MỤC LỤC LỜI MỞ ĐẦU Hiện nay, với phát triển xã hội, vấn đề an ninh bảo mật yêu cầu khắt khe quốc gia giới Các hệ thống nhận dạng người đời với độ tin cậy ngày cao Một toán nhận dạng người quan tâm nhận dạng khuôn mặt Vì nhận dạng khuôn mặt cách mà người sử dụng để phân biệt Bên cạnh đó, ngày việc thu thập, xử lý thông tin qua ảnh để nhận biết đối tượng quan tâm ứng dụng rộng rãi Với phương pháp này, thu nhận nhiều thông tin từ đối tượng mà không cần tác động nhiều đến đối tượng nghiên cứu Sự phát triển khoa học máy tính tạo môi trường thuận lợi cho toán nhận dạng mặt người từ ảnh số Các hệ thống nhận dạng ngày có độ tin cậy cao xác Trong khuôn khổ đồ án này, chúng em tiếp tục giải toán nhận dạng mặt người thời gian thực Trong đối tượng thu thập thành file liệu chuyển trung tâm Tại đó, số liệu phân tích xử lý Trong phần chúng em giải toán nhận dạng thông thường, phần hai phần nhận dạng giới tính Chương I Giới thiệu chung phương pháp nhận dạng mặt người đặc trưng phương pháp nhận dạng mặt người thuật toán PCA Các phương pháp nhận dạng mặt người a Phân loại phương pháp nhận dạng  Nhận dạng dựa đặc trưng phần tử khuôn mặt (Feature based face recognition)  Nhận dạng dựa xét tổng thể khuôn mặt (Appearance based face recognition) Ngoài có số loại nhận dạng sử dụng mô hình khuôn mặt, số phương pháp dùng cho loại này:  Nhận dạng 2D: Elastic Bunch Graph, Active Appearance Model  Nhận dạng 3D: 3D Morphable Model b Nhận dạng dựa mối quan hệ phần tử Đây phương pháp nhận dạng khuôn mặt dựa việc xác định đặc trưng hình học chi tiết khuôn mặt (như vị trí, diện tích, hình dạng mắt, mũi, miệng,…), mối quan hệ chúng (như khoảng cách hai mắt, khoảng cách hai lông mày,…) Ưu điểm phương pháp gần với cách mà người sử dụng để nhận biết khuôn mặt Hơn với việc xác định đặc tính mối quan hệ, phương pháp cho kết tốt trường hợp ảnh có nhiều nhiễu bị nghiêng, bị xoay ánh sáng thay đổi Nhược điểm phương pháp cài đặt thuật toán phức tạp việc xác định mối quan hệ đặc tính đòi hỏi thuật toán phức tạp Mặt khác, với ảnh kích thước bé đặc tính khó phân biệt c Nhận dạng dựa xét toàn diện khuôn mặt Nội dung hướng tiếp cận xem ảnh có kích thước RxC vector không gian RxC chiều Ta xây dựng không gian có chiều nhỏ cho biểu diễn không gian đặc điểm khuôn mặt không bị Trong không gian đó, ảnh người tập trung lại thành nhóm gần cách xa nhóm khác Hai phương pháp thường sử dụng PCA (Principle Components Analysis) LDA (Linear Discriminant Analysis) Trong khuôn khổ báo cáo này, chúng em sử dụng thuật toán PCA Thuật toán PCA a Giới thiệu chung thuật toán PCA (Principle Components Analysis) thuật toán để sử dụng để tạo ảnh từ ảnh ban đầu Ảnh có kích thước nhỏ nhiều so với ảnh đầu vào mang đặc trưng ảnh cần nhận dạng PCA không cần quan tâm đến việc tìm đặc điểm cụ thể thực thể cần nhận dạng mối quan hệ đặc điểm Tất chi tiết thể ảnh tạo từ PCA Về chất, PCA tìm không gian theo hướng biến thiên mạnh tập hợp vector không gian cho trước Trong không gian mới, người ta hy vọng việc phân loại mang lại kết tốt so với không gian ban đầu 70.00 60.00 50.00 x2 40.00 30.00 20.00 10.00 0.00 0.00 50.00 100.00 150.00 200.00 250.00 x1 70.00 60.00 p2 50.00 x2 40.00 