افزایش دقت بازشناسی چهره تحت شرایط تغییرات روشنایی به کمک روش نرمال سازی شبکه عصبی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 591

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANOPEN08_009

تاریخ نمایه سازی: 26 مرداد 1397

چکیده مقاله:

مساله تغییرات روشنایی یکی از مشکلات اصلی در سیستم های بازشناسی چهره است، تصویر یک فرد تحت شرایط روشنایی مختلف، الگوهای کاملا متفاوتی ایجاد می کند و دقیق ترین سیستم های بازشناسی چهره به شدت حساس به تغییرات روشنایی هستند. روش های مختلفی برای حل این مساله پیشنهاد شده است. در این مقاله روش جدیدی مبتنی بر نرمال سازی روشنایی و شبکه عصبی تحت شرایط تغییرات روشنایی ارایه می شود. روش پیشنهادی طی چند مرحله به بازشناسی تصویر چهره می پردازد. ابتدا با استفاده از روش BHE سایه های ایجاد شده روی تصویر را که بر اثر تغییرات روشنایی به وجود آمده است را برطرف می کند. سپس، ویژگی های مربوط به تصویر چهره را استخراج نموده و با استفاده از روش PCA داده های موجود را کاهش می دهد و در نهایت داده های موجود را با استفاده شبکه عصبی دو لایه MLP آموزش داده و دسته بندی می کند. نتایج به دست آمده روی پایگاه داده Yale B نشان می دهد که روش پیشنهادی دقت بازشناسی چهره را به نحو مطلوبی افزایش داده است.

نویسندگان

نعیمه زارعی نژاد

دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

محمد نوروزی

دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران