Luận văn thạc sĩ khoa học máy tính nghiên cứu một số phương pháp cơ bản về nhận dạng mặt người trong ảnh và ứng dụng

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG Đồng Thanh Vân NGHIÊN CứU MộT Số PHƢƠNG PHÁP CƠ BảN Về NHậN DạNG MặT NGƢờI TRONG ảNH VÀ ứNG DụNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Giáo viên hướng dẫn: TS Vũ Việt Vũ Thái Nguyên, tháng 07 năm 2015 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn LỜI CAM ĐOAN Tôi xin cam đoan đề tài "Nghiên cứu số phƣơng pháp nhận dạng mặt ngƣời ảnh ứng dụng " cơng trình nghiên cứu thực hướng dẫn giáo viên hướng dẫn khoa học Các kết nghiên cứu kết thử nghiệm nêu luận văn trung thực chưa công bố tài liệu khác Trong phần kiến thức chung, nghiên cứu giải thuật áp dụng tơi có tham khảo số tài liệu có trích dẫn đầy đủ Học viên Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn MỤC LỤC LỜI CAM ĐOAN LỜI MỞ ĐẦU CHƢƠNG TỔNG QUAN 1.1 Giới thiệu trí tuệ nhân tạo học máy 1.1.1 Giới thiệu 1.1.2 Ứng dụng lĩnh vực học máy 10 1.2 Tổng quan xử lý ảnh số ứng dụng 11 1.2.1 Giới thiệu 11 1.2.2 Những khái niệm xử lý ảnh 13 1.3 Một số toán xử lý ảnh 18 1.3.1 Tăng cường ảnh 18 1.3.2 Phân vùng ảnh 19 1.3.3 Trích chọn đặc tính 20 1.3.4 Nén ảnh 21 1.3.5 Phát biên ảnh 22 1.3.6 Khôi phục ảnh 24 CHƢƠNG NGHIÊN CỨU PHƢƠNG PHÁP PCA VÀ PHƢƠNG PHÁP SVM TRONG BÀI TOÁN NHẬN DẠNG MẶT NGƢỜI 28 2.1 Tổng quan 28 2.1.1 Giới thiệu 28 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 2.1.2 Bài toán nhận dạng đối tượng 29 2.2 Bài toán học có giám sát 33 2.3 Phương pháp PCA vừ ứng dụng cho toán nhận dạng mặt người 34 2.3.1 Giới thiệu phương pháp PCA 34 2.3.2 Ví dụ phương pháp PCA 36 2.3.3 PCA cho toán nhận dạng mặt người 37 2.4 Phương pháp SVM 41 2.4.1 Trường hợp liệu phân tách 42 2.4.2 Trường hợp liệu huấn luyện không phân tách tuyến tính 46 2.4.3 Phương pháp SVM cho toán nhiều lớp 48 CHƢƠNG KẾT QUẢ THỰC NGHIỆM 50 3.1 Giới thiệu toán 50 3.2 Lựa chọn giải thuật lập trình 51 3.2.1 Giải thuật 51 3.2.2 Công cụ phát triển 51 3.3 Kết thực nghiệm 52 CHƢƠNG KẾT LUẬN 57 Tài liệu tham khảo 59 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn LỜI MỞ ĐẦU Tính cấp thiết đề tài Ngày nay, công nghệ thông tin lĩnh vực quan trọng góp phần thúc đẩy phát triển kinh tế đất nước Ứng dụng công nghệ thông tin (CNTT) xuất nhiều lĩnh vực, tảng nghiên cứu cơng nghệ cao khoa học vũ trụ, công nghệ điện tử tự động hóa, hệ thống thơng minh, Khi Internet đời vào năm 90 kết nối thơng tin tồn giới lại với Chúng ta cần ngồi nơi đâu với máy tính mạng truy nhập thơng tin lĩnh vực giới Tại Việt Nam, từ năm 70 kỷ 20 bắt đầu có nghiên cứu máy tính ứng dụng CNTT Hiện Công nghệ thông tin xác định lĩnh vực then chốt đầu tư đại hóa sở hạ tầng mà cịn việc ứng dụng sâu rộng vào lĩnh vực đời sống xã hội Nghị 36 ngày 1/7/2014 Bộ trị tiếp tục khẳng định quan tâm đạo sát Đảng công tác ứng dụng, phát triển CNTT, khẳng định vị trí, vai trò CNTT nghiệp xây dựng bảo vệ Tổ quốc thời kỳ Những định hướng, tư tưởng, giải pháp lớn Nghị 36 tiền đề quan trọng để CNTT Việt Nam phát triển mạnh mẽ, sâu rộng hơn, đề định hướng lớn cho phát triển ngành CNTT nước ta khoảng 10 - 20 năm tới Nghị 36 rõ mục tiêu phải đạt thời gian tới, là: CNTT phải ứng dụng rộng rãi trở thành ngành kinh tế có tác động lan tỏa phát triển kinh tế - xã hội, bảo đảm quốc phịng, an ninh, góp phần nâng cao suất lao động, lực cạnh tranh quốc gia, chất Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lượng sống, số phát triển người Việt Nam nâng cao khả phòng thủ quốc gia chiến tranh mạng Đến năm 2030, đưa lực nghiên cứu, ứng dụng, phát triển, sản xuất cung ứng sản phẩm, dịch vụ CNTT đạt trình độ tiên tiến giới; Việt Nam trở thành quốc gia mạnh CNTT khu vực Trí tuệ nhân tạo hướng nghiên cứu lĩnh vực CNTT Khoa học máy tính nhằm phát triển hệ thống thơng minh nhằm giải toán thực tế giống hoạt động não người Trí tuệ nhân tạo bắt đầu nghiên cứu từ năm 50 kỷ 20 khoảng 30 năm trở lại cộng đồng nhà khoa học quan tâm mạnh mẽ Rất nhiều hội thảo lớn lĩnh vực tổ chức hàng năm giới Các ứng dụng tiêu biểu trí tuệ nhân tạo vào đời sống xã hội bào gồm: người máy, robot, xử lý ngôn ngữ tự nhiên, nhận dạng, phát dị thường, an ninh quốc phòng, tin sinh học, khoa học vũ trụ trái đất,… Trong khn khổ luận văn Thạc sỹ mình, qua việc trang bị môn học lỹ thuyết thuật tốn, xử lý ảnh, trí tuệ nhân tạo,… tơi lựa chọn đề tài Nghiên cứu số phương pháp nhận dạng mặt người ảnh ứng dụng Chủ đề phân lớp liệu nhánh quan trọng lĩnh vực học máy (machine learning) trí tuệ nhân tạo Chúng ta kể ứng dụng học máy thực tế người máy, robot, nhận dạng mặt người, nhận dạng tiếng nói chữ viết,… Đối tƣợng phạm vi nghiên cứu 2.1 Đối tượng nghiên cứu Bài toán phân lớp có giám sát (classification) đặc biệt hai phương pháp phân lớp Support Vector Machine phương pháp PCA 2.2 Phạm vi nghiên cứu Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn - Lý thuyết: Nghiên cứu lý thuyết xử lý ảnh, phương pháp SVM phương pháp PCA - Thực nghiệm: Lập trình ngôn ngữ C# cho ứng dụng nhận dạng mặt người ảnh Phƣơng pháp nghiên cứu - Thu thập, phân tích tài liệu thơng tin liên quan đến đề tài từ đưa nhìn tổng quan, khó khăn gặp phải, ràng buộc tốn - Tiến hành phân tích, xây dựng giải pháp nhận dạng gồm có : Tiền xử lý, trích chọn đặc trưng, huấn luyện mơ hình, hậu xử lý - Xây dựng kiểm thử việc đánh giá hiệu phương pháp nhận dạng ngôn ngữ C# Ý nghĩa khoa học thực tiễn đề tài Về khoa học: Giúp đưa nhìn tổng quan toán nhận dạng mặt người Đánh giá hiệu phương pháp PCA SVM khả ứng dụng chúng Về thực tiễn: Nhận dạng mặt người phương pháp có ứng dụng thực tiễn mà phương pháp khác Trong tương lai nhận dạng mặt người hứa hẹn sử dụng phổ biến nhiều lĩnh vực an ninh, phòng chống tội phạm, quản lý nhân sự… Cấu trúc luận văn Cấu trúc luận văn Nghiên cứu số phương pháp nhận dạng mặt người ảnh ứng dụng bao gồm chương sau: Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn Chương 1: Tổng quan lĩnh vực xử lý ảnh học máy Chương 2: Nghiên cứu tìm hiểu phương pháp PCA phương pháp SVM Chương 3: Chương sâu vào việc cài đặt ứng dụng cụ thể cho toán nhận dạng mặt người ảnh phương pháp PCA Kết luận: Tóm tắt vấn đề tìm hiểu luận văn vấn đề liên quan luận văn, đưa số hướng nghiên cứu Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn CHƢƠNG TỔNG QUAN 1.1 Giới thiệu trí tuệ nhân tạo học máy 1.1.1 Giới thiệu Trí tuệ nhân tạo lĩnh vực nhằm nghiên cứu phát triển hệ thống (phần mềm, phần mềm nhúng) có khả giải toán giống cách thức giải người ngữ cảnh Theo [13], hệ thống trí tuệ nhân tạo có khả như: suy nghĩ, lập luận, cảm nhận, định, học, điều khiển, nhận dạng,… Các hệ thống trí tuệ nhân tạo bắt đầu nghiên cứu từ năm 1956 thể kỷ 20 với nghiên cứu Stanford mạng nơ ron, lý thuyết tự động John MacCarthy [13] Học máy (machine learning) lĩnh vực trí tuệ nhân tạo nghiên cứu phát triển phần mềm cho dùng cho máy tính hệ thống máy tính có giải tình cụ thể nhận dạng mẫu giống người (xem hình 1.1) Máy tính hệ thống máy tính hiểu hệ thống mà nạp sử dụng phần mềm để thực Trong lĩnh vực học máy có ba phương pháp học bao gồm: học có giám sát, học nửa giám sát học không giám sát - Ý tưởng học có giám sát hiểu cung cấp số mẫu (ví dụ liệu, hình ảnh, đồ vật gán nhãn) cho hệ thống học sau thiết kế phát triển hệ thống suy diễn hay nhận biết mẫu nằm phạm vi học - Học nửa giám sát khác với học có giám sát thuật tốn dạng sử dụng lượng nhỏ mẫu (các liệu gán nhãn) để học suy luận liệu chưa gán nhãn Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn - Học không giám sát không dùng liệu gán nhãn mà sử dụng liệu khơng có nhãn để thực yêu cầu chẳng hạn phân cụm liệu hay phát dị thường liệu hay ngoại suy (a) – học có giám sát ( c)- học nửa giám sát (b) – học nửa giám sát (d)- học không giám sát Hình 1.1 Các mơ hình học máy Số hố Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 10 1.1.2 Ứng dụng lĩnh vực học máy - Xử lí ngơn ngữ tự nhiên (Natural Language Processing): xử lí văn bản, giao tiếp người - máy - Nhận dạng (Patten recognition): nhận dạng tiếng nói, chữ viết tay, vân tay, thị giác máy, thiên văn học - Máy tìm kiếm Google, Yahoo, You tube: hệ thống sử dụng công cụ học máy để phát triển hệ thống - Chẩn đoán y tế: trợ giúp phân tích ảnh X - quang, hệ chuyên gia chẩn đoán tự động - Tin sinh học: phân loại dự đốn chuỗi gene, dự đốn tính chất thuốc - Phát gian lận tài chính, gian lận thẻ tín dụng, phát dị thường (hình 1.3) - Phân tích thị trường chứng khốn (stock market analysis) - Trò chơi: chơi cờ (Deep blue, IBM, 1998), - Người máy (robot): tổng hợp nhiều ngành khoa học, học máy tạo nên hệ thần kinh/bộ não người máy (xem hình 1.2) Hình 