Header Page of 128 LỜI CẢM ƠN Lời đầu tiên, em xin chân thành cảm ơn PGS.TS Lê Huy Thập trực tiếp hướng dẫn em hồn thành khóa luận Với lời dẫn, tận tình hướng dẫn thầy giúp em vượt qua nhiều khó khăn q trình hồn thành khóa luận Em xin cảm ơn Th.S Lưu Thị Bích Hương góp ý hướng dẫn hữu ích trình thực đề tài Em xin gửi lời cảm ơn tới thầy, cô giáo khoa Công nghệ Thông tin trường Đại học sư phạm Hà Nội người giúp đỡ cho em suốt trình học tập nghiên cứu Cuối cùng, em xin bày tỏ lòng biết ơn tới gia đình bạn bè giúp đỡ, động viên em nhiều suốt trình học tập để em thực tốt khóa luận Hà Nội, ngày tháng năm 2013 Sinh viên thực hiện: Trần Mạnh Chiến luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 LỜI CAM ĐOAN Tên em là: TRẦN MẠNH CHIẾN Sinh viên lớp: K35 – Tin học, khoa Công nghệ Thông tin, trường Đại học sư phạm Hà Nội Em xin cam đoan: Đề tài: “Thuật tốn nhận dạng khn mặt người xây dựng chương trình thử nghiệm” nghiên cứu riêng em, hướng dẫn thầy giáo PGS.TS Lê Huy Thập Khóa luận hồn tồn khơng chép tác giả khác Nếu sai em xin hoàn toàn chịu trách nhiệm Hà Nội, ngày tháng 05 năm 2013 Sinh viên thực Trần Mạnh Chiến luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC BẢNG DANH MỤC CÁC TỪ VIẾT TẮT MỞ ĐẦU CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1.1 Giới thiệu ảnh số 1.2 Biểu diễn ảnh số 1.3 Ảnh màu 1.4 Các định dạng ảnh xử lý ảnh 1.5 Giới thiệu Matlab 10 1.5.1 Chuyển đổi kiểu liệu 10 1.5.2 Các phép toán số học liệu ảnh 11 1.5.3 Các hàm hiển thị ảnh Matlab 12 CHƯƠNG 2: THUẬT TOÁN NHẬN DẠNG KHN MẶT NGƯỜI 16 2.1 Định nghĩa tốn xác định khuôn mặt người 16 2.2 Ứng dụng phương pháp xác định khuôn mặt người 16 2.3 Phương pháp xác định khuôn mặt người 18 2.3.1 Hướng tiếp cận dựa tri thức 18 2.3.2 Hướng tiếp cận dựa đặc trưng không thay đổi 21 2.3.3 Hướng tiếp cận dựa so khớp mẫu 24 2.3.4 Hướng tiếp cận dựa diện mạo 28 2.4 Thuật tốn PCA nhận dạng khn mặt người 35 2.4.1 Lịch sử phát triển 35 2.4.2 Thuật toán PCA 36 CHƯƠNG 3: XÂY DỰNG CHƯƠNG TRÌNH THỬ NGHIỆM 40 3.1 Bài tốn 40 3.2 Xây dựng chương trình 41 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 46 TÀI LIỆU THAM KHẢO 48 luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 DANH MỤC HÌNH ẢNH Hình 1.1: Ảnh màu Hình 1.2: Các màu sở Hình 1.3: Mơ hình màu RGB Hình 1.4: Ảnh GIF Hình 1.5: Ảnh dạng JPEG 10 Hình 2.1: Phương pháp xác định khuôn mặt điển theo hướng tiếp cận top - down 19 Hình 2.2: Phương pháp chiếu: (a) Ảnh có khn mặt hình đơn giản 20 Hình 2.2: Phương pháp chiếu: (b) Ảnh có khn mặt hình phức tạp 20 Hình 2.2: Phương pháp chiếu: (c) Ảnh có nhiều khn mặt 20 Hình 2.3: Mẫu khn mặt có kích thước 14×16 pixel sử dụng phương pháp định vị khuôn mặt Sinha 26 Hình 2.4: Các vector quan sát để huấn luyện cho HMM 32 Hình 2.5: Các trạng thái ẩn 33 Hình 2.6: Xác định khn mặt HMM, trạng thái lại có trạng thái nhỏ bên 33 Hình 4.1: Tổng quan hệ thống phát mặt người 40 Hình 4.2: Mở chương trình Matlab 41 Hình 4.3: Giao diện chương trình 42 Hình 4.4: Giao diện chương trình 43 Hình 4.5: Chọn ảnh cần kiểm tra 43 Hình 4.6: Ảnh cần kiểm tra 44 Hình 4.7: Ảnh trung bình 44 Hình 4.8: Hình chiếu ảnh lên khơng gian ảnh 45 Hình 4.9: Ảnh cần tìm 45 luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 DANH MỤC BẢNG Bảng 1.1: Các thông tin gọi hàm imfinfo 11 Bảng 1.2: Các phép toán số học ảnh 12 Bảng 1.3: Các hàm xử lý hình ảnh khác Matlab 14 luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Ý nghĩa GIF Graphics Interchange Format BMP Better Management Practices JPEG Joint Photo – graphic Experts Group SVM Support Vector Machine PCA Principal Component Analysis ASM Active Shape Model HMM Hidden Markov Model RGB Red - Green – Blue PDM Point Distribution Model luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 MỞ ĐẦU Lý chọn đề tài Cùng với thành tựu khoa học nhân loại, ngành Công nghệ Thông tin ngày phát triển mạnh mẽ Ở nước phát triển, hệ thống lưu trữ xử lý thông tin xây dựng sử dụng hiệu Một ứng dụng công nghệ thông tin xử lý ảnh dùng để hỗ trợ nhiều lĩnh vực khác Hơn thập kỷ qua có nhiều cơng trình nghiên cứu tốn nhận dạng khn mặt người từ ảnh đen trắng đến ảnh màu ngày hôm Các nghiên cứu từ toán đơn giản, ảnh có khn mặt người nhìn thẳng vào thiết bị thu hình đầu tư thẳng đứng ảnh đen trắng Cho đến ngày hơm tốn mở rộng cho ảnh màu, có nhiều khn mặt ảnh, có nhiều tư thay đổi ảnh Khơng mà mở rộng phạm vi môi trường xung quanh đơn giản môi trường xung quanh phức tạp nhằm đáp ứng nhu cầu người Công nghệ nhận diện khn mặt (face detection), hay nói xác khu biệt hóa khn mặt (khả tìm nhận khn mặt tồn khung hình), có tới 30 năm phát triển pha hệ thống nhận dạng khuôn mặt người (face recognition face identification) Ở hệ thống này, từ đầu vào ảnh, máy tính khu biệt hóa khn mặt nằm vị trí nào, sau dựa thuật tốn phức tạp khác xác định đặc điểm mắt, mồm hay mũi, so sánh với sở liệu khn mặt có, từ nhận dạng khn mặt Cơng nghệ vốn dùng ngành an ninh, ứng dụng ngày rộng rãi dân dụng Có nhiều thuật toán phát triển nhằm cải thiện q trình nhận dạng khn mặt ngày tốt hơn, có cách tiếp cận dùng -1- luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 mạng thần kinh (neural network) xử lý vấn đề giới tính, cảm xúc Với sở liệu so sánh lớn, thuật toán phức tạp, hỗ trợ từ phần cứng hay chíp xử lý riêng, hệ thống nhận diện nhận diện mặt người quay ngang hay nhìn lên, nhìn xuống, chuyển động hay đứng yên, chí mặt chiếm phần nhỏ tồn khung hình Với mong muốn tiếp cận cơng nghệ mới, đồng thời bổ sung kiến thức khoa học kỹ thuật đại, tổng kết kỹ năng, kiến thức suốt trình học tập trường, em xin chọn đề tài “Thuật toán nhận dạng khn mặt người xây dựng chương trình thử nghiệm” Mục tiêu nghiên cứu Mục tiêu đề tài “Thuật tốn nhận dạng khn mặt người xây dựng chương trình thử nghiệm” tìm hiểu thuật tốn nhận dạng khuôn mặt PCA Đồng thời xây dựng chương trình tìm kiếm ảnh có khn mặt người tập ảnh sở giống với khuôn mặt người ảnh cần kiểm tra ngôn ngữ Matlab Nhiệm vụ nghiên cứu Nhiệm vụ khóa luận tìm hiểu phương pháp, thuật tốn nhận dạng khn mặt người nắm vững thuật tốn nhận dạng khn mặt PCA Đọc tìm hiểu ngơn ngữ Matlab, cơng cụ xử lý ảnh Image Processing Toolbox Matlab Từ đó, xây dựng chương trình thử nghiệm để tìm kiếm khn mặt có tập sở liệu ngôn ngữ Matlab Đối tượng nghiên cứu Đối tượng nghiên cứu thuật tốn nhận dạng khn mặt dựa trích chọn đặc trưng PCA -2- luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page of 128 Phạm vi nghiên cứu Chương trình nhận dạng khn mặt xây dựng để ứng dụng thiết bị nhận dạng áp dụng cho lĩnh vực an tồn, bảo mật thơng tin Trong phạm vi khóa luận em xây dựng chương trình nhận dạng khn mặt để tìm kiếm khn mặt từ tập ảnh khn mặt có sẵn Ý nghĩa khoa học thực tiễn đề tài Ý nghĩa khoa học: thuật tốn PCA tìm hiểu, nghiên cứu bổ sung thêm phương pháp nhận dạng khuôn mặt người để giải tốn xác định khn mặt người Ý nghĩa thực tiễn: chương trình thử nghiệm thành cơng góp phần nhỏ việc nhận dạng khn mặt áp dụng lĩnh vực an toàn bảo mật thơng tin Qua áp dụng rộng rãi thiết bị số Bố cục khóa luận Với mục tiêu tìm hiểu thuật toán PCA Đồng thời áp dụng vào tốn nhận dạng khn mặt người, khóa luận trình bày ba chương với bố cục sau: Chương 1: Cơ sở lý thuyết Chương 2: Phương pháp xác định khn mặt người Chương 3: Xây dựng chương trình thử nghiệm -3- luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page of 128 Header Page 10 of 128 CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1.1 Giới thiệu ảnh số Ảnh số tập hợp điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật Ảnh vật đại diện cho người, sinh vật hay vật v…v Ảnh động thực chất tập hợp nhiều ảnh tĩnh liên tiếp Khi ảnh số hóa trở thành ảnh số ảnh số lại tập hợp nhiều phần tử ảnh gọi điểm ảnh “pixel” Mỗi điểm ảnh lại biểu diễn dạng số hữu hạn bit Có thể chia ảnh làm ba loại khác nhau: + Ảnh đen trắng: điểm ảnh biểu diễn bit + Ảnh Gray – scale: điểm ảnh biểu diễn mức chói khác nhau, thường ảnh biểu diễn 256 mức chói bit cho điểm ảnh + Ảnh màu: điểm ảnh chia thành tín hiệu chói tín hiệu màu Hình1.1: Ảnh màu 1.2 Biểu diễn ảnh số Trong biểu diễn ảnh, người ta thường dùng phần tử đặc trưng ảnh pixel Nhìn chung xem hàm biến chứa thông tin biểu -4- luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 10 of 128 Header Page 40 of 128 hình hóa phân bố Gauss đa biến Một chuỗi quan sát bao gồm tất giá trị cường độ từ khối Kết xuất cho biết quan sát thuộc lớp Một nghiên cứu điển hình tiếp cận Samaria Samaria dùng năm trạng thái tương ứng năm vùng để mơ hình hóa tiến trình xác định khn mặt người Ơng huấn luyện vùng cho HMM Mỗi trạng thái phụ trách xem xét vùng tương ứng để đưa định phù hợp Nếu kết xem xét cuối vượt qua ngưỡng quan sát khn mặt người  Phân loại Bayes Bayes phân loại tuyến tính dựa xác suất Tư tưởng dựa vào xác suất đặc trưng xuất khuôn mặt Đây phương pháp đơn giản, cài đặt không phức tạp, tốc độ nhanh với tập huấn luyện lớn cho kết tương đối xác Một nghiên cứu điển hình dùng phân loại Bayes vào xác định khuôn mặt người hướng tiếp cận dựa diện mạo nghiên cứu Schneiderman Kanade Hai ông mô tả phân loại Naïve Bayes để ước lượng xác suất chung diện mạo cục vị trí mẫu (các vùng khuôn mặt) nhiều độ phân giải khác Ứng với độ phân giải, khuôn mặt người chia thành bốn vùng chữ nhật, vùng chiếu xuống khơng gian có số chiều bé lượng tử hóa thành tập mẫu có giới hạn Sau thống kê vùng chiếu để mã hóa diện mạo cục Nếu xác suất đạt lớn xác suất tiền nghiệm kết luận có khn mặt người Hướng tiếp cận cho phép xác định khn mặt bị xoay góc nhìn nghiêng - 34 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 40 of 128 Header Page 41 of 128 2.4 Thuật toán PCA nhận dạng khuôn mặt người 2.4.1 Lịch sử phát triển Kohonen đưa phương pháp dùng vector riêng để nhận dạng khuôn mặt, ông dùng mạng neural đơn giản để chứng tỏ khả phương pháp ảnh chuẩn hóa Mạng neural tính mô tả khuôn mặt cách xấp xỉ vector riêng ma trận tương quan ảnh Các vector riêng sau biết đến với tên Eigenface Kirby Sirovich chứng tỏ ảnh có khn mặt mã hóa tuyến tính số lượng vừa phải ảnh sở Tính chất dựa biến đổi Karhunen - Lòeve, mà gọi tên khác PCA biến đổi Hotelling Ý tưởng xem Pearson trình bày vào năm 1901 sau Hotelling vào năm 1933 Cho tập ảnh huấn luyện có kích thước m×n mơ tả vector có kích thước m×m, vector cở sở cho không gian tối ưu xác định thơng qua lỗi bình phương trung bình chiếu ảnh huấn luyện vào không gian Các tác giả gọi tập vector sở tối ưu ảnh riêng sau gọi cho đơn giản vector riêng ma trận hiệp phương sai tính từ ảnh khn mặt vector hóa tập huấn luyện Nếu cho 100 ảnh, mà khn mặt có kích thước 91×50 dùng 50 ảnh riêng, trì khả giống hợp lý (giữ 95% tính chất) Turk Pentland áp dụng PCA để xác định nhận dạng khuôn mặt Tương tự, dùng PCA tập huấn luyện ảnh khuôn mặt để sinh ảnh riêng (còn gọi eigenface) để tìm không gian (không gian khuôn mặt) không gian ảnh Các ảnh khuôn mặt chiếu vào không gian gom nhóm lại Tương tự ảnh khơng có khn mặt dùng để huấn luyện chiếu vào không gian gom nhóm lại Các ảnh chiếu vào khơng gian khn mặt khơng bị thay đổi tính chất bản, chiếu ảnh khơng có khn mặt xuất khác không - 35 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 41 of 128 Header Page 42 of 128 Xác định có mặt khn mặt ảnh thơng qua tất khoảng cách vị trí ảnh không gian ảnh Khoảng cách dùng để xem xét có hay khơng có khn mặt người, kết tính tốn khoảng cách cho ta đồ khn mặt Có thể xác định từ cực tiểu địa phương đồ Có nhiều nghiên cứu xác định khuôn mặt, nhận dạng, trích đặc trưng từ ý tưởng vector riêng, phân rã, gom nhóm Sau Kim phát triển cho ảnh màu cách phân đoạn ảnh để không gian tìm kiếm bớt 2.4.2 Thuật tốn PCA Khn mặt người có nhiều nét để nhận biết, ta gặp lại người bạn quen cũ sau thời gian dài, ta nhận người dù chi tiết cụ thể mặt thay đổi da, mái tóc Ta nhận khơng phải nhớ đơi mắt, hay mũi hay mơi hay tóc, lơng mày người mà ta nhận nhớ diện mạo người Tức khuôn mặt tồn nét tổng thể để nhận diện, thuật tốn ta ý tưởng Phân tích thành phần (Principal Component Analysis ) gọi tắt PCA thuật toán nhận dạng ảnh dựa nét tổng thể khn mặt, ta áp dụng thuật tốn để thực hai công việc sau: + Thứ tìm khn mặt giống với khn mặt cho trước + Thứ hai xác định vị trí khuôn mặt người ảnh Ban đầu ta có tập ảnh khn mặt gọi tập ảnh huấn luyện (training set) Giả sử ảnh có kích thước M×N, ta coi ảnh vector khơng gian M×N chiều Bây khuôn mặt vector, ta thấy vector không phân bố ngẫu nhiên không gian ảnh mà phân bố theo quy luật tương đối đó, ta nói vector nằm không gian gọi không gian khuôn mặt Từ vector tập huấn luyện, ta tìm sở trực chuẩn cho không - 36 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 42 of 128 Header Page 43 of 128 gian khuôn mặt Những vector thuộc sở coi vector mang nét tổng thể đặc trưng khuôn mặt Giả sử tập huấn luyện có P ảnh, ta có P vector: T1, T2,…, Tp p Tính vector ảnh trung bình: m   Ti p i 1 Sự khác biệt khuôn mặt với ảnh trung bình vector: Ai = Ti – m, với i=1…P Ý tưởng việc phân tích thành phần tìm tập vector trực chuẩn uk cho vector mô tả tốt phân bố vector khuôn mặt không gian Những vector uk chọn cho:  nÕu i = j ui | u j    nÕu i  j p k   u k |Ai lớn i 1 Những vector uk giá trị vơ hướng λk vector riêng trị riêng tương ứng ma trận AAT u | v tích vơ hướng hai vector u, v A = [A1A2…Ap] Ta thấy ma trận A có kích thước M×N×P, ma trận AAT có kích thước (M×N)×(M×N), kích thước ma trận q lớn nên ta khơng thể tìm vector riêng trị riêng trực tiếp được, thay vào ta tìm vector riêng ma trận ATA có kích thước P×P Nếu v vector riêng ATA λ trị riêng tương ứng, ta có: ATAv = λv  AATA = λAv, tức Av trị riêng ma trận AAT Thông thường ta lấy số Q vector riêng ứng với Q trị riêng có giá trị lớn - 37 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 43 of 128 Header Page 44 of 128 Sau có vector riêng ma trận AAT, ta chuẩn hóa chúng để thu sở trực chuẩn không gian khuôn mặt Đặt L = ATA, tìm V tập hợp vector riêng L, D tập hợp trị riêng tương ứng V bao gồm Q vector riêng ứng với trị riêng lớn giá trị ứng với Q trị riêng lớn D E = AV tập vector riêng AAT Do vector riêng, mà lại có dạng khn mặt nên đuợc gọi Eigenfaces E ma trận M×N×Q, cột vector riêng Chuẩn hóa vector cột E (chia vector cho độ dài vector đó) Bây giờ, ta coi E sở trực chuẩn khơng gian khn mặt Với H ảnh có kích thước với ảnh tập huấn luyện Ta xét có phải ảnh khn mặt hay khơng, tìm ảnh giống với tập huấn luyện H xem vector khơng gian M×N chiều Đặt K = H - m với m vector ảnh trung bình Cho V khơng gian có tích vơ hướng hữu hạn chiều W không gian Giả sử W có sở trực chuẩn {u1,…,uQ} Khi hình chiếu trực giao vector u lên W xác định sau: Q prwu  u0   u | ui ui i 1 Độ dài u  u0 gọi khoảng cách từ u đến W Tập hợp ci  u | ui , với i = 1,…,Q gọi tọa độ u0 không gian W Tìm C = ETK tọa độ hình chiếu Kf K lên không gian khuôn mặt C vector cột Q×1 - 38 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 44 of 128 Header Page 45 of 128 Q K f   c e i i với ci = C(i , 1); ei = E(: , i) i 1 Với cột ma trận A (tương ứng với ảnh Ti tập T huấn luyện) Ta tính ci  E Ai tọa độ hình chiếu Ai f Ai lên khơng gian khn mặt Ta tính hai đại lượng sau: - s = K  K f xem khoảng cách từ ảnh H đến không gian mặt - si = c  c i xem khoảng cách từ H đến ảnh Ti tập huấn luyện Xét α β hai ngưỡng - s < α H ảnh khn mặt (do H đủ gần với không gian mặt) - si < β Ti ảnh người với H (H đủ gần với Ti ) Vậy ta tìm ảnh tập huấn luyện giống với ảnh H hay xác định có phải ảnh khn mặt hay khơng Tuy nhiên ảnh H phải có kích thước với ảnh tập huấn luyện Bây ảnh lớn H có nhiều khn mặt, ta xác định vị trí khn mặt ảnh - Tại vị trí (x,y) H, đặt H(x,y) vùng ảnh H có kích thước M×N (x,y) ta xem ảnh H(x,y) vector M×N chiều K(x,y) = H(x,y) – m; - Tìm K f (x, y) hình chiếu K(x,y) lên khơng gian khn mặt f - Tính s(x,y) = K(x, y)  K (x,y) Tập hợp giá trị s(x,y) tạo thành đồ khuôn mặt (face map) H, từ ta xác định vị trí khuôn mặt ảnh - 39 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 45 of 128 Header Page 46 of 128 CHƯƠNG 3: XÂY DỰNG CHƯƠNG TRÌNH THỬ NGHIỆM 3.1 Bài toán Trong chương trước đề cập đến tốn nhận dạng khn mặt người thuật tốn PCA Trong chương tìm hiểu, xây dựng chương trình demo để nhận dạng khn mặt người sử dụng thuật tốn PCA Để áp dụng thuật tốn PCA trước tiên cần có tập ảnh khn mặt người làm sở để tìm kiếm xem có khn mặt người cần tìm tập ảnh khơng Ngồi cần có ảnh để tìm kiếm Ảnh lấy từ tập sở ảnh khác Với yêu cầu xây dựng sở liệu ảnh Cơ sở liệu ảnh bao gồm có tập ảnh: tập ảnh test, tập ảnh train Tập ảnh test bao gồm tập ảnh khuôn mặt người, dùng thuật tốn PCA, để tìm kiếm ảnh kiểm tra, xác định thành phần đặc trưng khuôn mặt người Tập ảnh train bao gồm ảnh khuôn mặt người dùng xác định khuôn mặt người nhận dạng mặt người, đưa ảnh kết sau trình phân loại Sau sơ đồ tổng quan bước nhận diện khn mặt người Hình 4.1: Tổng quan bước nhận diện khuôn mặt người - 40 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 46 of 128 Header Page 47 of 128 Về bản, từ tập ảnh gốc tính vector ảnh cho vào tập huấn luyện Tiếp theo xác định ánh xạ ảnh kiểm tra đưa vector đặc trưng ảnh kiểm tra Cuối vector đưa vào phân loại để tiến hành xác định đâu ảnh mặt người giống với ảnh kiểm tra ban đầu 3.2 Xây dựng chương trình Chương trình “Nhận dạng mặt người Matlab” chương trình thiết kế giao diện người dùng GUI phần mền Matlab 7.0 Rất đơn giản dễ dàng sử dụng Để mở chương trình bạn làm thao cách Mở trực tiếp chương trình Matlab 7.0 Ta