ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تصميم وتحليل أسلوب جديد لتمييز...>الوصف

تصميم وتحليل أسلوب جديد لتمييز الوجوه باستخدام تقنية الشبكات العصبية بالاعتماد على شبكة ايلمان

العنوان المترجم: The Design and Analysis of A New Way to Distinguish Faces Using Neural Network Technology by Depending on Elmans Network
المصدر: مجلة العلوم الهندسية وتكنولوجيا المعلومات
الناشر: المركز القومي للبحوث
المؤلف الرئيسي: محمد، شذى عبدالله (مؤلف)
المؤلف الرئيسي (الإنجليزية): Mohammed, Shatha A.
مؤلفين آخرين: حسين، ماهر خلف (م. مشارك) , زيدان، منار عبدالكريم (م. مشارك)
المجلد/العدد: مج1, ع3
محكمة: نعم
الدولة: فلسطين
التاريخ الميلادي: 2017
الشهر: سبتمبر
الصفحات: 46 - 56
DOI: 10.26389/AJSRP.S130717
ISSN: 2522-3321
رقم MD: 858334
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
الشبكات العصبية الاصطناعية
تحليل المركبات الاساسية
شبكة ايلمان العصبية
تمييز الصور
كلمات المؤلف المفتاحية:
الشبكات العصبية الاصطناعية | تحليل المركبات الاساسية | شبكة ايلمان العصبية | استخلاص الميزات | تمييز الصور | Artificial Neural network | Principle Component Analysis (PCA) | Elman Neural Network | feature extraction | face recognition
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

39

حفظ في:
المستخلص: تعرف المقاييس الحيوية على أنها مقاييس للصفات أو الميزات الفريدة للإنسان والمستخدمة عادة في عمليات التمييز الإلكترونية أو إثبات الشخصية. ولقد أصبحت هذه التقنية الأساس في العديد من المجالات لما توفره من مرونة ودرجة عالية من الأمان في التعرف على الشخصية الحقيقية لاعتمادها على سمات شخصية في التعرف على المستخدم، تمييز الوجه هو واحد من طرق المقاييس الحيوية التي تمتلك دقة تمييز عالية وله تطبيقات كثيرة في مجال السرية ومعالجة الصور والرؤية الحاسوبية والمراقبة الفيديوية. في هذا البحث تم اقتراح نظام لتمييز الوجوه، هذا النظام يستخدم خوارزمية تحليل المركبات الأساسية في استخلاص الميزات المهمة من صور الوجوه في قاعدة البيانات ويستخدم الشبكة العصبية نوع ايلمان في عملية التمييز، حيث تم اختبار الأسلوب المقترح بعد بناءة في بيئة ماتلاب 2010. بشكل عام يتضمن البحث أسلوبين: الأسلوب الأول )الطريقة التقليدية(: هو استخدام شبكة عصبية واحدة لتمييز صور الوجوه لجميع الأشخاص الذين تم اخذ صورهم عند تكوين قاعدة البيانات وكانت نسبة تمييز (86%) الأسلوب الثاني )الطريقة المقترحة(: يعتمد على عدد من شبكات ايلمان العصبية مساويا لعدد الأشخاص الذين تم اخذ صورهم عند تكوين قاعدة البيانات وعند اختبار هذا الأسلوب تم الحصول على نسبة تمييز (90%). وأخيرا، بالمقارنة بين الأسلوبين يتضح أن استخدام شبكة عصبية لكل شخص هو افضل من استخدام شبكة عصبية واحدة لجميع الأشخاص.

Biometrics defined as a measures of the qualities or features unique to humans and is usually used in operations discrimination or electronic identification. And has become a technical basis in many areas because they provide flexibility and high degree of safety in the identification of the true character of the dependence on the personality traits to identify the user, face recognition is one of the Biometric methods which satisfying the high recognition, also has many applications in variety fields, such that confidentiality, image processing, computer vision and video surveillance. In this work was suggest a system for offline face recognition system, which use Principle Component Analysis (PCA) for (to) select the important features extraction. This paper presents a methodology for offline face recognition system, this method consists of build Elman Neural Network, this proposed system is tested under MATLAB 2010 environment. In general, this work displays the two major cases: First case (the traditional method): this is the way of the common methods to train neural networks, and through the construction of neural network and one for all people, this system has been tested and gives %86.0 recognition rate. The second case (the proposed method): This method includes several networks by building a neural network for each person (the number of networks is equal to the persons' number), This system has been tested and gives %90.0 recognition rate. Finally, by the comparing between the two cases that the using of one neural network for each person is better than the using of one neural network for all persons.
ISSN: 2522-3321

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.