تشخیص هویت اشخاص بر اساس روش مبتنی بر جنسیت و چهره بر اساس شبکه عصبی: راه کاری برای کمک به پلیس مقتدر

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:
تشخیص هویت برای انسان امری حیاتی است، از دیرباز، انسان برای جاودانگی، احتیاج به تشخیص دوست از دشمن داشته است. بنابراین امروزه سعی در مکانیزه سازی سیستم های شناسایی یا تشخیص هویت شده است. چهره یکی از مولفه های بیومتریک بسیار مهم انسان به شمار می رود که از طریق آن اطلاعات مفیدی از جمله نژاد، هویت، سن، جنسیت و حالات چهره قابل استخراج است. تشخیص و آنالیز اتوماتیک چهره، یکی از کارهای پراهمیت و چالش برانگیز شاخهی تشخیص اشیاء است که کاربردهای متعددی در تعامل انسان و رایانه، انسان و جامعه، روان شناسی و مسایل امنیتی دارد. در تمامی مقالات تشخیص هویت، داده ها از ترکیب دو جنسیت مرد و زن می باشند، که در این مقالات تنها از روش های تشخیص چهره یا تشخیص جنسیت برای تشخیص هویت استفاده می کنند. در این گزارش جهت افزایش سرعت و بالا بردن نرخ صحت سیستم تشخیص هویت آن، به ترکیب دو روش تشخیص جنسیت با استفاده از n بردار ویژه چهره و SVM و تشخیص چهره با استفاده از m ویژگی چهره و شبکه عصبی پرداختیم. به این ترتیب که ابتدا با استفاده از SVM داده ها را به دو گروه جنسیت مرد و جنسیت زن تفکیک کرده که در کاهش فعالیت مرحله بعد، یعنی تشخیص هویت افراد با تشخیص چهره از یک جنس، توسط شبکه عصبی بسیار موثر است.
زبان:
فارسی
صفحات:
47 تا 58
لینک کوتاه:
magiran.com/p2670333 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!