đường dẫn đến thư mục DOAN2 sau Run file DOAN2.fig Như hình đây: Hình 4.2: Mở chương trình Matlab Hoặc bạn vào trực tiếp thư mục DOAN2 để mở file DOAN2.fig Sau chạy chương trình, xuất hợp thư thoại hình: - 41 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 47 of 128 Header Page 48 of 128 Hình 4.3: Giao diện chương trình Đây giao diện giới thiệu chương trình Trên giao diện có nút nhấn Next Close Nếu chọn Close thoát khỏi chương trình Nếu chọn Next, ta đến giao diện chương trình Như hình đây: - 42 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 48 of 128 Header Page 49 of 128 Hình 4.4: Giao diện chương trình Đây giao diện chương trình gồm hai khung hiển thị hình ảnh hai nút nhấn Browse Search Để bắt đầu tìm kiếm ta cần load ảnh khn mặt người cần kiểm tra cách nhấn vào phím Browse Hộp thoại mở file xuất hiện, bạn chọn file ảnh bạn muốn kiểm tra Ở ta lấy ví dụ ảnh kiểm tra ảnh “A.jpg” hình vẽ: Hình 4.5: Chọn ảnh cần kiểm tra Ảnh cần kiểm tra đưa giao diện chương trình hình: - 43 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 49 of 128 Header Page 50 of 128 Hình 4.6: Ảnh cần kiểm tra Để kiểm tra xem khuôn mặt người ảnh cần kiểm tra nhấn nút Search chương trình chạy tìm CSDL ảnh có khn mặt giống với khn mặt người ảnh cần kiểm tra Hiển thị giao diện chương trình Hình 4.7: Ảnh trung bình - 44 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 50 of 128 Header Page 51 of 128 Hình 4.8: Hình chiếu ảnh lên khơng gian ảnh Hình 4.9: Ảnh cần tìm Chương trình tìm khn mặt gần giống với khuôn mặt cần kiểm tra Và kết tìm hình có tên “7.jpg” - 45 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 51 of 128 Header Page 52 of 128 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Trên sở nghiên cứu toán phát mặt người ảnh Đặc biệt thuật toán PCA, tập huấn luyện vector Eigenfaces Em áp dụng thành cơng thuật tốn PCA vector Eigenfaces vào tốn phát khn mặt người ảnh Đây bước đầu để phát triển toán nhận dạng mặt người (face recognition) sau Về chương trình demo, sau thử nghiệm với tập ảnh lớn Chương trình đạt kết tốt, thời gian phát nhanh ảnh mặt người chụp thẳng, chất lượng ảnh tốt (chụp máy kĩ thuật số) Tuy nhiên ảnh chụp nghiêng hay ảnh có màu sắc tối chương trình gần khơng thể phát khn mặt ảnh Trong q trình thực chương trình demo em tìm hiểu tiếp tục nghiên cứu nhận dạng khuôn mặt thông qua webcam Tuy nhiên, kết đạt không mong muốn Kết tìm kiếm ảnh tập sở liệu không với ảnh chụp qua webcam Nguyên nhân dẫn đến kết nhận khơng xác ảnh chụp chưa qua tiền xử lý Ảnh chụp thơng qua webcam có nhiều yếu tố ngoại cảnh tác động nên dẫn đến khơng tìm ảnh sở liệu Kết hướng phát triển chương trình demo để tìm kiếm khn mặt chụp thơng qua webcam có tập sở liệu hay khơng Bên cạnh đó, q trình xây dựng chương trình demo, em tìm hiểu thư viện mã nguồn Matlab, qua biết cách sử dụng hàm Matlab Đồng thời, em tìm hiểu công cụ xử lý ảnh Matlab để hồn thành chương trình demo Hướng phát triển đề tài Đề tài phát triển thành phần mềm nhận dạng khuôn mặt người tốt hơn, cách kết hợp với số thuật toán nhận dạng xử - 46 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 52 of 128 Header Page 53 of 128 lý ảnh đại Cho kết xác Có thể phát triển thành đề tài nhận dạng qua webcam… Ngoài phát triển chương trình theo hướng như: - Nhận diện mặt người qua tập liệu có sẵn từ camera - Nhận diện danh tính người phạm tội qua ảnh chụp - Có thể kết hợp với nhiều thuật toán khác như: ICA, Neural, để xử lý cách xác - Dò tìm nhận dạng đối tượng vi phạm kỷ luật từ xa qua thiết bị quan sát - Bảo mật hệ thống cách nhận dạng khuôn mặt hay nhiều đối tượng muốn vào công ty, xí nghiệp, hay quan - Quản lý thời gian làm việc nhân viên xí nghiệp mà cần camera quan sát Một hướng phát triển chương trình áp dụng thiết bị di động hộ gia đình phần mềm nhận dạng khn mặt để mở khóa di động, thiết bị cửa chống trộm có áp dụng nhận dạng khn mặt v…v - 47 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 53 of 128 Header Page 54 of 128 TÀI LIỆU THAM KHẢO Tiếng Việt Ngơ Hồng Khắc Tiến, Trần Xuân Bách, Đồ án tốt nghiệp Dò tìm ảnh mặt người dùng PCA, Khoa Cơng nghệ điện tử, trường Đại học Công Nghiệp TP HCM, 2009 Lương Mạnh Bá, Nguyễn Thanh Thủy, Nhập Môn Xử lý ảnh số, Nhà xuất Khoa học Kỹ thuật, 2002 Võ Đức Khánh, Hồng Văn Kiếm Giáo trình xử lý ảnh số, Nhà xuất Đại học Quốc gia Thành phố Hồ Chi Minh, 2003 Phạm Thế Bảo, Tổng quan phương pháp xác định khuôn mặt người, Tạp chí bưu viễn thơng Ngơ Quốc Tạo, Ngơ Phương Đơng, Nguyễn Thanh Hòa, Phạm Việt Bình (2003), Báo cáo "Nhận dạng mặt người môi trường độ sáng không đồng nhất", Hội thảo Công nghệ thông tin quốc gia lần thứ VIII, Thái Nguyên, 29 - 31/8/2003 Nguyễn Hồi Sơn, Giáo trình Matlab bản, Khoa Xây dựng Cơ học ứng dụng, trường ĐHSPKT Tiếng Anh Burce A Draper, Kyungim Baek, Marian Stewart Bartlett, J Ross Beveridge, "Recognizing Faces with PCA and ICA" Stan Z Li , Anil K Jain, "Handbook of Face Recognition", 2006 IEEE Computer Society, "Automatic face and gesture recognition", 2004 Wedsite: http://www.mathworks.com/matlabcentral/fileexchange/?term=Variable http://www.picvietnam.com/forum//showthread.php?t=37 - 48 - luan van thac si - luan van kinh te - khoa luan - tai lieu -Footer Page 54 of 128 ... tiêu đề tài Thuật tốn nhận dạng khn mặt người xây dựng chương trình thử nghiệm tìm hiểu thuật tốn nhận dạng khn mặt PCA Đồng thời xây dựng chương trình tìm kiếm ảnh có khn mặt người tập ảnh... 28 2.4 Thuật toán PCA nhận dạng khuôn mặt người 35 2.4.1 Lịch sử phát triển 35 2.4.2 Thuật toán PCA 36 CHƯƠNG 3: XÂY DỰNG CHƯƠNG TRÌNH THỬ NGHIỆM 40 3.1 Bài toán ... nghiên cứu Chương trình nhận dạng khn mặt xây dựng để ứng dụng thiết bị nhận dạng áp dụng cho lĩnh vực an tồn, bảo mật thơng tin Trong phạm vi khóa luận em xây dựng chương trình nhận dạng khn mặt để