Nghiên cứu một số phương pháp phát hiện các đặc trưng của khuôn mặt người

BO GIAO DUC VA DAO TAO ĐẠI HỌC HUẾ TRƯƠNG ĐẠI HỌC KHOA HỌC PHAM TUAN NGHIEN CUU MOT SO PHUONG PHAP PHAT HIEN CAC DAC TRUNG CUA KHUON MAT NGUOI CHUYEN NGANH: KHOA HOC MAY TINH MA SO: 60.48.01.01 LUAN VAN THAC SI KHOA HOC ĐỊNH HƯỚNG ỨNG DỤNG NGƯỜI HUONG DAN KHOA HOC TS NGUYEN DANG BINH Thừa Thiên Huế, 2018 PHAN MO DAU LY DO CHON DE TAI Cùng với bùng nổ thông tin, phát triển công nghệ cao, giao tiếp người máy tính thay đơi nhanh, giao tiếp khơng cịn đơn đùng thiết bị chuột, bàn phím, v.v, mà có thê thông qua biểu khuôn mặt Các hệ thống giao tiếp người máy phát triển nhiều Trong số đó, nói đến hệ thống nhận dạng mặt người hình ảnh Nhận dạng mặt người xác định danh tính tự động cho ảnh đối tượng người dựa vào nội dung ảnh Nhận dạng mặt người ứng dụng nhiều thực tế xác minh tội phạm, camera chống trộm, hệ thống chấm công, lưu trữ thông tin khuôn mặt máy ATM, bãi giữ xe siêu thị, v.v Bên cạnh đó, cơng tác quản lý học sinh, sinh viên trường liên quan tới người, việc nhận dạng người thông qua đặc điểm khuôn mặt quan trọng Nếu áp dụng công nghệ nhận dạng mặt người đề hỗ trợ cơng tác thi học kỳ làm tăng cao tính tiện đụng hệ thống quản lý Hiện tượng gian lận Giáo dục nói chung tượng gian lận học hộ, thị hộ nói riêng vấn dé nan giải cãi nhiều đặc biệt trước — sau kỳ thi Trong trường Đại học, Cao đẳng, Trung Cấp Nghề, Trung học chuyên nghiệp mục đích việc học hộ tránh để mat 30% điểm học phan theo quy ché 25 Bộ Giáo duc Việc học hộ thường xảy lớp Liên thông, Tại chức học vào ca tối, lớp có tình trạng lớp đơng, giáo viên Đối với tượng thi hộ, việc kiểm tra đối chiếu học sinh - sinh viên vào dự thi nhiều thời gian, bỏ qua đối tượng thi hộ trường hợp anh em thi hộ, tượng tráo anh thẻ dự thị, tượng quên thẻ sinh viên Tại Trường Trung Cấp Nghề Kinh tế - Kỹ thuật Cơng đồn An Giang, phát nhiều trường hợp thi hộ, học hộ đặc biệt lớp học chức, liên thông học vào ca tối Trong khn khổ luận văn này, tơi xin sâu tìm hiểu vào phần chống gian lận thi cử LOI CAM ON Lời đầu tiên, xin bày tỏ lòng biết ơn sâu sắc đến Tiến sĩ Nguyễn Đăng Bình — người hướng dân khoa học, tận tâm, nhiệt tình hướng dân cho tơi suốt q trình thực luận văn Xin goi loi cam on đến Ban lãnh đạo Tì rường Đại học Khoa học Huế, Khoa Cơng nghệ thơng tin, Phịng sau Đại học, tất quỷ thấy, cô trực tiếp giảng dạy suốt khóa học đề cho tơi có đủ kiến thức, kinh nghiệm phương pháp nghiên cứu Xin cảm ơn Ban Giám