Sơ đồ hoạt động của một hệ thống nhận diện khn mặt có đeo

Một phần của tài liệu Ứng dụng phân tích khuôn mặt vào chống gian lận trong thi cử trực tuyến tích hợp vào hệ thống lms (Trang 25 - 26)

3 TÍCH HỢP ỨNG DỤNG PHÂN TÍCH KHN MẶT TRONG

1.7 Sơ đồ hoạt động của một hệ thống nhận diện khn mặt có đeo

Xác định khuôn mặt

Xác định khuôn mặt đeo khẩu trang là bước đầu trong hệ thống, việc xác định khẩu trang trên mặt giúp cho luồng xử lý chương trình được tối ưu vì tìm được mơ hình trích chọn đặc trưng phù hợp. Vì trong hệ thống luận văn sử dụng sẽ có hai bộ trích chọn đặc trưng ứng với trường hợp khn mặt có và khơng đeo khẩu trang.

Về cơ bản, bài tốn phát hiện khẩu trang có thể quy về bài toán phân loại ảnh, với một ảnh đầu vào ta cần xác định ảnh thuộc vào một trong hai lớp quy định sẵn là có khẩu trang và khơng khẩu trang. Cho sẵn một tập dữ liệu các khuôn mặt được gán nhãn là khơng đeo khẩu trang hay có đeo khẩu trang gọi tắt là lớp khơng khẩu trang và lớp có khẩu trang. Cần một phương pháp huấn luyện để xây dựng một mơ hình phân lớp từ tập dữ liệu mẫu đó, sau đó dùng mơ hình này dự đốn lớp của những khn mặt mới chưa biết nhãn.

Đối với bài tốn phân loại ảnh thì sử dụng kiến trúc CNN sẽ cho kết quả tốt hơn với các phương pháp sử dụng đặc trưng cứng. Hiện nay có rất nhiều mơ hình CNN trong bài tốn xử lý ảnh, yêu cầu đặt ra là tìm được một kiến trúc mạng có tốc độ xử lý nhanh mà vẫn đảm bảo độ chính xác. Trong trường hợp này sử dụng MobileNet [22] là mơ hình hướng di động, nhẹ và hiệu quả do số lượng tham số ít. MobileNet xây dựng dựa trên các ý tưởng sử dụng tích chập có thể phân tách theo chiều sâu với các đặc trưng mới cho kiến trúc.

Xác định vị trí khn mặt:

Trải qua nhiều năm phát triển, các nhà nghiên cứu đã phát triển nhiều phương pháp để xác định khuôn mặt từ đơn giản đến phức tạp. Và quan trọng nhất là việc ảnh hưởng qua lại giữa độ chính xác và tốc độ detect (phát hiện và xác định vị trí). Có thể chia các phương pháp detect thành 2 loại chính là detect dựa trên các hand-craft feature (đặc trưng cứng) và detect dựa trên các feature được trính chọn từ mạng CNN.

Các phương pháp detect truyền thống là detect dựa trên cửa sổ trượt và các

hand-craft feature (đặc trưng cứng) như: HOG, SIFT, LBP, SUFE, ... đi qua một bộ phân loại (ví dụ như SVM classifier) để xác định xem vùng cửa số đó có chứa khn mặt khơng, điển hình là thuật tốn HOG-SVM detector được triển khai trên thư viện Dlib.

Một phần của tài liệu Ứng dụng phân tích khuôn mặt vào chống gian lận trong thi cử trực tuyến tích hợp vào hệ thống lms (Trang 25 - 26)

Tải bản đầy đủ (PDF)

(75 trang)