no-img
انجام پروژه متلب |پروژه متلب | پروژه آماده متلب | شبیه سازی با متلب

تشخیص جهره با کمک الگوریتم کانتور فعال active sgape در متلب :پروژه متلب  | انجام پروژه متلب |پروژه متلب | پروژه آماده متلب | شبیه سازی با متلب


انجام پروژه متلب |پروژه متلب | پروژه آماده متلب | شبیه سازی با متلب
مطالب ویژه
گزارش خرابی لینک
اطلاعات را وارد کنید .

ادامه مطلب

ZIP
تشخیص جهره با کمک الگوریتم کانتور فعال active shape همراه مقاله ۲۰۱۷ در متلب
zip
مهر ۱۵, ۱۳۹۸
9 mb
۳۹,۰۰۰ تومان
0 فروش
۳۹,۰۰۰ تومان – خرید

تشخیص جهره با کمک الگوریتم کانتور فعال active shape همراه مقاله ۲۰۱۷ در متلب


تشخیص جهره با کمک الگوریتم کانتور فعال active shape در متلب همراه مقاله سال ۲۰۱۷ :پروژه متلب 

 

پروژه متلب در این پروژه با کمک کانتور های فعال (دوایر فعال) چارچوب چهره شناسایی شده و با تعیین مرکز بینی در صورت کانتور کامل می شود این پروژه پردازش تصویر در تمامی سیستم های فوق امنیتی کاربرد دارد چرا که تغییر چهره امکانپذیر نمی باشد چون کانتور کلی صورت ملاک تعیین هویت می باشد.

 

همه انسانها (حتی کودکان ) ، عمل شناسائی چهره را بسادگی و بدون آنکه تلاش زیادی کنند انجام می دهند .

پروژه متلب همین مسأله باعث شده است که بعضی از محققین به این نتیجه برسند که یک ناحیۀ پردازش مشخص در مغز انسان به عمل شناسائی چهره ها اختصاص یافته است . تحقیقات نشان می دهد ، که در نیمکره سمت راسـت مغز انسان ، سلولهائی بنام « سلولهای مادر بـزرگ » (Grandmother cells) وجـود دارنـد کـه وظیفـۀ آنهـا شناسائی چهره ها است . چهره یک ویژگی منحصر بفرد انسان است .حتی دو فرد همـزاد نیـز از لحـاظ چهـره علیرغم شباهت زیاد دارای تفاوتهای جزئی می باشند. از اینروست که اولین تمبرهای پستی چاپ شده ، چهره ملکه ویکتوریا را بر روی خود داشتند ، چرا که در صورت جعل شدن ساده تر قابل تشخیص باشـند. درایـران نیز اولین تمبرها تصویر احمد شاه را برخود داشتند . و چاپ تصاویر افراد معروف بر روی اسکناسها و اسـناد معتبر بانکی هم بهمین منظور می باشد.

پی بردن به سیستم تشخیص چهره در مغز انسان همواره ذهن دانشمندان روانشناسپروژه متلب و عصب شناس را به خود مشغول کرده است چرا که جدای ازجنبه های فیزیولوژیکی قـضیه مـی تـوان از آن  بعنـوان زیـر بنـائی بـرای ساخت یک سیستم «تشخیص اتوماتیک چهره » نیز استفاده کرد.

کار بروی تشخیص چهره ، در اوایل دهۀ ١٩۶٠ توسط فرانسیس گالتون شروع گردید. در آغـاز و اواسـط دهـه

١٩٧٠ تکنیکهای رده بندی الگو که از خواص موجود در ویژگیهای چهره و یا نیمرخ استفاده می کردند، بکـار برده شدند. در طی دهۀ ١٩٨٠ کار بروی تشخیص چهره متوقـف شـد امـا از اوائـل ١٩٩٠ بطـور چـشمگیری افزایش یافته است .

پروژه متلبدلایل این امر بیشتر عبارتنداز :

١- افزایش پروژه های تحقیقاتی در زمینه های قضائی وتجاری.

٢- باز پیدایش رده بنده های شبکه عصبی با تکیه بر پردازش بیدرنگ و وفقی .

