Nhận dạng khuôn ng khuôn m khuôn mặt dùng mạng nơron

Hệ thống nhận dạng ảnh là một ứng dụng tự động phát hiện và nhận dạng khuôn mặt người từ một ảnh số hay là một khung ảnh từ một luồng video. Cách làm là so sánh các đặc trưng được lựa chọn của ảnh chụp thật với một cơ sở dữ liệu ảnh chụp gốc.Hệ thống nhận dạng ảnh là một ứng dụng tự động phát hiện và nhận dạng khuôn mặt người từ một ảnh số hay là một khung ảnh từ một luồng video. Cách làm là so sánh các đặc trưng được lựa chọn của ảnh chụp thật với một cơ sở dữ liệu ảnh chụp gốc.

Nhận dạng khuôn mặt dùng mạng nơron Thành viên: Nguyễn Trần Đức Duy Nguyễn Chí Định Cù Xuân Đức Nguyễn Vinh Quang 41000485 41000694 41000722 41002587 Company LOGO Ngày 13 tháng 12 năm 2013 NỘI DUNG THUYẾT TRÌNH Giới thiệu Các phương pháp trích đặc trưng Huấn luyện mạng neuron Kết mô matlap 1.GIỚI THIỆU NHẬN DẠNG KHUÔN MẶT KHÁI NIỆM:  Hệ thống nhận dạng ảnh ứng dụng tự động phát nhận dạng khuôn mặt người từ ảnh số khung ảnh từ luồng video Cách làm so sánh đặc trưng lựa chọn ảnh chụp thật với sở liệu ảnh chụp gốc  Các liệu dùng để so sánh nhận dạng ảnh: Khoảng cách hốc mắt Khoảng cách môi mũi Khoảng cách sống mũi mắt Khoảng cách môi sống mũi Độ lệch tâm khn mặt Tỉ lệ kích thước khung giới hạn khuôn mặt Độ rộng môi Ứng dụng nhận dạng khuôn mặt  Kiểm ể tra hộ chiếu ế cổng ổ sân bay  Nhận dạng cá nhân họp  Điều Điề khiển khiể hệ thống thố  Nhận ậ dạng g tội ộ p phạm  Sử dụng giao dịch thẻ ATM SƠ ĐỒ NHẬN DẠNG MẪU C CÁC C PHƯƠNG ƯƠNG PHÁP TRÍCH ĐẶC TRƯNG CÁC PHƯƠNG PHÁP  Phân tích thành phần ầ (Principle Component Analysis-PCA)  Phân tích phân biệt tuyến tính ((Linear Discriminant Analysis-LDA) y ) SƠ ĐỒ KHỐI PCA 10 Ưu điểm LDA-NN  Nhanh phương pháp eigenface (PCA)  Tỉ lệ lỗi thấp  Hoạt động tốt ố chí điều ề kiện ánh sáng khác  Hoạt động tốt với biểu cảm khuôn mặt khác  Hoạt động tốt với cách xếp khác 25 25 HUẤN LUYỆN MẠNG NEURON 26 MẠNG NEURON  Mạng neuron hệ thống ố chương trình cấu ấ trúc liệu cho phép mô hoạt động não  Thông thường, mạng neuron khởi tạo trạng thái “ huấn luyện” hay biểu diễn khối lượng lớn liệu luật điều khiển(Vd:” Ơng nội lớn tuổi bố”)  Một chương h t ì h cóó thể báo trình bá ột mạng lưới l ới cách h hành hà h xử với kích thích bên ngồi hay tự thân khởi tạo động ộ g hoạt 27 MƠ HÌNH MẠNG NEURON 28 CẤU TRÚC MẠNG NEURON Mạng truyền ề thẳng ẳ lớp Mạng truyền thẳng nhiều lớp: Mạng hồi quy quy 29 MẠNG TRUYỀN THẲNG LỚP 30 MẠNG TRUYỀN THẲNG NHIỀU LỚP 31 MẠNG HỒI QUY NHIỀU LỚP 32 THUẬT TỐN HỌC Học khơng giám sát Học có giám sát Học ọ có củngg cố 33 ƯU ĐIỂM  Khi phần tử ( neuron nhân tạo) mạng neuron bị sai, tiếp tục mà khơng gặp phải vấn đề nhờ có cấu trúc song song  Mạng neuron học khơng cần thiết phải lập trình lại  Có thể áp dụng nhiều ứng dụng  Nếu có nhiều liệu vấn đề bị hiểu sai từ mơ hình xấp xỉ, cơng nghệ mạng neuron lựa chọn xác 34 ƯU ĐIỂM  Không Khô cần ầ thiết hiế chấp hấ nhận hậ ộ lớp lớ phân hâ bố liệu liệ đ hồn thành mơ hình xác suất  Mạng neuron ứng dụng cho nhiều vấn đề hệ thống phi tuyến  Sự trao đổi thông tin biến tự động q trình tính tốn  Mạng neuron thực chức mà hệ thống tuyến tính 35 KẾT Ế QUẢ Ả 36 Cơ sở liệu FERET So sánh Best Identification rate: eigenfaces(or PCA) 80.0%, fisherfaces(or LDA) 93.2% 37 So sánh kết phương pháp 38 ……… Company LOGO ... m t Kho ng cách m i m i Kho ng cách s ng m i m t Kho ng cách m i s ng m i Độ lệch t m khn m t Tỉ lệ kích thước khung giới hạn khuôn m t Độ r ng m i ng d ng nhận d ng khuôn m t  Ki m ể tra hộ... ng i hay tự thân khởi tạo đ ng ộ g hoạt 27 M HÌNH M NG NEURON 28 CẤU TRÚC M NG NEURON M ng truyền ề th ng ẳ lớp M ng truyền th ng nhiều lớp: M ng hồi quy quy 29 M NG TRUYỀN TH NG LỚP 30 M NG. .. DUNG THUYẾT TRÌNH Giới thiệu Các phư ng pháp trích đặc tr ng Huấn luyện m ng neuron Kết m matlap 1.GIỚI THIỆU NHẬN D NG KHUÔN M T KHÁI NI M:  Hệ th ng nhận d ng ảnh ng d ng tự đ ng phát nhận