Nhận dạng ảnh mặt người sử dụng mạng nơron

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ KHOA HỌC NHẬN DẠNG ẢNH MẶT NGƯỜI SỬ DỤNG MẠNG NƠRON NGÀNH: CÔNG NGHỆ THÔNG TIN VÕ PHÚC NGUYÊN Người hướng dẫn khoa học: PGS TS NGUYỄN THANH THỦY HÀ NỘI - 2009 Tai ngay!!! Ban co the xoa dong chu nay!!! 17057205160621000000 Mục lục Lời cam đoan Danh mục từ viết tắt Danh mục bảng Danh mục hình vẽ, đồ thị Lời cảm ơn Chương 1: Mở đầu 1.1 Giới thiệu chung 1.2 Bố cục luận văn Chương 2: Trích chọn đặc trưng 10 2.1 Phương pháp phân tích thành phần 10 2.1.1 Cơ sở toán học 11 2.1.2 Phương pháp PCA 20 2.2 Phương pháp phân tách tuyến tính 27 2.3 Phương pháp xử lý hình thái 30 2.3.1 Biến đổi trúng-trượt (hit-or-miss) 32 2.3.2 Phép dãn ảnh co ảnh tổng quát 35 2.3.3 Dãn co ảnh đa mức xám 42 Chương 3: Mạng nơron 44 3.1 Giới thiệu mạng nơron 44 3.1.1 Nơron – đơn vị xử lý 44 3.1.2 Liên kết nơron 45 3.1.3 Hàm kích hoạt quy tắc xác định tín hiệu 46 3.1.4 Quy tắc delta 47 3.2 Thuật toán học lan truyền ngược 49 Chương 4: Thiết kế đánh giá 54 4.1 Thiết kế hệ thống 54 4.1.1 Cơ sở liệu ảnh 54 4.1.2 Môi trường cài đặt 55 4.1.3 Cài đặt 55 4.2 Kiểm thử đánh giá 58 Kết luận 60 Tài liệu tham khảo 62 Lời cam đoan Tôi xin cam đoan luận văn “Nhận dạng ảnh mặt người sử dụng mạng nơron” cơng trình nghiên cứu riêng Các số liệu sử dụng luận văn trung thực Các kết nghiên cứu trình bày luận văn chưa công bố cơng trình khác Võ Phúc Ngun Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Danh mục từ viết tắt LDA (Linear Discriminant Analysis): Phương pháp phân tách tuyến tính LMS (Least Mean Square): Phương pháp bình phương trung bình tối thiểu ORL (Olivetti Research Laboratory, Surrey University): Cơ sở liệu ảnh dùng luận văn PCA (Principal Components Analysis): Phương pháp phân tích thành phần Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Danh mục bảng Bảng 2.1 Tính tốn độ lệch chuẩn 13 Bảng 2.2 Tập liệu hai chiều tính toán hiệp phương sai 15 Bảng 4.1 Các module chương trình 55 Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Danh mục hình vẽ, đồ thị Hình 1.1 Mơ hình hệ thống nhận dạng mặt người Hình 2.1 Ví dụ minh họa PCA 11 Hình 2.2 Ví dụ vector thường vetor riêng 18 Hình 2.3 Ví dụ ổn định vector riêng việc lấy tỉ lệ 19 Hình 2.4 Dữ liệu đồ thị biểu diễn liệu 21 Hình 2.5 Đồ thị biểu diễn liệu chuẩn hóa với vector riêng 23 Hình 2.6 Ảnh gốc sở liệu ORL 26 Hình 2.7 Ảnh sau biến đổi theo PCA 26 Hình 2.8 Ví dụ minh họa LDA 27 Hình 2.9 Ảnh sau biến đổi theo LDA 30 Hình 2.10 Sự liên thơng 31 Hình 2.11 Phép dãn ảnh nhị phân 34 Hình 2.12 Phép co ảnh nhị phân 35 Hình 2.13 Các toán tử đại số ảnh mảng nhị phân 36 Hình 2.14 Lật dịch mảng nhị phân 37 Hình 2.15 Phép dãn ảnh tổng quát dựa theo phép cộng Minkowski 39 Hình 2.16 So sánh kết hai phép co ảnh 41 Hình 2.17 Phép dãn ảnh co ảnh tổng quát với phần tử cấu trúc 5×5 42 Hình 2.18 Ảnh sau xử lý hình thái 43 Hình 3.1 Các thành phần mạng nơron nhân tạo 45 Hình 3.2 Một số dạng hàm kích hoạt nơron 46 Hình 3.3 Mạng nơron l lớp 49 Hình 4.1 Ảnh gốc ảnh ORL 54 Hình 4.2 Ảnh gốc bổ sung ảnh gương 56 Hình 4.3 Giao diện chương trình 57 Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Lời cảm ơn Tôi xin cảm ơn Viện Đào tạo Sau đại học, trường Đại học Bách khoa Hà Nội tạo điều kiện cho tơi hồn thành luận văn Tơi xin chân thành cảm ơn giúp đỡ PGS TS Nguyễn Thanh Thủy, Viện Công nghệ thông tin Truyền thông, trường Đại học Bách khoa Hà Nội Tôi xin cảm ơn động viên giúp đỡ tất người thân gia đình, bạn bè, đồng nghiệp trình thực luận văn Võ Phúc Nguyên Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Chương 1: Mở đầu 1.1 Giới thiệu chung Hiện