(تشخیص چهره با استفاده از مدل مارکوف مخفی)Facial recognition using hidden Markov model
- سال انتشار: 1399
- محل انتشار: ششمین کنفرانس ملی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک
- کد COI اختصاصی: ELEMECHCONF06_013
- زبان مقاله: فارسی
- تعداد مشاهده: 858
نویسندگان
فارغ التحصیل مهندسی برق – الکترونیک مقطع کارشناسی دانشگاه صنعتی همدان
فارغ التحصیل مهندسی برق – مخابرات مقطع کارشناسی دانشگاه صنعتی همدان
چکیده
تا قبل از سال های اخیر استفاده از فناوری تشخیص و شناسایی چهره تنها محدود به کارهای علمی و یا امنیتی بود و بیشتر افراد در فیلم ها و سریال های اکشن و پلیسی با فناوری شناسایی و تشخیص چهره آشنا شده بودند. اما در سال های اخیر با پیشرفت چشمگیر هوش مصنوعی و به خصوص فناوری تشخیص چهره، پای این فناوری به بازار و کسب و کارهای مختلف و اپلیکیشن هایی که روزانه مردم از آن ها استفاده می کنند باز شده است. از کاربرد های ساده مثل بازکردن قفل گوشی و فیلترهای بامزه اسنپ چت، تا کاربردهای مهم در مراکز امنیتی و مدارس و … همه و همه موارد استفاده از فناوری تشخیص چهره می باشد.پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می شود که شاخه ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد. در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است. چهره نقش اساسی را در شناسایی افراد ونمایش احساسات آنها در سطح جامعه دارد. توانایی انسان در تشخیص چهره قابل توجه است ما می توانیم هزاران چهره یاد داده شده در طول عمرمان را تشخیص دهیم ودر یک نگاه آنها را شناسایی کنیم. روش HMM بر روی تطبیق قالب های تصویر به زنجیری از حالت های یک مدل Stochastic دوبار نهفته شده بنا شده است.در این بخش به پایه های اصلی HMM می پردازد و نیز چگونگی اسنفاده از آن را برای تشخیص چهره تشریح می کند استخراج ویژگی و بخش بندی داده های تمرین در این مدل ارزیابی وویژگی ها به دست آمده را ملاحظه کنید. مشاهده می شود که هر بخش، یک ویژگی (بینی، چشم، پیشانی،...) را ارائه می دهد.کلیدواژه ها
بینایی ماشین، تشخیص چهره، مدل مارکوف مخفیHMMمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.