Nhận dạng khuôn mặt sử dụng PCA – SVM.

- NGÔ THANH TÂN NHẬN DẠNG KHUÔN MẶT SỬ DỤNG PCA – SVM LUẬN VĂN THẠC SĨ KỸ THUẬT HÀ NỘI - 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI.
- NGÔ THANH TÂN NHẬN DẠNG KHUÔN MẶT SỬ DỤNG PCA – SVM Chuyên ngành: CÔNG NGHỆ THÔNG TIN LUẬN VĂN THẠC SĨ KỸ THUẬT GIÁO VIÊN HƢỚNG DẪN TS.
- NGUYỄN THỊ OANH HÀ NỘI - 2016 1 LỜI CAM ĐOAN Luận văn thạc sỹ “Nhận dạng khuôn mặt sử dụng PCA – SVM”, chuyên ngành Công nghệ thông tin là công trình của cá nhân tôi.
- Phƣơng pháp nghiên cứu.
- Hệ thống sinh trắc học.
- 11 1.2 Nhận dạng ngƣời qua khuôn mặt.
- 12 1.3 Ứng dụng của hệ thống nhận dạng mặt ngƣời.
- CÁC PHƢƠNG PHÁP NHẬN DẠNG KHUÔN MẶT.
- 17 2.1 Phƣơng pháp trích chọn đặc trƣng Principal Components Analysis – PCA.
- 17 2.1.1 Giới thiệu phƣơng pháp trích chọn đặc trƣng PCA.
- 34 3 2.2.3 SVM cho vấn đề nhận dạng đa lớp.
- ĐỀ XUẤT PHƢỚNG ÁN NHẬN DẠNG MẶT NGƢỜI.
- 38 3.1 Phát hiện khuôn mặt (face detection.
- 40 3.4 Nhận dạng/Phân lớp (recognition/classification.
- 40 3.5 Dữ liệu hệ thống nhận dạng.
- 42 4.2 Bộ dữ liệu thử nghiệm.
- 42 4.2.1 Bộ dữ liệu AT&T.
- 42 4.2.2 Bộ dữ liệu ảnh YaleB.
- 11 Hình 1.2 Hệ thống xác minh nhân thân của công dân nhập cảnh [19.
- 14 Hình 2.1 Lựa chọn các trục tọa độ mới để biểu diễn dữ liệu [11.
- 35 Hình 2.6 Mẫu cần nhận dạng là SVM 2-vs-rest vì có giá trị bé nhất [10.
- 36 Hình 2.7 Cấu trúc 1 cây nhị phân cho nhận dạng khuôn mặt 8 lớp [10.
- 37 Hình 3.1 Mô hình hệ thống nhận dạng khuôn mặt.
- 38 Hình 3.2 Phát hiện khuôn mặt trong ảnh.
- 39 Hình 4.1 Một số ảnh trong bộ dữ liệu AT&T.
- 42 Hình 4.2 Một số ảnh trong bộ dữ liệu YaleB.
- 43 Biểu đồ 4.3 Kết quả thử nghiệm với bộ dữ liệu AT&T.
- 44 Biểu đồ 4.4 Kết quả thử nghiệm trên bộ dữ liệu YaleB.
- Một trong những phƣơng pháp bảo vệ an ninh là xác thực ngƣời sử dụng trong hệ thống thông tin đó.
- Có nhiều phƣơng pháp để xác thực ngƣời sử dụng.
- Nhận dạng mặt ngƣời là một phƣơng pháp để xác nhận quyền truy nhập của một ngƣời có hợp pháp hay không.
- Vì nhận dạng mặt ngƣời là một trong những cách mà con ngƣời sử dụng để nhận biết nhau.
- Với phƣơng pháp này chúng ta có thể thu thập đƣợc nhiều thông tin mà ít tác động đến đối tƣợng, vì đối tƣợng sẽ đƣợc nhận dạng một cách thụ động.
- Lịch sử nghiên cứu Nhận dạng mặt ngƣời là một vấn đề đầy thách thức và hứa hẹn trong lĩnh vực phân tích hình ảnh và thị giác máy tính, do đó nó đã nhận đƣợc rất nhiều sự chú ý trong thời gian gần đây vì nó có nhiều ứng dụng trong các lĩnh vực khác nhau.
