Hiện nay, cùng với sự pháttriển như vũ bão của công nghệ thông tin nói chung và sự pháttriển trong lĩnh vực thị giác máy nói riêng, các hệ thống phát hiện và nhận dạng mặt người đang ngày càng có nhiều ứng dụng trong thực tế. Đặc biệt sau thảm họa ngày 119, các chính phủ trêntoàn thế giới đã bắt đầu chú ý hơn tới các mức an ninh ở sân bay và biên giới. Ngân sách hằng năm của các nước đã tăng lên nhiều cho các kỹ thuật hiện đại để xác định, nhận dạng và lần theo các đối tượng nghi vấn. Nhu cầu tăng lên trong các ứng dụng này đã giúp các nhà khoa học có thêm quỹ để phát triển các dự án nghiên cứu. Mặc dù việc nhận dạng mặt người không thểchính xác được như các phương pháp nhận dạng khác như nhận dạng vân tay, nhưng nó vẫn nhận được sự quan tâm lớn của các nhà nghiên cứu trong lĩnh vực thị giác máy. Lý do chủ yếu là trên thực tế, mặt người vẫn là cách truyền thống để con người nhận ra nhau. Nhận dạng khuôn mặt hiện nay có rất nhiều hướng nghiên cứu nhằm nâng cao hiệu suất nhận dạng và tối ưu hóa hệ thống. Bài báo này nghiên cứu và phát triển hai hệ thống nhận dạng khuôn mặt đơn giản theo hai phương pháp đối sánh và mạng nơron cùng dựa trên đặc trưng PCA. Hệ thống được kiểm tra trên cơ sở dữ liệu ORL của ATT. Kết quả thực nghiệm được phân tích để đánh giá hiệu suất nhận dạng và tính ổn định của hai hệ thống nhận dạng trong các điều kiện kiểm thử khác nhau. Kết quả cũng chỉ ra hiệu suất vượt trội của mạng nơron so với phương pháp đối sánh. II. ĐẶTVẤN ĐỀ:
Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga I GIỚI THIỆU: Hiện nay, với phát triển vũ bão công nghệ thông 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 Đặc biệt sau thảm họa ngày 11/9, phủ toàn 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 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 Nhận dạng khuôn mặt có nhiều hướng nghiên cứu nhằm nâng cao hiệu suất nhận dạng tối ưu hóa hệ thống Bài báo nghiên cứu phát triển hai hệ thống nhận dạng khuôn mặt đơn giản theo hai phương pháp đối sánh mạng nơron dựa đặc trưng PCA Hệ thống kiểm tra sở liệu ORL AT&T Kết thực nghiệm phân tích để đánh giá hiệu suất nhận dạng tính ổn định hai hệ thống nhận dạng điều kiện kiểm thử khác Kết hiệu suất vượt trội mạng nơron so với phương pháp đối sánh II ĐẶT VẤN ĐỀ: Nhận dạng khuôn mặt người công nghệ ứng dụng rộng rãi đời sống ngày người hệ thống giám sát, quản lý vào ra, tìm kiếm thông tin người tiếng,…Có nhiều phương pháp nhận dạng khuôn mặt để nâng cao hiệu suất nhiên dù hay nhiều phương pháp vấp phải thử thách độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng tham số môi trường Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga Có hai phương pháp nhận dạng phổ biến nhận dạng dựa đặc trưng phần tử khuôn mặt biến đổi Gabor Wavelet mạng Neural, SVM,…và nhận dạng dựa xét tổng thể toàn khuôn mặt phương pháp PCA, LDA, LFA [1][2] Trong đó, PCA phương pháp trích rút đặc trưng nhằm giảm số chiều ảnh đơn giản mang lại hiệu tốt Nhận dạng khuôn mặt dùng PCA kết hợp với mạng nơron phương pháp mang lại hiệu nhận dạng cao phát huy ưu điểm PCA mạng nơron Hệ thống hoạt động ổn định có tính thích nghi cao liệu đầu vào thay đổi nhiều Trong báo này, phương pháp dựa PCA mạng nơron nghiên cứu phát triển phần Kết thực nghiệm phân tích phần Phần cuối trình bày kết luận hướng phát triển đề tài Một số ứng dụng toán nhận dạng mặt người thực tế: - Trong lĩnh vực hàng không: Hiện nay, nạn khủng bố máy bay diễn phức tạp tinh vi Làm để nhận diện kẻ khủng bố/tội phạm quốc gia/tội phạm quốc tế trà trộn chung với hành khách?, tên tội phạm nước tìm cách trốn nước đường hàng không, chúng trộn lẫn hành khách, sân bay ta phát Ứng dụng tương tự ứng dụng mà thực luận văn - Trong công ty hay tổ chức, nhân viên có quyền hạn định phạm vi làm việc Làm để xác định truy cập quyền hạn nhân viên có hay không? - Bảo vệ trẻ em từ nhà trẻ khỏi bọn bắt cóc: Qui định người giữ trẻ đưa trẻ từ lớp học trao cho bố mẹ chúng Nhưng xã hội có nhiều kẻ xấu giả danh nhân viên giữ trẻ hay bố mẹ em để bắt cóc Bằng cách để xác định có phải nhân viên hay bố mẹ bé để ngăn ngừa hành vi xấu này? Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga - Nhận dạng khuôn mặt kèm với thẻ truy cập: Ngày với phát triển vũ bão kỹ thuật công nghệ, nhiều nước tiên tiến, người sử dụng thẻ tín dụng để trao đổi, mua bán, giao dịch Điều thuận tiện bên cạnh nguy hiểm bị thẻ người nhặt thẻ biết mật Cách giải tốt sử dụng song mật Nghĩa là: để rút tiền, người dùng cần thực thao tác: + Đưa thẻ vào +Nhập mật +Nếu đúng, đưa tiếp khuôn mặt vào +Nếu hợp lệ cho rút tiền +Nếu không hợp lệ không cho rút Hệ thống sử dụng khuôn mặt mật thứ hai Nếu hệ thống nhận dạng xác cách tốt để tránh truy cập thẻ bất hợp pháp kẻ xấu - Trong lĩnh vực kinh doanh thương mại điện tử: Với phát triển khoa học công nghệ, việc kinh doanh mạng trở nên phổ biến Hai bên đối tác không cần gặp mặt trực tiếp (face to face) mà cần trao đổi mạng thông qua hình ảnh người đại diện Song có nhiều vụ lừa đảo, giả danh,…Làm để biết người giao dịch với thật hay giả? - Khi lần theo dấu vết đối tượng tình nghi, để biết có phải đối tượng mà ta tìm kiếm hay không? - Ngăn chặn việc xuất/ nhập cảnh bất hợp pháp: Một số người không quyền xuất/nhập cảnh vào nước Nhưng họ cố tình khai gian giấy tờ để xuất/nhập cảnh bất hợp pháp Làm để ngăn chặn gian lận này? - Truy tìm đối tượng dựa theo mô tả: Công an truy tìm thủ cho vụ án, nhân chứng nhớ khuôn mặt thủ, xác định thông tin Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga thủ cách nhanh tay có csdl ảnh lớn, có chứa ảnh thủ Những khó khăn đề toán nhận dạng mặt người: - Những biến đổi lớn ảnh khuôn mặt người cần nhận dạng gồm trạng thái cảm xúc khuôn mặt, ánh sáng, vị trí thay đổi khuôn mặt (nghiêng trái , phải, ngước lên, cuối xuống) - Giới hạn số ảnh cần thiết cho việc huấn luyện, tập ảnh khuôn mặt huấn