từng frame. Sau đó các frame này sẽ được xử lý để hiển thị và sẽ là đầu vào cho hệ thống nhận dạng mặt người.
Mỗi đoạn video gồm nhiều frame liên tiếp nhau, vì vậy nếu ta đưa từng frame vào hệ thống nhận dạng thì có những khuôn mặt liên tiếp của cùng một người sẽ đưa vào hệ thống nhận dạng (video có khoảng 24 hình/giây) nhưng ta chỉ cần một số ít trong số này để đưa vào hệ thống để nhận dạng. Để giải quyết trường hợp này, chúng tôi không tiến hành nhận dạng trên các frame liên tiếp nhau mà chỉ tiến hành nhận dạng sau một số frame đã được định nghĩa trước. Ví dụ: cứ mỗi 10 frame thì có 1 frame sẽ được đưa vào để tiến hành nhận dạng đối tượng tội phạm. Số frame này có thể điều chỉnh được. 5.2.4 Sử dụng ICA rút trích đặc trưng cho khuôn mặt, mắt trái, mắt phải, miệng Số chiều trong không gian đặc trưng:
Khuôn mặt : 100
Mắt (mắt trái, mắt phải): 60
Miệng: 60
5.2.5 Sử dụng mạng Nơron cho quá trình nhận dạng:
Áp dụng mạng nơron đa lớp cho quá trình nhận dạng như đã đề cập trong mục 4.2.2. Mạng nơron dùng để huấn luyện và nhận dạng: Dùng mạng nơron FANN (Fast ArticalNeuralNetwork) của SteffenNissen [32][33]
Mạng nơron sử dụng có cấu trúc:
Số lớp huấn luyện : 22 (tương ứng có 22 mạng nơron)
Số nơron tầng xuất của một mạng: 1
Ngưỡng lỗi : 10-3
Hằng số học : 0.8
Số nơron tầng nhập: 280
Số nơron tầng ẩn: 280
5.3 Báo cáo kết quả:
Kết quả nhận dạng trên ảnh tĩnh:
• Kết quả nhận dạng trên bộ train chính xác 100%.
• Kết quả nhận dạng trên bộ test :
Số khuôn mặt test Chính xác Tỉ lệ(%)
142 138 97.18
Bảng 5.3-1 : Kết quả nhận dạng trên ảnh tĩnh