- Kỹ thuật nhận dạng mặt ngƣời có thể đƣợc phân chia thành ba loại dựa trên phƣơng pháp thu thập dữ liệu mặt: phƣơng pháp hoạt động dựa trên cƣờng độ hình ảnh.
- và những yêu cầu dữ liệu giác quan khác nhƣ thông tin 3D hoặc hình ảnh hồng ngoại.
- Có lẽ ví dụ đầu tiên nổi tiếng nhất của một hệ thống nhận dạng khuôn mặt là do T.Kohonen ngƣời đã chứng minh rằng một mạng neural đơn giản có thể thực hiện nhận dạng khuôn mặt cho ra hình ảnh khuôn mặt đã đƣợc sắp xếp và chuẩn hóa.
- Hệ thống của T.Kohonen mô tả khuôn mặt bằng các vector riêng của ma trận tƣơng quan hình ảnh khuôn mặt, là các eigenfaces.
- Trong những năm sau nhiều nhà nghiên cứu đã thử chƣơng trình nhận dạng khuôn mặt dựa trên các cạnh, khoảng cách giữa các 7 thuộc tính, và cách tiếp cận mạng neural khác.
- Trong khi một nhà nghiên cứu khác đã thành công với cơ sở dữ liệu ảnh có quy mô nhỏ, chƣa ai giải quyết thành công các vấn đề thực tế với về cơ sở dữ liệu ảnh quy mô lớn, hay vị trí của khuôn mặt là không rõ ràng.
- M.Turk và A.Pentland sau đó chứng minh rằng các lỗi còn sót lại khi mã hóa bằng cách sử dụng eigenfaces có thể đƣợc sử dụng để phát hiện khuôn mặt trong hình ảnh tự nhiên lộn xộn, cũng nhƣ để xác định vị trí chính xác của các khuôn mặt trong ảnh.
- Sau đó, họ đã chứng minh rằng bằng cách kết hợp phƣơng pháp này để phát hiện và khoanh vùng khuôn mặt với các phƣơng pháp nhận dạng eigenface, ngƣời ta có thể đạt đƣợc độ tin cậy cao,thời gian xác thực khuôn mặt trong một môi trƣờng bị hạn chế khá nhanh.
- Wenyi Zhao, Arvindh Krishnaswamy, Rama Chellappa, Danie L.Swets, John Weng sử dụng phƣơng pháp PCA (phân tích thành phần chính) kết hợp LDA (phân tích độc lập tuyến tính).
- Bƣớc 1, ánh xạ khuôn mặt từ không gian ảnh thô sang không gian các ảnh khuôn mặt (mỗi lớp khuôn mặt đƣợc nhận dạng sẽ đƣợc mô hình hóa bằng một không gian khuôn mặt) dùng PCA.
- Bƣớc 2, sử dụng phƣơng pháp LDA để tạo bộ phân loại tuyến tính có khả năng phân lớp các lớp khuôn mặt.
- Emmanuel Viennet và Francoise Fogelman Soulie sử dụng phƣơng pháp mạng neural nhân tạo để xử lý và nhận dạng khuôn mặt.
- Antonio J.Colmenarez và Thomas S.Huang sử dụng kỹ thuật học thị giác và phù hợp mẫu 2-D.
- Ông quan niệm bài toán dò tìm khuôn mặt là thao tác phân loại khuôn mặt trong đó khuôn mặt thuộc về một lớp và các đối tƣợng khác thuộc về lớp còn lại bằng cách ƣớc lƣợng mô hình xác suất cho mỗi lớp, và việc dò tìm sử dụng luật quyết định Maximum-likelihood.
- Kazunori Okada, Johannes Steffens, Thomas Maurer, Hai Hong, Egor Elagin, Hartmut Neven, and Christoph nhận dạng khuôn mặt dựa vào sóng Gabor và phƣơng pháp phù hợp đồ thị bó.
- Với ý tƣởng dùng đồ thị để biểu 8 diễn khuôn mặt, ảnh khuôn mặt đƣợc đánh dấu tại các vị trí đã đƣợc xác định trƣớc trên khuôn mặt, gọi các vị trí này chính là các vị trí chuẩn.
- Jeffrey Huang, Chengjun Liu, và Harry Wechsler đề xuất thuật toán căn cứ trên tính tiến hóa (Evolutionary computation) và di truyền (Genetic) cho các tác vụ nhận dạng khuôn mặt.
- Daniel Bgraham và Nigel M Allinson sử dụng phƣơng pháp đƣợc gọi là tạo bản sao không gian đặc trƣng để biểu diễn và nhận dạng hƣớng di chuyển của khuôn mặt.
- Guodong Guo, Stan Z.Li, Kap Luk Chan dùng phƣơng pháp SVM để nhận dạng khuôn mặt.
- Mục đích nghiên cứu của luận văn Nghiên cứu đề tài này nhằm mục đích tìm hiểu bài toán nhận dạng khuôn mặt, từ đó xây dựng các hệ thống ứng dụng trong thực tiễn nhƣ: điểm danh, giám sát ngƣời ra vào,… Đối tượng, phạm vi áp dụng Đề tài tập trung tìm hiểu một số phƣơng pháp nhận dạng mặt ngƣời phổ biến hiện nay và đƣa ra phƣơng án nhận dạng cho bài toán nhận dạng mặt ngƣời.
- Để đạt đƣợc mục tiêu trên, đề tài tập trung tìm hiểu các nội dung sau: 9  Tìm hiểu phƣơng pháp trích chọn đặc trƣng PCA, cơ sở toán học của PCA.
- Tìm hiểu phƣơng pháp phân lớp dữ liệu SVM, cơ sở toán học của SVM.
- Tóm tắt cô đọng các luận điểm cơ bản và đóng góp mới của tác giả Luận văn đã nghiên cứu một số phƣơng pháp nhận dạng khuôn mặt, đề xuất mô hình kết hợp hai phƣơng pháp PCA – SVM.
- Đây cũng là cơ sở cho việc thực hiện kết hợp một số phƣơng pháp khác nhau cho bài toán nhận dạng khuôn mặt, là nền tảng cho việc hiện thực hóa mô hình bài toán vào ứng dụng thực tiễn.
- Phƣơng pháp nghiên cứu Phƣơng pháp nghiên cứu lý thuyết: Nghiên cứu tài liệu, ngôn ngữ và công nghệ liên quan.
- Tổng hợp các tài liệu lý thuyết về các phƣơng pháp nhận dạng ảnh.
- Phƣơng pháp nghiên cứu thực nghiệm: Phân tích bài toán nhận dạng khuôn mặt ngƣời.
- Cài đặt mô phỏng, thử nghiệm trên một bộ dữ liệu tham khảo từ thực tế.
- PHÁT BIỂU BÀI TOÁN Giới thiệu các cách thức nhận dạng ngƣời.
- Vì sao nên nhận dạng ngƣời bằng khuôn mặt.
- Một số ứng dụng thực tiễn của bài toán nhận dạng khuôn mặt.
- CÁC PHƢƠNG PHÁP NHẬN DẠNG KHUÔN MẶT Giới thiệu về hai phƣơng pháp nhận dạng khuôn mặt đƣợc sử dụng trong luận văn là phƣơng pháp trích chọn đặc trƣng và máy vector hỗ trợ.
- ĐỀ XUẤT PHƢỚNG ÁN NHẬN DẠNG MẶT NGƢỜI Đƣa ra phƣơng án xây dựng bài toán, mô hình bài toán, các bƣớc thực hiện.
- Hệ thống sinh trắc học Có rất nhiều phƣơng pháp đƣợc sử dụng để nhận dạng ngƣời, sinh trắc học là một phƣơng pháp hiệu quả trong việc nhận dạng ngƣời.
- Sinh trắc học hay Công nghệ sinh trắc học (Biometric) là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi cá nhân nhƣ vân tay, mống mắt, khuôn mặt.
- Hình 1.1 Các đặc tính sinh trắc học của ngƣời Những năm gần đây, kỹ thuật sinh trắc học trong nhận dạng cá nhân nổi lên một cách đầy hứa hẹn, thay vì chứng thực ngƣời và cho phép họ truy cập vào các hệ thống dựa vào các phƣơng thức nhƣ thông qua mật khẩu, thẻ thông minh.
- thì phƣơng pháp kiểm tra một đặc tính sinh lý cá nhân và/hoặc hành vi để xác định CHỮ KÝ Hình và động thái TAY Hình bàn tay, hình ven MẶT Ảnh, video MẮT Mống mắt, võng mạc NGÓN TAY Vân tay TAI Ảnh tai AND Cấu trúc gen GIỌNG NÓI MÙI DÁNG ĐI CÁC ĐẶC TÍNH SINH TRẮC HỌC 12 danh tính của ngƣời dùng.
