Nhận dạng khuôn mặt
dùng mạng nơron
Thành viên:
Nguyễn Trần Đức Duy
Nguyễn Chí Định
Cù Xuân Đức
Nguyễn Vinh Quang
41000485
41000694
41000722
41002587
Company
LOGO
Ngày 13 tháng 12 năm 2013
NỘI DUNG THUYẾT TRÌNH
1
Giới thiệu
2
Các phương pháp trích đặc trưng
3
Huấn luyện mạng neuron
4
Kết quả và mô phỏng matlap
2
1.GIỚI THIỆU
3
NHẬN DẠNG KHUÔN MẶT
KHÁI NIỆM:
Hệ thống nhận dạng ảnh là một ứng dụng tự động phát hiện và
nhận dạng khuôn mặt người từ một ảnh số hay là một khung
ảnh từ một luồng video. Cách làm là so sánh các đặc trưng được
lựa chọn của ảnh chụp thật với một cơ sở dữ liệu ảnh chụp gốc.
Các dữ liệu dùng để so sánh trong nhận dạng ảnh:
1. Khoảng cách giữa 2 hốc mắt
2. Khoảng cách giữa môi và mũi
3. Khoảng cách giữa sống mũi và mắt
4. Khoảng cách giữa môi và sống mũi
5. Độ lệch tâm của khuôn mặt
6. Tỉ lệ kích thước khung giới hạn của khuôn mặt
7 Độ rộng môi
7.
4
Ứng dụng của nhận dạng khuôn mặt
Kiểm
ể tra hộ chiếu
ế tại cổng
ổ sân bay
Nhận dạng các cá nhân trong một
cuộc họp
Điều
Điề khiển
khiể hệ thống
thố
Nhận
ậ dạng
ạ g tội
ộ p
phạm
ạ
Sử dụng trong giao dịch thẻ ATM
5
SƠ ĐỒ NHẬN DẠNG MẪU
6
.
2.. C
CÁC
C PHƯƠNG
ƯƠNG PHÁP
TRÍCH ĐẶC TRƯNG
7
CÁC PHƯƠNG PHÁP
Phân tích thành phần
ầ chính
(Principle Component Analysis-PCA)
Phân tích phân biệt tuyến tính
((Linear Discriminant Analysis-LDA)
y
)
8
SƠ ĐỒ KHỐI
9
PCA
10
Nhận dạng bằng PCA
PCA
11
Nhận dạng bằng PCA
12
Nhận dạng bằng PCA
Kết
ết quả :
Sau khi tìm được các eigenface,
eigenface các ảnh trong tập
cơ sở dữ liệu sẽ được chiếu lên không gian các
eigenface
g
này
y để tạo
ạ ra vector đặc
ặ tính.
Vector này có kích thước nhỏ hơn nhiều so với
kích thước ảnh nhưngg vẫn mangg nhiều nhất
thông tin chứa trong ảnh.
13
Nhược điểm của PCA
Độ sáng của ảnh khác nhau
Sắp xếp ảnh khác nhau
Biểu cảm khuôn mặt khác nhau
14
Sơ đồ khối của nhận
ậ dạng
ạ g LDA
15
CÁC GIẢ ĐỊNH
Ảnh là vuông với W=H=N
ợ g ảnh trongg cơ
M là số lượng
sở dữ liệu
P là sốố người
ời trong
t
cơ sở
ở dữ
liệu
ệ
16
Thuật toán nhận dạng ảnh dùng LDA
1. Cơ sở dữ liệu
2 Tính toán trung bình tất cả các khuôn mặt
2.
3 Tính toán trung bình khuôn mặt của từng người
3.
4 Trừ đi các khuôn
4.
kh ôn mặt huấn
h ấn luyện.
l ện
17
Thuật toán nhận dạng ảnh dùng LDA
5. Sử dụng ma trận S1, S2, S3, S4
6. Ma trận rải rác
( within-class scatter matrix –sw)
7. Từ ma trận rải rác này tính toán vector
fisher face.
face
18
Thuật toán tính toán vector Fisherface
Cơ sở dữ liệu
a1
a2
a
2
N
b1
b
2
b
2
N
c1
c
2
c
2
N
d1
d
2
d
2
N
e1
e
2
e
N2
g1
g
2
g
2
N
h1
h
2
h
2
N
f1
f2
f N 2
19
Thuật toán tính toán vector Fisherface
Tính toán trung bình tất cả các khuôn mặt
20
Thuật toán tính toán vector Fisher face
Tính toán trung bình khuôn mặt của từng người
21
Thuật toán tính toán vector Fisher face
Trừ đi các khuôn mặt được huấn luyện
22
Thuật toán tính toán vector Fisher face
Xây dựng ma trận rải S1, S2, S3, S4
S 1 a m a m bm bm , S 2 c m c m d m d m ,
S 3 em em f m f m , S 4 g m g m hm hm
Ma trận ( within-class scatter matrix )SW
SW S1 S 2 S3 S 4
23
Nhận dạng dùng phương pháp huấn luyện LDA
24
Ưu điểm của LDA-NN
Nhanh hơn phương pháp eigenface (PCA)
Tỉ lệ lỗi thấp hơn
Hoạt động tốt
ố thậm chí trong các điều
ề kiện ánh sáng khác
nhau
Hoạt động tốt với các biểu cảm khuôn mặt khác nhau
Hoạt động tốt với các cách sắp xếp khác nhau
25
25