Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ)

Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ) Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ) Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ) Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ) Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ) Nghiên cứu phương pháp nhận dạng ảnh mặt người và ứng dụng( Luận án tiến sĩ)

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG  ĐỖ DUY CỐP NGHIÊN CỨU PHƢƠNG PHÁP NHẬN DẠNG ẢNH MẶT NGƢỜI VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên – 2014 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG  ĐỖ DUY CỐP NGHIÊN CỨU PHƢƠNG PHÁP NHẬN DẠNG ẢNH MẶT NGƢỜI VÀ ỨNG DỤNG Chuyên ngành: Khoa học máy tính Mã số: 60.48.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƢỜI HƢỚNG DẪN KHOA HỌC: TS Vũ Việt Vũ Thái Nguyên - 2014 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ i MỤC LỤC MỤC LỤC i DANH MỤC CÁC TỪ VIẾT TẮT ii DANH MỤC CÁC BẢNG ii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ iii LỜI CẢM ƠN LỜI CAM ĐOAN CHƢƠNG TỔNG QUAN VỀ NHẬN DẠNG ẢNH MẶT NGƢỜI 1.1 Tổng quan nhận dạng ảnh mặt ngƣời 1.2 Các hƣớng tiếp cận nhận dạng mặt ngƣời 1.2.1 Phƣơng pháp trích chọn đặc trƣng sử dụng mặt riêng (Eigenface) 1.2.2 Phƣơng pháp trích chọn đặc trƣng sử dụng mơ hình Markov ẩn 1.2.3 Phƣơng pháp phân tích thành phần 1.3 Bố cục luận văn CHƢƠNG TRÍCH CHỌN ĐẶC TRƢNG 2.1 Phƣơng pháp phân tích thành phần - PCA 2.1.1 Cơ sở toán học 2.1.2 Phƣơng pháp PCA 17 2.2 Phƣơng pháp phân tách tuyến tính - LDA 24 2.3 Phƣơng pháp xử lý hình thái 27 2.3.1 Biến đổi trúng-trƣợt (hit-or-miss) 29 2.3.2 Phép dãn ảnh co ảnh tổng quát 33 2.3.3 Dãn co ảnh đa mức xám 40 CHƢƠNG MẠNG NƠRON 42 3.1 Giới thiệu mạng nơron 42 3.1.1 Nơron – đơn vị xử lý 42 3.1.2 Liên kết nơron 43 3.1.3 Hàm kích hoạt quy tắc xác định tín hiệu 44 3.1.4 Quy tắc delta 45 3.2 Thuật toán học lan truyền ngƣợc 46 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ ii CHƢƠNG THIẾT KẾ VÀ ĐÁNH GIÁ 52 4.1 Thiết kế hệ thống 52 4.1.1 Cơ sở liệu ảnh 52 4.1.2 Môi trƣờng cài đặt 53 4.1.3 Cài đặt 53 4.2 Kiểm thử đánh giá 56 KẾT LUẬN 58 HƢỚNG PHÁT TRIỂN 59 TÀI LIỆU THAM KHẢO 60 DANH MỤC CÁC TỪ VIẾT TẮT LDA (Linear Discriminant Analysis): Phƣơng pháp phân tách tuyến tính LMS (Least Mean Square): Phƣơng pháp bình phƣơng trung bình tối thiểu ORL (Olivetti Research Laboratory, Surrey University): Cơ sở liệu ảnh dùng luận văn PCA(Principal Components Analysis): Phƣơng pháp phân tích thành phần DANH MỤC CÁC BẢNG Bảng 2.1 Tính tốn độ lệch chuẩn 10 Bảng 2.2 Tập liệu hai chiều tính tốn hiệp phương sai 12 Bảng 4.1 Các module chương trình 53 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ iii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 2.1 Ví dụ minh họa PCA Hình 2.2 Dữ liệu đồ thị biểu diễn liệu 18 Hình 2.3 Đồ thị biểu diễn liệu chuẩn hóa với vector riêng 20 Hình 2.4 Ảnh gốc sở liệu ORL 23 Hình 2.5 Ảnh sau biến đổi theo PCA 23 Hình 2.6 Ví dụ minh họa LDA 24 Hình 2.7 Ảnh sau biến đổi theo LDA 27 Hình 2.8 Sự liên thông 28 Hình 2.9 Phép dãn ảnh nhị phân 31 Hình 2.10 Phép co ảnh nhị phân 32 Hình 2.11 Các tốn tử đại số ảnh mảng nhị phân 34 Hình 2.12 Lật dịch mảng nhị phân 34 Hình 2.13 Phép dãn ảnh tổng quát dựa theo phép cộng Minkowski 37 Hình 2.14 So sánh kết hai phép co ảnh 39 Hình 2.15 Phép dãn ảnh co ảnh tổng quát với phần tử cấu trúc 55 40 Hình 2.16 Ảnh sau xử lý hình thái 41 Hình 3.1 Các thành phần mạng nơron nhân tạo 43 Hình 3.2 Một số dạng hàm kích hoạt nơron 44 Hình 3.3 Mạng nơron l lớp 47 Hình 4.1 Ảnh gốc ảnh ORL 52 Hình 4.2 Ảnh gốc bổ sung ảnh gương 54 Hình 4.3 Giao diện chương trình 56 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ LỜI CẢM ƠN Lời xin bày tỏ lòng biết ơn sâu sắc tới TS Vũ Việt Vũ, công tác trƣờng Đại học Kỹ thuật Công nghiệp - Đại học Thái Nguyên, ngƣời tận tình hƣớng dẫn giúp tơi hồn thành luận văn tốt nghiệp Tôicũng xin gửi lời cảm ơn chân thành đến thầy cô giáo trƣờng Đại học Công nghệ thông tin truyền thông - Đại học Thái Nguyên, thầy cô giáo Viện Công nghệ thông tin - Viện khoa học Việt Nam nhiệt tình giảng dạy, truyền đạt kiến thức cho tơi suốt năm học qua Tôi xin cảmơn động viên giúp đỡ tất ngƣời thân gia đình, bạn bè, đồng nghiệp trìnhthực luận văn Thái Nguyên, ngày 20 tháng 05 năm 2014 Học viên Đỗ Duy Cốp Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ LỜI CAM ĐOAN Tơi là: Đỗ Duy Cốp Lớp: CK11A Khố học: 2012 - 2014 Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 60 48 01 Cơ sở đào tạo: Trƣờng Đại học Công nghệ thông tin Truyền thông Thái Nguyên Giáo viên hƣớng dẫn: TS Vũ Việt Vũ Cơ quan công tác: Trƣờng Đại học Kỹ thuật Công nghiệp - Đại học Thái Nguyên Tôi xin cam đoan luận văn “Nghiên cứu phương pháp nhận dạng ảnh mặt người ứng dụng” cơng trình nghiên cứu riêng Các số liệu sử dụng luận văn trung thực Các kết nghiên cứu đƣợc trình bày luận văn chƣa đƣợc cơng bố cơng trình khác Thái Ngun, ngày 20 tháng 05 năm 2014 Học viên Đỗ Duy Cốp Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ CHƢƠNG TỔNG QUAN VỀ NHẬN DẠNG ẢNH MẶT NGƢỜI 1.1 Tổng quan nhận dạng ảnh mặt ngƣời Xử lý ảnh lĩnh vực đƣợc quan tâm nhiều khoảng 10 năm trở lại Bài toán nhận dạng ảnh nhằm mục đích phát nhận dạng đối tƣợng ảnh Bài toán nhận dạng ảnh đƣợc ứng dụng nhiều lĩnh vực, đặc biệt nhận dạng mặt ngƣời đƣợc ứng dụng hệ thống bảo mật, nhận dạng ngƣời lái xe, hộ chiếu, nhận dạng ngƣời hệ thống tƣơng tác ngƣời-máy, lĩnh vực giải trí,… 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 nƣớc tăng lên nhiều cho kỹ thuật xác định, nhận dạng lần theo đối tƣợng 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 ngƣời khơng thể xác đƣợc nhƣ phƣơng pháp nhận dạng khác nhƣ nhận dạng vân tay, nhƣng nhận đƣợc quan tâm lớn nhà nghiên cứu lĩnh vực thị giác máy Lý chủ yếu thực tế, mặt ngƣời cách truyền thống để ngƣời nhận Một hệ thống nhận dạng mặt ngƣời điển hình bao gồm thành phần nhƣ hình1.1 Ảnh mặt ngƣời Trích chọn đặc trƣng Nhận dạng mặt ngƣời Thơng tin ngƣời đƣợc nhận dạng Hình 1.1 Mơ hình hệ thống nhận dạng mặt người Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 1.2 Các hƣớng tiếp cận nhận dạng mặt ngƣời Có hai hƣớng tiếp