-
حرية الوصول المقاله
1 - بهبود کارایی روش سنتی آشکارسازی چهره مبتنی بر ماشین بردار پشتیبان
مجید روحی قاسم میرجلیلی محمدتقی صادقیدر این مقاله ایدههایی برای بهبود کارایی روش سنتی آشکارسازی چهره با استفاده از ماشین بردار پشتیبان، پیشنهاد شده است. در روش سنتی، ابتدا تصویر ورودی به پنجرههایی همپوشان با ابعاد ثابت تقسیم و در نهایت برای هر پنجره در مورد این که حاوی چهره هست یا نه، تصمیمگیری میشود. أکثردر این مقاله ایدههایی برای بهبود کارایی روش سنتی آشکارسازی چهره با استفاده از ماشین بردار پشتیبان، پیشنهاد شده است. در روش سنتی، ابتدا تصویر ورودی به پنجرههایی همپوشان با ابعاد ثابت تقسیم و در نهایت برای هر پنجره در مورد این که حاوی چهره هست یا نه، تصمیمگیری میشود. نرخ آشکارسازی و خطای هشدار غلط این روش خیلی مطلوب نیست. در این مقاله برای بهبود کارایی، بهجای استفاده از پنجره با ابعاد ثابت از پنجرههایی با اندازههای مختلف استفاده میشود. هر پنجره دارای دقت خاصی در آشکارسازی است. در این روش، تصمیمات حاصل از بهکارگیری پنجرههای مختلف روی یک ناحیه از تصویر، با هم ادغام میشوند. همچنین در این مقاله از یک سطح تصمیمگیری وفقی برای تصمیمگیری در خروجی طبقهبندی کننده استفاده شده است. از طرفی بهجای این که تصمیمگیری برای هر پنجره فقط متکی بر خروجی ماشین بردار پشتیبان باشد، از معیارهای شباهتسنجی بین پنجره مربوطه با مدلی از چهره برای تصمیمگیری نهایی استفاده میگردد. نتیجه بهکارگیری این ترفندها، افزایش نرخ آشکارسازی و همچنین کاهش خطای هشدار غلط است. نتایج شبیهسازی با استفاده از مجموعه داده استاندارد، این مسئله را تأیید میکند. تفاصيل المقالة -
حرية الوصول المقاله
2 - آشکارسازی صورت با استفاده از فیلترهای گابور و شبکههای عصبی
محمود محلوجی رضا محمدیاندر این مقاله، روشی قدرتمند برای آشکارسازی صورت از زوایای مختلف با استفاده از ترکیب فیلترهای گابور و شبکه عصبی بیان میشود. در ابتدا رابطه ریاضی تولید فیلتر گابور مورد بررسی قرار میگیرد و در مرحله بعد با بررسی 75 بانک فیلتر مختلف، محدوده مقادیر پارامترهای مؤثر در تولید أکثردر این مقاله، روشی قدرتمند برای آشکارسازی صورت از زوایای مختلف با استفاده از ترکیب فیلترهای گابور و شبکه عصبی بیان میشود. در ابتدا رابطه ریاضی تولید فیلتر گابور مورد بررسی قرار میگیرد و در مرحله بعد با بررسی 75 بانک فیلتر مختلف، محدوده مقادیر پارامترهای مؤثر در تولید فیلتر گابور مشخص شده و سپس بهترین مقدار برای آنها به دست میآید. شبکه عصبی مورد استفاده در این مقاله از نوع پیشخور با روش بازگشتی است و بردار ورودی این شبکه عصبی از کانوالو تصویر با تنها یک فیلتر گابور با زاویه 2/ و فرکانس 2/ در حوزه فرکانس به دست میآید. الگوریتم پشنهادی در این مقاله روی 550 تصویر از 2 پایگاه تصویر فرت با پسزمینه ساده و مارکوس وبر با پسزمینه پیچیده آزمایش شده و دقت آشکارسازی آن به ترتیب 4/98% و 95% است. همچنین به کمک الگوریتم ویولا جونز ناحیه صورت را در 550 نمونه تصویر به دست آورده و مقایسهای بین نتایج به دست آمده از الگوریتم ویولاجونز و الگوریتم پیشنهادی آورده میشود. تفاصيل المقالة -
حرية الوصول المقاله
3 - A High Performance Dual Stage Face Detection Algorithm Implementation using FPGA Chip and DSP Processor
M V Ganeswara Rao P Ravi Kumar T BalajiA dual stage system architecture for face detection based on skin tone detection and Viola and Jones face detection structure is presented in this paper. The proposed architecture able to track down human faces in the image with high accuracy within time constrain. A no أکثرA dual stage system architecture for face detection based on skin tone detection and Viola and Jones face detection structure is presented in this paper. The proposed architecture able to track down human faces in the image with high accuracy within time constrain. A non-linear transformation technique is introduced in the first stage to reduce the false alarms in second stage. Moreover, in the second stage pipe line technique is used to improve overall throughput of the system. The proposed system design is based on Xil inx’s Virtex FPGA chip and Texas Instruments DSP processor. The dual port BRAM memory in FPGA chip and EMIF (External Memory Interface) of DSP processor are used as interface between FPGA and DSP processor. The proposed system exploits advantages of both the computational elements (FPGA and DSP) and the system level pipelining to achieve real time perform ance. The present system implementation focuses on high accurate and high speed face detec tion and this system evaluated using standard BAO image database, which include images with different poses, orientations, occlusions and illumination. The proposed system attained 16.53 FPS frame rate for the input image spatial resolution of 640X480, which is 23.4 times faster detection of faces compared to MATLAB implementation and 12.14 times faster than DSP implementation and 2.1 times faster than FPGA implementation. تفاصيل المقالة