Luận văn VNU: Hệ thống xác định khuôn mặt chung nhất - Cù Việt Dũng

Luận văn thạc sĩ VNU UET nghiên cứu xây dựng hệ thống xác định khuôn mặt trong tập ảnh số, ứng dụng công nghệ nhận diện tiên tiến.

• Tác giả: Cù Việt Dũng
• Người hướng dẫn: PGS.TS Bùi Thế Duy
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu và xây dựng hệ thống xác định khuôn mặt chung nhất trong tập ảnh số
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Phát biểu bài toán
• 1.2. Quy trình xử lý
• 1.3. Những khó khăn, thách thức
• 1.4. Một số phương pháp xác định khuôn mặt
• 1.4.1. Hướng tiếp cận dựa trên tri thức
• 1.4.2. Hướng tiếp cận dựa trên đặc trưng không thay đổi
• 1.4.3. Hướng tiếp cận dựa trên so khớp mẫu
• 1.4.4. Hướng tiếp cận dựa trên diện mạo
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phát hiện khuôn mặt
• 2.1.1. Các đặc trưng giống Haar
• 2.1.2. Phương pháp Adaboost
• 2.2. Tổng quan về các phương pháp trích rút đặc trưng
• 2.2.1. Phương pháp trích chọn đặc trưng hình học
• 2.2.2. Phương pháp trích chọn đặc trưng diện mạo
• 2.2.3. Phương pháp phân tích thành phần chính
• 2.2.3.1. Sơ lược đại số tuyến tính
• 2.2.3.2. Phân tích thành phần chính - PCA
• 2.2.4. Mô hình diện mạo tích cực
• 2.3. Huấn luyện mô hình
• 2.3.1. Huấn luyện mô hình hình dáng
• 2.3.2. Huấn luyện hình ảnh
• 2.4. Giới thiệu về phân cụm
• 2.4.1. Một số vấn đề trong phân cụm
• 2.4.2. Phân cụm phân cấp
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: XÂY DỰNG HỆ THỐNG
• 3.1. Tổng quan hệ thống
• 3.2. Phát hiện khuôn mặt
• 3.3. Trích rút đặc trưng
• 3.3.1. Phân tích thành phần chính
• 3.3.2. Mô hình diện mạo tích cực
• 3.4. Xác định khuôn mặt chung nhất
• 3.5. Kết luận chương 3
• 4. CHƯƠNG 4: THỬ NGHIỆM VÀ KẾT QUẢ ĐẠT ĐƯỢC
• 4.1. Cơ sở dữ liệu khuôn mặt thử nghiệm
• 4.2. Một số thực nghiệm
• 4.3. Kết luận chương 4
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về hệ thống xác định khuôn mặt trong ảnh số

Hệ thống xác định khuôn mặt là một trong những ứng dụng quan trọng trong lĩnh vực công nghệ thông tin. Với sự phát triển của mạng xã hội và lượng hình ảnh khổng lồ, việc tìm kiếm và xác định khuôn mặt trong tập ảnh số trở nên cần thiết hơn bao giờ hết. Luận văn này nghiên cứu và xây dựng một hệ thống nhằm xác định khuôn mặt chung nhất trong tập ảnh số, giúp người dùng dễ dàng tìm kiếm thông tin về các cá nhân trong các bức ảnh.

1.1. Ứng dụng của hệ thống nhận diện khuôn mặt

Hệ thống nhận diện khuôn mặt có nhiều ứng dụng thực tiễn trong đời sống, từ an ninh, giám sát đến các dịch vụ trực tuyến. Việc xác định khuôn mặt giúp cải thiện trải nghiệm người dùng trên các nền tảng mạng xã hội và tăng cường bảo mật thông tin cá nhân.

1.2. Tầm quan trọng của nghiên cứu trong lĩnh vực công nghệ

Nghiên cứu về hệ thống xác định khuôn mặt không chỉ giúp nâng cao hiệu quả trong việc xử lý hình ảnh mà còn mở ra nhiều cơ hội mới trong việc phát triển các ứng dụng thông minh, từ đó góp phần vào sự phát triển của ngành công nghệ thông tin.

II. Những thách thức trong việc xác định khuôn mặt

Việc xác định khuôn mặt trong ảnh số gặp phải nhiều thách thức lớn. Các yếu tố như góc chụp, ánh sáng, và sự che khuất có thể ảnh hưởng đến độ chính xác của hệ thống. Những thách thức này cần được giải quyết để cải thiện hiệu suất của hệ thống.

2.1. Ảnh hưởng của góc chụp đến độ chính xác

Góc chụp là một trong những yếu tố quan trọng ảnh hưởng đến khả năng nhận diện khuôn mặt. Các góc chụp khác nhau có thể làm biến dạng hình ảnh khuôn mặt, dẫn đến việc hệ thống khó khăn trong việc xác định chính xác.

2.2. Tác động của điều kiện ánh sáng

Điều kiện ánh sáng không đồng đều có thể làm giảm chất lượng hình ảnh, gây khó khăn cho việc nhận diện khuôn mặt. Hệ thống cần được thiết kế để xử lý các tình huống ánh sáng khác nhau nhằm đảm bảo độ chính xác cao.

III. Phương pháp xây dựng hệ thống xác định khuôn mặt

Để xây dựng hệ thống xác định khuôn mặt, cần áp dụng các phương pháp khoa học và công nghệ hiện đại. Các thuật toán như phân cụm và trích rút đặc trưng sẽ được sử dụng để tối ưu hóa quá trình nhận diện.

3.1. Thuật toán phân cụm trong nhận diện khuôn mặt

Phân cụm là một phương pháp hiệu quả để nhóm các khuôn mặt tương tự lại với nhau. Việc áp dụng thuật toán phân cụm giúp xác định khuôn mặt chung nhất trong tập ảnh, từ đó nâng cao độ chính xác của hệ thống.

3.2. Trích rút đặc trưng khuôn mặt

Trích rút đặc trưng là bước quan trọng trong quá trình nhận diện khuôn mặt. Các đặc trưng này sẽ được sử dụng để so sánh và xác định sự tương đồng giữa các khuôn mặt trong tập ảnh.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy hệ thống xác định khuôn mặt có thể hoạt động hiệu quả trong nhiều điều kiện khác nhau. Các ứng dụng thực tiễn của hệ thống này đã được thử nghiệm và cho thấy tính khả thi cao.

4.1. Thử nghiệm và đánh giá hiệu suất

Các thử nghiệm đã được thực hiện để đánh giá hiệu suất của hệ thống. Kết quả cho thấy độ chính xác cao trong việc xác định khuôn mặt, đặc biệt là trong các điều kiện ánh sáng tốt.

4.2. Ứng dụng trong các lĩnh vực khác nhau

Hệ thống xác định khuôn mặt có thể được áp dụng trong nhiều lĩnh vực như an ninh, giám sát, và các dịch vụ trực tuyến, mở ra nhiều cơ hội mới cho việc phát triển công nghệ.

V. Kết luận và hướng phát triển tương lai

Nghiên cứu và xây dựng hệ thống xác định khuôn mặt chung nhất trong tập ảnh số đã đạt được những kết quả khả quan. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết trong tương lai.

5.1. Định hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo sẽ tập trung vào việc cải thiện độ chính xác của hệ thống trong các điều kiện khó khăn hơn, đồng thời mở rộng khả năng nhận diện cho nhiều loại khuôn mặt khác nhau.

5.2. Tương lai của công nghệ nhận diện khuôn mặt

Công nghệ nhận diện khuôn mặt hứa hẹn sẽ tiếp tục phát triển mạnh mẽ trong tương lai, với nhiều ứng dụng mới và cải tiến trong các thuật toán nhận diện, từ đó nâng cao trải nghiệm người dùng.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ CÙ VIỆT DŨNG NGHIÊN CỨU VÀ XÂY DỰNG HỆ THỐNG XÁC ĐỊNH KHUÔN MẶT CHUNG NHẤT TRONG TẬP ẢNH SỐ LUẬN VĂN THẠC SĨ KỸ THUẬT PHẦN MỀM Hà Nội – 2014 LUAN VAN CHAT LUONG download : add [e-mail] 1 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ CÙ VIỆT DŨNG NGHIÊN CỨU VÀ XÂY DỰNG HỆ THỐNG XÁC ĐỊNH KHUÔN MẶT CHUNG NHẤT TRONG TẬP ẢNH SỐ Ngành: Công nghệ thông tin Chuyên ngành: Kỹ thuật phần mềm Mã số: 60480103 LUẬN VĂN THẠC SĨ KỸ THUẬT PHẦN MỀM NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS Bùi Thế Duy Hà Nội – 2014 LUAN VAN CHAT LUONG download : add [e-mail] 2 LỜI CẢM ƠN Trƣớc tiên, em xin gửi lời cảm ơn chân thành và sự biết ơn sâu sắc tới thầy giáo hƣớng dẫn, PGS.TS Bùi Thế Duy đã tận tình hƣớng dẫn em trong suốt quá trình thực hiện khoá luận tốt nghiệp, cách đặt ra các câu hỏi nghiên cứu, hiểu các vấn đề, và viết báo cáo một cách khoa học. Em xin chân thành cảm ơn sâu sắc tới các anh chị, thầy cô trong phòng tƣơng tác ngƣời máy đã luôn tận tình chỉ bảo, giải quyết những vấn đề vƣớng mắc. Em xin bày tỏ lời cảm ơn sâu sắc tới các thầy cô giáo trong trƣờng Đại học Công Nghệ, những ngƣời thầy, cô đã tận tình giảng dạy và truyền đạt cho em những kiến thức, những kinh nghiệm quý báu trong suốt quá trình học tập và rèn luyện ở Trƣờng. Con xin bày tỏ lòng chân thành và biết ơn tới cha mẹ, anh chị, những ngƣời trong gia đình và bạn bè đã luôn ở bên cạnh con những lúc khó khăn nhất, giúp con vƣợt qua khó khăn trong học tập cũng nhƣ trong cuộc sống. Hà nội, ngày 2 tháng 09 năm 2014 Học viên Cù Việt Dũng LUAN VAN CHAT LUONG download : add [e-mail] 3 Lời cam đoan Tôi xin cam đoan: Những kết quả nghiên cứu đƣợc trình bày trong luận văn là hoàn toàn trung thực, của tôi, không vi phạm bất cứ điều gì trong luật sở hữu trí tuệ và pháp luật Việt Nam. Nếu sai, tôi xin chịu hoàn toàn trách nhiệm trƣớc pháp luật. TÁC GIẢ LUẬN VĂN Cù Việt Dũng LUAN VAN CHAT LUONG download : add [e-mail] 4 MỤC LỤC Trang Lời cam đoan . 4 Danh mục các ký hiệu và chữ viết tắt . 6 Danh mục các bảng . 7 Danh mục các hình vẽ, đồ thị . 8 LỜI MỞ ĐẦU . 9 CHƢƠNG 1: TỔNG QUAN .2 Phát biểu bài toán .1 Quy trình xử lý .2 Những khó khăn, thách thức .3 Một số phƣơng pháp xác định khuôn mặt.1 Hƣớng tiếp cận dựa trên tri thức .2 Hƣớng tiếp cận dựa trên đặc trƣng không thay đổi.3 Hƣớng tiếp cận dựa trên so khớp mẫu .4 Hƣớng tiếp cận dựa trên diện mạo .4 Kết luận chƣơng 1 .17 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT .1 Phát hiện khuôn mặt.1 Các đặc trƣng giống Haar.2 Phƣơng pháp Adaboost .2 Tổng quan về các phƣơng pháp trích rút đặc trƣng .1 Phƣơng pháp trích chọn đặc trƣng hình học .2 Phƣơng pháp trích chọn đặc trƣng diện mạo .3 Phƣơng pháp phân tích thành phần chính .1 Sơ lƣợc đại số tuyến tính .2 Phân tích thành phần chính - PCA .4 Mô hình diện mạo tích cực .28 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1 Hình dáng và các điểm mốc .2 Căn chỉnh hình dạng của tập huấn luyện .3 Huấn luyện mô hình .1 Huấn luyện mô hình hình dáng .2 Huấn luyện hình ảnh .5 Giới thiệu về phân cụm .2 Một số vấn đề trong phân cụm .3 Phân cụm phân cấp .6 Kết luận chƣơng 2 .37 CHƢƠNG 3: XÂY DỰNG HỆ THỐNG .1 Tổng quan hệ thống .2 Phát hiện khuôn mặt.3 Trích rút đặc trƣng .1 Phân tích thành phần chính .2 Mô hình diện mạo tích cực.4 Xác định khuôn mặt chung nhất .5 Kết luận chƣơng 3 .46 CHƢƠNG 4: THỬ NGHIỆM VÀ KẾT QUẢ ĐẠT ĐƢỢC .1 Cơ sở dữ liệu khuôn mặt thử nghiệm.2 Một số thực nghiệm .3 Kết luận chƣơng 4 .54 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN . 55 TÀI LIỆU THAM KHẢO . 56 LUAN VAN CHAT LUONG download : add [e-mail] 6 Danh mục các ký hiệu và chữ viết tắt CSDL Cơ sở dữ liệu ASM Active Shape Model PCA Principal Component Analysis HAC Hierarchical Agglomerative Clustering LUAN VAN CHAT LUONG download : add [e-mail] 7 Danh mục các bảng Bảng 2.1: Tham số dữ liệu thuộc tính nhị phân .35 LUAN VAN CHAT LUONG download : add [e-mail] 8 Danh mục các hình vẽ, đồ thị Hình 2.1: Bốn đặc trƣng Haar-like cơ bản .2: Các đặc trƣng mở rộng của các đặc trƣng Haar-like cơ sở.3: Cách tính Integral Image của ảnh .4: Cách tính nhanh tổng các điểm ảnh của vùng D trên ảnh .5: Cách tính nhanh tổng điểm ảnh của vùng D trên ảnh với các đặc trƣng xoay 45o .6: Thuật toán Adaboost .7: Hình dạng và biểu diễn của hình dạng trong mô hình .8: Vị trí 68 điểm mốc trên khuôn mặt .9: Thuật toán gióng hàng tập huấn luyện .10: Quy trình huấn luyện mô hình hình dáng .11: Thuật toán so khớp hình dáng khuôn mặt.1: Sơ đồ tổng quát của hệ thống .2: Mã giả thuật toán tổng quát của hệ thống .3: Giao diện chính của hệ thống .4: Giao diện kết quả sau khi xác định đƣợc khuôn mặt chung nhất .5: Giao diện kết quả phát hiện khuôn mặt .6: Chuyển ảnh khuôn mặt sang vector .7: Tập ảnh khuôn mặt sau khi chuẩn hóa cùng kích thƣớc .8: Thuật toán so khớp khuôn mặt.9: Thuật toán phân cụm phân cấp .1: Ví dụ một tập cơ sở dữ liệu tự xây dựng .2: Tập ảnh đầu vào thực nghiệm 1 .3: Khuôn mặt chung nhất trong thực nghiệm 1 .4: Kết quả của hệ thống trong thực nghiệm 1 - PCA .5: Kết quả của hệ thống trong thực nghiệm 1 - ASM .6: Tập ảnh đầu vào thực nghiệm 2 .7: Khuôn mặt chung nhất trong thực nghiệm 2 .8: Kết quả của hệ thống trong thực nghiệm 2 - PCA .9: Kết quả của hệ thống trong thực nghiệm 2 - ASM .10: Tập ảnh đầu vào thực nghiệm 3 .11: Khuôn mặt chung nhất trong thực nghiệm 3 .12: Kết quả của hệ thống trong thực nghiệm 3 - PCA .13: Kết quả của hệ thống trong thực nghiệm 3 - ASM .53 LUAN VAN CHAT LUONG download : add [e-mail] 9 LỜI MỞ ĐẦU Hiện nay thế giới có hàng trăm mạng mạng xã hội khác nhau nhƣ MySpace và Facebook nổi tiếng trong thị trƣờng Bắc Mỹ và Tây Âu; Orkut và Hi5 tại Nam Mỹ; Friendster tại Châu Á và các đảo quốc Thái Bình Dƣơng. Một số mạng xã hội khác đã gặt hái đƣợc thành công đáng kể theo vùng miền nhƣ Bebo tại Anh Quốc, CyWorld tại Hàn Quốc, Mixi tại Nhật Bản. Ở Việt Nam xuất hiện rất nhiều các mạng xã hội nhƣ: Facebook, Zing Me, YuMe, Tamtay đƣợc đông đảo các bạn trẻ và mọi ngƣời trong nƣớc tin dùng. Với số lƣợng mạng xã hội đông đảo nhƣ thế, lƣợng