Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 32 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
32
Dung lượng
1,29 MB
Nội dung
Bo co môn L Thuyt Nhn Dng !"#$%&'( )*+,-./ 0(12'%345 6) 789"+7 4) 7897:;.< 5) 78978 =) 789>?@ 1) +.<A.B !"## Nhm 9 Page 1 Bo co môn L Thuyt Nhn Dng $CD# EFG )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) )))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))) ))))))))))) "HI"8#?(4J66 FG *)+,-./ Nhm 9 Page 2 Bo co môn L Thuyt Nhn Dng 3K &K !"# $%&''()*+,- $%&'''./01%&23# 45 (6789) Nhm 9 Page 3 Bo co môn L Thuyt Nhn Dng 2/0L,7 +M7?(N7I 0+:#M7 #+OG P7FM!"#$ QR(S#./) G P7L#T!"#L<UI#TF $QR(H#(S# ./#+ULV#+W LX(Y+H U(,7F" 0M7(S#./ #+U)X8 !"#C LA(S#./LZ(Y+HF'M7(M G P7.$QR[7(S#ILAFA[7(S#I#VQ\(S#./8 $QR U(C] (S#./^ #(S#./#+U&"%,L,7#G E(H##_$QR (S#./) #_$QR[7(S#L.B !W#L,7C`8Qa#Tb?( 6cdJI#78GQ eR XFM &7$#C LA(S#./G fL.B % QK#+(H#*_PQK.$QR#g ? .' )0 fL.B %##+h (R(i#Tb?(6ccJ[ 0b#X!H#+ FQVF""8 8#O PQK EC LA(S#./LZ#+YG%j!X#+ 7H *_) "#C LA[7(S#./kl VQV#V #m&"(H#[n#7$#(8#@ LhC LA FA#+@F" [@ #.' E[7(S##+U!:#[okU[n #7$#*_m)n#7$#"8$!X# LS #+.[7(S#F"!pN7b#P[ .q#""I `8 _ <#h) .<#+OC LAFA#+@[7(S#./#+!"FX#"8*rQK .'#X% $Qa#+G(RI*rQK!H%`&R(RsQ*#&"*a[X#B% E !H%`&R8X7Qa#+G LS##+.+&[VLhC LA[7(S#) 3Z7tL.B Qa#+G#.F(Z7t(Yu%V> E#V&Lh "LS#) Nhm 9 Page 4 Bo co môn L Thuyt Nhn Dng .<qjN7FMC LA(S#./ '#7 7 <(H##$%[vN7 0+:#M7 #+OG P7FM!"#C LA [7(S#./#TULV#+WIC(LXU("7."8(8) G P7L#T!"#L<UI(wU f 0(H#[7(S#./O#xF" #X#!A#7OF"L,7Y#.#X#xLP#+ULV#+W)LX"8( 8!"#(Y+H U ("7I 0M7[7(S##+ -(H#UI 0 M7#.#X#8Lj#+U)bF$8(" e(Y+H U%R(F#T (#+./C7N7[L<Uk#+%e#@(m LX(#+./ C7N7+:#%P #R%k.#+#aGmy(L%P7 ,7#$#*aF"+:# M7 E ./) # $%&'()*%+, z LA[7(S#kl V;V#V #m&"(H#[n#7$#(8#@Lh C LA FA#+@F" [@ #.' E [7(S#./#+ U!:#[okU[n#7$#*_m)n#7$#"8$!X# LS #+. E [7(S#F"!pN7b#P[ .q#e"I `8 _I <#hI))) ! -./'0100)*+, 0M7PQKLZL.B F"L#X#[X.q #_#.<# b./(8]%./!A#$#S [X([78X# 0#h#+Lj)b./Q-b#8 0#h#X%F'b ./!O#./I))) Nhm 9 Page 5 Bo co môn L Thuyt Nhn Dng l%`LRU("7Lh#O( R#N7#7$###?F-LhC LA PFG);-LS #@OV&&%*V E[7(S#./LhC LAPFG"[7(S#./))) {C`8Qa(H#!H&| LhC LAPFG[7(a#./#V("7 Q./)TPFG"8# UC LA[7(S#./#VO Q[7(S#F" N7LS #+.FM#"%,[7(S#IF' (W#%UL.B |&"(_ #|LHLhCD#N7)v& @C [7(S# K%#x#+G}J~ .<&*i%##+h &R#g#( 0#@ B%*•LS #+. E./Q-#+GL0I[!:# P./Q-[ Q-Lh#+78 $%8 Cr&€#R #_*iL.B 8G7 ,7[h(#+ LS #+.[7(S# *F'#gLh!X#8 0%U&" E#g8[) Z(8 K%OLZPQK!"#C LA[7(S# ./F"(8 K%O#X('Lh [X#N7UOUL•%<I:# &"[7(S#./) 7(S# E ./ 0b[X# :7+G!#(" 0#hQ-Lh%` &B*F' L_#.B[ );aF"(P LH `CP E[7(S#./Lh C LA[7(S#./)-8#V(w%.<%%(w#7$##(" 0 C LA[ 7) 2 )*%345+,633 7*% 3S Q- 0+:#M7 LhC LA(S#./#-8GN7#+O#a &RS%%Ub[0[?*7q .'k%*Vm E[7(S#L_F'(8UI.qO#xIO G8O#T#+GC7_)-#+(H#U 0#h 0M7 [7(S#Yb#.#X[ 7) Nhm 9 Page 6 Bo co môn L Thuyt Nhn Dng ‚a 0(S# E #X#[%U&"LS #+.+G E[7(S# ./I.q+`7N70I(W#[@I^) D#(S#kƒ &VC%+V**m[ 7#+G[7(S#I.qF7I !7tIR GI^) 3S#./!A V[7:#!Y L_#.B[ 0#+U) ‚a!h7 U( E[7(S#q*a!h7 U( 0#h&"(#8LjL[h LS #+.F"#*_ E[7(S#IF@QK.[7(S# E -(H#./*i+:#[ [./L:8 ./I#P $8*BZ^ 8 9:*; $%#+7C LA[7(S#./F"&.7F"‚;2); 0M7[0[? [C LA[7(S#GLh!"#L.B @C F"U(LH%P #R%#O , b%R(F8G7 ,7*7 [7(S#L.B K%#xS 0 G[L[hk!D <6J m M EU[N7%P #R% „L.B K%#+LM7[*!O#./) _F'FQVS …V! (IQ 0#h# #" Cr&€#+GUG F'bFQV%P #R%8…V! (N7[D(I .<#+O*i[ #a L.B #_#:# 0#h) Nhm 9 Page 7 Bo co môn L Thuyt Nhn Dng < =0100 0M7G P7#O(%.<%%C LA[7(S#./I#TUC( LX"88&"U("7) ;aF" #@ :# E %.<%%C LA(S#./#+GUI 0 #h #"!_&R @I#.<PF' .'#X% $[ 7)3H# %.<%% 0#h*rQKM7.'#X% $I#-8(w" U) .'#X% $Qa#+G#+#P q.'#X% $#%Q…IQa#+G #7$##I(Z0 LS #+.F"N7b LS #+. E [7(S##" &7$#) .'#X% $Qa#+GLS #+.[#8Ljqz`8Qa #7$# ##O( LS #+.(#U :7#+] [7(S#(" LS #+."8 [#8Lj[#.#X[7(S#IFA#+@LS# (V+#8LjS LM7[*#8Lj) .'#X% $Qa#+G**['%(†7q;- (†7 7‡ E [7(S#./k (†7"8L.B |&aF"&.7#+bmLh(#U [7(S#8 LS #+. E[7(S#k (†7"8L.B | # !##V#G7 7‡LZL.B # ULM+Lh**m).< %%"8 0#hQ-LhC LAFA#+@8Qe#O([7(S##+GU) (_#.<N7bQb&7UL.F"F" (†7Q-LhC LA[7(S#./) .'#X% $Qa#+GQ(Rq+.B xF'.'#X% $ Qa#+G[7(†7I (Ok8 (†7m*iL.B | #T(H# #$%U7:&78("#h#@ :##G7!h7 E*aC7:# E (S#./#+U)‚7L0#_k(Om*iC LA(S#./) .<%%"8 eL.B !X#LXF'#G|#X% $#V %.<%%| (8) Nhm 9 Page 8 Bo co môn L Thuyt Nhn Dng .<)7$#UsQ!*# * (:; | #VsQ!*#&"(H#.'#X% $Qa#+GQ(RI>&F"{V* Q-sQ!*#[X#B% * QV>?'@@>A@LhLh#?#_ LH%#[7(S# #+UF' LS #+.QR+…FV&V#&[V)_ LHCr&€[F"#v& @C <}J~#+GUC()"+‚ VQV+(F"QVQ-…FV&V# Lh#+@ LS #+.I*7L:8 ˆC`8Qa#_| F'sQ!*#IQa#+GC *7:#LhC LA[7(S#./)v& @C #+G E%.<%%"8&G LXcJ~) .'#X% $Q(R .'#X% $Qa#+GQ(R%QK [n#7$##V.'C *7:# #_[GF"| (8Lh#O(bLS #@&GN7 E[7(S#F"[%U &"[7(S#) LS #@LZL.B | Y#+O# (O%`!_8 #(*_ E(H#"(*_G 0#hQ- LS #@"8LhC LA[7(S# ./)t#/I!"#U(*_ M7#./L.B N7#`(Lh#?7N7U #@# ˆ.7N7UC LA) 7$##| (8sQ!*#L.B %##+h#7$##*# 7$##*# >M&A *rI!*#!W#7t#T `7pj#XL.B L.+!/V+* F"?(6c}cq‰B4C:'@?'@@>ADE0(0F ?:G4HI)?(6ccJI!V+#‚ %+VL.+#7$##!*#L,7#GI#X%LX ?(6cc5#O0L.B ;+7 [V+I‚ %+VF"‚(+Q[h((#+#+ .<#+O$QRkJ=K'00?'m)l+V7QLZ#X%#K G P7 E Nhm 9 Page 9 Bo co môn L Thuyt Nhn Dng ‚ %++VIF"LX?(6cc1#O -F'‚ %+V%##+h!