Nhận dạng cơ thể con người

Trong nhiều năm qua có rất nhiều nghiên cứu về bài toán nhận dạng cơ thể con người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một cơ thể con người nhìn thẳng vào thiết bị thu hình và cơ thể con người thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều cơ thể trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản cho đến môi trường xung quanh rất phức tạp nhằm đáp ứng nhu cầu của con người.Mục tiêu của đề tài “Nhận Dạng Cơ Thể Con Người” là thực hiện chương trình tìm kiếm, phân biệt cơ thể con người trong một bức ảnh sử dụng thuật toán PCA. Để tiện theo dõi tôi xin trình bày đề tài theo ba phần như sau:Phần đầu là giới thiệu về tổng quan của xử lý ảnhPhần tiếp theo là giới thiệu về thuật toán PCA là bài toán được sử dụng rất nhiều trong viễn thông. Và đề tài này sử dụng thuật toán PCA.Phần cuối cùng là giới thiệu giao diện chương trình và code matlab.

LỜI CẢM ƠN Trước hết em xin gửi lời cảm ơn sâu sắc đến thầy Nguyễn Văn Cường, người giúp đỡ em nhiều định hướng nghiên cứu, chọn đề tài, hướng dẫn cho em suốt thời gian thực đề tài Đồ án hoàn thành theo thời gian quy định nhà trường khoa không nỗ lực em mà giúp đỡ, bảo thầy hướng dẫn, quý thầy cô bạn sinh viên Em xin chân thành cảm ơn thầy cô giảng dạy chúng em, đặc biệt thầy cô giáo khoa Điện tử - Viễn thông Mặc dù cố gắng hoàn thành đồ án song không tránh khỏi sai sót, mong thầy cô bạn đóng góp ý kiến quí báu để đồ án thành công Sinh viên thực Trần Văn Khánh MỤC LỤC CÁC TỪ VIẾT TẮT……………………………….….………………………… MỞ ĐẦU………………………………………………………………… ……… CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH……………………………….….5 1.1 Giới thiệu chương …………………………………………………………… 1.2 Xử lý ảnh, vấn đề xử lý ảnh … ……….….…….…………5 1.2.1 Xử lý ảnh gì? …………………………………………………….……… 1.2.2 Các vấn đề xử lý ảnh …………… ………………….………6 1.3 Thu nhận biểu diễn ảnh ………………………… ……………….………8 1.3.1 Thu nhận, thiết bị thu nhận ảnh … …………………………….…….8 1.3.2 Biểu diễn ảnh … …………………………………………………….….… 1.4 Tổng quan nhận dạng thể người…… ……………………….….11 1.4.1 Đề xuất mô hình giải ứng với khâu toán nhận dạng thể người …………………………………………………………………………12 1.5 Kết luận chương… …………………………………………………….… 13 CHƯƠNG 2: CÁC THUẬT TOÁN NHẬN DẠNG CƠ THỂ CON NGƯỜI 14 2.1 Giới thiệu chương …… ……………………………….…… ………… 14 2.2 Phương pháp xác định thể người…………………………….… .14 2.2.1 Giới thiệu mạng nơron .14 2.2.2 Giới thiệu PCA…………………………… …………………….…… 21 2.3 Nhận dạng thể người dùng thuật toán PCA………………….…… 22 2.3.1 Một số khái niệm toán học…………………… ………………….………22 2.3.2 Quá trình nhận dạng 26 CHƯƠNG 3: DÒ TÌM VÀ XÁC ĐỊNH CƠ THỂ CON NGƯỜI TRONG ẢNH 30 3.1 Giới thiệu chương ………………………….………………….…………….30 3.2 Đề xuất phương pháp ………….……………………… .……………… 30 3.2.1 Các phương pháp thực 30 3.2.2 Phương pháp đề xuất báo cáo…………………………….…………35 3.3 Kết luận chương ……………… ……….……… ………………………….39 CHƯƠNG 4: CHƯƠNG TRÌNH MÔ PHỎNG………………………… ……40 4.1 Giới thiệu chương …………………………………….…… ………………40 4.2 Giới thiệu chung phần mềm Matlab……………………… ……………40 4.2.1 Khái niệm Matlab…………………… ……………………………… 40 4.2.2 Hệ thống Matlab…………………… …………………………………… 41 4.3 Xử lý ảnh với Matlab……………………… ……………………………….42 4.3.1 Xử lý ảnh……………………… ………………………………………… 42 4.3.2 Các giai đoạn xử lý ảnh……………………… ………………………… 42 4.3.3 Các hàm xử lý ảnh Matlab………………… …………… 44 4.4 Sơ đồ khối Code chương trình………………….