Chủ đề nhận dạng khuôn mặt

1 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH KHOA CÔNG NGHỆ THÔNG TIN II CHỦ ĐỀ NHẬN DẠNG KHUÔN MẶT Môn Xử lý ảnh Giảng viên hướng dẫn Lê Hoàng Thái TP Hồ Chí Minh 2021 2[.]

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH

KHOA CÔNG NGHỆ THÔNG TIN II

CHỦ ĐỀ: NHẬN DẠNG KHUÔN MẶT

Môn: Xử lý ảnh

Giảng viên hướng dẫn: Lê Hoàng Thái

TP Hồ Chí Minh - 2021

MỤC LỤC

Trang

1 Mở đầu 3

2: Lịch sử phát triển 4

3 Hệ thống nhận diện khuôn mặt 6

a) Phát hiện khuôn mặt 6

b) Nhận dạng khuôn mặt 6

4 Ứng dụng 10

5 Kết luận 11

Tài liệu tham khảo 11

1 Mở đầu

Với sự phát triển không ngừng của khoa học và công nghệ, đặc biệt là với những chiếc điện thoại thông minh (smartphone) ngày càng hiện đại và được sử dụng phổ biến trong đời sống con người đã làm cho lượng thông tin thu được bằng hình ảnh ngày càng tăng Theo đó, lĩnh vực xử lý ảnh cũng được chú trọng phát triển, ứng dụng rộng rãi trong đời sống xã hội hiện đại Không chỉ dừng lại ở việc chỉnh sửa, tăng chất lượng hình ảnh mà với công nghệ xử lý ảnh hiện nay chúng ta có thể giải quyết các bài toán nhận dạng chữ viết, nhận dạng dấu vân tay, nhận dạng khuôn mặt…

Một trong những bài toán được nhiều người quan tâm nhất của lĩnh vực xử lý ảnh hiện nay đó là nhận dạng khuôn mặt (Face Recognition) Như chúng ta đã biết, khuôn mặt đóng vai trò quan trọng trong quá trình giao tiếp giữa người với người,

nó mang một lượng thông tin giàu có, chẳng hạn như từ khuôn mặt chúng ta có thể xác định giới tính, tuổi tác, chủng tộc, trạng thái cảm xúc, đặc biệt là xác định mối quan hệ với đối tượng (có quen biết hay không) Do đó, bài toán nhận dạng khuôn mặt đóng vai trò quan trọng trong nhiều lĩnh vực đời sống hằng ngày của con người như các hệ thống giám sát, quản lý vào ra, tìm kiếm thông tin một người nổi tiếng,…đặc biệt là an ninh, bảo mật Có rất nhiều phương pháp nhận dạng khuôn mặt để nâng cao hiệu suất tuy nhiên dù ít hay nhiều những phương pháp này đang vấp phải những thử thách về độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng của tham số môi trường

Bài toán Nhận diện khuôn mặt (Face Recognition) bao gồm nhiều bài toán khác nhau như: phát hiện mặt người (face detection), đánh dấu (facial landmarking), trích chọn (rút) đặc trưng (feature extration), gán nhãn, phân lớp (classification) Trong thực tế, nhận dạng khuôn mặt người (Face Recognition) là một hướng nghiên cứu được nhiều nhà khoa học quan tâm, nghiên cứu để ứng dụng trong thực tiễn Ở các trường đại học hàng đầu về Công Nghệ Thông Tin như Massachusetts Institute

of Technology (MIT), Carnegie Mellon University (CMU), Standford, Berkeley và các công ty lớn như Microsoft, Apple, Google, Facebook đều có các trung tâm về sinh trắc học (Biometrics Center) và nghiên cứu về nhận dạng khuôn mặt người và

nó đã trở thành một trong những lĩnh vực nghiên cứu chính cho đến nay Gần đây, công ty Hitachi Kokusai Electric của Nhật mới cho ra đời một camera giám sát, có thể chụp ảnh và tìm ra 36 triệu khuôn mặt khác có nét tương tự trong cơ sở dữ liệu chỉ trong vòng một giây

Có hai phương pháp nhận dạng phổ biến hiện nay là nhận dạng dựa trên đặc trưng của các phần tử trên khuôn mặt như biến đổi Gabor Wavelet và mạng Neural, SVM,…và nhận dạng dựa trên xét tổng thể toàn khuôn mặt như phương pháp PCA, LDA, LFA Trong đó, PCA là phương pháp trích rút đặc trưng nhằm giảm số chiều của ảnh tuy đơn giản nhưng mang lại hiệu quả tốt Hệ thống hoạt động ổn định và

có tính thích nghi cao khi dữ liệu đầu vào thay đổi nhiều

2 Lịch sử phát triển

Thế kỷ 21 bắt đầu với một loạt những câu hỏi về tính bảo mật và khả năng thật sự của công nghệ nhận diện khuôn mặt Bị tác động bởi vô số những báo cáo cho rằng dữ liệu nhận diện khuôn mặt có thể đang bị sử dụng cho các mục đích xấu, một trào lưu cấm chính phủ sử dụng công nghệ này đã nổ ra và phát triển mạnh mẽ Tính đến nơi, có tới bảy thành phố ở Mỹ – San Francisco, Oakland và Berkeley ở California, và Brookline, Somerville, Northampton, và Cambridge ở Massachusetts – đã cấm chính phủ sử dụng công nghệ nhận diện khuôn mặt Toàn bộ bang California cũng đã thông qua lệnh cấm 3 năm về việc sử dụng hệ thống nhận diện khuôn mặt trên Camera rà soát cơ thể của cảnh sát Một phần của sự phản đối bắt nguồn từ ý kiến rằng người dân không muốn cảnh sát có khả năng theo dõi, định vị

vị trí hoặc tìm hiểu danh tính của những người tham gia biểu tình

“Bình minh” của công nghệ Nhận diện khuôn mặt – những năm 1960

Những người tiên phong đầu tiên về công nghệ nhận diện khuôn mặt là Woody Bledsoe, Helen Chan Wolf và Charles Bisson Năm 1964 và 1965, Bledsoe cùng với Wolf và Bisson bắt đầu sử dụng máy tính để nhận diện khuôn mặt con người Do kinh phí của dự án được bắt nguồn từ một cơ quan tình báo giấu tên, phần lớn công việc đều không được công bố Tuy nhiên, sau này người ta tiết lộ rằng hầu hết các công việc đều liên quan đến việc đánh dấu bằng tay các điểm khác nhau trên khuôn mặt như tâm mắt, miệng, v.v Khoảng cách giữa các điểm mốc cũng được tự động tính toán và so sánh giữa các hình ảnh khác nhau để xác định danh tính

Bắt đầu quá trình nâng cao độ chính xác của công nghệ – những năm 1970

Tiếp tục từ công việc ban đầu của Bledsoe, vào năm 1970, Goldstein, Harmon

và Lesk đã mở rộng phạm vi của công việc bằng cách phân tích những đặc điểm cụ thể như màu tóc, độ dày của môi để phục vụ cho công việc nhận diện khuôn mặt

Chương trình FERET – những năm 1990/2000

Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phòng (DAPRA) và Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) đã triển khai chương trình Công nghệ Nhận diện Khuôn mặt (FERET) vào đầu những năm 1990 để khuyến khích thị trường của công nghệ này Dự án liên quan đến việc tạo ra một cơ sở dữ liệu về hình ảnh khuôn mặt Trong bộ thử nghiệm, có tới 2.413 ảnh tĩnh đại diện cho 856 người Chương trình này là bước ngoặt lớn cho công nghệ nhận diện khuôn mặt và những ngành nghề liên quan tới nó

Truyền thông xã hội – 2010 – Hiện tại

Trở lại những năm 2010, Facebook đã bắt đầu triển khai chức năng nhận diện khuôn mặt giúp xác định những người xuất hiện trong ảnh đăng Facebook Tính năng này lập tức gây tranh cãi với các phương tiện truyền thông tin tức, làm dấy lên một loại các bài viết liên quan đến quyền riêng tư cá nhân Tuy nhiên, người dùng Facebook nói chung dường như không bận tâm tới điều này và mỗi ngày, hơn 350 triệu ảnh được đăng tải và gắn thẻ mỗi ngày

Iphone X – 2017

Công nghệ nhận diện khuôn mặt ngay sau đó đã được ứng dụng nhiều hơn vào các thiết bị thông minh trong cuộc sống Cụ thể, công nghệ này đã được sử dụng thay cho khóa mở điện thoại FaceID ngay lập tức trở thành từ khóa hot nhất, và là chìa khóa khiến Iphone X bán chạy hơn bao giờ hết

