پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند

word 1 MB 32562 85
1393 کارشناسی ارشد مهندسی مکانیک
قیمت قبل:۶۵,۰۰۰ تومان
قیمت با تخفیف: ۲۹,۸۵۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان‌نامه دوره کارشناسی ارشد

    گرایش طراحی کاربردی

    چکیده

    شناسایی چهره در سال­های اخیر، در زمینه­های تحقیقاتی مرتبط با بیومتریک، شناسایی الگو، بینایی ماشین بسیار مورد توجه قرار گرفته است. در برخی کاربردهای تجاری و امنیتی نیز روش­های شناسایی چهره مورد استفاده قرار می‏گیرد. این کاربردها شامل کنترل امنیتی افراد، کنترل دسترسی، تشخیص افراد مجرم، بازسازی چهره و واسط­های بین انسان و رایانه هستند. شناسایی با کمک تصاویر چهره به دلیل اینکه نیاز به همکاری اندکی از طرف افراد دارد، مورد توجه بیشتری قرار گرفته است. در این میان            روش های تشخیص چهره روز به روز با ارائه راهکارهای جدید سعی در افزایش دقت آزمایشات روی پایگاه داده های استاندارد دارند. در این پژوهش روش جدیدی با نام روش هوشمند معرفی و مورد بررسی قرار گرفته است، که اساس کار آن مبتنی بر استفاده از ماشین های بردار پشتیبان است که از الگوریتم هوشمندی برای دسته بندی داده ها بهره می برد، البته در قسمتی از الگوریتم روش هوشمند از روش هایی که در دهه­ اول قرن 21ام ارائه شده، استفاده گردیده است. در این پژوهش برای تست روش هوشمند از بانک های داده استاندارد ORL و YALE استفاده شده که برای بانک داده ORL در میانگین کل آزمایشات تنها 2.45 درصد خطا مشاهده می شود، این در حالی است که در بهترین حالت، روش هوشمند دقت 100 درصد را از خود نشان داد. برای بانک داده YALE میانگین دقت 91.33 درصد و در بهترین عملکرد 96.67 درصد دقت از خود نشان داده که برای هر دو بانک داده نتایج بسیار مطلوبی بدست آمده است.

    کلمات کلیدی:

    بیومتریک؛ تشخیص چهره؛ ماشین های بردار پشتیبان؛ روش هوشمند؛ بانک داده ORL

     

    1-1- مقدمه

    از دوران‌‌های گذشته تا کنون بشر به دنبال حفظ امنیت خود و اموال خود بوده است، این نیاز با گذشت زمان و پیشرفت انسان و توانایی‌‌های او تکامل یافته است به گونه ای که سیستم‌‌های تشخیص هویت ابتدایی از اواخر قرن 20 میلادی تحولی بزرگ در ارتقاع امنیت به وجود آوردند اما حوادث تروریستی در اوایل قرن 21 به ویژه 11 سپتامبر2001 دولت ها را متوجه کاستی‌‌های فراوان در این زمینه نمود.

    فناوری بیومتریک از آن زمان تا کنون مورد توجه بزرگترین موسسات تحقیقاتی دنیا قرار گرفته و با رشدی مضاعف در حال پیشرفت است. در این میان فناوری‌‌های زیادی در تشخیص هویت شکل گرفته و تکامل یافتند که از جمله آنها می­توان به تشخیص اثر انگشت، تشخیص چهره، تشخیص عنبیه چشم، تشخیص شبکیه چشم‌‌، تشخیص اثر کف دست، تشخیص هندسه دست، تشخیص هندسه گوش و چندین روش دیگر اشاره نمود.

    اما دلایلی که تشخیص چهره را به عنوان یکی از بهترین روش‌‌های تشخیص هویت معرفی می­کنند به شرح زیر ارائه میگردند:

    تقریبا تمامی فناوری‌‌های تشخیص چهره نیازمند یک سری عملیات‌‌های داوطلبانه از سوی کاربر هستند. به طور مثال در تشخیص هویت به کمک اثر انگشت وکف دست کاربر باید دست خود را روی سنسور مورد نظر قرار داده تا اسکن لازم اخذ شود و یا در تشخیص هویت به وسیله چشم باید شخص چشم خود را بدون حرکت در مقابل لنز دوربین قرار دهد، این در حالی ست که در تشخیص چهره یک دوربین حتی از فاصله دور هم میتواند تصویر فرد را برای شناسایی به سیستم منتقل کند.

