مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

2,733
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,630
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص حالتهای چهره از روی تصاویر متحرک به روش مبتنی بر ویژگی با استفاده از شبکه عصبی RBF و منطق فازی

صفحات

 صفحه شروع 25 | صفحه پایان 35

چکیده

 در این مقاله روشی برای تشخیص حالتهای اصلی چهره بر اساس نقاط ویژگی صورت (FFP) و ویژگیهای استخراج شده از تصاویر صورت از رو به رو ارایه شده است. تعداد 21 نقاط ویژگی صورت در نظر گرفته شده و با استفاده از آنها ابتدا برای حذف اثر فاصله دوربین نسبت به شخص, تمام اندازه های نرمالیزه شده و اثر دوران سر نیز حذف گردیده است. این نقاط در اولین فریم مشخص شده و در فریمهای بعدی با استفاده از روش بهبود یافته محاسبه شار نوری بر اساس همبستگی متقابل به طور اتوماتیک تعقیب می شوند. در روش اول بر اساس موقعیت این نقاط در فریمهای ابتدایی و انتهایی, یک بردار ویژگی برای هریک از حالتهای چهره تشکیل می گردد. با استفاده از بردار ویژگیها یک شبکه عصبی RBF آموزش داده شده است. در روش دوم بر اساس حرکت نقاط ویژگی, هفت ویژگی استخراج شده و توسط شبکه عصبی RBF برای تشخیص شش حالت اصلی چهره مورد استفاده قرار می گیرد. در روش سوم با استفاده از یک پایگاه قواعد و بر اساس ویژگیهای استخراج شده, یک سیستم طبقه بندی بر اساس سیستم استنتاج فازی برای طبقه بندی شش حالت اصلی چهره مورد استفاده قرار می گیرد. نتایج به دست آمده نشان می دهد استفاده از تصاویر متحرک که از حالت نرمال شروع شده و به حالت احساسی مورد نظر ختم می گردند, قدرت تشخیص بهتری را ارایه می دهد. در مقایسه طبقه بندی کننده فازی با شبکه عصبی RBF, طبقه بندی کننده RBF دقت بهتری ارایه می دهد ولی به زمان پردازش بیشتری نیاز دارد و برای پیاده سازی زمان واقعی, طبقه بندی کننده فازی مناسب تر است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سیدعربی، میرهادی، آقاگل زاده، علی، و خان محمدی، سهراب. (1385). تشخیص حالتهای چهره از روی تصاویر متحرک به روش مبتنی بر ویژگی با استفاده از شبکه عصبی RBF و منطق فازی. دانشکده فنی دانشگاه تبریز، 33(1 (پیاپی 43) ویژه مهندسی برق)، 25-35. SID. https://sid.ir/paper/43692/fa

    Vancouver: کپی

    سیدعربی میرهادی، آقاگل زاده علی، خان محمدی سهراب. تشخیص حالتهای چهره از روی تصاویر متحرک به روش مبتنی بر ویژگی با استفاده از شبکه عصبی RBF و منطق فازی. دانشکده فنی دانشگاه تبریز[Internet]. 1385؛33(1 (پیاپی 43) ویژه مهندسی برق):25-35. Available from: https://sid.ir/paper/43692/fa

    IEEE: کپی

    میرهادی سیدعربی، علی آقاگل زاده، و سهراب خان محمدی، “تشخیص حالتهای چهره از روی تصاویر متحرک به روش مبتنی بر ویژگی با استفاده از شبکه عصبی RBF و منطق فازی،” دانشکده فنی دانشگاه تبریز، vol. 33، no. 1 (پیاپی 43) ویژه مهندسی برق، pp. 25–35، 1385، [Online]. Available: https://sid.ir/paper/43692/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button