Luận Văn Nhận dạng người dựa vào thông tin khuôn mặt xuất hiện trên ảnh

LỜI MỞ ĐẦU
Trong những năm gần đây, các ứng dụng về trí tuệ nhân tạo ngày càng phát
triển và được đánh giá cao. Một lĩnh vực đang được quan tâm của trí tuệ
nhân tạo nhằm tạo ra các ứng dụng thông minh, có tính người đó là nhận
dạng. Đối tượng cho việc nghiên cứu nhận dạng cũng rất phong phú và đa
dạng. Trong đề tài này chúng tôi chọn đối tượng là khuôn mặt.
Khuôn mặt đóng vai trò quan trọng trong quá trình giao tiếp giữa người với
người, và cũng mang một lượng thông tin giàu có, chẳng hạn có thể xác định giới
tính, tuổi tác, trạng thái cảm xúc của người đó, . hơn nữa khảo sát chuyển động
của các đường nét trên khuôn mặt có thể biết được người đó muốn nói gì. Do đó,
nhận dạng khuôn mặt là điều quan trọng và cần thiết trong xã hôi loài người. Đó
là lý do chúng tôi chọn đề tài :
“NHẬN DẠNG NGƯỜI DỰA VÀO THÔNG TIN KHUÔN MẶT
XUẤT HIỆN TRÊN ÁNH”
Để có hệ thống nhận dạng khuôn mặt với chất lượng tốt, chúng tôi đã tiếp
cận bằng hai mô hình xử lý được đánh giá là mạnh trong lĩnh vực trí tuệ nhân tạo,
đó là mô hình phân cách với thuật toán SVM và mô hình thống kê với thuật toán
HMM làm công cụ xử lý chính cho việc nhận dạng người dựa vào thông tin
khuôn mặt trên ảnh.
Đề tài được tổ chức thành chín chương với nội dung :
— Chương 1: Phát biểu bài toán nhận dạng người dựa vào thông tin khuôn mặt
xuất hiện trên ảnh.
— Chương 2: Mô tả dữ liệu.
— Chương 3: Dò tìm khuôn mặt.
— Chương 4: Rút trích đặc trưng từ khuôn mặt.
— Chương 5: Phương pháp SVM và ứng dụng nhận dạng khuôn mặt.
— Chương 6: Phương pháp Mô hình Makov ẩn và ứng dụng nhận dạng khuôn
mặt.
— Chương 7: Thiết kế chương trình và hướng dẫn sử dụng.
— Chương 8: Thực nghiệm và kết qủa.
— Chương 9: Nhận xét và hướng phát triển.

MỤC LỤC
Chương 1 PHÁT BIỂU BÀI TOÁN NHẬN DẠNG NGƯỜI DỰA VÀO
THÔNG TIN KHUÔN MẶT XUẤT HIỆN TRÊN ẢNH 1
1.1 Tổng quan và các khái niệm liên quan đến nhận dạng khuôn mặt 2
1.1.1 Hệ thống sinh trắc học . 2
1.1.2 Hệ thống nhận dạng khuôn mặt 2
1.1.3 Hệ thống xác minh hay xác thực khuôn mặt là gì? .2
1.1.4 Những thách thức trong bài toán nhận dạng khuôn mặt .3
1.2 Tổng quan về các ứng dụng tương tác người máy (Human computer
interactive) liên quan đến khuôn mặt . .4
1.3 Các hướng tiếp cận chính trong lĩnh vực nhận dạng khuôn mặt .7
1.3.1 Các công trình nghiên cứu về phương pháp nhận dạng và kiểm chứng
chất lượng cho một hệ thống nhận dạng khuôn mặt 7
