Đang tải... (xem toàn văn)
Tìm hiểu các đặc trưng sinh trắc ảnh khuôn mặt, nghiên cứu ứng dụng của phép biến đổi KL và phân tích thành các thành phần chính (PCA) trong trích chọn đặc trưng khuôn mặt Biến đổi KL có nguồn gốc từ khai triển chuỗi của các các quá trình ngẫu nhiên liên tục. Biến đổi KL cũng còn gọi là biến đổi Hoteling hay phương pháp thành phần chính. Để tiện theo dõi ta cũng cần nhắc lại một số khái niệm và định nghĩa trong xử lý thống kê.
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG BÀI TẬP LỚN XỬ LÍ ẢNH ĐỀ 36: Tìm hiểu đặc trưng sinh trắc ảnh khuôn mặt, nghiên cứu ứng dụng phép biến đổi KL phân tích thành thành phần (PCA) trích chọn đặc trưng khuôn mặt (Face Feature Extraction) Giáo viên hướng dẫn : PGS.TS.Nguyễn Thị Hoàng Lan Sinh viên : Vũ Thành Trung – 20073070 Nguyễn Hồng Phúc – 20072236 Trần Đình Cường - 20073604 Lớp : Truyền thông & Mạng K52 Hà nội, tháng 5/2011 MỤC LỤC MỞ ĐẦU Trong sống đại, khoa học công nghệ ngày phát triển, nhiều vấn đề khó khăn lĩnh vực xã hội loài người máy móc giải triệt để Chúng ta kể đến công nghệ xử lí ảnh đại giúp ích nhiều nhiều khía cạnh nghiên cứu khoa học, phát triển công nghệ, chụp hình, lưu trữ, truyền thông Như vậy, việc tập trung tìm hiểu, nghiên cứu công nghệ xử lí ảnh đại quan trọng Ngày nay, nước phát triển dần mang ứng dụng công nghệ xử lí ảnh (ảnh số) sâu vào đời sống, kết hợp với nhiều ngành khoa học khác để đưa giải pháp mang tính cách mạng Một số việc kết hợp sinh học khoa học công nghệ xử lí ảnh, xây dựng môn nghiên cứu mới: sinh trắc học Các ứng dụng sinh trắc học sống như: nhận dạng, phát đối tượng (con người), hệ thống giám sát thông minh, hệ thống thẻ, hộ chiếu sinh trắc đại Sau trình tìm hiểu, chúng em định lựa chọn tiểu luận môn học Xử lí ảnh với đề tài: đặc trưng sinh trắc ảnh khuôn mặt; nghiên cứu ứng dụng phép biến đổi KL phân tích thành thành phần (PCA) trích chọn đặc trưng khuôn mặt (Face Feature Extraction) Đây mảng nghiên cứu mới, đòi hỏi việc tìm hiểu nguyên lí ứng dụng triển khai dựa sinh trắc học Trong suốt trình thực hiện, chúng em nỗ lực tìm hiểu kiến thức để hoàn thành tiểu luận tốt Tuy nhiên, với phạm vi tiểu luận, báo cáo chắn tránh khỏi thiếu xót, sơ xuất Chúng em xin chân thành cảm ơn hướng dẫn, giúp đỡ nhiệt tình PGS.TS.Nguyễn Thị Hoàng Lan để hoàn thành tiểu luận Nhóm sinh viên I Đặc trưng sinh trắc ảnh khuôn mặt Tổng quan sinh trắc học công nghệ sinh trắc học 1.1 Công nghệ sinh trắc học Như biết, người sinh có đặc điểm sinh học tự nhiên riêng biệt phân biệt người với người kia, khó trùng lặp Các đặc điểm bị thay đổi sống trừ tác động khách quan chủ quan như: tai nạn, tổn thương, phẫu thuật chỉnh hình Chính yếu tố riêng biệt đó, nhà khoa học tập trung nghiên cứu, tìm hiểu đặc trưng sinh trắc người áp dụng vào biện pháp giúp nhận dạng, xác định danh tính người Các đặc trưng sinh trắc chia làm hai loại: - Đặc trưng sinh lý: đặc trưng liên quan đến hình dạng, cấu tạo thể, ví dụ vân tay, khuôn mặt, vân lòng bàn tay, tĩnh mạch ngón tay, tĩnh mạch lòng bàn tay, tròng mắt, hình dạng tay, tai, cấu - tạo răng, mùi thể, ADN Đặc trưng hành vi: đặc trưng liên quan đến hành động, ví dụ dáng đi, giọng nói, chữ ký, hình thức gõ phím… Hình 1- Những đặc trưng sinh trắc học người Công nghệ sinh trắc học (biometric) [10] công nghệ sử dụng thuộc tính vật lý mẫu hành vi, đặc điểm sinh học đặc trưng mẫu vân tay, mẫu võng mạc mắt, giọng nói, khuôn mặt, dáng để nhận diện cá thể người tồn sở liệu Công nghệ sinh trắc học áp dụng phổ biến lâu đời công nghệ nhận dạng dấu vân tay (hình thức điểm dấu vân tay) dấu vân tay nhận biết đặc điểm quan trọng để phân biệt người người khác Ngày với phát triển không ngừng công nghệ thông tin, công nghệ sinh trắc học ngày nghiên cứu mở rộng phát triên lên tầm cao đáp ứng yêu cầu ngày cao bảo mật, an toàn liệu mà phương pháp thông thường khác thực Với nhu cầu bảo mật ngày cao ứng dụng kiểm soát truy nhập, kiểm soát vào ra, kiểm soát xuất nhập cảnh… nhận dạng sinh trắc học chứng minh tiềm ứng dụng hệ thống quản lý nhân dạng số lượng lớn 1.2 Cấu trúc hệ thống sinh trắc học Dựa vào đặc điểm sinh trắc học người, hệ thống nhận dạng sinh trắc học đời nhằm giải nhiều vấn đề có liên quan tới bảo mật, an ninh, khoa học hay nhu cầu khác sống Cấu tạo hệ thống nhận dạng sinh trắc học bao gồm thành phần sau: Hình – Sơ đồ tổ chức hệ thống sinh trắc học - Thiết bị thu nhận đặc trưng (sensor): thiết bị tương tác với người dùng nhằm thu nhận đặc điểm sinh trắc người Một số loại thiết bị thu nhận điển hình gồm camera nhằm chụp ảnh khuôn mặt, tròng mắt, hình dáng tai; micro dùng thu âm giọng nói; thiết bị thu nhận vân tay; thiết bị thu nhận tĩnh mạch; thiết bị thu nhận ADN… Xử lý: khối nhằm trích chọn đặc trưng riêng biệt - người lưu lại thành mẫu Mỗi người có mẫu riêng, đặc trưng sinh trắc người thể mẫu tạo Nếu lần người sử dụng đăng ký với hệ thống, mẫu tạo cập nhật vào sở liệu mẫu Nếu lần đăng nhập sau, mẫu so sánh với mẫu có sẵn để xác định danh tính người - có mẫu Cơ sở liệu mẫu: lưu trữ liệu mẫu sinh trắc cá - nhân nhằm phục vụ cho việc đối sánh So sánh định: từ mẫu người vừa thu thập được, mẫu so sánh với mẫu có sẵn sở liệu để xác định xem mẫu trùng với mẫu lưu sẵn Nếu việc so sánh cho thấy có mẫu trùng hợp, hệ thống định dựa việc xác thực danh tính mẫu thu nhận Các hệ thống nhận dạng sinh trắc học đem đến giải pháp an toàn cho ứng dụng bảo mật đặc trưng sinh trắc là: Duy nhất: nguyên tắc để xây dựng hệ thống nhận dạng sinh trắc học tính đặc trưng Tùy theo đặc trưng sinh trắc khác mà tính hệ thống khác Ví dụ lý thuyết nay, đặc trưng tròng - mắt phân biệt 1078 người khác Không thể chia sẻ: đặc trưng sinh trắc thuộc tính riêng gắn liền với cá nhân, chia sẻ việc sử dụng đặc trưng với người khác chia sẻ việc sử dụng mật - thẻ Không thể chép: đặc trưng sinh trắc gần bị chép, đặc biệt với công nghệ đảm bảo đặc trưng thu nhận từ người sống, từ chép - Không thể mất: ngoại trừ trường hợp tai nạn, đặc trưng sinh trắc bị Qua đặc điểm trên, việc nhận dạng sinh trắc học mặt nâng cao tính bảo mật giảm thiểu gian lận, loại bỏ vấn đề liên quan đến việc quên mật khẩu, thẻ tín dụng, thẻ ATM… Mặt khác, cho phép quản lý, giám sát tự động hành vi người: làm việc đó, đâu Ngoài ra, với khả dễ dàng tích hợp với hệ thống khác, hệ thống nhận dạng sinh trắc học ngày áp dụng nhiều hơn, đầu tư nghiên cứu nhiều nhằm tăng tính bảo mật, ổn định thân thiện với người dùng 1.3 Ứng dụng hệ thống sinh trắc học Với ưu điểm tính an toàn, tiện lợi so với phương pháp xác thực truyền thống, hệ thống sinh trắc ngày trở nên phổ biến ứng dụng cần xác thực danh tính người sử dụng.Các ứng dụng nhận dạng sinh trắc học đa dạng, áp dụng rộng rãi hoạt động phủ công ty, tổ chức thương mại, bao gồm từ việc quản lý nhân công, quản lý khách hàng, quản lý vào ra, tới quản lý xuất nhập cảnh, quản lý tội phạm… Theo International Biometric Group, ứng dụng nhận dạng sinh trắc học liệt kê sau [10]: - Thi hành pháp luật: công nghệ nhận dạng sinh trắc học sử dụng từ lâu phương tiện an toàn để xác thực danh tính tội phạm Một ứng dụng thu thập vân tay trường vụ án, so sánh với mẫu vân tay có sẵn sở liệu để xác định danh tính người cần điều tra Hiện nay, sở liệu vân tay lớn thuộc Cục điều tra liên bang Mỹ FBI với khoảng 70 triệu mẫu vân tay; quản lý công văn, hợp đồng (sử dụng - công nghệ nhận dạng vân tay); Giám sát: hệ thống nhận dạng sinh trắc học sử dụng để tự động định vị, theo dõi định danh người khu vực định Hiện nay, hệ thống bao gồm số camera giám sát kết hợp với đặc trưng sinh trắc để giám sát Khuôn mặt đặc trưng sinh trắc sử dụng nhiều loại Những hệ thống giám sát gần xác định danh tính người từ khoảng cách 200m sử dụng khuôn mặt Tròng mắt ứng dụng để xác định danh tính từ khoảng cách xa So với khuôn mặt, tròng mắt cho độ xác cao kích thước nhỏ nên việc thu nhận tròng mắt yêu cầu khoảng cách gần Những hệ thống gần cho phép nhận dạng người sử - dụng tròng mắt từ khoảng cách 15m Xuất nhập cảnh: việc tự động hóa tăng cường an ninh việc xác thực danh tính người xuất nhập cảnh ngày quan tâm số lượng người xuất nhập cảnh tăng lên nhanh chóng Hiện nay, hộ chiếu điện tử trở thành tiêu chuẩn quốc tế ICAO áp dụng rộng rãi 70 nước bao gồm Mỹ, Liên minh Châu Âu (Anh, Pháp, Đức, Italia, Hà Lan…), Úc, Hàn Quốc, Singapore… Hộ chiếu điện tử (e-Passport - sử dụng công nghệ nhận dạng vân tay, nhận dạng mặt người) loại thẻ thông minh có nhớ lưu trữ thông tin đặc trưng sinh trắc - cá nhân bao gồm vân tay, khuôn mặt, tròng mắt Chống gian lận: công nghệ nhận dạng sinh trắc học sử dụng ứng dụng công cộng nhằm kiểm soát việc cá nhân hưởng lợi từ việc đăng ký nhiều danh tính khác Hiện nay, liên hiệp quốc sử dụng vân tay để kiểm soát việc trợ cấp lương thực tránh trường hợp người gian lận việc nhận trợ cấp nhiều lần khai báo nhiều danh tính khác - Khách du lịch tin cậy: ứng dụng cho phép khách du lịch đăng ký đặc trưng sinh trắc vân tay, tròng mắt với chương trình giúp cho lần du lịch đơn giản, nhanh chóng nhiều phải kiểm tra nhân dạng kios, điển chi nhánh Disneyland Florida Hồng Kông thực đưa nhận dạng vân tay vào việc bán vé - Quản lý vào ra: công nghệ nhận dạng sinh trắc học sử dụng nhằm xác định xác thực nhân dạng người