علی رضا رحمتی - دانشجوی ارشد شبکه های کامپیوتری دانشگاه جامع امام حسین (ع)
مهدی نقوی - استاد گروه دانشکده و پژوشکده رایانه،شبکه و ارتباطات دانشگاه جامع امام حسین (ع)
محسن نوروزی - مربی گروه دانشکده و پژوشکده رایانه،شبکه و ارتباطات دانشگاه جامع امام حسین (ع)
علی ظریفی - پژوهشگر گروه دانشکده و پژوشکده را یانه،شبکه و ارتباطات دانشگاه جامع امام حسین(ع)

شناسایی چهره یک فناوری بیومتریک است که با استفاده از تجزیه وتحلیل الگوهایی که از صورت یک فرد به دست می آورد، قادر است افراد را از یکدیگر شناسایی و هویت را تایید کند. امروزه در تمامی مکان ها از دوربین های می توان به ماموریت های امنیت و جلوگیری از اقدامات خرابکارانه کمک کرد. شناسایی چهره در دوربین های نظارت تصویری با چالش های مانند شناسایی چهره به صورت بر خط، شناسایی چندین نفر در یک تصویر، شناسایی چهره در حال حرکت اشاره کرد. برای غلبه بر این چالش ها و افزایش کارایی و دقت شناسایی چهره یادگیری عمیق یک رویکرد مناسب است . شبکه های عصبی در هم پیچشی یکی از اساسی ترین ساختارهای شبکه در فناوری یادگیری عمیق است. پس از بررسی مدل های مطرح حوزه شناسایی چهره و ارزیابی عملکرد لنان، مدل اینسلیت فیس جهت بهبود دقت انتخاب گردید. در این پژوهش با ارائه راهکارهای و ارائه یک مدل پیشنهادی دقت تشخیص را بهبود داده ایم. راهکارهای پیشنهادی شامل نرمال سازی تصویر ورودی، اموزش مدل پیشنهادی با مجموعه داده تهیه شده از تصاویر بومی و بهینه سازی شبکه استخراج ویژگی های رزنت با استفاده از روش جستجوی تصادفی است. مجموعه داده مورد استفاده شامل داده های استاندارد و بومی هست. مجموعه داده بومی شامل ۱۰۰.۰۰۰ عکس چهره که از تصاویر دوربین های نظارت تصویری تهیه شده است. استفاده کرده ایم. مجموعه اعتبارسنجی شامل حدود ۴۲۰۰۰ تصویر با هویت می باشد و ارزیابی در ۶ دوره انجام شد. روش پیشنهادی به دقت ۶۵.۱۵ درصد دست یافته است.

شناسایی چهره، یادگیری عمیق، شبکه عصبی کانولوشن، شبکه رزنت