ادغام معیارهای شباهت سنجی در سیستم های تایید چهره
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در سال های اخیر، کارایی سیستم های تایید چهره در محیط های کنترل شده به طور قابل توجهی بهبود یافته است. با این وجود چنین سیستم هایی در محیط های غیر کنترل شده، دارای قابلیت اطمینان پایینی هستند. از جمله عواملی که کیفیت سیستم های تایید چهره را دستخوش تغییر می کند عبارتند از: تغییر در
سیستم های تأیید هویت مبتنی بر چهره از جمله سیستم های زیست سنجی هستند که بدلیل نامحسوس بودن و قابلیت های بالا از جایگاه ویژه ای برخوردار هستند و کاربرد آنها در حال افزایش است. یکی از مهم ترین مراحل، در سیستم های تأیید چهره، مرحله استخراج ویژگی است که بر عملکرد سایر قسمت های سیستم
امروزه سیستم¬های بازشناسی چهره نقش مهمی در سامانه های امنیتی و کاربردهای اجرای قانون دارند. در سیستم¬های تایید چهره، رزولوشن تصویر یکی از فاکتورهایی است که بر روی فرآیند بازشناسی چهره تاثیر مهمی دارد. تصاویر چهره رزولوشن پایین، کارآیی این سیستم ها را کاهش می دهد. در این پژوهش بهب
با توجه به کاربرد روزافزون سیستم های بازشناسی چهره در زندگی روزمره، بهبود عملکرد این سیستم ها مورد توجه بسیاری از پژوهش گران قرار گرفته است. در سیستم های بازشناسی الگو و کاربرد خاص آن یعنی سیستم های تایید چهره، به منظور افزایش کیفیت و کاهش پیچیدگی سیستم، با هدف کاهش بعد داده ها و
یکی از مراحل بسیار مهم در سیستم های تایید چهره، استخراج ویژگی های توصیف کننده و متمایز کننده کاربران است. الگوی دودویی محلی (lbp) یکی از موثرترین روش های شناخته شده برای این منظور است که ضمن توصیف مناسب داده های تصویری بر ویژگی های متمایز کننده افراد متفاوت تاکید نموده و اثر شرای
در کاربردهای مختلف در حوزه بینایی ماشین نشان داده شده است که روش های استخراج ویژگی مبتنی بر کرنل، می توانند کیفیت عملکرد سیستم های بازشناسی الگو را بهبود بخشند. انتخاب کرنل بهینه یکی از مهمترین مسائل در ارتباط با روش های مبتنی بر کرنل است. در اکثر موارد از روش اعتبار سنجی متقابل