افزایش دقت بازشناسی چهره تحت شرایط تغییرات روشنایی به کمک روش نرمال سازی شبکه عصبی
Publish place: The 8Conference of Al Robotics and the 10th RoboCup Iranopen International Symposium 2018
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 652
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANOPEN08_009
تاریخ نمایه سازی: 26 مرداد 1397
Abstract:
مساله تغییرات روشنایی یکی از مشکلات اصلی در سیستم های بازشناسی چهره است، تصویر یک فرد تحت شرایط روشنایی مختلف، الگوهای کاملا متفاوتی ایجاد می کند و دقیق ترین سیستم های بازشناسی چهره به شدت حساس به تغییرات روشنایی هستند. روش های مختلفی برای حل این مساله پیشنهاد شده است. در این مقاله روش جدیدی مبتنی بر نرمال سازی روشنایی و شبکه عصبی تحت شرایط تغییرات روشنایی ارایه می شود. روش پیشنهادی طی چند مرحله به بازشناسی تصویر چهره می پردازد. ابتدا با استفاده از روش BHE سایه های ایجاد شده روی تصویر را که بر اثر تغییرات روشنایی به وجود آمده است را برطرف می کند. سپس، ویژگی های مربوط به تصویر چهره را استخراج نموده و با استفاده از روش PCA داده های موجود را کاهش می دهد و در نهایت داده های موجود را با استفاده شبکه عصبی دو لایه MLP آموزش داده و دسته بندی می کند. نتایج به دست آمده روی پایگاه داده Yale B نشان می دهد که روش پیشنهادی دقت بازشناسی چهره را به نحو مطلوبی افزایش داده است.
Keywords:
Authors
نعیمه زارعی نژاد
دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
محمد نوروزی
دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران