1. Trang chủ
  2. Luận Văn - Báo Cáo

TÌM HIỂU PHƯƠNG PHÁP PCA NHẬN DẠNG KHUÔN MẶT.ỨNG DỤNG MATLAB

27 2K 28
TÌM HIỂU PHƯƠNG PHÁP PCA NHẬN DẠNG KHUÔN MẶT.ỨNG DỤNG MATLAB

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Trong thế giới ngày nay với sự phát triển mạnh mẽ của kỹ thuật số và mạng toàn cầu, vấn đề đảm bảo an toàn về thông tin cũng như vật chất trở nên ngày càng quan trọng và khó khăn.

BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM   BÁO CÁO BÀI TẬP LỚN PHÝÕNG PHÁP TÍNH TOÁN MỀM ÐỀ TÀI: TÌM HIỂU PHƯƠNG PHÁP PCA NHẬN DẠNG KHUÔN MẶT.ỨNG DỤNG MATLAB Giảng viên:  Thực hiện:  !"#$%&' ()*(+, &-.(/ '()*(012 3()*() 4()*567 895:1; Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 1 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM Mục Lục 1. Phép biến đổi Karhunen-Loève: 7 2. Thuật toán PCA: 11 2.1. Giới thiệu chung về thuật toán : .11 2.2. Nội dung thuật toán PCA: 13 3. Áp dụng PCA trong bài toán nhận dạng khuôn mặt : .15 3.1. Giới thiệu chung về các phương pháp nhận dạng mặt người: .15 3.2. Nhận dạng khuôn mặt dựa trên PCA: 16 3.3 Các hàm hiển thị ảnh trong Matlab 18 3.4 Các hàm khác được sử dụng trong đề tài .19 4. Chương trình Demo: 21 Tài liệu tham khảo 26 Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 2 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM Bài Toán Nhận Dạng Mặt Ng ườ i ----- oOo----- 2.1. Giới thiệu :$))<$=>?@ABC(DE< (F<0GHGIJI<H;<D0KL)M( <BB6NIOPQG:R<SG>TU7 VSFGD>W<>E>)7)A2M($F 7A2 !!(GPPEGXJY0>K%C<6 ZZ[V><S PD<\/DL+Q]Q(QF ZZZ,^4_GE><S> )FJGXP`VSRBQK2JIM(>a()D<> E<B?>bP$RE)B=M()H() DAcVSV=<dOPeNV=<dO ae>B>FcVS(0EBGf G`JI/FNPRaGKR(Eg /V/FaB>FDXFEU7VSfL]hR) <DVS)B7GfN7\>=GE<$c VSF<:(OJYG>T)WaBUM()H() DFcVSVRP()2AOJ0gPO(E)F RGGXW<\>=V=<dJI0eAi> /)V=LPj<=G`Psinh trắc học?>Jk TPR2>=GW\>=)DV>/ V=<>đặc trưng sinh lý học AGGfG?</)F2fF QFlfV=LRGfG?PLM(G:đặc trưng hành vi VR <:F>h7Fl5aREDVJkTc VSALB:M(I7\><GfJP0BJY I >GfPmPV()0K-<0:B)GnF BGGf<?)GnJ0V>):(E/Pm6 oFp)JD7<aPmV)F>EDVV=LGf PmpnGY2>EV=<Gf<()LF DVJk>Gf<(G?PV*cVS<(D2q )<aIGfT$>)M(WGc)P0)>(Fc VS@I0)I>2BG`)L((BmL)< Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 3 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM DV2fPE7>2>DVV=<Gf PmB:M(I7\>G90(DBcVS2RF E>GfPmF2fA-P):(EG(L<M( 0 <DJ:Pr(;J?(G I\OI6 D V(<BI6DJ:2fLAD G>BOBI6D2fAR aGXfFGX:(ENJk>a>M(FD7 (H(6Bf;R=)GnL2fV(n>FI \OFSF(Fl1GF<Lg(>Gf7A2f GX ( O 0 H(  : F  B  M( H( : BsF  G  I tPQ<1u^ _ 7<aRPmVLFiR6 Zv!FDVfGX(O= M(/AH(Lg(>Pj<=JIDF/PmF\cPm I<Y>>)7))>2a>)7<HDVf GXaG`RgVS=:^'_q w Nhận dạng tội phạm >EDVfGXG`7`<>E B?> /J)<G`cVSG?a B:<DVRL BAJE)JJ(J>(m w Kiểm soát truy cập vào các hệ thống máy tính trong môi trường cộng tác 5B?G6D<>E>)bG`B:`R DX<xfDVfyH()OP< BI0)JYEJ>AS()DgG9<r GIJIG`GD)GE<$B><>J7D BV w Giải pháp bảo mật bổ sung cho các giao dịch rút tiền tự động (ATM) 5()D<>>)OH =G<>VY<SB>A/ G`B?>JK>E7VS(PIN)FF zTB:`<$DV2f Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 4 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM w Đối sánh ảnh căn cước trong hoạt động của ngành luật pháp >2M(P(D>?cVS>EDVfG? GE>RIA>/g<$RLG`P( R2KVRP( w Ứng dụng trong các giao tiếp người – máy {(B\>GYG`cVS<I\OAG?GF >E>)7?>g\c7` 2)$LO@G?M(E2>GXG`c VSPj<=DVf{(BGaL(J?( EDVf<JP(D<HEBB6JM(> aDVFO@D(<GO7Gf</P$ <$2>qphân tích thành phần chính (Principle Components Analysis – PCA) và mạng lượng hoá vector (Learning Vector Quantization Network – LVQ) Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 5 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 6 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM 1. Phép biến đổi Karhunen-Loève : >WJ:Gn(Q|#}<Q+#,PLM(<$>I70(OVRP( M(E():7B:`A>J:~EbtFWJ:Gn# ;P>E(V=>V|H(G?G?IG?H(EAV= >+gPnABI>Ja2+{{1,,PE?(+•(B(F ZZ!, D {x 1 Fx 2 FFx n } PDVRP(BVH(F<.PG9<YDV\VF jP.€+\ • , \V <$\ • P>Y•/A\   x i ( i = F&FΚF,P<QVH(O??YBP-JkW7n <Q():7GPD >DV‚V2Kφ <OJ:L?kRφ ag J=FjPq Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 7 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM 5a<D)FƒNG2IPJ:Gn=A.φ • G`P<Q2g•7 6<) • Pg•Ar(\  B76)y?IJ$ H(FON+„V,76<Q2?GO.E.0\N? G`(G`Jk>):>A)•<$k$ Y+ Fm,PD\G`JkG(LAƒFjPƒ(1,) = +) • , \  <Dn×+m−d,<$+F•,DiJ F…•  0nM(>FOIGYkN>G(LA- ) • G`7>{(GF>P-A>B:M(IP\0\N Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 8 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 9 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 10 [...]... riêng μi 3 Áp dụng PCA trong bài toán nhận dạng khuôn mặt : 3.1 Giới thiệu chung về các phương pháp nhận dạng mặt người: a Các phương pháp nhận dạng khuôn mặt người : Các phương pháp nhận dạng hiện nay có 2 loại :  Nhận dạng dựa trên các đặc trưng phần tử trên khuôn mặt (Feature based face recognition)  Nhận dạng dựa trên xét tổng thể khuôn mặt (Apppearance base face recognition ) b Nhận dạng dựa trên... là phương pháp nhận dạng khuôn mặt dựa trên việc xác định các đặc trưng hình học của các chi tiết trên khuôn mặt ( như vị trí, diện tích, hình dạng của mắt, mũi, miệng ), và mối quan hệ giữa chúng (như khoảng cách 2 mắt, khoảng cách 2 lông mày…) Ưu điểm của phương pháp này là nó gần với cách mà con người sử dụng để nhận biết khuông mặt Hơn nữa, với việc xác định đặc tính và mối quan hệ, phương pháp. .. vector trong không gian (x1, x2) tìm theo PCA Ưu điểm của phương pháp PCA :  Tìm được các đặc tính tiêu biểu của đối tượng cần nhận dạng mà không cần phải xác định các thành phần và mối quan hệ giữa các thành phần đó  Thuật toán có thể thực hiện tốt với các cảnh có độ phân giải cao, do PCA sẽ thu gọn ảnh thành một ảnh có kích thước nhỏ hơn  PCA có thể kết hợp với các phương pháp khác như mạng Nơron, Support... một khuôn mặt Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 15 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM không bị mất đi Trong không gian đó, các ảnh của cùng một người sẽ được tập trung lại thành một nhóm gần nhau và cách xa các nhóm khác Thuật toán PCA ( Principle Components Analysis) thuộc nhóm này 3.2 Nhận dạng khuôn mặt dựa trên PCA: Kohonen đã đưa ra phương pháp dùng vector riêng để nhận dạng. .. lại hiệu quả nhận dạng cao hơn Nhược điểm của PCA :  PCA phân loại theo chiều lớn nhất của tập vector Tuy nhiên, chiều phân bố lớn nhất không phải lúc nào cũng mang lại hiệu quả tốt nhất cho bài toán nhận dạng Đây là nhược điểm cơ bản của PCAPCA rất nhạy với nhiễu Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 12 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM 2.2 Nội dung thuật toán PCA: Không gian... TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM 2 Thuật toán PCA: 2.1 Giới thiệu chung về thuật toán : PCA (Principle Components Analysic) là một thuật toán được sử dụng để tạo ra một ảnh mới từ ảnh ban đầu Ảnh mới này có kích thước nhỏ hơn nhiều so với ảnh ban đầu nhưng vẫn mang những đặc trưng cơ bản nhất của ảnh cần nhận dạng PCA không cần quan tâm đến việc tìm ra các đặc điểm cụ thể của thực thể cần nhận dạng và... Nhóm 5 – KHMT2K3 – Đại học Công nghiệp Hà Nội 20 BÁO CÁO BÀI TẬP LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM 4 Chương trình Demo: Hình 4.0: Sơ đồ khối tổng quát của chương trình Chương trình mô phỏng nhận dạng khuôn mặt sử dụng phương pháp PCA được viết trên matlab và thiết kế trên giao diện người dùng GUI Để mở chương trình bạn khởi động chương trình Matlab Ta chỉ đường dẫn Nhom5\ChuongTrinh\DemoGUI sau đó mở file... địa phương của bản đồ này Có nhiều nghiên cứu về xác định khuôn mặt, nhận dạng, và trích đặc trưng từ ý tưởng vector riêng, phân rã, và gom nhóm Sau đó Kim phát triển cho ảnh màu, bằng cách phân đoạn ảnh để tìm ứng để không gian tìm kiếm bớt đi Bước đầu tiên trong nhận dạng khuôn mặt dựa trên PCA là trích chọn vector đặc tính Một bức ảnh về khuôn mặt được coi như một vector, nếu bức ảnh có kích thước... LỚN PHƯƠNG PHÁP TÍNH TOÁN MỀM vi = uit Φi Ω=[v1, v2,… ,vM]T Trong đó, vi = uit Φi là vector đặc tính của ảnh thứ I trong không gian mới Ω ở đây là tập các eigenface, các thành phần cơ bản cho bức ảnh cần nhận dạng Sau khi trích chọn được các vector đặc tính, cần đối chiếu vector này với cơ sở dữ liệu, từ đó đưa ra kết quả nhận dạng Trong bài toán, kết quả nhận dạng sẽ là nhận biết được hoặc chưa nhận. .. riêng của ma trận hiệp phương sai được tính từ các ảnh khuôn mặt đã vector hóa trong tập huấn luyện Nếu cho 100 ảnh, mà mỗi khuôn mặt có kích thước 91x50 thì có thể chỉ dùng 50 ảnh riêng, trong khi vẫn duy trì được một khả năng giống nhau hợp lý (giữ được 95% tính chất) Turk và Pentland áp dụng PCA để xác định và nhận dạng khuôn mặt Tương tự, dùng PCA trên tập huấn luyện ảnh các khuôn mặt để sinh các

Ngày đăng: 26/04/2013, 15:43

Xem thêm: TÌM HIỂU PHƯƠNG PHÁP PCA NHẬN DẠNG KHUÔN MẶT.ỨNG DỤNG MATLAB, TÌM HIỂU PHƯƠNG PHÁP PCA NHẬN DẠNG KHUÔN MẶT.ỨNG DỤNG MATLAB, Phép biến đổi Karhunen-Loève Thuật toán PCA: 1. Giới thiệu chung về thuật toán :, Nội dung thuật tốn PCA: Các phương pháp nhận dạng khn mặt người :, Nhận dạng dựa trên mối quan hệ giữa các phần tử : Nhận dạng khn mặt dựa trên xét tồn diện khn mặt : Nhận dạng khn mặt dựa trên PCA:

Từ khóa liên quan

Tài liệu cùng người dùng

Tài liệu liên quan