… ……………………52 4.4.1 Sơ đồ khối……….………………………………………… …………… 52 4.4.2 Code chương trình…….……………………………………… ………….52 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI………………………….….63 TÀI LIỆU THAM KHẢO……………………………… …………………… 64 LIỆT KÊ HÌNH Hình 1.1 Quá trình xử lý ảnh…………………………… ………………………5 Hình 1.2 Các bước hệ thống xử lý ảnh……………… ………5 Hình 1.3 Quá trình hiển thị chỉnh sửa, lưu trữ ảnh thông qua DIB… ……10 Hình 1.4 Sự chuyển đổi mô hình biểu diễn ảnh………….……………10 Hình 1.5 Mô hình tổng quát toán nhận dạng thể người……….……12 Hình 2.1 Lan truyền ngược………………………………………………………17 Hình 2.2 Minh họa việc tính δj cho việc tính nút ẩn j……………… …………20 Hình 3.1 Hướng véc tơ riêng………………………………………… ……30 Hình 3.2 Minh hoạ phát vị trí tứ chi, mình, đầu thể………… …32 Hình 3.3 Minh hoạ kiểu kết hợp toàn cục phận………………… ………34 Hình 3.4 Sự phân phối liệu không gian chiều trục tương ứng PCA ICA……….……………………………………………… …………36 Hình3.5 minh họa kiến trúc mô hình ICA………………………………37 Hình3.6 Minh họa kiến trúc mô hình ICA………………… …………37 Hình3.7 Mô hình tổng hợp ảnh cho kiến trúc ICA pixel……,,,……38 Hình 4.1 Các bước xử lý ảnh……………………………… ……42 Hình 4.2 Sơ đồ khối tổng quát chương trình……………………….………52 MỞ ĐẦU Trong nhiều năm qua có nhiều nghiên cứu toán nhận dạng thể người từ ảnh đen trắng, xám đến ảnh màu ngày hôm Các nghiên cứu từ toán đơn giản, ảnh có thể người nhìn thẳng vào thiết bị thu hình thể người thẳng đứng ảnh đen trắng Cho đến ngày hôm toán mở rộng cho ảnh màu, có nhiều thể ảnh, có nhiều tư thay đổi ảnh Không mà mở rộng phạm vi từ môi trường xung quanh đơn giản môi trường xung quanh phức tạp nhằm đáp ứng nhu cầu người Mục tiêu đề tài “Nhận Dạng Cơ Thể Con Người” thực chương trình tìm kiếm, phân biệt thể người ảnh sử dụng thuật toán PCA Để tiện theo dõi xin trình bày đề tài theo ba phần sau: - Phần đầu giới thiệu tổng quan xử lý ảnh - Phần giới thiệu thuật toán PCA toán sử dụng - nhiều viễn thông Và đề tài sử dụng thuật toán PCA Phần cuối giới thiệu giao diện chương trình code matlab Do tài liệu tham khảo hạn chế, kinh nghiệm thực tiễn non kém, nên đề tài không tránh khỏi thiếu sót Rất mong nhận ý kiến đóng góp, giúp đỡ, quý báu quý thầy cô bạn sinh viên Tp Đà Nẵng, tháng năm 2014 Người thực đề tài CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH 1.2 Giới thiệu chương Chương trình bày tổng quan xử lý ảnh, khái niệm bản, sơ đồ tổng quát hệ thống xử lý ảnh vấn đề xử lý ảnh 1.2 Xử lý ảnh, vấn đề xử lý ảnh 1.2.1 Xử lý ảnh gì? Con người thu nhận thông tin qua giác quan, thị giác đóng vai trò quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trò quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận Hình 1.1 Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng không gian xem hàm n biến P(c1, c2, , cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 1.2 Các bước hệ thống xử lý ảnh 1.2.2 Các vấn đề xử lý ảnh 1.2.2.1 Một số khái niệm * Ảnh điểm ảnh: Điểm ảnh xem dấu hiệu hay cường độ sáng toạ độ không