nay, với phát triển vũ bão cơng nghệ thơng tin nói chung phát triển lĩnh vực thị giác máy nói riêng, hệ thống phát nhận dạng mặt người ngày có nhiều ứng dụng thực tế vấn đề an ninh, nhận dạng người dùng hệ thống bảo mật, nhận dạng người lái xe, hộ chiếu, nhận dạng người hệ thống tương tác người-máy, lĩnh vực giải trí… Đặc biệt sau thảm họa ngày 11/9, phủ tồn giới bắt đầu ý tới mức an ninh sân bay biên giới Ngân sách năm nước tăng lên nhiều cho kỹ thuật xác định, nhận dạng lần theo đối tượng nghi vấn Nhu cầu tăng lên ứng dụng giúp nhà khoa học có thêm quỹ để phát triển dự án nghiên cứu Mặc dù việc nhận dạng mặt người khơng thể xác phương pháp nhận dạng khác nhận dạng vân tay, nhận quan tâm lớn nhà nghiên cứu lĩnh vực thị giác máy Lý chủ yếu thực tế, mặt người cách truyền thống để người nhận Một hệ thống nhận dạng mặt người điển hình bao gồm thành phần hình 1.1 Ảnh mặt người Trích chọn đặc trưng Nhận dạng mặt người Người nhận dạng Hình 1.1 Mơ hình hệ thống nhận dạng mặt người Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên Có hai hướng tiếp cận làm hạt nhân kỹ thuật phân tích đặc trưng mặt người: hướng tiếp cận hình học hướng tiếp cận hình ảnh • Hướng tiếp cận hình học sử dụng việc ánh xạ không gian đặc trưng mặt người Mặt người phân loại theo khoảng cách hình học, theo đường bao theo góc điểm • Hướng tiếp cận hình ảnh bao gồm việc xây dựng mẫu từ đặc trưng mặt người Mẫu đặc trưng bật, chí tồn khuôn mặt thiết lập, việc nhận dạng thực cách duyệt khn mặt tìm mặt khớp với mẫu Hiện hệ thống nhận dạng mặt người tiếp tục phát triển Dưới số phương pháp trích chọn đặc trưng: - Mặt riêng (Eigenface) - Mơ hình Markov ẩn - Phân tích thành phần (PCA) Thuật tốn Eigenface phổ biến sử dụng rộng rãi đơn giản hiệu tính tốn Thuật tốn sử dụng cách tiếp cận lý thuyết thơng tin việc mã hóa ảnh mặt người xác định vector riêng tương ứng với giá trị riêng lớn ma trận hiệp phương sai ảnh Sau đó, nhóm ảnh người, ta tính vector trung bình, ngưỡng chọn để xác định khoảng cách chấp nhận cực đại từ ảnh đến nhóm ảnh giúp nhận dạng ảnh Mơ hình Markov ẩn phân loại đặc trưng mặt người tính chất chuỗi Markov Một dãy ngẫu nhiên biến lấy giá trị điểm ảnh tương ứng tạo nên chuỗi Markov, xác suất để hệ thống đạt trạng thái xn+1 thời điểm n+1 phụ thuộc vào xác suất để hệ thống đạt trạng thái x n Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên thời điểm n Trong chuỗi Markov, việc chuyển hệ thống từ trạng thái sang trạng thái khác tương ứng với xác suất đó, kết ký hiệu lại xác định trước Như vậy, kết phân bố xác suất tất ký hiệu trạng thái kết dùng để so sánh hai khn mặt Trong phương pháp phân tích thành phần (PCA − cịn gọi biến đổi Karhunen-Loeve), tập liệu biểu diễn lại với số đặc trưng đồng thời giữ hầu hết thông tin quan trọng liệu PCA thường sử dụng phương pháp mặt riêng Tập vector riêng dùng làm vector sở khơng gian con, ta so sánh với ảnh sở liệu để nhận dạng ảnh Các vector sở cịn gọi thành phần sở liệu ảnh Mạng nơron sử dụng rộng rãi hệ thống nhận dạng mặt người Kỹ thuật mạng nơron mô hoạt động nơron não người Mạng nơron có khả điều chỉnh trọng số dựa mẫu học trình huấn luyện Kết mạng đạt hiệu cao việc phân loại lớp, dựa liệu mẫu khả tách tuyến tính phi tuyến 1.2 Bố cục luận văn Mặc dù hệ thống nhận dạng mặt người đạt hiệu cao, nhiên chúng hạn chế tập trung vào hay vài phương pháp trích chọn đặc trưng Có hệ thống thực nhận dạng dựa đặc điểm hình học mặt người có hệ thống dựa đặc điểm thống kê Trong luận văn này, việc trích chọn đặc trưng thực dựa đặc điểm thống kê khn mặt (cụ thể phương pháp phân tích Nhận dạng ảnh mặt người sử dụng mạng nơron – Võ Phúc Nguyên