Luận văn thạc sĩ VNU UET nhận dạng khuôn mặt người và ứng dụng trong bảo toàn thông tin 04

ĐẠI HỌC QUỐC GIA H[ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐỖ THỊ HỒNG LĨNH NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG TRONG BẢO TỒN THƠNG TIN LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội, 2014 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ĐẠI HỌC QUỐC GIA H[ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐỖ THỊ HỒNG LĨNH NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG TRONG BẢO TỒN THƠNG TIN Ng{nh: Cơng nghệ thơng tin Chuyên ng{nh: Hệ thống thông tin M~ số: 60480104 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS: TRỊNH NHẬT TIẾN Hà Nội, 2014 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Lời cảm ơn Trước hết, xin gửi lời cảm ơn sâu sắc đến PGS.TS Trịnh Nhật Tiến, người tận tình hướng dẫn tơi suốt q trình thực luận văn tốt nghiệp Tôi xin cảm ơn trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội thầy cô giáo giảng dạy suốt thời gian học tập trường, tạo điều kiện, giúp đỡ tơi hồn thiện luận văn Xin cảm ơn gia đình, bạn bè, đồng nghiệp ln động viên giúp đỡ thời gian học tập hồn thành luận văn Trong q trình nghiên cứu, thực hiện, cố gắng, nỗ lực để hoàn thiện, luận văn không tránh khỏi thiếu sót hạn chế Kính mong nhận đóng góp thầy bạn Tơi xin chân thành cảm ơn! Học viên Đỗ Thị Hồng Lĩnh LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Lời cam đoan Tôi xin cam đoan nội dung đề tài “ Nhận dạng khuôn mặt người ứng dụng trongbảo tồn thơng tin”được trình bày luận văn thực hướng dẫn PGS.TS.Trịnh Nhật Tiến Tất tham khảo từ nghiên cứu liên quan nêu nguồn gốc cách rõ ràng từ danh mục tài liệu tham khảo luận văn Trong luận văn, khơng có việc chép tài liệu, cơng trình nghiên cứu người khác mà khơng rõ tài liệu tham khảo Hà Nội, ngày tháng năm 2014 Tác giả Đỗ Thị Hồng Lĩnh LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com MỤC LỤC DANH MỤC HÌNH VẼ MỞ ĐẦU Chương CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CỦA VẤN ĐỀ NHẬN DẠNG MẶT NGƯỜI 1.1 TỔNG QUAN VỀ SINH TRẮC HỌC 1.1.1 Vân tay (Fingerprint) 10 1.1.2 Đường tay (Palm lines) 11 1.1.3 Võng mạc mắt (retina biometrics) 12 1.1.4 Giọng nói 12 1.1.5 Nhận dạng mặt người (Face recognition) 13 1.1.6 DNA (Dioxyribo Nucleic Acid) 14 1.2 HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI 14 1.2.1 Bài tốn nhận dạng mặt người khó khăn 14 1.2.1.1 Bài toán nhận dạng mặt người 14 1.2.1.2 Những khó khăn nhận dạng khuôn mặt 15 1.2.2 Các ứng dụng liên quan đến nhận dạng mặt người 16 1.2.3 Tổng quan kiến trúc hệ thống nhận dạng khuôn mặt 17 1.2.3.1 Phát khuôn mặt 17 1.2.3.2 Trích chọn đặc trưng 19 1.2.3.3 Nhận dạng khuôn mặt 21 Chương 2: PHƯƠNG PHÁP NHẬN DẠNG MẶT NGƯỜI 23 2.1 PHÁT HIỆN KHUÔN MẶT 23 2.1.1 Đặc trưng HAAR-LIKE 23 2.1.2 Adaboosting 26 2.1.3 Giải thuật Viola-Jones 27 2.2 NHẬN DẠNG MẶT NGƯỜI 30 2.2.1 Phương pháp phân tích thành phần (PCA: Principal Component Analysis ) 30 2.2.2 Nhận dạng khuôn mặt theo phương pháp EIGENFACE 33 2.2.3 Khoảng cách Euclid 35 Chương 3: NHẬN DẠNG MẶT NGƯỜI VÀ VẤN ĐỀ AN TỒN THƠNG TIN 36 3.1 Vấn đề an tồn thơng tin 36 3.2 Nhận dạng mặt người bảo đảm an tồn thơng tin 38 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 3.3 Đề xuất hướng giải phạm vi ứng dụng đề tài 39 Chương 4: CHƯƠNG TRÌNH THỬ NGHIỆM 41 4.1 Sơ lược EmguCV 41 4.2 Các bước hệ thống nhận dạng mặt người 42 4.3 Phân tích hệ thống 43 4.4 Kết chạy chương trình 45 KẾT LUẬN 50 TÀI LIỆU THAM KHẢO 51 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com DANH MỤC HÌNH VẼ Hình 1.1: Các đặc trưng sinh trắc người Hình 1.2: Bài tốn nhận dạng mặt người 15 Hình 1.3: Kiến trúc hệ thống nhận dạng mặt người 17 Hình 1.4: Hiệu giải thuật PCA theo số lượng đặc trưng trích rút 20 Hình 1.5: Giải thuật trích chọn đặc trưng 21 Hình 2.1: đặt trưng Haar-like 23 Hình 2.2: Các đặc trưng mở rộng đặc trưng Haar-like sở 24 Hình 2.3: Cách tính Integral Image ảnh 25 Hình 2.4: Ví dụ cách tính nhanh giá trị mức xám vùng D ảnh 25 Hình 2.5: Mơ hình phân tầng kết hợp phân loại yếu để xác định khuôn mặt 27 Hình 2.6 : Hệ thống xác định vị trí khn mặt người (Face detection system) 28 Hình 2.7: Minh họa PCA: tìm trục tọa độ cho liệu có độ biến thiên cao 31 Hình 4.1 : Cấu trúc OpenCV 42 Hình 4.2: Chức nhận dạng hệ thống 43 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com MỞ ĐẦU Khi bạn đăng nhập máy tính, sử dụng thẻ ATM, xuất nhập cảnh máy bay, sử dụng thẻ tín dụng, bạn vào khu vực đòi hỏi an ninh cao, bạn cần phải xác thực nhận dạng Xác thực nhận dạng để kiểm tra bạn có phải người mà bạn khai báo hay không Các phương pháp xác thực truyền thống bao gồm mật loại thẻ định danh chứng minh thư, thẻ ATM… Điều bất lợi bạn sử dụng phương pháp xác thực truyền thống bạn quên mật khẩu, bạn đánh chứng minh thư, đánh thẻ tín dụng,… dẫn đến việc bạn khơng thể đăng nhập để truy cập vào tài nguyên cá nhân bạn kho tài liệu mật bạn Ngồi cịn có nguy nguy hiểm khác vơ tình thơng tin bảo mật bạn lại rơi vào tay người khác, họ sử dụng thơng tin mật bạn vào mục đích bất lợi cho bạn cho người Vấn đề cấp bách đứng hàng đầu công nghệ nâng cao tính bảo mật Hàng ngày, hàng xảy vấn đề đánh cắp thông tin mật tài khoản ngân hàng … Để hạn chế vấn đề này, vấn đề bảo mật sinh trắc học quan tâm nhiều người lĩnh vực cần mức độ bảo mật an tồn cao tính thuận tiện xác thực nhận dạng chủ thể đời sống xã hội lĩnh vực quốc phòng, an ninh Với nhu cầu bảo mật ngày cao ứng dụng truy nhập, kiểm soát vào … định chọn đề tài nhận dạng khn mặt người ứng dụng bảo tồn thơng tin để thực luậnvăn tốt nghiệp LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương 1.CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CỦA VẤN ĐỀ NHẬN DẠNG MẶT NGƯỜI 1.1 TỔNG QUAN VỀ SINH TRẮC HỌC Sinh trắc học hay Công nghệ sinh trắc học (thuật ngữ khoa học: Biometric) l{ công nghệ sử dụng thuộc tính vật lý, đặc điểm sinh học riêng c| nh}n