Tương lai của công nghệ nhận diện khuôn mặt

Bước vào năm 2021, công nghệ nhận diện khuôn mặt đang phát triển ở tốc độ chóng mặt và việc sử dụng công nghệ này ngày càng trở nên phổ biến hơn Một số ngành nghề sử dụng công nghệ này bao gồm:

• Bán lẻ

• Khách sạn và Khu nghỉ dưỡng

• Máy ATM

• Quảng cáo kỹ thuật số

• An toàn xe buýt

• Các hãng hàng không

• Trải nghiệm khách hàng được cá nhân hóa

• Cửa hàng không cần nhân viên

Sử dụng công nghệ này một cách chính xác có thể tạo ra những khác biệt to lớn cho cuộc sống của chúng ta

3 Hệ thống nhận diện khuôn mặt

a) Phát hiện khuôn mặt

- Đặc trưng Haar-like

- Thuật toán tăng tốc Adaboost

+ Tiếp cận boosting

+ Adaboost

b) Nhận dạng khuôn mặt

i) Tiền xử lý

Quá trình này giúp nâng cao chất lượng hình ảnh, chuẩn hóa về mặt

dữ liệu, kích thước hình ảnh Giúp cho việc trích rút đặc trưng được

chính xác hơn

ii) Rút trích đặc trưng

Trích rút đặc trưng là kỹ thuật sử dụng các thuật toán để lấy ra những thông tin mang những đặc điểm riêng biệt của một người Principle

Components Analysis - PCA là một thuật toán được sử dụng để tạo ra một hình ảnh mới từ hình ban đầu Ảnh mới này có kích thước nhỏ hơn rất nhiều so với ảnh ban đầu và vẫn mang những đặc trưng cơ bản nhất của ảnh cần nhận dạng

Về bản chất, PCA tìm ra một không gian mới theo hướng biến thiên mạnh nhất của một tập hợp các vector trong không gian cho trước Trong không gian mới này người ta hy vọng rằng việc phân loại sẽ mang lại kết quả tốt hơn so với không gian ban đầu

(1) Thuật toán PCA

Không gian mới được tạo bởi được tạo bởi PCA được cấu thành

từ K vector đơn vị có chiều là N Mỗi vector được gọi là Eigenfaces Phép biến đổi:

4 Ứng dụng

• Ngăn chặn tội phạm tại cửa hàng bán lẻ

• Mở khóa điện thoại

• Quảng cáo thông minh

• Tìm người mất tích

• Hỗ trợ người mù

• Bảo vệ thực thi pháp luật

• Hỗ trợ điều tra pháp y

• Nhận diện mọi người trên mạng xã hội

• Chuẩn đoán bệnh

• Nhận diện nhân vật quan trọng tại các sự kiện thể thao

• Bảo vệ trường học khỏi các mối đe dọa

• Theo dõi sự hiện diện của học sinh

• Sòng bạc

• Ngăn chặn việc ăn cấp giấy vệ sinh

• Giúp các giao dịch diễn ra an toàn và thuận tiện hơn

• Xác thực danh tính tại cây ATM

• Làm cho ngành du lịch hàng không thuận tiện dễ dàng hơn

• Theo dõi sự hiện diện ở nhà thờ

• Tìm vật nuôi bị mất

• Nhận diện tài xế

• Kiểm soát quyền ra vào ở những khu vực nhạy cảm

5 Kết luận

Hệ thống nhận dạng khuôn mặt mạnh mẽ sẽ có thể xử lý các trạng thái biến thể xảy ra trong các tình huống hoạt động thực tế Điều này có nghĩa là có khả năng

xử lý bất kỳ và tất cả các biến thể khuôn mặt dưới các ánh sáng, tư thế, biểu hiện khác nhau và các yếu tố biến đổi khác như thu nhận khuôn mặt có độ phân giải thấp

từ xa

Để cải thiện hiệu suất và giải quyết từng biến thể, nhiều thuật toán mới đã được đề xuất nhằm mục đích tổng quát hóa cho những người không nhìn thấy, phân tích nhiều nhân tố và cấu trúc ẩn của các khuôn mặt Trong trường hợp khuôn mặt

có độ phân giải thấp, các phương pháp xử lý trước có thể nâng cao độ phân giải của ảnh khuôn mặt đã được trình bày chi tiết Các biến thể tư thế nhỏ có thể được xử lý

và trainning bởi các bộ phân loại khác nhau Tuy nhiên, các biến thể tư thế lớn chỉ

có thể được mô hình hóa bằng các phương pháp như Tensorfaces

6 Tài liệu tham khảo

Handbook of Biometrics