    انسان که قوی ترین سیستم تشخیص هویت را دارد از چهره به عنوان پارامتر شناسایی استفاده میکند و رسیدن به چنین سیستمی که این عمل را توسط ماشین شبیه سازی کند ایده آل علم در تشخیص هویت خواهد بود.

     

    تکنولوژی تشخیص چهره دارای کاربرد‌‌های فروانی از جمله سیستم‌‌های امنیتی، رابط انسان و کامپیوتر، نظارت خودکار، سیستم‌‌های تایید بانکی، تشخیص هویت توسط گذر نامه و انواع کارت شناسایی و غیره است.

    چهره نقش اساسی را در شناسایی افراد و نمایش احساسات آنها در سطح جامعه دارد. توانایی انسان در تشخیص چهره ها قابل توجه است ما می توانیم هزاران چهره یاد داده شده در طول عمرمان را تشخیص دهیم و در یک نگاه چهره‌‌های آشنا را حتی پس از سالها جدایی شناسایی کنیم. این مهارت در مقابل تغییرات در شرایط دیداری مانند حالت چهره، سن و همچنین تغییراتی در عینک، ریش یا سبک مدل موها ایستادگی ‌‌می‌کند.

    تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستم‌‌های امنیتی، کنترل کارت اعتباری و شناسایی مجرمان شده است. برای مثال، قابلیت مدل کردن یک چهره خاص و تمیز دادن آن از یک تعداد فراوان از مدل‌‌های چهره ذخیره شده، توانایی شناسایی مجرمان را به صورت گسترده ای بهبود خواهد بخشید.

    اگرچه درست است که انسان ها در تشخیص چهره توانا هستند اما نحوه کدینگ و دی کدینگ چهره ها در مغز انسان کاملا آشکار نیست. تشخیص چهره انسان برای بیش از بیست سال مورد مطالعه قرار گرفته است. توسعه یک مدل محاسباتی برای تشخیص چهره کاملا دشوار است و دلیل آن پیچیدگی چهره ها و ساختار چند بعدی بینایی است. بنابراین تشخیص چهره یک فعالیت سطح بالا در بینایی کامپیوتر است و ‌‌می‌تواند بسیاری از تکنیک‌‌های بینایی اولیه را در بر گیرد.

    مرحله اول تشخیص چهره انسان، استخراج ویژگی‌‌های آشکار از تصاویر چهره هاست. در اینجا یک سوال بوجود ‌‌می‌آید که تا چه اندازه ویژگی‌‌های چهره قابلیت اندازه گیری شدن را دارند. بررسی‌‌های محققین در چندین سال گذشته بر آن اشاره دارد که ویژگیهای خاصی از چهره برای شناسایی چهره ها توسط انسان تشخیص داده ‌‌می‌شود.

     

  • فهرست:

