NATIONAL BIBLIOGRAPHY NUMBER
Country Code
IR
Number
T23486
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
انگلیسی
COUNTRY OF PUBLICATION OR PRODUCTlON
Country of publication
IR
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
Face Recognition using combination of LBP and PCA
General Material Designation
[Thesis]
First Statement of Responsibility
/حیدر هاشم ، کاظم
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: Faculty of Computer Engineering
Date of Publication, Distribution, etc.
, 1399(2020)
Name of Manufacturer
, rashedi
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
Print
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
Master of arts
Discipline of degree
, Faculty of Computer Engineering
Date of degree
1399/08/28
SUMMARY OR ABSTRACT
Text of Note
Local Binary Pattern (LBP) is one of the efficient approaches for image representation, especially in the face recognition field. This paper makes use of LBP-PCA combination for feature extraction and dimension reduction, followed by Fisher Markov Selector to yield a set of features that is proved to be the best for face recognition under uncontrolled environment. Finally, this set of features is classified by various classification algorithms such as support vector machine and k nearest neighbour. The proposed method is applied on ORL, Yale and LFW datasets. The results show that the proposed algorithm reaches high accuracy with lower number of features for all three datasets. Due to the fact that the number of features used in the proposed method is less, the response speed is also higher.
Text of Note
الگوهای دودویی محلی (LBP) یکی از روش های کارآمد برای استخراج ویژگی های بافت از تصویر به ویژه در زمینه تشخیص چهره می باشد .در این تحقیق از ترکیبPCA - LBPبرای استخراج ویژگی ها و کاهش بعد تصویر استفاده شده است .سپس مجموعه ای از ویژگی ها برای تشخیص چهره در محیط کنترل نشده توسط الگوریتم استخراج ویژگی فیشر مارکوف که یک الگوریتم با نظارت است، ویژگی های تاثیرگذارتر انتخاب شده است .سرانجام ، این مجموعه از ویژگیها توسط الگوریتم های طبقه بندی مختلف مانند ماشین بردار پشتیبان و k نزدیکترین همسایه طبقه بندی می شوند .روش ارائه شده در مجموعه داده های Yale ، ORL و LFW مورد آزمایش قرار گرفت .نتایج نشان می دهد که الگوریتم پیشنهادی با تعداد کمتر ویژگی در هر سه مجموعه داده از دقت بالایی برخوردار است .با توجه به اینکه تعداد ویژگی های به کار رفته در روش پیشنهادی کمتر است ، سرعت پاسخ نیز بیشتر است
fa
TRANSLATED TITLE SUPPLIED BY CATALOGUER
Translated Title
تشخیص چهره با استفاده از ترکیب الگوی دودویی محلی و تحلیل مولفه اصلی
UNCONTROLLED SUBJECT TERMS
Subject Term
Face Recognition, PCA Feature Reduction Algorithm, LBP Feature Extraction Algorithm, Lasso Feature Selection Algorithms, Fisher Markov Feature Selection Algorithm, Support Vector Machine, k nearest neighbour
Subject Term
تشخیص چهره، تحلیل مولفه اصلی، استخراج ویژگی الگوی دودویی محلی، انتخاب ویژگی فیشر-مارکوف، ماشین بردار پشتیبان، طبقه بندK نزدیک ترین همسایه
PERSONAL NAME - PRIMARY RESPONSIBILITY
Hashim Kadhim, Hayder, Hayder Hashim Kadhim
ORIGINATING SOURCE
Country
ایران
LOCATION AND CALL NUMBER
Call Number
پایان نامهQA,76,.H2,1399
ELECTRONIC LOCATION AND ACCESS
Host name
Face Recognition using combination of LBP and PCA
Access number
محرمانه
Compression information
فوق سری
Date and Hour of Consultation and Access
final_thesis10.pdf
Bits per second
3859652
Contact for access assistance
پ راشدی
Electronic Format Type
متن
File size
0
Record control number
T23486
Public note
سیاه و سفید
DATA NOT CONVERTED FROM SOURCE FORMAT
Tag of the Source Format Field
Location: central library
old catalog
p
TL
1
a
Y
