ارایه روشی جدید برای شناسایی پهره به صورت multi-view و تحت نورپردازی های مختلف با استفاده از Support Vector Machines
محل انتشار: شانزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,321
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE16_202
تاریخ نمایه سازی: 6 اسفند 1386
چکیده مقاله:
در این مقاله یک روش جدید شناسایی چهره به صرت multi-view و تحت نور پردازی های مختلف بر اساس (SVM (Support Vector Machines، استخراج لبه های چهره و روش eigen-face ارائه شده است. مزیت SVM در کلاس بندی، مزیت روش های مبتنی بر استخراج ویژگی (feature based methods) به خاطر کارایی مناسب این روش ها در شرایط مختلف روشنایی محیطی و مزیت روش eigen-face در قابلیت بالای آن در شناسایی چهره، از جمله مزایایی است که در این مقاله پیشنهاد شده است. نتایج ارائه شده در این مقاله، روی پایگاه داده های (UMIST ( database و Yale نشان میدهد که می توان زمینه هایی از روش های feature based ارائه شده در این مقاله را با روش eigen-face که یک روش آماری است ترکیب نموده و نتایج بسیار خوبی را تحت نورپردازی های مختلف و حتی در مکان های بسیار تاریک یا مکان های روشن به دست آورد. در نتیجه مشکل وابستگی روش eigen-face به تغییرات نور محیطی نیز در این مقاله با ارائه یک روش جدید حل شده است بدون اینکه نیازی به نرمالیزاسیون روشنایی باشد.
کلیدواژه ها:
نویسندگان
رضا شجاع غیاث
دانشگاه صنعتی شریف
ناصر ساداتی
عضو هیئت علمی دانشگاه صنعتی شریف
عمادالدین فاطمی زاده
عضو هیئت علمی دانشگاه صنعتی شریف
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :