ZIP

پروژه تشخیص اشارات دست (شبیه سازی بهمراه دیتابیس ):انجام پروژه متلب

امتیاز 4.00 ( 1 رای )

zip

سپتامبر 25, 2019

6 mb

100,000 تومان

0 فروش

گزارش خرابی لینک

پروژه تشخیص اشارات دست (شبیه سازی بهمراه دیتابیس ):انجام پروژه متلب

4/5 - (1 امتیاز)

به این پست امتیاز دهید.

پروژه تشخیص اشارات دست (شبیه سازی بهمراه دیتابیس ):انجام پروژه متلب

{score}/{best} - ({count} {votes})

پروژه تشخیص اشارات دست (شبیه سازی بهمراه دیتابیس ):انجام پروژه متلب

توانایی ارتباط با وسایل الکترونیکی بدون احتیاج به ابزار خارجی خاص، را می‌توان تلاش اصلی این مقاله دانست. به زبان ساده، همانگونه که از زبان بدن به عنوان ابزار ارتباطی با محیط اطراف و دیگر اشخاص استفاده می‌شود، در تکنولوژی جدید، از زبان بدن به عنوان جایگزینی برای ابزار رایج ارتباط انسان-رایانه استفاده می‌شود. بطور خاص، مطالعات صورت گرفته در زمینه تکنولوژی تشخیص اشارات دست مورد بررسی قرار می‌گیرد. این تکنولوژی با استفاده از سیستم‌های بینایی رایانه‌ای و روش‌های پردازش تصاویر، با دریافت تصاویر اشارات دست توسط دوربین و پردازش آن‌ها توسط رایانه، منجر به تشخیص اشارات دست و به کارگیری آن‌ها در کاربردها و اهداف گوناگون می‌شود. مزیت اصلی استفاده از ورودی‌های بصری، ارتباط با وسایل الکترونیکی، در یک مسافت، بدون احتیاج به تماس فیزیکی یا ابزاری برای کنترل است. در مقایسه با فرمان‌های گفتاری، اشارات دست در محیط‌های نویزی، می‌توانند به خوبی استفاده شوند. کنترل تلویزیون با اشارات دست از جمله کاربردهایی است که اخیرا صورت گرفته و در این مقاله مورد بررسی قرار می‌گیرد.

با گسترش فناوری اطلاعات در جامعه، انتظار می‌رود که سیستم‌های رایانه‌ای، در یک دامنه وسیع، ارتباط درونی تنگاتنگی با محیط پیدا کنند. این محیط‌ها، به‌منظور ارتباط طبیعی و آسان انسان-رایانه، نیازمند شکل‌های جدید ارتباطی هستند. به‌طور خاص توانایی ارتباط با وسایل رایانه‌ای بدون احتیاج به ابزار خارجی خاص جالب است. امروزه صفحه کلید (Key Board)، موس (Mouse) و ریموت کنترل (Remote Control) به‌عنوان رابط‌های اصلی برای انتقال اطلاعات و دستورات به وسایل رایانه‌ای استفاده می‌شوند. در بعضی کاربردها شامل اطلاعات سه‌بعدی مانند تجسم (Visualization)، بازی رایانه‌ای و کنترل ربات‌ها، دیگر رابط‌ها نظیر گوی‌های ردیابی (Trackballs)، جوی استیک (Joystick) و دستکش داده‌ها (Data glove) استفاده می‌شوند.

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.

: مقدمات ۵

۴- 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

خروجی برنامه :

Processing Image-2 (Input/Query)
Finding keypoints…
۶۷ keypoints found.
Found 7 matches.
———————————-
Processing Image-1 (Database)
Images/Database/9.jpg
Finding keypoints…
۵۴ keypoints found.
—
Processing Image-2 (Input/Query)
Finding keypoints…
۶۷ keypoints found.
Found 4 matches.
———————————-
—————
Check 2 Done.
—————
End of tests…