دانلود پروپوزال چارچوب جدیدی جهت بهبود سرعت تشخیص چهره از طریق نظریه فراکتال

این پروپوزال دارای یک مقاله بیس نیز می باشد که در انتهای همین صفحه می توانید به طور رایگان، اقدام به مشاهده و دریافت آن نمایید.

در سالهای اخیر، تعداد زیادی از ویژگی های بیولوژیکی نظیر تشخیص عنبیه، تشخیص اثر انگشت، تشخیص راه رفتن و تشخیص چهره برای تشخیص هویت مورد استفاده قرار گرفته اند. همچنین استفاده و تشخیص این ویژگی های بیولوژیکی بسیار ساده بوده و جعل به سادگی امکانپذیر نیست. در مقایسه با سایر روش ها، عدم لمس بزرگترین مزیت و ویژگی تشخیص چهره محسوب می شود. همچنین امروزه توجهات فزاینده ای بر تشخیص چهره معطوف شده است و دارای کاربرد فزاینده ای در زمینه نظارت تصویری، سیستم کنترل دسترسی، تحقیقات جنایی و سایر زمینه‌ها می باشد. به طور کلی روش های عمومی تشخیص چهره به دو دسته رویکرد های محلی و سراسری تقسیم می شود. نقش روش های محلی استخراج ویژگی های محلی مختلف است. رویکردهای سراسری، کل تصویر را پردازش می‌کنند و یک الگوی کلی را برای چهره ایجاد می کنند. شایان ذکر است که برخی از روش های یادگیری عمیق نظیر شبکه عصبی پیچشی (CNN) و تانسور چهره نیز نتایج خوبی را نشان می دهند. معمولاً رویکردهای سراسری برای دستکاری تصویر به عنوان یک کل و ایجاد یک الگوی کلی برای هر الگوی چهره از یک تکنیک فرافکنی استفاده می کنند. لازم به ذکر است که کار اصلی، یافتن بهترین الگویی است که بتواند شی آزمایشی را توصیف کند. همچنین، از معروف ترین روش ها در این دسته Eigenface (چهره- ویژه) و Fisherface می باشند. در چهره- ویژه، تحلیل اجزای اصلی (PCA) ارائه شده است و می تواند به طور موثر بعد را کاهش دهد. همچنین، تصاویر را در فضایی با ابعاد کم پخش کرده و واریانس داده ها را در زیرفضای طرح ریزی با استفاده از ماتریس تبدیل خطی به بیشترین میزان افزایش می دهد. همچنین، طرح خطی دیگر نسبت به تغییر جهت نور و حالت چهره که توسط تحلیل تشخیص خطی فیشر (LDA) اجرا شده است، غیر حساس است. علاوه بر این، LDA یک طرح نظارت شده است که هدف آن کمینه سازی واریانس های درون کلاسی و همچنین بیشینه سازی فواصل بین کلاس ها در زیر فضای طرح ریزی می باشد. با این وجود، اغلب با مسائلی نظیر اندازه نمونه کوچک یا داده‌های ابعادی بالا در کارهای طبقه‌ بندی و تشخیص چهره رو به رو می‌شویم. از اینرو، برای استفاده مستقیم، LDA سنتی معمولاً در دسترس نیست، زیرا ماتریس پراکندگی درون کلاسی همواره منفرد است.

این پروپوزال برای دوره کارشناسی ارشد رشته برق آماده شده و می توان از آن به عنوان پروپوزال آماده پردازش تصویر استفاده نمود. همچنین لازم به ذکر است که ساختارهای استاندارد یک پروپوزال نیز در این محصول رعایت شده و مطالعه آن می تواند برای دانشجویان، بسیار مفید باشد.

این پروپوزال در محیط ورد (WORD) انجام شده و در ادامه نیز تصویر بخشی از آن و همچنین فایل مقاله بیس مربوط به آن قرار داده شده است: