حل تمرین دروس الکترونیک، مدارهای الکتریکی،کنترل خطی، نانوالکترونیک، فناوری ساخت مدارهای دیجیتال، ریاضیات مهندسی، معادلات دیفرانسیل، و.....

رشته مهندسی برق گرایش های الکترونیک، قدرت، کنترل، مخابرات، کامپیوتر

کاردانی، کارشناسی، کارشناسی ارشد، دکتری

از طریق تماس، واتساپ، تلگرام با شماره تلفن09372002091 وهمچنین از طریق دایرکت پیج اینستاگرام project_tehran درخواست خود را ارسال فرمایید 

در سریعترین زمان و با بهترین کیفیت توسط تیم متخصص دکتری انجام می شود

*****************************************************************************

شبیه سازی پروژه و مقاله درتمام سطوح دانشگاهی پذیرفته می شود

*****************************************************************************

*****************************************************************************

مامي توانيم با كمترين هزينه ودر كوتاهترين زمان ممكن در تهيه پروپزال ، پروژه ، مقاله ، پايان نامه ، گزارش كارآموزي ،به شما كمك كنيم. در صورت تمايل عنوان ومشخصات كامل مطلب درخواستي و رشته و مقطع تحصيلي و شماره همراه خود را جهت اعلام نتيجه در قسمت نظرات ثبت کنید .

ضمناْ اگر از نظر وقت عجله دارید به ایمیل یا تلگرام زیر اعلام فرمائید

ایمیل ‏com.dr@yahoo.com‏ ‏‎ ‎‎ ‎‏ ‏‎ ‎‏ ‏‎‎

از طریق تلگرام یا واتساپ با این شماره درخواست خود را اعلام فرمایید : ‏09372002091‏ ‏‎ ‎‎ ‎‏ ‏‎ ‎‏ ‏‎‎

• 1
• 2
• 3
• 4
• 5

پایان نامه تشخيص هويت با استفاده تصاوير عنبيه چشم ( با فرمت ورد )

چکيده

روش هاي بيومتريک به دنبال روشي هستند که شناسايي افراد را به بدن انسان يعني ويژگي هاي منحصر به فرد آن مربوط کنند. انتظاري که از اين روش ها مي رود اين است که بهتر از روش هاي مرسوم عمل کنند زيرا بر مبناي چيزي که هستيد عمل مي کنند نه چيزي که مي دانيد يا همراه خود داريد. معمولا منظور از بيومتريک استفاده ي اتوماتيک يا نيمه اتوماتيک از ويژگي هاي فيزيولوژيکي و يا ويژگي هاي رفتاري که به بدن انسان بستگي دارند براي تشخيص و يا تاييد هويت فرد است. مشخصه هاي فيزيولوژيکي به عنوان مثال شامل اثر انگشت يا تصاوير صورت است. مشخصه هاي رفتاري شانل اعمال يا رفتاري است که از فرد سر مي زند مانند امضا يا لحن صحبت کردن. در مورد مشکلات روش هاي قديمي که از شماره رمز عبور به جاي سامانه بيومتريک استفاده مي کنند مثل سامانه هاي کارت خودپرداز بانکي، وقتي فرد مي خواهد از کارت خود استفاده کند لازم است که شماره تشخيص هويت شخصي خود را (PIN) وارد کند. در اين سامانه تائيد و يا تشخيص هويت بر مبناي چيزي که شخص به همراه دارد

(کارت) به اضافه اطلاعاتي شخص با خود دارد مي باشد، که اين يک مشکل بالقوه در اين سيستم است زيرا کارت ممکن است دزديده شود وشماره رمز را هم فرد ديگري مي تواند با خود داشته باشد. در حالي که در سامانه هاي بيومتريک اين مشکلات وجود ندارند و امکان تقلب در آن ها خيلي کم است و مي توانند به عنوان سامانه هاي ايده آل تشخيص هويت مورد استفاده قرار گيرند.

تحقيقات و پيشرفت هاي به دست آمده در دهه هاي اخير فصل جديدي را در تائيد و تشخيص هويت آغاز کرده است و در نتيجه آن روش هاي اتوماتيک بر پايه ويژگي هاي فردي انسان ها پايه گذاري شده اند. سامانه هاي بيومتريک جديد داراي قابليت تشخيص هويت افراد با سرعت و دقت و اطمينان و راحتي و همچنين ارزاني بالا را در اختيار ما قرار داده اند. پژوهش انجام شده در اين پايان نامه شامل طراحي و پياده سازي يک سامانه شناسايي جديد بر مبناي تحليل تصاوير عنبيه چشم مي باشد. در اين پايان نامه ابتدا الگوريتم جديدي براي پيدا کردن مرزهاي عنبيه و همچنين پلک ها ارائه مي شود. سپس با استفاده از موجک دوبچيز 2 و نيز فيلترهاي گابور در 8 جهت مختلف، براي هر تصوير ، يک کد توليد مي شود. در مرحله بعد کد به دست آمده از هر تصوير با کدهاي موجود در بانک اطلاعاتي مقايسه شده و با تعريف يک آستانه عمل تشخيص هويت انجام مي شود.

