LUẬN VĂN TỐT NGHIỆP ĐỀ TÀI: ĐẶC TRƯNG SURF TRONG NHẬN DẠNG MẶT NGƯỜI VÀ ỨNG DỤNG TRONG PHẦN MỀM HỖ TRỢ AN NINH SIÊU THỊ Giảng viên hướng dẫn:Lê Hoàng Thái Học viên thực hiện: Trần Tiến Lợi 1.Giới thiệu chung Ngày nay, nhận dạng khuôn mặt ứng dụng rộng rãi nhiều lĩnh vực đời sống như: an ninh, thương mại, có nhiều phương pháp nhận dạng khác Tuy nhiên, để nhận dạng người giới thực vô khó khăn, để nhận dạng ta phải xây dựng tập sở liệu đủ lớn việc xử lý liệu lớn đòi hỏi phải nhanh xác Nhiệm vụ đặt nghiên cứu xây dựng chương trình sử dụng phương pháp nhận dạng có độ xác cao mà khối lượng thời gian tính toán lại Trong luận văn tốt nghiệp này, luận văn tập chung tìm hiểu vấn đề sau đây: - Tạo sở liệu ảnh khuôn mặt - Phát khuôn mặt từ frame Video Camera - Thực so khớp khuôn mặt phát frame Video với sở liệu ảnh mặt người Nhằm hướng đến, xác định nhanh chóng định danh ảnh kiện đối tượng 2 Một số ứng dụng toán nhận dạng thực tế - Hệ thống toán phương thức nhận dạng khuôn mặt giới Công ty Uniqul, Phần Lan thức công bố vào 7/2013 - An ninh sân bay, xuất nhập cảnh (Hiện quan an ninh mỹ áp dụng).Dùng camera quan sát để xác thực người nhập cảnh kiểm tra người có phải tội phạm không hay phần tử khủng bố - Tìm kiếm tổ chức liệu liên quan đến người thông qua khuôn mặt người nhiều hệ sở liệu thật lớn, internet, hãng truyền hình Ví dụ: Tìm trận đá bóng có Ronaldo đá, - Các Hãng Canon, Sony… đưa dòng sản phẩm máy chụp hình hệ có chức nhận diện khuôn mặt, kết hình ảnh đẹp hơn, khuôn mặt người.…… Mô hình toán Tóm tắt nội dung thực Nội dung thực Tìm hiểu khái niệm video camera số Tìm hiểu ngôn ngữ lập trình Microsoft visual C++2008, thư viện OpenCV 2.4.4 Tìm hiểu kỷ thuật SURF, bước xử lý ưu điểm SURF Tìm hiểu cấu trúc liệu đặc tả đầu vào, đầu hàm thư viện OpenCV 2.2.4, hỗ trợ rút trích đặc trưng SURF Áp dụng hàm cho rút trích đặc trưng mặt người - Tạo sở liệu ảnh khuôn mặt đối tượng có vết - Phát khuôn mặt từ frame Video Camera - Thực so khớp khuôn mặt phát frame Video với sở liệu ảnh mặt người Nhằm hướng đến, xác định nhanh chóng định danh ảnh kiện đối tượng 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận - Luận văn tìm hiểu trình bày chi tiết phương pháp dò phát mặt người, rút trích đặc trưng khuôn mặt video thực nghiệm tập liệu - file ảnh file video lấy từ nhiều nguồn khác Internet - Sau kết quả, Luận văn hoàn thành : - Tạo sở liệu ảnh khuôn mặt (mỗi người 4→8) - Phát khuôn mặt video thư viện OpenCV 2.2.4 Thư viện OpenCV 2.2.4 phát tốt trường hợp khuôn mặt trực diện, chưa phát khuôn mặt hướng nghiên 20 Với kết thực nghiệm độ xác 80% - Dùng đặc trưng SURF, trích chọn đặc trưng khuôn mặt phát video so khớp với sở liệu ảnh khuôn mặt Để xác định, nhanh chóng ảnh kiện định danh đối tượng Hạn chế - Luận văn có số hạn chế cần phải khắc phục như: -Tốc độ xử lý chương trình chậm với video có độ phân giải cao - Phát khuôn mặt bị sai trường hợp số đối tượng có hình dáng gần giống với khuôn mặt người, chưa phát khuôn mặt hướng nghiên 200 -Chưa nhận dạng tốt gương mặt có biểu lộ cảm xúc đặc biệt - Cơ sở liệu thử nghiệm 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.3 Hướng phát triển Thử nghiệm sở liệu thực tế siêu thị Xây dựng thuật toán cải thiện chất lượng video loại trừ nhiễu… Cải tiến giải thuật phát khuôn mặt hướng nghiên 20 Bổ xung thêm chức khác để chương trình hoàn thiện Tài liệu tham khảo Tiếng việt [1] Trần Phước Long, Nguyễn Văn Lượng, “Nhận dạng mặt người thông tin khuôn mặt xuất ảnh”, Luận văn cử nhân tin học Khoa công nghệ thông tin, ĐH KHTN TP HCM, 2003 [2] Lu Buon Vinh, Hoàng Phương Anh, “Nghiên cứu xây dựng hệ thống nhận dạng mặt người dựa FSVM Adaboost”, Luận văn cử nhân tin học Khoa công nghệ thông tin, ĐH KHTN TP HCM, 2004 [3] Lê Hoàng Thái, Nguyễn Thúy Hằng, Lê Minh Trí, “Đề xuất phương pháp trích chọn đặc trưng cho toán nhận dạng mặt người”, Hội thảo Công nghệ thông tin quốc gia lần thứ IX, Đà Lạt, 15 – 17 tháng 06, 2006 [4] Vũ Mạnh Hùng, ”nhận dạng mặt người sử dụng đặc trưng PCA” Luận Văn Thạc sỹ, Học Viện Bưu Chính viễn Thông Hà Nội, 2013 [5] Trần Minh Triết, giảng “ thao tác với OpenCV”, ĐH KHTN TP-HCM Tiếng Anh [6] Brown M and Lowe D.G 2002, Invariant features from interest point groups, In The 13th British Machine Vision Conference, Cardiff University, UK [7] Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool 2008, SURF: Speeded Up Robust Features, Computer Vision and Image Understanding (CVIU) CẢM ƠN CÁC THẦY CÔ TRONG HỘI ĐỒNG BẢO VỆ LUẬN VĂN