مقاله بهکارگیری فیلتر ذرهای همراه با یک مدل مشاهدهای مبتنی بر فاصله Bhattacharyya برای تعقیب ریز مشخصه های چهره

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهکارگیری فیلتر ذرهای همراه با یک مدل مشاهدهای مبتنی بر فاصله Bhattacharyya برای تعقیب ریز مشخصه های چهره دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهکارگیری فیلتر ذرهای همراه با یک مدل مشاهدهای مبتنی بر فاصله Bhattacharyya برای تعقیب ریز مشخصه های چهره  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهکارگیری فیلتر ذرهای همراه با یک مدل مشاهدهای مبتنی بر فاصله Bhattacharyya برای تعقیب ریز مشخصه های چهره،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهکارگیری فیلتر ذرهای همراه با یک مدل مشاهدهای مبتنی بر فاصله Bhattacharyya برای تعقیب ریز مشخصه های چهره :

تعداد صفحات:۶

چکیده:

تعقیب مشخصههای چهره از زمینههای تحقیقاتی بسیار مهم در بینایی ماشین و سیستمهای هوشمند است. مشخصههای چهره شامل ابرو، چشم، بینی و لب، برجستهترین علائم در بین اجزای چهره هستند. از آنجا که مشخصههای چهره دارای حرکات غیرصلب فراوانی هستند، استفاده از فیلتر کالمن سنتی ناکافی است. بهکارگیری فیلتر ذرهای رهیافتی مناسب برای این مسائل بهنظر میرسد. فیلتر ذرهای الگوریتمی موثر برای تعقیب مشخصههای چهره میباشد. یک مشکل در ارتباط با این فیلتر این است که با افزایش ابعاد فضای حالت، عملکرد فیلتر خراب میشود. در این مقاله، از فیلتر ذرهای با توابع چگالی احتمال فاکتوریزه شده استفاده شده است تا این مشکل را برطرف نماید. این نسخه از فیلتر ذرهای زمانی بهکار گرفته میشود که بتوان فضای حالت را به گروهی از متغیرهای تصادفی که بهصورت مستقل قابل ارزیابی باشند، تفکیک کرد. همچنین در این مقاله یک مدل مشاهدهای جدید مبتنی بر رنگ پیشنهاد میشود که نسبت به تغییرات شدت روشنایی غیرحساس است. مدل پیشنهادی از فاصله Bhattacharyya برای بهروزرسانی توزیع پیشین محاسبه شده بهوسیلهى فیلتر ذرهای، استفاده میکند. نتایج آزمایشات نشان میدهد که الگوریتم پیشنهادی عملکرد مناسبی در تعقیب چندین الگوی مستقل دارد