quyền vào khu vực cụ thể; hệ thống điều khiển truy cập: hệ thống xác thực cho phép truy cập tới khu vực nguồn tài nguyên (tài khoản ngân hàng, máy tính mạng máy tính, website, cửa vào ); AFIS (Automated Fingerprint Identification - System - Hệ thống nhận dạng vân tay tự động) Quản lý nhân công: vân tay sử dụng phổ biến việc quản lý thời gian đi, thời gian đến, giám sát có mặt nhân công; chấm công tính lương (trong nhà máy xí nghiệp - sử - dụng công nghệ nhận dạng vân tay) Quản lý khách hàng: ứng dụng loại cần xác thực danh tính khách hàng trước thực giao dịch Thay cho phương thức truyền thống mật khẩu, số PIN, thẻ, chữ ký, khách hàng sử dụng đặc trưng sinh trắc để xác thực danh tính cách nhanh chóng, thuận tiện an toàn Rất nhiều ngân hàng giới đưa nhận dạng vân tay, khuôn mặt, tròng mắt tĩnh mạch lòng bàn tay vào việc thực giao dịch với khách hàng; toán ngân hàng; trả tiền tự động - ATM Bảo vệ tài sản: ứng dụng cho phép người dùng bảo vệ thông tin, tài sản trước người sử dụng khác Ví dụ bao gồm dùng vân tay để truy cập vào máy tính xách tay, dùng vân tay thay cho khóa tủ, dùng giọng nói để khởi động xe ôtô; an ninh giám sát siêu thị, cửa hàng, tiệm vàng, tòa nhà cao tầng (hệ thống camera giám sát mặt người) Các ứng dụng cho thấy công nghệ nhận dạng sinh trắc học thường sử dụng yêu cầu tính bảo mật, hiệu tiện lợi Với đa dạng ứng dụng, hệ thống nhận dạng sinh trắc học phát triển nhanh chóng Theo số liệu từ tổ chức International Biometric Group, doanh thu hệ thống nhận dạng sinh trắc năm 2009 tỷ USD tăng gấp vào năm 2014 lên tỷ USD Đặc trưng sinh trắc khuôn mặt người 2.1 Các đặc trưng sinh trắc khuôn mặt Các đặc trưng sinh trắc khuôn mặt đặc điểm riêng khuôn mặt người gần không thay đổi theo thời gian (trừ số cố, tai nạn, phẫu thuật chỉnh hình ), đặc điểm phân biệt người người kia, khó xảy trùng lặp Dựa nhận xét thực tế, người dễ dàng nhận biết khuôn mặt đối tượng tư khác điều kiện ánh sáng khác nhau, phải tồn thuộc tính hay đặc trưng không thay đổi Chính thế, việc xác định định danh, nhận dạng khuôn mặt người thông qua đặc trưng sinh trắc học đảm bảo độ xác, tin cậy cao Một số đặc điểm đặc trưng sinh học khuôn mặt người như: - Màu da mặt người - Trán - Xương gò má - Mắt - Mũi - Miệng - Tai - Khuôn mặt - Lông mày Hiện nay, hệ thống sinh trắc học có khả nhận dạng khuôn mặt người (face recognition) thông qua việc phân tích, xử lí đặc trực sinh trắc học khuôn mặt 2.2 Các phương pháp xác định đặc trưng sinh trắc ảnh khuôn mặt người 2.2.1 Phương pháp tiếp cận màu da (Skin Color Approaches Model) Phương pháp cho phép phát xem ảnh có chứa (nội dung) khuôn mặt người hay không, từ xác định xem đâu khuôn mặt, vị trí khuôn mặt Ý tưởng thực phương pháp phân vùng rõ ràng vùng có xuất da vùng không xuất da Ngày nay, có nhiều kĩ thuật phát triển triển khai để phân vùng da người ảnh Các điểm ảnh ảnh biểu diễn 10 điểm tập trung quanh đường thẳng Hình (a) cho thấy r1 r2 không phụ thuộc vào nhau, mức độ phụ thuộc tăng dần từ trái sang phải Trong hình (c) ta thấy rõ ràng thay cho hai phép đo ban đầu ta đo đại