پیاده سازی الگوریتم ماشین بردار پشتیبانی بر روی fpga برای تشخیص چهره

شناسایی خودکار چهره، به معنی شناسایی یک فرد بهصورت خودکار توسط یک ماشین، بر مبنای ویژگی استخراجشده از تصاویر چهره آن فرد است. هدف از این پایاننامه طراحی یک معماری مناسب برای تشخیص چهره مبتنی بر الگوریتم کلاسبندی ماشین بردار پشتیبانی است.در این پایاننامه یک الگوریتم جدید همراه با یک معماری مناسب ارائه می شود. الگوریتم پیشنهادی برای این سیستم، ترکیبی از تجزیه تبدیل موجک گسسته، آنالیز تفکیککننده خطی مستقیم و ماشین بردار پشتیبانی بنانهاده شده است. در این سیستم ابتدا توسط تجزیه تبدیل موجک گسسته ویژگیهای یک تصویر خام استخراج میشود و سپس توسط آنالیز تفکیککننده خطی مستقیم به یک زیر فضا با ابعاد پاییننگاشت میشود. در مرحله نهایی توسط الگوریتم svm تصاویر ورودی دستهبندی میشود. معماری سختافزاری طراحیشده مبتنی بر ترکیب نرمافزار و سختافزار است، بهطوریکه بخش آموزش سیستم توسط نرمافزار و بخش شناسایی هویت توسط سختافزاری صورت میگیرد. پارامترهای مهم در مرحله آموزش سیستم استخراج میشود و سپس درون حافظه سیستم شناسایی )سختافزاری( ذخیره میشودکه سیستم سختافزاری هویت فرد را با توجه به این پارامترها چهره فرد را شناسایی میکند. این الگوریتم با پایگاه داده orl که شامل 11 تصویر است، تست گردیده است. نتیجه آزمایشها نزدیک به 39% نرخ تشخیص و همچنین زمان تشخیص تصویر آزمایشی توسط معماری پیشنهادیبین 31 میکروثانیه تا 10 میکروثانیه با فرکانس کلاک 311 مگاهرتز طول میکشد. این معماری بر روی ep3sl50f484c2 s‘altera پیادهسازی شده و قابلیت استفاده برای سیستمهای بلادرنگ را دارا است.