Veiled-Face Recognition Using Deep Learning
| العنوان بلغة أخرى: |
التحقق من هوية الأشخاص المنقبين باستخدام التعلم العميق |
|---|---|
| المؤلف الرئيسي: | البستنجي، عبير احمد (مؤلف) |
| مؤلفين آخرين: | الحسنات، أحمد بشير عبدالله (مشرف) |
| التاريخ الميلادي: |
2019
|
| موقع: | مؤتة |
| الصفحات: | 1 - 64 |
| رقم MD: | 1015014 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
68
| المستخلص: |
يلعب التعرف على الوجوه دورا رئيسيا في القياسات الحيوية، فالوجه ميزة عالمية للبشر، وطريقة الحصول على صور الوجه غير تطفلية ويمكن التقاطها عن بعد. يعد التعرف على المقاييس الحيوية استنادا إلى الوجه الكامل مجالا بحثيا واسع النطاق، لكن استخدام جزء من الوجه (في حالة الشخص المنقب) يمثل تحديا وموضوعا نشطا في أبحاث رؤية الكمبيوتر. فعلى الرغم من أهمية الوجه الإنساني للتواصل الاجتماعي وتحديد الهوية، يصر بعض الناس على تغطية وجوههم لبعض الثقافات وأهداف أمنية وغيرها. تم تطوير التعرف على الوجه بشكل كبير من خلال ظهور التعلم العميق الذي حقق دقة متطورة وأحيانا تجاوز الأداء البشري. تعتبر الشبكة العصبية التلافيفية (CNN) فئة من الشبكات العصبية العميقة، والتي استخدمت في هذه الأطروحة لاستخراج الخصائص باستخدام VGG- 19 المدربة مسبقا. استخدمنا الطبقة السادسة (تسمى fc6) والطبقة السابعة (تسمى fc7) في بنية VGG19 للحصول على الميزات، كل طبقة تحتوي على 4096 ميزات. الهدف الرئيسي من هذه الرسالة هو اختبار قدرة نظام الكمبيوتر الآلي على تحديد الأشخاص والأجناس والأعمار وتعبير الوجه (ابتسامة العين) استنادا إلى الميزات العميقة التي تم استخراجها من مجموعة بيانات VPI-New التي تم إنشاؤها لأغراض هذه الدراسة والتي تحتوي على صور ل 150 شخصا (41 من الذكور و 109 من الإناث) من مختلف الفئات العمرية (من 8 إلى 78 سنة) ولكل شخص 14 صورة تم التقاطها في جلستين. إجمالي عدد الصور في قاعده البيانات VPI-New هو 2100 صورة. تم اقتراح العديد من الطرق لتحسين مهام التعرف على الوجوه المحجبة مثل PCA، والذي تم استخدامه لتقليل أبعاد البيانات، وثلاثة طرق لدمج متجهي ميزات الطبقة السادسة والطبقة السابعة في متجه واحد أفضل. كانت دقة جميع المهام التي تستخدم أساليب مختلفة تصل إلى 99.95% لتحديد هوية الأشخاص، و 99.9% للتعرف على الجنس، و 100% للتعرف على العمر و 80.9% للتعرف على تعبير الوجه (ابتسامة العين). |
|---|
عناصر مشابهة
-
Identity Recognition Using Deep Learning Techniques
بواسطة: Belhamra, Ayoub منشور: (2022) -
Deep Learning Approach for Human Ear Recognition
بواسطة: Arbi, Rafik منشور: (2022) -
Person Authentication Using Human Iris Recognition
بواسطة: الساعدي، أحمد كاظم حمد منشور: (2016) -
A Proposed Attendance Check System in the Smart Academic Library Based on Deep Learning Face Recognition
بواسطة: عبدالعال، سها بشير أحمد منشور: (2024) -
Hand-Drawn Electric Circuit Diagrams Recognition Using Deep Learning
بواسطة: المغربي، أحمد سامي محمد منشور: (2019)
