جستجو برای:
سبد خرید 0
  • خانه
  • محصولات
  • ویدئوهای آموزشی رایگان
  • مقالات
  • تماس با ما

ورود

گذرواژه خود را فراموش کرده اید؟

ثبت نام

داده های شخصی شما برای پشتیبانی از تجربه شما در این وب سایت، برای مدیریت دسترسی به حساب کاربری شما و برای اهداف دیگری که در سیاست حفظ حریم خصوصی ما شرح داده می شود مورد استفاده قرار می گیرد.

هوش مصنوعی رضوان
  • خانه
  • محصولات
  • ویدئوهای آموزشی رایگان
  • مقالات
  • تماس با ما
ورود / ثبت نام
0

وبلاگ

هوش مصنوعی رضوان > فایل های آموزشی رایگان > تشخیص چهره با الگوریتم ویولاجونز در متلب

تشخیص چهره با الگوریتم ویولاجونز در متلب

فایل های آموزشی رایگان

توضیحات ویدئو:

تشخیص چهره یکی از مسائل فوق‌العاده جذاب و پیچیده در حوزه بینایی ماشین است. با پیشرفت فناوری، تشخیص چهره در برنامه‌های کاربردی مختلف، از جمله تشخیص چهره در عکس‌ها و ویدئوها، تشخیص هویت و حفاظت از امنیت، تشخیص احساسات و بسیاری کاربردهای دیگر اهمیت فراوانی پیدا کرده است. در این ویدئو، به شما نحوه استفاده از الگوریتم ویولاجونز در محیط برنامه‌نویسی متلب را آموزش خواهیم داد.


برای تشخیص چهره در متلب، ما از الگوریتم ویولاجونز استفاده می‌کنیم. الگوریتم ویولاجونز به دلیل سادگی، سرعت بالا و دقت قابل قبول در تشخیص چهره، یکی از روش‌های معروف و قدرتمند برای تشخیص چهره است. این الگوریتم در سال 2001 توسط پائول ویولا و مایکل جونز ارائه شد و تا به امروز به عنوان یکی از روش‌های محبوب و موثر برای تشخیص چهره شناخته می‌شود.


نحوه کار الگوریتم ویولاجونز به این صورت است که از ویژگی‌های هندسی و قابل ملاحظه‌ای از چهره (مانند ویژگی‌های طولی و عرضی، نقاط تاریک و روشن و الگوهای مشخصی که در چهره‌ها معمولاً مشاهده می‌شوند) برای تشخیص آن استفاده می‌کند. برای شروع، شما باید پکیج Vision Toolbox را به متلب اضافه کنید. سپس می‌توانید با استفاده از توابع مربوطه، تصاویر را بارگذاری کنید و الگوریتم ویولاجونز را بر روی آن‌ها اعمال کنید. نتیجه نهایی، باکس تشخیص داده شده چهره‌ها در تصویر خواهد بود. در این ویدئو همچنین یاد خواهیم گرفت که چگونه از این الگوریتم برای تشخیص چشم‌ها، بینی و دهن افراد استفاده کنیم.


کد زیر نمونه‌ای از نحوه استفاده از الگوریتم ویولاجونز در متلب را نشان می‌دهد:


کدهای پروژه:

[file,path]= uigetfile(‘*.*’,’select an image’);
loc = strcat(path,file);
pic= imread(loc);
graypic=rgb2gray(pic);
detectorFace = vision.CascadeObjectDetector();
detectorFace.MergeThreshold=6;
boundingbox=step(detectorFace,graypic);
detpic= insertObjectAnnotation(pic,’rectangle’,boundingbox,’face’);
imshow(detpic);
امیدواریم این پروژه برای شما مفید و کاربردی واقع شده باشد. هدف آکادمی هوش مصنوعی رضوان، به اشتراک ‌گذاری تجربیاتی ارزشمند در زمینه پردازش تصویر و هوش مصنوعی با شما مخاطب ارجمند است. لطفا از سایر آموزش‌های رایگان و دوره‌های آموزشی ما دیدن و ما را در شبکه‌های اجتماعی دنبال فرمایید.
قبلی تشخیص اسکناس در متلب
بعدی پیاده سازی الگوریتم k-means در متلب

دیدگاهتان را بنویسید لغو پاسخ

جستجو برای:
دسته‌ها
  • فایل های آموزشی رایگان
  • مقالات
دسته‌های محصولات
  • دوره ها
  • عمومی
نوشته‌های تازه
  • تحولی نوین در صنعت بیمه با هوش مصنوعی
  • سیستم‌های توصیه‌گر: راهنمای جامع
  • ربات هوش مصنوعی چیست؟ اشتراکات و کاربردهای رباتیک و هوش مصنوعی
  • تعریف هوش مصنوعی در زنجیره تأمین
  • هوش مصنوعی احساسی: درک و تحلیل احساسات انسانی
درباره ما

هدف ما آموزش هوش مصنوعی با استفاده از پایتون و متلب می باشد تا بتوانیم موارد کاربردی آن را به شما عزیزان آموزش دهیم.

دسترسی سریع
  • دوره ها
  • تماس با ما
    نماد ها
    کلیه حقوق مادی و معنوی این سایت متعلق به هوش مصنوعی رضوان می‌باشد.
    اشتراک گذاری در شبکه های اجتماعی
    ارسال به ایمیل
    https://airezvan.com/?p=9357
    دسته بندی دوره ها
    دسته بندی بلاگ
    دوره های من
    دسته بندی دوره ها

    دوره ها

    • 3 دوره
    دسته بندی بلاگ

    فایل های آموزشی رایگان

    • 32 نوشته

    مقالات

    • 56 نوشته
    دوره های من
    برای مشاهده خریدهای خود باید وارد حساب کاربری خود شوید
    Facebook Twitter Youtube Instagram Whatsapp
    مرورگر شما از HTML5 پشتیبانی نمی کند.