دانلود پروپوزال یک رویکرد جدید برای تشخیص چهره بدون تغییر حالت در فیلم های مدار بسته با استفاده از روش OLPP |
|||
|---|---|---|---|
| عنوان فارسی پروپوزال | یک رویکرد جدید برای تشخیص چهره بدون تغییر حالت در فیلم های مدار بسته با استفاده از روش OLPP | ||
| عنوان انگلیسی پروپوزال | A new approach to face recognition without changing the mode in CCTV videos using the OLPP method | ||
| تعداد صفحات | ۲۸ | ||
| سال نگارش | 2021 | ||
| مقاله بیس | https://www.sciencedirect.com/science/article/pii/S1877050920308942 | ||
| رشته | برق و کامپیوتر | ||
| قالب فایل | Word | ||
این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد:
https://safirdep.com/wp-content/uploads/2022/07/A-new-approach-to-face-recognition-without-changing-the-mode-in-CCTV-videos-using-the-OLPP-method_compressed.pdf
فهرست مطالب پروپوزال یک رویکرد جدید برای تشخیص چهره بدون تغییر حالت در فیلم های مدار بسته با استفاده از روش OLPP
- بیان مساله اساسی تحقیق تشخیص فعالیت در خانه هوشمند
- اهمیت و ضرورت انجام تحقیق
- مرور ادبیات و سوابق مربوطه
- جنبه جدید بودن و نوآوری در تحقیق
- اهداف مشخص تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- روش‌ها و ابزار تجزیه و تحلیل داده ها
- مراجع
بیان مساله
یکی از چالش های اساسی که در تشخیص چهره در تصاویر ویدیویی مطرح شده است تغییرات حالت چهره در شرایط مختلف می باشد که این امر تشخیص چهره را در شرایط مختلف دشوار می کند. تشخیص چهره ها از حالت های مختلف با چرخش صورت ها از زوایای مختلف به زاویه مستقیم یا زاویه جلویی شناخته می شود.
بنابراین ، برای تشخیص چهره در حالت های مختلف نیازمند ارائه ی روشی دقیق می باشد که بتوان به راحتی و با دقت بالا تشخیص چهره را انجام داد. در سالهای اخیر در جامعه ، نظارت تصویری بیشتر مورد توجه قرار گرفته است. به دلیل افزایش تقاضا برای امنیت و ایمنی ، تحقیقات بیشتری در مورد سیستم های نظارتی مبتنی بر اطلاعات انجام شده است.
مشاهده افراد در مکان های عمومی، مراکز خرید ، مؤسسات آموزش ، بیمارستان ها ، اتاق های انتظار و وسایل نقلیه از جمله مورادی است که نیازمند نظارت می باشند. امروزه ، یک سیستم هوشمند با برنامه های نظارت تصویری یکپارچه شده است تا رفتارهای انسانی را بطور خودکار از طریق پیش بینی توالی فعالیت های انسانی مورد بررسی قرار دهد. پیش بینی فعالیت های انسانی [۱] برای جلوگیری از وقوع تجاوز و فعالیت های خیانت آمیز ، قابل توجه تر است. پیش بینی فعالیت انسان برای سیستم نظارت تصویری بسیار مهم است.
فعالیت انسان با یافتن نسبت احتمالی یک فعالیت خاص به فعالیتهای کلی در فیلم یا یافتن رویدادهای مرتبط با انجمن در فیلم پیش بینی شده است. روش های پیش بینی فعالیت های انسانی در سیستم های نظارت تصویری برای یافتن رویدادهای غیر مرتبط یا وقایع غیر طبیعی از رویدادهای عادی که قبلاً در پایگاه داده طبقه بندی و ذخیره شده اند ، استفاده می شود.
بسیاری از تکنیک های پیش بینی فعالیت های انسانی برای یافتن فعالیت ها از فیلم ها پیشنهاد شده اند. از این رو، مسئله تشخیص چهره مبتنی بر رایانه با استفاده از اطلاعات جزئی به عنوان شاخص هنوز هم تا حد زیادی یک حوزه تحقیق ناشناخته است. با توجه به این که به طور ذاتی انسانها و رایانه ها در تشخیص چهره و احراز هویت متفاوت هستند، باید جالب و جذاب باشد که بدانند یک رایانه زمانی که با یک چالش تشخیص چهره روبرو می شود چگونه …
برخی از مراجع
۱- Dadi, Harihara Santosh, Gopala Krishna Mohan Pillutla, and Madhavi Latha Makkena. “Face recognition and human tracking using GMM, HOG and SVM in surveillance videos.” Annals of Data Science ۵٫۲ (۲۰۱۸): ۱۵۷-۱۷۹٫
۲- X. Zhao, E. Dellandréa, L. Chen, D. Samaras, AU Recognition On 3D Faces Based On An Extended Statistical Facial Feature Model, In: Fourth IEEE International Conference On Biometrics: Theory Applications And Systems, 2010, Pp. 1–۶٫
۳- Aksasse, Brahim, Hamid Ouanan, and Mohammed Ouanan. “Novel approach to pose invariant face recognition.” Procedia Computer Science ۱۱۰ (۲۰۱۷): ۴۳۴-۴۳۹٫
۴- Manju, D., and V. Radha. “A Novel Approach for Pose Invariant Face Recognition in Surveillance Videos.” Procedia Computer Science ۱۶۷ (۲۰۲۰): ۸۹۰-۸۹۹
۵- Elmahmudi, Ali, and Hassan Ugail. “Deep face recognition using imperfect facial data.” Future Generation Computer Systems ۹۹ (۲۰۱۹): ۲۱۳-۲۲۵٫
۶- Sajjad, Muhammad, et al. “Raspberry Pi assisted face recognition framework for enhanced law-enforcement services in smart cities.” Future Generation Computer Systems ۱۰۸ (۲۰۲۰): ۹۹۵-۱۰۰۷٫
دانلود پروپوزال در مورد شبکه عصبی
دانلود پروپوزال در مورد تشخیص فعالیت با استفاده از شبکه عصبی کانولوشن
دانلود پروپوزال تشخیص فعالیت در خانه هوشمند
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.