NHẬN DẠNG MẶT NGƯỜI DÙNG WAVELETS

TỔNG LIÊN ĐOÀN LAO ĐỘNG VIỆT NAM TRƯỜNG ĐẠI HỌC TÔN ĐỨC THẮNG KHOA ĐIỆN – ĐIỆN TỬ ĐỒ ÁN TỐT NGHIỆP NHẬN DẠNG MẶT NGƯỜI DÙNG WAVELETS Người hướng dẫn: THS NGUYỄN NHẬT TÂN Người thực hiện: TSẰN LỘC PHI Lớp : 10040002 Khố THÀNH PHỐ HỒ CHÍ MINH, NĂM 2015 : 14 TỔNG LIÊN ĐOÀN LAO ĐỘNG VIỆT NAM TRƯỜNG ĐẠI HỌC TÔN ĐỨC THẮNG KHOA ĐIỆN – ĐIỆN TỬ ĐỒ ÁN TỐT NGHIỆP NHẬN DẠNG MẶT NGƯỜI DÙNG WAVELETS Người hướng dẫn: THS NGUYỄN NHẬT TÂN Người thực hiện: TSẰN LỘC PHI Lớp : 10040002 Khoá THÀNH PHỐ HỒ CHÍ MINH, NĂM 2015 : 14 LỜI CẢM ƠN Trƣớc hết em xin gửi lời cảm ơn sâu sắc đến Thầy Nguyễn Nhật Tân, ngƣời giúp đỡ em nhiều định hƣớng nghiên cứu, hƣớng dẫn cho em suốt thời gian thực đề tài Em xin cảm ơn khoa Điện – Điện tử trƣờng Đại Học Tôn Đức Thắng , cảm ơn thầy khoa tận tình giảng dạy, truyền đạt cho em kiến thức quý báu năm học vừa qua, giúp cho em có tảng kiến thức vững để thực đồ án tốt nghiệp Xin cảm ơn bạn sinh viên khoa giúp đỡ nhiều mặt nhƣ tài liệu, sách vở, ý kiến … Mặc dù cố gắng hoàn thành đồ án song khơng tránh khỏi sai sót, mong thầy bạn đóng góp ý kiến hay để đồ án đƣợc thành cơng TP Hồ Chí Minh, ngày 18 tháng năm 2015 Tsằn Lộc Phi CƠNG TRÌNH ĐƢỢC HỒN THÀNH TẠI TRƢỜNG ĐẠI HỌC TƠN ĐỨC THẮNG Tơi xin cam đoan cơng trình nghiên cứu riêng đƣợc hƣớng dẫn khoa học Thầy Nguyễn Nhật Tân Các nội dung nghiên cứu, kết đề tài trung thực chƣa cơng bố dƣới hình thức trƣớc Những số liệu bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá lấy đƣợc trình khảo sát thực nghiệm chƣơng trình Ngồi ra, luận văn cịn sử dụng số nhận xét, đánh giá nhƣ số liệu tác giả khác, quan tổ chức khác có trích dẫn thích nguồn gốc Nếu phát có gian lận tơi xin hồn toàn chịu trách nhiệm nội dung luận văn Trƣờng đại học Tơn Đức Thắng khơng liên quan đến vi phạm tác quyền, quyền gây q trình thực TP Hồ Chí Minh, ngày 18 tháng năm 2015 Tsằn Lộc Phi Tờ nhiệm vụ Tờ lịch trình MỤC LỤC DANH MỤC CÁC HÌNH VẼ VIII DANH MỤC CÁC TỪ VIẾT TẮT IX CHƢƠNG GIỚI THIỆU ĐỀ TÀI .1 1.1 TỔNG QUAN .1 1.2 MỤC ĐÍCH 1.3 ĐỐI TƢỢNG 1.4 HƢỚNG THỰC HIỆN 1.5 Ý NGHĨA KHOA VÀ THỰC TIỄN CỦA ĐỀ TÀI CHƢƠNG TÌM HIỂU VỀ ẢNH SỐ 2.1 ẢNH SỐ LÀ GÌ 2.2 KÍCH CỠ ẢNH VÀ SỐ LƢỢNG PIXEL 2.3 CHẤT LƢỢNG HÌNH ẢNH VÀ BỘ CẢM NHẬN .4 CHƢƠNG TỔNG QUAN BÀI TOÁN XÁC ĐỊNH MẶT NGƢỜI 3.1 ĐỊNH NGHĨA BÀI TOÁN XÁC ĐỊNH MẶT NGƢỜI 3.2 CÁC PHƢƠNG PHÁP CHÍNH ĐỂ XÁC ĐỊNH MẶT NGƢỜI 3.2.1 Hƣớng tiếp cận dựa tri thức .7 3.2.2 Hƣớng tiếp cận dựa đặc trƣng không thay đổi .8 3.2.3 Hƣớng tiếp cận dựa so khớp mẫu 10 3.2.4 Hƣớng tiếp cận dựa diện mạo 12 3.2.5 Một số phƣơng pháp cụ thể hƣớng tiếp cận dựa diện mạo 13 3.2.6 Những khó khăn thách thức tốn xác định mặt ngƣời 14 3.2.7 Các ứng dụng xác định mặt ngƣời .15 CHƢƠNG GABOR WAVELETS VÀ ỨNG DỤNG THUẬT TOÁN TRONG NHẬN DẠNG KHN MẶT,CHƢƠNG TRÌNH MƠ PHỎNG 18 4.1 TỔNG QUÁT VỀ BIẾN ĐỔI GABOR WAVELET 18 4.2 BIỂU DIỄN HÌNH ẢNH BẰNG GABOR WAVELET 20 4.3 ỨNG DỤNG GABOR WAVELETS TRONG THUẬT TỐN NHẬN DẠNG KHN MẶT 22 4.3.1 Chiết suất đặc trƣng 22 4.3.2 Xác định tọa độ điểm đặc trƣng 22 4.3.3 Xuất vector đặc trƣng: 23 4.3.4 Tính toán mức độ tƣơng tự 24 4.3.5 So sánh khuôn mặt: .25 4.4 CHƢƠNG TRÌNH MƠ PHỎNG 28 4.4.1 Lƣu đồ giải thuật 28 4.4.2 Chƣơng trình mơ 29 4.4.3 Ƣu điểm thuật toán Wavelets 31 CHƢƠNG KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 32 5.1 KẾT LUẬN 32 5.2 HƢỚNG PHÁT TRIỂN .32 TÀI LIỆU THAM KHẢO 33 DANH MỤC CÁC HÌNH VẼ Hình 2.1: Kích thƣớc ảnh Hình 2.2: Kích thƣớc ảnh,độ lớn file ảnh Hình 3.1: Một phƣơng pháp xác định khn mặt theo hƣớng top-down Hình 3.2: Mẫu gồm 16 vùng khuôn mặt 23 quan hệ ( mũi tên) 12 Hình 4.1: Biểu diễn biên độ lọc Gabor Wavelet 19 Hình 4.2: Phần thực lọc Gabor Wavelet 19 Hình 4.3: Biểu diễn ảnh gốc Gabor Wavelet 20 Hình 4.4: Phần thực 21 Hình 4.5: Phần biên độ 21 Hình 4.6:Các điểm đặc trƣng khn mặt 22 Hình 4.7: Lƣu đồ giải thuật 28 Hình 4.8: Giao diện chƣơng trình nhận dạng mặt ngƣời 29 Hình 4.9: Nhận dạng trùng khớp 30 Hình 4.10: Nhận dạng khơng trùng khớp 30 DANH MỤC CÁC TỪ VIẾT TẮT GW Gabor Wavelets PCA Principal Component Analysis PDF Probility Density Function ML Maximum Likelihood HMM Hidden Markov Model SVM Support Vector Machine PDM Point Distribution Model ASM Active Shape Model ĐỒ ÁN TỐT NGHIỆP TRANG 19/33 Hình 4.1: Biểu diễn biên độ lọc Gabor Wavelets Hình 4.2: Ph n thực lọc Gabor Wavelets Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 20/33 4.2 Biểu diễn hình ảnh Gabor Wavelets: Biến đổi Gabor Wavelets ảnh I cho trƣớc đƣợc cho công thức sau: ' ' ' Ri ( x)   I ( x )i ( x  x ) dx Với I ( x) cƣờng độ ảnh vị trí x Từ biến đổi Gabor Wavelets đƣợc giới thiệu lĩnh vực xử lý ảnh máy tính, ứng dụng quan trọng biểu diễn Gabor Wavelets chiều nhận dạng khuôn mặt Trong hoạt động phủ Mỹ (chƣơng trình FERET ) để tìm hệ thống nhận dạng khn mặt tốt nhất, hệ thống dựa biểu diễn Gabor Wavelet ảnh khuôn mặt đƣợc chạy thử với số hệ thống khác vài thử nghiệm Việc sử dụng biểu diễn Gabor Wavelets xử lý ảnh máy tính đƣợc khởi xƣớng Daugman vào năm 1980 Gần đây, B.S Manjunath et al phát triển hệ thống nhận dạng khuôn mặt dựa biểu diễn Gabor Wavelets Một hình ảnh đƣợc biểu diễn biến đổi Gabor Wavelets cho phép mô tả cấu trúc không gian tần số mối liên hệ khơng gian Chập hình ảnh với tổ hợp lọc Gabor cho không gian tần số ( v 0, ,4) hƣớng (u 1, ,8) thu đƣợc toàn mật độ phổ tần số, biên độ pha Cho ảnh gốc: Hình 4.3: Biểu diễn ảnh gốc Gabor Wavelets Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 21/33 Hình 4.4: Ph n thực Hình 4.5: Ph n biên độ Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 22/33 4.3 ỨNG DỤNG GABOR WAVELETS TRONG THUẬT TOÁN NHẬN DẠNG KHUÔN MẶT Một kỹ thuật đƣợc sử dụng tài liệu cho việc nhận dạng khuôn mặt dùng biến đổi Gabor Wavelets việc sử dụng vector đặc trƣng để mã hóa khn mặt Thay dùng biểu đồ điểm đặc trƣng khuôn mặt, điểm có lƣợng cao đƣợc sử dụng để so sánh khuôn mặt Điều không giúp giảm khối lƣợng tính tốn mà cịn tăng độ xác thuật tốn khơng cần phải xác định điểm đặc trƣng khuôn mặt tay 4.3.1 Chiết suất đặc trƣng: Thuật toán chiết suất đặc trƣng gồm bƣớc chính: -Xác định tọa độ điểm đặc trƣng -Tính vector đặc trƣng 4.3.2 Xác định tọa độ điểm đặc trƣng: Ở bƣớc này, vector đặc trƣng đƣợc tạo từ điểm có nội dung thơng tin cao hình ảnh khn mặt Trơng hầu hết phƣơng pháp dựa vào đặc trƣng, đặc trƣng khuôn mặt mắt, mũi, miệng Tuy nhiên, không áp đặt vị trí số lƣợng điểm đặc trƣng Số lƣợng điểm đặc trƣng vị trí chúng thay đổi nhằm mục đích biểu diễn đặc trƣng nhân diện đa dạng nhiều khuôn mặt khác nhƣ nếp nhăn, nốt ruồi, đặc điểm sử dụng để nhận dạng khn mặt Hình 4.6:Các điểm đặc trƣng khuôn mặt Từ đáp ứng khn mặt qua lọc Gabor, ta tìm điểm đặc trƣng theo phƣơng pháp sau: Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 23/33 Một điểm ( x0 , y0 ) điểm đặc trƣng thỏa mãn điều kiện sau: R j ( x0 , y0 )  max ( R j ( x, y)) ( x , y )W0 R j ( x0 , y0 )  N1 N (3) N1 N  R ( x, y) x 1 y 1 j (4) j  1, , 40 Với R j đáp ứng ảnh khuôn mặt lọc Gabor thứ j; N1 , N kích thƣớc ảnh khn mặt; W0 hình vng có cạnh WxW pixel có tâm ( x0 , y0 ) Kích thƣớc W thơng số quan trọng thuật tốn này, phải đƣợc chọn đủ nhỏ để thu đƣợc đặc điểm quan trọng, đủ lớn để tránh phần dƣ thừa Phƣơng trình (4) đƣợc dùng để tránh bị mắc khu vực địa phƣơng mà khơng tìm đƣợc đỉnh đáp ứng Ở chọn W để tìm điểm đặc trƣng khuôn mặt qua đáp ứng lọc Gabor Một sơ đồ đặc trƣng cho khuôn mặt đƣợc tạo nên cách lần lƣợt thực trình 40 lọc Gabor 4.3.3 Xuất vector đặc trƣng Vector đặc trƣng đƣợc tạo điểm đặc trƣng dạng tổ hợp hệ số biến đổi Gabor Wavelets Vector đặc trƣng thứ k hình ảnh khn mặt mẫu thứ i đƣợc định nghĩa nhƣ sau: vi ,k  xk , yk , Ri , j ( xk , yk ) j  1, , 40 Với 40 lọc Gabor, vector đặc trƣng có 42 thành phần thành phần vector đặc trƣng biểu diễn vị trí điểm đặc trƣng theo tọa độ (x,y) Hai thơng số có vai trị quan trọng suốt q trình so sánh nhận dạng khn mặt 40 thành phần vector đặc trƣng giá trị đáp ứng qua lọc Gabor hình ảnh khn mặt vị trí tƣơng ứng Việc xây dựng vector đặc trƣng giá trị biến đổi Gabor Wavelets quan trọng Vector đặc trƣng cho phép thể cấu trúc không gian tần số mối quan hệ không gian vùng ảnh địa phƣơng xung quanh điểm đặc trƣng tƣơng ứng Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 24/33 4.3.4 Tính tốn mức độ tƣơng tự Nhằm mục đích tính tốn mức độ tƣơng tự vector đặc trƣng, ta sử dụng cơng thức tính mức độ tƣơng tự sau đây: Si ( k , j )  v i ,k (l ) vt , j (l ) l  vi,k (l ) l  vt , j (l ) (5) l  3, , 42 l Si (k , j ) thể mức độ tƣơng tự vector đặc trƣng thứ j khuôn mặt kiểm tra vector đặc trƣng thứ k khuôn mặt mẫu thứ i sở liệu Đại lƣợng mức độ tƣơng tự Si (k , j ) vector đặc trƣng thỏa mãn tính chất sau:  Si  Và ảnh mẫu thứ i đƣợc dùng làm ảnh kiểm tra Si ( j, j )  Thông tin vị trí điểm đặc trƣng khơng đƣợc sử dụng để tính mức độ tƣơng tự vector đặc trƣng, có biên độ hệ số wavelets đƣợc sử dụng công thức (5) Lƣu ý mức độ tƣơng tự vector đặc trƣng số thông số đƣợc sử dụng thuật tốn nhận dạng Thơng tin vị trí vector đặc trƣng đƣợc sử dụng suốt q trình nhận dạng Cơng thức (5) biện pháp đo mức độ tƣơng tự hai vector đặc trƣng dùng hệ số biến đổi Gabor Wavelets phổ biến Tuy ta cần phải có số thay đổi nhỏ Trong số tài liệu khác, đại lƣợng mức độ tƣơng tự công thức (5) đƣợc sử dụng với giá trị phức hệ số pha giá trị biến đổi Gabor Wavelets Trong thử nghiệm trƣớc ngƣời ta nhận thấy dịch chuyển nhỏ khơng gian gây nên thay đổi giá trị phức biến đổi Gabor Wavelets, qua kéo theo thay đổi pha Do đại lƣợng pha đƣợc bỏ qua nhƣ [23] Mặc dù sử dụng đại lƣợng mức độ tƣơng tự đƣợc bù pha tăng hiệu nhận dạng khuôn mặt, nhiên đại lƣợng mức độ tƣơng tự không đƣợc bù pha thƣờng đƣợc sử dụng nhằm giảm mức độ phức tạp tính tốn Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 25/33 4.3.5 So sánh khuôn mặt Sau xây dựng xong vector đặc trƣng từ ảnh kiểm tra, chúng đƣợc so sánh với vector đặc trƣng ảnh mẫu sở liệu Công đoạn so sánh trải qua bƣớc Trong bƣớc đầu tiên, loại trừ vector đặc trƣng ảnh mẫu không đủ gần với vector đặc trƣng ảnh kiểm tra theo quan hệ vị trí mức độ tƣơng tự Chỉ có vector đặc trƣng thỏa mãn đƣợc điều kiện sau đƣợc sử dụng để so sánh khuôn mặt bƣớc tiếp theo: Điều kiện 1: ( xr  xt )2  ( yr  yt )2  th1 ( xr , yr ) ( xt , yt ) biểu diễn vị trí điểm đặc trƣng ảnh mẫu ảnh kiểm tra tƣơng ứng; th1 mức bán kính ngƣỡng đƣợc chọn phù hợp để đạt đƣợc kết tốt so sánh tọa độ điểm đặc trƣng, nhằm tránh việc trùng khớp xác định vị trí điểm đặc trƣng quanh mắt với điểm đặc trƣng quanh miệng hình ảnh khn mặt mẫu Sau xác định vị trí, khơng cần để ý tới thơng tin tọa độ điểm đặc trƣng bƣớc Điều kiện 2: Si (k , j )  th2 Mức độ tƣơng tự hai vector đặc trƣng phải lớn th2 , với th2 đƣợc chọn nhƣ độ lệch tiêu chuẩn mức độ tƣơng tự tất vector đặc trƣng Việc chọn mức ngƣỡng th2 phù hợp giúp giảm số vector đặc trƣng đủ tiêu chuẩn, qua tăng tốc độ tính tốn bƣớc Bằng cách thay đổi th1 th2 kiểm soát đƣợc cấu trúc liên kết giá trị mức độ tƣơng tự vector đặc trƣng Việc tăng th1 nới rộng khu vực tìm kiếm điểm đặc trƣng có mức độ tƣơng tự lớn th2 Điều hữu ích vị trí điểm đặc trƣng thay đổi lý đó, thí dụ nhƣ ảnh đƣợc chụp với góc độ, cảm xúc khuôn mặt khác Tuy nhiên th1 lớn khiến cho thông tin cấu trúc liên kết khn mặt bị sai lệch hồn tồn Khi giữ nguyên th1 tăng th2 phạm vi lớn khiến cho kết thu đƣợc không Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 26/33 có khn mặt trùng khớp; ngƣợc lại giảm th2 làm xuất vector đặc trƣng thừa khiến tăng khối lƣợng tính tốn làm giảm độ xác q trình nhận dạng Tuy thay đổi nhỏ th1 th2 có lại khơng ảnh hƣởng đến hiệu thuật toán Sau thực bƣớc thứ nhất, vector đặc trƣng thỏa mãn đƣợc hai điều kiện ảnh mẫu sở liệu đƣợc dùng để tính tốn thơng số nhằm phục vụ cho q trình so sánh khn mặt Tập hợp vector đƣợc ký hiệu N k , j Các vector lại đƣợc bỏ qua q trình tính tốn Ở bƣớc thứ 2, công thức sau đƣợc đƣa để đảm bảo có nhiều vector đặc trƣng khuôn mặt mẫu trùng khớp với vector đặc trƣng khuôn mặt kiểm tra: Simi , j  max ( S (l , j )) lNk , j i Ở công thức trên, Simi , j thể mức độ tƣơng tự ảnh mẫu thứ i ảnh kiểm tra dựa vector đặc trƣng thứ j Tiếp theo, ta tính mức độ tƣơng tự ảnh mẫu thứ i ảnh kiểm tra cách lấy trung bình cộng thơng số Simi , j thu đƣợc bƣớc trên: OSi  mean Simi , j  Đại lƣợng OSi thỏa mãn tính chất sau:  OSi  Và ảnh mẫu thứ i đƣợc dùng làm ảnh kiểm tra OSi  Mặc dù OS thông số dùng để so sánh độ tƣơng tự tốt, nhiên ta cải thiện độ xác thuật toán cách xét đến số lƣợng vector đặc trƣng Cần phải ý số lƣợng điểm đặc trƣng dùng để tính tốn cho cặp ảnh khơng giống nhau, ảnh ngƣời (ví dụ: ảnh ngƣời có mang kính khơng có mang kính; ảnh với biểu cảm xúc khác nhau; thay đổi độ sáng; ) Sự thay đổi số lƣơng điểm đặc trƣng không đƣợc tính Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 27/33 đến đại lƣợng OS Do sử dụng đại lƣợng OS để so sánh khơng đạt đƣợc hiệu cao Thí dụ: OS 0,85 giá trị trung bình cộng 20 đại lƣợng mức độ tƣơng tự có giá trị OS 0,95 giá trị trung bình cộng đại lƣợng mức độ tƣơng tự Hơn nữa, số lƣợng vector đặc trƣng trùng khớp ảnh mẫu ảnh kiểm tra cung cấp thông tin độ trùng khớp kết cấu liên kết khuôn mặt Để sử dụng đƣợc thông tin chứa số lƣợng vector đặc trƣng trùng khớp, ta tính thơng số C cho ảnh mẫu có sở liệu cách đếm số lƣợng vector đặc trƣng có độ tƣơng tự cao ảnh mẫu với vector đặc trƣng ảnh kiểm tra: Ci   (Simi , j  max(Siml , j )) l 1, ,số lƣơng khn mặt mẫu có l sở liệu Đối với ảnh mẫu có đại lƣợng FSF đƣợc tính theo cơng thức sau: FSFi   OSi   Ci Ni Trong N i số lƣợng vector đặc trƣng ảnh mẫu thứ i;  ,  hệ số tỉ lệ đƣợc chọn phù hợp để đạt đƣợc kết tối ƣu Nếu ảnh mẫu thứ i đƣợc dùng làm ảnh kiểm tra OSi  Ci  Ni Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 28/33 4.4 Chƣơng trình mơ 4.4.1 Lƣu đồ giải thuật Begin Chọn ảnh cần nhận dạng Tạo lọc Gabor biểu diễn hình ảnh khn mặt Gabor Wavelets Tìm vị trí điểm đặc trƣng Tạo ma trận vector đặc trƣng Tính tốn thơng số tiến hành so sánh nhận dạng N Tìm đƣợc khn mặt nhận dạng khớp? Y Hiển thị kết End Hình 4.7: Lƣu đồ giải thuật Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 29/33 4.4.2 Chƣơng trình mơ Chƣơng trình có giao diện nhƣ hình dƣới: Hình 4.8: Giao diện chƣơng trình nhận dạng mặt ngƣời Chức nút nhấn giao diện chính: -Nút NHẬN DẠNG ẢNH: tiến hành nhận dạng khuôn mặt từ file ảnh nhập vào -Nút LƢU ẢNH: bổ sung vào sở liệu từ hình ảnh khn mặt nhập vào -Nút ĐĨNG: khỏi chƣơng trình -Nút DỮ LIỆU ẢNH: hiển thị cửa sổ cho phép xem khn mặt có sở liệu từ mẫu chọn xóa khuôn mặt khỏi sở liệu Mô tả hoạt động chƣơng trình: Một sở liệu gồm khuôn mặt mẫu đƣợc tạo sẵn cho chƣơng trình Hình ảnh cần nhận dạng đƣợc hiển thị lên bên trái giao diện chính.Sau tiến hành nhận dạng, hình ảnh cần nhận dạng khớp với hình ảnh sở liệu, giao diện xuất thơng báo “TRÙNG KHỚP” hình ảnh sở liệu khớp với ảnh cần nhận dạng lên Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 30/33 Hình 4.9: Nhận dạng trùng khớp -Nếu khơng khớp giao diện xuất thơng báo “KHƠNG TRÙNG KHỚP” Hình 4.10: Nhận dạng khơng trùng khớp Khi muốn nhận dạng hình ảnh khn mặt từ file nhập vào: ấn nút NHẬN DẠNG ẢNH, cửa sổ xuất để ta nhập file hình ảnh khn mặt cần nhận dạng vào Sau chƣơng trình tiến hành nhận dạng hiển thị kết Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 31/33 Bổ sung vào sở liệu hình ảnh khn mặt từ file nhập vào: ấn nút LƢU ẢNH, cửa sổ xuất để ta nhập file hình ảnh khn mặt cần bổ sung vào Sau chƣơng trình tiến hành tính tốn bổ sung hình ảnh khn mặt vừa nhập vào sở liệu 4.4.3 Ƣu điểm thuật tốn