جستجو در سایت

تماس با ما: 09361509687  ایمیل: royalproje.ir[ at ]gmail.com

Get Started

هدف نهایی انجام یک پایان نامه تشخیص چهره همانند دیگر پایان نامه های شناسایی الگو، رسیدن به بالاترین نرخ طبقه بندی در بازشناسی چهره ممکن برای پایان نامه مورد نظر است. گزارش ها و پایان نامه های انجام شده نشان می دهد که بازده بسیاری از طبقه بندهای انجام تشخیص چهره با تغییر نور، ژست، شباهت زیاد بین چهره ی برخی از افراد (دوقلوها)، تغییر در پارامترهای تصویربرداری مانند:

 

پایان نامه شناسايي چهره يك سيستم بيومتريك  است كه با استفادهاز روشهاي هوشمند اتوماتيك،هويتيكانسانرا براساس ويژگيهاي فيزيولوژيكي تشخيص وياتاييدمينمايد. درحالتعمومييك پایان نامه بيومتريكاز ويژگيهايفيزيولوژيمانند اثرانگشت  ،شبكيه  ،عنبيهچهره، اثركفدست  ) ياويژگيهايرفتاري (مانندصدا،دستخطو ... بهمنظورشناسايياستفادهمينمايدبا دارا بودن مزایایی از جمله دقت بالا و تهاجم پائین، در مواردی مانند امنیت اطلاعات، اجرا و نظارت بر قانون، کنترل دستیابی افراد مختلف در مقابل خدماتی که ناچار به اثبات هویت خویش هستیم، و مواردی از این قبیل مورد استفاده قرار می گیرد.

پایان نامه ايدهآل بيومتريك، سيستمياستكهتماميچهارپارامتربرشمردهشدهرادردورترينمكاننسبتبهمركزدياگرامداشتهباشد.

مزاياي انجام پایان نامه بازشناسی چهره را مي توان در قدرت مناسب شناسايي، بي زيان، دوستانه و طبيعي بودن روش براي شناخت افراد دانست. در مقابل بايد ذكر كرد كه متأسفانه مقالات و پایان نامه های شناسايي خودكار چهره به كمك ماشين هنوز به صورت يك چالش علمي باقيمانده است. از جمله دلايل اين عدم موفقيت مي توان به حجم زياد داده هاي تصوير و بالطبع دامنه وسيع تغييرات اين داده ها و همچنين ذات خود داده ها اشاره كرد. به عنوان مثال پایان نامه شناسايي بايد به شرايط سني حساسيت كمي داشته باشد در مقابل آرايش صورت، مدل مو، حالتهاي صورت، تغيير زاويه صورت و ... مقاوم باشد. به عوامل ذكر شده مي توان شرايط نوري، پس زمينه تصاوير و ديگر پارامترهاي تصوير برداري را نيز اضافه كرد.

امروزه تشخیص خودکار چهره در مراکز و ارگان های متعددی مورد استفاده قرار گرفته است.

در بسیاری از روش های متداول انجام بازشناسایی چهره فرض می شود که حداقل پنج تصویر تعلیم از هر شخص موجود است و حتی برخی از آنها در صورت وجود یک تصویر از هر شخص از کار می افتد، در حالیکه در بسیاری از پایان نامه های بازشناسی در ابعاد بالا مانند: بازشناسی با استفاده از گواهینامه رانندگی، گذرنامه یا کارت ملی تنها یک تصویر از هر فرد در پایگاه داده موجود است و بدلیل هزینه بر و وقت گیر بودن افزایش تصاویر به پایگاه داده، به ندرت تصاویر دیگری تهیه می شود. لذا برای حل این مشکل، مسئله ی بازشناسی چهره با استفاده از یک تصویر نرمال با نمای روبرو از هر فرد را مطرح می کنیم. در واقع انسان با دیدن یک عکس از هر فرد قادر به شناسایی او در حالات مختلف بوده و در صورت مشاهده یک چهره ناشناس می تواند به سادگی، حالت چهره او را تشخیص دهد. بنابراین در تصویر چهره هر شخص دو دسته اطلاعات شامل: اطلاعات اصلی چهره و حالت چهره وجود دارد. این دو دسته اطلاعات مستقل از هم بوده و به صورت غیرخطی با هم تلفیق شده اند. در صورت موفقیت در جداسازی این اطلاعات، و استفاده از ترکیب طبقه بندها (Classifier Ensemble) می توان به سادگی با یک تصویر از هر فرد او را در حالت های مختلف بازشناسی کرد. حل این مسئله به یکی از چالش های اخیر بازشناسی چهره تبدیل شده است، زیرا هزینه نگهداری داده های سیستم شناسایی چهره، هزینه انجام الگوریتم ها برای کاربردهایی با مقیاس بالا می تواند به طور قابل توجهی کاهش یابد، از طرفی تعداد نمونه های آموزش برای هر فرد، تاثیر مستقیم بر روی هزینه عملیات بازشناسی چهره (پیش پردازش، استخراج ویژگی ها،  شناسایی) دارد

