CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص حالت چهره مبتنی بر هیستوگرام گرادیان (HOG) تغییر یافته

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۵۱ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: FROMIHE02_039
زبان مقاله: فارسی
حجم فایل: ۱.۲۶ مگابات (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص حالت چهره مبتنی بر هیستوگرام گرادیان (HOG) تغییر یافته

  اکرم نوروزی - کارشناسی ارشد مهندسی نرم افزار، موسسه غیرانتفاعی میرداماد گرگان
  مجتبی سلیمانی - دانشجوی دکتری، مخابرات سیستم دانشگاه صنعتی نوشیروانی بابل، عضو هییت علمی موسسه غیرانتفاعی میرداماد گرگان
  امین بزازی - گروه کامپیوتر، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران

چکیده مقاله:

روش های مختلفی برای شناسایی حالت چهره انسان ارایه شده اند و نتایج آنها با تصاویری از حالات مختلف صورت که در پایگاه داده های مختلف وجود دارند. ارزیابی شده است. تشخیص حالات مختلف با استخراج ویژگی های چشم، دهان و ابروها و غیره انجام می گیرد و با استفاده از قوانینی که جهت تمییز حالات مختلف از یکدیگر تعریف می شود می توان حالت چهره را با دقت خوبی مشخص کرد. در این مقاله، هدف ایجاد بازنمایی جدید (نگاشت تصویر اصلی به فضاهای دیگر) هیستوگرام گرادیان (HOG) تغییر یافته و سپس تشخیص حالت چهره مبتنی بر بازنمایی مذکور است. پس از فراخوانی تصویر از پایگاه داده، ناحیه ی صورت از تصویر جدا می شود. با استفاده از بازنمایی مذکور، ویژگی های صورت استخراج می گردد. در پایان کار، از ماشین بردار پشتیبان چند کلاسه برای طبقه بندی حالت صورت استفاده می شود. نتایج تجربی نشان می دهد با استفاده از روش فوق میزان دقت تشخیص را در تصاویر عادی بدون نویز به 95.32 درصد و در تصاویر دارای نویز گوسین به 77.43 درصد، افزایش داد.

کلیدواژه‌ها:

شناسایی حالت چهره، بازنمایی، استخراج ویژگی، هیستوگرام گرادیان تغییر یافته، ماشین بردار پشتیبان چند کلاسه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-FROMIHE02-FROMIHE02_039.html
کد COI مقاله: FROMIHE02_039

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نوروزی, اکرم؛ مجتبی سلیمانی و امین بزازی، ۱۳۹۷، تشخیص حالت چهره مبتنی بر هیستوگرام گرادیان (HOG) تغییر یافته، دومین کنفرانس ملی مهندسی و فناوری ربات های پروازی، گرگان، موسسه آموزش عالی میرداماد گرگان، https://www.civilica.com/Paper-FROMIHE02-FROMIHE02_039.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (نوروزی, اکرم؛ مجتبی سلیمانی و امین بزازی، ۱۳۹۷)
برای بار دوم به بعد: (نوروزی؛ سلیمانی و بزازی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۱۶۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.