شناسایی حالت چهره مبتنی بر الگوهای باینری محلی (LBP)

الگوریتم‌های توصیفگر بافت جایگاه ویژه‌ای در بین محققان دارند و الگوریتم‌های متعددی مانند الگوهای باینری محلی (LBP)، گابور (Gabor)، تبدیل ویژگی مقیاس-مقاوم (SIFT) وجود دارند که در خانواده توضیفگر‌های بافت قرار می‌گیرند. الگوهای باینری محلی (LBP) یکی از توضیفگرهای بافت است که در زمینه‌های متعددی به خصوص در زمینه چهره استفاده شده است و توسعه‌های متعددی نیز یافته است. در این بسته آموزشی الگوریتم مقاله‌ای مورد بررسی قرار گرفته که از الگوریتم LBP برای شناسایی حالت چهره استفاده نموده است. شناسایی حالت چهره یکی از زمینه‌های مبتنی بر چهره است که هدف از آن تعیین این مساله است که فرد چه حالت چهره‌ای مانند خندیدن، گریه کردن، عادی، عصبانی و غیره است. در این بسته آموزشی از یک پایگاه داده ژاپنی استفاده شده است که هر کدام از افراد در پایگاه داده 7 حالت را اجرا کرده‌اند. محتویات این بسته آموزشی عبارتنداز: 

     1- مقاله اصلی با عنوان Facial Expression Recognition Based on Local Binary Patterns:دریافت

     2- کدهای شبیه‌سازی در نرم‌افزار MATLAB

     3- توضیح الگوریتم LBP و توضیح خط به خط کدهای شبیه‌سازی

     4- پایگاه داده تصاویر حالت چهره

دوستان از طریق لینک زیر میتونید به صورت اینترنتی این بسته رو خرید کنید. همچنین، میتونید نسخه دمو این بسته آموزشی رو ببینید. 

کلیک کنید

باینری سازی اسناد با استفاده از پردازش تصویر

باینری سازی اسناد کاغذی یکی از زمینه‌های جذاب در پردازش تصویر هست که همچنان جزو موضوعات داغ در پردازش تصویر است و سالانه مقالات زیادی در این زمینه چاپ می‌شود. بسته آموزشی باینری سازی اسناد کاغذی که به پیاده‌سازی یک مقاله خوب در این زمینه اختصاص دارد، شامل موارد زیر هست: 

     1- مقاله اصلی دریافت

     2- کدهای نوشته شده در نرم‌افزار MATLAB

     3- توضیح ویدئویی الگوریتم پیشنهادی مقاله و کدهای نوشته شده در MATLAB

     4- پایگاه داده برای تست 

برای خرید این محصول با ما تماس بگیرید. 

پردازش تصویر در دارت

دارت یکی از بازی‌های تمرکزی هست که علاوه بر علاقه‌مندان بسیار زیاد، مسابقات جهانی و رسمی هم دارد. اما خواندن امتیازها باز یکی از زمینه‌هایی است که پردازش تصویر می‌تواند در آن عرض اندام کند. در این پست می‌خواهیم الگوریتمی را بررسی کنیم که امتیاز کاربرانی را که مسابقه دارت می‌دهند محاسبه کند. برای این منظور تنها به یک دوربین معمولی نیاز داریم. محتویات بسته آموزشی تهیه شده عبارتنداز: 

     1- توضیح الگوریتم پیشنهادی به صورت فایل ورد
     2- پیاده‌سازی الگوریتم در نرم‌افزار MATLAB
     3- توضیح کدهای نوشته شده به صورت فایل ورد
     4- فایل ویدئویی از نحوه اجرا و توضیح در مورد کدها و الگوریتم

---

انجام پروژه‌های پردازش تصویر و بینایی ماشین با گروه ویژن

0939 336 2469
[e-mail]

