Phƣơng phỏp nhận dạng mẫu bằng mụ hỡnh mạng nơron nhõn tạo là một phƣơng phỏp nhận dạng mụ phỏng theo cơ chế đoỏn nhận của bộ nóo con
Hỡnh 3.7: Thuật toỏn phõn tớch hỡnh dỏng của đối tƣợng
Hỡnh 3.8: Mụ hỡnh chuyển động của con ngƣời (đi bộ và chạy)
ngƣời. Trong phạm vi Luận văn này chỳng tụi sử dụng cỏc kết quả đó nghiờn cứu trong cỏc tài liệu tham khảo [14,15] để phõn loại đối tƣợng vào một trong hai lớp. Vớ dụ đối với con ngƣời cú thể phõn loại đối tƣợng phỏt hiện đƣợc vào một trong hai lớp là con ngƣời hay khụng phải con ngƣời. Tƣơng tự đối với lớp phƣơng tiện giao thụng cũng đƣợc phõn vào một trong hai lớp là lớp phƣơng tiện giao thụng và lớp khụng phải là phƣơng tiện giao thụng.
í tƣởng của phƣơng phỏp nhận dạng bằng mụ hỡnh mạng nơron nhõn tạo là sử dụng tập mẫu luyện bao gồm cỏc mẫu đối tƣợng (con ngƣời hoặc phƣơng tiện giao thụng) và mẫu khụng phải đối tƣợng (khụng phải là con ngƣời hoặc khụng phải là phƣơng tiện giao thụng). Thụng qua quỏ trỡnh huấn luyện mạng, hệ thống sẽ tự động phõn loại cỏc đối tƣợng vào một trong hai lớp.
Hiện nay cú rất nhiều mụ hỡnh mạng nơron nhõn tạo cú thể ứng dụng cho nhận dạng đối tƣợng[18], chỳng ta cú thể kể đến nhƣ mạng lan truyền thẳng nhiều lớp với giải thuật luyện lan truyền ngƣợc hƣớng của sai số, mạng nơron Kohonen với giải thuật luyện cạnh tranh, mạng nơron dựa trờn quyết định với giải thuật luyện tăng cƣờng...
Mạng nơron là hệ thống gồm nhiều phần tử xử lý đơn giản liờn kết với nhau, hoạt động song song. Tớnh năng của hệ thống này tuỳ thuộc vào cấu trỳc của hệ, cỏc trọng số liờn kết và quỏ trỡnh tớnh toỏn . Mạng nơron cú thể học từ dữ liệu mẫu và tổng quỏt hoỏ dựa trờn cỏc dữ liệu mẫu học.
Để phõn loại cỏc mạng nơron khỏc nhau, ngƣời ta cú thể dựa và dạng liờn kết giữa cỏc nơron hoặc theo số lớp trong mỗi mạng nơron. Theo kiểu liờn kết giữa cỏc nơron, ớt nhất cú hai dạng là mạng truyền thẳng và mạng hồi qui. Trong mạng truyền thẳng, thụng tin cỏc liờn kết nơron đi theo một hƣớng nhất định. Ngƣợc lại với cỏc mạng hồi qui cho phộp cỏc liờn kết tạo thành cỏc chu trỡnh.
Cỏc nơron cú thể tổ chức lại thành cỏc lớp sao cho mỗi nơron của lớp này chỉ đƣợc nối với cỏc nơron ở cỏc lớp tiếp theo, khụng cho phộp cỏc liờn kết giữa cỏc nơron trờn cựng một lớp. Dễ dàng nhận thấy cỏc nơron trong cựng một lớp nhận tớn hiệu từ lớp trờn cựng một lỳc, do vậy về nguyờn tắc chỳng cú thể xử lý song song và độ phức tạp tớnh toỏn núi chung sẽ phụ thuộc vào số lớp mạng.
+ Số tớn hiệu vào, số tớn hiệu ra. + Số lớp nơron.
+ Số nơron trờn mỗi lớp. + Số liờn kết của mỗi nơron. + Cỏc trọng số liờn kết nơron.
Mạng nơron nhƣ một hệ thống thớch nghi cú khả năng học để hiệu chỉnh cỏc trọng số liờn kết cũng nhƣ cấu trỳc của mỡnh sao cho phự hợp với cỏc cỏc bài toỏn cần xử lý. Ngƣời ta phõn biệt hai kỹ thuật học: học cú giỏm sỏt và học khụng cú giỏm sỏt. Trong học cú giỏm sỏt, mạng đƣợc cung cấp một tập mẫu học (Xs, Ys) theo nghĩa tớn hiệu vào là Xs thỡ kết quả đỳng của hệ phải là Ys. Tại mỗi lần học, tớn hiệu vào Xs đƣợc đƣa vào mạng, sau đú sự sai khỏc giữa cỏc kết quả đỳng Ys với kết quả tớnh toỏn Outs. Sai số này đƣợc sử dụng để hiệu chỉnh lại cỏc trọng số của mạng.
Kế thừa cỏc kết quả của cỏc tài liệu nghiờn cứu trƣớc đõy, chỳng tụi sử dụng mụ hỡnh mạng nơron Kohonen để phõn loại đối tƣợng vào một trong hai lớp đối tƣợng và khụng phải đối tƣợng. Mạng Kohonen rất gần gũi với kiểu cấu trỳc mạng nơ ron sinh học cả về cấu tạo lẫn cơ chế học.