-
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
-
لينک به اين مدرک :