{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK308",
        "title": "شناسایی چهره با استفاده از تصاویر سه بعدی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1392",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK308",
        "title": "شناسایی چهره با استفاده از تصاویر سه بعدی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1392,
        "authors": [
            {
                "name": "ابوالفضل عرب",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "امیدرضا معروضی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "شناسایی چهره سه بعدی",
            "پایگاه داده GAVAB",
            "ویژگی های کل نگر",
            "ویژگی های جزء نگر"
        ],
        "abstract": "یکی از روشهای بیومتریک برای شناسایی افراد، استفاده از ویژگی های چهره است .دراین روش با توجه به این که نیازی به ارتباط فیزیکی با فرد وجود ندارد از لحاظ اجتماعی  نیز مورد توجه قرار گرفته است. سیستم‌های مدرن شناسایی چهره دو بعدی ،در شرایط یکنواخت و کنترل شده بسیار خوب عمل می‌کنند با این حال، تغییرات در نورپردازی تصویرها و حالات مختلف چهره از مشکلات پیش روی این روش ها است.در مقابل، تصاویر سه بعدی می‌توانند اشیاء را بدون در نظر گرفتن شدت نور به وضوح  نمایش دهند.\r\nدر این تحقیق تلاش بر این است که با استفاده از اطلاعات تصویر سه بعدی (اطلاعات عمق) کارایی سیستم‌های شناسایی چهره را در شرایط نامساعد، از قبیل نورپردازی، ژست و حالات کنترل نشده، بهبود ببخشیم. این تحقیق بر روی پایگاه داده (GAVAB) با تصویر هایی که شامل انواع وضعیت های نامطلوب در شناسایی چهره از قبل خندیدن ،نگاه به بالا و پایین ،چرخش سر به چپ و راست و همچنین حالت های تصادفی چهره است  انجام شده است.\r\nروش های پیاده شده در این تحقیق در دو گروه روش های کل نگر و جزء نگر دسته بندی می شوند.در روشهای کل نگر ، ما از سه ویژگی عمق، انحنای میانگین و انحنای گوسی استفاده کرده ایم .بهترین نتیجه به دست آمده در روش های کل نگر مربوط به ویژگی انحنای میانگین با دقت 91.09 درصد می باشد..مزیت این روش ساده بودن پیاده سازی و سرعت بالای اجرای آن می باشد.\r\nدر روش های جزءنگر ما از ویژگی های الگوی باینری محلی کامل (CLBP) ، الگوی باینری مبتنی بر واریانس (LBPV) ، الگوی باینری مبتنی بر انحنای گوسی (LBPK) و الگوی باینری محلی مبتنی بر\r\n\r\n انحنای میانگین (LBPH) استفاده کرده ایم. در روش های  بین  روش های جزء نگر بهترین نتیجه مربوط به روش LBP_S/M/Cبا دقت 96.47 درصد می باشد.همچنین در این تحقیق دو روش استخراج ویژگی جدید(LBPH,LBPK) نیز ارائه شده است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK308.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}