7907

7907

بهبود دقت تشخيص چهره با روش جديد تحليل تفكيك كننده چند خطي MDA)

كارشناسي ارشد

برق گرايش الكترونيك

1389

1389

دكتر غلامعلي رضايي راد

چكيده با پيشرفت ارتباطات و فن آوري و سير تكاملي جهان مساله شناسايي و تاييد هويت افراد براي دسترسي به اطلاعات، نقل و انتقال سرمايه و اموال و كنترل ورود و خروج آنها به كشورها و مكان هاي مختلف اهميت روز افزوني مي يابد. روشهاي زيست سنجي زيادي براي رسيدگي اتوماتيك و شناسايي افراد به وسيله خصوصيتهاي فيزيولوژيكي و يا رفتاري آنها وجود دارد. در ميان اين روشهاي زيست سنجي، تشخيص چهره اهميت زيادي دارد. هنوز توجه محققان زيادي را در زمينه بينايي ماشين به خود جلب كرده است. در واقع، دليل اصلي اين علاقه اين است كه چهره يك راه متداول براي مردم در شناسايي يكديگر ميباشد و اين سيستمهاي تشخيص نياز به دخالت فرد ندارند درحالي كه ديگر سيستمها نياز به چنين همكاري دارند. (PCA) در شناسايي الگو دو روش متداول براي كاهش بعد وجود دارد؛ تحليل مولفههاي اصلي اين روشهاي استخراج ويژگي تلاش ميكنند تا ابعاد .(LDA) و تحليل تفكيك كننده خطي ويژگيهاي استفاده شده در مرحله كلاسبندي را كاهش دهند. اين الگوريتم ها به تصوير به صورت Small و مشكل "curse of dimensionality" يك بردار تك بعدي نگاه مي كنند كه ما را به سمت و چند الگوريتم مبتني بر MDA هدايت ميكنند. براي حل اين مشكل Size of Samples (SSS) توسط بهينه MDA . آن پيشنهاد شده است كه تصوير را به تنسور با درجه مربوطه كد م يكند چندين زيرفضاي وابسته را در فضاي با ابعاد كمتر به دست ،DTC ، كردن معيار جديد كاهش بعد ميآورد كه تعداد اين زير فضاها به وسيله درجه تنسور استفاده شده تعيين ميشود. عملكرد اين الگوريتم را توسط 3 ديتابيس استاندارد مورد ارزيابي قرار داد هايم كه با توجه به نتايج به دست زمان دستيابي را نيز MDA آمده، الگوريتم هاي پيشنهادي دقت تشخيص چهره را بهبود داده و در curse of dimensionality و SSS بسيار كاهش داده ايم و تمام آنها خيلي كمتر دچار مشكل هاي مي شوند