luyện bao quát tất biến đổi có khuôn mặt người cần nhận dạng giới thực III XÂY DỰNG HỆ THỐNG NHẬN DIỆN KHUÔN MẶT: A) MÔ HÌNH HỆ THỐNG: Hình 1: Mô tả bước nhận dạng khuôn mặt hệ thống Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga Tiền xử lý: Quá trình tiền xử lý khuôn mặt nhằm nâng cao chất lượng ảnh, chuẩn hóa liệu, kích thước ảnh Các ảnh nghiên cứu có chất lượng tương đối tốt nên ta không cần dùng thuật toán nâng cao chất lượng ảnh mà ta cần chuẩn hóa ảnh (normalize image) Việc chuẩn hóa khiến độ lệch điểm ảnh giảm xuống làm trình rút đặc trưng thêm xác Trích rút đặc trưng: Trích rút đặc trưng kỹ thuật sử dụng thuật toán để lấy thông tin mang đặc điểm riêng biệt người Trong báo ta sử dụng phương pháp PCA thực theo bước : *Tạo tập S gồm M ảnh (ảnh học) Mỗi ảnh có kích thước RxC Mỗi ảnh chuyển thành vector N = RxC chiều *Tính ảnh trung bình ψ: *Tính sai lệch ảnh đầu vào so với trung bình: *Tính ma trận hiệp phương sai : Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga Vì ma trận C có kích thước lớn (NxN) nên để tìm eigenvector ui C ta tìm eigenvector eigenvalue ma trận L: Ma trận L có kích thước MxM [...]... bộ những đặc trưng của mặt người Trong những nghiên cứu tiếp theo nhằm phát triển hoàn thiện hệ thống hơn, việc nhận dạng có thể kết hợp thêm các phương pháp phân tích khác như nhận dạng mắt, nhận dạng miệng hay nhận dạng mũi là những đặc trưng quan trọng của khuôn mặt Bài báo đã xây dựng hệ thống nhận dạng khuôn mặt dùng PCA kết hợp với mạng nơron với các thông số : tốc độ học lr=0.01, số nơron trong... đầu vào khác nhau VI KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI: Bằng cách kết hợp các phương pháp phân tích thống kê và phương pháp biến đổi hình thái, hệ thống đã đạt được một phương pháp khá hiệu quả đối với bài toán nhận dạng mặt người Phương pháp PCA trích chọn những đặc trưng mang tính thống kê, kết hợp với phương pháp biến đổi hình thái ảnh cung cấp những đặc trưng mang tính hình học của khuôn mặt. .. 3-7) 21 Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga Từ bảng 2 và hình 5, ta thấy rõ ràng hiệu suất nhận của mạng nơron tốt hơn hẳn so với việc dùng phương pháp đối sánh trong cùng tập cơ sở dữ liệu Khi dữ liệu đầu vào thay đổi thì hiệu suất nhận dạng mạng nơron cũng ổn định hơn nhiều so với phương pháp đối sánh Điều này cho thấy mạng nơron rất linh hoạt,... phương pháp trích chọn đặc trưng dựa trên những đặc điểm mang tính thống kê, chương trình chỉ đạt độ chính xác khoảng 90% Trong khi đó, nếu kết hợp các đặc trưng mang tính thống kê với những đặc trưng mang tính hình học, chương trình đã đạt độ chính xác trên 95% Đặc biệt, phương pháp xử lý hình thái đã bổ sung cho phương pháp trích chọn đặc trưng mang tính chất thống kê, chương trình đã nhận dạng rất... càng lâu, mạng càng khó hội tụ, đòi hỏi bộ nhớ lớn Hiệu suất của mạng không tỉ lệ nghịch với tốc độ học mà ta chỉ có thể dùng phương pháp thử sai để lựa