پروژه کارشناسی کامپیوتر و فناوری اطلاعات و ارتباطات – تشخیص احساسات در چهره انسان

پروژه کارشناسی کامپیوتر و فناوری اطلاعات و ارتباطات – تشخیص احساسات در چهره انسان

پروژه تشخیص احساسات در چهره انسان پژوهش کامل در حوزه هوش مصنوعی و پردازش تصویر  میباشد و در 4 فصل تنظیم شده است.این پروژه با معرفی  علم بینایی ماشین و پردازش تصویر  به بررسی  فرآیند تشخیص احساسات در چهره پرداخته است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.پروژه بصورت فایل قابل ویرایش ورد(WORD) در 105 صفحه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.چکیدهپیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده ان را در علوم و صنایع گوناگون می توان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملا ان مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به ان پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.واژه های کلیدی:پردازش تصویر، بیان صورت تشخیص، استخراج پردازش تصویر ویژه، بیان صورت تشخیص، استخراج ویژگی.فهرست مطالب1-1 مقدمه ای بر ماشین بینایی 21-1-1 بینایی ماشین(MV) 21-1-2 کاربردهای بینایی ماشین 21-1-3 متدها 31-1-4 پردازش تصویر 31-1-4-1 استخراج ویژگی 31-1-4-2 روش های قسمت بندی تصویر 61-1-4-3 دسته بندی 71-1-5 روش های پردازش تصویر در بینایی ماشین 71-1-6 مراحل بینایی ماشین 91-1-7 روش های فشرده‌سازی تصاویر 101-1-8 تصاویر رقومی(دیجیتالی) 131-1-9 مقادیر پیکسلها 131-1-10 دقت تصویر 131-2 تاریخچه پردازش تصویر 141-2-1 مراحل اصلی پروسه تشخیص تصویر 161-2-2 عملیات اصلی در پردازش تصویر 181-2-3 کاربردهای علم پردازش تصویر 191-3 کاربردها 261-4 دلایل استفاده از این سیستم 26فصل دوم : تجزیه و تحلیل2-1 تاریخچه الگوریتم الگوی باینری محلی 282-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته 28 2-1-2- نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافت از طریق رده بندی برپایه توزیع خصایص303-1-2- نمونه 3: مکان یابی واستخراج چشم درتصاویرچهره انسان 314-1-2- نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود     32 2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش با استفاده از توزیعات خصایص 356-1-2-  نمونه 6: توالی هیستوگرام LGBP 362-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده ازLBP 398-1-2- نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره 429-1-2 نمونه 9 : هیستوگرام الگوی دودویی محلی چند طیفه برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره        442-2-1 الگوهای باینری محلی  462-2-2 الگوهای باینری یکنواخت محلی 463-2-2 الگوهای باینری محلی مقاوم در برابر چرخش 472-2-4 الگوی باینری محلی چند مقیاسه 472-2-5 الگوی باینری Gabor محلی 482-2-6 مقدار سطح شیب در الگوی باینری محلی 492-3-1 واحد بافته و طیف بافته 492-3-1-1 دسته بندی بافته 512-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش 562-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale    572-3-2-2 به دست آوردن ویژگی مقاوم به چرخش در تصاویر602-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر624-2-3-2 اندازه گیری واریانس (انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست (تفاوت رنگ) بافت تصویر محلی 655-2-3-2 توصیف گر محلی برای آنالیز تصویر چهره66 فصل سوم  : دسته بندی(svm)3-1 دسته بندی 713-2 مقدمه 713-3 مقدمه ای در دسته بندی 724-3 دسته بندی  733-5 Soft Margin(حاشیه نرم) 803-6 خصوصیات SVM 813-7 رگرسیون 82فصل چهارم : نتایج ومقایسه1-4 نتایجی برای VLBP 844-2 نتایجی برای LBP-TOP 854-3 مقایسه متد LBP-TOP با بقیه ی روش ها 874-4 نتیجه گیری 90منابع 91  فهرست شکل هاشکل 1: 5 حالت مختلف از یک تصویر 34شکل 2: نرمال سازی تصویر frontal 34شکل 3: چهارچوب کلی LGBPHSبرای نمایش چهره 36شکل 4: عملگر LBPاصلی و اولیه 40شکل 5: تقسیم تصویر به یک بلوک 7×6 41شکل 6: مثالی از انتقال یک همسایگی در یک واحد بافته 50شکل 7: مثالی از طیف بافته که از طریق تصاویر  50شکل 8: چهار بافته از آلبوم Brodatz’s 51شکل 9: دسته بندی با حضور ناظر  55شکل 10: اختصاص دهی احتمال  در دسته بندی برای هر عنصر از شکل 4. 55شکل 11: مجموعه همسایگی های متقارن 56شکل 12: مجموعه های همسایگی متقارن مدوّر برای (P,R) های مختلف 57شکل 13: مستقل سازی و جدا کردن پیکسل مرکزی از پیکسل های همسایگی 58شکل 14: 36 دوران ثابت منحصر به فرد در الگوی باینری محلی 61شکل 15: استخراج الگوها برای نمایش نقاط تیره و روشن، نواحی مسطح و لبه ها 62شکل 16: مثالی از دوران زاویه ای 63شکل 17: مثالی از الگوهای یکنواخت و غیر یکنواخت 63شکل 18: الگوهای یکنواخت و غیر یکنواخت 64شکل 19: توزیع اتصالات 66شکل 20: (a) بلوک های غیر هم پوشانی شده (8×9)، (b) بلوک های هم پوشانی شده 68شکل 21: خصایص در هر سطح بلوک 68شکل22: نمایش حالات چهره 69شکل 23. نوع اول چیدمان داده ها 74شکل 24. نوع دوم چیدمان داده ها 75شکل 25. نوع سوم چیدمان داده ها 75شکل 26. نوع چهارم چیدمان داده ها 76