p1 30.00 20.00 10.00 0.00 0.00 50.00 100.00 x1 150.00 200.00 250.00  Không gian (p1,p2) theo hướng phân bố mạnh vector không gian (x1,x2) tìm theo PCA b Ưu điểm phương pháp PCA Tìm đặc tính tiêu biểu đối tượng cần nhận dạng mà không cần phải  xác định thành phần mối quan hệ thành phần Thuật toán thức tốt với ảnh có độ phân giải cao, PCA thu gọn ảnh thành ảnh có kích thước nhỏ  PCA kết hợp với phương pháp khác mạng Noron, Support Vector  Machine … để mang lại hiệu nhận dạng cao c Nhược điểm PCA PCA phân loại theo chiều phân bố lớn tập vector Tuy nhiên, chiều phân bố lớn lúc mang lại hiệu tốt cho toán nhận  dạng Đây nhược điểm PCA PCA nhạy với nhiễu Chương II Trình bày phương pháp Mô tả Việc nhận dạng khuôn mặt vấn đề phổ biến nhiều lĩnh vực toàn giới điện tử, robot,… đặc biệt lĩnh vực khoa học máy tính Nhận diện khuôn mặt thời gian thực sử dụng C# EmguCV EmguCV đa tảng Net wrapper cho thư viện xử lý hình ảnh Intel OpenCV Nó cho phép chức OpenCV gọi từ ngôn ngữ C#, VB, VC++, IronPython Mục đích thực nhận diện khuôn mặt thời gian thực sử dụng phân tính thành phần (PCA) với eigenface Các hàm xử lý Đầu tiên, khai báo tất giá trị, vecto haarcascades: Sau đó, tải Haarcascades để nhận diện khuôn mặt tạo thủ tục để tải gương mặt nhãn cho hình ảnh lưu trữ trước Tiếp tục, khởi tạo thiết bị chụp kiện FrameGrabber để thực việc phát hình ảnh cho khung hình bị bắt: Sử dụng DetectHaarCascade EigenObjectRecognizer để phát hoạt động khuôn mặt khung hình: Các tham số: haarObj: Phân tầng haar nội scaleFactor: yếu tố mà cửa sổ tìm kiếm thu nhỏ lượt quét tiếp theo, ví dụ, 1.1 nghĩa tăng cửa sổ 10% minNeighbors: Số tối thiểu (trừ 1) hình chữ nhật láng giềng tạo nên đối tượng Tất nhóm số lượng hình chữ nhật nhỏ min_neighbors-1 bị từ chối Nếu min_neighbors 0, nhóm trả tất hình chữ nhật phát hiện, điều hữu ích người dùng áp dụng vào thủ tục nhóm tùy chỉnh flag: Chế độ hoạt động Hiện cờ (flag) xác định CV_HAAR_DO_CANNY_PRUNING Nếu thiết lập, chức sử dụng việc phát cạnh Canny để từ chối số vùng ảnh chứa quá nhiều cạnh đó, chứa đối tượng tìm kiếm Các giá trị ngưỡng đặc biệt điểu chỉnh để nhận diện khuôn mặt trường hợp giảm bớt để tăng tốc độ xử lý minSize: Kích thước cửa sổ tối thiểu Kích thước mẫu phân loại đào tạo thiết lập mặc định (~20x20 cho nhận diện khuôn mặt) - Đào tạo Nguyên mẫu Với khung hình liên tục nhận diện khuôn mặt thêm khuôn mặt phát vào sở liệu hình ảnh với nhãn Hình ảnh khuôn mặt đào tạo hiển thị imageBoxFrameGrabber trình hoàn thành Ví dụ: Phần code cho nút Training: Cải thiện độ xác Các thuật toán nhận dạng khuôn mặt dựa PCA so sánh phù hợp khuôn mặt phát hình ảnh đào tạo lưu trữ sở liệu nhị phân Để có độ xác nên thêm số hình ảnh người góc độ, vị trí điệu kiện chiếu sáng khác - Các thông số mặc định như: scale_factor = 1.1, min_neighbors = 3, flag = - điều chỉnh cho xác phát đối tượng Thay đổi kích thước cho giá trị lớn Sửa đổi sau: Cải thiện hiệu suất cho CPU chậm Tất thuật toán xử lý hình ảnh đòi hỏi khả tính toán cao, trường hợp có hai lựa chọn để cải thiện hiệu suất cho CPU chậm - Đối với video hình ảnh thực cần thiết lập: scale_factor = 1.2, min_neighbors = 2, flag = CV_HAAR_DO_CANNY_PRUNING, MIN_SIZE = (ví dụ từ 1/4 đến 1/16 cho khu vực hình ảnh hội nghị truyền hình) Ngoài ra, bạn thay đổi tham số Minsize giá trị lớn: - Sử dụng “hình thu nhỏ” thay đổi kích thước hình ảnh chụp ban đầu: Ví dụ: Tương tự với nút Training: Chương III Đánh giá thuật toán Kết đạt - Đã xử lýđược yêu cầu toán nhận diện mặt người phương pháp - PCA (phân tích thành phần chính) thời gian thực qua camera Độ xác phát nhận dạng tương đối cao xác tập huấn luyện có nhiều góc độ ảnh, vị trí, cường độ sáng với - mẫu thử Trong chương trình có sử dụng mã nguồn mở EmguCVnên việc tương tác với thư viện dễ dàng độ xác cao Những hạn chế phương pháp lựa chọn - Khả nhận dạng bị hạn chế mẫu thử không làm giầu trước so - sánh dễ dẫn đến kết bị sai lệch Những đối tượng mà không huấn luyện không phát hạn - chế phương pháp Eigenface sử dụng chương trình Do sử dụng phương pháp PCA để nhận dạng mặt người nên mặt bị che góc nhỏ (trán mũi …) phương pháp nhận dạng [...]... Khả năng nhận dạng bị hạn chế nếu mẫu thử không được làm giầu trước khi so - sánh dễ dẫn đến kết quả bị sai lệch Những đối tượng mà không được huấn luyện sẽ không được phát hiện là một hạn - chế của phương pháp Eigenface sử dụng trong chương trình Do sử dụng phương pháp PCA để nhận dạng mặt người nên khi mặt bị che đi 1 góc rất nhỏ (trán hoặc mũi …) thì phương pháp này cũng không thể nhận dạng được... toán khi nhận diện được mặt người bằng phương pháp - PCA (phân tích thành phần chính) trong thời gian thực qua camera Độ chính xác khi phát hiện và nhận dạng tương đối cao và nó càng chính xác nếu như tập huấn luyện của chúng ta có nhiều góc độ ảnh, vị trí, cường độ sáng với - cùng một mẫu thử Trong chương trình có sử dụng mã nguồn mở của EmguCVnên việc tương tác với các thư viện được dễ dàng hơn và độ...Phần code cho nút Training: 3 Cải thiện độ chính xác Các thuật toán nhận dạng khuôn mặt dựa trên PCA sẽ so sánh sự phù hợp giữa khuôn mặt được phát hiện và những hình ảnh đào tạo lưu trữ trong cơ sở dữ liệu nhị phân Để có được độ chính xác thì nên thêm một số hình ảnh của cùng một người ở các góc độ, vị trí và điệu kiện chiếu sáng khác nhau - Các thông số mặc định như: scale_factor... như: scale_factor = 1.1, min_neighbors = 3, flag = 0 được - điều chỉnh cho chính xác phát hiện đối tượng Thay đổi kích thước cho một giá trị lớn Sửa đổi này như sau: 4 Cải thiện hiệu suất cho các CPU chậm Tất cả các thuật toán xử lý hình ảnh đòi hỏi khả năng tính toán cao, trong trường hợp này có hai lựa chọn để cải thiện hiệu suất cho các CPU chậm - Đối với các video hình ảnh thực cần thiết lập: scale_factor ... nhận dạng thông thường, phần hai phần nhận dạng giới tính Chương I Giới thiệu chung phương pháp nhận dạng mặt người đặc trưng phương pháp nhận dạng mặt người thuật toán PCA Các phương pháp nhận. .. phương pháp nhận dạng mặt người a Phân loại phương pháp nhận dạng  Nhận dạng dựa đặc trưng phần tử khuôn mặt (Feature based face recognition)  Nhận dạng dựa xét tổng thể khuôn mặt (Appearance... ĐẦU Hiện nay, với phát triển xã hội, vấn đề an ninh bảo mật yêu cầu khắt khe quốc gia giới Các hệ thống nhận dạng người đời với độ tin cậy ngày cao Một toán nhận dạng người quan tâm nhận dạng