NHẬN DẠNG KHUÔN MẶT NGƯỜI BẰNG MẠNG NƠRON VÀ PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH

Nhận dạng khuôn mặt hiện nay có rất nhiều hướng nghiên cứu nhằm nâng cao hiệu suất nhận dạng và tối ưu hóa hệ thống. Bài báo này nghiên cứu và phát triển hai hệ thống nhận dạng khuôn mặt đơn giản theo hai phương pháp đối sánh và mạng nơron cùng dựa trên đặc trưng PCA. Hệ thống được kiểm tra trên cơ sở dữ liệu ORL của AT&T. Kết quả thực nghiệm được phân tích để đánh giá hiệu suất nhận dạng và tính ổn định của hai hệ thống nhận dạng trong các điều kiện kiểm thử...
Nội dung trích xuất từ tài liệu:
NHẬN DẠNG KHUÔN MẶT NGƯỜI BẰNG MẠNG NƠRON VÀ PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH Tuyển tập Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 8 Đại học Đà Nẵng năm 2012NHẬN DẠNG KHUÔN MẶT NGƯỜI BẰNG MẠNG NƠRON VÀ PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH FACE RECOGNITION USING NEURAL NETWORK AND PRINCIPLE COMPONENT ANALYSIS SVTH: Từ Minh Hiển – Trần Thị Khánh Hòa Lớp 07ĐT3, Khoa Điện tử Viễn thông, Trường Đại học Bách khoa, Đại học Đà Nẵng GVHD: TS. Phạm Văn Tuấn Khoa Điện tử Viễn thông, Trường Đại học Bách khoa, Đại học Đà Nẵng TÓM TẮT Nhận dạng khuôn mặt hiện nay có rất nhiều hướng nghiên cứu nhằm nâng cao hiệu suấtnhận dạng và tối ưu hóa hệ thống. Bài báo này nghiên cứu và phát triển hai hệ thống nhận dạngkhuôn mặt đơn giản theo hai phương pháp đối sánh và mạng nơron cùng dựa trên đặc trưng PCA.Hệ thống được kiểm tra trên cơ sở dữ liệu ORL của AT&T. Kết quả thực nghiệm được phân tíchđể đánh giá hiệu suất nhận dạng và tính ổn định của hai hệ thống nhận dạng trong các điều kiệnkiểm thử khác nhau. Kết quả cũng chỉ ra hiệu suất vượt trội của mạng nơron so với phương phápđối sánh. ABSTRACT Face recognition nowadays has a lot of researchs to improve recognition performance andoptimise system. In this report,we research and develop two simple face recognition systems usingtemplate matching and neural network based on Principal Component Analysis PCA. The systemhas been tested on the ORL database of AT&T. The experimental results are analysed to evaluaterecognition performance and the stability of two systems in different conditions. The results havealso examined that the performance of neural network is superior to that of the template matching.1. Đặt vấn đề Nhận dạng khuôn mặt người là một công nghệ được ứng dụng rộng rãi trong đờisống hằng ngày của con người như các hệ thống giám sát, quản lý vào ra, tìm kiếm thôngtin một người nổi tiếng,…Có rất nhiều phương pháp nhận dạng khuôn mặt để nâng caohiệu suất tuy nhiên dù ít hay nhiều những phương pháp này đang vấp phải những thử tháchvề độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng của tham số môi trường. Có hai phương pháp nhận dạng phổ biến hiện nay là nhận dạng dựa trên đặc trưngcủa các phần tử trên khuôn mặt như biến đổi Gabor Wavelet và mạng Neural, SVM,…vànhận dạng dựa trên xét tổng thể toàn khuôn mặt như phương pháp PCA, LDA, LFA [1][2].Trong đó, PCA là phương pháp trích rút đặc trưng nhằm giảm số chiều của ảnh tuy đơngiản nhưng mang lại hiệu quả tốt. Nhận dạng khuôn mặt dùng PCA kết hợp với mạngnơron là phương pháp mang lại hiệu quả nhận dạng cao bởi nó phát huy được ưu điểm củaPCA và mạng nơron [3]. Hệ thống hoạt động ổn định và có tính thích nghi cao khi dữ liệuđầu vào thay đổi nhiều. Trong bài báo này, các phương pháp dựa trên PCA và mạng nơron được nghiêncứu và phát triển trong phần 2. Kết quả thực nghiệm được phân tích trong phần 3. Phầncuối cùng trình bày kết luận và hướng phát triển của đề tài. Tuyển tập Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 8 Đại học Đà Nẵng năm 20122. Xây dựng hệ thống nhận dạng khuôn mặt2.1.Hệ thống nhận khuôn mặt Hình 1 mô tả các bước nhận dạng khuôn mặt cơbản trong một hệ thống [2].2.1.1. Tiền xử lý Quá trình tiền xử lý đối với khuôn mặt nhằmnâng cao chất lượng ảnh, chuẩn hóa dữ liệu, kích thướcảnh. Các ảnh trong nghiên cứu này là có chất lượngtương đối tốt nên ta không cần dùng các thuật toán nângcao chất lượng ảnh mà ta chỉ cần chuẩn hóa ảnh(normalize image) [4]. Việc chuẩn hóa này khiến độ lệchgiữa 2 điểm ảnh được giảm xuống làm quá trình rút đặc Hình 1. Hệ thống nhận dạngtrưng thêm chính xác. khuôn mặt cơ bản2.1.2. Trích rút đặc trưng Trích rút đặc trưng là kỹ thuật sử dụng các thuật toán đểHHHhh lấy ra những thông tin mang những đặc điểm riêng biệt Tập ảnh học của một người. Trong bài báo này ta sử dụng phương Chuẩn hóa ma trận ảnh pháp PCA [5] được thực hiện theo các bước : *Tạo một tập S gồm M ảnh (ảnh học). Mỗi ảnh có kích Trung bình các ảnh Khối trích chọn ...