ĐẶC TRƯNG SURF TRONG NHẬN DẠNG MẶT NGƯỜI VÀ ỨNG DỤNG TRONG PHẦN MỀM HỖ TRỢ AN NINH SIÊU THỊ

LUẬN VĂN TỐT NGHIỆP

ĐỀ TÀI: ĐẶC TRƯNG SURF TRONG
NHẬN DẠNG MẶT NGƯỜI VÀ ỨNG
DỤNG TRONG PHẦN MỀM HỖ TRỢ AN
NINH SIÊU THỊ.

Giảng viên hướng dẫn:Lê Hoàng Thái
Học viên thực hiện: Trần Tiến Lợi


1.Giới thiệu chung
Ngày nay, nhận dạng khuôn mặt được ứng dụng rộng rãi trong nhiều lĩnh vực của đời
sống như: an ninh, thương mại,... có nhiều phương pháp nhận dạng khác nhau. Tuy
nhiên, để nhận dạng được một người trong thế giới thực là vô cùng
khó khăn, bởi vì để nhận dạng được ta phải xây dựng được tập cơ sở dữ liệu đủ lớn
và việc xử lý dữ liệu lớn này đòi hỏi phải nhanh và chính xác. Nhiệm vụ đặt ra là
nghiên cứu và xây dựng một chương trình sử dụng phương pháp nhận dạng có độ
chính xác cao mà khối lượng và thời gian tính toán lại ít.
Trong luận văn tốt nghiệp này, luận văn tập chung tìm hiểu các vấn đề sau
đây:
- Tạo cơ sở dữ liệu ảnh khuôn mặt.
- Phát hiện khuôn mặt từ các frame trong Video hoặc Camera.
- Thực hiện so khớp khuôn mặt mới phát hiện được trên frame trong
Video với cơ sở dữ liệu ảnh mặt người. Nhằm hướng đến, xác định nhanh chóng
định danh và ảnh sự kiện của đối tượng.


2. Một số ứng dụng của bài toán nhận dạng trong thực
tế.
- Hệ thống thanh toán bằng phương thức nhận dạng khuôn mặt đầu tiên trên

thế giới được Công ty Uniqul, Phần Lan chính thức công bố vào 7/2013.
- An ninh sân bay, xuất nhập cảnh (Hiện cơ quan an ninh mỹ đang áp dụng).Dùng
camera quan sát để xác thực người nhập cảnh và kiểm tra người đấy có phải là tội
phạm không hay phần tử khủng bố.
- Tìm kiếm và tổ chức dữ liệu liên quan đến con người thông qua khuôn mặt người
trên nhiều hệ cơ sở dữ liệu thật lớn, như internet, các hãng truyền hình.
Ví dụ: Tìm các trận đá bóng có Ronaldo đá, ..
- Các Hãng Canon, Sony… đưa ra dòng sản phẩm máy chụp hình thế hệ mới có
chức năng nhận diện khuôn mặt, để cho kết quả hình ảnh đẹp hơn, nhất là khuôn
mặt người.……


3. Mô hình bài toán


4. Tóm tắt nội dung thực hiện
Nội dung thực hiện
Tìm hiểu các khái niệm cơ bản về video và camera số.
Tìm hiểu về ngôn ngữ lập trình Microsoft visual C++2008, thư viện OpenCV 2.4.4.
Tìm hiểu kỷ thuật SURF, các bước xử lý và ưu điểm của SURF.
Tìm hiểu cấu trúc dữ liệu và đặc tả đầu vào, đầu ra các hàm thư viện trong OpenCV
2.2.4, hỗ trợ rút trích đặc trưng SURF. Áp dụng các hàm này cho rút trích đặc trưng
mặt người.
- Tạo cơ sở dữ liệu ảnh khuôn mặt các đối tượng có vết.
- Phát hiện khuôn mặt từ các frame trong Video hoặc Camera.
- Thực hiện so khớp khuôn mặt mới phát hiện được trên frame trong Video với cơ sở
dữ liệu ảnh mặt người. Nhằm hướng đến, xác định nhanh chóng định danh và ảnh
sự kiện của đối tượng.

5. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Kết luận
- Luận văn đã tìm hiểu và trình bày chi tiết phương pháp dò và phát hiện mặt người, rút trích đặc trưng
khuôn mặt trong video và thực nghiệm trên tập dữ liệu
- file ảnh và file video được lấy từ nhiều nguồn khác nhau trên Internet.
- Sau đây là kết quả, Luận văn đã hoàn thành được :
- Tạo cơ sở dữ liệu ảnh khuôn mặt (mỗi người 4→8).
- Phát hiện được các khuôn mặt trong video bằng thư viện OpenCV 2.2.4. Thư viện OpenCV 2.2.4 phát hiện rất
tốt trường hợp khuôn mặt trực diện, chưa phát hiện được khuôn mặt ở các hướng nghiên trên 20 0. Với kết quả thực
nghiệm độ chính xác 80%.
- Dùng đặc trưng SURF, trích chọn đặc trưng khuôn mặt mới phát hiện trong video và so khớp với cơ sở dữ liệu
ảnh khuôn mặt. Để xác định, nhanh chóng ảnh sự kiện và định danh của đối tượng.

Hạn chế
- Luận văn vẫn còn có một số hạn chế cần phải được khắc phục như:
-Tốc độ xử lý của chương trình còn chậm với các video có độ phân giải cao.
- Phát hiện khuôn mặt có thể bị sai trong trường hợp một số đối tượng có hình dáng gần giống với khuôn mặt
người, chưa phát hiện được khuôn mặt ở các hướng nghiên trên 200.
-Chưa nhận dạng tốt các gương mặt có biểu lộ cảm xúc quá đặc biệt.
- Cơ sở dữ liệu thử nghiệm còn ít.


5. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN


5.3 Hướng phát triển





Thử nghiệm trên cơ sở dữ liệu thực tế của siêu thị.
Xây dựng được thuật toán cải thiện chất lượng của video như loại trừ nhiễu…
Cải tiến giải thuật phát hiện được các khuôn mặt ở các hướng nghiên trên 20 0.
Bổ xung thêm các chức năng khác để chương trình được hoàn thiện hơn.


Tài liệu tham khảo
Tiếng việt
[1] Trần Phước Long, Nguyễn Văn Lượng, “Nhận dạng mặt người bằng thông tin
khuôn mặt xuất hiện trên ảnh”, Luận văn cử nhân tin học Khoa công nghệ thông tin,
ĐH KHTN TP HCM, 2003.
[2] Lu Buon Vinh, Hoàng Phương Anh, “Nghiên cứu và xây dựng hệ thống nhận
dạng mặt người dựa trên FSVM và Adaboost”, Luận văn cử nhân tin học. Khoa công
nghệ thông tin, ĐH KHTN TP HCM, 2004.
[3] Lê Hoàng Thái, Nguyễn Thúy Hằng, Lê Minh Trí, “Đề xuất phương pháp trích
chọn đặc trưng mới cho bài toán nhận dạng mặt người”, Hội thảo Công nghệ thông
tin quốc gia lần thứ IX, Đà Lạt, 15 – 17 tháng 06, 2006.
[4] Vũ Mạnh Hùng, ”nhận dạng mặt người sử dụng đặc trưng PCA”. Luận Văn Thạc
sỹ, Học Viện Bưu Chính viễn Thông Hà Nội, 2013.
[5] Trần Minh Triết, bài giảng “ các thao tác với OpenCV”, ĐH KHTN TP-HCM.


Tiếng Anh
[6] Brown M. and Lowe D.G 2002, Invariant features from interest point groups, In
The 13th British Machine Vision Conference, Cardiff University, UK.
[7] Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool 2008, SURF:
Speeded Up Robust Features, Computer Vision and Image Understanding (CVIU)

CẢM ƠN CÁC THẦY CÔ TRONG HỘI
ĐỒNG BẢO VỆ LUẬN VĂN