Báo cáo xử lý ảnh, khuôn mat

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH TIỂU LUẬN MƠN: XỬ LÝ ẢNH ĐỀ TÀI: NHẬN DIỆN KHUÔN MẶT Sinh viên thực hiện: TRẦN QUỐC TUẤN MSSV: N18DCCN199 Giáo Viên Bộ Mơn: LÊ HỒNG THÁI MỤC LỤC I Giới Thiệu II Phát Hiện Khuôn Mặt Tạo hình ảnh thích hợp AdaBoost Cấu Trúc Tầng .6 III Trích Xuất Đặc Trưng Phân Tích Thành Phần(PCA) Phân Biết Phân Biệt Tuyến Tính(LDA) IV ĐO KHOẢNG CÁCH .9 V TỔNG KẾT: 10 I Giới Thiệu Một số cơng nghệ sinh trắc học nhen nhóm phát triển, có “Nhận diện khn mặt” Theo đó, xuất cơng nghệ làm dấy lên sóng quan tâm phản ứng lớn Chúng ta tìm hiểu vấn đề sau Với trí tuệ nhân tạo, nhận dạng khn mặt chắn cơng nghệ kỹ thuật số có ý nghĩa lớn công ty, tổ chức - đặc biệt phủ Nhận diện khuôn mặt thông minh giải pháp sử dụng trí thơng minh nhân tạo(AL) để phát khn mặt từ hình ảnh video ghi nhận camera, so khớp với hình ảnh khn mặt có sẵn sở liệu khuôn mặt lưu trước Những năm gần việc ứng dụng trí tuệ nhân tạo (AL) ngành trở nên phổ biến dần thay người để phục vụ sống tốt hơn.Hiện ứng dụng công nghệ nhận diện giải pháp giải pháp thực tế ngày nhiều Trong thực tế, q trình nhận diện bao gồm q trình Face Detection (Tạm gọi Phát khuôn mặt) Face Recognization (Nhận diện khn mặt) Mỗi q trình lại sử dụng thuật toán khác Face Detection: Đây q trình phát khn mặt ảnh Các máy ảnh, camera smartphone có chức Face Recognition: Đây trình “nhận diện khn mặt” Từ kết phase trước, ta có khn mặt ảnh Các khuôn mặt so sánh với khn mặt có sở liệu để tìm khn mặt giống Và sau sâu vào “NHẬN DIỆN KHUÔN MẶT” II Phát Hiện Khn Mặt Có nhiều cách để phát khuôn mặt: Thông qua màu sắc, cử động qua góc cạnh ảnh,… Tuy nhiên, thuật tốn sử dụng phổ biến Viola-Jones (Thư viện OpenCV hỗ trợ nhận diện khuôn mặt theo thuật tốn này) Thuật tốn chỗ khơng nhận diện khn mặt mà cịn nhận diện đồ vậy, hình dạng Cơ chế đơn giản: Tạo frame hình vng, di chuyển frame khắp ảnh gốc  Mỗi frame di chuyển, kiểm tra xem khu vực frame có phải khn mặt hay đồ vật hay không (Bằng cách kiểm tra vùng sáng tối frame)  Sau di chuyển hết ảnh, tăng kích cỡ frame lên quét lại từ đầu  Dừng thuật toán frame đủ lớn Nghe đơn giản vậy, sâu vào nghiên cứu bạn thấy rắc rối với thuật ngữ như: Haar Feature, Adaboost Training Hệ thống phải train với vài ngàn đến vài chục ngàn ảnh để tìm đặc điểm khn mặt người  Tóm lại, liệu đầu vào trình ảnh Dữ liệu đầu vị trí kích cỡ khn mặt ảnh Phương pháp nhận diện khuôn mặt Viola-Jones sử dụng.Phương pháp phát đối tượng Viola-jones đề xuất Paul Viola Michael Jones năm 2001 Phương pháp có tác động nhiều năm 2000 gọi đối tượng khung phát để cung cấp khả phát đối tượng có liên quan chạy thời gian thực Viola-Jones yêu cầu toàn cảnh trực diện mặt thẳng đứng Ở cấp độ cao, phương thức đọc đầu vào hình ảnh với cửa sổ tìm kiếm đặc điểm khn mặt người Khi đủ tính tìm thấy, sau loại cửa sổ hình ảnh báo cáo khuôn mặt Để mang lại kích thước khác mặt, cửa sổ phải thu nhỏ trình lặp lại Đối với tỷ lệ cửa sổ liên quan đến thông qua phương pháp riêng thang đo khác Phương pháp xảy tốn thời gian tính tốn kích thước hình ảnh khác Để giảm số lượng tính cửa sổ phải kiểm tra cửa sổ chuyển qua cấp độ Các cấp độ bao gồm tính để kiểm tra dễ dàng vượt qua nhiều cấp độ sau có nhiều tính yêu cầu cao Ở cấp độ, đánh giá tính cho cấp thu thập liệu giá trị thu thập không vượt qua ngưỡng, mức không thành công cửa sổ không nhận dạng khuôn mặt Các Phương pháp nhận diện khuôn mặt ViolaJones chia thành ba phần (Hình ảnh tích phân, học phân loại với AdaBoost cấu trúc tầng có chủ ý) giúp xây dựng nhận diện khn mặt thành cơng sử dụng thời gian thực ứng dụng Tạo hình ảnh thích hợp Một hình biểu diễn gọi hình tích phân Tích phân hình ảnh cịn gọi bảng diện tích tổng hợp Hình ảnh tích phân tính bước tiền xử lý Bước phương pháp Viola Jones chuyển đổi hình ảnh khn mặt đầu vào thành hình tích phân Điều thực cách làm cho pixel cho toàn tổng hợp tất pixel bên trái pixel liên quan Hình ảnh tích phân tính tốn thể phương trình đây: Trong I ảnh tích phân O ảnh gốc Để hồn thành tính tổng diện tích hình chữ nhật cách sử dụng hình ảnh tích phân hiệu Tổng kết pixel khu vực hình chữ nhật tính phương trình đây: Các tính tính tốn theo thời gian liên tục xem xét tổng pixel tính hình chữ nhật cấu thành thời gian không đổi Viola-Jones có nhận thấy máy dị có độ phân giải 24 * 24 pixel mang lại kết khả quan AdaBoost AdaBoost phương pháp thúc đẩy học máy có khả tìm giả thuyết có độ xác cao cách kết hợp nhiều giả thuyết tuần với độ xác trung bình AdaBoost phương pháp thường xem bước thẳng vào phương pháp thúc đẩy thực tế Cấu Trúc Tầng Việc phân loại phân loại phức tạp đạt tỷ lệ phát chí tốt Khái niệm Viola-Jones phương pháp nhận diện khuôn mặt quét máy dò thường xuyên hình ảnh lần với kích thước Bất kể hình ảnh phải chứa nhiều khn mặt, khơng có nghi ngờ lượng lớn cửa sổ phụ đánh giá lớn khuôn mặt Bộ phân loại Cascade bao gồm cấp có chứa phân loại mạnh Trách nhiệm cấp độ để đánh giá xem cửa sổ phụ định có thực khơng mặt khn mặt Việc triển khai có 22 cấp độ với cấp độ đầu chứa tính sau cấp có chứa tính chi tiết chuyên sâu Thông thường, cấp độ đầu thông qua thường xuyên với cấp độ sau địi hỏi nhiều III Trích Xuất Đặc Trưng “Khai thác tính liên quan đến việc giảm lượng tài nguyên cần thiết để mô tả lượng lớn liệu Đặc tính trích xuất từ liệu cho vấn đề quan trọng ứng dụng thành công máy học Trong công việc PCA LDA sử dụng làm tính trích xuất thứ ngun phương pháp giảm từ hình ảnh khn mặt ban đầu PCA LDA tạo vectơ đặc trưng theo chiều giảm.” Phân Tích Thành Phần(PCA) Phân tích thành phần (PCA) phương pháp quan trọng sử dụng nhận dạng mẫu nén PCA trích xuất tính thứ nguyên phương pháp khử PCA phương pháp thống kê phổ biến sử dụng cách tiếp cận tồn diện để tìm mẫu chiều cao liệu Mục đích PCA bắt nguồn từ thơng tin cách tiếp cận lý thuyết, chia nhỏ hình ảnh khn mặt thành tập hợp hình ảnh tính đặc trưng gọi Eigenfaces mà sử dụng để đại diện cho khn mặt có khuôn mặt Trong PCA phương pháp, ma trận hình ảnh khn mặt chiều phải chuyển thành vectơ chiều chiều vectơ vectơ hàng vectơ cột Kết là, biểu diễn hình ảnh dẫn đến không gian nhiều chiều Phương pháp PCA Các bước sau: a Tập hợp huấn luyện tổng số M hình ảnh sử dụng để tính tốn Trung bình có nghĩa thể phương trình đây: b Hình ảnh ban đầu bị trừ khỏi mức Trung bình trình bày thể phương trình đây: c Tính toán ma trận phương sai hiển thị phương trình đây: d Tính Eigenvalues Eigenvector Ma trận hiệp phương sai e Sắp xếp chọn giá trị Eigen tốt Cao Các Eigenvalues thuộc nhóm Eigenvectors chọn,M Eigenvectors mơ tả Eigenfaces Cho khuôn mặt gặp phải, Eigenfaces cập nhật tính tốn lại cho phù hợp f Chiếu mẫu đào tạo lên Eigenfaces Phân Biết Phân Biệt Tuyến Tính(LDA) Phân tích phân biệt tuyến tính (LDA) cịn gọi Phương pháp mặt cá sử dụng để khắc phục nhược điểm PCA ứng dụng lưu