کنترل حضوروغیاب پرسنل براساس تشخیص چهره و شناسایی فضای رنگ بهینه برای آشکارساز پوست

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 637

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NIESC01_253

تاریخ نمایه سازی: 14 شهریور 1392

Abstract:

امروزه به منظورکنترل حضوروغیاب پرسنل حاضردریک مکان صنعتی یا اموزشی روشهای مختلفی ارایه شده استاینروشها که عموما بیومتریک هستند دارای نقاط ضعفی می باشند کهدربعضی مواقع باعث افت بهره وری و کاهش استفاده ی حداکثری ازنیروها و پرنسل متخصص بصورت مفید می شوند این مقاله یک الگوریتم کارامد را که بصورت خودکاروبدون دخالت انسان حضور افراد راتشخیص میدهد تشریح می کند این حضوروغیاب توسط یک دوربین که درالاترین نقطه اتاق نصب شده انجام میگیرد این دوربین بصورت پیوستهتصاویر پرسنل را عکسبرداری می کند و چهره ها را درتصاویر می یابد سپس با پایگاه داده موجود مقایسه کرده و حضور پرسنل را علامتگذاری ثبت و ضبط می کند قدم اول درراه تشخیص چهره تشخیص رنگ پوست افراد می باشد بیشتر روشهای تشخیصی براساس رنگ پوست هستند انتخاب یک فضای رنگ به منظور ایجاد یک روش بهینه برای تشخیص پوست جهت استفادهدرشناسایی چهره همواره یک چالش بزرگ دراین زمینه بوده است دربخشی ازاین مقاله سعی کرده ایم نشان دهیم که برای فضای رنگی خاص یک طرح تشخیص بهینه ی پوست وجود دارد و انتخای یک فضای رنگ به تنهایی دربهینه سازی و کارایی روش تشخیص موثر نیست

Keywords:

کنترل حضوروغیاب , تشخیص چهره , تشخیص پوست , کلاسهای پوست و غیرپوست , SCM

Authors

فواد آصف

دانشجوی کارشناسی ارشدمکاترونیک

علی صالحی

دانشجوی کارشناسی ارشدمکاترونیک

مهدی کریمی

استادیاردانشگاه آزادقزوین

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • ALBIOL, A., TORRES, L., AND DELP, E. J , _ ...
  • Curran, K., X. Li, et al. "Neural network face detection: ...
  • matichuman face location in a complex background usingmotion Auto؛ [3] ...
  • iu. Face Recognition Under Varying Illumination UsingGradient faces. In Image ...
  • JA.C. Weaver, :Biometric authenticatiof _ Computer, 39(2), pp 96-97 , ...
  • gets personal Authentication؛ [6] J. Ortega-Garcia, J. Bigun, D. Reynolds ...
  • Jiang, J. L. and K. F. Loe _ S-AdaBoost and ...
  • J. G. Wang and E. Sung, "Frontal-view face detectionand facial ...
  • J. Chen, C. M. Taskiran, A. Albiol, C. A. Bouman, ...
  • L. Sirovich andM. Kirby. Low -dimensional procedure for the _ ...
  • Li, S. Z. and Z. Q. Zhang. "PloatBoost Learning and ...
  • Lijuan Duan, Guoqin Cui, Wen Gao and Hongming Zhang :Adult ...
  • M. Turk and A Pentland , "Face recognition using eigenfaces". ...
  • M. D. Srinath, P. K. Rajasekaran, and R. Viswanathan, "Introduction ...
  • Osuna, E., Freund, R. and Girosit, F. "Training support vector ...
  • Quratulain Shafi, Javaria Khan, Nosheen Munir and Naveed Khan Baloch, ...
  • Rowley, H. A., Baluja, S. and Kanade, T. "Neural network-based ...
  • Schneiderman, H. and T. Kanade Probabilistic Modeling of Local Appearance ...
  • Tabassam nawaz, Saim Pervaiz, Arash Korrani, Azhar-ud-din, "Development of Academic ...
  • Taiping Zhang, Yuan Yan Tang, Bin Fang, Zhaowei Shang, Xiaoyu ...
  • Viola, P. and M. J. "Robust Rea]-Time Face Detection." International ...
  • Y. Li, S. Gong, and H. Liddell. Support vector regression ...
  • نمایش کامل مراجع