gian đối tượng ảnh xem tập hợp điểm ảnh * Mức xám, màu: Là số giá trị có điểm ảnh ảnh 1.2.2.2 Chỉnh mức xám Nhằm khắc phục tính không đồng hệ thống gây Thông thường có hướng tiếp cận: • Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trường hợp có mức xám chuyển ảnh đen trắng Ứng dụng: In ảnh màu máy in đen trắng • Tăng số mức xám: Thực nội suy mức xám trung gian kỹ thuật nội suy Kỹ thuật nhằm tăng cường độ mịn cho ảnh 1.2.2.3 Trích chọn đặc điểm Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: • Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v • Đặc điểm biến đổi: Các đặc điểm loại trích chọn việc thực lọc vùng (zonal filtering) Các vùng gọi “mặt nạ đặc điểm” (feature mask) thường khe hẹp với hình dạng khác (chữ nhật, tam giác, cung tròn • v.v ) Đặc điểm biên đường biên: Đặc trưng cho đường biên đối tượng hữu ích việc trích trọn thuộc tính bất biến dùng nhận dạng đối tượng Các đặc điểm trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v Việt trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính toán cao dung lượng nhớ lưu trữ giảm xuống 1.2.2.4 Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: mẫu (pattern) gì? Watanabe, người đầu lĩnh vực định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu thực thể (entity), xác định cách ang (vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, thể người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu có thể: • Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), mẫu đầu vào định danh thành phần lớp xác định • Hoặc phân loại mẫu (unsupervised classification hay clustering) mẫu gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chưa biết hay chưa định danh Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: Thu nhận liệu tiền xử lý Biểu diễn liệu Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là: Đối sánh mẫu dựa đặc trưng trích chọn Phân loại thống kê Đối sánh cấu trúc Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ưu” cần sử dụng lúc nhiều phương pháp cách tiếp cận khác Do vậy, phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp Việc giải toán nhận dạng ứng dụng mới, nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính toán Đặc điểm chung tất ứng dụng đặc điểm đặc trưng cần thiết thường nhiều, chuyên gia đề xuất, mà phải trích chọn dựa thủ tục phân tích liệu 1.2.2.5 Nén ảnh Nhằm giảm thiểu không gian lưu trữ Thường tiến hành theo hai cách khuynh hướng nén có bảo toàn không bảo toàn thông tin Nén không bảo toàn thường có khả nén cao khả phục hồi Trên sở hai khuynh hướng, có cách tiếp cận nén ảnh: • Nén ảnh thống kê: Kỹ thuật nén dựa vào việc thống kê tần xuất xuất giá trị điểm ảnh, sở mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa *.TIF • Nén ảnh không gian: Kỹ thuật dựa vào vị trí không gian điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng giống điểm ảnh vùng gần Ví dụ cho kỹ thuật mã nén *.PCX • Nén ảnh sử dụng phép biến đổi: Đây kỹ thuật tiếp cận theo hướng nén không bảo toàn vậy, kỹ thuật thướng nến hiệu *.JPG tiếp cận theo kỹ thuật nén • Nén ảnh Fractal: Sử dụng tính chất Fractal đối tượng ảnh, thể lặp lại chi tiết Kỹ thuật nén tính toán