ارایه ی روش جدید برای آشکارسازی محل چهره مبتنی بر اطلاعات هندسی لب و الگوریتم جهش قورباغه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 633

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC03_175

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

تشخیص چهره یک فعالیت سطح بالا در بینایی ماشین است و می تواند بسیاری از تکنیکهای بینایی اولیه را در بر گیرد.مرحله اول تشخیص چهره، آشکارسازی مکان چهره و استخراج ویژگی های آشکار از چهره می باشد. در این مقاله، روشیبر اساس موقعیت هندسی لب ها و الگوریتم جهش قورباغه برای آشکارسازی محل چهره پیشنهاد شده است. در روشبه منظور جدا کردن قسمتهایی از تصویر که HSV و YCrCb پیشنهادی، از اطلاعات رنگ پوست و ترکیب فضایدارای رنگی شبیه به رنگ پوست، هستند استفاده شده است. در این کار، ابتدا موقعیت هندسی لب ها مشخص گردیده وسپس با استفاده از روش گشتاورها و الگوریتم جهش قورباغه، بهترین بیضی برای آشکار سازی مکان چهره تعیین میگردد. روش پیشنهادی وابستگی به رنگ پوست، محل چهره افراد با رنگ پوست های گوناگون و تحت نورپردازی هایمختلف را کاهش داده است. نتایج نشان می دهد که روش ارایه شده، قادر به آشکار سازی چهره های طبیعی با رنگپوست های مختلف، چرخش ها ، نور پردازی های مختلف می باشد.

نویسندگان

زینب عرب اسدی

دانشگاه بجنورد، دانشکده فنی مهندسی و علوم پایه، گروه علوم کامپیوتر

علی اصغر یاری فرد

دانشگاه بجنورد، دانشکده فنی مهندسی و علوم پایه، گروه مهندسی کامپیوتر

حمید فدیشه ای

دانشگاه بجنورد، دانشکده فنی مهندسی و علوم پایه، گروه مهندسی کامپیوتر

محمد اکبری

دانشگاه بجنورد، دانشکده فنی مهندسی و علوم پایه، گروه علوم کامپیوتر

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 :
  • تشخیص چهره به کمک الگوریتم های PCA LDA و شبکه های عصبی [مقاله کنفرانسی]
  • بازشناخت چهره با استفاده از PCA چند لایه و شبکه ی عصبی خطی [مقاله کنفرانسی]
  • Cai, Junxia, and A. Goshtasby. (1999). Detecting human faces in ...
  • Fleuret, Francois, and Donald Geman. (2008). Stationary features and cat ...
  • Gottumukkal, Rajkiran and Asari, Vijayan K. (2004). An improved face ...
  • Guan, Yepeng, and Lin Yang. (2006). An unsupervised face detection ...
  • Hsieh, Sheen, Kuo-Chin Fan, and Chiunhsiun Lin. (2002). A statistic ...
  • Kruppa, Hannes, and Bernt Schiele (2003). Using Local Context To ...
  • Leung, Thomas K., Michael C. Burl, and Pietro Perona. (1995). ...
  • Lienhart, Rainer, and Jochen Maydt. (2002). An extended set of ...
  • Lin, Chiunhsiun, and Kuo-Chin Fa. (2001). Triangle-b ased approach to ...
  • Mohabbati, Bardlia, and S. Kasae. (2005). An efficient _ avelet/neural ...
  • Osuna, Edgar, Robert Freund, and Federico Girosit. (1997). Training support ...
  • Rowley, Henry A., Shumeet Baluja, and Takeo Kanade. (1998). Neural ...
  • Sahbi, Hichem, and Nozha Boujemaa. (2002). Coarse to fine face ...
  • Shin, Yunhee, and Eun Yi Kim. (2006). Welfare interface using ...
  • Singh Sodhi, Kuldeep, Lal, Madan. (2013). Comparative Analysis of PCA-based ...
  • Trupti, M.Kodinariya. (2014). Hybrid Approach to Face Recognition System using ...
  • Turk, Matthew, and Pentland, Alex. (1991). Eigenfaces for recognition. Journal ...
  • Viola, Paul, and Michael Jone. (2001). Rapid object detection using ...
  • Wang, Jianguo, and Tieniu Tan. (2000). A new face detection ...
  • Waring, Christopher A, and Xiuwen Liu. (2005). Face detection using ...
  • Wong, Kwok-Wai, Kin-Man Lam, and Wan-Chi Siu. (2001). An efficient ...
  • نمایش کامل مراجع