چاپ

سپاهان نیوز - نتایج یک پژوهش نشان می دهد یک سیستم کامل تشخیص و شناسایی چهره برای شناسایی هویت بر اساس بالاترین شباهت ممکن از روی چهره اشخاص معرفی شده و از شبکه عصبی پرسپترون چندلایه (MLP) جهت تشخیص چهره درون تصویر استفاده شده است.
به گزارش ایسنا_منطقه اصفهان، نیما رجاییان دانشجو کارشناسی ارشد رشته مهندسی برق گرایش مخابرات در پایان نامه خود به بررسی "تشخیص هویت افراد بر اساس تصویر چهره با استفاده از اطلاعات اجزاء مختلف چهره با به کارگیری شبکه عصبی مصنوعی چند لایه" پرداخت.
مطابق این تحقیق شناسایی چهره زمینه تحقیقات وسیعی از بینایی ماشین و شناسایی الگو بوده است. یکی از کاربردهای وسیع بازشناسی چهره در زمینه تأیید هویت و مسئله امنیت است.
علاوه بر این در کنترل اماکن با جمعیت زیاد مانند فرودگاه‌ها، ایستگاه‌های راه‌آهن، مترو و... این روش نسبت به سایر روش‌های نظارتی دارای کارایی بیشتر است.
در این پژوهش یک سیستم کامل تشخیص و شناسایی چهره برای شناسایی هویت بر اساس بالاترین شباهت ممکن از روی چهره اشخاص معرفی‌ شده است که از شبکه عصبی پرسپترون چند لایه (MLP) جهت تشخیص چهره درون تصویر استفاده‌ شده است.
برای آموزش شبکه عصبی از الگوریتم شناسایی بر اساس رنگ پوست استفاده‌ شده است. بعد از شناسایی چهره درون تصویر جهت استخراج اجزاء چهره از الگوریتم ویولا جونز استفاده ‌شده که یکی از پر استفاده‌ترین الگوریتم‌ها در زمینه شناسایی است.
علاوه بر این در جهت استخراج ویژگی‌ها از تصاویر و کاهش ابعاد ویژگی‌ها از الگوریتم‌های گابور و تحلیل مؤلفه‌های اصلی استفاده ‌شده است و برای طبقه‌بندی به ماشین بردار پشتیبان (SVM) وارد می‌شود. هم چنین از روش نزدیک‌ترین همسایه KNN نیز برای طبقه‌بندی استفاده ‌شده است.
نتایج این تحقیق نشان داد، طبقه‌بندی با SVM با کرنل چند جمله‌ای بالاترین دقت را در بین تمامی حالات دارا است. برای آموزش و آزمایش از پایگاه‌های داده MIT و Georgia استفاده‌ شده است.
روش ارائه‌ شده بر اساس تغییر چهره و با وجود انسداد، دقت بالائی در شناسایی افراد دارد. هم چنین روش پیشنهادی تا نویز (فلفل نمکی) 3.3 درصد مقاوم بوده و تا زاویه افقی 30- تا 30+ و زاویه عمودی 15- تا 30+ و انحراف زاویه هم‌ زمان افقی30± و عمودی 15± قادر به شناسایی است.
به گزارش ایسنا؛ این پایان نامه با راهنمایی سعید نصری در دانشگاه آزاد اسلامی نجف آباد دفاع شد.

انتهای پیام