Xây dựng hệ thống nhận dạng khuôn mặt và hỗ trợ

26 6 0
  • Loading ...
1/26 trang

Thông tin tài liệu

Ngày đăng: 13/04/2018, 22:01

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA TRƯƠNG QUỐC TUẤN XÂY DỰNG HỆ THỐNG NHẬN DẠNG KHUÔN MẶT VÀ HỖ TRỢ PHÂN TÍCH THĨI QUEN KHÁCH HÀNG Chun ngành: Khoa học máy tính Mã số: 60.48.01.01 TĨM TẮT LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Đà Nẵng – Năm 2017 Cơng trình hồn thành TRƯỜNG ĐẠI HỌC BÁCH KHOA Người hướng dẫn khoa học: TS Phạm Minh Tuấn Phản biện 1: TS Huỳnh Hữu Hưng Phản biện 2: TS Nguyễn Quang Thanh Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ khoa học máy tính họp Trường Đại học Bách khoa vào ngày 13 tháng 08 năm 2017 Có thể tìm hiểu luận văn tại: - Trung tâm học liệu, Đại học Đà nẵng trường Đại học Bách khoa - Thư viện khoa Công nghệ thông tin, Trường Đại học Bách khoa - Đại học Đà Nẵng MỞ ĐẦU Tính cấp thiết đề tài Ngày với phát triển khoa học máy tính việc nhận dạng hình ảnh khn mặt thông qua camera ứng dụng vào nhiều sống nhằm để thực việc phát đối tượng, khách hàng để bảo mật, cảnh báo ứng dụng robot để điều khiển việc giúp đỡ tự động từ hình ảnh khn mặt thu nạp Cùng với phát triển trí tuệ nhân tạo đặc trưng lĩnh vực dự đốn, phân tích dự báo giới kỹ thuật số có tính học máy, đòi hỏi cần phải thu thập liệu cho hệ thống máy tính học dần liệu để phân tích đưa kết dự đoán Lĩnh vực thu thập liệu khn mặt kết hợp với trí tuệ nhân tạo nhằm đưa ứng dụng thực tế vào sống mẽ nhiều giới chuyên gia quan tâm Trong việc nhận dạng hình ảnh khn mặt phân tích đưa kết dự đốn hành vi, thói quen khách hàng khách sạn ứng dụng có tính khoa học thực tiễn cao, giúp cho khách sạn có đầy đủ thông tin khách hàng vào khách sạn, nhằm phục vụ cho việc cảnh báo, giúp đỡ, phục vụ khách chu đáo Vì vậy, xuất phát từ nhu cầu đấy, chọn đề tài luận văn thạc sĩ: “XÂY DỰNG HỆ THỐNG NHẬN DẠNG KHN MẶT & HỖ TRỢ PHÂN TÍCH THĨI QUEN KHÁCH HÀNG" Mục tiêu nghiên cứu Xây dựng ứng dụng nhận diện khuôn mặt thông qua tảng SDK Intel RealSense áp dụng thuật tốn trí tuệ nhân tạo (học máy) nhằm phân tích thói quen đối tượng nhận diện, đáp ứng bước: - Nghiên cứu tạo ứng dụng nhận dạng khuôn mặt dựa tảng SDK RealSense Intel - Sử dụng việc nhận dạng khuôn mặt phân tích thói quen khách hàng áp dụng phương pháp tính tốn Trí tuệ nhân tạo (học máy) Nội dung nghiên cứu - Tìm hiểu việc nhận dạng khuôn mặt (face recognition) thông qua SDK Intel RealSense - Tìm hiểu đặc tính khn mặt - Tìm hiểu phương pháp thuật tốn suy đoán hồi quy (linear regression) Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu - Nhận dạng khuôn mặt thông qua SDK RealSense Intel - Các đặc điểm thói quen khách hàng - Giải thuật tính tốn theo phương pháp hồi quy tuyến tính 4.2 Phạm vi nghiên cứu - Dựa vào liệu thu thập từ Camera nhận dạng khuôn mặt thông qua SDK - Sau thực việc học liệu huấn luyện, dùng phương pháp suy đoán hồi quy tuyến tính trả kết quả, hỗ trợ, thơng báo, cảnh báo thói quen cá nhân Phương pháp nghiên cứu 5.1 Phương pháp lý thuyết - Tiến hành thu thập nghiên cứu tài liệu có liên quan đến kỹ thuật nhận dạng khn mặt, tính tốn trí tuệ nhân tạo - Nghiên cứu lý thuyết tính tốn tuyến tính AI, nhận dạng phân tích thói quen khách hàng 5.2 Phương pháp thực nghiệm - Sử dụng SDK Realsense Intel để xây dựng việc nhận dạng hình ảnh khn mặt thơng qua Camera, đưa liệu vào sở liệu - Xây dựng kỹ thuật tính tốn tuyến tính AI để xác định thói quen người nhận dạng - Xây dựng tập liệu huấn luyện ứng với khuôn mặt - Kiểm tra, thử nghiệm đánh giá kết Ý nghĩa khoa học thực tiễn 6.1 Ý nghĩa khoa học - Áp dụng thuật tốn suy đốn hồi quy tuyến tính AI vào việc phân tích thói quen thơng qua việc nhận dạng khuôn mặt 6.2 Ý nghĩa thực tiễn - Ứng dụng việc nhận dạng khn mặt phân tích thói quen khách hàng vào lĩnh vực khách sạn CHƯƠNG TỔNG QUAN 1.1 GIỚI THIỆU, PHÂN LOẠI VỀ TRÍ TUỆ NHÂN TẠO Giới thiệu Trí tuệ nhân tạo (tiếng Anh: Artificial Intelligence hay Machine Intelligence, thường viết tắt AI) trí tuệ biểu diễn hệ thống nhân tạo Thuật ngữ thường dùng để nói đến máy tính có mục đích khơng định ngành khoa học nghiên cứu lý thuyết ứng dụng trí tuệ nhân tạo Các phương pháp  Học máy (Machine learning)  Xử lý ngôn ngữ tự nhiên (Natural language processing)  Xử lý ngôn ngữ tiếng nói (Speech)  Hệ chuyên gia (Expert systems)  Dự báo, tối ưu hóa (Planning, optiomization)  Robot  Xử lý mờ (Vision) Natural language processing (NLP) Machine learning Vision AI (Artificial Intelligence) Speech Robotics Planning, optiomization Expert systems Hình 1.1 Các thể loại trí tuệ nhân tạo 1.2 CÁC VẤN ĐỀ VỀ NHẬN DẠNG KHUÔN MẶT Việc nhận dạng khuôn mặt để xác nhận cho vấn đề an tồn, thói quen ứng với khn mặt sử dụng rộng rãi Không mà việc áp dụng nhận diện khuôn mặt xong, áp dụng với việc dự đốn từ khn mặt để xác định hành vi, thói quen ứng dụng thực tiễn mẻ nhiều lĩnh vực Trong để tài nghiên cứu này, kết hợp việc nhận dạng khn mặt trí tuệ nhân tạo (học máy) để áp dụng cho việc phân tích thói quen khách hàng khách sạn 1.2.1 Tìm hiểu việc nhận dạng khn mặt (Face recognition) Bài tốn xác định khuôn mặt người kỹ thuật máy tính để xác định vị trí kích thước khuôn mặt ảnh Kỹ thuật nhận biết đặt trưng khuôn mặt bỏ qua thứ khác như: nhà, cối, thể,…  Hệ thống nhận diện khn mặt giúp:  Tra cứu thông tin tội phạm  Giám sát camera để phát tội phạm khu vực cơng cộng  Tìm trẻ lạc dựa vào camera đặt nơi công cộng  Phát nhân vật cần theo dõi  Phát tội phạm nơi cơng cộng  Có thể dùng khoa học để so sánh thực thể với nhiều thực thể khác v/v…  Việc nhận diện khuôn mặt làm việc nào? Để xây dựng hệ thống nhận dạng khuôn mặt, người ta phải có đầu vào ảnh kỹ thuật số hay khung hình video Hệ thống kiểm tra cho kết hình ảnh (đã có sở liệu), việc nhận dạng gồm bước: - Phát khn mặt có hình/ video (face detection) - Trích rút đặc trưng khuôn mặt (feature extraction) - Nhận dạng khuôn mặt (face recognition) Hình 1.2 Nhận diện khn mặt 1.2.2 Cảm xúc khuôn mặt Trong đề tài này, không xa việc làm để nhận diện khn mặt đặc tính khn mặt cách chi tiết, mà mô tả khái quát mô tả vài cảm xúc khuôn mặt từ SDK RealSense tích hợp bên dưới: Hình 1.3 Cảm xúc khuôn mặt (tt) [2] 1.3 CÁC TÁC ĐỘNG CỦA TRÍ TUỆ NHÂN TẠO VÀ ÁP DỤNG ĐIỂN HÌNH 1.3.1 Tác động Tác động trí tuệ nhân tạo mà dễ dàng nhận thấy lượng thất nghiệp tăng cao Nếu AI phát triển hoàn thiện với khả thay người cơng việc trí tuệ chăm sóc sức khỏe, phục vụ, sản xuất theo dây chuyền tự động, cơng việc văn phòng 1.3.2 Các tốn điển hình áp dụng phương pháp TTNT  Nhận dạng mẫu  Xử lý ngôn ngữ tự nhiên, Dịch tự động(dịch máy) Chatterbot  Điều khiển phi tuyến Robotics  Computer vision, Thực ảo Xử lý ảnh  Lý thuyết trò chơi Lập kế hoạch (Strategic planning)  Trò chơi TTNT Computer game bot 1.3.3 Những trí tuệ nhân tạo mạnh Những tên tuổi lớn đầu tư mạnh tay cho trí tuệ nhân tạo gồm có Google, Facebook, Amazon, IBM, Microsoft số hãng khác  Google: Google DeepMind, Hệ thống học máy TensorFlow miễn phí cho tất người  Facebook: Facebook có cơng nghệ AI học sâu dùng để nghiên cứu hành vi người dùng  Apple: Tạo giọng nói Vocal IQ  Elon Musk: Elon Musk hợp sức với nhiều hãng công nghệ khổng lồ Amazon, LinkedIn PayPal phát triển trí tuệ nhân tạo nguồn mở  Microsoft: Dự án Oxford giúp phân tích hành vi người dùng thơng qua giao diện chương trình ứng dụng (API) giọng nói, biểu cảm khn mặt, Future Decoded  IBM: Watson  Skype: Cung cấp khả dịch thuật theo thời gian thực, nhận dạng giọng nói người dùng chuyển sang chữ viết (text) người dùng nói  Salesforce: MetaMind chuyên học sâu 1.4 KHÁI QUÁT SDK INTEL REALSENSE  Công nghệ Intel RealSense gì? Intel RealSense, cơng nghệ Intel phát triển, xem làm thay đổi cách thức tương tác truyền thống người với thiết bị máy tính, hoạt động cách sử dụng camera 3D 10 Với công việc yêu cầu từ khách sạn, tơi sử dụng camera 3D Intel có SDK Intel Real Sense để nhận diện khn mặt, xây dựng mơ hình dự đốn theo phương pháp học có giám sát [4] nhằm để phân tích dự báo bình thường/bất thường khách hàng Đối với phương pháp nhận diện khuôn mặt: sử dụng Camera 3D SDK Intel Real Sense để thu thập khuôn mặt khách hàng cần mua thiết Camera 3D Intel sử dụng Camera có sẳn laptop (nhưng độ xác thiết bị khơng tốt, đồng thời chế độ nhận dạng khuôn mặt không theo chiều 3D trình bày chương 1), cài đặt SDK Intel Real Sense có trang web Intel, tham khảo chương cho việc download) Trong đề tài này, sử dụng SDK Intel Real Sense nhằm tận dụng tối đa hỗ trợ nhận diện khuôn mặt, xây dựng việc nhận diện nhanh chóng tối ưu hơn, thay phải nghiên cứu tự xây dựng phần nhận diện khn mặt Đối với phương pháp học có giám sát: lấy nguồn liệu trước khách sạn kết tính tốn suy luận, dự đốn từ chuyên gia đánh giá việc khách hàng check in vào khách sạn Để phân tích dự báo thay chuyên gia, tơi xây dựng tập mơ hình dự đốn từ liệu khách hàng check in vào khách sạn, mơ hình thơng qua việc xây dựng sẵn tập liệu học có giám sát theo dạng sở liệu với trường liệu (số lần xuất hiện, khoảng cách xuất kết dự đoán), dựa liệu kết này, cho kết luận bình thường bất thường thay cho chuyên gia Để thực hiện, tơi xây dựng thuật tốn theo mơ hình hồi quy tuyến tính (linear regresstion) để xác định kết dự báo 2.2 MƠ HÌNH ĐỀ XUẤT  Phương pháp nhận diện khuôn mặt 11 Trong đề tài này, sử dụng SDK Intel RealSense để nhận diện khn mặt qua camera, SDK cho loại nhận diện sau: - Xác định vị trí khn mặt (Face Location Detection): định vị khuôn mặt nhiều khuôn mặt bên hình chữ nhật, từ tính tốn đưa vị trí nhận diện [2] - Xác định điểm ranh giới (Landmark Detection): Đối với liệu này, bao gồm 78 điểm mốc quan trọng, thường sử dụng để xác định tính riêng biệt (mắt, miệng, lông mày,…) khuôn mặt phát [2] - Phát mẫu (Pose Detection): Đối với liệu này, nhận diện định hướng khn mặt (theo góc quay, độ nghiêng) [2] Việc xác định khn mặt nhận diện SDK tham chiếu khuôn mặt thông qua camera, so sánh database SDK lưu trữ đăng ký, khn mặt phát trả ID khn mặt  Dự đốn kết Trong đề tài này, sử dụng liệu đầu vào khách hàng check in vào khách sạn, xác định tập liệu có dự báo chuyên gia, liệu giám sát để qua liệu huấn luyện cho kết dự bào Vì tơi áp dụng phương pháp học có dám sát  Phương pháp học có dám sát Học có giám sát kỹ thuật ngành học máy để xây dựng hàm (function) từ liệu huấn luyện Dữ liệu huấn luyện bao gồm 12 cặp gồm đối tượng đầu vào (vector) đầu mong muốn Đầu hàm giá trị liên tục dự đốn kết cho đối tượng đầu vào Nhiệm vụ chương trình học có giám sát dự đoán giá trị hàm cho đối tượng đầu vào hợp lệ, sau xem xét số ví dụ huấn luyện (đã học từ liệu huấn luyện) [4] Hình 2.1 Kiến trúc SDK Intel RealSense [2]  Phương pháp suy đốn hồi quy tuyến tính: Trong đề tài này, tơi sử dụng phương pháp suy đốn hồi quy tuyến tính (linear regression), cần thiết kế giá trị đầu vào kết mong đợi đầu hàm theo bước sau: 13 Bảng 2.1 Bảng phương pháp suy đốn hồi quy tuyến tính Bước Công thức Giá trị đầu Giá trị đầu vào Hàm y = + Vector X y hàm tuyến tính theo X W Tính Tìm W Ma cho sai số trận bình trọng phương số W nhỏ Hàm Để giải tổn vấn thất : số đề học dùng để điều chỉnh (over tránh tượng over fitting) fitting học máy với q = 2: Hạng hợp thức L2 theo đường chéo mà trận Những ưu điểm kỹ thuật hồi quy tuyến tính: - Có thể biểu diễn rõ ranh giới việc xác định hồi quy tuyến tính 14 - Hiệu việc tính toán sử dụng huấn luyện dự báo - Giảm thiểu mức độ nhiễu  Xây dựng liệu huấn luyện Trong đề tài này, xây dựng tập liệu huấn luyện cách thu thập liệu từ khách hàng trước với tập liệu gồm cặp liệu (số lần xuất khách hàng, khoảng cách lần xuất trước đó), dựa vào chun gia tính tốn để đưa liệu theo dạng: Số lần xuất đặn, xuất đặn theo khoảng cách định: kết dự đốn bình thường Số lần xuất không đặn, xuất không theo khoảng cách định thí kết dự đốn bất bình thường Dữ liệu đưa vào vector chứa cặp liệu (số lần xuất hiện, khoảng cách xuất hiện), từ xây dựng mơ hình dự đốn theo phương pháp hồi quy tuyến tính (mơ tả trên) để tạo kết dự đoán phân bổ khoảng [0,1] Từ đó, xây dựng lựa chọn ngưỡng (threshold - ngưỡng giá trị dùng để phân tách giá trị để phân biệt miền liệu phân biệt), với ngưỡng nhằm để kiểm tra mức độ dự đoán khách hàng Trong phần nghiên cứu đề tài này, chọn giá trị ngưỡng = 0.5 để phân tách giá trị trung bình để xét mức độ dự đốn bình thường bất thường Điều có nghĩa kết dự đốn >=0.5 gọi “bình thường”, ngược lại
- Xem thêm -

Xem thêm: Xây dựng hệ thống nhận dạng khuôn mặt và hỗ trợ, Xây dựng hệ thống nhận dạng khuôn mặt và hỗ trợ

Gợi ý tài liệu liên quan cho bạn

Nhận lời giải ngay chưa đến 10 phút Đăng bài tập ngay