بهبود عملکرد تشخیص چهره با استفاده از مشتق تفاوت مطلق انباشته
بر اساس هیستوگرام احتمالی و استراتژی بکار رفته در آزمایشات موردنظر در راستای چهارچوب تشخیص چهره بوده و از چهره برچسب گذاری شده در پایگاه داده ای LFW استفاده می برد.

فناوری و توسعه
پژوهشایده برای پایان نامه

مقاله پیش رو با هدف اجرای فرایند تشخیص چهره به مقایسه الگوریتم در صورت های مختلف می پردازد تا در مواردی که با اشتباه کاربر دو چهره ناهمجنس انتخاب می گردند الگوریتم های فوق به شناسایی آنها اقدام کنند. روش محاسباتی بکار رفته در این سیستم با استفاده از مشتق تفاوت مطلق انباشته میان دو چهره ای که قبلاً دیده نشده است انجام می گیرد. برخلاف روش های سنجش مسیرهای چند بعدی، الگوریتم پیشنهادی در این مقاله به طور فزاینده ای تفاوت مطلق انباشته را با توجه به مولفه های گوسین ارائه می دهد. مجموعه مشخصات در مدل ترکیبی گوسین را می توان به طور گسترده در چندین سیستم بیومتریک مورد استفاده قرار داد. میزان ارزیابی الگوریتم پیشنهاد شده بدون محدودیت محیطی و با استفاده از Labeled Face در پایگاه داده ای (LFW) انجام می گیرد. آزمایشات صورت گرفته حاکی از آن است که الگوریتم پیشنهادی در این مقاله با در اختیار گذاشتن بیش از 4.92 درصد مشخصات چهره به صورت مستقیم و 18.05 درصد مولفه های اصلی تحلیلی علاوه بر ارائه روش های مناسب در شناسایی سیستم های تشخیص چهره از الگوریتم های سنتی تشخیص چهره پیشی گرفته است. از دیگر نقاط مثبت این الگوریتم می توان به توانایی اعمال آن بر روی دیگر سیستم های تشخیصی اشاره کرد. 


برگرفته ازElsevier.com

عنوان: Face Recognition Performance Improvement Using Derivative of Accumulated Absolute Difference Based on Probabilistic Histogram

ناشر: Elsevier

تاریخ انتشار: 2016 ,Apr

تعداد صفحات: 5

قیمت: 9500 تومان

بیوتکنولوژیمهندسی

دانلود اصل مقاله به زبان انگلیسی