فهرس المقالات Face recognition

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Fast Automatic Face Recognition from Single Image per Person Using GAW-KNN
  حسن فرسی Mohammad Hasheminejad
  10.7508/jist.2014.03.008
  Real time face recognition systems have several limitations such as collecting features. One training sample per target means less feature extraction techniques are available to use. To obtain an acceptable accuracy, most of face recognition algorithms need more than on أکثر

  Real time face recognition systems have several limitations such as collecting features. One training sample per target means less feature extraction techniques are available to use. To obtain an acceptable accuracy, most of face recognition algorithms need more than one training sample per target. In these applications, accuracy of recognition dramatically reduces for the case of one training sample per target face image because of head rotation and variation in illumination state. In this paper, a new hybrid face recognition method by using single image per person is proposed, which is robust against illumination variations. To achieve robustness against head variations, a rotation detection and compensation stage is added. This method is called Weighted Graphs and PCA (WGPCA). It uses harmony of face components to extract and normalize features, and genetic algorithm with a training set is used to learn the most useful features and real-valued weights associated to individual attributes in the features. The k-nearest neighbor algorithm is applied to classify new faces based on their weighted features from the templates of the training set. Each template contains the corrected distances (Graphs) of different points on the face components and the results of Principal Component Analysis (PCA) applied to the output of face detection rectangle. The proposed hybrid algorithm is trained using MATLAB software to determine best features and their associated weights and is then implemented by using delphi XE2 programming environment to recognize faces in real time. The main advantage of this algorithm is the capability of recognizing the face by only one picture in real time. The obtained results of the proposed technique on FERET database show that the accuracy and effectiveness of the proposed algorithm. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - بررسی روش های تشخیص چهره مبتنی بر الگوریتم های یادگیری عمیق
  پژمان غلام نژاد احسان شریفی
  10.61186/jstpi.21039.19.73.16
  امروزه با رشد فناوری اطلاعات، تشخیص چهره یک مساله چالش برانگیز در زمینه تجزیه و تحلیل تصویر و بینایی رایانه است و به همین دلیل در چند سال گذشته به خاطر کاربردهای فراوان در حوزه های مختلف مورد توجه بسیاری قرار گرفته است. روش های زیادی برای پیاده سازی این فناوری مورد استف أکثر

  امروزه با رشد فناوری اطلاعات، تشخیص چهره یک مساله چالش برانگیز در زمینه تجزیه و تحلیل تصویر و بینایی رایانه است و به همین دلیل در چند سال گذشته به خاطر کاربردهای فراوان در حوزه های مختلف مورد توجه بسیاری قرار گرفته است. روش های زیادی برای پیاده سازی این فناوری مورد استفاده قرار می گیرد، اما روش کلی بر مبنای مقایسه مشخصه های خاصی از چهره افراد با یک پایگاه داده یا مجموعه اطلاعاتی از پیش ذخیره شده ( که می تواند حاصل نمونه گیری از چهره افراد باشد) است. فناوری های مبتنی بر بیومتریک در سال‌های اخیر به عنوان امیدوارکننده ترین گزینه برای تشخیص هویت افراد، شناخته شده اند. به منظور پیاده-سازی تشخیص چهره از روش های متفاوتی استفاده می شود. در این مقاله، مروری بر برخی از روش های شناخته شده پردازش تصویر انجام می شود و مزایا و معایب طرح های ذکر شده در آن بررسی شده است. همچنین فناوری های پیاده سازی سیستم های تشخیص چهره معرفی می گردد. سپس الگوریتم های تشخیص چهره بر اساس مشخصه های بیومتریک دسته بندی و معرفی می شوند. علاوه بر این، ضمن معرفی الگوریتم های مدل سلسله مراتبی و ایکس، مدل سلسله مراتبی باینری و ایکس، به بیانِ مفهوم ساختار تشخیصِ چهره ی عمیق، پرداخته شده است و برخی از جدیدترین الگوریتم های تولید شده برای این منظور ذکر شده است. در پایان، برخی از مهم ترین موارد کاربرد سیستم های تشخیص چهره مورد بررسی قرار گرفته است. هدف از این مقاله، معرفی و بیان الگوریتم های یادگیری عمیق در تشخیص چهره و بیان چالش های موجود می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - معرفي الگوريتمي جديد براي حل مشكل عينك و ریش در بازشناسی چهره با تصاویر مادون قرمز حرارتی
  حامد کماری علائی مرتضی  خادمی
  بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هم‌اکنون مورد توجه بسیاری از محققان می‌باشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگ‌های صورت انسان انجام می‌شود دارای مزیت‌های بسیاری نسبت به روش‌های م أکثر

  بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هم‌اکنون مورد توجه بسیاری از محققان می‌باشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگ‌های صورت انسان انجام می‌شود دارای مزیت‌های بسیاری نسبت به روش‌های مبتنی بر تصاویر بینایی متداول می‌باشد. در این تصاویر اثر تغییرات نور محیط که یکی از مهم‌ترین معضلات بازشناسی چهره در تصاویر حوزه بینایی است، مرتفع می‌شود. یکی از مهم‌ترین مشکلات بازشناسی چهره در تصاویر مادون قرمز حرارتی وجود موانع انتشار مانند عینک و ریش بوده که مانع استخراج دقیق موقعیت رگ‌های صورت می‌گردند. در اين تحقیق براي اولین بار الگوریتمي پیشنهاد شده است كه این مشکلات نیز تا حد زیادی برطرف مي‌گردند. در این مقاله جهت استخراج ویژگی صورت از موقعیت انشعاب رگ‌ها استفاده شده است و همچنین با انتخاب دسته‌بندی مناسب، رگ‌های تقلبی و انشعابات نادرست حذف شده‌اند. از طرفی با استفاده از الگوریتم تطبیق زمانی پویا بهترین بردارهای ویژگی استخراج می‌شوند. با بررسی نتایج شبیه‌سازی شده بر روی بانک داده UTK-IRIS نرخ شناسایی بر روی تصاویر با عینک 95٪ و بر روي تصاوير با ریش صورت 88% است که نسبت به بهترين نتایج به‌دست آمده قبلی در بانک داده یکسان، به‌ترتيب 10٪ و 40% بهتر می‌باشند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - بهبود مانيفولد حالات و تصاوير مجازی با به‌کارگيری شبکه‌های عصبی دوسويه در بازشناسی چهره با يک تصوير از هر فرد
  فاطمه عبدالعلی سیدعلی سیدصالحی
  در اين مقاله به‌منظور توسعه عملکرد مدل‌های شبکه عصبی در بازشناسی چهره با يک تصوير از هر فرد، يک ساختار شبکه عصبی دوسويه با الهام از نئوکورتکس مغز انسان ارائه شده است. در ساختار پيشنهادی همانند نئوکورتکس در ابتدا طی يک مرحله پردازش از پايين به بالا، يک تفسير زمخت از ورود أکثر

  در اين مقاله به‌منظور توسعه عملکرد مدل‌های شبکه عصبی در بازشناسی چهره با يک تصوير از هر فرد، يک ساختار شبکه عصبی دوسويه با الهام از نئوکورتکس مغز انسان ارائه شده است. در ساختار پيشنهادی همانند نئوکورتکس در ابتدا طی يک مرحله پردازش از پايين به بالا، يک تفسير زمخت از ورودی صورت می‌گيرد، سپس در مرحله بعد نتايج بازشناسی اوليه ضمن عبور از يک شبکه عصبی معکوس پالايش می‌شوند. از اين مدل جهت جداسازی غير خطی اطلاعات فرد از حالت و تخمين مانيفولدهای اطلاعات فرد و حالت استفاده شده است. به‌منظور افزايش تعداد نمونه‌های تعليم در شبکه طبقه‌بندی کننده با استفاده از مانيفولدهای تخمين زده شده، تصاوير مجازی چهره‌های نرمال موجود در پايگاه داده تست توليد شده است. با تعليم شبکه طبقه‌بندی کننده توسط تصاوير مجازی حاصل از تعليم شبکه دوسويه، درصد صحت بازشناسی 45/85٪ روی دادگان تست حاصل شده که در مقايسه با توليد تصاوير مجازی با استفاده از روش خوشه‌بندی بدون سرپرستی اطلاعات افراد و حالات دارای بهبود 82/1٪ می‌باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - ارائه یک سیستم تشخیص چهره با انتخاب بهینه‌ی ویژگی‌ها مبتنی بر الگوریتم بهینه‌سازی فاخته
  فرناز حسینی حامد سپهرزاده
  تشخیص چهره، یک عمل تشخیص الگوست که به‌طور خاص بر روی چهره‌ها انجام می‌شود و کاربردهای فراوانی در شناسایی کارت‌های اعتباری، سیستم‌های امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ می‌باشد که در سال‌های اخیر مورد توجه محققان مختلفی قرار گرف أکثر

  تشخیص چهره، یک عمل تشخیص الگوست که به‌طور خاص بر روی چهره‌ها انجام می‌شود و کاربردهای فراوانی در شناسایی کارت‌های اعتباری، سیستم‌های امنیتی و موارد دیگر دارد. ایجاد یک سیستم تشخیص چهره با دقت بالا، یک چالش بزرگ می‌باشد که در سال‌های اخیر مورد توجه محققان مختلفی قرار گرفته است. فرایند استخراج ویژگی و طبقه‌بندی، دو مسئله مهم در سیستم‌های تشخیص هستند که می‌توانند در افزایش دقت تشخیص نقش بسزایی را ایفا کنند. با توجه به این موضوع در این مطالعه با درنظرگرفتن ویژگی‌های ترکیبی و بهینه‌سازی الگوریتم فاخته، روشی برای بهبود میزان دقت در تشخیص چهره پیشنهاد شده است. در روش ارائه‌شده، هفت ویژگی از روی تصاویر موجود در پایگاه داده استخراج شده، سپس با به‌دست‌آوردن بردار ویژگیِ مطلوب، مراحل مربوط به انتخاب ویژگی با استفاده از الگوریتم فاخته انجام می‌شود. روش پیشنهادی با نرم‌افزار Matlab پیاده‌سازی گردیده و با روش‌های دیگر مورد مقایسه قرار گرفته است. نتایج مربوط به ارزیابی نشان می‌دهند که روش پیشنهادی توانسته عمل تشخیص بر روی تصاویر دو بانک داده ORL و FDBB را به‌ترتیب با دقت 00/93% و %12/95% انجام دهد. نتیجه به‌دست‌آمده برای این معیار ارزیابی نسبت به سایر روش‌های مقایسه‌شده از مقدار بالاتری برخوردار است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - تطبیق چهره و تشخیص زنده بودن مبتنی بر بازشناسی گفتار برای احراز هویت غیرحضوری
  احمد دولت خواه بهنام درستکار یاقوتی راهب هاشم پور
  با گسترش فناوری بسیاری از خدمات نهادها و سازمان‌ها به صورت الکترونیکی و هوشمند، در بستر اینترنت ارائه می‌گردد. پلیس نیز به عنوان یک نهاد ارائه‌دهنده خدمات به مردم و سایر نهاد‌ها، به دنبال هوشمندسازی خدمات خود می‌باشد. در همین راستا نیز سامانه‌های الکترونیکی و هوشمند مخت أکثر

  با گسترش فناوری بسیاری از خدمات نهادها و سازمان‌ها به صورت الکترونیکی و هوشمند، در بستر اینترنت ارائه می‌گردد. پلیس نیز به عنوان یک نهاد ارائه‌دهنده خدمات به مردم و سایر نهاد‌ها، به دنبال هوشمندسازی خدمات خود می‌باشد. در همین راستا نیز سامانه‌های الکترونیکی و هوشمند مختلفی را ارائه کرده است. به دلیل عدم احراز هویت کاربران در این سامانه‌ها، بسیاری از خدماتی که می‌توانند به صورت غیرحضوری ارائه گردد، نیاز به مراجعه به دفاتر پلیس+۱۰ را دارند. محدودیت بودجه و تجهیزات برای پاسخگویی حضوری، محدودیت نیروهای پلیس و تمرکز آن‌ها بر روی موضوعات مهم، محدودیت تعداد دفاتر خدماتی در شهرستان‌ها و عدم دسترسی روستاها به این دفاتر، رشد روزافزون خدمات برخط و افزایش تقاضای مردم برای آن، به ویژه در شرایطی مانند بحران بیماری کرونا، سبب شده است تا نیاز به احراز هویت غیرحضوری بسیار مورد توجه قرار بگیرد. در این پژوهش، احراز هویت غیرحضوری و ضرورت استفاده از آن، روش‌های تشخیص زنده بودن و بازشناسی چهره که دو فناوری مهم در این حوزه است، مرور شده است. در ادامه یک روش کارآمد از مدل‌های یادگیری عمیق بازشناسی چهره برای تطبیق چهره و یک روش تشخیص زنده بودن تعاملی به وسیله‌ی بازشناسی گفتار فارسی ارائه شده است و در نهایت نتایج آزمایش این مدل‌ها بر روی داده‌های مربوط در این حوزه آورده شده است. تفاصيل المقالة