جمعه 26 مرداد 1397 | Friday 17 th of August 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: تشخیص احساسات در چهره انسان
عنوان انگلیسی: Facial Expression Recognition
دانشجو: باقری مقدم عزت
استاد راهنما: مریم سبزواری
استاد دفاع: نامشخص
تاریخ ارائه: شهریور1391
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: تحقیقاتی | هوش مصنوعی | طراحی الگوریتم |
رشته های مرتبط: علوم کامپیوتر |
تاریخ قرار گیری در سایت: 29 شهریور 1391 ساعت: 13:38:55
تعداد بازدید: 6757 بازدید
چکیده فارسی: پیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده ان را در علوم و صنایع گوناگون می توان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملا ان مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به ان پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.
چکیده انگلیسی: Advancement of Science image processing has been used in recent decades to the extent it can be clearly felt in science and industry. As far as lack of knowledge in some cases it's completely unique uses. One of the image processing are addressed in this thesis it has facial recognition; So that the image is used as input into the system And software using a special method to-face mode (6 modes) returns as output. In the first chapter about the introduction of machine vision and image processing are addressed. The second chapter describes the history, analysis, methods used to implement this software is presented. In the third season in the introduction and classification method that has been used in this project. The fourth quarter results. Comparison is assigned. As well as future work is discussed in Chapter Five. Keywords: Image Processing ، Facial Expression Recognition ، Extraction Feature
کلمات کلیدی: Image Processing ، Facial Expression Recognition ، Extraction Feature
عنوان بازدید
 فصل اول- مقدمه 1304
|— 1-1مقدمه ای بر ماشین بینایی 1669
|—|— 1-1-1 بینایی ماشین(MV) 1466
|—|— 1-1-2 کاربردهای بینایی ماشین 1399
|—|— 1-1-3 متدها 1435
|—|— 1-1-4 پردازش تصویر 1513
|—|—|— 1-1-4-1 استخراج ویژگی 1786
|—|—|— 1-1-4-2 روش های قسمت بندی تصویر 1528
|—|—|— 1-1-4-3 دسته بندی 1409
 1-1-5 روش های پردازش تصویر در بینایی ماشین 1906
|—|— 1-1-6 مراحل بینایی ماشین 1373
|—|— 1-1-7 روش های فشرده‌سازی تصاویر 1691
|—|— 1-1-8 تصاویر رقومی(دیجیتالی) 1369
|—|— 1-1-9 مقادیر پیکسلها 1509
|—|— 1-1-10 دقت تصویر 1690
|— 1-2 تاریخچه پردازش تصویر 5338
|—|— 1-2-1 مراحل اصلی پروسه تشخیص تصویر 2903
|—|— 1-2-2 عملیات اصلی در پردازش تصویر 2522
|—|— 1-2-3 کاربردهای علم پردازش تصویر 4515
|— 1-3 کاربردها 2168
|— 1-4 دلایل استفاده از این سیستم 2017
 فصل دوم- تحلیل 1920
|— 2-1 تاریخچه الگوریتم الگوی باینری محلی(Local Binary Pattern) 2641
|—|— 2-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته 2062
|—|— 2-1-2 نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافته ازطریق رده بندی برپایه توزیع خصایص 1603
|—|— 2-1-3 نمونه 3: مکانیابی واستخراج چشم درتصاویرچهره انسان 1576
|—|— 2-1-4 نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود 1641
|—|— 2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش(Rotation-invariant) با استفاده از توزیعات خصایص 1488
|—|— 2-1-6 نمونه 6: توالی هیستوگرام LGBP 1648
|—|— 2-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده ازLBP 2088
|—|— 2-1-8 نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره 1723
|—|— 2-1-9 نمونه 9: هیستوگرام الگوی دودویی محلی چند طیفه(Multispectral Local Binary Pattern Histogram) برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره 1693
|— 2-2 معرفی سیستم های مشابه 1243
|—|— 2-2-1 الگوهای باینری محلی (local binary pattern) 1271
|—|— 2-2-2 الگوهای باینری یکنواخت محلی (local uniform binary pattern) 1325
|—|— 2-2-3 الگوهای باینری محلی مقاوم در برابر چرخش (rotation invariant local binary pattern) 1337
|—|— 2-2-4 الگوی باینری محلی چند مقیاسه (multi-scale local binary pattern) 1282
|—|— 2-2-5 الگوی باینری Gabor محلی (local gabor binary pattern) 1317
|—|— 2-2-6 مقدار سطح شیب در الگوی باینری محلی (magnitude local binary pattern) 1159
|— 2-3 تحلیل 1102
|—|— 2-3-1 واحد بافته(Texture Unit) و طیف بافته(Texture Spectrum) 1285
|—|—|— 2-3-1-1 دسته بندی بافته(Texture Classification) 1389
|—|— 2-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش(Rotation Invariant LBP) 1095
|—|—|— 2-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale 1205
|—|—|— 2-3-2-2 به دست اوردن ویژگی مقاوم به چرخش در تصاویر 1046
|—|—|— 2-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر 1158
|—|—|— 2-3-2-4 اندازه گیری واریانس(انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست(تفاوت رنگ) بافت تصویر محلی 1105
|—|—|— 2-3-2-5 قاعده کلی دسته بندی غیر پارامتری 977
|—|—|— 2-3-2-6 انالیز چند رزولیشنه(Multiresolation Analysis) 955
|—|— 2-3-3 خصایص قابل تبعیض برای توصیف بافته(Discriminative features for texture description) 981
|—|—|— 2-3-3-1 مدل یادگیری برای توصیف بافته 983
|—|—|— 2-3-3-2 فرمولاسیون مدل یادگیری پیشنهادی 1003
|—|—|— The discriminative completed LBP (disCLBP) 3-3-3-2 1101
|—|— 2-3-4 سطح الگوی باینری محلی (VLBP) 995
|—|—|— 2-3-4-1 سطح الگوی باینری محلی پایه ای(Basic Volume Local Binary Pattern) 1287
|—|—|— 2-3-4-2 خاصیت مقاوم در چرخش در سطح الگوی باینری محلی(Rotation Invariant VLBP) 1007
|—|—|— 2-3-4-3 الگوهای باینری محلی از سه سطح متعامد(Local Binary Patterns From Three Orthogonal Planes) 1243
|—|—|— 2-3-4-4 توصیف گر محلی برای انالیز تصویر چهره 1632
 فصل سوم دسته بندی(svm) 1153
|— 3-1 چکیده 1094
|— 3-2 مقدمه 1100
|— 3-3 مقدمه ای در دسته بندی 1032
|— 3-4 دسته بندی 1244
|—|— 3-4-1 SVM 1085
|—|— 3-4-2 SVM غیر خطی 1047
|—|— 34-3 Svm خطی 980
|—|—|— 3-4-3-1 فرم اولیه 921
|—|— 3-5- 4 SVM Multiclass 1327
|— 3-6 استفاده از دانش قبلی در SVM 1053
|— 3-7 Soft Margin(حاشیه نرم) 1012
|— 3-8 خصوصیات SVM 1083
|— 3-9 رگرسیون(Regression) 1184
 فصل چهارم-نتایج ومقایسه 1026
|— 1-4 نتایجی برای VLBP 997
|— 4-2 نتایجی برای LBP-TOP 955
|— 4-3 مقایسه متد LBP-TOP با بقیه ی روش ها 1045
|— 4-4 نتیجه گیری 1100
 پیوست ها 1189
|— پیوست الف 1004
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26