار انسان است. چهره اطلاعاتی در مورد شخصیت، احساسات و فکر انسان ارایه میدهد. خصوصیات چهره نقش عمدهای در تعاملات انسان و ارتباطات غیرکلامی ایفا میکند. با این حال، تشخیص چهره به دلایل زیر مشکلات خودش را دارد:
̋ اولا، چهره افراد مختلف با یکدیگر متفاوت است. ̋ دوما، چهره یک فرد در تصویر هم به دلیل حالات چهره، ژست چهره، تغییرات شرایط روشنایی متفاوت است. روشهای تشخیص چهره را میتوان به دو دسته اصلی تقسیم کرد:
1)روشهای مبتنی بر ویژگی
2)روشهای مبتنی بر ظاهر
روشهای مبتنی بر ویژگی، از روابط بین ویژگیهای چهره مانند چشمها، بینی و دهان و ویژگیهای ساختاری بین آنها برای تشخیص چهره استفاده میکند. روشهای مبتنی بر ظاهر، از مدلها و الگوهایی که از تصاویر آموزشی به دست آمده است بهره میبرد

فهرست کامل فصل چهارم روش های نوین تشخیش چهره

4-1 ) ایده ای جدید برای تشخیص سریع و دقیق چهره انسان با استفاده از روش ویلا و جونز

4و1و1 چکیده 263
4و1و2 مقدمه 263
4و1و3 مفاهیم پایه 264
4و1و4 فن آوری كینکت 264
4و1و5 تصاویر چگونگی سه بعدی بودن كینکت 264
4و1و6 مراحل تشخیص چهره 264
4و1و7 استخراج چهره افراد از تصاویر دریافتی 265
4و1و8 تشخیص چهره در جهت سامانه كنترل تردد 265
4و1و9 تصویر انتگرال دریافتی 265
4و1و10 تفاوت عکس اصلی با عکی انتگرال شده 265
4و1و11 الگوریتم شناسایی چهره LBPH 267
4و1و12 روش پیشنهادی و تحلیل و ارزیابی روش تشخیص چهره 267
4و1و13 كار برنامه تشخیص چهره 267
4و1و14 چگونگی ذخیره اطلاعات هر فرد در فایل 268
4و1و15 فلوچارت كلی كاركرد تشخیص چهره 268
4و1و16 مجوز ورود وخروج 268
4و1و17 مقایسه تصاویر دو بعدی و سه بعدی 269
4و1و18 نتیجه گیری 269
4و1و19 منابع 269

4-2 ) بررسی روشهای تشخیص چهره مبتنی بر FPGA و GPU

4و2و1 خلاصه 271
4و2و2 مقدمه 271
4و2و3 الگوریتم تشخیص چهره مبتنی بر GPU 272
4و2و4 روشهای تشخیص چهره مبتنی بر FPGA 273
4و2و5 مقایسه و بررسی نتایج 276
4و2و6 نتیجه گیری 278
4و2و7 مراجع 278

4-3 ) بررسی روش های پردازش چهره برای تشخیص لبخند

4و3و1 چکیده 279
4و3و2 مقدمه 279
4و3و3 روان شناسی چهره برای تشخیص لبخند 279
4و3و4 آشکار سازی منحنی دور لب 280
4و3و5 استخراج معانی عاطفی از تصاویر 281
4و3و6 نتیجه گیری 283
4و3و7 مراجع 283

4-4 ) بررسی روشهاي شناسایی چهره (تشخیص جنسیت از روي چهره)

4و4و1 چکیده 285
4و4و2 مقدمه 285
4و4و3 بیان مساله 285
4و4و4 اجزاى سیستم بیومتریک 286
4و4و5 تکنیکهای بیومتری 286
4و4و6 مزایاى فناورى هاى بیومتریک 286
4و4و7 تکنیکهای فیزیولوژیکى 286
4و4و8 باز شناسی هویت از طریق اثر انگشت 286
4و4و9 سیستم تشخیص چهره 287
4و4و10 کاربرد های تشخیص چهره 287
4و4و11 امنیت اطلاعات 288
4و4و12 کنترل 288
4و4و13 رمزنگاری 289
4و4و14 نتیجه گیری 290
4و4و15 مراجع 291

4-5 ) تشخیص جنسیت از روی تصویر چهره افراد با استفاده از یک روش کارآمد

4و5و1 چکیده 292
4و5و2 مقدمه 292
4و5و3 توصیف کننده ی WLD 293
4و5و4 تحریک دیفرانسیل 293
4و5و5 جهت 294
4و5و6 هیستوگرام WLD 294
4و5و7 دسته بندی کننده 295
4و5و8 مجموعه داده های چهره 295
4و5و9 بحث و آزمایش 295
4و5و10 نتیجه گیری 296
4و5و1 مراجع 296

4-6 ) تشخیص چهره با استفاده از تفکیک خطی فیشر بازگشتی

4و6و1 چکیده 298
4و6و2 مقدمه 299
4و6و3 تفکیک خطی فیشر (FLD) 300
4و6و4 تفکیک خطی فیشر بازگشتی (RFLD) 300
4و6و5 آزمایشات بر روی مشکلات تشخیص چهره 303
4و6و6 پایگاه داده Yale 303
4و6و7 روش کد کردن تصاویر 303
4و6و8 روش های طبقه بندی برای مقایسه 303
4و6و9 تشخیص هویت 304
4و6و10 شش بیان شناخت 305
4و6و11 دو بیان شناخت 307
4و6و12 استفاده از شناخت عینک 308
4و6و13 نتیجه گیری 308
4و6و14 مراجع 309

4-7 ) تشخيص چهره با استفاده از روش انطباق گرافهاي كشسان بر پايه الگوريتمهاي ژنتيك

4و7و1 چکیده 310
4و7و2 مقدمه 310
4و7و3 جت 311
4و7و4 گراف چهره 312
4و7و5 مقايسه گرافها 313
4و7و6 جستجوي گراف چهره در يك تصوير جديد بر پايه الگوريتم ژنتيك 313
4و7و7 اجزاي الگوريتم ژنتيك در مدل پيشنهادي 314
4و7و8 شناخت 315
4و7و9 آزمایش سیستم 315
4و7و10 منابع 315

4-8 ) تشخیص و ردیابی بی درنگ چهره در مقابل عکس و سایر اشیا مبتنی بر PCA و رنگ پوست و ویژگی های SMQT با استفاده از فیلتر ذره ای

4و8و1 خلاصه 317
4و8و2 مقدمه 317
4و8و3 الگوریتم پیشنهادی 318
4و8و4 تشخیص چهره 318
4و8و5 ردیابی چهره 319
4و8و6 نتایج آزمایشات 320
4و8و7 نتیجه گیری 322
4و8و8 مراجع 322

4-9 ) راهکاري نوین براي تشخیص هویت افراد از روي چهره در مجموعه داده هاي بزرگ(مقیاس اینترنت)

4و9و1 خلاصه 323
4و9و2 مقدمه 323
4و9و3 تحقیقات پیشین 324
4و9و4 روش پیشنهادی 326
4و9و5 استخراج ویژگی ها 326
4و9و6 خوشه بندی و تعیین مناسب ترین خوشه 327
4و9و7 ساخت کلاسیفایر و تعیین خروجی نهایی 328
4و9و8 نتایج تجربی 328
4و9و9 مجموعه تصاویر و محیط آزمایش 328
4و9و10 نتایج آزمایشات 329
4و9و11 تحلیل و مقایسه روش پیشنهادی 330
4و9و12 نتیجه گیری و پیشنهادات 331
4و9و13 مراجع 332

4-10 ) روش تشخیص چهره مستقل از زاویه دید با استفاده از ویژگی هاي سیستم بینایی انسان بر مبناي ترکیب طبقه بندها

4و10و1 چکیده 334
4و10و2 مقدمه 334
4و10و3 ویژگی هاي سیستم بینایی انسان از مدل HMAX 335
4و10و4 طبقه بندی 336
4و10و5 روش ارائه شده 336
4و10و6 آزمایش و نتایج 337
4و10و7 آزمایش اول 337
4و10و8 آزمایش دوم 337
4و10و9 نتیجه گیری 338
4و10و10 مراجع 339

4-11 ) روش نوین تشخیص چهره با استفاده از تلفیق اطلاعات عمق و بافت چهره و تخمین چرخش سر

4و11و1 چکیده 340
4و11و2 مقدمه 340
4و11و3 الگوریتم پیشنهادی برای شناسایی چهره 341
4و11و4 پایگاه داده 341
4و11و5 شناسایی چهره با استفاده از اطلاعات بافت 342
4و11و6 استخراج ویژگی و تطبیق با استفاده از توصیفگر SIFT 342
4و11و7 معیار تطبیق 342
4و11و8 شناسایی چهره بر اساس اطلاعات عمق 342
4و11و9 دوران حول محور Z 343
4و11و10 دوران حول محور Y 344
4و11و11 دوران حول محور X 344
4و11و12 نتایج تجربی 345
4و11و13 نتیجه گیری 346
4و11و14 مراجع 346

4-12 ) سیستم شناخت چهره و تشخیص زوایای آن براساس روش EIGEN FACES

4و12و1 چکیده 348
4و12و2 مقدمه 349
4و12و3 اهمیت و ضرورت 350
4و12و4 فواید نظری و عملی 350
4و12و5 متغیرهای مورد بررسی در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها 351
4و12و6 ارائه راهکار 352
4و12و7 نتیجه گیری 354
4و12و8 منابع 355

4-13 ) ارزیابی روش های کاهش بعد (PCA) و (LDA) با روش تقسیم داده LOO به کمک دسته بندی (SVM) در تشخیص چهره

4و13و1 چکیده 357
4و13و2 مقدمه 358
4و13و3 استخراج ویژگی 359
4و13و4 ویژگی های زمانی و آماری 359
4و13و5 طیف توان 360
4و13و6 روش کاهش بعد 361
4و13و7 آنالیز مولفه های اصلی (PCA) 361
4و13و8 آنالیز تفکیک کننده خطی 361
4و13و9 روش تقسیم داده Loo 363
4و13و10 ماشین بردار پشتیبان (SVM) 364
4و13و11 نتایج تجربی و تحلیل آنها 365
4و13و12 بانک چهره 365
4و13و13 اجرای الگوریتم 366
4و13و14 نتیجه گیری 370
4و13و15 منابع 371

4-14 ) انتخاب ویژگی های مناسب برای تشخیص چهره با استفاده از الگوریتم تکاملی : بهینه سازی جمعی ذرات (PSO) الگوریتم رقابت استعماری (ICA) و بهینه سازی علف های هرز (IWO)

4و14و1 چکیده 372
4و14و2 مقدمه 372
4و14و3 بهینه سازی جمعی ذرات (PSO) 372
4و14و4 الگوریتم رقابت استعماری (ICA) 373
4و14و5 الگوریتم بهنه سازی علف های هرز (IWO) 373
4و14و6 مروری بر کارهای گذشته 373
4و14و7 استخراج و انتخاب ویژگی در مسئله تشخیص چهره 374
4و14و8 موجک Gabor 374
4و14و9 استخراج و انتخاب ویژگی های چهره 374
4و14و10 نتایج آزمایش 374
4و14و11 مقایسه نتایج 377
4و14و12 نتیجه گیری و پیشنهادات 377
4و14و13 مراجع 378

%

میزان رضایت

میزان رضایت افراد خریدار این بسته بعد از خرید

(نظر سنجی به وسیله ایمیل و یک هفته بعد ازخرید بسته انجام می گیرد)

قسمت هایی از فصل پنجم مقاله های انگلیسی

DETECTING human faces automatically is becoming a very important task in many applications, such as security access control systems or content-based indexing video retrieval systems like the Distributed audioVisual Archives Network (DiVAN) system [11]. The European Esprit project DiVAN aims at building and evaluating a distributed audiovisual archives network providing a community of users with facilities to store raw video material, and access it in a coherent way, on top of high-speed wide area communication networks. The raw video data is first automatically segmented into shots using techniques based on color histograms dissimilarity and camera motion analysis. From the content-related image segments and keyframes, salient features such as region shape, intensity, color, texture, and motion descriptors are extracted and used for indexing and retrieving information.

تمام منابع معرفی شده هم به صورت فایل Word و هم به صوت فایل PDF در اختیار شما قرار می گیرد.

تومان35,000افزودن به سبد خرید

0دیدگاه ها

ارسال یک دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *