شناسایی و تشخیص حالت های صورت با اصلاح چهره سه بعدی از طریق بانک فیلتر گابور

نوع فایل : word

تعداد صفحات : 15

تعداد کلمات : 4000

مجله : International Conference on Pattern Recognition

انتشار : 2014

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
8 مارس 2021
دسته بندی
تعداد بازدیدها
1597 بازدید
19,000 تومان

عنوان فارسی مقاله:شناسایی و تشخیص حالت های صورت با  اصلاح چهره سه بعدی از طریق بانک فیلتر گابور با استفاده از تصویر دو بعدی

 چکیده  

در این مقاله ، یک روش جدید برای تشخیص چهره حساس به بیان فقط از یک تصویر منفرد ۲ بعدی در یک گالری شامل هر حالت چهره ارائه شده است. برای بازسازی یک مدل سه بعدی از هر صورت انسان در پایگاه داده حاضر ، از یک مدل الاستیک عمومی    ۳D GEM  استفاده می شود که فقط با استفاده از یک تصویر پیشانی ۲ بعدی با / و بدون حالت صورت ، از آن استفاده می شود. سپس ، قسمتهای سفت و سخت صورت از هر دو بافت و عمق بازسازی شده بر اساس علائم زمینی ۲D استخراج می شوند. پس از آن ، بانک فیلتر گابور به قسمت صلب استخراج شده از صورت اعمال شد تا بردارهای ویژگی را از تصاویر و عمق بازسازی شده استخراج کند. سرانجام ، با ترکیب بردارهای ویژگی های ۲D و ۳D ، بردارهای ویژگی نهایی توسط ماشین بردار پشتیبانی (SVM) تولید و طبقه بندی می شوند. نتایج مطلوبی برای رسیدگی به تغییرات بیان در پایگاه داده تصویر موجود بر اساس روش پیشنهادی در مقایسه با چندین پیشرفت  در تشخیص چهره غیر حساس به دست آمد(شناسایی و تشخیص حالت های صورت).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Expression-Invariant Face Recognition via 3D Face Reconstruction Using Gabor Filter Bank from a 2D Single Image

Abstract

In this paper, a novel method for expression-insensitive face recognition is proposed from only a 2D single image in a gallery including any facial expressions. A 3D Generic Elastic Model (3D GEM) is used to reconstruct a 3D model of each human face in the present database using only a single 2D frontal image with/without facial expressions. Then, the rigid parts of the face are extracted from both the texture and reconstructed depth based on 2D facial land-marks. Afterwards, the Gabor filter bank was applied to the extracted rigid-part of the face to extract the feature vectors from both texture and reconstructed depth images. Finally, by combining 2D and 3D feature vectors, the final feature vectors are generated and classified by the Support Vector Machine (SVM). Favorable outcomes were acquired to handle expression changes on the available image database based on the proposed method compared to several state-of-the-arts in expression-insensitive face recognition.
    دیدگاهتان را بنویسید