بافت عنبيه در حوزه فرکانس، کدهاي مناسب را توليد مي کنند. استخراج ويژگي مهم ترين بخش سامانه تشخيص هويت است. که در آن بردار ويژگي به دست آمده علاوه بر اينکه بايد حاوي تمام اطلاعات مهم موجود در بافت عنبيه باشد، بايد داراي ابعاد حتي الامکان کوچک نيز باشد زيرا بردارهاي با ابعاد بزرگ علاوه بر اينکه حجم زيادي براي ذخيره کردن لازم دارند، حجم محاسباتي بالايي را نيز درمراحل استخراج و تطابق به سامانه تحميل مي کنند .

نتايج به دست آمده بر روي تصاوير CASIA که شامل 756 تصوير از 108 نفر مي باشد، درصد موفقيت   99.76 % و نرخ خطاي معادل 0،0022 را نتيجه داده است. تحليل حساسيت سامانه در برابر تغييرات شدت نور . نويز و تباين نيز صورت گرفته است که نتايج به دست آمده نشان دهنده کارايي مناسب سامانه است.

همانطور که در قسمت هاي قبل هم ذکر شد در اين پروژه از پايگاه داده CASIA استفاده شده است. در مرحله استخراج ويژگي از نواحي مختلفي از ناحيه عنبيه استفاده شده و همچنين تقويت جزئيات که در فصل استخراج ويژگي توضيح داده شد بر روي معيارهاي مختلفي انجام گرفته و در نهايت دو ناحيه 90 درجه در دو طرف عنبيه در نظر گرفته شد و تقويت جزئيات نيز با توجه به ضرايب جزئيات قطري خروجي اعمال موجک دوبچيز 2 به دست آمد. با اعمال روش استخراج ويژگي برداري به طول 915 به عنوان ويژگي استخراج شده و برداري با همين ابعاد به عنوان بردار خطا توليد شد که مشخص کننده نواحي مسدود شده از عنبيه توسط مژه ها و پلک ها مي باشد. با توجه به مشکل دوران که راه حل آن در فصل قبل اشاره شد وانتخاب تطبيق گر به صورتي که در همان فصل توضيح داده شد، سامانه پياده سازي گرديد. شکل 6-4 چگونگي کارکرد سامانه را به طور کلي نشان مي دهد.

• 1
• 2
• 3
• 4
• 5

پايان نامه : بررسي روشهاي تشخيص چهره در تصوير

نیاز به سیستم های اطلاعاتی بهبود یافته بیشتر از قبل مورد توجه قرار گرفته است چرا که اطلاعات عنصری اساسی در تصمیم سازی است و جهان در حال افزایش دادن مقدار اطلاعات در فرم های مختلف با درجه هایی از پیچیدگی است. یکی از مسائل اصلی در طراحی سیستم های اطلاعاتی مدرن ، تشخیص الگو به طور اتوماتیک است. تشخیص به عنوان یک صفت اصلی انسان بودن است. یک الگو ، توصیفی از یک شیء است. یک انسان دارای یک سیستم اطلاعاتی سطح بالاست که یک دلیل آن داشتن قابلیت تشخیص الگوی پیشرفته است. بر طبق طبیعت الگوهای مورد تشخیص ، عملیات تشخیص در دو گونه ی اصلی تقسیم می شوند: تشخیص آیتم های واقعی. این ممکن است به عنوان تشخیص سنسوری معرفی شود که تشخیص الگوهای سمعی و بصری را دربر می گیرد. این فرآیند تشخیص ، شناسایی و دسته بندی الگوهای فضایی و الگوهای زمانی را در بر می گیرد. مثال هایی از الگوهای فضایی کارکترها ، اثر انگشت ها ، اشیاء فیزیکی و تصاویر هستند. الگوهای زمانی شامل فرم های موجی گفتار، سری های زمانی و … هستند. تشخیص آیتم های انتزاعی. 1 از طرف دیگر ، یک بحث قدیمی یا یک راه حل برای مسئله ، قابل تشخیص است. این فرآیند شامل تشخیص آیتم های انتزاعی است و می توان آن را تشخیص انتزاعی خواند.