lượng r2-kr1 e Ma trận hiệp phương sai Hiệp phương sai hai đại lượng A B định nghĩa trung bình tích hai đại lượng đo mẫu (giả thiết liệu dạng mean derivation form): Hiệp phương sai cho biết mức độ phụ thuộc đại lượng Giá trị hiệp phương sai cho thấy A B hoàn toàn liên hệ Giá trị hiệp phương sai phương sai A B A=B Như vậy, nhiễu đặc trưng phương sai dư thừa đặc trưng hiệp phương sai Một cách đơn giản để tổng hợp hai tính chất liệu tính ma trận hiệp phương sai Giả thiết liệu mean derivation form, ta có công thức: SX ma trận vuông kích thước mxm đó: • Các phần tử đường chéo phương sai phép đo • Các phần tử khác hiệp phương sai phép đo Dễ thấy SX ma đối xứng hiệp phương sai A B giống hiệp phương sai B A Ma trận hiệp phương sai cho ta biết tính chất tất cặp phép đo, từ gợi ý ta xác định độ “tốt” cách biểu diễn lại X f dựa ma trận hiệp phương sai Y Chéo hóa ma trận hiệp phương sai Rõ ràng liệu tốt liệu nhiễu dư thừa Ma trận hiệp phương sai liệu có thành phần nằm đường chéo Các thành phần đường chéo cho ta thấy phương sai thành phần liệu, phương sai lớn cho thấy nhiều thông tin chứa đựng thành phần 26 phương sai nhỏ cho thấy thành phần nhiễu Dựa vào ta giữ lại thành phần quan trọng loại bỏ thành phần lại Vậy, mục tiêu phương pháp PCA là: Tìm ma trận trực giao P cho với Y=PX SY ma trận chéo 1.2.2 Giải toán PCA Đặt A=XXT biến đổi SY sau: Lời giải toán ma trận P có hàng véc-tơ riêng A, PAPT ma trận chéo với thành phần đường chéo trị riêng tương ứng với véc-tơ riêng P Ứng dụng nhận dạng khuôn mặt phương pháp PCA 2.1 Mục tiêu Khảo sát ứng dụng ứng dụng nhận dang khuôn mặt theo phương pháp PCA để thấy ứng dụng phép biến đổi KL, PCA 2.2 2.3 trích chọn đặc trưng khuôn mặt Mục tiêu ứng dụng: nhận dạng xác khuôn mặt thử nghiệm dựa khuôn mặt có sẵn Môi trường Phần mềm Matlab Phân tích Ứng dụng nhận dạng dựa phương pháp thiết lập khuôn mặt riêng – eigenface từ trị riêng, vectơ riêng tập sở liệu ảnh khuôn mặt có Ý tưởng phương pháp phân tích 27 thành phần chủ yếu tạo nên khuôn mặt, vectơ riêng ma trận hiệp phương sai tập ảnh khuôn mặt Mỗi vectơ chưa số lượng đặc tính riêng biệt khuôn mặt từ tạo khác khuôn mặt Bên cạnh vectơ riêng biểu diễn giống với khuôn mặt, vậy, vectơ gọi khuôn mặt riêng – eigenfaces Các bước thực giải thuật: - Yêu cầu tạo khởi tạo tập liệu bao gồm khuôn mặt (tập liệu huấn luyện) Tính khuôn mặt riêng từ tập liệu huấn luyện có giữ lại M ảnh tương ứng với M trị riêng lớn Các vectơ riêng tương ứng với trị riêng tạo nên không gian mặt 28 - - Tính toán trọng số không gian nhóm khuôn mặt tương ứng sở liệu cách chiếu lên không gian mặt Tính toán tập số khuôn mặt cần nhận dạng cách chiếu lên M khuôn mặt riêng có Quyết định xem hình ảnh đưa vào có phải ảnh khuôn mặt hay không Nếu ảnh đưa vào ảnh khuôn mặt, dựa vào trọng số tính trên, xác định xem ảnh có thuộc nhóm khuôn mặt biết hay không Nếu ảnh khuôn mặt tương ứng với nhóm khuôn mặt có sở liệu, tính toán cập nhật khuôn mặt riêng trọng số riêng (bước bỏ qua số ứng dụng) Nếu khuôn mặt lạ xuất nhiều lần, ta tập hợp lại thành nhóm tạo sở liệu