Wavelets -Tìm điểm đặc trƣng tự động thay cho việc tìm tay, điểm đặc trƣng đƣợc chọn đỉnh có lƣợng cao đáp ứng sau chập với lọc GW -Giảm dung lƣợng lƣu trữ nhiều lƣu trữ ma trận đặc trƣng với kích thƣớc nhỏ -Phƣơng pháp có khả nhận dạng tốt thay đổi độ chiếu sáng ảnh mặt, tình trạng thay đổi nét biểu cảm khuôn mặt -Không cần sử dụng nhiều ảnh mẫu,chỉ cần ảnh mmẫu dùng để nhận dạng -Với giải thuật so khớp nhận dạng với hai điều kiện đầu thỏa hai giá trị ngƣỡng th1 th2, đƣợc chọn hợp lý tăng tốc độ trình so sánh nhận dạng Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 32/33 CHƢƠNG KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 5.1 Kết luận Trong trình thực đồ án tốt nghiệp gặp nhiều khó khăn thử thách, đòi hỏi cố gắng tập trung cao độ trình thực hiện, nhƣng em cố gắng hoàn thành tiến độ làm việc theo yêu cầu đề ra, nhiên luận đạt đƣợc số kết tƣơng đối cịn nhiều sai sót vấn đề xác định vị trí khn mặt Luận văn tốt nghiệp trình bày chi tiết, cụ thể nhận dạng khn mặt ngƣời dựa thuật toán Gabor Wavelets Và xây dựng chƣơng trình thử nghiệm để đánh giá kết việc sử dụng thuật toán Wavelets để nhận dạng, từ thực nghiệm ta thu đƣợc số kết nhƣ đánh giá thuật toán sử dụng Các kết đạt đƣợc cho thấy độ xác chƣơng trình tƣơng đối cao 91% nhận dạng Tuy nhiên, thời gian có hạn khả em nên số vấn đề ý tƣởng mà luận văn chƣa thực đƣợc: + Không đánh dấu đƣợc ảnh động, thực đƣợc cách nhập ảnh nhận dạng vào từ tập ảnh có sẵn + Nhận dạng mặt ngƣời qua đoạn video webcam + Giới hạn việc xác định vị trí khn mặt dừng lại hình có ngƣời 5.2 Hƣớng phát triển -Kết hợp với nhiều thuật toán khác nhƣ: PCA,Neural,SVM… để xử lý cách xác -Dị tìm nhận dạng đối tƣợng qua camera -Cải tiến thuật tốn để tăng độ xác trình nhận dạng -Phát triển khả nhận dạng theo thời gian thực qua camera để áp dụng vào thực tế Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi ĐỒ ÁN TỐT NGHIỆP TRANG 33/33 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Trƣơng Công Lợi (2013) “Nhận dạng khuôn mặt sử dụng phương pháp biến đổi Eigenfaces mạng Nơron”,Tóm tắt luận văn thạch sĩ kỹ thuật, Đà Nẵng Tiếng Anh [2] Burcu Kepenekci, “Face reconition using Gabor wavelet transform”, The Midle East Technical University, September 2001 [3] T.S Lee, “Image representation using 2-d Gabor wavelet”, IEEE Trans On Pattern Analysis and Machine Intelligence, vol 18, no.10, October 1996 [4] Javier R Movellan, “Tutorial on Gabor Filters” [5] David S Bolme, “Elastic Bunch Graph Matching”, Colorado State University, Summer 2003 Nhận dạng mặt ngƣời dùng Wavelets SVTH: Tsằn Lộc Phi