KĨ THUẬT PHÁT HIỆN VÀ NHẬN DẠNG MẶT NGƯỜI TỰ ĐỘNG DƯỚI SỰ HỖ TRỢ CỦA CAMERA

TRƯỜNG ĐẠI HỌC ĐÀ LẠT KHOA CÔNG NGHỆ THÔNG TIN  BÁO CÁO HỘI THẢO CNTT MỘT KỸ THUẬT PHÁT HIỆN VÀ NHẬN DẠNG MẶT NG ƯỜI T Ự ĐỘNG DƯỚI SỰ HỖ TRỢ CỦA CAMERA Nguyễn Thị Lương, Đặng Thanh Hải, Võ Phương Bình Khoa Công nghệ Thông tin, Trường Đại học Đà lạt Đà lạt- 12/2010 Nội dung  Một sôốvấố n đềềnhận dạng ảnh  Mô hình đềềtài  Phương pháp nhận dạng PCA  Phát mặt người  Kềố t thử nghiệm Một sốốvấốn đềềnhận dạng ảnh  Một sôốkhó khăn nhận dạng mặt người       Máy ảnh không rõ nhiễu Nềền phức tạp Độ sáng Sự dịch chuyển, xoay, biềốn đổi tỉ lệ thành phấề n Cảm xúc thể trền gương mặt Hóa trang, kiểu tóc Một sốốphương pháp nhận dạng mặt người  Eigenfaces  Neural Networks  Graph Matching  Geometrical Feature Matching  Line Edge Map (LEM)  Support Vector Machine (SVM)  Multiple Classifier Systems (MCSs) Mố hình đềềtài Phương pháp PCA  Phương pháp dựa trền mô hình lý thuyềố t thông tin:   Phấn chia gương mặt người thành tập nhỏ ảnh đặc trưng gọi mặt riềng Các mặt riềng xem thành phấền tập ảnh gương mặt ban đấề u  Quá trình nhận dạng thực băề ng cách:  Chiềố u gương mặt lền không gian định hướng mặt riềng,  Sau so sánh với vị trí ảnh tập ban đấề u không gian mặt riềng Phương pháp PCA  Tác giả: Turk and Pentland  Phương pháp tỏ vượt trội mô hình nhận dạng mặt người khác ở:     Tôố c độ Tính đơn giản Khả học Không nhạy cảm với thay đổi tương đôố i nhỏ hay từ từ gương mặt  Chia thành giai đoạn chính:  Giai đoạn tìm mặt riềng (EigenFace)  Giai đoạn nhận dạng Phương pháp PCA Bắt đầu Tập liệu khuôn mặt huấn luyện (trainingSet) Input: Ảnh X chưa biết Giai đoạn 1: tìm mặt riềng (EigenFace) E= eigenfaces(trainingSet) Wx=weight(E,X) W= weights(E, trainingSet) D=avg(distance(W,Wx)) X không khuôn mặt X khuôn mặt Giai đoạn 2: nhận dạng Lưu X Wx Kết thúc Tìm mặt riềng (EigenFace)  Bước 1: Giả sử tập ảnh huấố n luyện gôềm M ảnh khuôn mặt: có kích thước N*N Tìm mặt riềng (EigenFace)  Bước 2: Tìm ảnh trung bình theo công thức: Với tập ảnh huấốn luyện trền ta tính ảnh trung bình sau:  Bước 3: Tính độ sai khác ảnh huấố n luyện với ảnh trung bình so : 10 Tìm mặt riềng (EigenFace)  Bước 4: Tính ma trận hiệp phương sai C (covariance matrix)  Với: Vậy C có kích thước: N2 x N2  Vấốn đềềvềềtìm vector riềng (eigenvector) ui ma trận C khó thực kích thước lớn  11 Tìm mặt riềng (EigenFace)  Để tìm eigenvector ui C ta thực sau:  Giả sử vi vector riềng ma trận ATA, tức là:  Nhấn vềốvới ma trận A ta được:  Như eigenvector C 12 Tìm mặt riềng (EigenFace)  Để tìm eigenvector ui C ta thực sau (tt):  Tìm eigenvector eigenvalue ma trận L:  Hay:  Khi L ma trận có kích thước MxM Giả sử vi eigenvector L tính được:  eigenvector C Hay gọi mặt riềng (eigenface) 13 Tìm mặt riềng (EigenFace)  Từ M eigenvector (ui), chọn M’ eigenvector ứng với M’ giá trị riềng đấều tiền mảng giá trị riềng (được săốp xềốp giảm dấền)  Thường chọn M’ cho [3]: 14 Tìm mặt riềng (EigenFace)  Với ví dụ tập huấố n luyện trền tìm mặt riềng có giá trị riềng lớn nhấốt (M=12 > M’=7) 15 Nhận dạng  Bước 1: Với ảnh huấố n luyện , ta chiềốu lền không gian mặt M’ chiềều:  Với: 16 Nhận dạng  Bước 2: Khuôn mặt chiềốu lền không gian M’ chiềều Kềốt quả:  Với:  Bước 3: Tìm mặt thứ k cho:  Với vector mô tả hay đại diện cho mặt thứ k tập huấốn luyện, ngưỡng xác định 17 Nhận dạng  Có trường hợp nhận dạng khuôn mặt mới:  Ảnh gấề n không gian mặt gấề n lớp ảnh  Ảnh gấề n không gian mặt xa tấốt lớp ảnh  Ảnh xa không gian mặt gấề n lớp ảnh  Ảnh xa không gian mặt xa tấố t lớp ảnh 18 Phát mặt người Phân ngưỡng màu Xử lý ảnh nhị phân Loại bỏ vùng có kích thước nhỏ  Chuyển sang hệ màu YCrCb, phấn ngưỡng với điềề u kiện: 135 < Cr < 180  85 < Cb < 135  Y > 80  19 Phát mặt người  Với ảnh đấề u vào Г, ta tính Ф = Г – Ψ  Tính weight vector w = u Ф  Tính reconstructed image Ѓ = u.w  Tính khoảng cách đềố n không gian khuôn mặt Fsm = || Ф - Ѓ ||  Nềố u Fsm < θ kềốt luận Г khuôn mặt ( θ ngưỡng cho trước ) 20 Kềốt thử nghiệm  Tập liệu  Tập liệu AT&T: gôề m 400 hình khuôn mặt (ứng với 40 ngHuấn ười).luyện Nhận dạng Đúng Sai 280 ảnh  120 ảnh 88 (73.3%) 32 ( 26.7% ) Tập liệu yalefaces: gôề m 165 hình khuôn mặt (ứng với 15 ng ười) Huấn luyện Nhận dạng Đúng Sai 120 ảnh 45 ảnh 38 (84.4%) ( 15.6% ) 21 Tài liệu tham khảo Shang – Hun Lin, Ph.D (IC Media Corporation) (2000): An introduction to Face Recognition Technology Informing Science Special Issue on Multimedia Informing Technology – Part 2, volume no 1, 2000 M Turk and A Pentland Eigenfaces for recognition Journal of Cognitive Neuroscience, 3(1), 1991a URL http://www.cs.ucsb.edu/~mturk/Papers/jcn.pdf (URL accessed on November 27, 2002) Tat-Jun Chin* and David Suter, A Study of the Eigenface Approach for Face Recognition, Dept of ECSE, P.O Box 35, Monash University, Clayton 3800, Australia, 2004 “Khảo sát ứng dụng tập thô lựa chọn rút gọn đặc trưng cho toán nhận dạng mặt người”, Luận văn tôốt nghiệp, Khoa Công nghệ Thông tin, Đại học Khoa học Tự nhiền Tp.HCM 22 Thank you! 23