để cần lưu trữ phần gốc ảnh quy luật sinh ảnh theo nguyên lý Fractal 1.3 Thu nhận biểu diễn ảnh 1.3.1 Thu nhận, thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner thiết bị thu nhận cho ảnh đen trắng Các thiết bị thu nhận ảnh có loại ứng với loại ảnh thông dụng Raster, Vector Các thiết bị thu nhận ảnh thông thường Raster camera thiết bị thu nhận ảnh thông thường Vector sensor bàn số hoá Digitalizer chuyển đổi từ ảnh Raster Nhìn chung hệ thống thu nhận ảnh thực trình: • Cảm biến: biến đổi lượng quang học thành lượng điện • Tổng hợp lượng điện thành ảnh 1.3.2 Biểu diễn ảnh Ảnh máy tính kết thu nhận theo phương pháp số hoá nhúng thiết bị kỹ thuật khác Quá trình lưu trữ ảnh nhằm mục đích: • Tiết kiệm nhớ • Giảm thời gian xử lý Việc lưu trữ thông tin nhớ có ảnh hưởng lớn đến việc hiển thị, in ấn xử lý ảnh xem tập hợp điểm với kích thước sử dụng nhiều điểm ảnh ảnh đẹp, mịn thể rõ chi tiết ảnh người ta gọi đặc điểm độ phân giải Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng đặc trưng ảnh cụ thể, sở ảnh thường biểu diễn theo mô hình 1.3.2.1 Mô hình Raster Đây cách biểu diễn ảnh thông dụng nay, ảnh biểu diễn dạng ma trận điểm (điểm ảnh) Thường thu nhận qua thiết bị camera, scanner Tuỳ theo yêu cầu thực mà điểm ảnh biểu diễn qua hay nhiều bít Mô hình Raster thuận lợi cho hiển thị in ấn Ngày công nghệ phần cứng cung cấp thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh chất lượng cao cho đầu vào đầu Một thuận lợi cho việc hiển thị môi trường Windows Microsoft đưa khuôn dạng ảnh DIB (Device Independent Bitmap) làm trung gian Hình 1.4 thể hình quy trình chung để hiển thị ảnh Raster thông qua DIB Một hướng nghiên cứu mô hình biểu diễn kỹ thuật nén ảnh kỹ thuật nén ảnh lại chia theo khuynh hướng nén bảo toàn không E = A * LeigV; % Xuat mot so hinh anh cua cac Eigenface for i=1:5 anh=E(:,i); show(anh,'Eigenface');pause; end %E la mot co so gom nhung vector truc giao sovector=size(E,2); for i=1:sovector dodai=norm(E(:,i)); E(:,i)=E(:,i)/dodai; end end function anhtim = nhandien(InputImage, m, A, E) % Ham se so sanh buc anh kiem tra voi tung buc anh CSDL toado = []; % Tap toa hinh chieu cua moi buc anh csdl sovector = size(E,2); % So vector rieng E ( cot ) for i = : sovector tam = E'*A(:,i); % Toa hinh chieu cua buc anh Ai toado = [toado tam]; end tam = rgb2gray(InputImage); [dong cot] = size(tam); InImage = reshape(tam',dong*cot,1); % Tinh lech giua anh kiem tra va anh trung binh csdl dolech = double(InImage)-m; % Tinh toa hinh chieu cua buc anh kiem tra toadoKT = E'*dolech; hinhchieuKT=double(InImage)*0; for i=1:sovector hinhchieuKT=hinhchieuKT + toadoKT(i,1)*E(:,i); end show(hinhchieuKT,'Hinh chieu len Khong Gian co the');pause;%figure; kc=norm(double(InImage)-hinhchieuKT); str=num2str(kc); str=strcat('khong gian tu hinh den khong gian co the nguoi : ',str); disp(str); save kc; %Tinh khoang cach giua toa hinh chieu cua buc hinh kiem tra voi KG csdl khoangcach = []; for i = : sovector q = toado(:,i); tam = ( norm( toadoKT - q ) )^2; khoangcach = [khoangcach tam]; end % Tinh khoang cach ngan nhat va vi tri cua buc anh tim duoc csdl [minKC , vitri] = min(khoangcach); str=num2str(minKC); str=strcat('khoang cach ngan nhat cua hai toa hinh chieu : ',str); disp(str); anhtim = strcat(int2str(vitri),'.jpg'); function varargout = TBAO(varargin) % TBAO M-file for TBAO.fig gui_Singleton = 1; gui_State = struct('gui_Name', 'gui_Singleton', mfilename, gui_Singleton, 'gui_OpeningFcn', @TBAO_OpeningFcn, 'gui_OutputFcn', @TBAO_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % - Executes just before TBAO is made visible function TBAO_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn % Choose default command line output for TBAO handles.output = hObject; % Update handles structure guidata(hObject, handles); % - Outputs from this function are returned to the command line function varargout = TBAO_OutputFcn(hObject, eventdata, handles) % Get default command line output from handles structure varargout{1} = handles.output; function varargout = DOANTOTNGHIEP2(varargin) % DOANTOTNGHIEP2 M-file for DOANTOTNGHIEP2.fig % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', 'gui_Singleton', mfilename, gui_Singleton, 'gui_OpeningFcn', @ DOANTOTNGHIEP2_OpeningFcn, 'gui_OutputFcn', @ DOANTOTNGHIEP2_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % - Executes just before DOANTOTNGHIEP2 is made visible function DOANTOTNGHIEP2_OpeningFcn(hObject, eventdata, handles, varargin) % Choose default command line output for DOANTOTNGHIEP2 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes DOANTOTNGHIEP2 wait for user response (see UIRESUME) % uiwait(handles.figure1); clc; % - Outputs from this function are returned to the command line function varargout = DOANTOTNGHIEP2_OutputFcn(hObject, eventdata, handles) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in Search function Search_Callback(hObject, eventdata, handles) load TestImage; axes(handles.anhtimduoc); TrainPath='train'; T = taoCSDL(TrainPath); [m, A, Eigenfaces] = taoEF(T); OutputName = nhandien(TestImage, m, A, Eigenfaces); anhtim = strcat(TrainPath,'\',OutputName); anhtim = imread(anhtim); load kc; if kc>18600 TBAO; else imshow(anhtim); title('Anh tim duoc'); str = strcat('Ten anh :',OutputName); set(handles.tenanh,'String',str); end % - Executes on button press in Browse function Browse_Callback(hObject, eventdata, handles) % hObject handle to Browse (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [file_name file_path] = uigetfile ('*.jpg','Chon anh kiem tra ','test\2.jpg'); if file_path ~= TestImage = imread ([file_path,file_name]); end axes(handles.anhkiemtra); if file_path ~= imshow(TestImage); end save TestImage; % - Executes during object creation, after setting all properties function axes3_CreateFcn(hObject, eventdata, handles) inshow('E:\index1.jpg'); % Hint: place code in OpeningFcn to populate axes3 function varargout = DOAN2(varargin) % DOAN2 M-file for DOAN2.fig % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', 'gui_Singleton', mfilename, gui_Singleton, 'gui_OpeningFcn', @DOAN2_OpeningFcn, 'gui_OutputFcn', @DOAN2_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % - Executes just before DOAN2 is made visible function DOAN2_OpeningFcn(hObject, eventdata, handles, varargin) % Choose default command line output for DOAN2 handles.output = hObject; % Update handles structure guidata(hObject, handles); % - Outputs from this function are returned to the command line function varargout = DOAN2_OutputFcn(hObject, eventdata, handles) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in Close function Close_Callback(hObject, eventdata, handles) %h1 = getappdata(0,'GUI1_handle'); close('Untitled'); clc; % - Executes on button press in Next function Next_Callback(hObject, eventdata, handles) ) close('Untitled'); %h1 = getappdata(0,'GUI1_handle'); DOANTOTNGHIEP2; % - Executes during object creation, after setting all properties function axes3_CreateFcn(hObject, eventdata, handles) imshow('E:\index.jpg'); % Hint: place code in OpeningFcn to populate axes3 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Nội dung đồ án giúp ta hiểu phép phân tích thành phần PCA (Principal Componens Analysis) kỹ thuật hữu ích ứng dụng nhận dạng thể nén ảnh, kỹ thuật phổ biến để tìm mẫu liệu nhiều chiều Chất lượng độ xác xử lý ảnh dùng phương pháp PCA đạt cao Tuy nhiên tìm khuyết điểm PCA phụ thuộc thống kê bậc cao tồn phép phân tích PCA Phát triển phương pháp PCA có ý nghĩa quan trọng xử lý ảnh Hướng phát triển đồ án cung cấp mô hình xác suất tốt liệu, tìm sở không cần thiết trực giao mà xây dựng lại liệu tốt PCA Để từ ta có phương pháp xử lý ảnh tốt Nội dung đồ án trình bày vấn đề hệ thống mô Matlab cách sử dụng hàm hệ thống Matlab cho viêc Xử lý ảnh – Nhận Dạng Cơ Thể Người Lưu đồ thuật toán chương trình mô chương phần chứng minh cho kết luận chương trước Do thời gian để thực đề tài có hạn, khả dịch hiểu tài liệu tiếng anh chưa tốt nên nội dung đồ án chưa đề cập sâu, rộng số vấn đề liên quan đến phương pháp PCA phương pháp xác định thể người khác Một số phần trình bày chưa rõ ràng, hợp lý khiến người đọc khó hiểu Rất mong nhận ý kiến đóng góp, giúp đỡ, quý báu quý thầy cô bạn sinh viên TÀI LIỆU THAM KHẢO Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phú Doãn (2007): Tổng quan phương pháp xác định khuôn mặt người Phạm Thế Bảo: Phân tích đa chiều- phân tích thành phần PCA – ĐHQG TPHCM Nguyễn Đình Thúc (2000): Trí tuệ nhân tạo, mạng NơRon phương pháp ứng dụng - NXB Giáo Dục 2000 Phạm Hồng Liên: MATLAB ứng dụng viễn thông - NXB ĐH QG TPHCM TÓM TẮT ĐỒ ÁN Trong nhiều năm qua có nhiều nghiên cứu toán nhận dạng thể người từ ảnh đen trắng, xám đến ảnh màu ngày hôm Các nghiên cứu từ toán đơn giản, ảnh có thể người nhìn thẳng vào thiết bị thu hình thể người thẳng đứng ảnh đen trắng Cho đến ngày hôm toán mở rộng cho ảnh màu, có nhiều thể ảnh, có nhiều tư thay đổi ảnh Không mà mở rộng phạm vi từ môi trường xung quanh đơn giản môi trường xung quanh phức tạp nhằm đáp ứng nhu cầu người Mục tiêu đề tài “Nhận Dạng Cơ Thể Con Người” thực chương trình tìm kiếm, phân biệt thể người ảnh sử dụng thuật toán PCA Nội dung đồ án bao gồm chương: CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH Chương trình bày tổng quan xử lý ảnh, khái niệm bản, sơ đồ tổng quát hệ thống xử lý ảnh vấn đề xử lý ảnh Chương khó khăn đề việc nhận dạng thể người Đó