|
|
شناسایی چهره با استفاده از الگوی دودوئی محلی ترکیبی برپایه پردازنده گرافیکی جهت تسریع امر شناسایی افراد در پایگاههای نظامی
|
|
|
|
|
نویسنده
|
طباطبائی اردکانی کامبیز ,میرزائی کمال
|
منبع
|
علوم و فناوري دريا - 1398 - شماره : 91 - صفحه:17 -23
|
چکیده
|
باتوجه به محبوبیت و استفاده روزافزون از وسایل دیجیتال در زندگی روزمره بشر و همچنین گسترش به اشتراکگذاری تصاویر در شبکههای اجتماعی همچون فیسبوک، فلیکر، اینستاگرام و غیره و همچنین بارگذاری فیلمهای مختلف در این شبکهها، استفاده از تصاویر دیجیتال مخصوصا در دهه اخیر رشد قابل توجهی داشتهاست که در میان این تصاویر، درصد بالایی مربوط به تصاویر چهره انسان است و در مواردی از قبیل پایش تصویر برخط، تعامل انسان و ماشین، ردیابی شخص در ویدئو، بازیابی تصویر چهره افراد مجرم، کنترل تردد کارکنان سازمان و تفکیک دوست از دشمن در پایگاههای نظامی(از قبیل نیروی دریایی و ...)کاربردهای فراوانی دارد. بنابراین دقت و سرعت بازیابی در این مسئله حائز اهمیت است. در این مقاله دو روش برپایه الگوی دودوئی محلی ارائه شده است که در نهایت با تشخیص لبه ترکیب میشود. برای افزایش سرعت روش ترکیبی پیشنهادی بصورت موازی در محیط cuda c++ اجرا شده است. در این مقاله میزان دقت و سرعت بر روی مجموعه دادههای مختلف ارزیابی شد و بطور متوسط زمان پردازش در gpu تاحدود 19 برابر در مجموعه دادهی با 1024 عکس در مقایسه با cpu کاهش یافت. نتیجه حاکی از این تحقیق بدین صورت بود که هرچه حجم مجموعه داده بزرگتر شود تاثیر موازیسازی بهتر است. بنابراین متغیرهایی که برای این مسئله ذکر میشود عبارتند از:1 دقت کار 2 زمان اجرا 3مقیاس پذیر بودن سیستم
|
کلیدواژه
|
پردازش موازی، پردازنده گرافیکی، بستر cuda، بازیابی تصویر چهره
|
آدرس
|
دانشگاه آزاد اسلامی واحد میبد, ایران, دانشگاه آزاد اسلامی واحد میبد, ایران
|
پست الکترونیکی
|
k.mirzaie@maybodiau.ac.ir
|
|
|
|
|
|
|
|
|
face image retrieval using LBP based on GPU to accelerate face detection
|
|
|
Authors
|
Tabatabaei Ardakani Kambiz ,Mirzaie Kamal
|
Abstract
|
Given the growing popularity and use of digital devices in human daily life; an increase in image sharing on social networks such as Facebook , Flicker, Instagram as well as loading various clips on such networks , the utilization of digital images has sharply increased, particularly in the last decade, among them, a high percentage belongs to human face images(approximately above 60%) what matters here is face image retrieval using high accuracy feature extraction methods. The more precise method, the more time it requires to be processed. in this paper we plan to execute numerous high accuracy feature extraction methods in face image retrieval like LBP and its variants, HOG, SIFT, SURF and in some case the combination of above mentioned methods by suitable coding on GPU in order to examine the impact of processing speed and its accuracy compared to the CPU and propose the best method for it
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|