٣- بالارفتن سرعت سخت افزار.پروژه متلب

۴- نیاز روز افزون به کاربردهای امنیتی و نظارتی .

در طی چند سال اخیر، فعالیت زیادی بر روی مسائلی از قبیل   بخش بندی (Segmentation) تعیین محـل چهره در تصویر و استخراج  ویژگیهائی مانند چشم ، دهان ، ابـرو و بینـی مـشاهده مـی شـود. عـلاوه بـر آن پیشرفتهای زیادی در طراحی رده بندهای آماری و شـبکه عـصبی حاصـل شـده اسـت . در ایـن بـین مفـاهیم کلاسیکی مانند شبکه های عـصبی (Neural Network) ،  روشـهای براسـاس  Karhunen-Toeve , و

Principal  Component Analysis, Singular value Decomposition استفاده شده است و بجز موارد محدودی ، روشهای موجود بروی بانکهای نسبتاً کوچکی (کمتر از ١٠٠ شخص ) آزمایش شده اند.

با این وجود هنوز دو مشکل اساسی در این مبحث وجود دارد:

اول اینکه :شباهت حالت و فرم کلی چهره های افراد مختلف به یکدیگر (همه دارای دو چشم ، یک بینی، یک دهان و … هستند که در محل مشخصی قرار گرفته اند.)

دوم اینکه : وضعیتها و حالتهای مختلف چهره یک فرد (مانند خنده ، گریه ، چرخیدن سر به چپ یا راسـت و

…) و محیط با روشنائی متفاوت .

٢-١) کاربردهای شناسائی چهره

هرساله میلیونها دلار پول بدلیل استفاده غیر مجاز از کارتهای اعتباری و یا جعل امـضاء از بانکهـا سـرقت مـی شود و این یکی از دلایل تقاضای یک سیستم بیومتریک می باشد. این سیستم کامپیوتری از روی خـصوصیات

فیزیولوژیکی یا رفتاری اشخاص آنها را شناسائی می کند. این سیستمها به چند دسته تقسیم می شوند:

١- شناسائی اثر انگشت

٢- شناسائی امضاء

٣- شناسائی گفتار

۴- شناسائی چهره

۵- و اخیرًا عنبیه چشم ، چون معلوم گردیده که خطوط موجود در عنبیه چشم در افراد مختلف متفـاوت است .

اصولاً سیستمهای تشخیص چهره را می توان به دو گروه زیر تقسیم کرد:

– سیستمهای تعیین چهره (Face Identification systems) یا بازشناسی چهره

٢- سیستمهای تأئید چهره (Face Verification systems)

در F.I.S هدف این است که در یک یا مجموعه ای از تصاویر چهره تعیین کرد که هر تصویر متعلـق بـه چه کسی می باشد. انجام چنین کاری مستلزم داشتن یک بانک اطلاعاتی تصویری از تمام افراد مورد نظـر و سپس پیدا کردن بهترین تطبیق است . بارزترین استفاده عملی ایـن سیـستمها در کاربردهـای نظـارتی و شناسائی مجرمین می باشد.

در F.V.S سعی می شود هویت چهره در تصویر با هویت ادعا شده ، مورد بررسی ومقایسه قرار گرفته و در صورت یکی بودن ( شباهت زیاد)، قبول و در غیر اینصورت رد گردد. بنابراین بانک اطلاعاتی ما فقـط شامل تصویر یک شخص یا اشخاصی که اجازه ورود به سیستم را دارند ، می باشند. به دلیل ماهیـت ایـن سیستمها معمولاً به علـت سـریعتر بـودن (محـدوده جـستجو کوچـک مـی باشـد)در کاربردهـایی ماننـد سیستمهای بلادرنگ و ورود به سیـستمهای رمـزی اسـتفاده   مـی شـوند. دراینجـا لازم بـذکر اسـت کـه سیستمهای تعیین چهره حالت کلیتری نسبت به سیستمهای تأئید چهره می باشد وهر سیـستم F.I.S مـی تواند عمل F.V.S را انجام دهد.

کاربردهای مهم و عمده شناسائی چهره عبارتند از:

١- چک کردن کارتهای اعتباری، گواهینامۀ رانندگی ، گذرنامه و … در این کاربرد قبلاً تصاویری از افـراد ذخیره شده و در یک بانک چهره موجود است . بهنگام مراجعه افراد ، تصویر آنها بـا تـصویر ذخیـره شده مقایسه و هویت وی تأئید می گردد.

٢- کنترل ورود و خروج افراد: در ساختمانها و مراکزی که ورود و خروج افراد از نظر امنیتی و حفـاظتی کنترل می گردد. یک دوربـین جلـوی درب ورودی نـصب شـده و از تـصویری کـه بـر مـی دارد و مقایسه ای که با بانک موجود می کند به افراد اجازه ورود یا خروج می دهد.

٣- مقایسه چهره  متهمین با افراد سابقه دار: در این بخش تصویر تهیه شده از مـتهم بـا افـراد سـابقه دار مقایسه شده تا در صورتیکه سابقه قبلی دارد پرونده وی بازیابی شود همچنـین مـی تـوان بـا نـصب دوربین در مکانهای پرازدحام مانند معابر و ورزشگاهها افراد تحت تعقیب را شناسائی کرد.

– بدست آوردن چهره مظنون توسط شاهد: در این روش از روی مشخصات ظاهری و خصوصیاتی که شاهد از مظنون دیده است یک چهره اولیه و تقریبی ساخته شده و سپس با بانک سابقه داران مقایسه می شود.

۵- اجـازه ورود به سایتهـای مختلف در اینترنت : امروزه اکثر امور تجاری از طــریق اینترنـت صـورت میگیرد. در این کاربرد دوربین هر چند لحظه یکبـار از شـخص کـاربر تـصویر تهیـه مـی کنـد و در صورت غیرمجاز بودن استفاده شخص از کامپیوتر صفحه کلید را قفل میکند و اجازه فعالیت به کاربر غیرمجاز نمی دهد.

از نقطه نظری دیگر می توان نحوه شناسائی چهره را بدو صورت   off line و on line تقسیم  بندی نمـود که در حالت off line یک تصویر با تصاویر موجود در بانک تطبیق داده می شـود ولـی در حالـت on line

بصورت ویدئویی از شخص تصویر تهیه شده و دوربین که از طریـق Video capture بـه کامپیوتردیجیتـال متصل است عمل شناسائی را صورت می دهد. در اینجا کیفیت تصاویر پائین بوده و دارای زمینه شلوغ اسـت .

به دلیل زنده بودن تصاویر، حرکت افراد نقش زیادی در عمل بخش بندی دارد.

گاهی اوقات اصطلاح تطبیق ایستا و تطبیق پویا برای نحوه شناسائی فوق بکارگرفته می شود .

٣-١) مسائل اساسی در تشخیص چهره

الف – نمایش چهره

نحوه نمایش چهره ها در یک سیستم تشخیص چهره فـوق العـاده مهـم اسـت و درسـتی کـار سیـستم را تحت الشعاع قرار می دهد. همۀ تصاویر با یک قالب مشخص و همینطور حدالمقدور بـا ابعـاد و وضـوح یکسان باید ذخیره شوند. میزان روشنائی محیط ، زمینه ، چرخش ، انتقال ، زاویۀ تصویر برداری ، فاصله و ارتفاع دوربین از پارامترهائی هستند که پایا بودن آنها از شرائط لازم اغلب سیستمها می باشد.

دونوع تصویر چهره در سیستمهای تشخیص چهره استفاده می شود:

١- تصاویر تمام رخ

٢- تصاویر نیمرخ

البته ممکن است در یک کاربرد ( مانند تطبیق عکس مجرمین ) از هر دوی تصاویر فوق استفاده کرد ، امـا معمولاً اکثر کاربردها از تصاویر تمام رخ استفاده می کنند. علیرغم اینکه روشهای مبتنی بر تصاویر نیمـرخ ساده تر می باشند.دلیل این امر اینست که ویژگیهای تمام تصاویر تمام رخ ستبرتر بوده (مخصوصاً نـسبت به چرخش ) و از طرف دیگر هنجار کردن این تصاویر نسبت به اندازه تصویر و چرخش ساده تر می باشد

. اما همانطور که گفته شد، اهمیت تصاویر نیمرخ بیشتر به دلیل کاربرد تطبیق عکس مجرمین می باشد که دارای تصاویر نیمرخ هم می باشند.

