| LEADER |
04530nam a2200313 4500 |
| 001 |
1544938 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 670732
|a Hamed, Moayad Abdelhafeez Arbab
|e Author
|
| 245 |
|
|
|a Face Recognition Based Automatic Attendance System Using Artificial Intelligence Concept
|
| 260 |
|
|
|a الخرطوم
|c 2021
|
| 300 |
|
|
|a 1 - 70
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة النيلين
|f كلية الهندسة
|g السودان
|o 0057
|
| 520 |
|
|
|a أخذ وفحص الحضور هو إجراء أساسي متبع في جميع المؤسسات بما في ذلك المؤسسات التعليمية لتحليل أداء الطلاب أو الموظفين وليس من السهل تحليل الحضور لكل طالب أو موظف وإستخدام إحصائياته لتساعد في عمليه التقييم. يتم تسجيل الحضور في معظم الجامعات يدويا عن طريق المناداة بأرقام الطلاب الجامعية أو أسماءهم ويتم تدوين الحاضرين في سجلات الحضور الصادرة عن رؤساء الأقسام كدليل، وفي بعض الجامعات يوقع الطلاب في هذه الأوراق التي يتم تخزينها للمراجعة المستقبلية. هذه التقنية هي عمل متكرر ومعقد وتستغرق وقتا طويلا وتؤدي إلى أخطاء حيث يقوم العديد من الطلاب بالتوقيع بانتظام لطلاب الغائبين. بالإضافة إلى ذلك، تزيد هذه الطريقة من تعقيد تتبع حضور جميع الطلاب ويصعب التحقق من حضور الطلاب الفردي في الفصل الدراسي الكبير. في هذا المشروع، نستخدم تقنية اكتشاف الوجه والتعرف عليه للتعرف المباشر على الطلاب الذين يحضرون إلى الفصل وتحديد حضورهم في ملف CSV من خلال مقارنة وجوههم بقاعدة البيانات لمطابقة الحضور وكتابه اسم الحاضرين وتاريخ وزمن الحضور على ملف ال CSV. تم استخدام كاشفين للوجه HOG و CNN في هذا المشروع تم إجراء مجموعة متنوعة من ظروف الاختبار على سبيل المثال تغيير كاشف الوجه، ووحدة معالم الوجه، وقيمة التسامح، وما إلى ذلك، المستخدمة لغرض فحص النظام. أظهرت النتائج مسافة وجه اقل مع زيادة الإضاءة المحيطة بمقدار 0.03 تقريبا، أما بالنسبة لنموذج معالم الوجه نجد أن نموذج الوجه الكبير أعطى مسافة وجه أقل من نموذج معالم الوجه الصغير ب 0.05 تقريبا وباستخدام النموذج الكبير نحصل على أداء أفضل نسبيا، هناك عامل أخر مهم في النظام وهو شدة الإضاءة لصور الحضور كلتا كواشف الوجه المستخدمة (HOG و CNN) تأثرت بشكل سلبي من هذا العامل ولكن كاشف الوجه HOG كان أقل تأثرا بالمقارنة مع الشبكات العصبية وذلك نسبه لأنه يعتمد علي اتجاه تدرج الإضاءة داخل الصورة وبالتالي الصور شديده الإضاءة و قليله الإضاءة تعطي نتيجة متقاربه بالمقارنة بالشبكات العصبية لذلك من المهم اخذ إضاءة الصور بعين الاعتبار.
|
| 653 |
|
|
|a الذكاء الاصطناعي
|a الشبكات العصبية
|a المؤسسات التعليمية
|a الخوارزميات البيانية
|
| 700 |
|
|
|a Al Hassan, Ahmed Mohammed
|e Advisor
|9 612083
|
| 856 |
|
|
|u 9818-006-016-0057-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9818-006-016-0057-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9818-006-016-0057-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9818-006-016-0057-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9818-006-016-0057-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9818-006-016-0057-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9818-006-016-0057-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9818-006-016-0057-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9818-006-016-0057-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9818-006-016-0057-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1257893
|d 1257893
|