1.3.2 Hướng tiếp cận được thử nghiệm trong luận văn 10
Chương 2 MÔ TẢ DỮ LIỆU .11
2.1 Thu thập dữ liệu .12
2.2 Biểu diễn dữ liệu khuôn mặt trong máy tính .14
Chương 3 DÒ TÌM KHUÔN MẶT .15
3.1 Giới thiệu .16
3.1.1 Các thách thức trong việc dò tìm khuôn mặt 16
3.1.2 Tiếp cận theo khung nhìn kết hợp mạng nơron .18
3.1.3 Dò tìm khuôn mặt bằng phương pháp mạng neural 20
3.2 Chuẩn bị dữ liệu cho hệ thống dò tìm khuôn mặt 21
3.2.1 Giới thiệu . 21
3.2.2 Gán nhãn và canh biên các đặc trưng khuôn mặt 21
3.2.3 Tiền xử lý về độ sáng và độ tương phản trên tập mẫu học .25
3.3 Phương pháp dò tìm khuôn mặt thẳng . 27
3.3.1 Giới thiệu . 27
3.3.2 Huấn luyện dò tìm khuôn mặt . 28
3.3.2.1 Ảnh huấn luyện khuôn mặt . .30
3.3.2.2 Ảnh huấn luyện không phải khuôn mặt .30
3.3.2.3 Phương pháp huấn luyện chủ động .31
3.3.3 Phương pháp cải tiến chất lượng dò tìm khuôn mặt .34
3.3.3.1 Các Heuristic loại bỏ thông tin thừa 34
3.3.3.2 Hệ thống Mạng Kết Hợp .37
Chương 4 RÚT TRÍCH ĐẶC TRƯNG TỪ KHUÔN MẶT 39
4.1 Tiếp cận theo phương pháp phân tích thành phần chính (Principal
Component Analysis hay PCA) 40
4.1.1 Vector riêng, Trị riêng và sự chéo hoá của ma trận .40
4.1.2 Kì vọng và phương sai trong thống kê đa chiều .41
4.1.3 Kỹ thuật rút trích trích đặc trưng bằng phương pháp phân tích thành
phần chính 42
4.2 Tiếp cận theo phương pháp Biến đổi Cosine rời rạc .47
4.2.1 Ý nghĩa phép biến đổi DCT 47
4.2.2 Các khái niệm quan trọng .47
4.2.3 Kĩ thuật mã hoá hệ số DCT . 49
4.2.4 Quét Zigzag .53
Chương 5 SVM VÀ ỨNG DỤNG NHẬN DẠNG KHUÔN MẶT 54
5.1 Cở sở lý thuyết của SVM . 55
5.1.1 Các khái niệm nền tảng .55
5.1.1.1 Đường bao tổng quát cho một hệ máy học 55
5.1.1.2 Chiều VC (VC-dimension) 56
5.1.1.3 Phân hoạch tập dữ liệu bằng các siêu mặt có hướng .56
5.1.1.4 Cực tiểu đường bao lỗi trên cơ sở cực tiểu chiều VC .57
5.1.1.5 Cực tiểu hoá lỗi theo cấu trúc (SRM) 5 8
5.1.2 SVM tuyến tính .58
5.1.2.1 Trường hợp dữ liệu có thể phân cách được .58
5.1.2.2 Điều kiện tối ưu Karush-Kuhn-Tucker 61
5.1.2.3 Trường hợp dữ liệu không thể phân cách được .61
5.1.3 SVM phi tuyến 64
5.1.4 Chiều VC của SVM . 68
5.1.5 Hạn chế của phương pháp SVM .68
5.2 Nhận dạng khuôn mặt người với SVM . .69
5.2.1 Nhận dạng đa lớp dùng SVM với cây nhị phân 69
5.2.2 Nhận dạng khuôn mặt dùng SVM . 71
5.2.2.1 Giai đoạn huấn luyện hệ thống . .71
5.2.2.1.1 Huấn luyện SVM cho bài toán nhận dạng khuôn mặt .71
5.2.2.1.2 Vector hoá tập mẫu khuôn mặt thô .72
5.2.2.1.3 Rút trích đặc trưng khuôn mặt .73
5.2.2.1.4 Tạo các bộ phân loại nhị phân .75
5.2.2.1.5 Huấn luyện cho mỗi bộ phân loại nhị phân từ các tập mẫu
nhị phân hoá hai lớp khuôn mặt với nhau .76
5.2.2.1.6 Khởi tạo Kiến trúc cây nhị phân .87
5.2.2.2 Giai đoạn nhận dạng khuôn mặt . .87
5.2.2.2.1 Nhận dạng khuôn mặt dùng SVM 87
5.2.2.2.2 Kỹ thuật nhận dạng khuôn mặt SVM 87
5.2.2.2.2.1 Vector hoá tập mẫu khuôn mặt thô .87
5.2.2.2.2.2 Rút trích đặc trưng khuôn mặt 87
5.2.2.2.2.3 Đưa mẫu thử nghiệm khuôn mặt x vào cấu trúc nhị
phân và thực hiện đối sánh trên từng mô hình nhị phân SVMs 87
5.2.2.2.3 Mô phỏng quá trình nhận dạng khuôn mặt 90
5.2.3 Nhận xét và hướng Phát triển tương lai . 92
5.2.3.1 Ưu điểm .92
5.2.3.2 Khuyết điểm và hạn chế 93
5.2.3.3 Những đề xuất và cải tiến 93
5.2.3.3.1 Về mặt thuật Toán học 93
5.2.3.3.2 Về mặt chương trình ứng dụng 94
Chương 6 MÔ HÌNH MAKOV ẨN VÀ ỨNG DỤNG NHẬN DẠNG
KHUÔN MẶT .95
6.1 Giới thiệu mô hình Makov ẩn 96
6.1.1 Mô hình Markov 96
6.1.2 Mô hình Markov ẩn .97
6.1.2.1 Xác suất của chuỗi quan sát .98
6.1.2.1.1 Thủ tục tiến 99
6.1.2.1.2 Thủ tục lùi 100
6.1.2.2 Dãy trạng thái tối ưu . .101
6.1.2.3 Hiệu chỉnh các tham số của mô hình .10 3
6.2 ỨNG DỤNG MÔ HÌNH MARKOV ẨN NHẬN DẠNG KHUÔN MẶT
NGƯỜI 104
6.2.1 Ý tưởng 104
6.2.2 Nhận dạng khuôn mặt bằng mô hình Markov ẩn 105
6.2.2.1 Giai đoạn huấn luyện hệ thống . .105
6.2.2.1.1 Ảnh khuôn mặt huấn luyện 105
6.2.2.1.2 Biểu diễn dữ liệu khuôn mặt theo mô hình Makov .106
6.2.2.1.3 Kỹ thuật trích đặc trưng trên mẫu khuôn mặt 109
6.2.2.1.4 Huấn luyện HMM 112
6.2.2.1.5 Đồ thị biểu diễn tác vụ học qua các vòng lặp và cực đại xác
suất ước lượng mô hình từ dữ liệu quan sát. .113
6.2.2.2 Giai đoạn nhận dạng khuôn mặt . .131
6.2.3 Nhận xét và hướng Phát triển tương lai . 131
6.2.3.1 Ưu điểm .131
6.2.3.2 Khuyết điểm 132
Chương 7 THIẾT KẾ CHƯƠNG TRÌNH VÀ HƯỚNG DẪN SỬ DỤNG 133
7.1 Giới thiệu .1 34
7.2 Thiết kế và cài đặt chương trình 134
7.3 Giao diện màn hình và hướng dẫn sử dụng .135
Chương 8 THỰC NGHIỆM VÀ KẾT QUẢ . 140
8.1 Dữ liệu và phương pháp thử nghiệm nhận dạng khuôn mặt .141
8.2 Kết quả Kết quả theo tiếp cận HMM . 143
8.2.1 Thực nghiệm trên từng bộ tham số .143
8.2.2 Nhận xét 148
8.3 Kết quả theo tiếp cận SVM . .148
8.3.1 Thực nghiệm trên từng bộ tham số .148
8.3.2 Nhận xét 155
8.4 So sánh kết quả HMM và SVM . 156
Chương 9 NHẬN XÉT VÀ HƯỚNG PHÁT TRIỂN .158
9.1 Thuận lợi . .159
9.2 Khó khăn . .160
9.3 Hướng Phát triển tương lai . 161
9.4 Tổng kết .163