v}n tay, mống mắt, khuôn mặt để nhận diện Mỗi người có đặc điểm sinh học Dữ liệu sinh trắc học c| nh}n với đặc điểm khuôn mặt, ảnh chụp võng mạc, giọng nói kết hợp với phần mềm để tạo mật d{nh cho giao dịch điện tử, phương thức l{ “cơng nghệ sinh trắc đa nh}n tố” Hình 1.1: C|c đặc trưng sinh trắc người Những thiết bị điện tử có khả sử dụng liệu sinh trắc học LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com thời gian thực để bảo vệ thơng tin bí mật người Con người tạo, lưu giữ hay ghi nhớ mật d{nh cho thư điện tử, thẻ ng}n h{ng Chính phủ số nước đ~ thực việc thắt chặt an ninh v{ quản lý hộ chiếu c|ch thử nghiệm công nghệ sinh trắc học H~ng Cross Match Technologies thiết kế ứng dụng x|c thực sinh trắc học dùng công nghệ nhận diện gương mặt để lấy đối tượng từ đ|m đơng Tại Mỹ, thẻ tín dụng tới kỳ trở th{nh đồ cổ, c|c chuỗi siêu thị Thrifway, kh|ch h{ng trả tiền mua h{ng ngón tay…Theo c|c nh{ nghiên cứu IBM, tương lai không xa người bước tới m|y rút tiền tự động v{ đọc tên nhìn v{o cảm biến nhỏ xíu để rút tiền Nếu cảm biến nhận đặc điểm võng mạc kh|ch h{ng, cho phép người giao dịch Hiện đ~ có 100 quốc gia sử dụng hộ chiếu điện tử công nghệ nhận dạng v}n tay Sử dụng v}n tay đ|nh gi| l{ giải ph|p bảo mật hữu hiệu v{ x|c nhận nh}n th}n x|c Nhận dạng khn mặt người l{ cơng nghệ ứng dụng rộng r~i đời sống ng{y người c|c hệ thống gi|m s|t, quản lý v{o ra, tìm kiếm thơng tin người tiếng, Có nhiều phương ph|p nhận dạng khn mặt để n}ng cao hiệu suất nhiên dù hay nhiều phương ph|p n{y vấp phải thử th|ch độ s|ng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng tham số môi trường Nhận dạng khn mặt l{ th|ch thức lớn, vậy, đ~ thu hút c|c nh{ nghiên cứu từ c|c lĩnh vực kh|c như: t}m lý học, nhận dạng mẫu, mạng tế b{o thần kinh, thị gi|c m|y tính, đồ họa m|y tính … Để tìm hiểu kỹ vấn đề n{y, ta tìm hiểu số cơng nghệ đ~ sử dụng phổ biến nay: 1.1.1 Vân tay (Fingerprint) 10 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com qua, thiết lập mức an ninh cao Kịch dễ thực l{ lừa chat webcam để chụp h{ng loạt ảnh Sau đó, tổng hợp c|c ảnh n{y v{ xử lý theo thuật to|n Ảnh sau xử lý in giấy m|y in m{u Kẻ xấu dùng ảnh n{y dễ d{ng đăng nhập m|y tính mục tiêu Với ưu điểm tiện lợi v{ quảng c|o tính có độ x|c gần tuyệt đối nhằm ngăn chặn người sử dụng tr|i phép tiếp cận m|y tính, cơng nghệ nhận dạng khn mặt ưa chuộng v{ ng{y c{ng có nhiều người sử dụng Xuyên thủng vòng bảo vệ n{y, kẻ xấu kiểm so|t ho{n to{n m|y tính nạn nh}n, hậu khó lường Do đó, nhận dạng khn mặt khơng cịn l{ giải ph|p bảo mật an to{n 3.3 Đề xuất hướng giải phạm vi ứng dụng đề tài Thuật to|n nhận dạng khuôn mặt chia l{m hai loại l{ hình học (geometric) v{ trắc quang (photometric) Hình học nhận diện khn mặt dựa c|c đặc trưng khuôn mặt mắt, mũi, miệng, gò m|; trắc quang l{ phương ph|p biến hình ảnh th{nh c|c gi| trị v{ so s|nh với gi| trị mẫu để nhận diện C|c nh{ nghiên cứu ng{y đ~ ph|t triển kỹ thuật nhận diện khuôn mặt