Như vậy, KL, PCA đóng vai trò xác định tổ hợp vectơ riêng – khuôn mặt riêng, tạo nên không gian mặt - facespace biểu diễn tốt khuôn mặt Chi tiết bước thực hiện: a Tính vectơ khuôn mặt riêng: Giả sử ta có ảnh I(x,y) mảng chiều NxN giá trị cường độ (8bits), coi ảnh vector chiều N 2, với ảnh có kích cỡ điển hình 256x256, vector chiều ảnh 256x256 = 65 536, hay tương ứng với điểm không gian chiều 65 536 Do đó, tập ảnh tham chiếu sang tập điểm không gian Để có chi tiết cần thiết, ảnh khuôn mặt cần biểu diễn không gian nhỏ Tương đương với việc ta cần tính vector riêng ma trận hiệp phương sai (các khuôn mặt riêng) Gọi ảnh tập huấn luyện Γ1, Γ2, Γ3,…, ΓM Khuôn mặt trung bình tập ký hiệu: Mỗi khuôn mặt chênh lệch với khuôn mặt trung bình đại lượng vector : 29 Tập vector phân tích để xác định M vector trực giao un biểu diễn tốt tập liệu Vector thứ k, uk, lựa chọn cho: có giá trị cao nhất, với ràng buộc : Vector uk λk tương ứng vector riêng trị riêng ma trận hiệp phương sai: Như vậy, ma trận C có kích thước N 2x N2 , việc xác định N2 vector riêng giá trị riêng khó thực với kích thước ảnh điển hình Ta cần phương pháp dễ dàng để tìm vector riêng Ta giữ lại vectơ riêng tương ứng với trị riêng lớn vectơ riêng chứa nhiều đặc trưng nhất, vectơ ứng với trị riêng nhỏ chứa số đặc trưng Nếu số điểm liệu không gian ảnh nhỏ chiều không gian (M[...]... của ứng viên; Dae và Nam xem xét các đặc trưng không thay đổi khi thay đổi tư thế của khuôn mặt bằng cách xem xét các quan hệ hình học Sau đó ước lượng các tư thế của khuôn mặt rồi xây dựng dữ liệu để xác định thông qua PCA Tỷ lệ chính xác là 76% [7] II Nghiên cứu ứng dụng của phép biến đổi KL và phân tích thành các thành phần chính (PCA) trong trích chọn đặc trưng khuôn mặt 1 Cơ sở lí thuyết 1.1 Phép. .. Đánh dấu và tách chọn ra các đặc trưng sinh trắc của khuôn mặt (theo IBM) 13 Hình – Sau khi thực trích chọn và tách các đặc trưng sinh trắc học khuôn mặt, tiến hành xây dựng các mẫu khuôn mặt để tìm kiếm và đối sánh tập các mẫu trong cơ sở dữ liệu Một số phương pháp điển hình trong việc xác định, trích chọn các đặc trưng sinh trắc học khuôn mặt như trên: a Mô hình mạng Neural của H.Rowley đề xuất [2] Hình... giải của bài toán là ma trận P có các hàng là các véc-tơ riêng của A, khi đó PAPT là ma trận chéo với các thành phần trên đường chéo là các trị riêng tương ứng với các véc-tơ riêng trong P 2 Ứng dụng nhận dạng khuôn mặt bằng phương pháp PCA 2.1 Mục tiêu Khảo sát một ứng dụng ứng dụng nhận dang khuôn mặt theo phương pháp PCA để thấy được ứng dụng của phép biến đổi KL, PCA trong 2.2 2.3 trích chọn đặc trưng. .. trưng khuôn mặt Mục tiêu của ứng dụng: nhận dạng chính xác nhất khuôn mặt thử nghiệm dựa trên những khuôn mặt đã có sẵn Môi trường Phần mềm Matlab Phân tích Ứng dụng nhận dạng dựa trên phương pháp thiết lập các khuôn mặt riêng – eigenface từ các trị riêng, vectơ riêng của một tập cơ sở dữ liệu các ảnh khuôn mặt đã có Ý tưởng của phương pháp là phân tích các 27 thành phần chủ yếu tạo nên khuôn mặt, hoặc... bằng cách chiếu lên M khuôn mặt riêng đã có Quyết