biến đổi lớn thể người ảnh cần nhận dạng Gồm trạng thái thể đứng, ngồi, ánh sáng, vị trí camera quan sát (bên trái , phải, xuống, lên) Giới hạn số ảnh cần thiết cho việc huấn luyện, tập ảnh thể huấn luyện bao quát tất biến đổi có thể ảnh cần nhận dạng giới thực Giúp ta có nhìn tổng quan mặt hạn chế hướng khắc phục cho toán nhận dạng CHƯƠNG 2: CÁC THUẬT TOÁN NHẬN DẠNG CƠ THỂ CON NGƯỜI Chương giúp ta định nghĩa toán xác định thể người (Body Detection) sử dụng kỹ thuật máy tính để xác định vị trí kích thước thể người ảnh (ảnh kỹ thuật số) Kỹ thuật nhận biết đặc trưng thể bỏ qua thứ khác, như: tòa nhà, cối, động vật…Trong chương đưa phương pháp biểu diễn ảnh thể thành véc tơ đặc trưng mà giữ lại thành phần quan trọng ảnh CHƯƠNG 3: DÒ TÌM VÀ XÁC ĐỊNH CƠ THỂ CON NGƯỜI TRONG ẢNH Trong chương nêu phương pháp biểu diễn ảnh thể thành véc tơ đặc trưng, khó khăn làm cho trình huấn luyện nhận dạng bị chậm đưa cách phương pháp khắc phục vấn đề Đồng thời chương phương pháp để biểu diễn ảnh thể thành véc tơ đặc trưng mà giữ lại thành phần quan trọng ảnh CHƯƠNG 4: CHƯƠNG TRÌNH MÔ PHỎNG Chương giúp thấy mối quan hệ Matlab – Xử lý ảnh Tìm hiểu Matlab cách sử dụng hàm hệ thống Matlab cho viêc Xử lý ảnh – Nhận Dạng Cơ Thể Người  Sơ đồ khối tổng quát chương trình  Khởi chạy “ Nhận Dạng Cơ Thể Người ” MATLAB  Nhấn Start để tiếp tục  Chọn BROWSE để chọn hình cần nhận dạng nhấn Enter  Chương trình xử lý cho ảnh tìm  Nếu không nhận dạng chương trình báo lỗi Kết luận hướng phát triển đề tài: Nội dung đồ án giúp ta hiểu phép phân tích thành phần PCA (Principal Componens Analysis) kỹ thuật hữu ích ứng dụng nhận dạng thể nén ảnh, kỹ thuật phổ biến để tìm mẫu liệu nhiều chiều Chất lượng độ xác xử lý ảnh dùng phương pháp PCA đạt cao Tuy nhiên tìm khuyết điểm PCA phụ thuộc thống kê bậc cao tồn phép phân tích PCA Phát triển phương pháp PCA có ý nghĩa quan trọng xử lý ảnh Nội dung đồ án trình bày vấn đề hệ thống mô Matlab cách sử dụng hàm hệ thống Matlab cho viêc Xử lý ảnh – Nhận Dạng Cơ Thể Người Hướng phát triển đồ án cung cấp mô hình xác suất tốt liệu, tìm sở không cần thiết trực giao mà xây dựng lại liệu tốt PCA Để từ ta có phương pháp xử lý ảnh tốt [...]... trình nhận dạng Cơ thể con người có rất nhiều nét để nhận biết so với các loài động vật khác nhau, nếu như ta so sánh cơ thể con người với các loài động vật khác, ta có thể nhận ra ngay đó là con người không phải từ những chi tiết cụ thể trên cơ thể như da, mái tóc Ta nhận ra không phải vì nhớ cơ thể, hay chiều cao hay tứ chi người đó mà ta nhận ra vì nhớ diện mạo cơ thể của người đó Tức là trên cơ thể. .. hệ thống (mô hình) sẽ xác định cơ thể con người Hay một số tác giả còn gọi hướng tiếp cận này là hướng tiếp cận theo phương pháp học 1.4.1 Đề xuất mô hình giải quyết ứng với từng khâu của bài toán nhận dạng cơ thể người Mô hình tổng quát của bài toán nhận dạng cơ thể người: Hình 1.5 Mô hình tổng quát của bài toán nhận dạng cơ thể người Bài toán nhận dạng cơ thể con người cần xác định bốn vấn đề chính:... việc nhận dạng cơ thể con người Đó là những biến đổi quá lớn của cơ thể con người trong bức ảnh cần nhận dạng Gồm trạng thái cơ thể như