المستخلص: |
مع تطور التكنولوجيا والرؤيا الحاسوبية, أصبح التعرف على الوجوه عن طريق الحاسوب مجالا مهما. يوجد العديد من التطبيقات على التعرف على الوجوه من ضمنها أنظمة المراقبة, تتبع الأشخاص وشاشات الشرطة. أوجد الباحثون العديد من الخوارزميات للتعرف على الوجوه, هذه الخوارزميات تختلف في الأداء معدل التعرف على الصور. في هذه الرسالة نقدم دراسة عن أداء و معدل التعرف على الوجوه. سنركز على الخوارزميات التالية : تحليل المكونات الأساسية, تحليل المكونات الأساسية بالبعد الثنائي بالاتجاه العامودي, تحليل المكونات الأساسية بالبعد الثنائي بالاتجاه الخطي, تحليل المكونات الأساسية بالبعد الثنائي بالاتجاهين. جميع هذه الخوارزميات تقسم إلى مرحلتين: مرحلة التدريب ومرحلة التعرف. نقدم مقارنة بين الخوارزميات الأربعة بالنسبة إلى معدل التعرف على الوجوه. بالاعتماد على الدراسة التي تم عرضها, قمنا بتقديم تحسين في المرحلتين الأساسيتين للتعرف على الوجوه. في هذا التحسين استخدمنا فرضية تحويل الموجة المتقطعة للتقليل من حجم الصور قبل تطبيق خوارزميات تحليل المكونات الأساسية. باستخدام هذه الفرضية تم تقليل التعقيدات في الخوارزميات بالاضافه إلى زيادة في معدل التعرف على الوجوه, وتقليل الوقت التنفيذي للخوارزميات. أظهرنا تأثير التحسين على معدل التعرف على الوجوه بعد استخدام الفرضية, وذلك عن طريق تطبيق الخوارزميات على لغة برمجية الماتلاب, زمن ثم فحص هذه الخوارزميات باستخدام قاعدة بيانات(ORL). حيث أظهرت النتائج تحسينا مقداره ما بين 4 إلى 5 % عندما استخدمنا تحويل الموجة المتقطعة قبل تطبيق الخوارزميات.
|