1.2 Người máy ASIMO hãng HONDA, ứng dụng lĩnh vực trí tuệ nhân tạo Số hố Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 11 Hình 1.3 Phát vùng bị hỏng (dị thường) vỏ cam Trong nội dung luận văn này, chọn toán phân lớp (một dạng phương pháp học có giám sát) để nghiên cứu tìm hiểu thử nghiệm ứng dụng thực tế Trong phần tiếp theo, chúng tơi trình bày thuật ngữ, định nghĩa khái niệm bản, tiếp chúng tơi nghiên cứu hai phương pháp phân lớp PCA SVM chương 2, phần thực nghiệm đánh giá kết nội dung chương tổng kết kết làm hướng phát triển 1.2 Tổng quan xử lý ảnh số ứng dụng 1.2.1 Giới thiệu Lĩnh vực xử lý ảnh số việc thực xử lý ảnh dựa thuật toán máy tính [1, 7] Trong năm gần lĩnh vực xử lý ảnh ứng dụng phát triển mạnh mẽ giới, năm có hội thảo quy mơ lớn lĩnh vực Một hệ thống xử lý ảnh tổng quát minh họa hình 1.4 - Problem domain: Vấn đề cần giải quyết: chẳng hạn toán nhận dạng mặt người, toán phân cụm ảnh, toán phát đối tượng ảnh,… Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 12 - Specialized image processing hardware: chuyển đổi ảnh số, công cụ chuyên dụng cho phép xử lý nhanh song song phép toán Network Image display Hard copy Computer Mass storage Specialized image Image processing processing software hardware Image sensors Problem domain Hình 1.4 Tổng quan hệ thống xử lý ảnh máy tính [4] Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 13 - Computer: Là thành phần thiếu hệ thống xử lý ảnh, computer bao gồm nhiều loại từ thông thường đến hệ thống siêu máy tính - Software: phần mềm chuyên cho mục đích cụ thể - Massstorage: Vùng lưu trữ, với liệu ảnh yêu cầu khơng gian lưu trữ lớn - Image display: hình máy tính, LCD, TV,… - Hardcopy: máy in lase, camera, máy in kim,… - Networking: hệ thống mạng dùng cho mục đích truyền thơng Các ứng dụng xử lý ảnh rộng, bao gồm: y học, khoa học trái đất, vũ trụ, nhận dạng, phân nhóm, giám sát… 1.2.2 Những khái niệm xử lý ảnh 1.2.2.1 Điểm ảnh (pixel) Gốc ảnh ảnh liên tục không gian độ sáng Để xử lý máy tính (hệ thống máy tính), ảnh cần phải số hố Số hố ảnh hiểu biến đổi gần ảnh liên tục thành tập điểm phù hợp với ảnh thật vị trí (khơng gian) độ sáng (mức xám) Khoảng cách điểm ảnh thiết lập cho mắt người không phân biệt ranh giới chúng Mỗi điểm gọi điểm ảnh hay pixel Đối với ảnh hai chiều, pixel tương ứng với cặp tọa độ (x, y) 1.2.2.2 Độ phân giải ảnh Độ phân giải (resolution) ảnh số lượng điểm ảnh ảnh (vùng ảnh) cụ thể Theo định nghĩa, khoảng cách điểm ảnh phải chọn cho mắt người thấy liên tục ảnh Việc lựa chọn khoảng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 14 cách thích hợp tạo nên mật độ phân bổ, độ phân giải phân bố theo trục x y không gian hai chiều Thực tế độ phân giải lớn ảnh thật ngược lại độ phân giải thấp ảnh mờ chí khơng rõ 1.2.2.3 Mức xám ảnh Là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị ngun dương Thơng thường xác định khoảng [0 255] Tùy thuộc vào giá trị xám mà điểm ảnh biểu diễn 1, 4, 8, 24 hay 32 bit máy tính 1.2.2.4 Ảnh số Ảnh sô bao gồm tập hợp hữu hạn điểm ảnh, thường biểu diễn mảng hai chiều I(m,n) với m số hàng, n số cột Ta ký hiệu P(x,y) điểm ảnh vị trí (x, y) Số lượng điểm ảnh hàng hàng xác định độ phân giải ảnh Ảnh số chia làm loại: - Ảnh nhị phân - Ảnh xám - Ảnh màu 1.2.2.5 Các mối quan hệ điểm ảnh Lân cận điểm ảnh: điểm ảnh p tọa độ (x, y) có lân cận theo chiều ngang chiều dọc là: (x+1, y), (x-1, y), (x,y+1), (x, y-1) Tập hợp điểm ảnh gọi lân cận p, ký hiệu N4(p) Mỗi điểm ảnh có khoảng cách đơn vị đến (x, y), (x, y) nằm biên ảnh lân cận nằm ngồi ảnh Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 15 Các lân cận chéo p có tọa độ: (x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1) Tập lân cận chéo ký hiệu ND(p) Tập lân cận chéo với lân cận tạo thành lân cận p, ký hiệu N8(p) (xem hình 1.5) N4(p) ND(p) N8(p) Hình 1.5 Lân cận điểm ảnh Các mối liên kết sử dụng để xác định giới hạn (Boundaries) đối tượng vật thể xác định vùng ảnh Một liên kết đặc trưng tính liền kề điểm mức xám chúng Giả sử V tập giá trị mức xám Một ảnh có giá trị cường độ sáng từ thang mức xám từ 32 đến 64 mơ tả sau: V={32, 33, … 63, 64} Có loại liên kết: - Liên kết 4: Hai điểm ảnh p q với giá trị cường độ sáng V nói liên kết q nằm tập N4(p) - Liên kết 8: Hai điểm ảnh p q với giá trị cường độ sáng V gọi liên kết q nằm tập N8(p) - Liên kết m (liên kết hỗn hợp): Hai điểm ảnh p q với giá trị cường độ sáng V nói liên kết m nếu: q thuộc N4(p) q thuộc ND(p) 1.2.2.6 Biểu diễn ảnh Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 16 Ảnh sau số hoá lưu vào nhớ, chuyển sang khâu để phân tích Nếu lưu trữ ảnh trực tiếp từ ảnh thơ, địi hỏi dung lượng nhớ cực lớn không hiệu theo quan điểm ứng dụng công nghệ Thông thường, ảnh thơ đặc tả (biểu diễn) lại (hay đơn giản mã hoá) theo đặc điểm ảnh gọi đặc trưng ảnh (Image Features) như: biên ảnh (Boundary), vùng ảnh (Region) Một số phương pháp biểu diễn thường dùng: - Biểu diễn mã chạy (Run-Length Code) - Biểu diễn mã xích (Chaine -Code) - Biểu diễn mã tứ phân (Quad-Tree Code) Biểu diễn mã chạy Phương pháp thường biểu diễn cho vùng ảnh áp dụng cho ảnh nhị phân Một vùng ảnh R mã hố đơn giản nhờ ma trận nhị phân: U(m,n) = (m,n) thuộc R U(m,n) = (m,n) không thuộc R Trong đó: U(m, n) hàm mơ tả mức xám ảnh tọa độ (m, n) Với cách biểu diễn trên, vùng ảnh mô tả tập chuỗi số Giả sử mô tả ảnh nhị phân vùng ảnh thể theo toạ độ (x, y) theo chiều đặc tả giá trị “1” Khi dạng mơ tả là: (x, y)r; (x, y) toạ độ, r số lượng bit có giá trị “1” liên tục theo chiều ngang dọc Biểu diễn mã xích (Chaine -Code) Phương pháp thường dùng để biểu diễn đường biên ảnh Một đường chia thành đoạn nhỏ Nối điểm chia, ta có đoạn thẳng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 17 gán hướng cho đoạn thẳng tạo thành dây xích