استفاده از یک روش ترکیبی در تشخیص چهره و مسیر خیره گی چشم و سیستم تشخیص خمیدگی سر

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 593

This Paper With 6 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:

BPJ02_051

تاریخ نمایه سازی: 11 آبان 1395

Abstract:

در سال های گذشته تشخیص و ردیابی خیرگی، بدلیل رفاهی که برای کاربری های گوناگون دارد، به عنوان زمینه تحقیقاتی مؤثری شناخته می شود. علاوه بر این، تشخیص حرکت های سر هم توجهات مشابهی را به خود جلب کرده است. هر دوی این تکنولوژی ها می توانند به عنوان روش های جایگزین برای ابزارهای واکنشی بکار روند. چندین روش در مطالعات ارایه و در اجرای شماری از الگوریتم ها برای این تکنولوژی هابکار برده شده است. بهبودی در سیستم دسته بندی مسیر خیرگی در این مقاله علمی ارائه می شود. تشخیص دهنده صورت Viola-Jones برای تشخیص صورت و تعیین محدوده چشم در سیستم دسته بندی مسیر خیرگی استفاده می شود. اگرچه تشخیص دهنده صورت Viola-Jones محدودیتی در تشخیص صورت های چرخانده شده دارد. در روش پیشنهاد شده Circular Hough Transform برای تعیین محل چشم بکار رفته است. سپس جلوه های Low Level محاسبه شده و ( support vector machine (SVM ، که بالاترین دقت را در سیستم از خود نشان داد، برای دسته بندی مسیر خیرگی بکار برده شد. بهینه سازی مطرح شده محاسبه زاویه خمیدگی سر با استفاده از حسگرهای flex و یک میکروکنترلر را پیشنهاد می دهد. سپس زاویه محاسبه شده خمیدگی را برای برگرداندن سر به زاویه . درجه می توان بکار برد. این کار باعث غلبه بر محدودیت Viola-Jones در تشخیص صورت های چرخانده شده می شود. همچنین دقت سیستم را در زمان استفاده از تصاویر صورت های چرخانده شده افزایش می دهد. علاوه بر افزایش سودمندی سیستم در دسته بندی مسیر خیرگی چشم، مشخص نمودن مسیر سر به عنوان یک روش کنترل مؤثر است. این ترکیب دسته بندی مسیر خیرگی چشم و تشخیص مسیر سر سیگنال های کنترلی مختلفی را ایجاد می کند که میتواند در زمینه های مختلفی از قبیل تکنولوژی یاری رسان بکار رود.

Keywords:

دسته بندی مسیر خیرگی , خمیدگی سر , حسگر - flex و Viola-Jones

Authors

زهرا صمدیار

گروه کامپیوتر، پردیس علوم و تحقیقات خمین، دانشگاه آزاد اسلامی، خمین، ایران

حمید پایگذار

گروه کامپیوتر، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران

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 :
  • D. Beymer and M. Flickner, "Eye G Stereo Head, " ...
  • J. Gips, P. DiMattia, F.X. Curran, EagleEyes: An Electrodes based ...
  • C.H. Morimoto, D. Koons, A. Ami "Keeping an Eye for ...
  • A. Al-Rahayfeh, and M. Faezipour, "Classification Using a Combination SVM", ...
  • and Biology pp.5679-5682, 2006. ...
  • M. Iwata and Y. Ebisawa, "PupilM detection, " IEEE Conference ...
  • P. A. Viola and M. J. Jones "Robust re Comput. ...
  • 1 343-9/1 2/826.00 C2014 IEEE ...
  • نمایش کامل مراجع