thông tin dữ liệu thu đƣợc là khổng lồ. Trong lƣợng thông tin khổng lồ này, có một lƣợng lớn là hình ảnh. Một minh chứng rõ nhất là mạng xã hội facebook, cho đến nay đã có hàng trăm tỷ bức hình trong cơ sở dữ liệu. Việc tìm ra thông tin hữu ích trên lƣợng dữ liệu hình ảnh lớn nhƣ vậy sẽ rất cấp thiết. Nhiều thông tin đƣợc chia sẻ trên mạng xã hội thể hiện bằng các hình ảnh cung cấp cho ngƣời dùng về thông tin của ngƣời, phong cảnh mang nhiều phong cách của từng cá nhân. Mọi ngƣời thƣờng chia sẻ hình ảnh cá nhân trên các trang mạng xã hội để chia sẻ chúng với gia đình, ngƣời thân, bạn bè và ngƣời quen. Tuy nhiên, mỗi khi một ngƣời dùng muốn tìm hiểu thông tin về một ai đó gặp phải vấn đề phải tìm thông tin về ngƣời đó rất khó khăn (tốn thời gian và nhiều khi không tìm đƣợc). Lý do của việc này là lƣợng ảnh trên mạng xã hội quá nhiều và tăng nhanh hàng ngày. Với một tập ảnh cho trƣớc, mỗi bức ảnh có thể có một hay nhiều hơn một khuôn mặt gây ra nhiều khó khăn cho ngƣời dùng có thể xác định chủ thể trong tập ảnh đó một cách nhanh nhất. Do đó, chúng ta nên cần một hệ thống có thể giúp gom các đối tƣợng khuôn mặt về cùng một cụm (theo một độ đo tƣơng tự nào đó) trong một tập dữ liệu ảnh có một hay nhiều khuôn mặt trong bức ảnh là vô cùng cần thiết. Từ đó xác định đƣợc khuôn mặt chung nhất trong tập ảnh. Với sự cần thiết đó tác giả chọn đề tài “Nghiên cứu và xây dựng hệ thống xác định khuôn mặt chung nhất trong tập ảnh số”. Nội dung khóa luận gồm có 4 chƣơng: Chƣơng 1: Tổng quan, giới thiệu và phát biểu bài toán, nêu một số hƣớng tiếp cận trong việc phát hiện khuôn mặt trong ảnh Chƣơng 2: Cơ sở lý thuyết, giới thiệu cơ sở lý thuyết một số phƣơng pháp liên quan trong bài toán Chƣơng 3: Xây dựng hệ thống, trình bày về xây dựng hệ thống giải quyết bài toán. Chƣơng 4: Thử nghiệm và kết quả đạt đƣợc, trình bày về cơ sở dữ liệu thực nghiệm và kết quả thử nghiệm, đánh giá thử nghiệm LUAN VAN CHAT LUONG download : add [e-mail] 10 CHƢƠNG 1: TỔNG QUAN 1.1 Giới thiệu Thông thƣờng để lƣu trữ thông tin, dữ liệu về một nội dung, sự vật, sự việc nào đó thì ngƣời ta thƣờng chọn sử dụng dạng lƣu trữ kiểu văn bản. Nhƣng lƣu trữ dữ liệu bằng văn bản nhiều khi không thể phản ánh đầy đủ, chân thực về đối tƣợng đƣợc miêu tả và nhiều khi đó chỉ là do cảm nhận chủ quan của mình ngƣời viết. Vì vậy kết hợp với lƣu trữ dữ liệu dạng văn bản ngƣời ta còn sử dụng lƣu trữ dữ liệu dạng ảnh. Khối lƣợng dữ liệu dạng ảnh ngày càng trở nên khổng lồ nhất là khi hiện nay các thiết bị thu nhận ảnh số ngày càng trở nên phổ biến với giá cả phù hợp. Khi ta có nhu cầu tìm kiếm một vài bức ảnh trong một kho dữ liệu ảnh có thể lên tới vài trăm nghìn bức ảnh để minh họa cho một đề tài nào đó, thì tuyệt đối không phải là chuyện đơn giản nếu chúng ta tìm kiếm một cách thủ công tức là xem lần lƣợt từng bức ảnh cho tới khi ta tìm thấy đƣợc bức ảnh có nội dung cần tìm. Song song với sự phát triển của các phƣơng tiện kỹ thuật số trong tƣơng lai số lƣợng ảnh sẽ còn tăng hơn nữa nhiều hơn nữa. Nhu cầu chia sẻ hình ảnh cá nhân của đa số mọi ngƣời trên thế giới và Việt Nam là rất lớn làm cho lƣợng hình ảnh khuôn mặt ngày càng tăng nhanh.