اقای محسن اقاجانی فشارکی : تشخیص پیگیری و تفسیر حالات چهره انسان

نام و نام خانوادگی: محسن اقاجانی فشارکی

تشخیص پیگیری و تفسیر حالات چهره انسان

استاد راهنما: محمدحسن زند ، دانشجو: محسن آقاجانی فشارکی ، مجری: رضا بهراملو ،

پایان‌نامه: وزارت علوم، تحقیقات و فناوری - دانشگاه تهران - 1378 - [کارشناسی ارشد]

کلیدواژه: حالت چهره ، شناسایی ، چهره ، کامپیوترش

https://elmnet.ir/author/محسن-اقاجانی-فشارکی

تشخیص پیگیری و تفسیر حالات چهره انسان

(0)

(0)

پایان‌نامه . دولتی - وزارت علوم، تحقیقات، و فناوری - دانشگاه تهران . 1378 . کارشناسی ارشد

موضوع: فنی و مهندسی > مهندسی کامپیوتر

استاد راهنما: محمدحسن زند | دانشجو: محسن آقاجانی فشارکی

دریافت فایل

در این پروژه هدف دستیابی به روشی مناسب جهت تشخیص حالات حسی چهره می‌باشد. بیشتر سیستم‌های شناخت حالات بر روی شش حالت اصلی در چهره تمرکز می‌کنند. تفسیر حالات چهره تمرکز می‌کنند. تفسیر حالات چهره معمولا یا از روی تصاویر ساکن و یا از روی یک رشته از فریم‌های متوالی چهره انجام می‌پذیرد. در این پروژه، به هر دو این موارد پرداخته می‌شود. برای استخراج مشخصه‌های چهره تاکید اصلی بر روش‌های هندسی و ترکیب کلی چهره است . در این قسمت دو روش مورد بررسی قرار می‌گیرد. در اولین روش برای بدست آوردن مشخصه‌های چهره با در نظر گرفتن شکل خاص از گرادیان نقاط، در کل تصویر به جستجوی چشم می‌پردازیم. در این بین از مفاهیمی همچون شیارهای چهره نیز برای کاهش حجم محاسبات استفاده می‌شود. اما در دومین روش ، با استفاده از نگاشت افقی و عمودی تصویر چهره و تصویر لبه‌های افقی و عمودی چهره، موقعیت دهان، بینی، پیشانی و محدوده چشم‌ها و سپس بر اساس مفهوم میدان اشاره، موقعیت دقیق چشم‌ها بدست می‌آید. بر اساس نقاط ضعفی که روش اول از خود نشان می‌دهد، روش دوم برگزیده می‌شود و برای مراحل بعدی مورد استفاده قرار می‌گیرد. در بخش‌های مربوط به تحلیل و تفسیر حالات چهره از روی تصاویر ساکن، یک شبکه هاپلفید (Hopfield) و خاصیت حافظه شرکت‌پذیر آن مورد توجه قرار گرفته است . پس از بررسی نتایج حاصل از این شبکه، از سری کردن دو شبکه هاپفیلد با مجموعه‌های آموزش متفاوت برای عمل تشخیص استفاه شد، که نتایج را بصورت محسوسی بهبود بخشید. برای تحلیل حالات چهره از روی یک رشته تصویر، چندین شبکه REF بکارگرفته شده است . روش آموزش این شبکه، معماری کلی آن، نحوه تنظیم و پردازش ورودی‌ها و خروجی‌ها از نکات مهم این روش می‌باشد که در نوع خود حائز اهمیت است . چارچوب ارائه شده برای تشخیص حالات چهره در این پایان‌نامه، در مقایسه با دیگر روش‌های موجود، ضریب اطمینان و همچنین سرعت بیشتری دارد و این بیشتر ناشی از عدم استفاده از مدل‌های مبتنی بر آناتوموی چهره واستفاده از شاره نوری برای تشخیص حرکت‌ها می‌باشد. 

نمایه ها: 

حالت چهره | 

شناسایی | 

چهره | 

کامپیوتر | 

کد نوشتار : 26599

https://ganj-old.irandoc.ac.ir/articles/13189

شخیص پیگیری و تفسیر حالات چهره انسان 

استاد راهنما:  محمدحسن زند ، دانشجو:  محسن آقاجانی فشارکی ، مجری:  رضا بهراملو ،

پایان‌نامه: وزارت علوم، تحقیقات و فناوری - دانشگاه تهران - 1378 - [کارشناسی ارشد]

کلیدواژه: حالت چهره ، شناسایی ، چهره ، کامپیوتر

چکیده: 
در این پروژه هدف دستیابی به روشی مناسب جهت تشخیص حالات حسی چهره می‌باشد. بیشتر سیستم‌های شناخت حالات بر روی شش حالت اصلی در چهره تمرکز می‌کنند. تفسیر حالات چهره تمرکز می‌کنند. تفسیر حالات چهره معمولا یا از روی تصاویر ساکن و یا از روی یک رشته از فریم‌های متوالی چهره انجام می‌پذیرد. در این پروژه، به هر دو این موارد پرداخته می‌شود. برای استخراج مشخصه‌های چهره تاکید اصلی بر روش‌های هندسی و ترکیب کلی چهره است . در این قسمت دو روش مورد بررسی قرار می‌گیرد. در اولین روش برای بدست آوردن مشخصه‌های چهره با در نظر گرفتن شکل خاص از گرادیان نقاط، در کل تصویر به جستجوی چشم می‌پردازیم. در این بین از مفاهیمی همچون شیارهای چهره نیز برای کاهش حجم محاسبات استفاده می‌شود. اما در دومین روش ، با استفاده از نگاشت افقی و عمودی تصویر چهره و تصویر لبه‌های افقی و عمودی چهره، موقعیت دهان، بینی، پیشانی و محدوده چشم‌ها و سپس بر اساس مفهوم میدان اشاره، موقعیت دقیق چشم‌ها بدست می‌آید. بر اساس نقاط ضعفی که روش اول از خود نشان می‌دهد، روش دوم برگزیده می‌شود و برای مراحل بعدی مورد استفاده قرار می‌گیرد. در بخش‌های مربوط به تحلیل و تفسیر حالات چهره از روی تصاویر ساکن، یک شبکه هاپلفید (Hopfield) و خاصیت حافظه شرکت‌پذیر آن مورد توجه قرار گرفته است . پس از بررسی نتایج حاصل از این شبکه، از سری کردن دو شبکه هاپفیلد با مجموعه‌های آموزش متفاوت برای عمل تشخیص استفاه شد، که نتایج را بصورت محسوسی بهبود بخشید. برای تحلیل حالات چهره از روی یک رشته تصویر، چندین شبکه REF بکارگرفته شده است . روش آموزش این شبکه، معماری کلی آن، نحوه تنظیم و پردازش ورودی‌ها و خروجی‌ها از نکات مهم این روش می‌باشد که در نوع خود حائز اهمیت است . چارچوب ارائه شده برای تشخیص حالات چهره در این پایان‌نامه، در مقایسه با دیگر روش‌های موجود، ضریب اطمینان و همچنین سرعت بیشتری دارد و این بیشتر ناشی از عدم استفاده از مدل‌های مبتنی بر آناتوموی چهره واستفاده از شاره نوری برای تشخیص حرکت‌ها می‌باشد.

https://elmnet.ir/article/10124127-88767/تشخیص-پیگیری-و-تفسیر-حالات-چهره-انسان