- Hệ thống sinh trắc học nhận dạng dựa trên đặc điểm sinh lý nhƣ khuôn mặt, dấu vân tay, hình ngón tay, hình học mặt, mống mắt, võng mạc và giọng nói.
- hay đặc điểm hành vi nhƣ dáng đi, chữ ký … Tuy nhiên, hầu hết các phƣơng pháp sinh trắc học yêu cầu phải có một hoặc nhiều hành động chủ quan của ngƣời sử dụng, ví dụ nhƣ ngƣời sử dụng cần đặt tay lên thiết bị quét vân tay để vân tay, hình tay đƣợc phát hiện hoặc phải đứng ở một vị trí cố định ở phía trƣớc của một máy ảnh cho mống mắt hoặc võng mạc đƣợc xác định.
- Bên cạnh đó, việc thu dữ liệu cho hệ thống nhận dạng bằng vân tay có thể trở nên vô dụng khi mô biểu bì bị hƣ hỏng bởi một lý do nào đó (nhƣ bị thƣơng, khuyết tay.
- việc thu dữ liệu cho hệ thống nhận dạng bằng mống mắt, võng mạc có thể không thể thực hiện khi đối tƣợng cần nhận diện chuyển động.
- 1.2 Nhận dạng ngƣời qua khuôn mặt Đây cũng là một phƣơng pháp nhận dạng ngƣời dựa trên những đặc trƣng sinh học của mỗi các nhân.
- Khác với những phƣơng pháp khác trong hệ thống nhận dạng ngƣời bằng sinh trắc học, nhận dạng mặt ngƣời qua khuôn mặt có thể thực hiện một cách thụ động mà không cần bất kì hành động rõ ràng, hoặc sự chủ động tham gia của ngƣời sử dụng kể từ khi camera thu đƣợc hình ảnh khuôn mặt từ xa.
- Việc sử dụng hệ thống nhận dạng bằng mặt ngƣời còn hạn chế đƣợc việc lây nhiễm virus, các vấn đề ảnh hƣởng tới sức khỏe có thể xảy ra trong các hệ thống nhận diện sinh trắc học khác [18].
- 1.3 Ứng dụng của hệ thống nhận dạng mặt ngƣời - Xác nhận cá nhân (one to one mathing): khi đƣa ra một khuôn mặt của cá nhân và yêu cầu nêu ra danh tính của họ, đòi hỏi hệ thống trả về kết quả họ là ai.
- Có rất nhiều lĩnh vực ứng dụng của hệ thống nhận dạng mặt ngƣời, trong đó nhận dạng khuôn mặt có thể đƣợc khai thác cho hai mục đích trên, một vài ứng dụng tiêu biểu đã đƣợc triển khai ở một số quốc gia nhƣ: Các ứng dụng chuyên biệt cho ngành hàng không Thời gian gần đây, vấn đề an toàn hàng không đang đƣợc cả thế giới quan tâm, là một đề tài nóng bỏng của xã hội.
- Một số nƣớc trên thế giới đã ứng dụng công nghệ nhận dạng khuôn mặt trong lĩnh vực hàng không nhƣ [19]: Một chƣơng trình tên US visits (United States Visitors and Immigrant Status Indicator Technology) áp dụng cho công dân du lịch tới Mỹ hoặc xin nhập cƣ vào Mỹ.
- Khi một công dân đến lãnh sự quán xin cấp visa thì họ sẽ đƣợc thu thập thông tin sinh trắc học, ảnh khuôn mặt để kiểm tra, đối chiếu với một cơ sở dữ liệu của bọn tội phạm nổi tiếng và những nghi can khủng bố.
- Khi khách tới cửa khẩu, sân bay thì các thông tin sinh trắc học của họ sẽ đƣợc sử dụng để xác minh xem họ có phải là chủ sở hữu của visa không, có phải tội phạm nguy hiểm, nghi can khủng bố không.
- Chƣơng trình US visits tăng cƣờng sự an toàn của công dân Mỹ và du khách bằng cách xác minh nhận dạng của khách có visa, đồng thời nó tạo điều kiện đi lại và thƣơng mại hợp pháp bằng cách tận dụng công nghệ và phát triển sử dụng sinh trắc học để tiến hành giám sát ngay tại biên giới, trƣớc khi nhập cảnh vào Mỹ.
