Các bước thao tác trong phần này gồm có:
Thu nhận các đặc trưng quan trọng tập trung quanh lông mày và miệng.
Chuẩn hóa dữ liệu đầu vào: Tại bước này, tôi đã thử nghiệm 4 phương pháp để
chuẩn hóa dữ liệu đầu vào:
1. Co dãn mỗi giá trị trong đoạn [0, 255] tới các giá trị tương ứng trong đoạn [0,1]
2. Co dãn mỗi giá trị trong đoạn [0, 255] tới các giá trị tương ứng trong đoạn [-1,1]
3. Chuẩn hóa dữ liệu đầu vào sao cho có trung bình là 0 và độ lệch chuẩn
của 1.
4. Sử dụng PCA để chuẩn hóa dữ liệu đầu vào. Bước chuẩn hóa này sẽ biểu
diễn lại tập dữ liệu bằng một số đặc trưng “có hiệu quả” và vẫn giữ lại hầu hết thông tin chứa nội dung của dữ liệu; hay nói cách khác, tập dữ liệu trải qua một bước giảm số chiều. Khi áp dụng PCA, đầu tiên cần phải xác định số chiều và số mẫu huấn luyện. Ví dụ: Mỗi ảnh đầu vào có kích thước 27 x 30 điểm ảnh có 810 điểm ảnh, tương ứng với một vectơ 810 chiều. Tiếp theo, cần chuẩn hóa dữ liệu về trung bình là 0 và độ lệch chuẩn là 1, giống như phương pháp 4 đã trình bày ở trên. Sau đó tìm ma trận hiệp biến và các vectơ riêng và giá trị riêng của từng ảnh. Sắp xếp các vectơ riêng theo độ quan trọng giảm dần (các vectơ riêng đầu tiên sẽ
có giá trị riêng lớn nhất). Sau đó, tùy thuộc vào mức giảm số chiều lựa chọn để loại trừ đi số vectơ riêng ít quan trọng hơn.
Khi thực nghiệm với chương trình, luận văn sẽ thực hiện việc đánh giá tất cả các phương pháp đã trình bày ở trên để tìm ra phương pháp tốt nhất với hệ thống nhận dạng này.