    فصل 1 - مقدمه. 1

    1-1- مقدمه. 2

    فصل 2 - مروری بر پیشینه تحقیق... 5

    2-1- مقدمه. 6

     تشخیص چهره با استفاده از چهره ویژه ها 6

    2-3- کلیات سیستم.. 10

    2-3-1- فاز شکل دهی پایگاه داده چهره 10

    2-3-2- فاز تمرین.. 11

    2-3-3- فاز تشخیص و یادگیری.. 11

    2-4- محاسبه چهره ویژه ها 13

    2-5- روش آنالیز اجزای اصلی (PCA) 17

    2-6- روش آنالیز تفکیک پذیری خطیLDA.. 21

    2-7- روش آنالیز اجزای مستقل ICA.. 23

    فصل 3 - مفاهیم اصلی تشخیص چهره. 28

    3-1- مقدمه. 29

    3-2- مفاهیم اصلی تشخیص الگو و چهره 29

    3-2-1- نگاه کلی   29

    3-2-2- تشخیص آیتم‌‌های واقعی.. 29

    3-2-3- تشخیص آیتم‌‌های انتزاعی.. 29

    3-3- الگوها و کلاس‌‌های الگوها 30

    3-4- مسائل اساسی در طراحی سیستم تشخیص الگو. 31

    3-5- یادگیری و تمرین دادن.. 32

    3-6 تشخیص الگوی نظارت شده و بدون نظارت... 33

    3-7- کلیات یک سیستم تشخیص الگو. 33

    3-8- کلیات یک سیستم تشخیص چهره عام. 35

    3-8-2- ماژول دریافت... 35

    3-8-3- ماژول پیش پردازش.... 36

    3-8-4- ماژول استخراج ویژگی.. 37

    3-8-5- ماژول دسته بندی.. 37

    3-8-6- مجموعه تمرین.. 38

    3-8-7- پایگاه داده چهره 38

    فصل 4 - مدل و روش پیشنهادی.. 39

    4-1- مقدمه. 40

    4-2- تحلیل تفکیکی خطی برای ماتریس تصاویر(2D-LDA) 40

    4-3- ماشین بردار پشتیبان (SVM) 46

    4-4- روش هوشمند. 52

    4-4-1- مقدمه  .................................................................................................................................................................52

    4-4-2- استفاده از ماشین های بردار پشتیبان(روش 2D-LDA-SVM) 52

    4-4-3- استفاده از هر دو بعد تصویر جهت آموزش کامل تر(2D-2D-LDA-SVM) 53

    فصل 5 - نتایج   55

    5-1- معرفی بانک داده های استفاده شده 56

    5-1-1- بانک داده ORL. 56

    5-1-2- بانک داده YALE.. 57

    5-2- نتایج پیاده سازی آزمایشات در نرم افزار MATLAB.. 58

    5-3- نتایج روش2D-LDA-SVM... 58

    5-3-1- پیاده سازی روی بانک داده ORL. 58

    5-3-2- مقایسه روش 2D-LDA-SVM با روش 2D-LDA.. 62

    5-3-3- پیاده سازی روی بانک داده YALE.. 63

    5-4- نتایج روش2D-2D-LDA-SVM... 65

    5-4-1- پیاده سازی روی بانک داده ORL. 65

    5-4-2- مقایسه روش 2D-2D-LDA-SVM با روش 2D-LDA.. 67

    5-4-3- پیاده سازی روی بانک داده YALE.. 68

    5-5- مقایسه روش های 2D-2D-LDA-SVM با 2D-LDA-SVM... 70

    5-5-1- بانک داده ORL. 70

    5-5-2- بانک داده YALE.. 71

       5-6- نتیجه گیری و پیشنهادات...........................................................................................................................72

     

    مراجع..................................................................................................................................................................75

     

     

     

    منبع:

     

    [1]        M. Kirby and L. Sirovich, "Application of the Karhunen-Loeve procedure for the characterization of human faces," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 12, pp. 103-108, 1990.

    [2]        L. Sirovich and M. Kirby, "Low-dimensional procedure for the characterization of human faces," JOSA A, vol. 4, pp. 519-524, 1987.

    [3]        M. Turk and A. Pentland, "Eigenfaces for recognition," Journal of cognitive neuroscience, vol. 3, pp. 71-86, 1991.

    [4]        A. Pentland, B. Moghaddam, and T. Starner, "View-based and modular eigenspaces for face recognition," in Computer Vision and Pattern Recognition, 1994. Proceedings CVPR'94., 1994 IEEE Computer Society Conference on, 1994, pp. 84-91.

    [5]        S. Akamatsu, T. Sasaki, H. Fukamachi, and Y. Suenaga, "Robust face identification scheme: KL expansion of an invariant feature space," in Intelligent Robots and Computer Vision X: Algorithms and Techniques, 1992, pp. 71-84.

    [6]        K.-C. Chung, S. C. Kee, and S. R. Kim, "Face recognition using principal component analysis of Gabor filter responses," in Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems, 1999. Proceedings. International Workshop on, 1999, pp. 53-57.

    [7]        P. N. Belhumeur, J. P. Hespanha, and D. Kriegman, "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 19, pp. 711-720, 1997.

    [8]        H. Yu and J. Yang, "A direct LDA algorithm for high-dimensional data—with application to face recognition," Pattern recognition, vol. 34, pp. 2067-2070, 2001.

    [9]        L.-F. Chen, H.-Y. M. Liao, M.-T. Ko, J.-C. Lin, and G.-J. Yu, "A new LDA-based face recognition system which can solve the small sample size problem," Pattern recognition, vol. 33, pp. 1713-1726, 2000.

    [10]      J. Lu, K. N. Plataniotis, and A. N. Venetsanopoulos, "Face recognition using LDA-based algorithms," Neural Networks, IEEE Transactions on, vol. 14, pp. 195-200, 2003.