هدف نهایی یک سیستم تشخیص چهره همانند دیگر پایان نامه های  شناسایی الگو، رسیدن به بالاترین نرخ طبقه بندی ممکن برای مسئله مورد نظر است. گزارش ها و تحقیقات انجام شده نشان می دهد که بازده بسیاری از طبقه بندهای تشخیص چهره با تغییر نور، ژست، شباهت زیاد بین چهره ی برخی از افراد (دوقلوها)، تغییر در پارامترهای تصویربرداری مانند: دریچه دیافراگم، زمان ، انحراف لنز و فاکتورهایی از این قبیل، کاهش می یابد و از آنجایی که هیچ الگوریتم طبقه بندی وجود ندارد که به تنهایی و به طور کامل برای تمام مسائل مناسب باشد، بنابراین استفاده از ترکیب طبقه بندها به عنوان راه حلی برای بهره گیری از نقاط ضعف و قوت طبقه بندهای مختلف مورد استفاده قرار گیرد تا بدین وسیله دقت طبقه بندی کل سیستم افزایش یابد

يك پایان نامه شناسايي چهره در ساده ترين حالت از دو جزء تشكيل شده است:

1.       بخش استخراج ويژگيها

2.       بخش طبقه بندي

و در جزیی ترین حالت انجام پایان نامه تشخیص خودکار چهره از چهار قسمت اصلی تشکیل شده است:

 مشخص سازی چهره (Face Detection)، تنظیم و نرمال سازی تصویر (Picture Alignmentپایان نامه استخراج ویژگی ها (Feature Extraction) و  بازشناسی (Recognition) می باشد.

1-      مشخص سازی چهره در تصویر: در این مرحله چهره از پس زمینه تصویر جدا می شود.

2-      تنظیم و نرمال سازی تصویر: هدف از این مرحله بدست آوردن محلیت بیشتر و نرمال کردن چهره می باشد. تصاویر حاصل از مرحله اول، دارای تقریب های غیر دقیقی از محلیت و بزرگ نمایی هستند که با ورود به این مرحله با توجه به ویژگی های هندسی (Feature Geometrical) مانند سایز و موقعیت چهره و با استفاده از تبدیل های مورفینگ، نرمال می گردند، علاوه بر این معمولاً با توجه به ویژگی های تصویری مانند روشنایی و سطوح خاکستری نیز نرمال سازی می گردند.

3-      مرحله استخراج ویژگی: پس از انجام نرمال سازی های هندسی و تصویری بر روی داده ها، مرحله استخراج ویژگی به منظور تهیه اطلاعات موثری که بتواند باعث ایجاد بیشترین تمایز بین چهره افراد متفاوت شوند و همچنین در برابر تغییرات هندسی و تصویری ثابت باشند، انجام می گیرد.

4-     پایان نامه بازشناسی چهره: در این مرحله بردار ویژگی استخراج شده از تصویر ورودی با دیگر بردارهای ویژگی تصاویر ثبت شده در پایگاه داده مقایسه می شود. خروجی این مرحله در صورت یافتن بردار ویژگی ای در پایگاه داده که با بردار ویژگی تصویر مورد نظر ما تطبیق داشته باشد، هویت مشخص و در غیر اینصورت پیامی مبتنی بر عدم شناسایی چهره خواهد بود.

 

جهت سفارش پایان نامه شناسایی چهره  و یا مشاوره در انتخاب موضوع، نگارش پروپوزال، انجام پایان نامه بازشناسی چهره با ما تماس بگیرید

سفارش پایان نامه و پروژه داانشجویی

اشتراک برای
آپ دیت ودریافت خبرها