در واقع تشخیص انسان ، یک پرسش تخمین زدن احتمال نسبی ای است که یک داده ی ورودی به یکی از مجموعه های جمعیت های آماری شناخته شده ، که وابسته به تجربیات گذشته است ، می تواند مرتبط باشد. بنابراین مسئله ی تشخیص الگو ممکن است به عنوان یک مسئله ی تشخیص اختلاف داده ی ورودی با جمعیت ها به وسیله ی جستجو ی ویژگی ها یا صفات ثابت در میان اعضای یک جمعیت مورد توجه قرار گیرد.......

چهره نقش اساسی را در شناسایی افراد و نمایش احساسات آنها در سطح جامعه دارد. توانایی انسان در تشخیص چهره ها قابل توجه است ما می توانیم هزاران چهره ی یاد داده شده در طول عمرمان را تشخیص دهیم و در یک نگاه چهره های آشنا را حتی پس از سالها جدایی شناسایی کنیم. این مهارت در مقابل تغییرات در شرایط دیداری مانند حالت چهره، سن و همچنین تغییراتی در عینک ، ریش یا سبک مدل موها ایستادگی می کند. تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستم های امنیتی ، کنترل کارت اعتباری و شناسایی مجرمان شده است. برای مثال ، قابلیت مدل کردن یک چهره ی خاص و تمیز دادن آن از یک تعداد فراوان از مدل های چهره ی ذخیره شده ، شناسایی مجرمان را به صورت گسترده ای بهبود خواهد بخشید. اگرچه درست است که انسان ها در تشخیص چهره توانا هستند اما نحوه ی کدینگ و دی کدینگ چهره ها در مغز انسان کاملا آشکار نیست. تشخیص چهره ی انسان برای بیش از بیست سال مورد مطالعه قرار گرفته است. توسعه ی یک مدل محاسباتی برای تشخیص چهره کاملا دشوار است و دلیل آن پیچیدگی چهره ها و ساختار چند بعدی بینایی است. بنابراین تشخیص چهره یک فعالیت سطح بالا در بینایی کامپیوتر است و می تواند بسیاری از تکنیک های بینایی اولیه را در بر گیرد.

• 1
• 2
• 3
• 4
• 5

مقاله : بازشناسی چهره با يک تصويرتوسط شبکه های عصبی

چکيده

در اين مقاله با استفاده از توليد تصاوير مجازي به کمک شبکه های عصبی، مسئله بازشناسی چهره با يک تصوير از هر فرد مورد توجه قرار گرفته است. برای جداسازی اطلاعات شخص از حالت و تخمين مانيفولدهای زيرفضاهای مربوطه، از يک شبکه عصبی تحليل گر غيرخطی اطلاعات چهره استفاده شده است. به منظور افزايش تعداد نمونه های تعليم در شبکه طبقه بندی کننده، به کمک مانيفولدهای تخمين زده شده، تصاوير مجازی از چهره های نرمال موجود در پايگاه داده اصلی توليد شده است. با طراحی ساختارهای مختلفی از شبکه های عصبی مصنوعی به منظور استخراج مؤلفه های زيرفضاهای اطلاعات فرد و حالت، کيفيت چهره های مجازی و درنتيجه درصد صحت بازشناسی در شبکه طبقه بندی کننده بهبود می¬يابد. برای تخمين بهتر مانيفولدهای اطلاعات شخص و بهبود قدرت تعميم، يک روش تعليم برمبنای خوشه بندی بدون سرپرستی ارائه شده است. با به کارگيری اين روش و تعليم شبکه طبقه بندی کننده به کمک تصاوير مجازی حاصل، درصد صحت بازشناسی %63/83  روی دادگان تست حاصل شده که نسبت به حالت تعليم شبکه طبقه بندی کننده فقط با تصاوير نرمال دارای بهبود %73/12 است.

• 1
• 2
• 3
• 4
• 5

پايان نامه : روش های استخراج ویژگی های چهره

• 1
• 2
• 3
• 4
• 5

مقاله :  بررسی سیستم تشخیص اثر انگشت ( Fingerprint Recognition )

مقدمه:

امنیت در بالاتر میزان خود، آن چیزي است که هر روز بیش از گذشته، تاثیر آن را در دنیاي کامپیوتر و تعاملات شبکه، اینترنت و ادوات و ابزارهاي ذخیره سازي حس می کنیم . بدون امنیت با ضریب بالا، هیچ اطلاعات و داده اي از گزند سارقان و نفوذگران در امان نیست . پسوردها و مواردي مانند آن، بخشی از امنیت ما را تامین می کنن د. اما براي حفاظت از ذخایر اطلاعاتی و داده ها، به تدریج می بایست به سوي فاکتورهاي مهم تري پیش رفت . در این میان اثر انگشت و قرنیه چشم، دو فاکتور مهم و قابل اتکایی هستند که به وسیله آنها و با توجه به یکتا بودن آنها در رابطه با هر شخص، به میزان بسیار زیادي می توان به تامین امنیت بورسیه آنها دست یافت . اکنون لپ تاپ ها و هارد دیسک هایی وجود دارند که صرفاَ بر اساس فاکتور اثر انگشت می توان به اطلاعات درون آنها دست پیدا کرد . بتدریج دایره ادوات و ابزارهایی که متکی به این فناوري هستند، گسترش خواهند یافت . درب هاي منازل، درب اتومبیل ها، کیف ها و ... که صرفاَ براساس اثر انگشت مالک آنها گشوده می شوند. هم اکنون شما می توانید با خرید یک لپ تاپ یا یک هارد اکسترنال مجهز به اثر انگشت با قیمتی مناسب، با اطمینانی بسیار بالا اطلاعات خود اعم از تصاویر متون مهم و سایر داده هاي خود را در آنها ذخیره نمایید و حتی با به سرقت رفتن و یا مفقود شدن آنها، مطمئن باشید که اطلاعات شما در دسترس دیگران قرار نخواهد گرفت. اما در این مورد سوالات زیادي وجود دارد . بررسی این تکنیک، جزئیات، چگونگی استفاده از اثر انگشت و سایر موارد، از جمله پرسش ها و ابهامات بسیاري از علاقمندان به مباحث امنیت اطلاعات است که تلاش می شود در ادامه این مقاله، بدانها پرداخته و تا حد امکان، نکات اصلی تشریح شوند.

• 1
• 2
• 3
• 4
• 5

مقاله : شمارش خودکار درختان در تصاویر ماهوارهاي با قدرت تفکیک بالا به کمک عملگرهاي مورفولوژیک

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

مقاله : تشخيص اتوماتيک گفتار

• 1
• 2
• 3
• 4
• 5

مقاله : تشخیص هویت  درهوش مصنوعی

دريافت Download ( Farsi Fonts - Arabic Fonts ) Font

نام فايل	اسم فونت	اسم فونت
ARABICS.TTF	Arabic Style	عربيک استايل
ARSHIA.TTF	Arshia	ارشيا
BADR.TTF	Badr	بدر
BADRB.TTF	Badr Bold	بدر بولد
BSEPEHR.TTF	Sepehr	سپهر
COMPSET.TTF	Compset	کامپ ست
COMPSETB.TTF	Compset Bold	کامپ ست بولد
ELHAM.TTF	Elham	الهام
FANTEZY.TTF	Fantezy	فانتزي
FARNAZ.TTF	Farnaz	فرناز
FERDOSI.TTF	Ferdosi	فردوسي
HOMA.TTF	Homa	هما
IranNastaliq.ttf	Iran Nastaliq	ايران نستعليق
JADIDB.TTF	Jadid Bold	جديد بولد
KAMRAN.TTF	Kamran	کامران
KAMRANB.TTF	Kamran Bold	کامران بولد
KOODAKB.TTF	Koodak Bold	کودک بولد
LOTUS.TTF	Lotus	لوتوس
LOTUSB.TTF	Lotus Bold	لوتوس بولد
MAJIDSH.TTF	Majid shadow	مجيد شدو
MITRA.TTF	Mitra	ميترا
MITRAB.TTF	Mitra Bold	ميترا بولد
NASIMB.TTF	Nasim Bold	نسيم بولد
NAZANIN.TTF	Nazanin	نازنين
NAZANINB.TTF	Nazanin Bold	نازنين بولد
PERSIAN.TTF	Pershian Nimrooz	پرشين نيمروز
Persweb.ttf	Persian Web	پرشين وب
PFONT.TTF	Persian Font	پرشين فونت
ROYA.TTF	Roya	رويا
ROYAB.TTF	Roya Bold	رويا بولد
SEPEHR.TTF	Sepehr	سپهر
SINAB.TTF	Sina Bold	سينا بولد
TABASSOM.TTF	Tabassom	تبسم
TITRB.TTF	Titr Bold	تيتر بولد
TRAFFIC.TTF	Teraffic	ترافيک
TRAFFICB.TTF	Teraffic Bold	ترافيک بولد
YAGUT.TTF	Yagut	ياقوت
YAGUTB.TTF	Yagut Bold	ياقوت بولد
ZAR.TTF	Zar	زر
ZARB.TTF	Zar Bold	زر بولد