định xem hình ảnh đưa vào có phải là ảnh khuôn mặt hay không Nếu ảnh đưa vào là ảnh khuôn mặt, dựa vào trọng số đã tính ở trên, xác định xem ảnh có thuộc các nhóm khuôn mặt đã biết hay không Nếu ảnh khuôn mặt này tương ứng với nhóm khuôn mặt đã có trong cơ sở dữ liệu, tính toán cập nhật các khuôn mặt riêng và các trọng số riêng (bước này có thể bỏ qua trong. .. nhất Trong nhiều thực nghiệm, với cơ sở M=16 ảnh khuôn mặt, M’=7 khuôn mặt riêng được sử dụng Trong ứng dụng, với M = 30, có M'=29 vectơ riêng được sử dụng Một ảnh mặt mới (Γ) được biến đổi thành các thành phần khuôn mặt riêng (chiếu vào không gian ảnh mặt) bằng một biến đổi đơn giản Với k = 1,…, M’ uTk là các vectơ riêng ta đã tính ở trên Các trọng số của một vector ΩT = [ω1, ω2, …, ωM’ ] mô tả các phần. .. toán các khoảng cách Euclide của khuôn mặt cần nhận dạng với các khuôn mặt khác ta thu được kết quả: 35 Các khuôn mặt có khoảng các Euclide gần nhất với khuôn mặt cần nhận diện Khuôn mặt có khoảng cách Euclide bằng 0 chính là khuôn mặt cần nhận dạng, trong thực tế, không bao giờ khuôn mặt cần nhận dạng cũng có trong tập thử nghiệm, vì vậy, để nhận dạng một ảnh khuôn mặt, người ta sẽ chọn khuôn mặt trong. .. liên quan của mỗi khuôn mặt riêng trong biểu diễn ảnh khuôn mặt nhập vào; 31 coi các khuôn mặt riêng như môt tập cơ sở các ảnh khuôn mặt Vector này có thể được sử dụng trong giải thuật nhận dạng chi tiết chuẩn để tìm ra một số các lớp khuôn mặt định trước Phương pháp đơn giản nhất để xác định lớp khuôn mặt nào mô tả tốt nhất ảnh khuôn mặt nhập vào là tìm lớp khuôn mặt k làm cực tiểu hóa khoảng cách Euclide:... trưng của R với là các trị riêng và là các véctơ riêng tương ứng Đây chính là cơ sở lý thuyết của biến đổi KL 1.1.2 Biến đổi KL a Khái niệm Cho là một vectơ các số thực ngẫu nhiên; vectơ cơ sở của biến đổi KL là các véctơ riêng trực giao của ma trận hiệp biến cho bởi phương trình: Biến đổi KL của là: và biến đổi ngược: là véc tơ cột, là véctơ hang và là cột thứ của ma trân Biến đổi đưa về dạng đường... luận Các đặc trưng sinh trắc khuôn mặt cụ thể ở đây bao gồm: khoảng cách giữa hai mắt, độ rộng của trán, của mũi, của miệng, cạnh hàm, đường viền phía trên hốc mắt, độ rộng lông mày, khu vực giữa mũi và mắt, khu vực xung quanh xương gò má, đường viên khuôn mặt Các hình ảnh mô phỏng việc nhận dạng khuôn mặt bằng phương pháp trích chọn các đặc trưng sinh trắc khuôn mặt: Hình – Đánh dấu và tách chọn ra các ... nghiệm có số image_index image_index = 5; %index of representation image reconst = V*KLCoef'; diff = abs(reconst(:,image_index) - x(:,image_index)); strdiff_sum = sprintf('delta per pixel: %e',sum(sum(diff))/nPixels);... sqrt(dot(KLCoef(image_index,:)-KLCoef(i,:), KLCoef(image_index,:)-KLCoef(i,:))); %euclidean end; subplot(2,2,4); plot(dist,'.-'); title('euclidean distance from the first face'); % MODE: face:expression... sqrt(dot(KLCoef(image_index,:)-KLCoef(i,:), KLCoef(image_index,:)-KLCoef(i,:))); %euclidean strDist(i) = cellstr(sprintf('%2.2f ',dist_comp(i))); end; [sorted, sorted_index] = sort(dist_comp);