KĨ THUẬT PHÁT HIỆN VÀ NHẬN DẠNG MẶT NGƯỜI TỰ ĐỘNG DƯỚI SỰ HỖ TRỢ CỦA CAMERA

Phân ngưỡng màuLoại bỏ các vùng có kích thước nhỏ Loại bỏ các vùng có kích thước nhỏ Xử lý ảnh nhị phân Xử lý ảnh nhị phân... Shang – Hun Lin, Ph.D IC Media Corporation 2000: An introdu

M T K THU T PHÁT HI N VÀ NH N D NG M T NG Ộ Ỹ Ậ Ệ Ậ Ạ Ặ ƯỜ Ự I T

Đ NG D Ộ ƯỚ I S H TR C A CAMERA Ự Ỗ Ợ Ủ

TR ƯỜ NG Đ I H C ĐÀ L T Ạ Ọ Ạ KHOA CÔNG NGH THÔNG TIN Ệ

- -Nguy n Th L ễ ị ươ ng, Đ ng Thanh H i, Võ Ph ặ ả ươ ng Bình

Khoa Công ngh Thông tin, Tr ệ ườ ng Đ i h c Đà l t ạ ọ ạ

BÁO CÁO H I TH O CNTT Ộ Ả BÁO CÁO H I TH O CNTT Ộ Ả

M t sốố ph ộ ươ ng pháp nh n d ng m t ng ậ ạ ặ ườ i

 Eigenfaces

 Neural Networks

 Graph Matching

 Geometrical Feature Matching

 Line Edge Map (LEM)

 Support Vector Machine (SVM)

 Multiple Classifier Systems (MCSs)

Mố hình đềề tài

 Quá trình nh n d ng đậ ạ ược th c hi n băềng cách:ự ệ

 Chiềốu g ươ ng m t m i lền không gian con đ ặ ớ ượ c đ nh h ị ướ ng b i ở các m t riềng, ặ

 Sau đó so sánh nó v i v trí c a các nh trong t p ban đấều ớ ị ủ ả ậ

trong không gian m t riềng ặ

Ph ươ ng pháp PCA

 Tác gi : Turk and Pentlandả

 Phương pháp này t ra vỏ ượt tr i h n các mô hình ộ ơ

 Chia thành 2 giai đo n chính:ạ

 Giai đo n tìm các m t riềng (EigenFace) ạ ặ

 Giai đo n nh n d ng ạ ậ ạ

Tìm m t riềng (EigenFace) ặ

 Bước 1: Gi s t p nh huấốn luy n gôềm M nh ả ử ậ ả ệ ả

khuôn m t: có kích thặ ước N*N

Tìm m t riềng (EigenFace) ặ

 Bước 2: Tìm nh trung bình theo công th c:ả ứ

V i t p nh huấốn luy n trền ta tính đ ớ ậ ả ệ ượ ả c nh trung bình nh sau: ư

 Bước 3: Tính đ sai khác gi a nh huấốn luy n so ộ ữ ả ệ

v i nh trung bình : ớ ả

 Vấốn đềề vềề tìm vector riềng (eigenvector) ui c a ma tr n C khó ủ ậ

th c hi n đ ự ệ ượ c vì kích th ướ c quá l n ớ

Tìm m t riềng (EigenFace) ặ

 T M eigenvector (uừ i), ch n ra M’ eigenvector ng v i ọ ứ ớM’ giá tr riềng đấều tiền trong m ng các giá tr riềng ị ả ị(được săốp xềốp gi m dấền) ả

 Thường ch n M’ sao cho [3]:ọ

Tìm m t riềng (EigenFace) ặ

 V i ví d t p huấốn luy n trền tìm đớ ụ ậ ệ ược 7 m t riềng ặ

có giá tr riềng l n nhấốt (M=12 > M’=7)ị ớ

Nh n d ng ậ ạ

 Bước 1: V i m i nh huấốn luy n , ta chiềốu ớ ỗ ả ệlền không gian m t M’ chiềều:ặ

 V i: ớ

Nh n d ng ậ ạ

 Bước 2: Khuôn m t m i s đặ ớ ẽ ược chiềốu lền không gian M’ chiềều Kềốt qu :ả

 V i: ớ

 Bước 3: Tìm m t th k sao cho:ặ ứ

 V i là vector mô t hay đ i di n cho m t th k trong t p ớ ả ạ ệ ặ ứ ậ

Phân ngưỡng màu

Loại bỏ các vùng có kích thước nhỏ

Loại bỏ các vùng có kích thước nhỏ

Xử lý ảnh nhị phân

Xử lý ảnh nhị phân

Phát hi n m t ng ệ ặ ườ i

 V i nh đấều vào ớ ả Г, ta tính Ф = Г – Ψ

 Tính weight vector w = u Ф

 Tính reconstructed image Ѓ = u.w

 Tính kho ng cách đềốn không gian khuôn m t Fsm = ả ặ

|| Ф - Ѓ ||

 Nềốu Fsm < θ thì kềốt lu n Г là khuôn m t ( θ là m t ậ ặ ộ

ngưỡng cho trước )

Tài li u tham kh o ệ ả

1 Shang – Hun Lin, Ph.D (IC Media Corporation) (2000): An

introduction to Face Recognition Technology Informing

Science Special Issue on Multimedia Informing Technology – Part 2, volume 3 no 1, 2000

2 M Turk and A Pentland Eigenfaces for recognition Journal

of Cognitive Neuroscience, 3(1), 1991a URL

accessed on November 27, 2002).

3 Tat-Jun Chin* and David Suter, A Study of the Eigenface

Approach for Face Recognition, Dept of ECSE, P.O Box 35, Monash University, Clayton 3800, Australia, 2004

4 “Kh o sát ng d ng t p thô trong l a ch n và rút g n đ c ả ứ ụ ậ ự ọ ọ ặ

tr ng cho bài toán nh n d ng m t ng ư ậ ạ ặ ườ i”, Lu n văn tôốt ậ

nghi p, Khoa Công ngh Thông tin, Đ i h c Khoa h c T ệ ệ ạ ọ ọ ự

nhiền Tp.HCM

Thank you!