đứng, ngồi, ánh sáng, vị trí của camera quan sát (bên trái , phải, trên xuống, dưới lên) Giới hạn về số ảnh cần thiết cho việc huấn luyện, tập các ảnh cơ thể huấn luyện không thể bao quát được tất cả các biến đổi có thể có trên cơ thể của một bức ảnh cần nhận dạng trong... không gian con gọi là không gian cơ thể con người Từ những vector trong tập huấn luyện , ta sẽ tìm một cơ sở trực chuẩn cho không gian cơ thể con người Những vector thuộc cơ sở này có thể coi là những vector mang những nét tổng thể đặc trưng về cơ thể con người Giả sử tập huấn luyện có P ảnh , khi đó ta sẽ có P vector : , , … , Tính vector ảnh trung bình : m = Sự khác biệt giữa những cơ thể con người. .. cơ thể con người Tính s(x,y)= Tập hợp các giá trị s(x,y) tạo thành một bản đồ cơ thể con người (body map) của H, từ đó ta có thể xác định vị trí những cơ thể con người trong ảnh CHƯƠNG 3: DÒ TÌM VÀ XÁC ĐỊNH CƠ THỂ CON NGƯỜI TRONG ẢNH 3.1 Giới thiệu chương Chương này nêu ra các phương pháp biểu diễn ảnh cơ thể thành một véc tơ đặc trưng, chỉ ra những khó khăn làm cho quá trình huấn luyện và nhận dạng. .. hóa các hiểu biết của con người về cơ thể con người thành các luật Thông thường các luật mô tả quan hệ của các đặc trưng cơ thể con • người so với cơ thể các loài động vật khác Hướng tiếp cận dựa trên đặc trưng không thay đổi: Mục tiêu các thuật toán đi tìm các đặc trưng mô tả cấu trúc cơ thể con người mà các đặc trưng này sẽ không thay đổi khi tư thế hoạt động của cơ thể con người, vị trí đặt thiết... trên cơ thể con người luôn tồn tại một nét tổng thể nào đó để có thể nhận diện , thuật toán của ta bắt đầu từ ý tưởng này Phân tích thành phần chính (Principal Component Analysis ) gọi tắt là PCA là thuật toán nhận dạng ảnh dựa trên những nét tổng thể của cơ thể con người, ta sẽ áp dụng thuật toán này để thực hiện hai công việc sau : - Thứ nhất là tìm một cơ thể con người giống với cơ thể con người cho... hướng khắc phục cho bài toán nhận dạng CHƯƠNG 2: CÁC THUẬT TOÁN NHẬN DẠNG CƠ THỂ CON NGƯỜI 2.1 Giới thiệu chương Chương này giúp ta định nghĩa bài toán xác định cơ thể con người (Body Detection) sử dụng các kỹ thuật máy tính để xác định các vị trí và các kích thước của cơ thể con người trong các ảnh bất kỳ (ảnh kỹ thuật số) Kỹ thuật này nhận biết các đặc trưng của cơ thể và bỏ qua những thứ khác,... ảnh các cơ thể để sinh các ảnh riêng, để tìm một không gian con (không gian cơ thể) trong không gian ảnh Các ảnh cơ thể được chiếu vào không gian con này và được gom nhóm lại Tương tự các ảnh không có cơ thể dùng để huấn luyện cũng được chiếu vào cùng không gian con và gom nhóm lại Các ảnh khi chiếu vào không gian cơ thể thì không bị thay đổi tính chất cơ bản, trong khi chiếu các ảnh không có cơ thể thì... định cơ thể con người nằm tại vị trí nào trong ảnh + Dùng đặc trưng nào trên cơ thể con người để rút trích đặc trưng cho cơ thể: chân, tay, đầu, mình, hay kết hợp tất cả các đặc trưng trên + Áp dụng phương pháp nào để rút trích đặc trưng + Dùng phương pháp nào để huấn luyện cho máy nhận dạng khi đã có tập đặc trưng của cơ thể 1.5 Kết luận chương Chương một đã chỉ ra những khó khăn đề ra trong việc nhận