ب ) نوع نگرش به چهره

اصولاً روشهای تشخیص چهره از لحاظ نوع نگرش در یکی از رده های زیر قرار  می گیرند:

١- روشهای بر مبنای کل چهره (Face-Based)

٢- روشهای بر مبنای ساختارهای تشکیل دهنده چهره (Consistutent- Based)

در روشهای F.B ، چهره بعنوان یک الگو، یا آرایه دو بعدی از تغییرات شدت نور در نظر گرفته می شود و بصورت کل بررسی می شود. روشهای تشخیص در این نگرش براسـاس تطبیـق قالـب مـی باشـند. در نگرش C.B ، ساختارهای مجزای چهره مانند چشم ، بینی و غیره مورد بررسی قرار می گیرند . اسـتخراج ویژگیهای چهره ، اولین مرحله در این روش می باشد . حساسیت ، دقت و ستبری ویژگی استخراج شـده می توان برای سیستمهای F.B نیز استفاده کرد، چرا که مـسأله هنجـار کـردن تـصویر از لحـاظ انـدازه و چرخش می تواند توسط ویژگیهای ثابت چهره (فاصلۀ دو مردمک چشم ، فاصلۀ چشم تا دهان و …) حل شود.

ج ) بیرون کشیدن چهره از تصویر

کشف حضور و موقعیت چهره در تصویر از مسائل بسیار پیچیده بوده و معمولاً سـعی مـی شـود هنگـام دریافت تصویر کنترل روی آن وجود داشته باشد. در کاربردهایی مانند دوربین مراقبت ، حرکـت شـخص عامل کمک کننده می باشد.

ساده ترین روش کشف حضور چهره در تصویر براساس همبستگی با قالب صورت می باشـد.پروژه متلب بـا بـزرگ شدن بانک تصاویر ممکن است انجام کاروقتگیر باشد اما خوشبختانه عمل فوق قابلیت موازی شدن داشته

و از طرف دیگر لازم نیست از قالبهای بزرگ استفاده کرد . بررسی های انجام شده نشان می دهـد کـه در یک قالب ٣٢×٣٢ نقطه ای، اطلاعات کافی برای تشخیص حضور چهره در تصویر وجود دارد.

دو نکتۀ دیگری در کشف حضور چهره وجود دارد ، حداقل اندازه و وضوح تصویر مـی باشـد . بررسـی مشخص نموده است که حداقل اندازه برای تشخیص حضور چهره ،٣٢×٣٢ می باشد. از طرف دیگر حتی وضوع ابیت درپیکسل (تصویر دودوئی) برای انجام کافی می باشد.

البته باید توجه داشت که دو پارامتر فوق رابطۀ غیر مستقیم بـا یکـدیگر داشـته و بـرای مثـال در تـصویر

٣٢×٣٢ حداقل وضوح ۴ بیت در پیکسل در نظر گرفته می شود.

د) تأیید و شناسائی چهره

مرحلۀ بعد، تأئید و یا شناسائی چهره کشف شده در تصویر می باشد. هدف در اینجـا تطبیـق یـا مقایـسه تصویر ورودی با تصاویر موجود در بانک می باشد وهمانطور که گفته شـده از یـک روش براسـاس کـل چهره و یا براساس ویژگیهای استخراج شده استفاده می شود. در حالت اخیـر ویژگیهـائی کـه از تـصاویر نیمرخ و تمام رخ استخراج می شوند می توانند تفاوت بسیار داشته باشند.