riêng, phổ biến có ba loại l{ ph}n tích th{nh phần (PCA), ph}n tích ph}n lớp tuyến tính (LDA) v{ phương ph|p đồ thị đ{n hồi (EBGM) Với hạn chế sử dụng công nghệ nhận diện khuôn mặt truyền thống, phương pháp nhận diện 3D đ~ trở th{nh hướng việc ứng dụng công nghệ nhận diện khn mặt Phương ph|p n{y lưu lại hình ảnh 3D khuôn mặt với c|c điểm đặc trưng độ cong cằm, mũi, hốc mắt… Ưu điểm l{ nhận diện khn mặt nhiều góc độ kh|c nhau, không bị ảnh hưởng |nh s|ng Ng{y nay, c|c công ty Mỹ đ~ cải tiến phương ph|p nhận diện 3D việc bổ sung thêm nhận diện mẫu da, gọi l{ phương ph|p ph}n tích v}n 39 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com bề mặt Phương ph|p n{y sử dụng c|c thuật to|n chia nhỏ vùng da th{nh c|c không gian đo đếm được, giúp x|c định danh tính cặp sinh đôi Nhận diện khuôn mặt 3D chưa ho{n hảo, bị hạn chế đ|ng kể c|c yếu tố bên ngo{i khuôn mặt bị tóc che phủ, đeo kính, hình ảnh qu| mờ C|c công ty Mỹ liên tục tìm c|ch cải tiến để tăng độ x|c cho công nghệ nhận diện khuôn mặt m{ không g}y khó chịu cho người bị nhận diện Trong đề t{i n{y, tơi tập trung tìm kiếm v{ đề xuất thuật to|n hiệu cho việc x|c định, nhận dạng khuôn mặt xuất thời gian thực chụp từ camera Do c|c điều kiện khó khăn b{i to|n, đưa giả định v{ r{ng buộc sau nhằm giảm độ phức tạp b{i to|n: - Thuật to|n giải cho ảnh đơn - Ảnh gồm khn mặt chụp thẳng hay góc nghiêng khơng đ|ng kể (không qu| 100) - Ảnh chụp điều kiện |nh s|ng bình thường (khơng chụp ngược s|ng) Để khắc phục nhược điểm nhận dạng khuôn mặt, tốn xác thực tơi đề xuất kết hợp xác thực mật nhận dạng khuôn mặt nhằm nâng cao tính an tồn cho hệ thống thông tin Trong luận văn n{y tiến h{nh c{i đặt chương trình ứng dụng lý thuyết nhận dạng khn mặt v{o chức đăng nhập hệ thống quản lý, cụ thể l{ quản lý điểm sinh viên hệ cao đẳng khoa công nghệ thông tin, trường Đại học Sư phạm kỹ thuật Nam Định 40 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương 4: CHƯƠNG TRÌNH THỬ NGHIỆM Nhận dạng mặt người ảnh có nhiều ứng dụng sống Tuy nhiêntrong luận văn n{y, x}y dựng chương trình nhỏ để minh họa cho c|c lý thuyết Cụ thể l{ chức đăng nhập hệ thống quản lý điểm sử dụng kết hợp nhận dạng mặt người v{ kỹ thuật mật để tăng cường độ an to{n cho hệ thống thông tin quản lý Phần nhận dạng sử dụng Webcam chụp ảnh khn mặt Chương trình viết C# (2010) Microsoft, thư viện m~ nguồn mở EmguCV(2.4.9) (EmguCV cross platform Net wrapper to the Intel OpenCV image processing library for C#.Net) 4.1 Sơ lược EmguCV Emgu CV l{ gói bao bên ngo{i (wrapper) thư viện xử lí ảnh OpenCV Intel, cho phép lập trình viên gọi c|c h{m OpenCV từ c|c ngôn ngữ NET C#, VB, VC++, IronPython… Gói n{y biên dịch Mono v{ chạy Linux / Mac OS X OpenVC l{ thư viện m~ nguồn mở intel thị gi|c m|y tính Nó cung cấp m~ nguồn bao gồm h{ng trăm h{m, lớp dựa c|c thuật to|n xử lý ảnh Computer vision dùng ngôn ngữ C/C++ Open CV thể đa dạng trí tuệ nh}n tạo Được ứng dụng nhiều c|c b{i to|n nhận dạng mặt, dị tìm mặt, ph|t mặt, lọc Kalman, … Cấu trúc tổng quan OpenCV bao gồm phần phần hình vẽ 41 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com CV MLL HighGUI Các hàm xử lý ảnh giải thuật thị giác máy tính Các thuật tốn học máy, bao gồm phân cụm, phân loại thống kê Các hàm thủ tục làm việc với file ảnh file video CXCORE Các cấu trúc liệu bản, cấu trúc XML, hàm đồ họa … Hình 4.1 : Cấu trúc OpenCV 4.2 Các bước hệ thống nhận dạng mặt người Một hệ thống nhận dạng mặt người thông thường bao gồm bốn bước xử lý sau: ph|t khuôn mặt (face detection), ph}n đoạn khn mặt (face alignment hay segmentation), rút trích đặc trưng (feature extraction), v{ ph}n lớp khuôn mặt (face classification) Ph|t khn mặt dị tìm, định vị vị trí khng mặt xuất ảnh Ph}n đoạn khn mặt x|c định vị trí mắt, mũi, miệng v{ c|c th{nh phần kh|c khn mặt sau chuyển kết n{y cho bước rút trích đặc trưng Từ thông tin c|c th{nh phần khuôn mặt, dễ d{ng tính véc-tơ đặc trưng bước rút trích đặc trưng Những véc-tơ đặc trưng n{y l{ liệu đầu v{o cho mơ hình đ~ 42 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com huấn luyện trước để ph}n loại khn mặt Bên cạnh bước nêu trên, cịn |p dụng thêm số bước kh|c tiền xử lý, hậu xử lý nhằm l{m tăng độ x|c cho hệ thống 4.3 Phân tích hệ thống Nhiệm vụ chương trình l{ dị tìm v{ nhận dạng khn mặt webcam, sau so s|nh khuôn mặt với csdl để phục vụ cho mục đích x|c thực Capture ảnh NGƯỜI DÙNG HỆ THỐNG PHÁT HIỆN, NHẬN DẠNG MẶT NGƯỜI Khuôn mặt phát hiện, nhận dạng Hình 4.2: Chức nhận dạng hệ thống Như c|c chức chương trình bao gồm:  Kết nối đến webcam, đọc ảnh  Ph|t hiệnkhn mặt có webcam, trích ảnh khn mặt đ~ ph|t  Nhận dạng khuôn mặt ph|t  Đăng ký người dùng nếungười chưa có ảnh csdl  X|c thực người dùng mật  Hệ thống quản lý điểm a Xử lý đầu vào: Chương trình nhận đầu v{o l{ file ảnhwebcam, nhiên, việc ph|t khuôn mặt thực c|c ảnh, đó, với đầu v{o l{ webcam ta 43 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com phải chuyển th{nh c|c ảnh tĩnh v{ xử lý ảnh tĩnh Sau đ~ có ảnh đầu v{o chuyển ảnh cho giai đoạn xử lý tiếp theo, l{ ph|t hiện,nhận dạng c|c khn mặt có ảnh b Phát khn mặt Sau có ảnh truyền v{o, hệ thống thực chức ph|t khn mặt có ảnh Việc ph|t khuôn mặt thực nhanh thuật to|n adaboost thông qua lớp EMGU.CV.CascadeClassifiercủa EmguCV H{m n{y thực việc ph|t đối tượng dựa c|c đặc trưng haar-like, cụ thể l{ nhờ v{o Cascade truyền v{o cho h{m Bộ Cascade x}y dựng theo dạng c}y (tree-node) v{ đ~ huấn luyện từ trước c Nhận dạng Khuôn mặt sau ph|t t|ch khỏi ảnh v{ tiến h{nh nhận dạng.Việc nhận dạng khuôn mặt thực thuật to|n eigenface thông qua lớp EMGU.CV.EigenFaceRecognizercủa EmguCV Lớp EigenFaceRecognizer |p dụng PCA hình ảnh, kết l{ ảnh c|c gi| trị Eigen đưa v{o học v{ dùng để đo|n nhận.Ở đ}y, h{m khoảng c|ch Euclid sử dụng để đưa ứng cử viên giống so với ảnh đầu v{o d.Hệ thống quản lý điểm Sau nhận dạng th{nh công, người dùng chuyển sang chức đăng nhập mật Vượt qua hai vòng đăng nhập người dùng v{o giao diện để l{m việc với hệ hệ thống quản lý điểm sinh viên với c|c chức thêm, sửa, xóa… c|c thơng tin sinh viên, môn học, điểm, v{ danh mục khoa e.Cơ sở liệu 44 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - CSDL ảnh: Ảnh chưa có CSDL tiến h{nh qu| trình đăng ký Mỗi khn mặt chụp 10 ảnh kh|c v{ lưu v{o csdl , c|c thông tin gồm tên người, tên file lưu file XML v{ ảnh người NAME face_NAME_2057798247.jpg - CSDL chương trình quản lý điểm: 4.4 Kết chạy chương trình - Giao diện form chính: 45 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - Giao diện Form đăng nhập sử dụng nhận dạng khuôn mặt: - Giao diện Form đăng ký mới: 46 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - Giao diện đăng nhập mật khẩu: - Giao diện form quản lý điểm: 47 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - Một số CSDL ảnh dùng chạy thử chương trình: 48 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 49 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com KẾT LUẬN Kết luận Luận văn có hai kêt chính: 1/ Nghiên cứu t{i liệu để trình b{y c|c vấn đề sau: + Cơ sở khoa học v{ thực tiễn vấn đề nhận dạng mặt người + Phương ph|p Nhận dạng mặt người + Nhận dạng mặt người v{ vấn đề an to{n thông tin 2/ Thử nghiệm chương trình nhận dạng mặt người kết hợp với kỹ thuật sử dụng mật v{o b{i to|n đăng nhập hệ thống thông tin quản lý Trên sở nghiên cứu b{i to|n nhận dạng mặt người ảnh, tơi đ~ |p dụng th{nh cơng mơ hình Cascade of Classfier v{o b{i to|n ph|t mặt người ảnh v{ thuật to|n PCA để nhận dạng mặt người Về chương trình demo, sau thử nghiệm với webcam, chương trình đạt kết tốt, thời gian ph|t nhanh c|c ảnh mặt người chụp thẳng, chất lượng ảnh tốt (chụp m|y kĩ thuật số), nhiên c|c ảnh chụp nghiêng hay ảnh có mầu sắc qu| tối chương trình gần nhận dạng khuôn mặt ảnh đấy.Chương trình khơng thể ph|t mặt người điều kiện độ s|ng qu| yếu v{ góc quay nghiêng qu| 20o 50 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com TÀI LIỆU THAM KHẢO [1] Ming-Hsuan Yang, David J Kriegman, Narendra Ahuja, “Detecting Faces in Images: A Survey”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 24, No 1, pp 34-47, Jan 2002 [2] Stan Z Li, Zhen Qiu Zhang, “FloatBoost Learning and Statistical Face Detection”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 26, No, pp 1-12, Sep 2004 [3] Stan Z Li, Juwei Lu, “Face Detection, Alignment and Recognition”, Book Chapter 9, pp 385-455, Emerging Topics in Computer Vision, Prentice Hall, ISBN 0-13-101366-1, Jul 2004 [4] P Viola, M Jones, “Robust Real Time Object Detection”, Proc IEEE ICCV Workshop on Statistical and Computational Theories of Vision, Jul 2001 [5] P Viola, M Jones, “Rapid object detection using a boosted cascade of simple features”, Proc IEEE Conf Computer Vision and Pattern Recognition (CVPR’01), pp 511-518, Dec 2001 [6] K K Sung, T Poggio, “Example-based learning for view-based human face detection”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 20, No 1, pp 39-51, Jan 1998 [7] H Rowley, S Baluja, T Kanade, “Neural network-based face detection”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 20, No 1, pp 23-38, Jan 1998 [8] H Schneiderman, T Kanade, “Probabilistic Modeling of Local Appearance and Spatial Relationships for Object Detection”, Proc IEEE Conf 51 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Computer Vision and Pattern Recognition (CVPR’98), pp 45-51, 1998 [9] A Rajagopalan, K Kumar, J Karlekar, R Manivasakan, M Patil, U Desai, P Poonacha, S Chaudhuri, “Finding Faces in Photographs”, Proc 6th IEEE Conf Computer Vision (ICCV’98), pp 640-645, 1998 [10] E Osuna, R Freund, F Girosi, “Training Support Vector Machines: An Application to Face Detection”, Proc IEEE Conf Computer Vision and Pattern Recognition (CVPR’97), pp 130-136, 1997 [11] G Yang, T S Huang, “Human Face Detection in Complex Background”, Pattern Recognition, Vol 27, No 1, pp 53-63, 1994 [12] K C Yow, R Cipolla, “Feature-Based Human Face Detection”, Image and Vision Computing, Vol 15, No 9, pp 713-735, 1997 [13] T K Leung, M.C Burl, P Perona, “Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching”, Proc 5th IEEE Conf Computer Vision (ICCV’95), pp 637-644, 1995 [14] C Kotropoulos, I Pitas, “Rule-based Face Detection in Frontal Views”, Proc Int’l Conf Acoustics, Speech and Signal Processing, Vol 4, pp 26372540, 1997 [15] A Lanitis, C J Taylor, T F Cootes, “An Automatic Face Identification System Using Flexible Appearance Models”, Image and Vision Computing, Vol 13, No 5, pp 393-401, 1995 [16] M Turk, A Pentland, “Eigenfaces for Recognition”, Journal of Cognitive Neuroscience, Vol 3, No 1, pp 71-86, 1991 52 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com [17] I Craw, D Tock, A Bennett, “Finding Face Features”, Proc 2nd European Conf Computer Vision (ECCV’92), Vol 2, pp 92-96, 1992 [18] T Kanade, “Picture Processing Computer Complex and Recognition of Human Faces”, PhD thesis, Kyoto Univ., 1973 [19] Intel Open Source Computer Vision Library-OpenCV phiên 4.0 http://www.intel.com/technology/computing/opencv/ [20] Intel Image Processing Library phiên 2.5 http://developer.intel.com/software/products/perflib/ipl/ 53 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... HỒNG LĨNH NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG TRONG BẢO TỒN THƠNG TIN Ng{nh: Cơng nghệ thông tin Chuyên ng{nh: Hệ thống thông tin M~ số: 6048 0 104 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG... ph|p n{y l{ đ|ng tin cậy 1.2.HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI 1.2.1 Bài tốn nhận dạng mặt người khó khăn 1.2.1.1 Bài toán nhận dạng mặt người Hệ thống nhận dạng mặt người l{ hệ thống nhận v{o l{ ảnh... phòng, an ninh Với nhu cầu bảo mật ngày cao ứng dụng truy nhập, kiểm sốt vào … tơi định chọn đề tài nhận dạng khuôn mặt người ứng dụng bảo tồn thơng tin để thực luậnvăn tốt nghiệp LUAN VAN CHAT