gồm đoạn Các hướng chọn 4, 8, 12, 24,… hướng mã hoá theo số thập phân số nhị phân thành mã hướng (xem hình 1.6) Hình 1.6 Hướng điểm biên mã tương ứng Biểu diễn mã tứ phân (Quad-Tree Code) Phương pháp mã tứ phân dùng để mã hoá cho vùng ảnh Vùng ảnh chia làm bốn phần thường Nếu vùng đồng (chứa toàn điểm đen trắng), gán cho vùng mã không chia tiếp Các vùng không đồng chia tiếp làm bốn phần theo thủ tục tất vùng đồng Các mã phân chia thành vùng tạo thành phân chia vùng đồng 1.2.2.7 Các định dạng ảnh Ảnh thu sau trình số hóa thường lưu lại cho q trình xử lý hay truyền Trong trình phát triển kỹ thuật xử lý ảnh, tồn nhiều định dạng ảnh khác từ ảnh đen trắng (với định dạng IMG), ảnh đa cấp xám ảnh màu: (BMP, GIF, JPE…) Tuy định dạng khác nhau, song chúng tuân thủ theo cấu trúc chung Nhìn chung, tệp ảnh thường bao gồm phần: - Mào đầu tệp (Header) Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 18 - Dữ liệu nén (Data Compression) - Bảng màu (Palette Color) 1.3 Một số toán xử lý ảnh 1.3.1 Tăng cƣờng ảnh Tăng cường ảnh bước quan trọng, tạo tiền đề cho toàn trình xử lý ảnh Tăng cường ảnh nhằm hồn thiện đặc tính ảnh như: - Lọc nhiễu, hay làm trơn ảnh - Tăng độ tương phản, điều chỉnh mức xám ảnh - Làm biên ảnh Các thuật toán triển khai việc nâng cao chất lượng ảnh hầu hết dựa kỹ thuật miền điểm, khơng gian tần số Hình 1.7 minh họa ví dụ tăng cường ảnh Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 19 Hình 1.7 Ví dụ tăng cường ảnh: Hình B D tương ứng kết tăng cường ảnh hình A C 1.3.2 Phân vùng ảnh Để phân tích đối tượng ảnh, cần phải phân biệt đối tượng cần quan tâm với phần cịn lại ảnh Những đối tượng tìm nhờ kỹ thuật phân vùng ảnh Vùng ảnh chi tiết, thực thể tồn cảnh Nói đến vùng ảnh nói đến tính chất bề mặt ảnh Nó tập hợp điểm có gần tính chất đó: mức xám, màu sắc… Đường bao quanh vùng ảnh (Boundary) biên ảnh Các điểm vùng ảnh có độ biến thiên giá trị mức xám tương đối đồng hay tính kết cấu tương đồng Một phương pháp phân vùng ảnh sử dụng ngưỡng giá trị xám để phân tách ảnh thành đối tượng (những điểm ngưỡng xám thuộc nền, ngược lại thuộc đối tượng) Ứng dụng phân vùng ảnh lĩnh vực nhận dạng đối tượng, phát dị thường,… Hình 1.8 minh họa toán phân vùng ảnh Ảnh gốc Vùng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ... tài Về khoa học: Giúp đưa nhìn tổng quan tốn nhận dạng mặt người Đánh giá hiệu phương pháp PCA SVM khả ứng dụng chúng Về thực tiễn: Nhận dạng mặt người phương pháp có ứng dụng thực tiễn mà phương. .. đề tài "Nghiên cứu số phƣơng pháp nhận dạng mặt ngƣời ảnh ứng dụng " cơng trình nghiên cứu tơi thực hướng dẫn giáo viên hướng dẫn khoa học Các kết nghiên cứu kết thử nghiệm nêu luận văn trung... tìm hiểu phương pháp PCA phương pháp SVM Chương 3: Chương sâu vào việc cài đặt ứng dụng cụ thể cho toán nhận dạng mặt người ảnh phương pháp PCA Kết luận: Tóm tắt vấn đề tìm hiểu luận văn vấn đề