- Ứng dụng tƣơng tự đƣợc sử dụng tại Úc là SmartGate.
- Mục tiêu chính của thử 14 nghiệm này là để phát triển và giới thiệu một hệ thống tự xử lý sử dụng công nghệ sinh trắc học nhận dạng khuôn mặt để xác nhận danh tính và tinh giản thủ tục hải quan cho công dân nhập cảnh.
- Hình 1.2 Hệ thống xác minh nhân thân của công dân nhập cảnh [19] Nhận dạng khuôn mặt được sử dụng kèm với thẻ truy cập 15 Tại các nƣớc phát triển, hầu nhƣ mọi ngƣời dân đều dùng thẻ tín dụng để mua bán, rút tiền [2], trao đổi hàng hóa.
- Do đó vấn đề tiềm ẩn đó là không phải chủ thẻ cũng có thể sử dụng đƣợc thẻ.
- Để đảm bảo an toàn hơn cho việc phổ cập sử dụng thẻ trong toàn xã hội là chúng ta có thể dùng thêm một phƣơng pháp nữa để xác minh tính xác thực của ngƣời sử dụng thẻ song song với mật khẩu, đó là sử dụng khuôn mặt nhƣ là một mật khẩu thứ hai để truy cập vào hệ thống cùng với thông tin từ thẻ truy cập.
- Đƣa thẻ vào hệ thống • Đứng trƣớc camera để nhận dạng • Xác minh ngƣời này có phải là chủ sở hữu của thẻ hay không? Nếu thông tin về ngƣời sử dụng thẻ khớp với thông tin của chủ thẻ thì cho thực hiện việc rút tiền, ngƣợc lại thì không cho rút tiền và tự động thông báo tới nhà chức trách.
- Nếu trong cơ sở dữ liệu của hệ thống có thông tin về những ngƣời xuất hiện trong đó, chúng ta có thể dễ dàng hơn trong việc tìm ra họ vì chúng ta biết họ là ai [24].
- Tháng 2 năm 2012 FBI triển khai chƣơng trình NGI Facial Recognition Pilot là để tiến hành tìm kiếm nhận dạng khuôn mặt dựa trên hình ảnh của kho lƣu trữ quốc gia của FBI (có khoảng 12,8 triệu bức ảnh đƣợc lƣu trữ) và cung cấp danh sách những đối tƣợng khả nghi cho cơ quan điều tra.
- Vậy làm thế nào để nhận ra từng nhân viên của công ty? Ngƣời ta đã xây dựng hệ thống có thể nhận dạng và chấm công tự động cho công nhân khi họ đi qua khu vực làm việc của hệ thống chấm công tự động.
- CÁC PHƢƠNG PHÁP NHẬN DẠNG KHUÔN MẶT 2.1 Phƣơng pháp trích chọn đặc trƣng Principal Components Analysis – PCA 2.1.1 Giới thiệu phƣơng pháp trích chọn đặc trƣng PCA Phƣơng pháp trích chọn đặc trƣng đƣợc phát minh năm 1901 bởi Karl Pearson,và đƣợc phát triển một cách độc lập bởi Hotelling (1933).
- Hiện nay nó đƣợc sử dụng nhƣ một công cụ để phân tích dữ liệu nghiên cứu và thực hiện các mô hình dự đoán.
- PCA là phƣơng pháp đơn giản nhất phân tích đa biến dựa trên các vector đặc trƣng.
- Nếu một tập dữ liệu đa biến đƣợc xem xét nhƣ tập các tọa độ trong một không gian dữ liệu nhiều chiều (mỗi trục biểu diễn một biến) thì phƣơng pháp PCA cung cấp cho chúng ta một bức ảnh ít chiều, một cái bóng của vật thể khi quan sát từ chính những đặc trƣng cơ bản nhất của vật thể đó.
- Mục tiêu của phƣơng pháp PCA là thực hiện giảm số chiều nhƣng vẫn đảm bảo tối đa sự phân tán dữ liệu.
- Có thể nói phƣơng pháp trích chọn đặc trƣng tìm cách giữ lại những thành phần thống kê quan trọng nhất của tập dữ liệu ban đầu.
- mỗi ảnh khuôn mặt trong tập huấn luyện đƣợc biểu diễn thành tổ hợp tuyến tính cảu các vevtor cở sở trên nhƣ sau

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt