CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص حالت های چهره از روی تصاویر ثابت و متحرک با استفاده از ویژگی های ثابت و گذرای چهره و شبکه عصبی PNN

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۷۶۹ | نظرات: ۰
سرفصل ارائه مقاله: مخابرات / Communication
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_126
زبان مقاله: فارسی
حجم فایل: ۷۳۳.۹۵ کلیوبایت (فایل این مقاله در ۶ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص حالت های چهره از روی تصاویر ثابت و متحرک با استفاده از ویژگی های ثابت و گذرای چهره و شبکه عصبی PNN

  میرهادی سیدعربی - دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
    علی آقاگل زاده (شناسه پژوهشگر - Researcher ID: ۴۹۵۶)
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
Won-Sook LEE - School of Information Technology and Engineering (SITE), University of Ottawa, Canada
    سهراب خان محمدی (شناسه پژوهشگر - Researcher ID: ۴۹۶۳)
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز

چکیده مقاله:

اغلب سیستم های آنالیز موجود ، محدود به انالیز مجزای تصاویر قابت و یا متحرک بوده و از پردازش همزمان هر دو عاجر هستد. ترکیب این دو حالت می تواند دقت تشخیصث را افزایش داده و بسیاری از معایب تشخیص در تصاویر ثابت را پوشش دهد. سیستمی که در این مقاله برای تعقیب حالت های چهره در دنباله تصاویر ارائه شده، با تغییراتی، قادر به تشخیص حالت های چهره در تصاویر ثابت چهره نیز است. اغلب سیستم های آنالیز قبلی، نقاط ویژگی چهره را، که برای تعریف ویژگی های حالتهای چهره استفاده می شوند، به صورت دستی انتخاب می کنند. یکی از اهداف این مقاله انتخاب و تعقیب خودکار این نقاط روی چهره است. با انتخاب نقاط ویژگی و تعریف ویژگی های هندسی مناسب، دقت تشخیص در مقایسه با سیستم های آنالیز مشابه افزایش یافته است. در الگوریتم پیشنهادی با تعیین و تعقیب خودکار نقاط ویژگی چهره و استفاده از پایگاه قواعد مناسب، دقت تشخیص 96/11 درصد برای حالت های احساسی پایه به دست آمد. برا یتعقیب نقاط ویژگی نیز از یک سیستم تعقیب ترکیبی استفاده شده است. برای نقاط ویژگی بالای چهره از روش بهبود یافته همبستگی متقابل استفادهش ده است. برای تعقیب نقاط ویژگی پایین چهره (دهان) نیز از یک الگوریتم جدید دو مرحله ای کانتور فعال استفاده شده است. نظر به نزدیک بودن تعریف حالت تنفر به حالت های غم و خشم، طبقه بندی این حالت ها در بسیاری از سیستم های آنالیز با خطای بالایی همراه است. در این مقاله روشی برای استخراج مناسب ویژگی های گذرای چهره که در تفکیک مناسب حالت های اشاره شده نقش اساسی دارند، ارائه شده و دقت تشخیص آنها افزایش یافته است. برای طبقه بندی نیز از شبکه های عصبی احتمالاتی به همراه پایگا قواعد استفاده شده است. استفاده ازپایگاه قواعد مناسب دقت تشخیص سیستم آنالیز را افزایش داده است.

اغلب سیستم های آنالیز موجود ، محدود به انالیز مجزای تصاویر قابت و یا متحرک بوده و از پردازش همزمان هر دو عاجر هستد. ترکیب این دو حالت می تواند دقت تشخیصث را افزایش داده و بسیاری از معایب تشخیص در تصاویر ثابت را پوشش دهد. سیستمی که در این مقاله برای تعقیب حالت های چهره در دنباله تصاویر ارائه شده، با تغییراتی، قادر به تشخیص حالت های چهره در تصاویر ثابت چهره نیز است. اغلب سیستم های آنالیز قبلی، نقاط ویژگی چهره را، که برای تعریف ویژگی های حالتهای چهره استفاده می شوند، به صورت دستی انتخاب می کنند. یکی از اهداف این مقاله انتخاب و تعقیب خودکار این نقاط روی چهره است. با انتخاب نقاط ویژگی و تعریف ویژگی های هندسی مناسب، دقت تشخیص در مقایسه با سیستم های آنالیز مشابه افزایش یافته است. در الگوریتم پیشنهادی با تعیین و تعقیب خودکار نقاط ویژگی چهره و استفاده از پایگاه قواعد مناسب، دقت تشخیص 96/11 درصد برای حالت های احساسی پایه به دست آمد. برا یتعقیب نقاط ویژگی نیز از یک سیستم تعقیب ترکیبی استفاده شده است. برای نقاط ویژگی بالای چهره از روش بهبود یافته همبستگی متقابل استفادهش ده است. برای تعقیب نقاط ویژگی پایین چهره (دهان) نیز از یک الگوریتم جدید دو مرحله ای کانتور فعال استفاده شده است. نظر به نزدیک بودن تعریف حالت تنفر به حالت های غم و خشم، طبقه بندی این حالت ها در بسیاری از سیستم های آنالیز با خطای بالایی همراه است. در این مقاله روشی برای استخراج مناسب ویژگی های گذرای چهره که در تفکیک مناسب حالت های اشاره شده نقش اساسی دارند، ارائه شده و دقت تشخیص آنها افزایش یافته است. برای طبقه بندی نیز از شبکه های عصبی احتمالاتی به همراه پایگا قواعد استفاده شده است. استفاده ازپایگاه قواعد مناسب دقت تشخیص سیستم آنالیز را افزایش داده است.

کلیدواژه‌ها:

آنالیز حالت های چهره ، حالت های احساسی پایه ، کانتور فعال ، کدهای AU ، شبکه عصبی PNN

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-ICEE15-ICEE15_126.html
کد COI مقاله: ICEE15_126

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:
سیدعربی, میرهادی؛ علی آقاگل زاده؛ Won-Sook LEE و سهراب خان محمدی، ۱۳۸۶، تشخیص حالت های چهره از روی تصاویر ثابت و متحرک با استفاده از ویژگی های ثابت و گذرای چهره و شبکه عصبی PNN، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_126.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: (سیدعربی, میرهادی؛ علی آقاگل زاده؛ Won-Sook LEE و سهراب خان محمدی، ۱۳۸۶)
برای بار دوم به بعد: (سیدعربی؛ آقاگل زاده؛ LEE و خان محمدی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • I. Essa "Analysis, Interpretation, and Symthesis of Facial Expressions _ ...
  • P. Ekman and W.V. Friesen, Facial Action Coding system (FACS) ...
  • M. Pantic and L.J. _ Rothkrantz, ، Facial Action Recognition ...
  • J.F. Cohn, A.J. Zlochower, J.J Lien, and T. Kanade, *Feature-point ...
  • _ KasS, A. 7itkin, and D. Terzopoulos.، Snakes: Active contoue ...
  • میر هادی، W.S. LEE، سیدعربی علی آقاگل‌زاده و سهراب خان‌محمدی، ... (مقاله کنفرانسی)
  • میر هادی سیدعربی، " تشخیص حالت‌های چهره از روی نصاویر ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۰۶۱
    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.