Nhận dạng mặt người sử dụng đặc trưng pca (tt)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - VŨ MẠNH HÙNG NHẬN DẠNG MẶT NGƯỜI SỬ DỤNG ĐẶC TRƯNG PCA Chuyên ngành : Mã số: Khoa học máy tính 60.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI-NĂM 2013 Luận văn hồn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: PGS.TS Đỗ Năng Toàn Phản biện 1: ……….……………………………………………………………… Phản biện 2:………………….…………………………………………………… Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bưu Viễn thông Vào lúc: ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện Học viện Công nghệ Bưu Viễn thơng -1- MỞ ĐẦU Nhận dạng khn mặt lĩnh vực xử lý ảnh Và ngày nhận dạng ứng dụng rộng rãi nhiều lĩnh vực đời sống nhận dạng lĩnh vực thương mại, hay phát tội phạm lĩnh vực an ninh, hay lĩnh vực xử lý video, hình ảnh Hiện có nhiều các phương pháp nhận dạng khác xây dựng để nhận dạng người cụ thể giới thực Tuy nhiên việc nhận dạng người giới thực vơ 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 tốn lại Để giải quết vấn đề có phương pháp cho phép phân tích thành phần khn mặt, giảm bớt số thành phần không cần thiết tạo hiệu tính tốn nhanh mà đảm bảo độ xác Đó phương pháp Principal Components Analysis (PCA) hay cịn gọi là: “phân tích thành phần chính” Và luận văn tập trung nghiên cứu phương pháp PCA để nhận dạng mặt người Nội dung luận văn gồm chương: Chương 1: Khái quát nhận dạng mặt người đặc trưng PCA Chương 2: Kĩ thuật PCA nhận dạng khn mặt Chương 3: Chương trình thử nghiệm -2- Chƣơng 1: KHÁI QUÁT VỀ NHẬN DẠNG MẶT NGƢỜI VÀ ĐẶC TRƢNG PCA 1.1 Khái quát nhận dạng mặt ngƣời 1.1.1 Phân tích đặc tính sinh trắc học người Đặc tính sinh trắc người đặc tính đo nét hành vi riêng người Nhận diện người thực trình kiểm tra tính đồng đặc tính sinh trắc người cần kiểm tra với đặc tính tương tự người lưu sẵn CSDL Có thể nhận diện người dựa đặc điểm sinh trắc tĩnh người khuôn mặt, mắt, vân tay, bàn tay, gen…hay đặc trưng hành vi dáng đi, chữ viết, giọng nói… Hình 1.1: Các nguồn gốc đặc tính sinh trắc ngƣời Dữ liệu sinh trắc lý tưởng người cần phải có đặc tính như: - Tính tổng quát: Mỗi người thể đặc tính - Tính nhất: Khơng thể tồn hai người có đặc tính giống - Tính thường xuyên: Là độc lập đặc tính thời gian - Tính thu thập được: Là đặc tính thu thập cách tương đối đơn giản nhanh chóng từ cá nhân chi tiết hóa 1.1.2 Hệ thống nhận dạng tổng quát Nhiệm vụ hệ thống nhận dạng mặt người xử lý tự động thông tin từ ảnh để tìm độ tương tự khuôn mặt đưa -3- định tính đồng chúng Câu trúc hệ thống nhận dạng mặt người thể hình sau: Hình 1.3: Cấu trúc tổng quát hệ thống nhận dạng mặt - Tiền xử lý (Pre-Processing): Chức để chuẩn hóa ảnh cần tìm giúp cho việc tìm kiếm hiệu Các cơng việc bước tiền xử lý là: Chuẩn hóa kích cỡ ảnh CSDL ảnh cầm tìm, hiệu chỉnh độ sáng, tối ảnh; lọc nhiễu, chuẩn hóa vị trí, tư ảnh mặt - Tách khn mặt (FD): Chức làm nhiệm vụ xác định vị trí, kích cỡ nhiều khn mặt ảnh chụp từ tách phần mặt Phần ảnh mặt đươc tách thường nhỏ nhiều so với ảnh chụp ban đầu, khn mặt cần tìm chức trích chọn đặc trưng sử dụng ảnh tách - Trích chọn đặc trưng (FE): Tìm đặc trưng ảnh mặt, từ đặc trưng hình thành vector đặc trưng, vector sử dụng để đối sánh giống ảnh mặt cần tìm ảnh mặt CSDL - Đối sánh (Comparison): Thực việc so sánh vector đặc trưng để chọn độ tương tự ảnh cần tìm ảnh CSDL Ảnh chân dung mặt người cho giấy tờ xuất nhập cảnh đường thỏa mãn yêu cầu tiêu chuẩn quốc tế ISO/IEC JTC 1/SC 37 N 506- Part 5: Face Image Data Hệ thống nhận dạng mặt người cần đảm bảo u cầu: - Độ xác nhận dạng chấp nhận yêu cầu toán nhận dạng; -4- Tốc độ vận hành cao CSDL lớn số lượng yêu cầu giải được; - Đơn giản việc cài đặt, lựa chọn thiết bị vận hành An tồn với người sử dụng 1.1.3 Nhận dạng khn mặt người ứng dụng 1.2 Đặc trƣng PCA toán nhận dạng mặt ngƣời 1.2.1 Giới thiệu Phương pháp phát minh năm 1901 Karl Pearson[12] sử dụng cơng cụ để phân tích liệu nghiên cứu thực mơ hình dự đốn PCA cịn bao gồm việc tính tốn phân tích giá trị đặc trưng ma trận tuơng quan liệu hay phân tính giá trị đơn ma trận liệu thường sau tính trung bình liệu thuộc tính PCA phương pháp đơn giản phân tích đa biến dựa vector đặc trưng Thông thường hoạt động hiểu nhằm khám phá cấu trúc bên liệu Nếu tập liệu đa biến xem xét tập tọa độ không gian liệu nhiều chiều (mỗi trục biểu diễn biến) phương pháp PCA cung cấp cho ảnh chiều, bóng vật thể quan sát từ đặc trưng vật thể 1.2.2 Đặc trưng PCA Mục tiêu phương pháp PCA “giảm số chiều” tập vector cho đảm bảo “tối đa thông tin quan trọng nhất” Phương pháp PCA giữ lại K thuộc tính “mới” từ M thuộc tính ban đầu (K