---

تحلیل انواع نویز در پردازش تصویر

وجود نویز در تصاویر عامل ناخوشایندی است که همیشه سعی بر این بوده است که وجود آنها در تصاویر به مقدار صفر برسد. گاهی برای حذف نویز بر روی دستگاه‌های تصویربرداری کار می‌کنند و گاهی هم تصاویر گرفته شده را که شامل نویز هستند، با ارائه الگوریتم‌هایی نویززدایی می‌نمایند. در هر حالتی این نکته بسیار مهم است که رفتار نویز را بشناسیم، چه نوع نویزی است، چه ساختاری دارد. در این مقاله سعی داریم انواع نویز را معرفی، رفتار آنها را بررسی نماییم. همچنین با نگاه به تصویر بفهمیم که احتمالا این تصویر چه نوع نویزی دارد. آنچه که در این آموزش به آنها پرداخته شده است، عبارتنداز: 

     1- معرفی انواع نویز و بیان ریاضی برای آنها 

     2- بررسی رفتار نویزها در تصویر و نحوه شناسایی نوع نویز از روی تصویر نویزی

     3- کدنویسی انواع نویزها در نرم‌افزار MATLAB

---

انجام پروژه‌های پردازش تصویر و بینایی ماشین با گروه ویژن

0939 336 2469
[e-mail]

---

شناسایی هویت بر اساس خطوط بند انگشت

خطوط بیرونی بند انگشت یکی از ویژگی‌های بیومتریک است که در چند سال اخیر معرفی شده و توجه محققان را به خود جلب نموده است. در مقاله "Online finger-knuckle-print verification for personal authentication" جزو مقاله‌های بنیادی در این زمینه محسوب می‌شود. از مولفان این مقاله، مقالات متعددی در این زمینه چاپ شده است. در این بسته آموزشی، این مقاله پیاده‌سازی شده و همچنین پایگاه داده‌ای که مولفان مقاله تهیه کرده بودند قرار داده شده است. بسته آموزشی تهیه شده شامل محتویات زیر است:

     1- مقاله اصلی

     2- کدهای پیاده‌سازی در نرم‌افزار MATLAB

     3- توضیح الگوریتم پیشنهادی و توضیح در مورد نحوه کدنویسی

     4- پایگاه داده بند انگشت

مقاله اصلی را می‌توانید دانلود نمایید. 

تشخیص دود در تصاویر ویدئویی

تشخیص دود و آتش به موقع می‌تواند جلودار زیان‌های جبران‌ناپذیر مانند نابودی جنگل‌ها شود. استفاده از تکنیک‌های پردازش تصویر برای نظارت بر مناطق مهم به‌منظور هشدار دیده شدن دود یا آتش، یکی از ایده‌هایی بود که محققان در دهه اخیر آنرا مطرح نمودند. این ایده مورد استقبال قرار گرفت و رفته رفته محققان بیشتری روی این موضوع کار کردند. به همین منظور در این پست سعی شده است که روش تشخیص دود در تصاویر ویدئویی مبتنی بر پردازش تصویر در قالب شبیه‌سازی یک مقاله مطرح شود. مقاله‌ای که برای شبیه‌سازی در نرم‌افزار MATLAB انتخاب شده "Smoke Detection in Video Based on Motion and Contrast" است. در این بسته آموزشی ضمن توضیح روش پیشنهادی این مقاله به توضیح نحوه برنامه‌نویسی روش پیشنهادی آن نیز پرداخته شده است. بسته تشخیص دود شامل مطالب زیر است:

     1- فایل‌های ویدئویی شامل دود

     2- مقاله اصلی

     3- کدهای نوشته شده به زبان MATLAB

     4- گزارش شامل توضیحات روش پیشنهادی مقاله و توضیحات در مورد نحوه کدنویسی

مقاله اصلی را می‌توانید از اینجا دریافت و مشاهده نمایید. 

برای اطلاع از نحوه دریافت بسته آموزشی و همچنین دریافت دموی بسته آموزشی می‌توانید با شماره و ایمیل در وبلاگ تماس حاصل نمایید.