    [11]      R. Lotlikar and R. Kothari, "Fractional-step dimensionality reduction," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 22, pp. 623-627, 2000.

    [12]      J. Lu, K. N. Plataniotis, and A. N. Venetsanopoulos, "Regularization studies of linear discriminant analysis in small sample size scenarios with application to face recognition," Pattern Recognition Letters, vol. 26, pp. 181-191, 2005.

    [13]      J. J. Atick and A. N. Redlich, "What does the retina know about natural scenes?," Neural computation, vol. 4, pp. 196-210, 1992.

    [14]      Z. Chen, S. Haykin, J. J. Eggermont, and S. Becker, "Discussion," Correlative Learning: A Basis for Brain and Adaptive Systems, pp. 356-362, 2007.

    [15]      M. S. Bartlett, J. R. Movellan, and T. J. Sejnowski, "Face recognition by independent component analysis," Neural Networks, IEEE Transactions on, vol. 13, pp. 1450-1464, 2002.

    [16]      K. Baek, B. A. Draper, J. R. Beveridge, and K. She, "PCA vs. ICA: A Comparison on the FERET Data Set," in JCIS, 2002, pp. 824-827.

    [17]      K. Delac, M. Grgic, and S. Grgic, "Independent comparative study of PCA, ICA, and LDA on the FERET data set," International Journal of Imaging Systems and Technology, vol. 15, pp. 252-260, 2005.

    [18]      J. Yang, A. F. Frangi, J.-y. Yang, D. Zhang, and Z. Jin, "KPCA plus LDA: a complete kernel Fisher discriminant framework for feature extraction and recognition," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 27, pp. 230-244, 2005.

    [19]      C. Liu and H. Wechsler, "Independent component analysis of Gabor features for face recognition," Neural Networks, IEEE Transactions on, vol. 14, pp. 919-928, 2003.

    [20]      Internet resources

     

    [21]     Li, M. and B. Yuan (2005). "2D-LDA: A statistical linear discriminant 


موضوع پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, نمونه پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, جستجوی پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, فایل Word پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, دانلود پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, فایل PDF پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, تحقیق در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, مقاله در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, پروژه در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, پروپوزال در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, تز دکترا در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, تحقیقات دانشجویی درباره پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, مقالات دانشجویی درباره پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, پروژه درباره پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, گزارش سمینار در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, پروژه دانشجویی در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, تحقیق دانش آموزی در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, مقاله دانش آموزی در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند, رساله دکترا در مورد پایان نامه تشخیص هویت به کمک پردازش تصویر چهره انسان به روش هوشمند

پایان­نامه ارشد جهت اخذ درجه کارشناسی ارشد چکیده بازشناسی چهره در زمینه­های بیومتریک، بینایی ماشین و تشخیص الگو بوده و دارای کاربرد گسترده­ای از جمله مسائل مربوط به سیستم­های امنیتی می­باشد. از آن­جا که عوامل مختلفی از جمله نحوه نورپردازی محیط، نویز، و ماتی تصویر در عملکرد روش‌های بازشناسی چهره کم و بیش تاثیرگذارند، لذا بررسی روش‌های رفع ماتی از تصاویر چهره مورد استفاده در ...

چکیده بازشناسی چهره در زمینه­های بیومتریک، بینایی ماشین و تشخیص الگو بوده و دارای کاربرد گسترده­ای از جمله مسائل مربوط به سیستم­های امنیتی می­باشد. از آن­جا که عوامل مختلفی از جمله نحوه نورپردازی محیط، نویز، و ماتی تصویر در عملکرد روش‌های بازشناسی چهره کم و بیش تاثیرگذارند، لذا بررسی روش‌های رفع ماتی از تصاویر چهره مورد استفاده در الگوریتم­های بازشناسی چهره، به منظور ارتقا صحت ...

پایان نامه برای دریافت درجه کارشناسی ارشد رشته علوم کامپیوتر چکیده امروزه در زمینه های فراوانی ما به وسایلی نیاز داریم که کامپیوتراشخاص را شناسایی کند و بر اساس ویژگیهای بدن اشخاص آن ها را بازشناسی کند. سیستم تشخیص چهره بعنوان یک سیستم بیو متری اساساً یک سیستم تشخیص الگو است که یک شخص را بر اساس بردار ویژگی های فیزیولوژیکی خاص یا رفتاری که دارد بازشناسی می­کند. بردار ویژگی ها پس ...

پایان نامه برای دریافت درجه کارشناسی ارشد .M.Sc گرایش: رابطه جنبی انسان، ماشین، کامپیوتر چکیده امروزه ﺑﺎ ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﻓﻨﺎوری، سطح اﻣﻨﯿﺖ اﻓﺮاد و ﺳﺎزﻣﺎﻧﻬﺎ ﻧﯿﺰ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ و اﯾﻦ اﻣﻨﯿﺖ ﻣﻮرد ﺗﻬﺎﺟﻢ اﻓﺮاد ﺳﻮدﺟﻮ و ﺧﺮاﺑﮑﺎر ﻗﺮارﮔﺮﻓﺘﻪ اﺳﺖ. در این میان پیشرفت روز افزون روشهای بیومتریک دستاوردهای شگرفی در زمینه های امنیت نظامی، تجاری و مالی در برداشته است. منظور از بیومتریک فناوری اندازه گیری ...

پایان نامه برای دریافت درجه کارشناسی ارشد .M.Sc گرایش: رابطه جنبی انسان، ماشین، کامپیوتر چکیده امروزه ﺑﺎ ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﻓﻨﺎوری، سطح اﻣﻨﯿﺖ اﻓﺮاد و ﺳﺎزﻣﺎﻧﻬﺎ ﻧﯿﺰ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ و اﯾﻦ اﻣﻨﯿﺖ ﻣﻮرد ﺗﻬﺎﺟﻢ اﻓﺮاد ﺳﻮدﺟﻮ و ﺧﺮاﺑﮑﺎر ﻗﺮارﮔﺮﻓﺘﻪ اﺳﺖ. در این میان پیشرفت روز افزون روشهای بیومتریک دستاوردهای شگرفی در زمینه های امنیت نظامی، تجاری و مالی در برداشته است. منظور از بیومتریک فناوری اندازه گیری ...

پایان‏نامه جهت دریافت کارشناسی ارشد رشته مهندسی کامپیوتر- هوش مصنوعی و رباتیک چکیده هر ساله تصادفات رانندگی زیادی به دلیل خواب‏ آلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ می‏دهد که خسارت‏های جانی و مالی فراوانی به همراه دارند. یکی از روش‏های تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستم‏های نظارت چهره راننده است. سیستم‏های نظارت چهره راننده با دریافت تصاویر از دوربین و ...

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی مکاترونیک(M.Sc) چکیده تکنولوژی بیومتریک، براساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویّت افراد می­کند. محققّین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقّت بالایی حتّی در شرایط مختلف استخراج نمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی ...

پایان نامه کارشناسی ارشد دانشکده فنی و مهندسی گروه کامپیوتر چکیده: در این پایان نامه، روش جدیدی جهت تشخیص حالت‌ های احساسی ظریف چهره ارائه می‌گردد. برای نمایان ساختن حرکات ظریف چهره از روش بزرگنمایی ویدئویی اولر استفاده شده است. روش بزرگنمایی ویدئویی اولر حرکات ظریف سیگنال‌ها (تغییر رنگ یا حرکت انتقالی) را با پردازش زمانی و مکانی تقویت می‌کند. ورودی این روش، ویدئوهایی از چهره ...

الکترونیک گروه پایان نامه کارشناسی ارشد چکیده: شناسایی گوینده یکی از مباحث مطرح در بحث پردازش گفتار می باشد. شناسایی گوینده عبارت است از فرآیندی که طی آن با استفاده از سیگنال صحبت تشخیص دهیم چه کسی چه موقع واقعا صحبت می کند. هدف طراحی سیستمی است که بتواند تغییر در گوینده را مشخص نماید و گفتار هرگوینده را برای سیستم برچسب گذاری نماید. یعنی مشخص نماید که کدام گوینده، در چه بازه ...

پایان نامه دوره کارشناسی ارشد مهندسی نرم‌افزار کامپیوتر چکیده: ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال مقدمه: از دیرباز تاکنون تکنیک‌های متعددی برای شناسایی افراد به وجود آمده است. در این میان سیستم‌ های تشخیص هویت مبتنی بر بیومتریک از صحت و اطمینان بیشتری برخوردارند. این سیستم‌ها باید به گونه‌ای طرح‌ریزی شوند تا بتوانند بر اساس ویژگی‌های رفتاری و فیزیکی افراد نسبت ...

ثبت سفارش