*##" Q!*#) .F$8I78G&€ <!U E!*#&"*a[X#B% LA'3?'@@>A@ #"(H#@?'@@>A)+L0ILA'3?'@@>A&" !H%`&RL<U f , 0LH @C #+G1J~)y "8I ]#0!H%`&RLZL.B ‰!*#Š) hh7 R#LH E#7$##!*#I#CD#(H#!"#%`&R 4&'%k(†7 ,$QR f#7H (H##+&'%mF'M&"#$%7:&78t( 0(†7)+.' #GI ]#*i |†7G+#(†7#T#$%Mk#NmLh#R #$%M#)‚7L0I ]#*iC`8Qa…V[ &**ƒV+L,7#G=##T#$%M#)X% #VI ]#C`8Qa#$% M!Lh7:&78!H%`&R =!) M!*iL.B C`8 Qa* (H#r*_(†7 E0L.B %`&RL]!Y=#F"r e&R!A %`&R*!Y=#)y "8IM! PLab##!j*7 =#) `8/ ]#*iC`87:&78=!#TM!) X%#VI ]#*iC`8Qa#$%M2#Tb(†7[L.B %`&R #_#!Y*a[X#B%b=#F"=!qb(†7 e&R#+M("=#F"=! [X# N7U[ 7).F$8IM2*it(b(†7("=#=!R#LH[7 N7U)‚7 -I ]#*i7:&78!H%`&R=2#TM2) `8/ ]#LZ 0(H#*#+ &**ƒV+q*a[X#B%=#I=!F"=2) #X"$QR(H#(†7zI[X#N7U*iL.B N78X#LA!Y*a#p#7$ E5 !H=#I=!F"=2qX7 U=#F"=!LM7%`OF" -(H#&'%#O&'%"8 @&" [X#N7U%`&R EO‹.B &RIX7=#F"=!%`zF"4&'%[ 7I5*i N78X#LAO#7H FM&'%" Nhm 9 Page 10 [...]... đánh dấu các mẫu khó nhận dạng Trong quá trình huấn luyện, cứ mỗi weak classifier được xây dựng, thuật toán sẽ tiến hành cập nhật lại trọng số để chuẩn bị cho việc xây dựng weak classifier tiếp theo: tăng trọng số của các mẫu bị nhận dạng sai và giảm trọng số của các mẫu được nhận dạng đúng bởi weak classifier vừa xây dựng Bằng cách này, các weak classifier sau có thể tập trung vào các mẫu... được xây dựng theo dạng cây và đã được huấn luyện từ trước Việc huấn luyện bộ Cascade có thể thực hiện từ những dữ liệu thu thập được để phục vụ cho quá trình nhận dạng Ví dụ, muốn nhận dạng một người A, ta thu Nhóm 9 Page 28 Báo cáo môn Lý Thuyết Nhận Dạng thập các ảnh khuôn mặt của người A với nhiều tư thế, góc chụp và điều kiện chụp khác nhau, sau đấy cho bộ nhận dạng học theo thuật... object – các mẫu chưa khuôn mặt cần tiến hành nhận dạng) Bên cạnh đó, hệ thống của Viola và Jones cũng đạt được độ chính xác khá cao nhờ vào thuật toán cascade training, các bộ nhận dạng được huấn luyện bằng AdaBoost với đặc trưng Haar-like mô tả tốt thông tin đối tượng, cùng với cách Integral Image tính nhanh các đặc trưng, không làm giảm tốc độ nhận dạng của hệ thống Như vậy, mô hình Cascade... cả về tốc độ lẫn khả năng nhận dạng, rất phù hợp với bài nhận dạng mặt người Nhóm 9 Page 23 Báo cáo môn Lý Thuyết Nhận Dạng Chương III: Xây dựng chương trình Tổng quan Trong lĩnh vực nào cũng vậy, hầu như chúng ta phải dựa vào những kết quả có trước để làm nền tảng cho những nghiên cứu hiện tại để rồi kết quả trong hiện tại này được sử dụng cho tương lai Xử lý ảnh cũng vậy, có vô số những... phương pháp thống kê), và cho thấy tỉ lệ nhận dạng là ngang nhau, trong khi hệ thống của Viola và Jones chạy nhanh hơn đến 15 lần so với hệ thống của RowleyBaluja-Kanade và nhanh hơn 600 lần hệ thống của Schneiderman-Kanade Lý do mà cấu trúc cascade đạt tốc độ nhận dạng nhanh chính là nhờ nó sớm loại bỏ được các mẫu background đơn giản (thường có số lượng lớn hơn nhiều so với các mẫu chứa object... duyệt qua tất cả các đặc trưng của các mẫu trong tập training Việc này tốn rất nhiều thời gian Tuy nhiên, trong các mẫu đưa vào, không phải mẫu nào cũng thuộc loại khó nhận dạng, có những mẫu background rất dễ nhận ra (ta gọi đây là những mẫu background đơn giản) Đối với những mẫu này, ta chỉ cần xét một hay vài đặc trưng đơn giản là có thể nhận diện được chứ không cần xét tất cả các... Nhận Dạng nhận dạng sai, tức là nó sẽ tập trung học từ các mẫu background khó hơn, do đó sự kết hợp các stage classifiers này lại sẽ giúp bộ phân loại có false alarm thấp Với cấu trúc này, những mẫu background dễ nhận diện sẽ bị loại ngay từ những stages đầu tiên, giúp đáp ứng tốt nhất đối với độ phức tạp gia tăng của các mẫu đưa vào, đồng thời giúp rút ngắn thời gian xử lý Thuật toán... các đặc trưng Nhưng đối với các bộ phân loại thông thường thì cho dù mẫu cần nhận dạng là dễ hay khó thì nó vẫn sẽ xét tất cả các đặc trưng mà nó rút ra được trong quá trình học Do đó, chúng tốn thời gian xử lý một cách không cần thiết Cascade of Classifiers được xây dựng chính là nhằm rút ngắn thời gian xử lý, giảm thiểu false alarm cho bộ phân loại Cascade tree gồm nhiều stage (hay còn... Hình 14: Cascade of boosting classifiers Nhóm 9 Page 22 N C L Y A S S Báo cáo môn Lý Thuyết Nhận Dạng Viola và Jones đã sử dụng rất thành công cascade of boosting classifiers cho bài toán nhận dạng mặt người Với tập huấn luyện gồm 4196 hình mặt người được đưa về ảnh grayscale kích thước 24x24 và 9500 hình background, hai ôngđã xây dựng cấu trúc cascade tree gồm 38 stage với tổng cộng 6060... Hệ số dùng để đưa factor) Bước 4 Strong classifier được xây dựng: Nhóm 9 Page 14 về đoạn [0,1] (normalization Báo cáo môn Lý Thuyết Nhận Dạng Sơ đồ khối Tập các huấn luyện đúng đầu Khởi tạo tập Mẫu sai Bắt và trọng số mẫu Mẫu Tập các mẫu đặc trưng ban đầu Xác định các đặc trưng trong từng mẫu, xây dựng các bộ phân loại yếu tương ứng Cập nhật lại trọng số Đặc trưng haar-like Tính toán