Разработка программного средства идентификации человека по фотографии на основе преобразования главных компонент

Дипломная Купить готовую Узнать стоимостьмоей работы

Содержание

Введение
1. Обзор цифровых методов идентификации человека
- 1. 1. Анализ современных методов идентификации человека
- 1. 2. Выбор метода идентификации человека
- 1. 3. Выводы
2. Постановка задачи идентификации человека по фотографии
3. Разработка программного средства идентификации человека по фотографии
- 3. 1. Разработка алгоритма программного средства
- 3. 2. Реализация алгоритма программного средства
- 3. 3. Выводы
4. Разработка интерфейса программного средства идентификации человека по фотографии
- 4. 1. Разработка дизайна интерфейса
- 4. 2. Реализация интерфейса в среде моделирования
- 4. 3. Выводы
5. Экспериментальная часть
- 5. 1. Разработка исходной информации для тестирования программного средства
- 5. 2. Тестирование программного средства
- 5. 3. Результаты тестирования программного средства
- 5. 4. Выводы
Заключение
Список использованных источников
Приложение 6

Разработка программного средства идентификации человека по фотографии на основе преобразования главных компонент (реферат, курсовая, диплом, контрольная)

Слайд 9: Для проверки работоспособности программы использовалась обучающая выборка, состоящая из фотографий трех фигуристок: Кэйтлин.

Осмонд, Евгении Медведевой и Алины Загитовой. В процессе тестирования необходимо было по другой фотографии идентифицировать этих же фигуристок. Слайд 10: Из таблицы результатов тестирования, приведенной на слайде, можно сделать вывод о том, что разработанное программное средство способно в большинстве случаев правильно идентифицировать человека по фотографии даже при небольшой выборке обучающих изображений. Проблемы с идентификацией возникают в том случае, когда идентифицируемый человек очень похож на нескольких людей из обучающей выборки. Также необходимо отметить, что результаты распознавания сильно зависят от качества изображения, а также от его предварительной подготовки. Слайд 11: В работе описан процесс создания программного средства идентификации человека по фотографии на основе преобразования главных компонент. Разработанное программное средство позволяет идентифицировать человека по фотографии, а проблемы с идентификацией возникают в том случае, когда идентифицируемый человек очень похож на нескольких людей из обучающей выборки. Таким образом, в результате выполнения данной работы достигнута её основная цель — разработано программное средство идентификации человека по фотографии на основе преобразования главных компонент.

