بازشناسی تصویری گفتار به عنوان فرآیندی برای کمک به افرادی که دچار آسیب در سیستم صوتی شدهاند، در سالهای اخیر مورد توجه محققین قرار گرفته است. در این مقاله سعی در این بوده که سه روش برای استخراج ویژگی شکل لب ارائه شود : استخراج کانتور لب ، قطعهبندیWatershed ، پارامترهای پویانمایی چهره . سپس برای شناسایی گفتار از روی حرکات لب از الگوریتم HMM و شبکههای عصبی پرسپترون دولایه با ساختاری ساده استفاده شده است.
واژههای کلیدی : بازشناسی تصویری گفتار ،استخراج کانتور لب ، قطعهبندی Watershed ، پویانمایی چهره ، ردیابی علائم .
1- مقدمه :
سامانهی لبخوانی رایانهای به معلولینی کمک می کند که دچار آسیب در سیستم صوتی بوده و قادر به برقراری ارتباط با دیگران نیستند. این افراد معمولا توانایی انجام صحیح حرکات لب به شکلی که برای تکلم لازم است را داشته و در حالت ایدهآل میتوان با انجام لبخوانی به مقصود آنها پی برد. این نرمافزار به معلولینی که از صندلی چرخدار استفاده میکنند و فقط توانایی انجام صحیح حرکات لبشان را دارند کمک میکند؛ بدین ترتیب که با کمک دوربین فیلمبرداری حرکات لب آنها ثبت میشود و پس از آنالیز ، فرامین لازم به ویلچر داده میشود.
از جمله کاربرد های این سامانه میتوان به تشخیص فرامین ناتوانان گفتاری ،تشخیص برخی کلمات خاص، مکمل بازشناسی گفتار صوتی و همچنین کاربردهای نظامی و اطلاعاتی ذکر کرد .در کاربرد حفاظتی ، این سامانه میتواند با بهرهگیری از حرکات لب و بدون ثبت سیگنال صوتی ،کلمات خاصی را شناسایی و تصویر گویندهی آن را در مراکز عمومی و محلهای تردد ثبت کند.
فرآیند بازشناسی تصویری گفتار شامل دو مرحلهی استخراج ویژگی از دنباله تصاویر لب و طبقهبندی ویژگیهای بدست آمده است. ویژگی گفتاری تصویر حرکات لب معلولین که دارای رنگ پوست و ظاهر متفاوتی هستند ، به کمک طراحی یک الگوریتم جدید استخراج شده و در مرحلهی بعد با استفاده از الگوریتم مدل مخفی مارکوف ، حرکات و گفتار تصویری تشخیص داده میشود . بهرهگیری از اطلاعات تصویری از شکلهای لب و حرکات آن ، دقت و اطمینان سیستمهای تشخیص اتوماتیک گفتار صوتی را ـ خصوصا در محیطهای نویزی ـ بطور قابل توجهی بهبود می بخشد .
واژههای کلیدی :
2- استخراج کانتورلب
3-2- مدل لب
2-2- فرمول بندی تابع هزینه
2-3- نگاشت احتمال تصاویرلب
2 -4 – بهینه سازی پارامترهای مدل
4-1 پارامترهای پویانمایی چهره
5-1 الگوریتم پیشنهادی
شامل 13 صفحه فایل word
* مقاله انگلیسی با ترجمه فارسی ***
عنوان انگلیسی :
A bi-objective cost model for optimizing database
queries in a multi-cloud environment
عنوان فارسی :
( رشته کامپیوتر )
قبل از خرید مقله انگلیسی را از لینک زیر دانلود کنید
چکیده
مدل های هزینه به طور گسترده در پردازش جستارها برای انجام فرایند بهینه سازی پرس و جو، دقت در پیش بینی زمان اجرای پرس و جو، بانک اطلاعاتی و زمانبندی انجام وظایف پرس و جو، اعمال کنترل پذیرش و استخراج منابع مورد نیاز بعنوان چند برنامهی کاربردی مورد استفاده قرار میگیرند. نقش اصلی مدل های هزینه، برآورد زمان مورد نیاز برای اجرای پرس و جو بر روی یک ماشین خاص است. در یک محیط چند ابری، مدل های هزینه باید به راحتی برای طیف گسترده ای از ماشین آلات مختلف فیزیکی کالیبره شده، و بتوانند زمان مورد نیاز که با اطلاعات هزینه های پولی تکمیل میشود را تخمین بزنند، که البته از هر دو هزینه های اقتصادی و عملکردی از اهمیت بالا و اولویت تقریبا یکسانی برخوردار می باشد. هدف از این کار را به خدمت گرفتن اولین پیشنهاد مدل هزینه جستار دوطرفه مناسب برای نمایش داده اجرا شده میباشد که به طور بالقوه توسط ارائهدهندگان منابع ابری متعددی فراهم شده است. ما از اهرم سن کالیبراسیون موجود در تکنیک های مدل سازی برای تخمین زمان و برآورد چند جمله با اطلاعات هزینه های پولی به منظور پوشش دادن گزینه اصلی شارژ در منابع ابری استفاده می کنیم. علاوه بر این، توضیح خواهیم داد که چگونه مدل هزینه می تواند به بخشی از یک بهینه ساز تبدیل شود. رویکرد ما قابل استفاده برای بیشتر نمودارهای عمومی جریان داده است که برنامه اجرایی آنها لزوما شامل عملگرهای رابطه نمیباشد. در نهایت، تلاش میکنیم تا با ارائه یک مثال واقعی دقت و اعتبار طرح پیشنهادی خود را از طریق مطالعات نوردی واقعی بسنجیم.
در این سیستم هدف شناسایی افراد در شرائط مختلف پس از دریافت یکسری تصویر چهره از افراد می باشد.تصاویری که از ابتدا برای شناسایی افراد به سیستم آموزش داده می شود را پایگاه چهره آموزش سیستم (Training Set) نامیده و تصاویری که برای تست قدرت سیستم در مقابل تصاویر جدید بوده تشکیل گروه Probe را می دهند. شناسایی چهره در بخش اول یکی از مباحث Objecct detection و Object recognition در پردازش تصویر می باشد.ولی به علت پیچیدگی های ذاتی چهره و تغییرات فراوان ویژگی های آن الگوریتم های این دو بخش را بصورت خاصی برای خود بازنویسی کرده است. الگوریتم های متفاوتی برای شناسایی چهره در 20 سال اخیر معرفی گشته که در زیر برخی از پرکاربردترین الگوریتم ها به اختصار توضیح داده شده است.
فهرست :
شناسایی چهره
الگوریتم های تشخیص چهره
مقدمه ای بر رنگ ها
فضاهای رنگ
جداسازی رنگ ها
فازهای مختلف پروژه
کدنویسی
الگوتریم شناسایی چهره
منابع