، جلد ۲۱، شماره ۱، صفحات ۲۹-۴۴
عنوان فارسی بازشناسی چهره با استفاده از مدل بهبود یافته HMAX
چکیده فارسی مقاله مقدمه: سیستم شناسایی چهره، یک سیستم بیومتریک است که با استفاده از روش­های هوشمند اتوماتیک، هویت انسان را بر اساس ویژگی های فیزیولوژیکی تشخیص می دهد و تایید می­کند. هدف از این پژوهش، بهره گیری از مدل HMAX بهبود یافته برای بازشناسی چهره است. HMAX مدل بایولوژیکی الهام گرفته از سیستم بینایی انسان است.  در این مقاله برای بهبود عملکرد مدل HMAX از اتوماتای یادگیر، بهره گرفته شده است.  اتوماتا، دارای پارامترهای آزاد الفا و بتا است،  قدرت پیشگویی در محیط های غیر قطعی را دارد و برای بالا بردن نرخ بازشناسی چهره انسان،  به کار می آید. روش: ورودی مدل پیشنهادی، دیتا با استاندارد FEI، شامل تصاویر 200 فرد اهل برزیل است. پس از خواندن تصاویر با دستورات نرم افزار MATLAB، تصاویر خوانده شده وارد مرحله استخراج ویژگی می شود. استخراج ویژگی با فیلترهای مدل HMAX انجام می­شود. برای محاسبه نرخ بازشناسی چهره، ویژگی­های استخراج شده با مدل HMAX، دسته بندی می­شود. پارامترهای مدل HMAX، با اتوماتای یادگیر تعیین می­شود. HMAX، مدل سلسله مراتبی با ساختار چهار لایه­ایC2  ,S2 , C1 ,S1  برای تشخیص ویژگی­های ریز تصاویر است. به دلیل نمایش کارایی مدل پیشنهادی، مدل HMAX بهبود یافته با مدل رقیب الگوریتم Genetic، مقایسه شده است. یافته­ ها: نتایج تحلیل دیتا ست، نرخ بازشناسی چهره را 08/94 درصد نشان داده است. نتیجه­ گیری: با توجه به نتایج این پژوهش مدل HMAX بهبود یافته، نرخ بازشناسی چهره را با دقت بالاتری نسبت به الگوریتم Genetic، نشان داد.
کلیدواژه‌های فارسی مقاله مدل سلسله مراتبی HMAX، بیومتریک، تشخیص چهره، یادگیری اتوماتا.
عنوان انگلیسی Face Recognition Based on Hierarchical Model and X (HMAX)
چکیده انگلیسی مقاله Introduction:The Face Detection System is a biometric system which applies smart automatic methods to detect and/or verify a person's identity based on physiological features. The current study aims to use the improved HMAX model for face recognition. HMAX is a biological model inspired by the human vision system. Hence, to improve the function of HMAX model we used learning automata as it has free parameters of Alpha and Beta. Learning automata is able to predict in uncertain environments and is applied to increase the rate of human face recognition.  Method: In this study used the standard FEI dataset as the input of the proposed model which incorporates 200 photos of Brazilian people. When the photos are read by the MATLAB software commands, they enter the phase of feature extract which is done through HMAX model filters. To measure the rate of face detection, all the extracted characteristics are categorized. The HMAX model parameters are determined through learning automata. HMAX is a hierarchical model with a four-layered system of C2,S2,C1,S1 for recognizing the fine features of photos. Moreover, we compared the improved HMAX model with the Genetic algorithm to demonstrate the efficiency of the proposed model. results: The results of dataset analyses show a 94.08 percent of face detection.Conclusion: So, we conclude that the face detection rate in the improved HMAX is more than the Genetic algorithm.  
کلیدواژه‌های انگلیسی مقاله hierarchical HMAX model, Biometric face detection, learning automata.
نویسندگان مقاله ناهید صفری سیدآبادی | Nahid Safari Seyyedabadi
MSc student, Software Department, Fouman&Shaft Islamic Azad University
دانشجوی کارشناسی ارشد کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد فومن و شفت

سارا معتمد | Sara Motamed
Department of Computer Science, Faculty member, Fouman&Shaft Islamic Azad University
عضو هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی فومن و شفت

نشانی اینترنتی http://icssjournal.ir/browse.php?a_code=A-10-1-46&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات