ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ

ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ Nhận dạng mặt người (Face recognition) được nghiên cứu từ nhưng năm 1980, là một lĩnh vực nghiên cứu của ngành thị giác máy tính (Computer Vision), và cũng được xem là một lĩnh vực nghiên cứu của ngành sinh trắc học (Biometrics) tương tự như nhận dạng vân tay – Fingerprint recognition, hay nhận dạng mống mắt – Iris recognition.

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG NGUYỄN THỊ LEN ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ Chuyên ngành: Khoa học máy tính Mã số: 60.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2014 Luận văn được hoàn thành tại: HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG Người hướng dẫn khoa học: TS Phạm Thế Quế Phản biện 1: PGS. TS Ngô Quốc Tạo Phản biện 2: PGS. TS Đỗ Năng Toàn Luận văn đã được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bưu chính Viễn thông Vào lúc: 08h giờ 45, ngày15 tháng 02 năm 2014. Có thể tìm hiểu luận văn tại: - Thư viện của Học viện Công nghệ Bưu chính Viễn thông 1 CHƯƠNG 1 - TỔNG QUAN BÀI TOÁN NHẬN DẠNG KHUÔN MẶT NGƯỜI 1.1 Giới thiệu bài toán nhận dạng khuôn mặt người Nhận dạng mặt người (Face recognition) được nghiên cứu từ nhưng năm 1980, là một lĩnh vực nghiên cứu của ngành thị giác máy tính (Computer Vision), và cũng được xem là một lĩnh vực nghiên cứu của ngành sinh trắc học (Biometrics) tương tự như nhận dạng vân tay – Fingerprint recognition, hay nhận dạng mống mắt – Iris recognition. . Trong khi nhận dạng vân tay và mống mắt có thể áp dụng trên thực tế một cách rộng rãi thì nhận dạng mặt người vẫn còn nhiều thách thức. So với nhận dạng vân tay và mống mắt, nhận dạng mặt có nguồn dữ liệu phong phú hơn và ít đòi hỏi sự tương tác có kiểm soát hơn. Bài toán nhận dạng mặt người còn nhiều thách thức nên hàng năm trong & ngoài nước vẫn có nhiều nghiên cứu về các phương pháp nhận dạng mặt người. Để thử nghiệm phương pháp chúng ta cần có một cơ sở dữ liệu ảnh mẫu. Có ba cơ sở dữ liệu ảnh mẫu phổ 2 biến là: Cơ sở dữ liệu AT&T, Cơ sở dữ liệu Yale A, Cơ sở dữ liệu Yale B Bài toán nhận dạng khuôn mặt có thể áp dụng rộng rãi trong nhiều ứng dụng thực tế khác nhau. 1.2 Ứng dụng của đề tài vào cơ sở thực tiễn Trong đề tài này, tôi tập trung tìm kiếm và đề xuất một thuật toán hiệu quả nhận dạng khuôn mặt nhằm chống gian lận trong thi cử . Do các khó khăn của bài toán nhận dạng khuôn mặt như: Tư thế góc chụp, sự xuất hiện hoặc thiếu một số thành phần của khuôn mặt, sự biểu cảm của khuôn mặt, sự che khuất, hướng của ảnh, điều kiện của ảnh Vì thế trong luận văn này tôi đưa ra những giả định và ràng buộc sau làm giảm độ phức tạp của bài toán như sau: - Góc ảnh trực diện (frontal) hoặc gần như trực diện, không bị che khuất (no occlusion) - Ảnh được chụp trong điều kiện ánh sáng bình thường. 