Показать весь текст

Список литературы

Форсайт Д., Понс Ж., Компьютерное зрение. Современный подход. / Дэвид А. Форсайт, Жан Понс; пер. с англ. — М.: Издательский дом «Вильямс», 2004.
Бахрушин А.П. Разложение сигналов по системам единичных импульсов и дельта-функций // Вестник Приамурского государственного университета им. Шолом-Алейхема. 2013. № 1 (12). С. 044−050.
Мещеряков, В. В. Задачи по статистике и регрессионному анализу с MATLAB / В. В. Мещеряков. — М.: Диалог-Мифи, 2015. — 448 c.
Соколов, Г. А. Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике / Г. А. Соколов, Р. В. Сагитов. — М.: ИНФРА-М, 2010. — 208 c.
Такахаси, Син Занимательная статистика. Регрессионный анализ. Манга / Син Такахаси. — М.: Додэка, ДМК Пресс, 2015. — 216 c.
Мещеряков, В. В. Задачи по статистике и регрессионному анализу с MATLAB / В. В. Мещеряков. — М.: Диалог-Мифи, 2015. — 448 c.
Фурман, Я.А. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я. А. Фурман. — М.: 2010. — 538 c.
Зенин А. В. Анализ методов распознавания образов // Молодой ученый. — 2017. — № 16. — С. 125−130. — URL: https://moluch.ru/archive/150/42 393/ (дата обращения: 21.05.2018).
Бахрушин А.П. Применение методов спектрального анализа при обработке зашумленных изображений // Вестник Приамурского государственного университета им. Шолом-Алейхема. 2011. № 2. С. 5−17.
Григорьян А.К., Литвинов М. Ю. Применение вейвлет-преобразования для внедрения ЦВЗ в видеопоток в режиме реального времени // Информационно-управляющие системы. 2010. № 4. С. 53−56
Копенков В.Н. Эффективные алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара // Компьютерная оптика. 2008. Т. 32. № 1. C. 78−84.
Черногорова Ю. В. Методы распознавания образов // Молодой ученый. — 2016. — № 28. — С. 40−43. — URL https://moluch.ru/archive/132/36 964/ (дата обращения: 31.05.2018).
Гонсалес Р., Вудс Р., Цифровая обработка изображений
Ярославский Л.П. Введение в цифровую обработку изображений. М.: Сов. Радио. — 1979. — 312 с.
Парыгин В.Н., Балакший В. И. Оптическая обработка информации. М.: Издательство МГУ, 1987.30. «Методы компьютерной обработки изображений» под ред. В. А. Сойфера Изд-во ФИЗМАТЛИТ, 2001.
Гудмен Дж. Статистическая оптика. М.: Мир, 1988.
Ахманов С.А., Дьяков Ю. Е., Чиркин А. С. Введение в статистическую радиофизику и оптику. М.: Наука, 1981.
Порфирьев Л.Ф. Основы теории преобразования сигналов в оптико-электронных системах. Л.: Машиностроение, 1989.
Статистические методы распознавания [Электронный ресурс] URL: http://edu.sernam.ru/book_kiber2.php?id=569 (дата обращения: 11.06.2018).
Гонсалес, Р. Цифровая обработка изображений [Текст] / Р. Гонсалес, Р. Вудс. — М.: Техносфера, 2005. — 1072 с.
Н.А. Королева, К. А. Бохан, А. Н. Сиренький Математические модели и методы в информационных системах. Авиационно-космическая техника и технология. 2003. вып. 8 (43)
Соболь Б.В., Галин А. Б., Панов Ю. В. и др. Информатика: учебник. — М.: Феникс, 2007. — С.223
Гураков А. В. Информатика II : учебное пособие / А. В. Гураков, П. С. Мещеряков. — Томск: Эль Контент, 2013. — 114 с.
Багриновский К. А. Хрусталев Е.Ю. Новые информационные технологии. — М.: ЭКО, 2011. — С.122
Компьютерные технологии обработки информации / Под ред. С. В. Назарова. — М.: Финансы и статистика, 2005. — С.108
Информатика и информационно-коммуникационные технологии. Базовый курс: И. Г. Семакин, С. В. Русаков, Л. В. Шестакова. — М: БИНОМ, Лаборатория знаний, 2010. — С. 169
Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных; Горячая Линия — Телеком —, 2008. — 392 c.
Барский А. Б. Логические нейронные сети; Интернет-университет информационных технологий, Бином. Лаборатория знаний — Москва, 2007. — 352 c.
Галушкин А. И. Нейронные сети. Основы теории; Горячая Линия — Телеком —, 2012. — 496 c.
Круглов, В.В.; Борисов, В. В. Искусственные нейронные сети. Теория и практика; М.: Горячая линия — Телеком; Издание 2-е, стер. — Москва, 2002. — 382 c.
Мкртчян, С.О. Нейроны и нейронные сети; М.: Энергия — Москва, 1986. — 232 c.
Редько В. Г. Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики; Либроком — Москва, 2013. — 224 c.
Тархов Д. А. Нейронные сети. Модели и алгоритмы. Книга 18; Радиотехника — Москва, 2005. — 256 c.
Хайкин, Саймон Нейронные сети: полный курс; М.: Вильямс — Москва, 2006. — 781 c.
Яхъяева Г. Э. Нечеткие множества и нейронные сети; Интернет-университет информационных технологий, Бином. Лаборатория знаний — Москва, 2011. — 320 c.
Златопольский Д. М. Сборник задач по программированию. — 3-е изд., перераб. и доп. — СПб.: БХВ-Петербург, 2011. — 304 с.: ил. — (ИиИКТ)
Смирнов А.А. Прикладное программное обеспечение: учебно-практическое пособие/А.А. Смирнов. — М.: Евразийский открытый институт, 2011. — 384с.
Гусятников В.Н. Стандартизация и разработка программных систем. Учебное пособие / В. Н. Гусятников, А. И. Безруков. — М.: Финансы и статистика, 2010. — 288с
Иванова Н.Ю. Системное и прикладное программное обеспечение. Учебное пособие / Н. Ю. Иванова. — М.: Прометей, 2011. — 202с
Смирнов А.А. Технологии программирования / А. А. Смирнов. — М.: Евразийский открытый институт, 2011. — 192с.

Заполнить форму текущей работой

Купить готовую работу