آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,711 |
| تعداد دریافت فایل اصل مقاله | 4,032,562 |
رفع نقایص امنیتی سیستم های احراز هویت تصویری با تشخیص چهره براساس ارزیابی ساختار و شکل 3 بعدی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 11، دوره 9، شماره 4 - شماره پیاپی 36، اسفند 1400، صفحه 141-145 اصل مقاله (655.35 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| علیرضا شجاعی فرد* 1؛ محسن شاهرضایی2؛ حمیدرضا یزدانی3 | ||
| 1استادیار، گروه ریاضی، دانشکده علوم پایه، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| 2استادیار، دانشکده علوم دفاعی، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| 3پژوهشگر همکار، مرکز ریاضی و آمار، پژوهشکده و دانشکده علوم پایه، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| تاریخ دریافت: 17 شهریور 1400، تاریخ بازنگری: 18 مهر 1400، تاریخ پذیرش: 18 مهر 1400 | ||
| چکیده | ||
| نقایص و نقاط ضعف سیستم‌های امنیتی نظارت تصویری منجر به تلاش برای استفاده از روش‌های ترکیبی برای مرتفع ساختن این مسایل شده است. در این مقاله به مساله تشخیص چهره براساس ارزیابی ساختار و شکل 3 بعدی می‌پردازیم. ارزیابی (برازش) ساختار و دستیابی به شکل 3 بعدی، سبب می‌شود، تشخیص چهره با گستره وسیعی از پارامترها و تحت شرایط گوناگون امکان‌پذیر شده و مدل‌های ذاتی و غیرذاتی به‌خوبی با پارامترها تفکیک شوند. شرایط نوردهی و موقعیت قرارگیری سر همگی به حساب آمده و به‌خوبی کنترل می‌شوند. همانگونه که می‌دانیم، پارامترهای گوناگونی از قبیل زاویه قرارگیری سر در مقابل دوربین، جهت تصویربرداری، میزان نوردهی و انواع نویزها در تصویر از جمله مسایل تاثیرگذار بر نرخ موفق تشخیص سیستم‌های تشخیص چهره انسانی هستند، اکثریت روش‌های موجود به‌دلیل استخراج گراف چهره و ساختارها تخت دو بعدی در زمینه تشخیص چهره با تغییر زاویه سر به‌ویژه در حالات نیم رخ یا سه رخ دچار خطا و ناکارآمدی می‌شوند. روش مطرح شده در این جا، با استخراج ساختار 3 بعدی صورت، بسیاری از این مسایل را پشت سر می‌گذارد. این روش ترکیبی از ابزارهای هندسه برداری، مترهای آماری و روش‌های کاهش بعد به‌صورت همزمان است. راستایی آزمایی براساس نرخ تشخیص صحیح و زاویه قرارگیری (چرخش) سر صورت می‌گیرد. | ||
| کلیدواژه‌ها | ||
| تشخیص چهره؛ روش های هندسی؛ کاهش بعد؛ تحلیل مولفه اصلی؛ تحلیل تفکیکی خطی | ||
| عنوان مقاله [English] | ||
| Fixing Security Defects of Video Authentication Systems with Face Recognition, Based on 3D Structure and Shape Evaluation | ||
| نویسندگان [English] | ||
| alireza shojaeifard1؛ Mohsen Shahrezaee2؛ hamidreza yazdani3 | ||
| 1Assistant Professor, Department of Mathematics, Faculty of Basic Sciences, Imam Hossein University, Tehran, Iran | ||
| 2Assistant Professor, Department of Mathematics and Statistics, Faculty and Research Institute of Basic Sciences, Imam Hossein University, Tehran, Iran | ||
| 3Collaborating Researcher, Center for Mathematics and Statistics, Research Institute and Faculty of Basic Sciences, Imam Hossein University, Tehran, Iran | ||
| چکیده [English] | ||
| The weaknesses in video surveillance security systems have encouraged attempts to use hybrid methods to address these issues. In this article, we consider the subject of face recognition based on the evaluation of 3D structure and shape. Evaluating and fitting the structure and achieving a 3D shape makes face recognition possible with a wide range of parameters and under different conditions, and intrinsic and extrinsic models are well isolated from the parameters. Exposure conditions and head positions are all taken into account and well-controlled. As we know, various parameters such as the angle of the head in front of the camera, the direction of imaging, the amount of exposure, and the types of noise in the image are among the most difficulties and issues, affecting the successful detection rate of human face recognition systems. In the field of face recognition, most of the present methods suffer from errors and lack capability when the angle of the head changes especially in the case of profile or three faces, due to face graph extraction and two-dimensional flat structures. The 3D structure of the face overcomes many of these issues. This method is a simultaneous combination of geometry tools, statistical meters, and dimensionality reduction methods. The method accuracy and efficiency testing are based on the correct recognition rate and head position (rotation) . | ||
| کلیدواژه‌ها [English] | ||
| Face recognition, Geometric methods, Dimensionality reduction, Principal component analysis (PCA), Linear discriminant analysis (LDA) | ||
| مراجع | ||
|
[1] Fu Y., Manifold Learning Theory and Applications, London, CRC Press, Taylor Francis, (2012). [2] Guo, Z.; Zhang, Y.; Lin, Z. & Feng, D, A Method Based on Geometric Invariant Feature for 3D Face Recognition, Proceedings of Fifth International Conference on Image and Graphics, (2009). [3] Huang Di., Ardabilian M.; Wang, Y. & Chen, L. Automatic Asymmetric 3D-2D Face Recognition, International Conference on Pattern Recognition, (2010). [4] Maesschalck R. De, Jouan-Rimbaud D., Massart D.L., The Mahalanobis distance, Chemometrics and Intelligent Laboratory Systems, Volume 50, Issue 1 Pages 1-18, https://doi.org/10.1016/S0169-7439(99)00047-7, (2000). [5] Myung G. K., Multivariate outliers and decompositions of Mahalanobis distance, Communications in Statistics - Theory and Methods, 29:7, 1511-1526, DOI: 10.1080/03610920008832559 (2000). [6] Weinberger K. Q., Saul L. K., An Introduction to Nonlinear Dimensionality Reduction by Maximum Variance Unfolding, American Association for Artificial Intelligence, (2006). [7] Xiao H., Huang M., Zhu X, From One Point to A Manifold: Knowledge Graph Embedding for Precise Link Prediction, arXiv:1512.04792v5, (2017). | ||
|
آمار تعداد مشاهده مقاله: 347 تعداد دریافت فایل اصل مقاله: 269 |
||