عنوان الإطروحه |
Masked Face Recognition under the COVID-19 using CNN & PCA algorithms
|
تاريخ مناقشة الاطروحه |
2021-12-30 |
اسم الطالب |
سماء صلاح الدين محمد القضاه
|
المشرف |
خالد محمد عبدالرحمن بطيحه |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| محمد سعيد منصور البشير |
| رضوان الدويري |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
تعد القياسات الحيوية ضرورية لتخزين المعلومات الشخصية مثل بصمات الأصابع وكلمات المرور والتعرف على الوجوه وما إلى ذلك. يؤثر COVID-19 على كل من المنظمات العامة والخاصة ، وتركز الحكومات جهودها على الأشخاص الذين يرتدون أقنعة خارج المنزل لحماية أنفسهم. أصبحت نمذجة الوجه وتحليله مقاييس حيوية مهمة لأن الناس أصبحوا أكثر أمانًا دون لمس أي جهاز. ومع ذلك ، لا تعمل معظم خوارزميات التعرف على الوجوه عندما يرتدي الأشخاص أقنعة لأن منطقة الأنف مفيدة في التعرف على الوجوه ، وغالبًا ما تكون مصادقة الوجه غير فعالة. يجب تطوير خوارزميات محسنة لحل هذه التحديات في الأماكن الإلزامية لحل هذه المشاكل. الهدف من هذه الدراسة هو إنشاء نموذج (MF-CP) للتعرف على الوجوه المقنعة لنظام القياسات الحيوية باستخدام الشبكات العصبية التلافيفية وتحليل المكونات الرئيسية.
بعد محاكاة وجه الصورة ، اقترحنا نموذج (MF-CP) بواسطة مجموعة بيانات LFW المحاكاة ، أولاً للتحقق مما إذا كان الوجه يرتدي قناعًا أم لا ، ثم لمعرفة ما إذا كان الوجه المقنع يتعرف عليه. المعالجة المسبقة واختيار الميزات والتصنيف هي المراحل الرئيسية الثلاث لنموذج (MF-CP). الهدف الرئيسي من هذا النموذج المقترح هو تحسين أداء التعرف على الوجوه المقنعة وتحديد ما إذا كان الوجه مقنعًا أم لا. يجمع هذا النهج المقترح بين تحليل المكونات الرئيسية وتقنية الشبكة العصبية التلافيفية. لتحسين دقة المصنف ، تجنب الصور المقنعة غير الضرورية وحدد فقط الصور المهمة لمعالجة مشكلة الأبعاد الخطيرة.
علاوة على ذلك ، عند استخدام CNN و PCA معًا في مرحلة التصنيف ، يستخدم النموذج المقترح تعلم النقل كمصنف لتحسين التعرف على الوجوه المقنعة. يستخدم هذا النموذج محاكاة LFW لتحديد ما إذا كان الوجه يرتدي قناعًا والتعرف عليه بدقة 93.05? عند تطبيقه في 1000 عينة محاكاة LFW ، والحصول على 95.02? عند تطبيقه على 2000 عينة.
|
الملخص بالانجليزي |
Biometrics are essential for storing personal information such as fingerprints, passwords, face recognition, and so on. The COVID-19 affecting both public and private organizations, governments are concentrating their efforts on people who wear masks outside the home to protect themselves. Facial modelling and analysis have become significant biometrics because people are safer without touching any device. Most face recognition algorithms, however, do not work when people wear masks because the nose region is useful in face recognition, face authentication is often ineffective. Improved algorithms to solve these challenges in mandatory places should be developed to solve these problems. The goal of this study is to create an (MF-CP) model for masked face recognition for a biometric system using a Convolutional Neural Networks and Principal Component Analysis.
After simulating the image face, we proposed the (MF-CP) model by the simulated LFW dataset, first to check if the face is wearing a mask or not, and then to see if the face masked recognizes it. Preprocessing, feature selection, and classification are the three main phases of the (MF-CP) model. The main goal of this proposed model is to improve masked face recognition performance and determine whether the face is masked or not. This proposed approach combines principal component analysis and the convolutional neural network technique. To improve the accuracy of the classifier, avoid unnecessary masked images and select only the important ones to address the serious dimensionality problem.
Furthermore, when combined CNN and PCA are used in the classification phase, the proposed model uses transfer learning as a classifier to improve masked face recognition. This model employs simulated LFW to specify whether the face is wearing a mask and recognize it with a 93.05% accuracy when apply in 1000 simulate LFW sample, and get 95 % when apply on 2000 sample
|
رقم ISN |
7778 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|