افزایش دقت شناسایی چهره با انتخاب زیر مجموعه بهینه از ویژگی های چهره با بکارگیری الگوریتم فاخته

نوع فایل: word (قابل ویرایش)

تعداد صفحات : 80 صفحه

حجم : 772 کیلوبایت

چکیده
امروزه در زمينه هاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و بر اساس ويژگيهاي بدن اشخاص آن ها را بازشناسي كند. سیستم تشخیص چهره بعنوان یک سيستم بيو متری اساساً يك سيستم تشخيص الگو است كه يك شخص را بر اساس بردار ويژگي هاي فيزيولوژيكی خاص يا رفتاري كه دارد بازشناسي مي كند. بردار ويژگي ها پس از استخراج معمولا در پايگاه داده ذخيره مي گردد. هدف اصلی این پژوهش مطالعه و بررسی تأثیر انتخاب ویژگی های مناسب تصاویر با استفاده از الگوریتم جستجوی فاخته است. لذا انتخاب یک زیر مجموعه بهینه با توجه به بزرگ بودن ابعاد بردار ویژگی های تصویر جهت تسریع الگوریتم تشخیص چهره می تواند ضروری و حائز اهمیت باشد. ما ابتدا از پایگاه داده ی موجود ویژگی های تصاویر چهره را استخراج کرده، سپس با بکارگیری الگوریتم فاخته به صورت باینری یک زیر مجموعه بهینه از ویژگی های چهره را انتخاب کردیم. این زیر مجموعه ویژگی های بهینه توسط کلاسه-بندهای K- نزدیکترین همسایگی و شبکه های عصبی مورد ارزیابی قرار گرفت و با محاسبه دقت کلاسه بندی مشاهده شد که روش پیشنهادی با دقت بالای 90% قادر به تشخیص چهره بر اساس ویژگی های مهم انتخاب شده توسط الگوریتم پیشنهادی است.


کلمات کليدي: بازشناسی چهره ، الگوریتم فاخته، استخراج ویژگی ها، انتخاب ویژگی ها

فهرست مطالب
عنوان
فصل اول 1
کلیات تحقیق 1
1-1 مقدمه............ 2
1-2 انگیزش و اهمیت موضوع 3
1-3 بیان مساله ... 4
1-4 سازمان پروژه 8
فصل دوم 8
مفاهیم اولیه و پیشینه تحقیق 8
2-1 مقدمه .......... 9
2-2 تاریخچه توسعه سیستمهای مبتنی بر تشخیص چهره 9
2-3 سیستم بازشناسی چهره 14
2-3-1 روند کار سیستم بازشناسی چهره 16
2-3-2ویژگی های سیستم های بازشناسی چهره 16
2-3-3 چالش های پیش روی بازشناسی چهره 19
2-3-4 دو مورد از مشکلات موجود در بازشناسی چهره ÷9
2-3-5 روش های مبتنی بر یادگیری و روشهای مبتنی بر ظاهر 21
2-3-6روش هاي استخراج خصوصيات چهره: 23
2-4 الگوریتم فاخته 24
2-5 بيشينه تحقيق.... 29
فصل سوم 32
3-1 مقدمه ......... 33
3-2فلوچارت الگوریتم پیشنهادی 33
3-3 معرفی دیتاست 35
3-4 روش پیشنهادی 35
3-4-1 استخراج ویژگیهای تصویر با الگوریتم تبدیل کسینوسی گسسته 35
3-4-2 انتخاب ویژگیها 37
3-4-3 الگوریتم فاخته 38
3-4-4 تابع ارزیابی 47
3-5 طبقه بندی .... 49
3-5-1الگوریتم K-نزدیکترین همسایگی 50
3-5-2 الگوریتم ماشین بردار پشتیبان 51
فصل چهارم 56
4-1 مقدمه 57
4-2 بررسی نتایج 57
فصل پنجم 62
5-1 نتیجه گیری 63
5-2 کارهای آتی 63