دانلود پروپوزال تشخیص چهره با استفاده از تصاویر سه بعدی بینی با استفاده از روش PNN

  فهرست مطالب پروپوزال تشخیص چهره با استفاده از تصاویر سه بعدی بینی با استفاده از روش PNN

1. بیان مساله اساسی تحقیق
2. اهمیت و ضرورت انجام تحقیق
3. مرور ادبیات و سوابق مربوطه
4. جنبه جدید بودن و نوآوری در تحقیق
5. اهداف مشخص تحقیق
6. فرضیه ‏های تحقیق
7. روش شناسی تحقیق
8. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
9. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
10. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
11. مراجع

بیان مساله

بیومتریک(تعیین هویت)، بیومتریک ترکیبی از دوکلمه یونانی می باشد. bios، به معنای زندگی و metrikos به معنای اندازه گیری می باشد. بیومتریک در واقع استفاده از دانش و تکنولوژی برای به دست آوردن ویژگی های رفتاری و فیزیکی یک شخص، در جهت اهداف تشخیص هویت و تصدیق هویت می باشد. مجموعه هایی از ویژگی ها که از یک روش بیومتریک استخراج شده اند، “داده های بیومتریک” نامیده می شوند.

علت اصلی ذخیره داده های بیومتریک شخص، استفاده مجدد از آن ها برای اهداف تشخیصی و شناسایی می باشد. تنوع در روش های بیومتریک (تعیین هویت) موجود باعث ایجاد روش های مختلف کسب داده ها و الگوریتم های آنالیز داده ها، شده است. اثر انگشت، عنبیه، مردمک، صورت، خطوط کف دست، صدا و شیوه راه رفتن (گام برداشتن) از جمله روش هایی هستند که بیشترین کاربرد را در بیومتریک (تعیین هویت) انسانی، دارند.

هریک از این روش ها دارای معایبی می باشند. حساسیت روش اثر انگشت و خطوط کف دست به زخم و جای آن و یا کثیف بودن انگشتان، حساست روش تشخیص عنبیه به لنزهای تماسی و پلک زدن افراد، حساسیت روش صورت به ارایش، شرایط نور و روشنایی، تغییر حالت و وضعیت چهره در زمان خاص و در نهایت حساسیت روش صدا و طرز گام برداشتن به گذر زمان(تغییر این ویژگی ها با گذر عمر افراد)، تعیین هویت دقیق را به یک کار مشکل و چالش بر انگیز تبدیل کرده است.
در مقایسه با بقیه ی روش های تعیین هویت، روش تشخیص از طریق چهره(صورت) دارای ویژگی های بسیار جالبی می باشد.
به دلیل استفاده مداوم از این روش برای تعیین هویت، این روش به روش شناخته شده و محبوبی در دهه های اخیر تبدیل شده است. همچنین، ابزار تصویر برداری از صورت( چهره) برای دستیابی به داده های با کیفیت، دارای قیمت مناسبی می باشند.

 برخی از مراجع

۱-Wang, Ya, et al. “Face recognition in real-world surveillance videos with deep learning method.” ۲۰۱۷ ۲nd International Conference on Image, Vision and Computing (ICIVC). IEEE, 2017.

۲-  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٫

۳-  Rasti, Pejman, et al. “Convolutional neural network super resolution for face recognition in surveillance monitoring.” International conference on articulated motion and deformable objects. Springer, Cham, 2016.

۴- Hajarolasvadi, Noushin, and Hasan Demirel. “3D CNN-Based Speech Emotion Recognition Using K-Means Clustering and Spectrograms.” Entropy ۲۱٫۵ (۲۰۱۹): ۴۷۹٫

۵- Elmahmudi, Ali, and Hassan Ugail. “Deep face recognition using imperfect facial data.” Future Generation Computer Systems ۹۹ (۲۰۱۹): ۲۱۳-۲۲۵٫