3 - Cơ sở dữ liệu ảnh nhỏ, khoảng trăm ảnh. - Ảnh được xét trong luận văn là ảnh số, nghĩa là ảnh mặt người được chụp từ các thiết bị như máy ảnh số, camera,…. Luận văn không xem xét các ảnh mặt người nhân tạo như vẽ, điêu khắc … 1.3 Các phương pháp nhận dạng khuôn mặt người 1.3.1 Phân tích thành phần chính (PCA) Phân tích thành phần chính là phương pháp lâu đời nhất và cũng là phương pháp phổ biến nhất khi nghiên cứu nhận dạng khuôn mặt. Phân tích thành phần chính là một kỹ thuật phân tích biến đổi được nghiên cứu khá rộng rãi và biết đến nhiều. Thuật toán này lần đầu tiên được giới thiệu bởi Pearson (1901), và được phát triển một cách độc lập bởi Hotelling (1933). Ý tưởng chính của thuật toán phân tích thành phần chính là giảm số chiều của tập dữ liệu có sự tương quan lớn giữa các biến. Mặc dù giảm số chiều của biến nhưng vẫn duy trùy sự biến đổi nhiều nhất có thể của tập dữ liệu ban đầu. Thực chất của PCA là giải 4 quyết bài toán tìm trị riêng và vector riêng cho ma trận đối xứng. 1.3.1.1 Trích đặc trưng bằng phương pháp PCA 1.3.1.2 Kỹ thuật trích đặc trưng bằng PCA 1.3.2 Phân tích phân lớp tuyến tính LDA 1.3.3 Mẫu nhị phân cục bộ (LBP) LBP là một toán tử kernel 3×3, nó tổng quát hóa cấu trúc không gian cục bộ của một ảnh. Ojala và các đồng nghiệp đã giới thiệu phương pháp LBP và chỉ ra khả năng phân tách cao của chúng cho sự phân lớp vân. Bởi vì khả năng phân tách và chi phí tính toán thấp, LBP trở nên rất phổ biến trong nhận dạng mẫu LBP đã được áp dụng cho phát hiện khuôn mặt, nhận dạng khuôn mặt, xác thực khuôn mặt, truy vấn ảnh. 1.3.3.1 Mô tả kết cấu (Texture descriptor) 1.3.3.2 Mẫu nhị phân cục bộ mở rộng 1.3.3.3 Mẫu đồng nhất (uniform patterns) 1.3.3.4 Áp dụng LBP mô tả khuôn mặt Việc áp dụng mô tả khuôn mặt bằng LBP được Ahonen và các cộng sự thực hiện năm 2006. Ý tưởng của 5 phương pháp là chia hình hảnh khuôn mặt thành các khối, sau đó tính toán các histogram tương ứng với các khối. Cuối cùng kết hợp các histogram này lại với nhau để có được vector đặc trưng cho khuôn mặt. 1.3.4 Support vector Machines (SVM) SVM là một phương pháp phân lớp xuất phát từ lý thuyết học thống kê. Thuật toán SVM lần đầu tiên được Vladimir Vapnik đề xuất. Sau đó, Corinna Cortes cùng với Vladimir Vapnik đề xuất hình thức chuẩn hiện nay. SVM có nhiều tính năng ưu việt so với các phương pháp cổ điển khác: dễ dàng xử lý, xử lý với tính ổn định cao trên dữ liệu phức tạp, có thể có số chiều lớn và quan trọng hơn cả là khả năng xử lý tổng quát 6 1.3.4.1 Các khái niệm nền tảng 1.3.4.2 SVM tuyến tính 1.3.4.3 SVM phi tuyến 1.3.4.4 SVM cho vấn đề nhận dạng đa lớp 1 2 3 4 5 6 7 8 2 4 6 7 4 7 4 Hình 1.1 Cấu trúc 1 cây nhị phân cho nhận dạng khuôn mặt 8 lớp 7 CHƯƠNG 2 - ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG MẶT NGƯỜI 2.1 Phân tích bài toán nhận dạng mặt người Một hệ thống nhận dạng mặt người thông thường gồm các bước sau đây: Hệ thống nhận dạng khuôn mặt Nhận dạng (recognition ) Đào tạo (Training ) Dữ lệu Training Phát hiện khuôn mặt (face detection) Trích rút đặc trưng (feature extraction) Tiền xử lý (preprocessing) Phân loại (classification) Dữ liệu kiểm tra (Từ ảnh/ Camera) Phát hiện khuôn mặt (face detection) Trích rút đặc trưng (feature extraction) Tiền xử lý (preprocessing) Nhận dạng (recognition ) Kết quả Hình 2.1 Hệ thống nhận dạng khuôn mặt 2.1.1 Phát hiện khuôn mặt (face detection) Phát hiện khuôn mặt sẽ lấy ra tất cả các khuôn mặt trong một hình ảnh. 8 2.1.2 Tiền xử lý ảnh (preprocessing) Bước này nhằm mục đích lọc nhiễu, nâng cao chất lượng ảnh, trong bước này bao gồm các bước : Căn chỉnh ảnh, chuẩn hóa ánh sáng 2.1.3 Trích rút đặc trưng ( feature extraction) Ở bước này một phương pháp trích chọn đặc điểm như: mẫu nhị phân cục bộ – LBP (hay Gabor wavelets, Gradient, Discrete Cosine Transform …) sẽ được sử dụng với ảnh mặt để trích xuất các thông tin đặc trưng cho ảnh, kết quả là mỗi ảnh sẽ được biểu diễn dưới dạng một vector. Trong luận văn này trình bày về phương pháp Local Binary Pattern mục 1.3.3 2.1.4 Nhận dạng/Phân lớp Bước nhận dạng (recognition) hay phân lớp (classification), tức là xác định danh tính (identity) hay nhãn (label) của ảnh – đó là ảnh của ai. Trong luận văn trình bày về phương pháp phương pháp SVM ở mục 1.3.4 [...]... 1.3.1 trong chương này trình bày về phương pháp PCA 2.1.6 Các cách kết hợp các phương pháp 2.2 Đề xuất phương pháp nhận dạng kết hợp LBP-PCA-SVM Hiện tại có nhiều phương pháp kết hợp để nhận dạng khuôn mặt như trên đề cập Trong khuôn khổ luận văn này, sẽ trình bày về phương pháp nhận dạng mặt người bằng cách kết hợp ba phương pháp LBP, PCA & SVM, ứng dụng việc kết hợp ba phương pháp nhận dạng nhằm chống. .. Tỉ lệ nhận dạng theo số lượng ảnh mẫu phương pháp LBP-PCA- SVM trên CSDL AT&T & Yale A 15 CHƯƠNG 3 - XÂY DỰNG ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ DỰA TRÊN PHƯƠNG PHÁP LBP-PCA-SVM 3.1 Những hiện tượng gian lận phổ biến trong thi cử Hiện tượng gian lận trong Giáo dục nói chung và hiện tượng gian lận trong học hộ, thi hộ nói riêng là vấn đề nan giải và được bàn cãi nhiều đặc biệt là trước – trong và sau... cầu và bản thân thí sinh có sự thay đổi nhiều ( như thẩm mỹ, khuôn mặt bị mái tóc che , …) khi vào phòng thi đối chiều nhận dạng thì tỉ lệ nhận dạng chính xác khoảng 63% Do các kết quả của quá trình khảo sát như trên, để đề tài có tính ứng dụng và đem lại hiệu quả nhận dạng cao, đáp ứng được yêu cầu công việc thì khi tiến hành nhận dạng khuôn mặt phải tuân thủ theo các ràng buộc của bài toán nhận dạng. .. đó nhấn vào biểu tượng hình “Play” để chương trình nhận dạng Nếu nhận dạng thành công/không thành công chương trình sẽ có thông báo bằng giọng nói nhận dạng 23 thành công và thông báo trên màn hình Với mỗi lần nhận dạng 1 khuôn mặt được nhận dạng, phần mềm sẽ lấy kết quả của 5 lần nhận dạng liên tiếp nhau, khuôn mặt nhận dạng thành công khi kết quả của 5 lần là giống nhau Hình 3.7 Kết quả nhận diện... tượng thi hộ như trường hợp anh em thi hộ, hiện tượng tráo ảnh trong thẻ dự thi, hiện tượng quên thẻ sinh viên… 16 Tại trường Cao đẳng Xây dựng số 