استفاده از ترکیب طبقه بندها برای آشکارسازی دقیق چهره های طبیعی در تصاویر رنگی استاتیک
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,510
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_129
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
در این مقاله یک ایده برای آشکارسازی چهره های طبیعی موجود در تصاویر رنگی با استفاده از ترکیب طبقه بندها طرح گردیده است. بدین منظور از ترکیب متوالی طبقه بندهای مدل رنگ پوست و AdaBoost استفاده شده است . در روش پیشنهادی ابتدا با استفاده از تخمین مدل رنگ پوست، نواحی هم رنگ با پوست از پس زمینه قطعه بندی می گردند. سپس با استفاده از تحلیل اجزاء به هم پیوسته، نواحی کاندیدا برای یافتن چهره های طبیعی شناسایی می گردند. در مرحل ه بعد ، برای تخمین چرخش دو بعدی سر، بر روی نواحی کاندیدا PCA اعمال شده است در مرحل ه چهارم، مقدار زاوی ه چرخش سر جبران سازی گردیده است . برای آشکارسازی نهایی چهره های طبیعی ، تصاویر کاندیدای جبران سازی شده به عنوان ورودی مطلوبِ طبقه بند AdaBoost در نظر گرفته می شوند. نتایج تجربی نشان می دهند که روش ارائه شده قادر به آشکارسازی چهره های طبیعی در تصاویر تا 360 درجه چرخش دو بعدی است. نرخ آشکارسازی چهره بر روی مجموعه داده های آزمایش شده بیش از 96 درصد گزارش شده است.
Keywords:
آشکارسازی چهره , الگوریتم AdaBoost , تحلیل مؤلفه های اصلی , تخمین چرخش سر , ترکیب طبقه بندها , مدل رنگ پوست , تحلیل اجزاء به هم پیوسته , سامانه های تغییر ناپذیر با دوران
Authors
سمیرا صبوری
دانشجوی کارشناسی ارشد مهندسی برق- الکترونیک، دانشکد ه فنی و مهندسی، د
فربد رزازی
استادیار، عضو هیات علمی دانشکد ه فنی و مهندسی، دانشگاه آزاد اسلامی وا
علی تیموری
دانش آموخت ه کارشناسی ارشد مهندسی برق- الکترونیک، دانشکد ه فنی و مهند
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 :