hiệu Trường Trung Cấp Nghề Kinh Tế - Kỹ Thuật Cơng đồn An Giang ban đồng nghiệp tạo điều kiện thuận lợi cho tơi suốt q trình học tập,nghiên cứu đề hoàn thành luận văn Ciing xin chân thành cảm ơn quan tâm hỗ trợ, tạo điễu kiện hết lòng động viên tỉnh thần lần vật chất thành viên gia đình suốt thời gian qua Do khả kinh nghiệm nghiên cứu hạn chế, mặc đù thân cố gắng luận văn không tránh khỏi khiếm khuyết Mong quy thây, cô hội đồng cảm thông, lượng thứ đóng góp ý kiến để bồ sung cho đề tài hồn thiện Sau cùng, tơi gói lời chúc sức khỏe, hạnh phúc đến quỷ thầy cô, gia đình bạn bè Tran Người thực luận văn Phạm Tuần il MUC LUC 09)09.9 69.0087 H I 00099019) 00057 G ,,Ô II hïI090992257 ),H,.,., m DANH /MỤG CÁG BẰNG otecguuthdtittrdtidtiittittiistHSISHHSIEHHSIEHHSIEHHSISEEHSI VI DANH MỤC CÁC HÌNH VẼ 5-55 5+ 2t 2x vEExEEEEEErrrirrrrrerrke VII DANH MUC CAC TU VIET TAT u.ecccccscsssssssssssscssecssscssscssecsssccssccscssecenecesecesscese IX PHAN MO DAU Qoccssccsssssssssssessscssscssscssscssscssscssscssscssscsssccssesssccsscsssccssessscssscsseceseeesseeseees CHUONG TONG QUAN VE NHAN DANG MAT NGUOI VA XU LY ANH6 1.1 GIỚI THIỆU TÔNG QUAN VẺ NHẬN DẠNG 222 22222222222222222-e2 1.1.1 Khái niệm 52 222222221221112111211121112111211122121121212122 are 1.1.2 Công nghệ nhận dạng ảnh (nhận dạng mẫu L0 0211 1n 1H11 Hà nà Ha 1.2 TỎNG QUAN VẺ XỬ LÝ ẢNH SỐ 5222 2221212 tra 1.2.1 Các trình xử lý ảnh .:cccSc 212 nn nhà He 1.2.2 Phạm vi tng dung xử lý ảnh se 10 1.3 GIGI THIEU BAI TOAN NHAN DANG KHUON MAT NGUOI VA UNG DUNG CUA DE TAI VAO CO SO THUC TIEN "` 10 1.3.1 Giới thiệu tốn nhận dạng khn mặt người 10 1.3.2 Ung dung ctia dé tai vao co sé thre thé occeee well 1.4 CAC YEU TO LAM ANH HUONG TOI KET QUA NHAN DANG 11 1.5 TIEU KET CHUONG oe.ocicieecccssceeeeeesssseseeeeesssssesnnetssessseseens CHƯƠNG CÁC PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẠẶT 12 13 2.1 PHƯƠNG PHÁP EIGENFACES 2-2222 222222212222122112211 211 2E ctxe 13 2.1.1 Giới thiệu Eigenface -52 22 2222111211121121121121121 re 13 2:1z2› nh ETIPGDG sec niei50ESRSIREBBIEESEBBIEEIGERICSEGDNBEEISDRINEEEDRIREEEGĐISSlEBĐ 14 2.1.3 Sử dụng khuôn mặt đặc trưng để phân loại hình ảnh khn mặt 17 2.1.4 Tóm tắt kết luận phương pháp nhận dạng Eigenface 21 2.2 PHƯƠNG PHÁP MẠNG NƠRON -.-2222222 2221222212211 221 22c 23 2:2:1: Định Nghia: ;aosstrisotsiitsortotissoiBiiitggtiitGREHEERORSHSVRGRIHIXESRIStRGiaBNtiRoSznoi 23 1H 2.2.2 Ưu điểm khuyết điểm 22-222 222211121112112112112221 2e 24 2.2.3 Nơ-ron sinh học nơ-ron nhân †ạO c2 1222111252111 12x kez 24 2.2.4 Các loại hàm kích hoạt L c2 22211112211 111221111221 11 1211111121112 21x e2 27 2.2.5 Huấn luyện mạng nơ-ron nhân †ạO it St reerre 28 2.2.6 Mạng nơ-ron tích chập sâu .St 1S nhàng he 28 2.3 MƠ HÌNH MARKOV ẨẦN 22222 2t rrrae 35 2:3;:1: GIỚI thiỆU:sszixozzssessbeseditisgtiig 0200337 80TĐ83 g8GHdgDhGA03 QIG.RB8ÿ.D4-HlG1i G8 88dSiicsa 35 2.3.2 Nhận dạng khuôn mặt mơ hình Markov ẩn -.cccs 22s cse2 36 2.3.3 Ưu điểm hạn chế . - s23 11 211115111121111211112111121111 2111121 11x etreey 42 2.4 PHUONG PHAP SUPPORT VECTOR MACHINE (8VM! .- 43 2.4.1 Sơ lượt lý thuryét SVM o.oo cece csesesesesesesereteretereteretereteretaretesesereseses 43 2.4.2 SVM da lO pieces ncnnecennmneneeeananes 2.4.3 Chiến lược chống (OVO: 2.4.4 Chiến lược chống phan 46 One — versus — One) - 46 lai (OVR: One — versus — Rest) 47 2.4.5 Nhận dạng mặt nguoi VO1 SVM 0.0 ec ceceeeececeeeeeeeceeseneeeesenseneeterentenes 47 2.4.6 Ưu điểm hạn ché ccccccccccscssssssssessesesvesesessesveveevevesvesesuesestssesesstsveseavevess 50 2.5 PHƯƠNG PHÁP NHẬN DANG MẶT NGƯỜI SỬ DỤNG THƯ VIỆN OPENFACE VÀ DLIB 52522 22222212221221121122121121121212212222 re 51 2.5.1 Giới thiệu thu vién OpenFace o.oo cece cece eseeseeseeseeseteseeseeeeeeeees 51 2.5.2 Phương pháp nhận dạng mặt người cla OpenFace uu eee eee 51 2.5.3 Khả ứng dụng OpenFace vào hệ thống có nguồn tài nguyên hạn ee 53 2.5.4 Kỹ thuật tìm khn mặt ảnh St St sssnhreirrrrresres 34 2.5.5 Tiền xử lý ảnh khuôn mặpt 22 222225122512111211121112111211211211 2e 56 2.5.6 Mã hóa khn mặt - - - - L2 22211115211 112511 111112111 121111 1581111181112 2x ke 57 2.5.7 , kacesdinhdanhAinh khu6n Mabe 58 2.6 TIỂU KẾT CHƯƠNG -55222::222222122111222221 11H rrrne 60 CHUONG UNG DUNG CONG NGHE NHAN DANG MAT NGUOI VOI DEEP CNNS TRONG VIEC QUAN LY CHONG THỊ HỘ - 61 3.1 NHUNG HIEN TUONG GIAN LAN PHO BIEN TRONG THICU 61 iv quan sát hành vi mơ hìnhO¿ Ox tham khảo phổ biến trình tr O,, sinh chuỗi quan sat Trong tài liệu nhận dạng mẫu hành vi HMM đề cập khoảng thời gian hữu hạn chiều dài T Cho việc khởi tạo mơ hình khoảng thời điểm xác suất bắt đầu sử dụng để mô tả phân bố xác suất trạng thái thời điểm t = Các hành động mơ hình phải, chấm dứt sớm cảng tốt trạng thái tùy ý vào thời điểm T Đó khơng phải thống kê tiêu chí khai báo để sử dụng để đánh dấu đặc biệt trạng thái cuối Một mô hình Markov ẩn khởi tạo đầu tiên, mà thường ký hiệu ^„ đó, hồn tồn mơ tả bởi: - Một tập hợp hữu hạn trạng thái {s | < s