Pca trong nhận diện khuôn mặt

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG CƠ SỞ TP HỒ CHÍ MINH KHOA CÔNG NGHỆ THÔNG TIN TIỂU LUẬN MÔN XỬ LÍ ẢNH ĐỀ TÀI PCA TRONG NHẬN DIỆN KHUÔN MẶT 1 Nhận dạng khuôn mặt là gì? Nhận dạng khuôn mặt là m[.]

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG CƠ SỞ TP.HỒ CHÍ MINH KHOA CƠNG NGHỆ THƠNG TIN TIỂU LUẬN MƠN XỬ LÍ ẢNH ĐỀ TÀI: PCA TRONG NHẬN DIỆN KHN MẶT Nhận dạng khn mặt gì? Nhận dạng khuôn mặt cách xác định xác nhận danh tính cá nhân khn mặt họ Hệ thống nhận dạng khn mặt sử dụng để xác định người ảnh, video thời gian thực Nhận dạng khuôn mặt loại bảo mật sinh trắc học Các dạng phần mềm sinh trắc học khác bao gồm nhận dạng giọng nói, nhận dạng vân tay nhận dạng võng mạc mắt mống mắt Công nghệ chủ yếu sử dụng cho bảo mật thực thi pháp luật, ngày có nhiều quan tâm lĩnh vực sử dụng khác Nhận dạng khuôn mặt hoạt động nào? Nhiều người quen thuộc với công nghệ nhận dạng khuôn mặt thông qua FaceID sử dụng để mở khóa iPhone (tuy nhiên, ứng dụng nhận dạng khuôn mặt) Thơng thường, tính nhận dạng khn mặt khơng dựa vào sở liệu ảnh khổng lồ để xác định danh tính cá nhân - xác định công nhận người chủ sở hữu thiết bị, đồng thời hạn chế quyền truy cập người khác Ngoài mở khóa điện thoại, tính nhận dạng khn mặt hoạt động cách so trùng khuôn mặt người ngang qua máy ảnh đặc biệt với hình ảnh người danh sách theo dõi Danh sách theo dõi chứa hình ảnh ai, kể người khơng bị nghi ngờ có hành vi sai trái hình ảnh đến từ đâu - từ tài khoản mạng xã hội Các hệ thống cơng nghệ khn mặt khác nhau, nhìn chung, chúng có xu hướng hoạt động sau: Bước 1: Nhận diện khuôn mặt Máy ảnh phát định vị hình ảnh khn mặt, đám đơng Hình ảnh cho thấy người nhìn thẳng phía trước hồ sơ Bước 2: Phân tích khn mặt Tiếp theo, hình ảnh khn mặt chụp phân tích Hầu hết cơng nghệ nhận dạng khn mặt dựa hình ảnh 2D thay 3D khớp hình ảnh 2D với ảnh công khai ảnh sở liệu thuận tiện Phần mềm đọc hình dạng khn mặt bạn Các yếu tố bao gồm khoảng cách hai mắt, độ sâu hốc mắt, khoảng cách từ trán đến cằm, hình dạng gị má đường viền mơi, tai cằm Mục đích để xác định điểm mốc khn mặt chìa khóa để phân biệt khn mặt bạn Bước 3: Chuyển đổi hình ảnh thành liệu Quá trình chụp khuôn mặt chuyển đổi thông tin tương tự (khuôn mặt) thành tập hợp thông tin kỹ thuật số (dữ liệu) dựa đặc điểm khuôn mặt người Phân tích khn mặt bạn biến thành cơng thức tốn học Mã số gọi khuôn mặt Giống cách mà dấu vân tay nhất, người có khn mặt riêng họ Bước 4: Tìm kết phù hợp Sau đó, khn mặt bạn so sánh với sở liệu khuôn mặt biết khác Ví dụ, FBI có quyền truy cập tới 650 triệu ảnh, lấy từ nhiều sở liệu tiểu bang Trên Facebook, ảnh gắn thẻ tên người trở thành phần sở liệu Facebook, sở liệu sử dụng để nhận dạng khuôn mặt Nếu khuôn mặt bạn khớp với hình ảnh sở liệu nhận dạng khn mặt việc xác định thực Công dụng nhận dạng khuôn mặt sống hàng ngày: + Mở khóa điện thoại + Thực thi pháp luật + Kiểm soát sân bay biên giới + Tìm người thất lạc + Giảm tội phạm + Ngân hàng: Ngân hàng trực tuyến sinh trắc học lợi ích khác nhận dạng khn mặt Thay sử dụng mật lần, khách hàng ủy quyền giao dịch cách nhìn vào điện thoại thơng minh máy tính họ Với tính nhận dạng khn mặt, khơng có mật để tin tặc xâm phạm Nếu tin tặc đánh cắp sở liệu ảnh bạn, tính phát 'khơng sống động' - kỹ thuật sử dụng để xác định xem nguồn mẫu sinh trắc học người sống hình ảnh đại diện giả - nên (về lý thuyết) ngăn họ sử dụng cho mục đích mạo danh Nhận dạng khn mặt biến thẻ ghi nợ chữ ký trở thành dĩ vãng + Chăm sóc sức khỏe: Các bệnh viện sử dụng nhận dạng khuôn mặt để giúp chăm sóc bệnh nhân Các nhà cung cấp dịch vụ chăm sóc sức khỏe thử nghiệm việc sử dụng nhận dạng khuôn mặt để truy cập hồ sơ bệnh nhân, hợp lý hóa việc đăng ký bệnh nhân, phát cảm xúc nỗi đau bệnh nhân, chí giúp xác định bệnh di truyền cụ thể AiCure phát triển ứng dụng sử dụng nhận dạng khuôn mặt để đảm bảo người uống thuốc theo quy định Khi cơng nghệ sinh trắc học trở nên tốn hơn, việc áp dụng lĩnh vực chăm sóc sức khỏe dự kiến tăng lên Hệ thống nhận diện khn mặt: Là cơng nghệ có khả xác thực người từ hình ảnh kĩ thuật số khung video từ nguồn video Có nhiều phương pháp để hệ thống nhận diện khuôn mặt hoạt động, tổng quan cách chọn lựa có so sánh đặc trưng khuôn mặt từ hình ảnh cho trước với hình ảnh từ sở liệu Hệ thống nhận diện khuôn mặt bao gồm cụm sau: Đầu vào hình ảnh Xác định khn mặt Xử lí hình ảnh Rút trích đặc trưng khn mặt Xác thực, đánh giá Đầu vào hình ảnh Một ảnh vật lí mẫu hành vi chụp từ loại thiết bị ghi hình Xác định khuôn mặt Cơ định vị khn mặt ảnh Xử lí hình ảnh Hình ảnh cắt chừa lại phần khn mặt hình ảnh chuyển đổi thành trắng đen sau xám Nhận dạng khn mặt Rút trích đặc trưng khuôn mặt (mắt, mũi, …) tạo mẫu 5.1 Xác thực Hệ thống nhận cá nhân cụ thể đưa định 5.2 Sự cho phép Hệ thống so sánh khuôn mặt cá nhân cụ thể với ảnh sở liệu để xác nhận Hình ảnh quét máy quét lưu trữ vào sở liệu Nếu sở liệu có ảnh người lưu tiếp Bây CSDL có hai hình ảnh người Bước chọn hình mong muốn từ CSDL sau so sánh để phát khuôn mặt từ ảnh Bước cuối nhận diện ảnh có người hay khơng Kĩ thuật nhận diện khn mặt Thuật tốn nhận diện khn mặt phân thành loại dựa theo kiểu trích xuất đặc trưng cho thể khn mặt: + Phương pháp dựa đặc trưng + Phương pháp dựa ngoại hình Các thuộc tính mối quan hệ hình học vùng khn mặt, khoảng cách, góc cạnh điểm đặc trưng khn mặt sử dụng mô tả cho nhận diện khn mặt Mặt khác, phương pháp dựa ngoại hình cân nhắc thuộc tính tổng quan mẫu cường độ hình ảnh khn mặt Thuật tốn nhận diện khn mặt dựa ngoại hình điển hình xử lý việc tính tốn vector để thể liệu khuôn mặt hiệu Bước tiếp theo, khn mặt ước tính dựa vector hệ số ước tính sử dụng đại diện cho hình ảnh khn mặt Thuật toán phổ biến PCA, LDA, ICA, LFA, lọc tương quan, đa tạp, Tensorfaces dựa hình dạng khn mặt Những cách tiếp cận tồn diện gặp vấn đề với việc giải hình dáng khác Principal Component Analysis (PCA) 6.1 Tại PCA sử dụng sử dụng đâu? + PCA sáng chế vào năm 1901 Karl Pearson Bây sử dụng rộng rãi cơng cụ lĩnh vực phân tích liệu khám phá cho việc tạo mơ hình dự đốn (VD: nhận diện khn mặt) + PCA phép phân tích đơn giản dựa vector riêng đa biến Thông thường, vận hành PCA nghĩ tiết lộ cấu trúc bên liệu theo cách mà giải thích tốt biến (được trưng chính/ hướng) liệu + Nếu có liệu đa biến (ví dụ: hình ảnh) trực quan hóa tọa độ khơng gian liệu nhiều chiều (1 trục biến) + PCA cung cấp cho người dùng với ảnh có số chiều hơn, “bóng” khn mặt khơng hồn thiện xem từ góc nhìn thấy nhiều thơng tin 6.2 PCA mối quan hệ với nhận dạng khn mặt: + PCA thủ tục tốn học sử dụng biến đổi trực giao để chuyển giá trị liên quan đến M hình ảnh khn mặt thành K giá trị biến không liên quan gọi thành phần (PC) hay Eigenfaces + Số PC/Eigenface ln ln nhỏ số hình ảnh khn mặt ban đầu (K < M) + Sự biến đổi định nghĩa theo cách thành phần đầu tiền miền quan trọng nhất(hướng/đặc trừng) liệu thành phần đặc trưng/hướng quan trọng kế tiếp, ràng ruộc khơng liên quan đến thành phần trước + Để giảm việc tính tốn cần thiết cho việc tìm thành phần chính, số chiều liệu ban đầu làm giải trước tính tốn Nếu khơng giảm số chiều eigeifaces N*N, nhiều nhiều số hình ảnh mà chúng cịn thấy nhận diện được.Chỉ có vài thành phần (PC) (K phần tử chọn) phần lại loại bỏ thành phần đầu “hướng” liệu thành phần xử lý hướng dày đặc Chúng ta yên tâm K thành phần (PC) đại diện tồn bộ liệu ban đầu miêu tả đặc trưng chính/ hướng quan trọng => Vì vậy, biến liệu ban đầu biểu diễn dạng K thành phần Biểu diễn điểm liệu này(là kết hợp K thành phần chính) làm giảm số giá trị (từ M đến K) cần phải tính tốn để nhận khuôn mặt w1, w2, …, wk tổng số tuyến tính eigenfaces này, ta nói hình ảnh góp vài đặc tính cấu tạo thành liệu huấn luyện Nói cách khác ảnh gốc sản phẩm eigeifaces hợp lại với Đây mấu chốt PCA → Làm cho trình nhận dạng diễn nhanh xác khơng có xuất hình ảnh khơng cần thiết 6.3 Tìm hiểu PCA: Curse of dimensionality: Lời nguyền chiều hướng - Khi bạn nhìn vào liệu bạn có xu hướng nhìn vào bề mặt bạn thực khơng biết thuộc tính đại diện bạn biết thuộc tính bạn lại khơng biết số chiều, bạn có liệu bạn hồn tồn có chiều dư thừa Ví dụ: Các điểm liệu suốt thời gian từ địa điểm địa lý khác x1: tai nạn trơn trượt, x2: vụ bể đường ống nước, x3: chi phí cào tuyết x4: việc đóng cửa trường học x5: bệnh nhận say nắng Đây dường thuộc tính khơng liên quan nói lên vấn đề khác nhau, bạn nhìn cách cẩn thận, bạn nhận có yếu tố giải thích hầu hết thứ nhiệt độ từ nơi mà liệu gửi đến Bạn khơng bị trơn trượt khơng có băng, mà băng có nhiệt độ trở nên thấp nhiệt độ nhiệt độ đóng băng đường ống bị vỡ, bạn dành nhiều thời gian để cào tuyết người dường kh thể mắc bệnh say nắng trường học đóng cửa Vậy có yếu tố đóng vai trị quan trọng cho quan sát Vậy tất thuộc tính bạn có liệu tất phụ thuộc vào số đại lượng mà bạn không quan sát cách trực tiếp chúng - Các liệu có số chiều lớn +tầm nhìn: 10^4 pixels, text: 10^6 words Cách mà quan sát/ ghi chép chúng - số chiều thực tế thường thấp nhiều Ví dụ: chữ số biểu diễn máy tính - 20*20 bitmap: {0, 1}^400 kiện bạn không thấy hầu hết kiện bitmap cần để tạo thành số số nhỏ so với 20*20 bitmap → Sử dụng số chiều ban đầu mà bạn có lãng phí thuật tốn học máy Ví dụ: 1d: vùng, 2d: vùng, 1000d - khơng có hi vọng → Khi mà số chiều tăng lên làm cho tính dày đặc thấp đồng nghĩa với việc không gian trạng thái tăng nhanh số mẫu khơng tăng 6.3.1 Làm giảm số chiều: Mục tiêu: Thể đối tượng với biến - Cố gắng giữ gìn cấu trúc ban đầu liệu nhiều tốt - Làm bật điểm khác biệt với độ xác cao, cấu trúc ảnh hưởng tới việc phân lớp Sự lựa chọn đặc trưng: Chọn khác có số chiều so với số chiều ban đầu Chọn lớp “dự đốn” tốt Rút trích đặc trưng: E1 E2 … Em Ei = f(X1 Xd) - Sự kết hợp tuyến tính chiều ban đầu X1X2X3 … Xd Xây dựng tập chiều 6.3.2 Hướng phương sai lớn nhất: Định nghĩa tập thành phần (principal components) (PC) - 1st: chiều thay đổi có giá trị cao liệu - 2nd: vng góc với đường thẳng 1st, có chiều thay đổi cao số chiều lại - … làm d (d số chiều ban đầu) First m