nhan dang khuon mat va nhan dang gioi ti

7/28/2019 Nhan Dang Khuon Mat Va Nhan Dang Gioi Ti

1/15

THCN-KSCLC-K50 Page 1

Li mu

Hin nay, cng vi s pht trin ca x hi, vn an ninh bo mt ang c yu

cu kht khe ti mi quc gia trn th gii. Cc h thng nhn dng con ngi c ra

i vi tin cy ngy cng cao. Mt trong cc bi ton nhn dng con ngi rt c

quan tm hin nay l nhn dng khun mt. V nhn dng khun mt l cch m con

ngi s dng phn bit nhau. Bn cnh , ngy nay vic thu thp, x l thng tin

qua nh nhn bit i tng ang c quan tm v ng dng rng ri. Vi phng

php ny, chng ta c th thu nhn c nhiu thng tin ti tng m khng cn

tc ng nhiu n i tng nghin cu. S pht trin ca khoa hc my tnh to

mi trng thun li cho bi ton nhn dng mt ngi tnh s. Cc h thng nhn

dng offline ra i v c tin cy cao, tuy nhin cc h thng nhn dng online li

cha p ng c nhiu.

Trong khun kh n ny, chng em s tip tc gii quyt bi ton nhn dng

offline. Trong i tng c thu thp thnh cc file d liu v c chuyn v

trung tm. Ti , cc s liu sc phn tch x l. Trong phn u, chng em s

gii quyt bi ton nhn dng thng thng, phn hai s l phn nhn dng gii tnh.


2/15


1) Gii thiu chung vcc phng php nhn dng mt ngi.a) Cc phng php nhn dng mt ngi:

Phng php nhn dng hin nay c 2 loi:

Nhn dng da trn cc c trng ca cc phn t trn khun mt (Featurebased face recognition).

Nhn dng da trn xt tng th khun mt (Appearance based facerecognition).

Ngoi ra cn c mt s loi nhn dng s dng m hnh v khun mt, mt s

phng php c dng cho loi ny:

Nhn dng 2D: Elastic Bunch Graph, Active Appearance Model.Nhn dng 3D: 3D Morphable Model.

b)Nhn dng da trn mi quan h gia cc phn t:y l phng php nhn dng khun mt da trn vic xc nh cc c trng

hnh hc ca cc chi tit trn mt khun mt (nh v tr, din tch, hnh dng ca mt,

mi, ming,), v mi quan h gia chng (nh khong cch ca hai mt, khong

cch ca hai lng my,).

u im ca phng php ny l n gn vi cch m con ngi s dng nhn

bit khun mt. Hn na vi vic xc nh c tnh v cc mi quan h, phng php

ny c th cho kt qu tt trong cc trng hp nh c nhiu nhiu nh b nghing, b

xoay hoc nh sng thay i.

Nhc im ca phng php ny l ci t thut ton phc tp do vic xc nh

mi quan h gia cc c tnh i hi cc thut ton phc tp. Mt khc, vi cc nh

kch thc b th cc c tnh s kh phn bit.

c)Nhn dng da trn xt ton din khun mt:Ni dung chnh ca hng tip cn ny l xem mi nh c kch thc RxC l mt

vector trong khng gian RxC chiu. Ta s xy dng mt khng gian mi c chiu nh

hn sao cho khi biu din trong khng gian cc c im chnh ca mt khun mt

khng b mt i. Trong khng gian , cc nh ca cng mt ngi sc tp trung

li thnh mt nhm gn nhau v cch xa cc nhm khc.


3/15


Hai phng php thng c s dng l PCA (Principle Components Analysis)

v LDA (Linear Discriminant Analysis). Trong khun kh n ny, chng em s s

dng thut ton PCA.

2) Thut ton PCA.a) Gii thiu chung v thut ton:

PCA (Principle Components Analysis) l mt thut ton c s dng to ra

mt nh mi tnh ban u. nh mi ny c kch thc nhhn rt nhiu so vi nh

u vo v vn mang nhng c trng c bn nht ca nh cn nhn dng. PCA khng

cn quan tm n vic tm ra cc c im c th ca thc th cn nhn dng v mi

quan h gia cc c im . Tt c cc chi tit u c th hin nh mi c

to ra t PCA.

V bn cht, PCA tm ra mt khng gian mi theo hng bin thin mnh nht ca

mt tp hp cc vector trong khng gian cho trc. Trong khng gian mi, ngi ta hy

vng rng vic phn loi s mang li kt qu tt hn so vi khng gian ban u.

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

0.00 50.00 100.00 150.00 200.00 250.00

x1

x2


4/15


0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

0.00 50.00 100.00 150.00 200.00 250.00x1

x2

p1

p2

Hnh 1. Khng gian mi (p1,p2) theo hng phn bmnh nht ca cc vector trong khng gian

(x1,x2) tm theo PCA.

u im ca phng php PCA:

Tm c cc c tnh tiu biu ca i tng cn nhn dng m khng cnphi xc nh cc thnh phn v mi quan h gia cc thnh phn .

Thut ton c th thc hin tt vi cc nh c phn gii cao, do PCA s thugn nh thnh mt nh c kch thc nhhn.

PCA c th kt hp vi cc phng php khc nh mng Noron, SupportVector Machine mang li hiu qu nhn dng cao hn.

Nhc im ca PCA:

PCA phn loi theo chiu phn b ln nht ca tp vector. Tuy nhin, chiuphn b ln nht khng phi lc no cng mang li hiu qu tt nht cho bi

ton nhn dng. y l nhc im c bn ca PCA.

PCA rt nhy vi nhiu.b)Ni dung thut ton PCA:

Khng gian mi c to bi PCA c cu thnh t K vector n v c chiu l

N. Mi vector c gi l mt Eigenface.

Php bin i:


5/15


K

2

1

N

2

1

w

.

.

.

w

w

W

a

.

.

.

a

a

A vi K


6/15


).(

.

.

.

.

.

.

2

1

2

1

xxUxx

u

u

u

w

w

w

T

T

K

T

T

K

Vn cn gii quyt y l ma trn tng quan C=A.ATc kch thc N2 . Vi

N=180x200=36000, khi lng tnh ton s rt ln. Do tnh c cc eigenface

m khng cn tnh c ma trn C, ngi ta a ra phng php tnh nhanh da vo

vector ring v gi tr ring ca ma trn L=AT.A c kch thc MxM vi M l snh

u vo. Ta c th chng minh nh sau: gi vi, i ln lt l vector ring v gi tr

ring ca ma trn L:

AT.A.vi=i.vi

Nhn c 2 v vi A ta c:

A.AT.A.vi=i.A.vi

Ta thy A.vi chnh l vector ring ca C=A.ATng vi gi tr ring i

c) p dng PCA vo trch chn vector c tnh cho bi ton nhn dng mt ngi:Mt bc nh v khun mt c coi nh l mt vector, nu bc nh c kch thc

l w*h pixels th khng gian cha vector ny c s chiu l N=w*h. Mi pixel sc

m ha bi mt thnh phn ca vector. Cu trc ca vector c to t nh c th

c hnh dung nh hnh bn di.

Hnh 2. Dng ca vector to tbc nh vkhun mt.

Khu quan trng nht trong bi ton nhn dng l trch chn vector c tnh.

Trong phn ny, chng em s trnh by cc bc trch chn vector c tnh mang

nhng c tnh ring ca mt cn nhn dng:

i. To mt tp X gm M nh (nh hc), mi nh c kch thc N, cc nhc chuyn thnh vector N chiu.


7/15


X={x1,x2,,xM}

ii. Tnh trung bnh ca tp trn:

M

i

ix

Mx

1

1

iii. Tnh sai lch ca nh u vo vi gi tr trung bnh trn:xx

ii

iv. Tm tp gm M vector trc giao, u, biu din chiu phn b mnh nht catp d liu X. Tp cc vector u c gi l eigenface ca tp d liu hc.

v. Xy dng cc nh mi vi theo M vector u:i

t

iiuv

=[v1,v2,,vM]T

Trong i

T

iiuv l vector c tnh ca nh th i trong khng gian mi. y

l tp cc eigenface, cc thnh phn c bn cho bc nh cn nhn dng.

d) Phn loi v nhn dng:Sau khi trch chn c vector c tnh, chng ta cn i chiu vector ny vi c

sd liu, t a ra kt qu nhn dng. Trong bi ton, kt qu nhn dng s l

nhn bit c hoc cha nhn bit c. thc hin phn loi c rt nhiu phng php nh khong cch Euclides, mng

Noron, SVM, trong khong cch Euclides l phng php n gin nht. N cho

kt qu tt i vi trng hp i tng c to thnh cc nhm cch xa nhau.

Vector c tnh ca i tng cn nhn dng sc so snh ln lt vi vector c

tnh ca tng nh mu trong tp cc nh hc. Cc khong cch ngn nht sc lu

li.

k=||-k|| vi k=1,M

trong k l vector ca mt thk trong c sd liu. Nu knhhn threshold c

xc nh trc th bc nh c nhn dng l mt thk trong c sd liu.

3) Thut ton nhn dng dng PCA.a)Nhn dng mt ngi:

Nh ni trn, vic nhn dng khun mt thng thng s dng gii thut PCA

trch chn vector c tnh. Sau , chng ta sso snh vector c tnh ny vi c sd


8/15


liu hin c. Khong cch Euclides c s dng nh gi mc ging nhau ca

vector c tnh hay chnh l s ging nhau gia nh cn nhn dng v nh trong c s

d liu. S minh ha cho thut ton:

Hnh 3. S thut ton nhn dng mt ngi dng PCA

b)Nhn dng gi trai:Nhn dng gii tnh l mt mt sinh hc c bit quan trng ca con ngi. Vic

xy dng c mt thut ton nhn dng gii tnh l vn ang c t ra cho cc

nh nghin cu. Vn ny hin vn cha c lm sng t v thng tin o m con

ngi s dng cho vic nhn dng mt mt l n hay nam vn cha c hiu r. C 2

loi thng tin o chnh: da vo o lng hoc da vo pixel ca cc khun mt. Bibo co ny s s dng loi th 2.

Qu trnh nhn dng c th chia lm 2 phn: th nht, pixel sc chuyn vo

face space, tip theo, thut ton nhn dng sc p dng. Hai qu trnh ny sc

kim tra cng mt thi gian. Mc tiu ca bi bo co l nghin cu t m thut ton

PCA tm ra face space no l tiu biu ca khun mt. Do vy ch phn u ca qu

trnh nhn dng c s dng, qu trnh nhn dng nam n sc hon thnh khi s

dng reconstruction error.


9/15


Sdng reconstruction error:

y l phng php k thut ch khng phi l mt phng php sinh hc, tuy

nhin bno cng c th lm vic theo cch thc ny. Thay v s dng ch mt face

space, phng php ny s dng mt space ring cho mi mt lp: chia ra thnh facespace ca n v nam. Vic to eigenface n v nam tng t nh qu trnh to

eigenface thng thng. Do trong qu trnh to face space cho n v nam th ch c

mt ca lp tham gia. Chng ta s gi s rng reconstruction error cho phn mt

nam c xy dng t face space nam s nhhn reconstruction error ca chnh mt

ny c xy dng t face space n. Nh vy, phng php nhn dng s trnn n

gin. S thut ton c minh ha nh hnh bn di:

4) Xy dng c sd liu cho thut ton.C s d liu c s dng cho bi ton l b nh c ly trn trang web

http://dces.essex.ac.uk/mv/allfaces/faces94.zipc to bi tc gi Libor Spacek.

Mt s thng s vc sd liu:

Gii tnh: bao gm c nam v n.Ngun gc: t nhiu vng trn th gii. Tui: cc bc nh u ca nhng ngi c tui t 18-20. eo knh: c. Ru: c.


10/15


nh dng nh: 24bit JPEG, kch thc l 180x200 pixels. Camera c s dng l S-VHS camcorder. sng: nhn to, c s pha trn gia n hunh quang v vonfram.B d liu c chn s bao gm 20 ngi trong c 10 nam v 10 n, mi

ngi 5 nh. Trong s 5 nh ca mi ngi, ta chn ngu nhin 2 nh to b s liu

hc v 3 nh cn li kim tra m hnh.

a) C sd liu cho nhn dng mt ngi thng thng:Bnh ny gm 20 ngi, c 10 nam v 10 n, mi ngi 5 nh. Trong bnh

ny, cc nh hc c sp xp vo cng mt th mc v nh s th t t1 n 40.

Cc nh dng kim tra m hnh cng c chung vo mt th mc. Nh vy

chng ta sc 2 th mc: th mc training cha cc nh hc v th mc test cha cc

nh kim tra m hnh.

b) C sd liu cho nhn dng gi trai.C sd liu cho bi ton nhn dng gi trai tng t trn, tuy nhin c mt s

thay i nh: trong th mc training, chng ta chia ra lm 2 th mc con: mt th mc

cha cc nh nam v th mc cn li cha cc nh n.

Hnh 4. Mt snh trong c sd liu.

5) Ci t thut ton.a)Nhn dng mt ngi thng thng:

Thc hin:


11/15


Da vo l thuyt phn trc phn code chng trnh nhn dng c chia lm 4

phn:

i) CreateDatabase.m l hm to c sd liu cho bi ton. Chc nng ca hm

ny l chuyn cc bc nh 2D trong c sd liu training thnh dng cc vector ct,sau cc vector ny c t thnh hng ca mt ma trn 2D:T. u vo l ng

dn n c sd liu training v u ra s l ma trn T. y cc bc nh c cng

kch thc MxN do kch thc ca ma trn ny l MNxP vi P l snh trong c

sd liu.

function T = CreateDatabase(TrainDatabasePath)

% Input: TrainDatabasePath: ng dn n c sd liu

% Output:% Ma trn T: ma trn 2D, cha tt c cc vector 1D ca cc nh

% kch thc l MNxP vi MxN l kch thc nh, P l snh.

ii) EigenfaceCore.m: hm ny c s dng tnh trung bnh tp nh u vo,

tnh eigenface, tnh ma trn A l tp cc vector u vo mi sau khi so snh vi gi tr

trung bnh tp nh u vo.

function [m, A, Eigenfaces] = EigenfaceCore(T)

%

% Input: T - Ma trn 2D kch thc MNxP

%

% Output: m - (M*Nx1): Trung bnh ca tp nh u vo

% Eigenfaces - (M*Nx(P-1)): vector ring ca ma trn tng quan

% trong c sd liu training

% A - (M*NxP): Tp cc vector u vo mi sau khi so snh

% vi trung bnh.iii) Recognition.m: hm ny c s dng nhn dng bc nh u vo. N so

snh 2 bc nh bng cch a nh vo mt khng gian mi v tnh khong cch

Euclidean gia chng.

function OutputName = Recognition(TestImage, m, A, Eigenfaces)

%

% Input: TestImage: ng dn n th mc ca nh cn kim tra

%


12/15


% m: (M*Nx1): Gi tr trung bnh tp nh u vo

% l u ra ca hm 'EigenfaceCore'.

%

% Eigenfaces: (M*Nx(P-1)): vector ring ca ma trn tng quan trong

% training database, l u ra ca hm EigenfaceCore'

%

% A: (M*NxP): l u ra ca hm 'EigenfaceCore'.

%

% Output: OutputName: Tn ca bc nh nhn dng trong c sd liu training.

iv) example.m: y l chng trnh v d v nhn dng mt s bc nh.

b)Nhn dng gi trai:Theo s thut ton code ca chng trnh c chia lm 4 phn nh phn code

trc trnh by, tuy nhin c mt sthay i:

i. CreateDatabase.m: Hm ny s to ra c sd liu ring cho nam v n.function [T1,T2] = CreateDatabase(TrainDatabasePath)

% Input: TrainDatabasePath: ng dn n c sd liu

% Output:

% Ma trn T1: ma trn 2D, cha tt c cc vector 1D ca cc nh n


% Ma trn T2: ma trn 2D, cha tt c cc vector 1D ca cc nh nam


ii. EigenfaceCore.m: hm ny c s dng tnh trung bnh tp nh u vo,tnh eigenface, tnh ma trn A l tp cc vector u vo sau khi so snh vi gi

tr trung bnh tp nh u vo. Hm ny l phn chnh ca thut ton PCA v

c gi nguyn.iii. Recognition.m: Hm ny s dng nhn dng nh u vo. Hm ny s so

snh khong cch Euclidean tnh c t2 c sd liu nam v n, sau a

ra kt qu nhn dng bc nh u vo l nam hay n. N c 1 sthay i:

function [OutputName,A,Recognized_index,Sex_indi] = Recognition(TestImage, m1,

A1, Eigenfaces1,m2, A2, Eigenfaces2)

%

% Input: TestImage: ng dn n th mc ca nh cn kim tra


13/15


%

% m1, m2: (M*Nx1): Gi tr trung bnh tp nh u vo

% l u ra ca hm 'EigenfaceCore' ca n v nam.

%

% Eigenfaces1, Eigenfaces2: (M*Nx(P-1)): vector ring ca ma trn tng quan

% trong training database ca n v nam , l u ra ca hm EigenfaceCore'

%

% A1, A2: (M*NxP): l u ra ca hm 'EigenfaceCore' tng ng ca n v

% nam.

%

% Output: OutputName: Tn ca bc nh nhn dng trong c sd liu training.

% Ma trn A.

% Recognized_index: v tr ca bc nh th mc training.

% Sex_indi: gii tnh.

iv. example.m: c mt sthay i khng ng k.5)Kt qu nhn dng.

Vi c sd liu l b mu c sn 20 ngi, mi ngi 5 nh , trong c 2 nh

hc v 3 nh test.Do ch c 2 nh hc cho mi ngi, nn vi b d liu ny ta ch

a ra 2 ngi gn i tng nht.Kt qu nhn dng nh sau:

Kim tra vi u vo l cc nh hc:Snh 40

Nhn dng mt ngi ng:40, t l 100%

Nhn dng gii tnh ng: 40, t l 100%.

Kim tra vi cc nh khc:Snh:60

Nhn dng ng mt ngi: 58, t l 96,67%

Nhn dng gii tnh ng: 59, t l 98,3%.

Cc i tng c kt qu nhn dng ng mt ngi : Gi tr nhn dng ng vi nh tm c u nhhn ngng.


14/15


a)i tng cn nhn dng b)Kt quu ra.

Kt qu nhn dng sai mt ngi: sai hon ton, mc d nh c trong c sd liunhng trong kt qu li a ra 1 nh khc hon ton.Nguyn nhn dn n sai l do

nt mt ca ngi ph nthay i( nhm mi, nhn nh.).

a) nh u vo b)Kt qu nhn dng

Kt qu nhn dng ng gii tnh bao gm: Tnh u vo, u ra ta a ra 2 bc nh c 2 khong cch Euclides khc

nhau, trong c 1 bc nh ng ca i tng nhn dng, so snh 2 khongcch ta a ra c gii tinh chinh xc.Nh hinh di

a)nh u vo b)e=6.4323e+015 c)e=1.93644e+015 d)kt qu

a)nh u vo b) e=6.62171e+014 c)e=4.59613e+015 d)kt quu

ra


15/15


Tnh u vo, u ra ta a ra 2 bc nh c 2 khong cch Euclides khcnhau, nhng khng c bc nh ng ca i tng nhn dng, so snh 2

khong cch ta a ra c gii tinh chinh xc.Nh hinh di:

a)nh u vo b)e= 2.2716e+015 c)e= 8115e+016 d)u ra

Kt qu nhn dng sai gii tnh

a)nh u vo b)e= 7.02857e+015 c)e= 4.97964e+015 d)u ra

nhan dang khuon mat va nhan dang gioi ti

Documents