giữ sở liệu hình ảnh nhỏ Nó đạt chiếu hình ảnh lên khơng gian Eigenface PCA sau triển khai LDA túy để phân loại Eigenface liệu chiếu không gian LDA tìm kiếm vectơ khơng gian bên phân biệt đối xử tốt lớp Các hình ảnh nhóm LDA lớp tách hình ảnh lớp khác Về mặt toán học, hai thước đo xác định (ma trận phân tán bên lớp ma trận phân tán lớp) Đối với tất mẫu tất lớp, phân tán lớp ma trận SB ma trận phân tán bên lớp SW xác định hiển thị phương trình đây: Ở đâu mẫu lớp n, giá trị trung bình lớp n, N số lớp, số mẫu lớp n u giá trị trung bình tất lớp Sau khơng gian cho LDA bao trùm tập vectơ W=[W1,W2,W3,…,WM ] Mục tiêu để tối đa hóa đo lường lớp giảm thiểu biện pháp lớp Hình cho thấy tối đa hóa tỷ lệ phương sai lớp phương sai lớp tìm thấy phân tách lớp tốt Để làm điều chúng tơi tối đa hóa tỷ lệ để chứng minh SW ma trận số Ma trận phân tán lớp với biểu thị cách hình ảnh khn mặt phân phối chặt chẽ với lớp ma trận phân tán lớp mô tả cách lớp cách xa Khi hình ảnh khn mặt chiếu vào vectơ phân biệt W Hình ảnh khn mặt phải phân phối chặt chẽ với lớp phải tách biệt lớp nhiều tốt Nói cách khác, vectơ phân biệt thu nhỏ mẫu số cực đại tử số IV ĐO KHOẢNG CÁCH Sau tính trích xuất chọn PCA LDA, bước đo khoảng cách hình ảnh Hầu hết phương pháp nhận dạng khuôn mặt từ thập kỷ trước giúp định theo số đo khoảng cách Khoảng cách hai hình ảnh mối quan tâm nhận dạng hình ảnh thị giác máy tính Bước cuối nhận dạng khuôn mặt đo khoảng cách hai ảnh Hình ảnh giống khoảng cách vectơ hai ảnh Các khoảng cách biểu diễn không gian đối tượng sử dụng làm sở cho định công nhận Cách hay cách khác, đo khoảng cách có tác động lớn nhận dạng khuôn mặt khu vực Phương pháp đo khoảng cách sử dụng nhiều lĩnh vực tài chính, khai thác liệu, nhận dạng giọng nói tín hiệu giải mã Khoảng cách Euclide sử dụng để đo khoảng cách hình ảnh Khoảng cách Euclide định nghĩa đường thẳng khoảng cách đường thẳng hai điểm, kiểm tra gốc khác biệt bình phương tọa độ cặp đối tượng Khoảng cách Euclide tính phương trình phía dưới: Nếu khơng có bậc hai, có Bình phương Đo khoảng cách Euclid (SED) Tiêu chuẩn Khoảng cách Euclide bình phương để đặt trọng lượng lớn dần lên vật xa Trong trường hợp này, phương trình trở thành hình đây: V TỔNG KẾT: Trong phân tích này, ba sở liệu (MUCT, Face94, Nhận mặt) sử dụng để đánh giá hiệu suất hệ thống Trong Cơ sở liệu MUCT, cá nhân với đến đào tạo thử nghiệm hình ảnh cho cá nhân sử dụng Trong khi, Face94 Cơ sở liệu nhận mặt , cá nhân đào tạo từ đến hình ảnh thử nghiệm cho cá nhân sử dụng Mô phương pháp đề xuất thực MATLAB gói phần mềm Phân tích cho thấy việc tăng số lượng hình ảnh đào tạo tăng tỷ lệ nhận dạng Phương pháp Viola-Jones sử dụng để phát khuôn mặt sở liệu Phương pháp đạt tỷ lệ phát cao tất hình ảnh phát cắt ba sở liệu Nhân vật hiển thị phát cắt ảnh mẫu phương pháp Viola Jones ... Face Recognition: Đây q trình “nhận diện khn mặt” Từ kết phase trước, ta có khuôn mặt ảnh Các khuôn mặt so sánh với khuôn mặt có sở liệu để tìm khn mặt giống Và sau sâu vào “NHẬN DIỆN KHN MẶT”... Face Detection (Tạm gọi Phát khuôn mặt) Face Recognization (Nhận diện khn mặt) Mỗi q trình lại sử dụng thuật toán khác Face Detection: Đây trình phát khn mặt ảnh Các máy ảnh, camera smartphone có... frame di chuyển, kiểm tra xem khu vực frame có phải khuôn mặt hay đồ vật hay không (Bằng cách kiểm tra vùng sáng tối frame)  Sau di chuyển hết ảnh, tăng kích cỡ frame lên quét lại từ đầu  Dừng