1, cũng phát hiện nhiều trường hợp thi hộ, học hộ đặc biệt là tại các lớp học tại chức, liên thông học vào ca tối Trong khuôn khổ luận văn này, tôi xin đi sâu tìm hiểu vào phần chống gian lận trong thi cử 3.2 Quy trình thực hiện chống gian lận trong thi cử. .. hiện chống gian lận trong thi cử được thực hiện theo quy định của Bộ Giáo dục và Đào tạo Thông thường, để kiểm soát việc thi hộ thì trong các kỳ thi Phòng Khảo thí và Đảm bảo chất lượng thường bố trí 02 cán bộ coi thi cho mỗi một phòng thi khoảng 30 đến 40 thí sinh Quy trình Tại phòng thi trước giờ làm bài thi thường diễn ra theo nhiều bước: Như vậy, để chuẩn bị cho một buổi thi, 02 Cán bộ coi thi phải... chống gian lận trong thi cử Hình 2.2 Sơ đồ kết hợp các phương pháp (phương pháp LBP-PCA-SVM) 11 2.2.1 Áp dụng LBP trích rút đặc trưng & PCA để giảm số chiều Trong luận văn ảnh chia làm 49 khối, mỗi chiều của ảnh chia làm 7 phần kích thước của ảnh khuôn mặt trước khi rút đặc trưng cần là 126x147px Các bước thực hiện trích rút đặc trưng khuôn mặt: Hình 2.3 Các bước thực hiện trích rút đặc trưng 2.2.2 Áp dụng. .. sinh ứng trực diện, ngay ngắn trước Camera Nếu nhận dạng thành công thì thí sinh đó được vào thi, nếu nhận dạng 3 lần không thành công thí sinh cần xuất trình thẻ sinh viên(hoặc chứng minh thư) để cán bộ coi thi đối chiếu Camera Ánh sáng Ánh sáng C Hình 3.1 Mô hình nhận dạng ở phòng thi 19 3.3 Chức năng của phần mềm Chương trình nhận dạng khuôn mặt được viết bằng C# với thư viện EmguCV - trình bao... ngôn ngữ C#) Chương trình sử dụng Logitech HD Webcam C270 Mô hình thực hiện Truyền dữ liệu Histogram Client (máy trạm) Server (máy chủ) Hệ thống nhận dạng khuôn mặt Dữ lệu Training Phát hiện khuôn mặt Tiền xử lý Trích rút đặc trưng Phân loại Dữ liệu kiểm tra (Từ ảnh/ Camera) Phát hiện khuôn mặt Tiền xử lý Trích rút đặc trưng Nhận dạng Hình 3.2 Mô hình hệ thống nhận dạng khuôn mặt Mô hình hình thực hiện... nhị phân với lớp là 15 2.3 Đánh giá phương pháp Hình 2.7 Đồ thị tỉ lệ nhận dạng phương pháp PCA và LDA trên tập AT&T 14 Đối với sinh viên trường thì để lấy tập dữ liệu ảnh lớn như vậy là rất khó Sau khi thử nghiệm với phương pháp LBP, SVM, PCA với số lượng ảnh mẫu /người từ 3 trở lên, kết quả cũng rất khả quan Số lượng ảnh mẫu /người Tỉ lệ nhận dạng AT&T Tỉ lệ nhận dạng Yale A 2 3 4 5 6 7 8 9 80.0% 90.1% . cây nhị phân cho nhận dạng khuôn mặt 8 lớp 7 CHƯƠNG 2 - ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG MẶT NGƯỜI 2.1 Phân tích bài toán nhận dạng mặt người Một hệ thống nhận dạng mặt người thông thường. DỰNG ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ DỰA TRÊN PHƯƠNG PHÁP LBP-PCA-SVM 3.1 Những hiện tượng gian lận phổ biến trong thi cử Hiện tượng gian lận trong Giáo dục nói chung và hiện tượng gian. CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG NGUYỄN THỊ LEN ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT NGƯỜI VÀ ỨNG DỤNG CHỐNG GIAN LẬN TRONG THI CỬ Chuyên ngành: Khoa học máy tính Mã số: 60.48.01.01