Nhận dạng ảnh mặt người sử dụng mạng Nơron

Bài báo trình bày một phương pháp mới trong việc trích chọn đặc trưng kết hợp với mạng nơron để nhận dạng ảnh mặt người. Hệ thống thực hiện trích chọn các đặc trưng mặt người từ một ảnh theo ba phương pháp: phân tích thành phần chính (PCA), phân tách tuyến tính (LDA) và biến đổi hình thái.
Nội dung trích xuất từ tài liệu:
Nhận dạng ảnh mặt người sử dụng mạng NơronVõ Phúc NguyênTạp chí KHOA HỌC & CÔNG NGHỆ64(02): 53 - 57NHẬN DẠNG ẢNH MẶT NGƢỜI SỬ DỤNG MẠNG NƠRONVõ Phúc NguyênTrường Đại học Kỹ thuật Công nghiệp – ĐH Thái NguyênTÓM TẮTBài báo trình bày một phương pháp mới trong việc trích chọn đặc trưng kết hợp với mạng nơronđể nhận dạng ảnh mặt người. Hệ thống thực hiện trích chọn các đặc trưng mặt người từ một ảnhtheo ba phương pháp: phân tích thành phần chính (PCA), phân tách tuyến tính (LDA) và biến đổihình thái. Sau đó bài báo trình bày về mạng nơron với thuật toán học lan truyền ngược để phânloại giúp nhận dạng các đặc trưng đã trích chọn ở trên. Khi có yêu cầu nhận dạng, ảnh đầu vào sẽđược trích chọn đặc trưng, các đặc trưng sẽ được nhận dạng qua các mạng nơron đã huấn luyện.Tín hiệu ra của từng mạng riêng biệt sẽ được so sánh với nhau để đưa ra câu trả lời của hệ thống.Kết quả là, bằng việc kết hợp những đặc trưng mang tính chất thống kê và những đặc trưng mangtính hình thái, hệ thống đã đạt hiệu quả khá cao so với những hệ thống nhận dạng mặt người trướcđây. Đặc biệt, hệ thống nhận dạng khá tốt đối với những ảnh có nhiễu.Từ khóa: Nhận dạng ảnh mặt người, phân tích thành phần chính (PCA), phân tách tuyến tính(LDA), biến đổi hình thái, mạng nơron.*GIỚI THIỆUHiện nay, cùng với sự pháttriển như vũ bãocủa công nghệ thông tin nói chung và sự pháttriển trong lĩnh vực thị giác máy nói riêng,các hệ thống phát hiện và nhận dạng mặtngười đang ngày càng có nhiều ứng dụngtrong thực tế. Đặc biệt sau thảm họa ngày11/9, các chính phủ trên toàn thế giới đã bắtđầu chú ý hơn tới các mức an ninh ở sân bayvà biên giới. Ngân sách hằng năm của cácnước đã tăng lên nhiều cho các kỹ thuật hiệnđại để xác định, nhận dạng và lần theo các đốitượng nghi vấn. Nhu cầu tăng lên trong cácứng dụng này đã giúp các nhà khoa học cóthêm quỹ để phát triển các dự án nghiên cứu.Mặc dù việc nhận dạng mặt người không thểchính xác được như các phương pháp nhậndạng khác như nhận dạng vân tay, nhưng nóvẫn nhận được sự quan tâm lớn của các nhànghiên cứu trong lĩnh vực thị giác máy. Lý dochủ yếu là trên thực tế, mặt người vẫn là cáchtruyền thống để con người nhận ra nhau.*Một hệ thống nhận dạng mặt người điển hìnhbao gồm các thành phần chính như hình 1.ẢnhmặtngườiTríchchọnđặctrưngPhânloạimặtngườiNgườiđượcnhậndạngHình 1. Mô hình hệ thống nhận dạng mặt ngườiHiện nay, có hai hướng tiếp cận chính làm hạtnhân của các kỹ thuật phân tích đặc trưng mặtngười: hướng tiếp cận hình học và hướng tiếpcận hình ảnh [1].Hướng tiếp cận hình học: sử dụng việcánh xạ không gian các đặc trưng mặt người.Mặt người được phân loại theo khoảng cáchhình học, theo đường bao và theo các góc giữacác điểm.Hướng tiếp cận hình ảnh: bao gồm việcxây dựng các mẫu từ những đặc trưng mặtngười. Mẫu của các đặc trưng nổi bật, hoặcthậm chí là toàn khuôn mặt được thiết lập, việcnhận dạng được thực hiện bằng cách duyệt cáckhuôn mặt rồi tìm mặt nào khớp nhất với mẫu.Mặc dù các hệ thống nhận dạng mặt ngườihiện tại đã đạt được hiệu quả khá cao, tuynhiên chúng vẫn còn hạn chế là chỉ tập trungvào một hay một vài phương pháp trích chọnđặc trưng. Có hệ thống chỉ thực hiện nhậndạng dựa trên các đặc điểm về hình học củaTel: 091782974053Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyênhttp://www.Lrc-tnu.edu.vnVõ Phúc NguyênTạp chí KHOA HỌC & CÔNG NGHỆmặt người hoặc có hệ thống chỉ dựa trên cácđặc điểm thống kê.Trong bài báo này, việc trích chọn đặc trưngsẽ được thực hiện dựa trên những đặc điểmthống kê của khuôn mặt (cụ thể là phươngpháp phân tích thành phần chính – PCA vàphương pháp phân tách tuyến tính – LDA) vànhững đặc điểm về hình thái của khuôn mặt.Phần 2 trình bày các phương pháp trích chọnđặc trưng. Phần 3 trình bày về mạng noronvới thuật toán học lan truyền ngược lỗi, đượcdùng để phân loại ảnh. Phần 4 trình bày cụthể việc thiết kế hệ thống và đánh giá hiệuquả thực hiện. Cuối cùng là phần kết luận.TRÍCH CHỌN ĐẶC TRƢNGPhương pháp phân tích thành phần chínhÝ tưởng chính của phương pháp phân tích thànhphần chính (PCA – Principal ComponentAnalysis) là tìm các vector biểu diễn những sựphân bố đặc trưng nhất của các ảnh trong toànbộ không gian ảnh. Những vector này hìnhthành nên một không gian con của các ảnh đượcgọi là “không gian mặt người” [2, 3].Mỗi ảnh là một ma trận M×N các điểm ảnh,ma trận này được chuyển thành một vectorbằng cách xếp các cột điểm ảnh liên tiếpnhau. Như vậy, mỗi ảnh được coi là một điểmtrong không gian MN chiều. Các vector củatập ảnh huấn luyện được xếp thành một matrận. Từ ma trận này, ta sẽ tính được ma trậnhiệp phương sai của dữ liệu, là ma trận trongđó mỗi phần tử (i, j) là giá trị hiệp phương saigiữa chiều thứ i và chiều thứ j.Công việc tiếp theo là tính các giá trị riêng vàvector riêng của ma trận hiệp phương sai. Cácvector riêng chính là các thành phần đặc trưngcho sự phân bố của tập dữ liệu. Cuối cùng ...