ه) تحلیل حالات روحی

پروژه متلب این مرحله و مرحله بعد، ضرورتاً از اجزای لازم یک سیستم تشخیص چهره نمی باشند امـا ممکـن اسـت در بعضی کاربردها مورد توجه باشند . تشخیص حالت روحی شامل تشخیص شادی، حزن و یـا تعجـب می باشد. درحالتیکه انسان چنین حالاتی را به راحتی تشخیص می دهد، تشخیص آن توسط ماشین فرآیند بسیار پیچیده ای دارد و تا به حال بطور جدی مورد توجه قرار نگرفته است .

توصیف حالات روحی کاری بس دشوار است . مجموعه های فازی توانـایی انجـام ایـن کـار را دارنـد .

مجموعه های فازی با استفاده از حافظه های شرکت پذیر دوجهته پیاده سازی می شوند . فرآینـد تـصمیم

گیری چند لایه در مجموعه های فازی از ویژگیهای زیر برخوردار است :

١- توانائی نمایش دقیق و خلاصه شده همزمان .

٢- توانائی پردازش بالا به پائین و پائین به بالای همزمان

تئوری مجموعه های فازی روشی مؤثر برای ترکیب دنیای واقعی (نمونه هایی از اتفاق ) بـا دانـش منطـق انسان (حاوی نشانه ها و مفاهیم خلاصه شده ) فراهم  می آورد. به هرحـال ، نمـایش حـالات روحـی بـه وسیله مجموعه های فازی ساده دشوار است . زیرا این حالات به متن وابسته اند.

مثلاً توصیف حالات صورت یک انسان به بخش های مختلف چهره وابسته است نه به وجـود یـک الگـو بروی بخش معینی از چهره . تعریف مجموعه فازی که بااستفاده از مثالهای C,B,A انجام گرفتـه اسـت ، نمی تواند توسط مقدار عضویت D که یک مثال جدید است ، تعیین شود. این بدان معنی است کـه یـک مجموعه فازی نمی تواند دانشش را از روی نمونه ها عمومیت دهد.

معمولاً چهره انسان ۶ حالت پایه دارد که عبارتند از : تعجب ، ترس ، تنفـر، خـشم ، شـادی و حـزن . بـا استفاده از یک شبکه عصبی می توان سه حالت خشم ، شادی و غم را تشخیص داد.

ورودی های شبکه ، خصوصیات ابرو ، چشم و دهان می باشد. همانطور که مـی بینیـد در بـردار ویژگـی های ابرو ١٢ عنصر، چشم راست ٧ عنصر و دهان ٨ عنصر وجود دارد . با تکیه بر این فرضیه که چـشمها متقارن هستند ، اطلاعات تنها از چشم راست گرفته می شود. در لایه میانی سطح فعالیت نرون هـا کـه بـا یکدیگر متفاوت می باشند، به چشم می خورد.

فرآیند دیگری که توسط انسان به سادگی انجام می شود تعیـین جنـسیت شـخص در تـصویر مـی باشـد.

علاوه بر آن دسته بندیهای دیگری مانند سن ، نژاد و غیره نیز ممکن است مورد توجه قرار بگیرند. انجـام چنین دسته بندیهائی نیاز به حجم زیادی از دانش و اطلاعات داشته و بسیار پیچیده میباشد.

۴-١) بحث فیزیکی- روانشناسی تشخیص چهره در انسان

پروژه متلب به طور کلی ، سیستم تشخیص چهره در انسان از طیف گسترده ای از تحریکات مرتبط با حواس پنجگانه استفاده می کند. این تحریکات ، یا به تنهائی و یا در مجموع ، به ذخیره و بازیابی تصاویر چهره به منظـور تشخیص کمک می کنند. در خیلی از مواقع نیز، دانش زمینه ای شامل محیط اطراف در این امر نقش دارد.

در حال حاضرساخت سیستمی که بتواند تمام این خصوصیات را در بر گیـرد غیـر ممکـن مـی باشـد. از طرف دیگر مغز انسان نیز دارای ضعف در تعداد افرادی است که می توانـد بـه خـاطر بـسپارد . بنـابراین مزیت یک سیستم کامپیوتری می تواند افزایش این تعداد باشـد در ذیـل بـه طـرح مبـاحثی کـه در زمینـه تشخیص چهره در انسان می باشد می پردازیم .

الف ) آیا تشخیص چهره در انسان یک فرآیند مختص است ؟

شواهد وجود سیستم پردازش چهره مختص در انسان ، از معلومات زیر ناشی می شـود. اول آنکـه چهـره نسبت به دیگر اشیاء در حالتیکه به صورت عمودی باشد، آسانتر بـه خـاطر سـپرده مـی شـود. دوم آنکـه بیماران مبتلا به اختلال حافظه که چهره های آشنا را به خاطر نمی سپارند مـی تواننـد افـراد را از صـدا ، رنگ و لباس و غیره شناسائی کنند. همین طور این افراد می توانند چشم ، بینی ، دهان ، مو را بـه تنهـایی درک کنند ولی از کنار هم قراردادن آنها برای تشخیص عاجزند حتی می توانند بفهمند که یک شیء چهره است یا نه ولی از تشخیص آن عاجزند.

ب ) آیا تشخیص چهره به صورت کلی انجام می شود یا براساس تحلیل ویژگی،

واقعیت این است که هر دوی اطلاعات کلی و خاص برای تشخیص استفاده می شوند. مطالعات نشان می دهد که توصیف کننده های کلی چهره در این امـر بیـشتر دخالـت دارنـد هـر چنـد در بعـضی حـالات ، ویژگیهای برجسته مانند گوش بزرگ ، بینی دراز ومانند آن استفاده می شود.

ج ) رتبه بندی اهمیت ویژگیها

مشخص شده است که مو ، شکل صورت ، چشم و دهان برای به خاطر سـپاری و تـشخیص ، از اهمیـت بیشتری برخوردارند و بینی نقش چندانی ندارد چرا که این مطالعات بیشتر بر روی چهـره هـای تمـام رخ انجام شده است .

پروژه متلب اما در چهره های نیم رخ اکثر نقاط مهم از بینی استخراج می شوند . همین طور بخش بالائی چهره نقـش بیشتری در تشخیص دارد و علاوه برآن ، چهره زیباتر سریعتر شناسائی می شود.

د) خاص بودن چهره ها

مطالعات نشان می دهد که چهره های خاص بهتر به خاطر سپرده می شوند تا  چهـره هـای معمـولی امـا زمان تشخیص این که یک شی چهره است یا نه به خاص بودن چهره بستگی ندارد.

ه) نقش مغز

تحقیقات زیادی نشان داده است که نیمکره راست مغـز، نقـش اساسـی در تـشخیص چهـره را دارد و در افرادی که آسیب دیدگی مغزی دارند، آنهائی که نیمکره راست مغزشان آسیب دیده ، مشکلتر ازافرادی که نیمکره چپ مغزشان آسیب دیده است ، عمل تشخیص را انجام می دهند. در آزمایشی که توسط دسـتگاه تصویر افکنی انجام شده است ، در حالتی که ابتدا نیمه چپ چهره نشان داده شده و سـپس نیمـه راسـت ، عمل تشخیص نسبت به حالت برعکس سریعتر شده است چرا که نیمه چپ در نیمکره راست ظـاهر مـی شود و نیمه راست در نیمکره چپ .

و) تشخیص چهره توسط بچه ها

به نظر می رسد که بچه های زیر ده سال ، توسط ویژگیهای مجزا، افراد نا آشنا را تشخیص می دهند . ایـن ویژگی ها شامل لباس ، عینک ، مو، کلاه و غیره می باشد و از دوازده سالگی به بعد، مکانیزم تشخیص به کلی تغییر یافته و براساس ویژگیهای کلی چهره می باشد.

ح ) حالات روحی چهره

براساس مطالعات ، تشخیص حالات روحی مانند شادی،  حزن ،تعجب به موازات تشخیص چهـره انجـام شده و بیمارانی که اختلال حافظه دارند هنوز می توانند حالات روحی را تشخیص دهند.

ط ) نقش نژاد و جنسّیت

معمولاً انسان ، افراد هم نژاد خود را بهتر از افراد دیگر می شناسد. پروژه متلب دلیل آن ممکـن اسـت ایـن باشـد کـه انسان ، براساس میانگین گیری از چهره ها عمل می کند و به دلیل انحراف معیـار زیـاد در بـین نژادهـای مختلف ، تشخیص سخت تر می شود. از طرف دیگر در بعضی مردم مانند ژاپنی هـا نـاهمگنی چهـره در زن ها بیشتر از مردهاست .

ی) بخش بندی چهره در زمینه

پیاده ساز ی یک سیستم کامل خودکار تشخیص چهره نیاز به دو مرحله دارد. مرحله اول کـشف و تعیـین موقعیت چهره در تصویر می باشد که مرحله بخش بندی نام دارد. مرحلـه دوم ، تـشخیص چهـره کـشف شده به وسیله روشهای تشخیص می باشد. بدلیل پیچیده بودن بخش بندی چهره بیشتر بررسی های انجام شده بروی مرحلـه دوم می باشد . علیرغم  این مسـأله ، در حالتیکـه زمینـه تـصویر شـلوغ نباشـد عمـل بخش بندی ساده تر شده و عملی می باشد. در این حالت ، حرکت شخص عامل کمک کننده ای در بخش بندی می باشد.  کشف حرکت خود از مسائل مهم در بینائی ماشین بـوده و آن نیـز دارای پیچیـدگیهـای خاص خود می باشد. بعد از پیدا کردن محل چهره می توان اقدام به بازشناسی یا تشخیص چهره کرد.

۵-١) روشهای تشخیص چهره

بطور کلی روشهای تشخیص چهره را می توان به دوگروه زیر تقسیم کرد:

١- روشهای استخراج بردار ویژگی (Feature Extraction)

٢- روشهای تطبیق قالب (Template matching)

 

۶-١) استخراج بردار ویژگی

استخراج ویژگی یک موضوع قدیمی و مهم در زمینـۀ بازشناسـی الگـو مـی باشـد و مهمتـرین مـسأله در استخراج ویژگی یک بازشناسی خاص پیدا کردن ویژگیهای کارا مربوط به آن الگو می باشد. این مسأله در بازشناسی تصویر نیز بسیار حائز اهمیت می باشد. استخراج ویژگیهای مناسب گـام مهمـی بـرای تکمیـل

کردن فرآیند بازشناسی الگو می باشد . این مسأله در بازشناسی چهره که یک مـسأله خـاص از تـشخیص الگو می باشد، نیز وجود دارد. تا کنون ویژگیهای مختلفی جهت بازشناسی تـصویر معرفـی شـده انـد کـه

عبارتند از:

الف – ویژگی های هندسی (ظاهری)

ب – ویژگیهای جبری(مقادیر ویژه ) ضرایب تبدیل (توصیف کننده های فوریه ) و یـا آمـاری (هـسیتوگرام ، گشتاورها و …) می باشند.

٧-١) ویژگیهای هندسی (ظاهری) روی چهره

این ویژگیها شامل لبه های تصویر، کانتورها، بافتها (Textures) و نواحی یک تصویر مـی باشـند . تمـام اینها ویژگیهای ظاهری پیکسلها می باشند . تاکنون متون زیادی از پردازش تصویر در رابطـه بـا روشـهای اسخراج این ویژگیها صحبت کرده اند.اغلب سیستمهای بازشناسایی از این بردارهای ویژگـی هـا اسـتفاده می کنند. دو نوع ویژگی معمولاً استفاده می شود. ویژگی های مشتق شـده از تـصویر چهـره از روبـرو و ویژگیهای مشتق شده از تصویر نیمرخ . در ادامه مجموعه ایـن ویژگـی هـا کـه در سیـستم هـای مختلـف استفاده شده ، آمده است . البته در هر سیستم با توجه به شرائط زیـر مجموعـه ای از ایـن نقـاط اسـتفاده می شود.

خروجی متلب :

پروژه متلبپروژه متلبپروژه متلبپروژه متلبپروژه متلب



برچسب‌ها :
ads

درباره نویسنده

mrk kiani 247 نوشته در انجام پروژه متلب |پروژه متلب | پروژه آماده متلب | شبیه سازی با متلب دارد . مشاهده تمام نوشته های

دیدگاه ها


پاسخی بگذارید

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