chọn thông số phù hợp với mạng Từ hai nhận xét trên, ta có thể chọn các thông số để tối ưu cho mạng như sau : Số nơron trong lớp ẩn là 110, tốc độ học lr = 0.01 2.2 Kết quả so sánh hiệu suất nhận dạng giữa hai phương pháp đối sánh và mạng nơron ( tập... ở cả hai lớp là log-sig Với các thông số này, mạng nơron có hiệu suất nhận dạng cao và ổn định hơn hẳn phương pháp đối sánh Một ưu điểm nữa có thể thấy qua các kết quả đó là dù lượng thông tin vào mạng ít ( 60 eigenfaces so với 120 eigenfaces) nhưng kết quả nhận dạng vẫn cao hơn mạng đối sánh ( 84% so với 80%) Để thu được kết quả nhận dạng với độ chính xác cao hơn cần tối ưu hơn nữa cấu trúc và các... khuôn mặt giúp hệ thống có được những thông tin đặc trưng tương đối đầy đủ của mỗi người Mạng nơron với thuật toán học lan truyền ngược đã thực hiện khá tốt vai trò bộ phân loại của hệ thống 22 Nhóm 21: Nhận dạng mặt người sử dụng mạng nơron Bộ môn: Tính toán mềm GV: Nguyễn Phương Nga Mặc dù hệ thống đã đạt được độ chính xác khá cao, tuy nhiên vẫn còn một tỉ lệ nhỏ chưa chính xác do hệ thống chưa đánh... hệ thống vào thực tế sẽ gặp những vấn đề thách thức hiện nay như các thông số của môi trường, chất lượng ảnh thu được… Đây là một hướng phát triển của đề tài để đưa hệ thống vào các ứng dụng thực tế như quản lý nhân viên, kiểm soát ra vào Ngoài ra, có thể ‘‘nhúng’’ vào các hệ thống vi xử lý, FPGA DSP…để mở rộng phạm vi ứng dụng VI.CHƯƠNG TRÌNH NHẬN DẠNG MẶT NGƯỜI Chương trình Nhận dạng mặt người trên. .. các thông số mạng, điều này đòi hỏi thời gian thử nghiệm và huấn luyện mạng lâu hơn Mạng nơron là mạng có tính linh hoạt nên ta có thể áp dụng nó không chỉ cho nhận dạng khuôn mặt, mà còn ứng dụng cho nhận dạng vân tay, điệu bộ mà chỉ cần thay đổi dữ liệu đầu vào với giá trị đầu ra mong muốn Đây chính là một ưu thế của mạng nơron mà những thuật toán khó có được Tuy nhiên kết quả nhận dạng ta thu được... vector đặc trưng được chọn ở mỗi phương pháp, tỉ lệ học của mạng nơron, số lượng các nơron ẩn của mạng là những tham số quan trọng ảnh hưởng lớn đến thời gian thực hiện cũng như độ chính xác của hệ thống Hệ thống đã được kiểm thử nhiều lần để chọn ra bộ tham số tối ưu, giúp hệ thống đạt được hiệu quả về thời gian thực hiện và độ chính xác cao nhất có thể Với những tham số học đã tính, nếu chỉ sử dụng phương ... Nguyễn Phương Nga Có hai phương pháp nhận dạng phổ biến nhận dạng dựa đặc trưng phần tử khuôn mặt biến đổi Gabor Wavelet mạng Neural, SVM, và nhận dạng dựa xét tổng thể toàn khuôn mặt phương pháp PCA, ... thiện hệ thống hơn, việc nhận dạng kết hợp thêm phương pháp phân tích khác nhận dạng mắt, nhận dạng miệng hay nhận dạng mũi đặc trưng quan trọng khuôn mặt Bài báo xây dựng hệ thống nhận dạng khuôn. .. Trong đó, PCA phương pháp trích rút đặc trưng nhằm giảm số chiều ảnh đơn giản mang lại hiệu tốt Nhận dạng khuôn mặt dùng PCA kết hợp với mạng nơron phương pháp mang lại hiệu nhận dạng cao phát huy