تشخیص حالت چهره با دقت بهینه در دنباله تصاویر ویدئویی

thesis
abstract

شناسایی حالت چهره در سالهای اخیر بسیار مورد توجه قرار گرفته است. امروزه ارتباط انسان با کامپیوتر در دنیای مجازی و ایجاد رابطه به اصطلاح عاطفی بین این دو منجر به توجه بیش از پیش به این موضوع شده است. در شاخه رباتیک، مطرح شدن رباتهای انسان نما که با کاربر در تعامل هستند و با حالت روحی کاربر خود را تطبیق می دهند، توجه به این موضوع را دوچندان نموده است. همچنین در تکنولوژی مربوط به ساخت دوربینهای دیجیتالی، با تجاری شدن دوربینهای عکاسی حساس به حالات چهره که تنها با لبخند زدن شخص تصویر گرفته می شود، این موضوع در قالب فن آوری روز مطرح گردیده است. در فیلمهای انیمیشن و کارتونی و تکنیکهای مربوط به آن، طراحی چهره، بحث شبیه سازی حالات مختلف چهره بسیار پرکاربرد می باشد. در شاخه روانشناسی، آزمونهایی در زمینه درمانی طراحی شده است که با نشان دادن تصاویر به شخص مورد آزمایش، عکس العمل ظاهری ایجاد شده در چهره را بررسی و به عنوان داده های اولیه برای تحلیل روحی روانی بکار می گیرند. این موارد و کاربردهای گوناگون دیگر منجر به انجام تحقیقات متعددی در این زمینه گردیده است. هدف در این رساله تشخیص حالات چهره با دقت بهینه در دنباله تصاویر ویدئویی در شش حالت اصلی (خوشحال، ناراحت، متعجب، عصبانی، متنفر و طبیعی) می باشد. در این پروژه پس از پیش پردازشهای اولیه و بخصوص پردازشهای مربوط به حجم و اندازه تصاویر (مبحث هرمی سازی)، روشی بر اساس مبانی optical flow، تشخیص و دنبال کردن حرکات اتفاق افتاده در تصویر، به منظور استخراج ویژگی، ارائه شده است. سپس ویژگیهای استخراجی را از دو روش مجزا طبقه بندی نموده و نتایج ارائه و مقایسه گردیده است. روش پیشنهادی بر روی پایگاه داده ی معتبر و مرجع cohn-kanade پیاده-سازی شده است. روش اول دسته بندی با استفاده از شبکه عصبیrbf که دقتی برابر64/88%، و روش دوم با استفاده از طبقه-بندی کننده ی ماشین بردار پشتیبان (svm) می باشد که دقتی برابر 78/92% را نتیجه داده است. در کنار این روش روشی ساده با دقتی بالا برای تشخیص سه حالت اصلی چهره (خوشحال، ناراحت و طبیعی) در تصاویر استاتیکی که درجه وضوحی مطلوب داشته باشند (در حد پایگاه داده jaffe) ارائه گردیده است. روش دوم بر پایه ی ویژگیهای ظاهری و بخصوص فیلترهای گابور و تعریف های مرتبط با تغییرات ظاهری چهره در خلال شکل گیری حالات ذکر شده، بنا نهاده شده است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

شناسایی چهره براساس ظاهر در رشته‌های ویدئویی

full text

آنالیز تصاویر چهره به منظور تشخیص خواب آلودگی

تشخیص خواب آلودگی در موارد زیادی از جمله کاهش تصادفات جاده ای اهمیت دارد. در این مقاله، الگوریتم های جدیدی به منظور تعیین مکان مردمک ها و دایره های عنبیه، لب ها و تشخیص وضعیت باز و بسته بودن چشم ها ارائه می شود که در نهایت بر اساس آنالیز چهره (باز و بسته بودن چشم ها و دهان) میزان سطح خواب آلودگی فرد تعیین می شود. در بیشتر روش های مبتنی بر آنالیز چهره با استفاده از یک پارامتر، خواب آلودگی فرد تش...

full text

تشخیص حالات چهره در دنباله های ویدئویی با استفاده از فیلتر ذره ای و ماشین بردار پشتیبان

آنالیز خودکار حالت چهره یک مسئله ی چالش برانگیز با کاربرد های فراوان می باشد. تشخیص حالت چهره از ویدئو یک زمینه ی تحقیقاتی ضروری در حوزه ی واسط های انسان-کامپیوتر می-باشد. سیستم های تشخیص حالت چهره از سه بخش تشکیل شده اند: آشکارسازی چهره، استخراج ویژگی و تشخیص حالت. در این پایان نامه، سیستم تشخیص حالت چهره شش حالت احساسی پایه را تشخیص می دهد و تغییر مکان نقاط کلیدی چهره بین فریم اول و فریم آخر ...

15 صفحه اول

تشخیص صرع بزرگ در تصاویر ویدئویی

تشخیص و بازنمایی اعمال انسان یکی از موضوعات مهم و چالش برانگیز در حوزه ی بینایی ماشین می باشد که در سیستم های نظارتی بصری هوشمند با هدف توصیف رفتار و بازشناسایی و ردگیری حرکات فرد از دنباله تصاویر صورت می گیرد. با توجه به جدیدترین آماری که سازمان جهانی بهداشت در ژانویه 2009 در خصوص تعداد افراد مبتلا به صرع بزرگ ارائه نموده است؛ در هر 1000 نفر از جمعیت کل جهان، 4 تا 10 نفر مبتلا به عارضه صرع بز...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه تربیت معلم - سبزوار - دانشکده برق و کامپیوتر

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023