شماره ركورد
10821
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
10821
پديد آورنده
ميثم عبداللهي مهماندوستي
عنوان
تشخيص هويت با استفاده از تصاوير سهبعدي چهره
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
برق - الكترونيك
سال تحصيل
پاييز 1391
تاريخ دفاع
پاييز 1391
استاد راهنما
دكتر احمد آيت اللهي
چكيده
سيستم هاي بيومتريك با گسترش روز افزون فناوري اطلاعات در سال هاي اخير از رشد بالائي در زمينه شناسائي و بررسي هويت برخوردار گشتهاند. در اين سيستم ها با استفاده از خواص رفتاري يا فيزيولوژيكي افراد مانند اثر انگشت، چهره، عنبيه، صدا، امضاء، طريقه فشردن صفحه كليد و نحوه راه رفتن عمل شناسايي صورت ميپذيرد . هر كدام از اين روش ها نقاط قوت و ضعف مربوط به خود را دارا ميباشند.
در اين تحقيق يك روش نوين براي شناسايي خودكار هويت با استفاده از تصاوير سه بعدي چهره ارائه كرده¬ايم. سيستم شناسايي مذكور قادر به شناسايي هويت تصاوير چهره با حالت مختلف (شادي، تعجب، خشم و ...) مي¬باشد. در ابتدا تصاوير سه بعدي چهره به منظور انجام يك سري پيش پردازش¬هاي ضروري، مانند حذف نويز سوزني و پر كردن حفره¬هاي احتمالي، وارد مرحله پيش پردازش مي¬شوند. تصاوير پايگاه داده شامل نواحي اضافي مثل گردن و لباس شخص مي¬باشند. اين قسمت¬ها اطلاعات مفيدي نداشته و لازم است حذف شوند. بعد از آشكارسازي چهره، تصاوير به دست آمده وارد مرحله پسپردازش مي شوند. در اين مرحله يك سري پردازش¬ها روي تصاوير چهره انجام مي¬گيرد كه تاثير بسيار زيادي روي دقت شناسايي سيستم مي¬گذارد. هم چنين پردازش هايي انجام مي¬گيرد كه سيستم شناسايي را در مقابل تغييرات حالات چهره مقاوم مي¬كند. با استفاده از يك روش ساده و كارآمد، مختصات نوك بيني هر تصوير به دست مي¬آيد و نقطه به دست آمده به عنوان مرجع در نظر گرفته مي¬شود. در اين مرحله هر تصوير سه بعدي به يك ماتريس 100×100 نرماليزه مي¬شود و هم رديف سازي تصاوير انجام مي¬گيرد. در قسمت استخراج ويژگي¬ها براي به دست آوردن ويژگي¬ها از آناليز مولفه¬هاي اساس دو بعدي (2DPCA) استفاده كرده¬ايم. در مرحله طبقه¬بندي، از طبقه¬بندي كننده¬هاي نزديك ترين همسايه استفاده كرده¬ايم.
كارايي سيستم پيشنهادي را روي پايگاه داده كاسيا (CASIA) آزمايش كرديم. دقت سيستم براي پايگاه داده كاسيا، در حالتي كه تعداد تصاوير آموزشي 9 عدد براي هر شخص بود، با طبقه-بندي كننده نزديك ترين همسايه دقت 95% به دست آمد و در حالتي كه تعداد تصاوير آموزشي 12 عدد براي هر شخص بود، با طبقه¬بندي كننده نزديك ترين همسايه 98% به دست آمد. هم چنين نتايج تجربي نشان مي¬دهد كه سيستم پيشنهادي نسبت به تغييرات حالات چهره مقاومت خوبي داشته و با حضور نويزهايي با واريانس بالا دقت سيستم افت زيادي ندارد.
واژههاي كليدي:
پردازش تصوير، شناسايي چهره، آشكار سازي چهره