تمييز الأوجه في الأماكن المغلقة المعتمد على تقنيات التعلم العميق المعدلة

الباحث

جاسم محمد سهن

المشرف

اياد إبراهيم عباس - زياد محمد عبود

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم الهندسة الكهربائية / هندسة الالكترونيك والاتصالات

الشهادة

دكتوراه

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Face recognition;Deep learning;Indoor environment;Convolutional neural networks

يعد اكتشاف الأشخاص والتعرف عليهم في البيئة معقدة هدفًا Lage في رؤية الكمبيوتر ، نظرًا لتطبيقاته الواسعة في الأنظمة الحديثة مثل أنظمة الكشف والتعرف كما هو الحال في كاميرات المراقبة. ومع ذلك . فإن الإضاءة غير المتكافئة ، وتنوع الخلفية ٠ والتداخل ، والتشابه في ميزاتها المرئية تجعل هذه المهمة صعبة . وتحفز على تطوير أساليب ذكية ذات دقة عالية وكفاءة في اكتشاف الأشخاص والتعرف عليهم. AI . في هذه الأطروحة ٠، اقترحنا المصنف الذكي المبتكر من شبكة عصبية عميقة تلافيفية اصطناعية ذات البعد الواحد (1D-DCNN) ذات قدرة على تصنيف الوجوه من خلال ميزات الوجه ، والتي تم استخلاصها عن طريق خوارزمية تحليل التمييز الخطي (LDA) للوجه المكتشف ¢ بدلاً من الصور ثنائية الأبعاد أو الإطارات في الفيديو , فقد ساهم ذلك في تحسين نظام التعرف من خلال تحسين الدقة وتسربع عملية المعالجة للنظام .كذلك اقترحنا أربعة أنواع من مصنفات التعلم الآلي التاليه: خوارزمية شجرة القرار (U48DT) ، خوارزمية القاعدة الواحدة (OneR) , خوارزمية جافا التقليم المتزايد المتكرر (JRIP) ، و خوارزمية شجرة القرار الجزئي (PART) ، كل الخوارزميات هذه تشترك مع الخوازمية ١18/4 في ghee في نظام تمييز وجوه الأشخاص. أظهرت النتائج التجرببية أن النظام المقترح للتمييز الوجوه الذي يعمل على المصنف-152 لال001هو أفضل أداء من جميع الأنظمة الأخرى حيث اظهر أداء tule بنسبة 100 لجميع مقاييس الدقة والضبط واستدعاء والقياس مع وقت تنفيذ 480 ثانية بنسبة تدربب 770 إلى اختبار 0 للصور بعد استخلاص مميزات الوجه احاديه البعد التي تم بواسطة LDA من مجموعة بيانات7 1/1100. اما النتائج التجرببية لخوارزميات مصنف التعلم الآلي الأخرى لنفس نسبة التدربب إلى الاختبار فأن نتيجة أداء مصنف PART كانت أفضل وذلك بدقة 96.99/ واسترجاع 96.84/ ومقياس 96.837 بوقت التنفيذ 1560 ثانية. كما اقترحنا نظام للتعرف على الوجوه مستند الى شبكة مجموعة الهندسة المرئية (VGGNet) ثنائية الأبعاد المعدلة بنسبة 270 تدربب إلى 230 اختبار للصور الرمادية ثنائية الأبعاد لمجموعة بيانات 110007 والتي أظهرت نتائجها دقة عالية تبلغ 96/ ووقت تنفيذ 82800 ثانية. اما نظام الأجهزة المقترح يتكون من شبكة كمبيوتر لاسلكية تتكون من كمبيوتر محمول كخادم وجهاز كمبيوتر أحادي اللوحة Raspberry Pi3 كعميل ، مع جهاز توجيه يربط بينهما لاسلكيًا. ومن خلال اختبار النظام في الوقت الحقيقي على اربعه فيديوات تم إثبات قدرة النظام على التعرف على الأشخاص في الوقت الفعلي من خلال معرفاتهم من مقطع فيديو إلى آخر في مقاطع فيديو متعددة ومن إطار إلى آخرء وبمكنه تلقائيًا تخزين المعلومات للشخص المجهول كالصور الملتقطة من الإطارات ووقت الكشف و تاريخ الكشف لذلك الشخص في قاعدة بيانات العميل تلقائيا من قبل النظام.

Persons’ detection and recognition in a complex environment is a significant objective in computer vision, due to its extensive applications in modern systems such as detection and recognition systems as in surveillance cameras. However, uneven illumination, variety of background, interference, and similarity in their visual features make this task challenging, motivating to development of intelligent methods that have high accuracy and efficiency in detecting and recognizing persons. So, in this thesis, we proposed the first system utilized of an intelligent new one-dimension deep convolutional neural network (1D-DCNN) classifier capable of face classification of one- dimensional facial features, which has been extracted by linear discriminant analysis (LDA) of the detected face instead of direct classification of faces from two-dimension images or frames of the video. This contributed to the improvement of the recognition system by improving the accuracy and speeding up the processing of the proposed system. Moreover, four types of machine learning classifiers for the J48 Decision Tree (J48DT), One Rule (OneR), Java Repeated Incremental Pruning (JRip), and Partial Decision Tree (PART) classifiers are all combinational with LDA operation with the same techniques used to face recognition system. The experimental result shows 1D-DCNN has better performance than other proposed systems with a high face recognition performance of 100% for all accuracy, precision, recall, and F1-measures with an execution time of 480sec by the ratio of 70% training to 30% testing of color images of the MUCT dataset. The other experimental results for other machine learning classifier algorithms for the same training to testing ratio showed that the performance result of the PART classifier had the best accuracy with a precision of 96.99 %, recall of 96.84 %, and F-measure of 96.83% with an executed time of 1560sec. The second software system is proposed two-dimensional modified Visual Geometry Group Network (VGGNet) face recognition by the ratio of 70% training to 30% testing of 2D gray images of the MUCT dataset which showed a high accuracy of 96% and an execution time of 82800sec. The hardware system is constructed from a wireless computer network that consists of a computer laptop as a server and a single-board computer Raspberry Pi3 as a client, with a router device connecting them wirelessly. The system has been proven by testing it on four types of videos that it can identify people in real-time by their IDs from one video to another in multi-videos and from frame to another, and it can store the unknown's personal information as captured images of frames, time of detection, and date of detection in the client's database automatically by the system.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب