dề tài nhận dạng khuôn mặt

54 11 0
  • Loading ...
1/54 trang

Thông tin tài liệu

Ngày đăng: 09/06/2018, 21:45

đề tài công nghệ nhận dạng. nhận dạng về khuôn mặt và xử lý các loiix do nhận dạng sai, nhận dạng không đúng, nhận dạng một số khuông mặt, nhận dạng bằng video, nhận dạng bằng camera quay trực tiếp, nhận dạng bằng ảnh tĩnh . và lưu cơ sở dữ liệu khi khuôn mặt đã được nhận dạng rồi MỤC LỤC DANH MỤC TỪ VIẾT TẮT AdaBoost Adaptive Boost ASM Active Shape Model HMM Hidden Markov Model ML Maximum-Likelihood PCA Principal Component Analysis PDF Probility Density Function PDM Point Distribution Model SVM Support Vector Machine DÁNH MỤC HÌNH ẢNH MỞ ĐẦU Cơng nghệ thơng tin ứng dụng lĩnh vực sống Với hệ thống máy tính, làm nhiều việc, tiết kiệm thời gian cơng sức Điển cơng việc nhận dạng mặt người Ngày xưa, muốn tìm kiếm kẻ tình nghi siêu thị hay sân bay, nhân viên an ninh phải tìm kiếm hình camera theo dõi Ngày nay, công việc làm tự động nhờ hệ thống nhận dạng mặt người Việc hiểu phương pháp phát hiện nhận dạng mặt người cần thiết Phát mặt người toán nhận dạng đơn giản, hệ thống cần phân loại đối tượng đưa vào có phải mặt người hay mặt người Ở mức độ cao hơn, sau phát khuôn mặt, khn mặt so sánh với khn mặt có liệu để nhận dạng xem khuôn mặt (thường áp dụng nhận dạng khuôn mặt người tiếng tội phạm bị truy nã) Với mục tiêu tìm hiểu phương pháp nhận dạng mặt người, tìm hiểu giải thuật adaboost, đặc trưng haar-like, mơ hình Cascade of Classifiers, phân tích thành phần chính, xây dựng chương trình phát nhận dạng mặt người Trên sở mục tiêu đặt cho chuyên đề, với phương pháp nghiên cứu tài liệu, phương pháp chuyên gia, phương pháp khảo sát, phương pháp cài đặt kiểm thử chúng em lựa chọn đối tượng nghiên cứu lý thuyết phát nhận dạng mặt người, vấn đề liên quan đến phương pháp phát nhận dạng mặt người, chuyên đề “Nghiên cứu phương pháp phát nhận dạng mặt người từ Webcam” nghiên cứu phạm vi liệu ảnh lấy từ Webcam trình bày ba chương với bố cục sau: Chương Tổng quan phương pháp xác định mặt người Chương Phương pháp xác định mặt người Chương Cài đặt chương trình CHƯƠNG TỔNG QUAN VỀ PHƯƠNG PHÁP XÁC ĐỊNH MẶT NGƯỜI Chương giới thiệu tốn xác định mặt người, khó khăn thách thức toán xác định mặt người ứng dụng xác định mặt người 1.1 Giới thiệu toán xác định mặt người ảnh Trong nhiều năm qua, có nhiều cơng trình nghiên cứu toán nhận dạng mặt người Các nghiên cứu từ toán đơn giản, từ việc nhận dạng mặt người ảnh đen trắng mở rộng cho ảnh mầu có nhiều mặt người ảnh Đến toán xác định mặt người mở rộng với nhiều miền nghiên cứu nhận dạng khuôn mặt, định vị khuôn mặt, theo dõi mặt người hay nhận dạng cảm xúc mặt người,… Phát mặt người ảnh phần hệ thống nhận dạng mặt người Các hệ thống nhận dạng khuôn mặt bắt đầu xây dựng từ năm 1970, nhiên hạn chế luật xác định mặt người nên áp dụng số ứng dụng nhận dạng thẻ cước Nó phát triển mạnh mẽ từ năm 1990 có tiến cơng nghệ video ngày ứng dụng xác định mặt người trở nên phổ biến sống Xác định khuôn mặt người kỹ thuật máy tính để xác định vị trí kích thước khn mặt người ảnh Kỹ thuật nhận biết đặc trưng khuôn mặt bỏ qua thứ khác như: tòa nhà, cối, thể… 1.2 Những khó khăn thách thức toán xác định mặt người Việc xác định khn mặt người có khó khăn định như: - Hướng khuôn mặt máy ảnh, như: nhìn thẳng, nhìn nghiêng hay nhìn từ xuống Cùng ảnh có nhiều khuôn mặt tư khác - Sự có mặt chi tiết khơng phải đặc trưng riêng khuôn mặt người, như: râu quai nón, mắt kính, … - Các nét mặt khác khuôn mặt, như: vui, buồn, ngạc nhiên,… - Mặt người bị che khuất đối tượng khác có ảnh - Sự biểu cảm khuôn mặt: biểu cảm làm thay đổi đáng kể đặc trưng thơng số khn mặt, ví dụ khuôn mặt người khác người cười, tức giận hay sợ hãi … 1.3 Các ứng dụng xác định mặt người Xác định mặt người thường phần hệ thống (facial recognition system) Nó thường dùng giám sát video, giao tiếp người máy quản lý sở liệu ảnh… Các ứng xác định mặt người kể đến [4]: 1.3.1 Xác minh tội phạm Dựa vào ảnh người, nhận dạng xem người có phải tội phạm hay không cách so sánh với ảnh tội phạm lưu trữ Hoặc sử dụng camera để phát tội phạm đám đông Ứng dụng giúp quan an ninh quản lý người tốt 1.3.2 Camera chống trộm Các hệ thống camera xác định đâu người theo dõi xem người có làm phạm pháp khơng, ví dụ lấy trộm đồ, xâm nhập bất hợp pháp vào khu vực 1.3.3 Bảo mật Các ứng dụng bảo mật đa dạng, số cơng nghệ nhận dạng mặt người laptop, công nghệ cho phép chủ nhân máy tính cần ngồi trước máy đăng nhập Để sử dụng cơng nghệ này, người dùng phải sử dụng webcam để chụp ảnh khn mặt cho máy “học” thuộc đặc điểm khn mặt giúp cho q trình đăng nhập sau 1.3.4 Lưu trữ khuôn mặt Xác định mặt người ứng dụng trạm rút tiền tự động (ATM) để lưu trữ khuôn mặt người rút tiền Hiện có người bị người khác lấy trộm thẻ ATM mã PIN, bị rút tiền trộm, có chủ tài khoản rút tiền lại báo với ngân hàng bị thẻ bị rút tiền trộm Nếu lưu trữ khuôn mặt người rút tiền, ngân hàng đối chứng xử lý dễ dàng 1.3.5 Các ứng dụng khác - Điều khiển vào ra: văn phòng, cơng ty, trụ sở, máy tính, Palm,… Kết hợp thêm vân tay mống mắt Cho phép nhân viên vào nơi cần thiết - An ninh sân bay, xuất nhập cảnh (hiện quan xuất nhập cảnh Mỹ áp dụng) Dùng camera quan sát để xác thực người nhập cảnh kiểm tra xem người có phải tội phạm hay phần tử khủng bố khơng - Tìm kiếm tổ chức liệu liên quan đến người thông qua khuôn mặt người nhiều hệ sở liệu lưu trữ thật lớn, internet, hãng truyền hình, … Ví dụ: tìm đoạn video có tổng thống Bush phát biểu, tìm phim có diễn viên Tăng Thanh Hà đóng, tìm trận đá bóng có Cơng Vinh đá, … - Kiểm tra trạng thái người lái xe có ngủ gật, tập trung hay khơng, hỗ trợ thông báo cần thiết - Tương lai phát triển loại thẻ thơng minh có tích hợp sẵn đặc trưng người dùng đó, người dùng khác dùng để truy cập hay xử lý hệ thống yêu cầu kiểm tra đặc trưng khuôn mặt so với thẻ để biết có phải chủ thẻ hay khơng - Hãng máy chụp hình Canon ứng dụng tốn xác định khn mặt người vào máy chụp hình hệ kết hình ảnh đẹp hơn, khuôn mặt người CHƯƠNG PHƯƠNG PHÁP PHÁT HIỆN VÀ NHẬN DẠNG MẶT NGƯỜI Chương đưa sở lý thuyết phương pháp phát nhận dạng mặt người, hướng tiếp cập, đặc trưng Haar – like, adaboost, hệ thống phát mặt người, phân tích thành phần PCA 2.1 Các hướng tiếp cận Dựa vào tính chất phương pháp xác định mặt người ảnh, phương pháp chia thành bốn loại chính, tương ứng với bốn hướng tiếp cận khác Ngồi có nhiều nghiên cứu mà phương pháp xác định mặt người khơng dựa vào hướng mà có liên quan đến nhiều hướng [4] - Hướng tiếp cận dựa tri thức: Dựa vào thuật tốn, mã hóa đặc trưng quan hệ đặc trưng khuôn mặt thành luật Đây hướng tiếp cận theo kiểu top-down - Hướng tiếp cận dựa đặc trưng khơng thay đổi: Xây dựng thuật tốn để tìm đặc trưng khn mặt mà đặc trưng không thay đổi tư khuôn mặt hay vị trí đặt camera thay đổi Hướng tiếp cận hướng tiếp cận theo kiểu bottom-up - Hướng tiếp cận dựa so sánh khớp mẫu: Dùng mẫu chuẩn khuôn mặt (các mẫu định nghĩa tay trước tham số hóa mộ hàm số) để mô tả khuôn mặt hay đặc trưng khuôn mặt Mẫu sử dụng để phát khuôn mặt cách quét qua ảnh tính tốn giá trị tương đồng cho vị trí Việc xuất khn mặt vị trí ảnh phụ thuộc vào giá trị tương đồng điểm so với mẫu chuẩn - Hướng tiếp cận dựa diện mạo: Trái ngược với hướng tiếp cận dựa khuôn mẫu, mơ hình (hay mẫu) học từ tập ảnh huấn luyện mà thể tính chất tiêu biểu xuất mặt người ảnh Sau hệ thống (mơ hình) xác định mặt người Phương pháp biết đến với tên gọi tiếp cận theo phương pháp học máy 2.1.1 Hướng tiếp cận dựa tri thức a Tư tưởng Trong hướng tiếp cận này, phương pháp xác định mặt người xây dựng dựa vào luật, luật phụ thuộc vào tri thức tác giả nghiên cứu toán xác định khuôn mặt Dễ dàng xây dựng luật để mô tả đặc trưng khuôn mặt quan hệ tương ứng Ví dụ, khn mặt thường có hai mắt đối xứng qua trục thẳng đứng khn mặt có mũi miệng Các quan hệ đặc trưng quan hệ vị trí khoảng cách tương đối Khó khăn hướng tiếp cận làm để chuyển tri thức người khuôn mặt sang luật cho máy tính cách hiệu Nếu luật chi tiết, chặt chẽ xác định thiếu khn mặt có ảnh, luật tổng quát dẫn đến xác định sai khu vực khn mặt thành khn mặt Ngồi khó để mở rộng phạm vi toán để xác định khn mặt có nhiều tư khác b Các nghiên cứu Có nhiều cách để xây dựng chương trình xác định mặt người theo hướng tiếp cận dựa tri thức Thơng thường chương trình xây dựng theo hướng dựa vào phương pháp chọn ứng viên ảnh trước, sau áp dụng luật để xác định ứng viên khuôn mặt, ứng viên khn mặt Q trình áp dụng nhiều lần để giảm sai sót Hình 2.1.1.b.1 Phương pháp xác định khuôn mặt theo hướng tiếp cận top-down Trên hình 2.1, Các luật xây dựng dựa vào tri thức người nghiên cứu đặc trưng khn mặt (ví dụ cường độ phân phối khác nhau) vùng khuôn mặt Yang Huang sử dụng hướng tiếp cận dựa tri thức để xác định khuôn mặt Hệ thống hai tác giả bao gồm ba mức luật Đầu tiên ông sử dụng khung cửa sổ để quét ảnh thông qua số tập luật để xác định ứng viên mặt người, ví dụ tìm phần trung tâm khn mặt (phần tối hình 1) Tiếp theo, dùng tập luật để mô tả tổng qt hình dáng khn mặt, lọc ứng viên mức thành tập ứng viên có xác suất khuôn mặt cao Cuối cùng, ông lại dùng tập luật khác để xem xét mức chi tiết đặc trưng khn mặt (có thể đặc trưng mắt, mũi, miệng …), từ lọc ứng viên xác Có thể nói cách làm hai ơng cách làm mịn dần để đạt kết tốt nhất, tỷ lệ xác chưa cao, tiền đề cho nhiều nghiên cứu sau Có nhiều cơng trình nghiên cứu sử dụng phương pháp chiếu để xác định khuôn mặt Kotropoulos Pitas đưa phương pháp gần tương tự với Yang Huang Đầu tiên, vùng khuôn mặt định vị phương pháp chiếu (đã Kanade sử dụng thành công) để xác định biên khuôn mặt Với I(x, y) giá trị xám điểm ảnh có kích thước m x n vị trí (x, y), hàm để chiếu ảnh theo phương ngang thẳng đứng định nghĩa sau: Dựa biểu đồ hình chiếu ngang, xét biểu đồ biến thiên HI hai ơng tìm hai cực tiểu địa phương tương ứng với hai đỉnh đầu bên trái bên phải khn mặt Còn theo hình chiếu dọc, xét biến thiên tìm cực tiểu địa phương VI cho ta vị trí miệng, đỉnh mũi hai mắt Các đặc trưng đủ để xác định khn mặt Hình 2.2.a cho ví dụ cách xác định Cách xác định có tỷ lệ xác định xác 86.5% cho trường hợp có khn mặt trực diện hình khơng phức tạp Nếu hình phức tạp hình 2.2.b khó tìm Còn ảnh có nhiều khn mặt (hình 2.2.c) không xác định 10 * Xem xét lại không gian mặt Một ảnh mặt người, số gương mặt chuỗi huấn luyện, nên tuyến tính với khơng gian mặt, tổng qt mơ tả ảnh xem giống mặt người Nói cách khác, khoảng cách hình chiếu Φ δ nên nằm phạm vi ngưỡng Có trường hợp xảy ảnh đầu vào vectơ thành phần nó: - Gần khơng gian mặt thuộc lớp mặt - Gần không gian mặt không thuộc lớp mặt - Xa không gian mặt thuộc lớp mặt - Xa không gian mặt khơng thuộc lớp mặt Hình 2.4.3.c.1 Ví dụ đơn giản thể hình chiếu ảnh lên khơng gian mặt người Trong trường hợp sử dụng eigenfaces µ1, µ2 lớp mặt người (cá thể) biết trước (Ω1, Ω2, Ω3) Trong trường hợp đầu tiên, cá thể nhận dạng xác định Trong trường hợp nhận cá thể thuộc lớp mặt người chưa biết Hai trường hợp lại ảnh khơng phải ảnh mặt người Riêng trường hợp thứ ba bị nhận diện sai hầu hết hệ thống nhận dạng nay; nhiên nhận dạng sai bị phát hệ thống vi khoảng cách cần thiết ảnh không gian ảnh mặt người * Nhận dạng theo thời gian thực Con người không ngừng chuyển động Ngay ngồi họ cựa quậy, điều chỉnh vị trí thể, chớp mắt nhìn xung quanh Đối với người 40 chuyển động không gian tĩnh, xây dựng hệ thống dò tìm định vị chuyển động đơn giản, cho phép dò tìm định vị trí đầu nhân vật Bộ lọc khơng gian - thời gian (spatio-temporal) theo dõi nhấn mạnh vị trí ảnh khơng tuyến tính mà cường độ thay đổi theo thời gian, người chuyển động lên ảnh lọc Sau lấy ngưỡng ảnh lọc để tạo ảnh chuyển động dạng nhị phân, phân tích chuyển động khối theo thời gian để xác định chuyển động người để từ xác định vị trí đầu người Một số luật đơn giản sử dụng, chẳng hạn “đầu người khối nhỏ nằm phía khối (thân người)” chuyển động đẩu người chậm liền kề Chúng ta sử dụng kỹ thuật mô tả để xây dựng hệ thống dò tìm nhận dạng mặt người theo thời gian thực Khi chương trình nhận dạng dò tìm chuyển động kiếm phần đầu người, ảnh con, trung tâm phần đầu người, chuyển vào module nhận dạng Dùng khoảng cách từ không gian mặt người xác định, ảnh bị loại bỏ mặt người, nhận dạng xem gương mặt có phải thuộc nhóm biết trước khơng, xác định gương mặt chưa biết Quá trình nhận dạng hệ thống từ đến giây 2.4.4 Nhận xét PCA phương pháp dùng để xây dựng đặc trưng khn mặt, tảng để phát triển thuật tốn khác Thực tế có nhiều tác giả áp dụng PCA, kết hợp với phương pháp mạng neural, xác suất thống kê để xây dựng thuật tốn có độ xác cao a Ưu điểm phương pháp PCA Dễ cài đặt, ta xét tốn tìm khn mặt giống cần áp dụng hoàn toàn theo lý thuyết có độ xác cao, áp dụng cho tốn tìm vị trí khn mặt cần phải có thuật tốn để sử dụng face map thu theo lý thuyết Tìm đặc tính tiêu biểu đối tượng cần nhận dạng mà không cần phải xác định thành phần mối quan hệ thành phần 41 Thuật tốn thực tốt với ảnh có độ phân giải cao, PCA thu gọn ảnh thành ảnh có kích thước nhỏ PCA kết hợp với phương pháp khác mạng Noron, Support Vector Machine … để mang lại hiệu nhận dạng cao b Nhược điểm PCA Các mẫu khuôn mặt hồn tồn phụ thuộc vào tập huấn luyện, có nghĩa khuôn mặt ảnh kiểm tra phải giống với ảnh huấn luyện kích thước, tư thế, độ sáng Thực tế tập huấn luyện thường gồm nhiều nhóm hình, nhóm hình người với tư thế, độ sáng khác PCA phân loại theo chiều phân bố lớn tập vector Tuy nhiên, chiều phân bố lớn lúc mang lại hiệu tốt cho toán nhận dạng Đây nhược điểm PCA PCA nhạy với nhiễu Có nhiều thuật toán nhận dạng mặt người dựa chi tiết khuôn mặt đôi mắt, lông mày, cấu trúc khn mặt, hay màu da… Khác hồn tồn với thuật toán trên, PCA nhận dạng dựa nét tổng thể khn mặt Còn thuật toán, PCA cung cấp sở rõ ràng cho việc mô tả đặc trưng khuôn mặt, để từ phát triển thuật tốn nhận dạng khác Vì PCA khơng thuật toán tốt nhất, thuật toán phổ biến áp dụng toán nhận diện mặt người 42 CHƯƠNG CÀI ĐẶT CHƯƠNG TRÌNH Phát mặt người ảnh có nhiều ứng dụng sống, nhiên, khóa luận này, chúng em xây dựng chương trình nhỏ để minh họa cho lý thuyết Cụ thể chương trình phát mặt người ảnh viết visual C# Microsoft, sử dụng thư viện mã nguồn mở EmguCV 3.1 Thư viện mã nguồn mở EmguCV Là cross flatform NET, thư viện xử lý hình ảnh mạnh dành riêng cho ngơn ngữ C# Cho phép gọi chức OpenCV từ NET Tương thích ngơn ngữ như: C#, VB, VC ++, Iron Python Wrapper biên dịch Visual Studio, Xamarin Studio Unity Nó chạy Windows, Linux, Mac OS X, iOS, Android Windows Phone Là thư viện có nhiều lợi như: - EmguCV viết hồn tồn C# Có thể chạy tảng hỗ trợ bao gồm iOS, Android, Windows Phone, Hệ điều hành Mac OS X Linux - EmguCV sử dụng từ nhiều ngôn ngữ khác nhau, bao gồm C#, VB.NET, C ++ Iron Python - Nhận dạng ảnh: nhận dạng khuôn mặt, vật thể … - Xử lý ảnh: khử nhiễu, điều chỉnh độ sáng … - Nhận dạng cử - Hỗ trợ tài liệu XML intellisense - Sự lựa chọn để sử dụng hình ảnh lớp trực tiếp gọi chức từ OpenCV 3.2 Công cụ lập trình Microsoft Viual Studio (VS) IDE Microsoft phát triển để hỗ trợ lập trình viên q trình viết mã Ngồi chức viết mã, build debug, VS cung cấp cho người dùng chức như: - Làm việc nhóm thơng qua Team Foundation Server Microsoft - Advanced Breakpoints 43 - Các phím tắt plugins hỗ trợ người dùng thao tác nhanh việc viết mã - Wizard Classes - Tùy chỉnh liên kết project thư viện, tập tin liên quan Visual Studio hỗ trợ nhiều ngơn ngữ lập trình khác cho phép trình biên tập mã gỡ lỗi để hỗ trợ (mức độ khác nhau) ngôn ngữ lập trình Các ngơn ngữ tích hợp gồm có C, C++ C++/CLI (thông qua Visual C++), VB.NET (thông qua Visual Basic.NET), C thăng (thông qua Visual C#) F thăng (như Visual Studio 2010) Hỗ trợ cho ngôn ngữ khác J++/J thăng, Python Ruby thông qua dịch vụ cài đặt riêng rẽ Nó hỗ trợ XML/XSLT, HTML/XHTML, JavaScript CSS 3.3 Cài đặt chương trình 3.3.1 Phân tích Nhiệm vụ chương trình dò tìm khn mặt từ từ webcam, sau lưu khn mặt vào csdl để sau phát triển đề tài dùng để phục vụ cho mục đích khác Capture ảnh NGƯỜI DÙNG Dữ liệu trả 44 Hình 3.3.1.a.1 Biểu đồ ngữ cảnh hệ thống Như chức chương trình bao gồm: - Kết nối đến webcam - Phát nhận dạng khn mặt có webcam - Nhận dạng khn mặt lưu ảnh khn mặt chưa có sở liệu vào sở liệu 3.3.2 Thiết kế hệ thống Với chức trên, chương trình chia thành thành phần chính: Phần xử lý đầu vào, phần phát khuôn mặt phần xử lý đầu 45 sfa 46 Có Hình 3.3.2.a.1 Hệ thống chương trình nhận dạng mặt người b Xử lý đầu vào Chương trình nhận đầu vào webcam, nhiên, việc phát khuôn mặt Đầu thực ảnh, đó, với đầu vào webcam thì, ta phải chuyển(Ảnh từ we thành ảnh tĩnh xử lý ảnh tĩnh Sau có ảnh đầu vào chuyển ảnh cho giai đoạn xử lý tiếp theo, phát nhận khn mặt có ảnh c Phát nhận dạng khn mặt * Phát Khn mặt có  u Phần xử lý nghiệp vụ hệ thống Sau có ảnh truyền vào, hệ CSDL thống thực chức phát khn mặt có ảnh Việc phát khuôn mặt thực nhanh thuật tốn adaboost thơng qua hàm cvHaarDetectObjects() OpenCV theo sơ đồ đưa mục 2.3 Hàm thực việc phát đối tượng dựa đặc trưng haar-like, cụ thể nhờ vào Cascade truyền vào cho hàm Bộ Cascade xây dựng theo dạng (tree-node) huấn luyện từ trước Việc huấn luyện Cascade thực từ liệu thu thập để phục vụthị chothơng q trình nhậndán Hiển tin nhãn cho khn khn mặt mặt dạng Ví dụ, muốn nhận dạng người A, ta thu thập ảnh người A với nhiều tư thế, góc chụp điều kiện chụp khác nhau, sau cho nhận dạng học theo thuật toán Cascade training DetectHaarCascade(HaarCascade haarObj, double scaleFactor, int minNeighbors, HAAR_DETECTION_TYPE flag, Size minSize) HaarCascade phân lớp thành phần quan trọng hệ thống, tải từ file xml ymxl xây dựng sẵn sở liệu chuẩn EmguCV cho phép sở liệu xây dựng file xml riêng, thư viện cài đặt sẵn hàm xây dựng file xml cvCreateHidHaarClassifierCascade ScaleFactor tỷ lệ tăng kích thước cửa sổ (window) q trình dịch cửa sổ tồn ảnh.Ví dụ 1.1 có nghĩa tăng kích thước cửa sổ 10% 47 MinNeighbors giá trị nhỏ (trừ 1) “hình chữ nhật hàng xóm” tạo nên đối tượng, tất nhóm có số lượng hình chữ nhật nhỏ minNeighbors – bị bỏ qua Nếu minNeighbors = , hàm khơng nhóm hình chữ nhật lại, sử dụng mà có thủ tục nhóm riêng Flags: quy định phương thức thực Hiện có cờ rõ CV_HAAR_DO_CANNY_PRUNING Nếu cờ đặt, hàm sử dụng phát cạnh Canny để bỏ qua số vùng có chứa q q nhiều cạnh Giá trị lấy ngưỡng thực tế điều chỉnh cho nhận dạng khuôn mặt, trường hợp này, cắt tỉa làm tăng tốc độ xử lý MinSize: kích thước nhỏ chấp nhận khuôn mặt * Nhận dạng Sau hệ thống phát khn mặt thực cơng việc nhận dạng xem mặt lưu sở liệu trước chưa Nếu chưa có thực cơng việc lưu mặt người tên khuôn mặt vào sở liệu Ở phần việc nhận dạng khuôn mặt chủ yếu thực hàm: public EigenObjectRecognizer(String[] labels, double eigenDistanceThreshold, ref MCvTermCriteria termCrit) Hàm dùng để nhận dạng đối tượng cách sử dụng liệu đào tạo cụ thể trước thơng số Bao gồm tham số chủ yếu: Labels nhãn tương ứng với hình ảnh EigenDistanceThreshold thiết lập ngưỡng khoảng cách eigen Số nhỏ, có nhiều khả hình ảnh kiểm tra coi đối tượng khơng cơng nhận Đặt số lớn (ví dụ 5000) nhận dạng ln đối xử với hình ảnh kiểm tra đối tượng biết đến TermCrit tiêu chuẩn đào tạo việc nhận dạng số lần tối đa lặp d Xử lý đầu Khuôn mặt sau phát tách khỏi ảnh lưu dạng ảnh bitmap với phần mở rộng *.bmp Hiển thị khung hình nhận dạng mặt người nhãn dán tên khuôn mặt 48 3.3.3 Thiết kế giao diện Hình 3.3.3.a.1 Giao diện phần mềm 3.3.4 Đánh giá thử nghiệm Thực kiểm tra kết với 10 ảnh lưu trực tiếp từ chương trình thơng qua webcam Thực việc đánh giá độ (precision) độ triệu hồi (recall) F-measure chương trình tính theo cơng thức: P (Precision) = Số mặt nhận dạng đúng/Số mặt nhận dạng R (Recall) = Số mặt nhận dạng đúng/Tổng số mặt F (F-measure)= (2*P*R)/(P+R) Bảng 3.3.4.a.1.1 Kết nhận dạng mặt người STT Tên ảnh Số mặt người Nhận dạng 49 Đúng Sai Webcam1 3 Webcam2 2 Webcam3 2 Webcam4 2 Webcam5 2 Webcam6 1 Webcam7 2 Webcam8 3 Webcam9 10 Webcam10 4 Tổng P (Precision) = 0.84 28 25 21 R (Recall) = 0.75 F (F-measure)= 0.792 b Đánh giá * Ưu điểm Qua bảng tính thử nghiệm chương trình ta thấy đa số khuôn mặt phát nhận dạng Kết nhận dạng có tỉ lệ cao * Nhược điểm Một số khuôn mặt chương trình khơng phát độ sáng, tư thế, mặt nghiêng, chủ yếu chất lượng ảnh (webcam), Một số khuôn mặt nhận dạng sai tên mẫu khn mặt hồn tồn phụ thuộc vào tập huấn luyện, có nghĩa khn mặt ảnh kiểm tra phải giống với ảnh huấn luyện kích thước, tư thế, độ sáng Chương trình hoạt động tốt nhận dạng xác khn mặt phát với kích thước, tư khuôn mặt huấn luyện trước Chương trình nhạy với nhiễu khuôn mặt chưa lưu vào tập huấn luyện tự động nhận dạng với tên có sẵn tập huấn luyện 50 c Cải thiện hiệu chương trình Nhiệm vụ ta phần chạy thử nghiệm với tham số [scaleFactor, minNeighbors, minSize] khác hàm cvHaarDetectObjects để tìm tham số phù hợp Thay đổi thông số tham số EigenDistanceThreshold hàm EigenObjectRecognizer thay đổi thành 2500, 3000 số nhỏ thay 5000 (đang cài đặt chương trình) để làm cho chức nhận dạng nghiêm ngặt Thực huấn luyện khn mặt nơi có độ sáng tốt để đảm bảo chất lượng webcam thu hình rõ Đảm bảo kích thước đầu vào khn mặt Kích thước gần với kích thước khung kình khn mặt tỉ lệ nhận dạng cao 51 KẾT LUẬN Kết đạt Sau thời gian tìm hiểu nghiên cứu chuyên đề, với tận tình hướng dẫn thầy giáo hướng dẫn Chuyền đề “Nghiên cứu phương pháp phát nhận dạng mặt người từ Webcam” hoàn thành đạt kết như: - Hoàn thành báo cáo tìm hiểu phương pháp phát nhận dạng mặt người - Xây dựng chương trình phát nhận dạng mặt người từ Webcam nhận dạng đa số khuôn mặt thu từ Webcam Ngồi ra, qua q trình tìm hiểu nghiên cứu chúng em đạt số kết khác như: - Cách viết báo cáo khoa học hoàn chỉnh - Rèn luyện kỹ phân tích đề tài, đặt mục tiêu xây dựng bố cục đề tài - Rèn luyện kỹ làm việc nhóm - Nâng cao khả tự học, tự nghiên cứu thân Hạn chế chuyên đề - Hạn chế trình độ thời gian thực chun đề có hạn, chương trình gói gọn quy mô nhỏ - Điều kiện quan sát, thiết bị kỹ thuật có ảnh hưởng đến đầu vào toán nên kết đạt chưa đạt tốt Ở chương trình chất lượng Webcam nên chất lượng ảnh tối nên việc nhận dạng khn mặt khó khăn - Thuật tốn xây dựng nên chương trình phụ thuộc nhiều vào tư thế, độ sáng kích thước khung hình mặt người tập tin huấn luyện để nhận dạng khuôn mặt - Việc xây dựng chương trình thử nghiệm sở nghiên cứu lý thuyết, thư viện, tập tin huấn luyện sẵn chức viết OpenCV EmguCV để từ xây dựng lên chương trình Hướng phát triển 52 - Tập trung cải thiện thuật tốn phát mặt người, để phát nhận dạng mặt người khung hình rộng xác - Xây dựng thuật tốn nhận dạng khơng phụ thuộc vào kích thước khn mặt tập tin huấn luyện - Xây dựng tập tin huấn luyện phát nhận dạng khuôn mặt hiểu để áp dụng cài đặt cho ứng dụng camera giám sát đối tượng vào quan hay nơi cụ thể 53 TÀI LIỆU THAM KHẢO [1] Nguyễn Trung Hiếu (2010), Dò tìm cắt ảnh mặt người dùng PCA, Trường Đại học công nghiệp Thành phố Hồ Chí Minh [2] Nguyễn Thị Mai Lan (2016), Nhận dạng mặt người sử dụng phương pháp rút trích đặc trưng PCA sử dụng mạng nơ ron, Trường Đại học tài nguyên môi trường Hà Nội [3] Trương Công Lợi (2013), Nhận dạng khuôn mặt sử dụng phương pháp biến đổi eigenfaces mạng nơron, Trường Đại học Đà nẵng [4] Lê Mạnh Tuấn (2009), Phát mặt người ảnh ứng dụng, Trường Đại học công nghệ, Đại học Quốc gia Hà Nội [5] Nguyễn Thành Trung (2010), Trích chọn đặc trưng khn mặt người, Trường Đại học công nghệ, Đại học Quốc gia Hà Nội 54 ... hiện nhận dạng mặt người cần thiết Phát mặt người toán nhận dạng đơn giản, hệ thống cần phân loại đối tượng đưa vào có phải mặt người hay mặt người Ở mức độ cao hơn, sau phát khuôn mặt, khuôn mặt. .. mặt so sánh với khn mặt có liệu để nhận dạng xem khuôn mặt (thường áp dụng nhận dạng khuôn mặt người tiếng tội phạm bị truy nã) Với mục tiêu tìm hiểu phương pháp nhận dạng mặt người, tìm hiểu... việc nhận dạng mặt người ảnh đen trắng mở rộng cho ảnh mầu có nhiều mặt người ảnh Đến toán xác định mặt người mở rộng với nhiều miền nghiên cứu nhận dạng khuôn mặt, định vị khuôn mặt, theo dõi mặt
- Xem thêm -

Xem thêm: dề tài nhận dạng khuôn mặt, dề tài nhận dạng khuôn mặt, CHƯƠNG 1. TỔNG QUAN VỀ PHƯƠNG PHÁP XÁC ĐỊNH MẶT NGƯỜI, CHƯƠNG 2. PHƯƠNG PHÁP PHÁT HIỆN VÀ NHẬN DẠNG MẶT NGƯỜI, b. Một số phương pháp cụ thể trong hướng tiếp cận dựa trên diện mạo, * Phân loại Bayes, b. Phân tích thành phần chính PCA, * Nhận dạng theo thời gian thực, b. Nhược điểm của PCA, CHƯƠNG 3. CÀI ĐẶT CHƯƠNG TRÌNH, d. Xử lý đầu ra, c. Cải thiện hiệu quả chương trình

Mục lục

Xem thêm

Gợi ý tài liệu liên quan cho bạn

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