Báo cáo xử lý ảnh, mặt

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH KHOA CƠNG NGHỆ THƠNG TIN II MÔN HỌC: XỬ LÝ ẢNH ĐỀ TÀI : NHẬN DIỆN KHUÔN MẶT Giảng viên hướng dẫn : PGS TS Lê Hoàng Thái Thực báo cáo : Phạm Phong Pôn- N18DCCN145 Lớp: D18CQCN01-N I:MỞ ĐẦU I Giới Thiệu: Một số công 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 khuôn mặt chắn công nghệ kỹ thuật số có ý nghĩa lớn cơng 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 khn 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, trình nhận diện bao gồm trình Face Detection (Tạm gọi Phát khn mặt) Face Recognization (Nhận diện khuôn mặt) Mỗi trình lại sử dụng thuật tốn khác 1) Face Detection: Đây q trình phát khn mặt ảnh Các máy ảnh, camera smartphone có chức 2) Face Recognition: Đây q 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 vuông, 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 q 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 khn 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 u 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 Viola- Jones 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 III Ảnh tích hợp Định nghĩa ảnh tích hợp( Integral image) Như trình bày phần trên, số lượng đặc trưng Haar-like nhiều khối lượng tính tốn giá trị đặc trưng lớn Vì ảnh tích hợp đưa nhằm tính tốn nhanh chóng đặc trưng, giảm thời gian xử lý Ảnh tích hợp định nghĩa theo cơng thức: Giá trị ảnh tích hợp vị trí (x,y) tổng điểm ảnh thuộc hình chữ nhật xác định góc trái (0,0) góc phải (x,y) Trên thực tế chuyển ảnh thành ảnh tích hợp ta dùng cơng thức truy hồi sau: Ví dụ chuyển ảnh 3x3 có giá trị xám bên thành ảnh tích hợp: Sau chuyển ảnh cần nhận dạng thành ảnh tích hợp, viêc tính tốn giá trị đặc trưng Haar-like đơn giản Áp dụng tính tốn đặc trưng Haar-like Để tính giá trị đặc trưng Haar-like,ta phải tính tổng giá trị điểm ảnh vùng hình chữ nhật ảnh Ví dụ vùng D hình vẽ: Với :A,B,C,D tổng giá trị điểm ảnh vùng P1,P2,P3,P4 giá trị ảnh tích hợp đỉnh D Nếu ảnh xám bình thường để tính D ta phải tính tổng tất giá trị điểm ảnh D, miền D lớn số phép cộng nhiều Nhưng với ảnh tích hợp dù miền D có kích thước D cần tính thơng qua giá trị đỉnh Ta có: P1 = A, P2 = A + B, P3 = A + C, P4 = A + B + C + D Suy ra: P1+ P4–P2–P3= A + (A + B + C + D) – (A + B) – (A + C) = D Vậy ta có: D = P1 + P4 – P2 – P3 Khi áp dụng vào tính tốn giá trị đặc trưng ta thấy: Đặc trưng hai hình chữ nhật(đặc trưng cạnh) tính thơng qua giá trị điểm ảnh tích hợp Đặc trưng ba hình chữ nhật(đặc trưng đường) đặc trưng tâm-xung quanh tính thơng qua giá trị điểm ảnh tích hợp Đặc trưng hình chữ nhật(đặc trưng chéo) tính thơng qua giá trị điểm ảnh tích hợp Trong tính định nghĩa giá trị cần tính toán lên tới hàng trăm Điều làm tăng tốc độ xử lý cách đáng kể 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 khn mặt qt máy dị thường xun 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 khơng phải khn 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 nguyên phương pháp giảm từ hình ảnh khuôn mặt ban đầu PCA LDA tạo vectơ đặc trưng theo chiều giảm.” 1) 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 khơng 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 tốn 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 toán lại cho phù hợp f Chiếu mẫu đào tạo lên Eigenface 2) 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 khơng 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  ... “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” II Phát Hiện Khn Mặt Có nhiều... 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 khn mặt Để mang... 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 khn mặt Trong PCA phương pháp, ma trận hình ảnh khn mặt chiều