cận làm hạt nhân kỹ thuật phân tích đặc trƣng mặt ngƣời: hƣớng tiếp cận hình học hƣớng tiếp cận hình ảnh  Hướng tiếp cận hình học sử dụng việc ánh xạ không gian đặc trƣng mặt ngƣời Mặt ngƣời đƣợc phân loại theo khoảng cách hình học, theo đƣờng bao theo góc điểm  Hướng tiếp cận hình ảnh bao gồm việc xây dựng mẫu từ đặc trƣng mặt ngƣời Mẫucủa đặc trƣng bật, chí tồn khn mặt đƣợc thiết lập, việc nhận dạng đƣợc thực hiệnbằng cách duyệt khn mặt tìm mặt khớp với mẫu Hiện hệ thống nhận dạng mặt ngƣời tiếp tục đƣợc phát triển Dƣới số phƣơng pháp trích chọn đặc trƣng: - Mặt riêng (Eigenface) - Mơ hình Markov ẩn - Phân tích thành phầnchính(PCA) 1.2.1 Phƣơng pháp trích chọn đặc trƣng sử dụng mặt riêng (Eigenface) Thuật toán Eigenface phổ biến đƣợc sử dụng rộng rãi sựđơn giản hiệu tính tốn Thuật tốn sử dụng cáchtiếp cận lý thuyết thơng tin việc mã hóa ảnh mặt ngƣời xác địnhcác vector riêng tƣơng ứng với giá trị riêng lớnnhất ma trận hiệp phƣơng sai ảnh Sau đó, nhómảnh ngƣời, ta tính vector trung bình, ngƣỡng đƣợc chọnđể xác định khoảng cách chấp nhận đƣợc cựcđạitừ ảnh đến nhómảnhgiúp nhận dạng ảnh Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 1.2.2 Phƣơng pháp trích chọn đặc trƣng sử dụng mơ hình Markov ẩn Mơ hình Markov ẩn phân loại đặc trƣng mặt ngƣời tính chất chuỗi Markov Một dãy ngẫu nhiên biến lấy giá trị điểmảnh tƣơng ứng tạo nên chuỗi Markov, xác suất để hệ thống đạt trạng thái xn+1 thời điểm n+1 phụ thuộc vào xác suất để hệ thống đạt trạng thái xn thời điểm n Trong chuỗi Markov, việc chuyển hệ thống từ trạng thái sang trạng thái khác tƣơng ứng với xác suất nàođó, nhƣng kết ký hiệu lại xác định đƣợc trƣớc Nhƣ vậy, kết phân bố xác suất tất ký hiệu trạng thái kết đƣợc dùngđể so sánh hai khuôn mặt 1.2.3 Phƣơng pháp phân tích thành phần Trong phương pháp phân tích thành phần chính(PCA  gọi biến đổi Karhunen-Loeve), tập liệu đƣợc biểu diễn lại với số đặc trƣngít đồng thời giữ đƣợc hầu hết thông tin quan trọng liệu PCA thƣờngđƣợc sử dụng phƣơng pháp mặt riêng Tập vector riêng đƣợc dùng làm vector sở khơng gian con, ta so sánh vớicác ảnh sở liệuđểnhận dạng ảnh Các vector sở đƣợc gọi thành phần chínhcủa sở liệu ảnh Mạng nơron đƣợc sử dụng rộng rãi hệ thống nhận dạng mặt ngƣời Kỹ thuật mạng nơron mô phỏnghoạt động nơron bộnão ngƣời Mạng nơron có khả điều chỉnh trọng số dựa mẫu họctrong trình huấn luyện Kết mạng đạt đƣợc hiệu cao việc phân loại lớp, dựa liệu mẫu khả tách tuyến tính phi tuyến Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ ... cam đoan luận văn Nghiên cứu phương pháp nhận dạng ảnh mặt người ứng dụng” công trình nghiên cứu riêng tơi Các số liệu sử dụng luận văn trung thực Các kết nghiên cứu đƣợc trình bày luận văn... Bài tốn nhận dạng ảnh nhằm mục đích phát nhận dạng đối tƣợng ảnh Bài toán nhận dạng ảnh đƣợc ứng dụng nhiều lĩnh vực, đặc biệt nhận dạng mặt ngƣời đƣợc ứng dụng hệ thống bảo mật, nhận dạng ngƣời... TỔNG QUAN VỀ NHẬN DẠNG ẢNH MẶT NGƢỜI 1.1 Tổng quan nhận dạng ảnh mặt ngƣời 1.2 Các hƣớng tiếp cận nhận dạng mặt ngƣời 1.2.1 Phƣơng pháp trích chọn đặc trƣng sử dụng mặt riêng (Eigenface)