پروژه کارشناسی کامپیوتر و فناوری اطلاعات و ارتباطات

فروشنده فایل

کد کاربری 2846 سایر فایل ها

پروژه کارشناسی کامپیوتر و فناوری اطلاعات و ارتباطات - تشخیص احساسات در چهره انسان

این پروژه دارای داکیومت کامل و مرتب شده در فایل ورد و آماده پرینت می باشد.

دسته بندی: برنامه نویسی » گوناگون

تعداد مشاهده: 3352 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: word

تعداد صفحات: 101

حجم فایل:2,085 کیلوبایت

پرداخت و دانلود قیمت: 32,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.

0 0 گزارش

توضیحات

پروژه تشخیص احساسات در چهره انسان پژوهش کامل در حوزه هوش مصنوعی و پردازش تصویر میباشد و در 4 فصل تنظیم شده است.این پروژه با معرفی علم بینایی ماشین و پردازش تصویر به بررسی فرآیند تشخیص احساسات در چهره پرداخته است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 105 صفحه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

چکیده

پیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده ان را در علوم و صنایع گوناگون می توان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملا ان مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به ان پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.

واژه های کلیدی:

پردازش تصویر، بیان صورت تشخیص، استخراج پردازش تصویر ویژه، بیان صورت تشخیص، استخراج ویژگی.

فهرست مطالب
1-1 مقدمه ای بر ماشین بینایی 2
1-1-1 بینایی ماشین(MV) 2
1-1-2 کاربردهای بینایی ماشین 2
1-1-3 متدها 3
1-1-4 پردازش تصویر 3
1-1-4-1 استخراج ویژگی 3
1-1-4-2 روش های قسمت بندی تصویر 6
1-1-4-3 دسته بندی 7
1-1-5 روش های پردازش تصویر در بینایی ماشین 7
1-1-6 مراحل بینایی ماشین 9
1-1-7 روش های فشرده‌سازی تصاویر 10
1-1-8 تصاویر رقومی(دیجیتالی) 13
1-1-9 مقادیر پیکسلها 13
1-1-10 دقت تصویر 13
1-2 تاریخچه پردازش تصویر 14
1-2-1 مراحل اصلی پروسه تشخیص تصویر 16
1-2-2 عملیات اصلی در پردازش تصویر 18
1-2-3 کاربردهای علم پردازش تصویر 19
1-3 کاربردها 26
1-4 دلایل استفاده از این سیستم 26
فصل دوم : تجزیه و تحلیل
2-1 تاریخچه الگوریتم الگوی باینری محلی 28
2-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته 28

2-1-2- نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافت از طریق رده بندی برپایه توزیع خصایص30
3-1-2- نمونه 3: مکان یابی واستخراج چشم درتصاویرچهره انسان 31
4-1-2- نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود    32
2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش با استفاده از توزیعات خصایص 35
6-1-2- نمونه 6: توالی هیستوگرام LGBP 36
2-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده ازLBP 39
8-1-2- نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره 42
9-1-2 نمونه 9 : هیستوگرام الگوی دودویی محلی چند طیفه برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره       44
2-2-1 الگوهای باینری محلی 46
2-2-2 الگوهای باینری یکنواخت محلی 46
3-2-2 الگوهای باینری محلی مقاوم در برابر چرخش 47
2-2-4 الگوی باینری محلی چند مقیاسه 47
2-2-5 الگوی باینری Gabor محلی 48
2-2-6 مقدار سطح شیب در الگوی باینری محلی 49
2-3-1 واحد بافته و طیف بافته 49
2-3-1-1 دسته بندی بافته 51
2-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش 56
2-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale   57
2-3-2-2 به دست آوردن ویژگی مقاوم به چرخش در تصاویر60
2-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر62
4-2-3-2 اندازه گیری واریانس (انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست (تفاوت رنگ) بافت تصویر محلی 65
5-2-3-2 توصیف گر محلی برای آنالیز تصویر چهره66

فصل سوم : دسته بندی(svm)
3-1 دسته بندی 71
3-2 مقدمه 71
3-3 مقدمه ای در دسته بندی 72
4-3 دسته بندی 73
3-5 Soft Margin(حاشیه نرم) 80
3-6 خصوصیات SVM 81
3-7 رگرسیون 82
فصل چهارم : نتایج ومقایسه
1-4 نتایجی برای VLBP 84
4-2 نتایجی برای LBP-TOP 85
4-3 مقایسه متد LBP-TOP با بقیه ی روش ها 87
4-4 نتیجه گیری 90
منابع 91

فهرست شکل ها

شکل 1: 5 حالت مختلف از یک تصویر 34
شکل 2: نرمال سازی تصویر frontal 34
شکل 3: چهارچوب کلی LGBPHSبرای نمایش چهره 36
شکل 4: عملگر LBPاصلی و اولیه 40
شکل 5: تقسیم تصویر به یک بلوک 7×6 41
شکل 6: مثالی از انتقال یک همسایگی در یک واحد بافته 50
شکل 7: مثالی از طیف بافته که از طریق تصاویر 50
شکل 8: چهار بافته از آلبوم Brodatz’s 51
شکل 9: دسته بندی با حضور ناظر 55
شکل 10: اختصاص دهی احتمال در دسته بندی برای هر عنصر از شکل 4. 55
شکل 11: مجموعه همسایگی های متقارن 56
شکل 12: مجموعه های همسایگی متقارن مدوّر برای (P,R) های مختلف 57
شکل 13: مستقل سازی و جدا کردن پیکسل مرکزی از پیکسل های همسایگی 58
شکل 14: 36 دوران ثابت منحصر به فرد در الگوی باینری محلی 61
شکل 15: استخراج الگوها برای نمایش نقاط تیره و روشن، نواحی مسطح و لبه ها 62
شکل 16: مثالی از دوران زاویه ای 63
شکل 17: مثالی از الگوهای یکنواخت و غیر یکنواخت 63
شکل 18: الگوهای یکنواخت و غیر یکنواخت 64
شکل 19: توزیع اتصالات 66
شکل 20: (a) بلوک های غیر هم پوشانی شده (8×9)، (b) بلوک های هم پوشانی شده 68
شکل 21: خصایص در هر سطح بلوک 68
شکل22: نمایش حالات چهره 69
شکل 23. نوع اول چیدمان داده ها 74
شکل 24. نوع دوم چیدمان داده ها 75
شکل 25. نوع سوم چیدمان داده ها 75
شکل 26. نوع چهارم چیدمان داده ها 76

پرداخت و دانلود

برچسب ها: تشخیص احساسات در چهره انسانها پردازش تصاویر تشخیص بیان صورت استخراج ویژگی مقیاس خاکستری الگوهای باینری تشخیص قوی حالات چهره روشهای قسمت بندی تصویر تصاویر رقومی

فایل های دیگر فروشنده

فایل های دیگر این دسته

فروشنده فایل

پروژه کارشناسی کامپیوتر و فناوری اطلاعات و ارتباطات - تشخیص احساسات در چهره انسان

دسترسی سریع

دسته بندی ها

به ما اعتماد کنید

درباره ما