Ứng dụng kỹ thuật điều khiển thông minh trên hệ thống giữ xe tự động

được các trọng số tối ưu cho mỗi lớp Nơ - ron của

nhiên ta không thể loại bỏ các đặc trưng một cách

Nơ - ron.

chậm quá trình xử lý của mạng Nơ - ron. Nhưng

tăng tốc độ xử lý của mạng Nơ - ron. Tuy nhiên,

Hiện tượng này được gọi là sự ảnh hưởng
của các chiều đặc trưng, được thể hiện như
hình 4.


18

Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 2018

5000 pixels v�a phân t�
ch đư�c đ�phân d�ng
cho hai h�
ng k�t�bi�
n s�v�sau đ�l�tr�
ch xu�
t

Hình 5. Chương tr�
nh nh�

n dang bi�
n s�k�
t
h�p khuôn m�
t
đư�c c�
c k�t�.
Cu�ic�ng, t�
c gi�đ�ichi�
u c�
c v�ng ch�a
c�
c k�t�đư�c t�
ch v�i m�
u c�
c k�t�trong cơ
s�d�li�
u đ�nh�
n dạng. Chu�i k�t�bi�
n s�xe
sau khi nh�
n dạng ti�
p t�c đư�c so s�
nh v�ibi�
n
s�xe c�
a ngư�i s�d�
ng tương �ng.
Trong k�thu�
t PCA, m�

c đ�
ch ch�
nh l�t�
m
h�cơ s�tọa đ�m�i sao cho cu�ic�ng khi chi�
u

c�
c đi�
m d�li�
u v�
o s�thu đư�c m�tt�
p d�li�
u
m�i.
Cơ s�=
d�li�
u khuôn m�
t đ�hu�
n luy�
n
mạng nơ-ron l�c�
c�
nh 2-D c�k�
ch thư� 320
pixels x 320 pixels. Trư�c khi s�d�
ng PCA, các
�
nh trong t�
p�

nh hu�
n luy�
n đư� chuy�
n đ�i
thành các vector hàng 1x3202 . Các vector hàng
trong t�
p hu�
n luy�
n sau đ�đư� x�
p chung
trong m�t t�
p h�é
gọi l�không gian khuôn m�
t.
Sau đ�c�
c eigenvector (vector đ�
c trưng)
thu�c không gian khuôn m�
t trên đư�c tr�
ch
xu�
t. V�eigenvector tr�
ch xu�
t t�không gian
vector bao g�
m nh�ng �
nh khuôn m�
t đư�c
gh�
p lại, nên c�th�coi đ�l�c�

c eigenface.
Theo c�
ch nh�
n n�
y, eigenface quan trọng nh�
t
s�ch�a c�
c đ�
c trưng c�
a m�t gương m�
t c�
nam v�n�trung b�
nh. C�
c eigenface ti�
p theo
(�
t quan trọng hơn) s�mô t�nh�ng đ�
c đi�
m
chung kh�
c c�
a gương m�
t ngư�i.
C�
c eigenvector s�h�u c�
c thu�c t�
nh, c�
th�đư�c x�
c đ�
nh ch�b�i ma tr�

n vuông, c�n
eigenvector (v�eigenvalue tương �ng) trong
m�t n x n ma tr�
n, t�
t c�c�
c eigenvector đ�
u
tr�c giao v�i nhau.
V�
y, t�
m h�cơ s�tr�c chu�
n m�i đ�thu
đư�c m�t t�
p eigenface ch�
nh l� đi t�
m
eigenvector v�eigenvalue trong không gian
khuôn m�
t.
C�
c d�li�
u m�i sau khi đư�c chi�
u v�
o h�
cơ s�tọa đ�m�i n�
y s�đư�c đưa qua mạng
neuron đ�hu�
n luy�
n mạng t�
m ra ma tr�

n trọng
s�t�i ưu.
H�th�ng s�gán m�i khuôn m�
t cho bi�
n
s�đăng k�trư� tương �ng. �ú
i khi c�xe đ�
n
c�ng, th�c hi�
n x�l�, nh�
n dạng bi�
n s�v�
khuôn m�
t. Sau đ�ti�
n h�
nh so s�
nh bi�
n s�v�

Hình 6. C�
c bư�c trong k�thu�
t PCA


dụng. Từ đó có thể phát triển thành các phần

tốc độ xử lý nhanh và độ chính xác cao. Bên