Luận văn thạc sĩ kỹ thuật vô tuyến điện tử nhận dạng mặt người dùng gabor wavelets

Luận văn thạc sĩ nghiên cứu kỹ thuật vô tuyến điện tử nhận dạng mặt người dùng gabor wavelets, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực

• Tác giả: Đào Thị Thu Thủy
• Người hướng dẫn: PGS.TS Lê Tiến Thường
• Trường học: Đại Học Quốc Gia Tp. Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Vô Tuyến Và Điện Tử
• Đề tài: Nhận Dạng Khuôn Mặt Người Dùng Gabor Wavelets
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2004
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Giới thiệu về nhận dạng khuôn mặt

Nhận dạng khuôn mặt là một lĩnh vực nghiên cứu đang phát triển mạnh mẽ, với nhiều ứng dụng thương mại và an ninh. Mặc dù các phương pháp hiện tại hoạt động tốt trong một số điều kiện nhất định, nhưng vẫn còn nhiều thách thức như sự thay đổi ánh sáng, biểu cảm khuôn mặt khác nhau, hướng nhìn và tuổi tác. Đặc biệt, việc nhận dạng khuôn mặt dưới các điều kiện khó khăn như đeo kính hay trang điểm vẫn là một bài toán nan giải. Các phương pháp nhận dạng khuôn mặt đã được nghiên cứu và phát triển từ những năm 1888, với những tiến bộ quan trọng từ thập niên 90. Các phương pháp này bao gồm Eigenfaces, mô hình ẩn Markov, và mạng nơ-ron. Việc nhận dạng khuôn mặt tự động đang trở thành một lĩnh vực nghiên cứu thiết thực với nhiều ứng dụng trong thực tế.

1.1. Các phương pháp nhận dạng khuôn mặt

Các phương pháp nhận dạng khuôn mặt đã được phát triển để giải quyết những vấn đề khác nhau, bao gồm việc sử dụng mạng nơ-ron, phân tích đặc trưng và các phương pháp dựa trên mẫu. Mỗi phương pháp có những ưu và nhược điểm riêng, nhưng đều có chung mục tiêu là nhận diện chính xác khuôn mặt con người. Sự phát triển của công nghệ máy tính và hình ảnh đã tạo điều kiện thuận lợi cho việc cải tiến các phương pháp này. Các nghiên cứu gần đây đã chỉ ra rằng việc sử dụng các đặc trưng như mắt, mũi và miệng có thể nâng cao độ chính xác trong nhận dạng khuôn mặt.

II. Gabor Wavelets trong nhận dạng khuôn mặt

Bài viết này tập trung vào việc sử dụng Gabor Wavelets trong nhận dạng khuôn mặt. Gabor Wavelets là một công cụ mạnh mẽ trong việc trích xuất đặc trưng, nhờ khả năng mô phỏng cách mà hệ thống thị giác của con người hoạt động. Phương pháp này sử dụng biến đổi Gabor để tạo ra các vector đặc trưng từ hình ảnh khuôn mặt. Các điểm đặc trưng được chọn từ các đỉnh của phản hồi Gabor, cho phép nhận diện các đặc điểm như mắt, mũi và miệng một cách chính xác. Việc sử dụng Gabor Wavelets giúp cải thiện khả năng nhận dạng trong các điều kiện ánh sáng khác nhau và khi có sự thay đổi về biểu cảm khuôn mặt.

2.1. Nguyên lý hoạt động của Gabor Wavelets

Gabor Wavelets hoạt động dựa trên nguyên lý của phân tích tần số, cho phép phân tích các đặc điểm của hình ảnh trong không gian tần số. Phương pháp này giúp xác định các đặc trưng quan trọng của khuôn mặt mà không cần phải huấn luyện như trong các phương pháp mạng nơ-ron. Đặc biệt, một hình ảnh khuôn mặt chính diện đủ để làm tham chiếu cho mỗi cá nhân, từ đó giúp giảm thiểu thời gian và chi phí cho quá trình nhận dạng.

III. Ứng dụng thực tiễn của Gabor Wavelets

Việc áp dụng Gabor Wavelets trong nhận dạng khuôn mặt không chỉ mang lại lợi ích về mặt lý thuyết mà còn có nhiều ứng dụng thực tiễn trong đời sống. Chúng có thể được sử dụng trong các hệ thống bảo mật, giám sát an ninh, và trong các thiết bị di động. Hệ thống nhận dạng khuôn mặt tự động có thể được tích hợp vào các thiết bị thông minh, giúp nâng cao hiệu quả bảo mật và tiện lợi cho người sử dụng. Ngoài ra, Gabor Wavelets còn có thể được sử dụng trong các lĩnh vực như nhận diện cảm xúc và phân tích hành vi, mở ra nhiều cơ hội nghiên cứu mới.

3.1. Tương lai của nhận dạng khuôn mặt

Với sự phát triển không ngừng của công nghệ, nhận dạng khuôn mặt dự kiến sẽ trở thành một phần không thể thiếu trong các hệ thống an ninh và bảo mật. Việc cải thiện độ chính xác và khả năng nhận diện trong các điều kiện khác nhau sẽ tiếp tục là một thách thức lớn. Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các thuật toán mới và cải tiến các phương pháp hiện tại để nâng cao hiệu quả của hệ thống nhận dạng khuôn mặt.

Trích đoạn nội dung tài liệu

Ñaïi Hoïc Quoác Gia Tp. Hoà Chí Minh TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA ------------------------ ÑAØO THÒ THU THUÛY NHAÄN DAÏNG MAËT NGÖÔØI DUØNG GABOR WAVELETS (Face Recognition Using Gabor Wavelets) Chuyeân ngaønh : KYÕ THUAÄT VOÂ TUYEÁN VAØ ÑIEÄN TÖÛ Maõ soá ngaønh : 2.01 LUAÄN VAÊN THAÏC SÓ TP. HOÀ CHÍ MINH, thaùng7 naêm 2004 Ñaïi Hoïc Quoác Gia Tp. Hoà Chí Minh COÄNG HOØA XAÕ HOÄI CHUÛ NGHÓA VIEÄT NAM TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA Ñoäc Laäp – Töï Do – Haïnh Phuùc -------------- ------------------------ NHIEÄM VUÏ LUAÄN VAÊN THAÏC SÓ Hoï vaø teân hoïc vieân :ÑAØO THÒ THU THUÛY Phaùi : Nöõ Ngaøy, thaùng, naêm sinh : 28/08/1978 Nôi sinh : Höng Yeân Chuyeân ngaønh : KYÕ THUAÄT VOÂ TUYEÁN-ÑIEÄN TÖÛ Maõ soá : 2.01 TEÂN ÑEÀ TAØI : NHAÄN DAÏNG MAËT NGÖÔØI DUØNG GABOR WAVELETS II-NHIEÄM VUÏ VAØ NOÄI DUNG : - Tìm hieåu caùc phöông phaùp nhaän daïng maët vaø bieán ñoåi GaborWavelets.

- ÖÙng duïng pheùp bieán ñoåi Gabor Wavelets trong bieåu dieãn vaø trích caùc ñaëc tröng ñeå nhaän daïng maët ngöôøi. - Xaây döïng thuaät giaûi nhaän daïng maët ngöôøi. - Moâ phoûng heä thoáng nhaän daïng maët ngöôøi baèng ngoân ngöõ Matlab. III-NGAØY GIAO NHIEÄM VUÏ : 9/2/2004 IV-NGAØY HOAØN THAØNH NHIEÄM VUÏ : 30/7/2004 V-HOÏ VAØ TEÂN CAÙN BOÄ HÖÔÙNG DAÃN : PGS.LEÂ TIEÁN THÖÔØNG CAÙN BOÄ HÖÔÙNG DAÃN CHUÛ NHIEÄM NGAØNH BOÄ MOÂN QUAÛN LYÙ NGAØNH (Kyù teân vaø ghi roõ hoï teân) (Kyù teân vaø ghi roõ hoï teân) (Kyù teân vaø ghi roõ hoï teân) Noäi dung vaø ñeà cöông luaän vaên thaïc só ñaõ ñöôïc Hoäi Ñoàng Chuyeân Ngaønh thoâng qua.

Ngaøy thaùng naêm 2004 PHOØNG ÑAØO TAÏO SÑH KHOA QUAÛN LYÙ NGAØNH LÔØI CAÛM ÔN Em xin chaân thaønh caûm ôn thaày PGS.TS LEÂ TIEÁN THÖÔØNG, ngöôøi ñaõ tröïc tieáp höôùng daãn, taän tình chæ baûo vaø taïo moïi ñieàu kieän thuaän lôïi ñeå em hoaøn thaønh luaän vaên toát nghieäp naøy. Em xin chaân thaønh caûm ôn taát caû Quyù thaày coâ vaø caùn boä cuûa khoa Ñieän-Ñieän Töû -Tröôøng Ñaïi Hoïc Baùch Khoa ñaõ heát loøng giaûng daïy, truyeàn ñaït kieán thöùc vaø giuùp ñôõ em trong suoát thôøi gian hoïc taäp taïi Tröôøng. Cuoái cuøng, xin göûi lôøi caûm ôn ñeán gia ñình, anh, caùc em vaø baïn beø ñaõ hoå trôï vaø ñoäng vieân toâi trong suoát quaù trình hoïc taäp vaø thöïc hieän luaän vaên toát nghieäp naøy. Taùc giaû ABSTRACT Face recognition is emerging as an active research area with numerous commercial and law enforcement applications.

Although existing methods performs well under certain conditions, the illumination changes, variable facial expression, viewing directions or poses, aging, and disguises such as facial hair, glasses or cosmetics are still remain as challenging problems. The proposed algorithm deals with two of these problems, variable facial expression and illumination changes. In our method, Gabor wavelet transform is used for facial feature vector construction due to its powerful representation of the behavior of receptive fields in human visual system. The method is based on selecting peaks (highenergized points) of the Gabor wavelet responses as feature points.

The feature points are automatically extracted using the local characteristics of each individual face in order to better represent diverse facial characteristics of different faces such as eyes, nose, mouth, dimples, moles, etc. Since there is no training as in neural network approaches, a single frontal face for each individual is enough as a reference. TOÙM TAÉT NOÄI DUNG Nhaän daïng maët ñang laø moät lónh vöïc nghieân cöùu thieát thöïc vôùi caùc öùng duïng trong thöông maïi vaø an ninh. Maëc duø caùc phöông phaùp hieän taïi chæ thöïc hieän toát döôùi caùc ñieàu kieän naøo ñoù, söï thay ñoåi ñoä chieáu saùng, thay ñoåi neùt bieåu caûm, höôùng nhìn, ñoä tuoåi, vaø söï caûi trang nhö raâu toùc, ñeo kính hay trang ñieåm vaãn laø vaán ñeà nan giaûi.

Giaûi thuaät ñöôïc ñeà caäp trong luaän vaên naøy lieân quan ñeán hai vaán ñeà thay ñoåi neùt bieåu caûm vaø thay ñoåi ñoä chieáu saùng. Trong phöông phaùp naøy, bieán ñoåi Gabor Waveletss ñöôïc söû duïng ñeå xaây döïng caùc vector ñaëc tröng vì noù coù khaû naêng mieâu taû raát toát caùch xöû lyù cuûa caùc lónh vöïc deã tieáp thu trong heä thoáng tröïc quan cuûa con ngöôøi. Phöông phaùp choïn caùc ñænh (caùc ñieåm naêng löôïng cao) cuûa ñaùp öùng Gabor laøm ñieåm ñaëc tröng thay cho phöông phaùp duøng nuùt ñoà thò tröôùc ñaây. Caùc ñieåm ñaëc tröng ñöôïc töï ñoäng trích söû duïng caùc ñaëc tính cuïc boä cuûa moãi khuoân maët rieâng ñeå moâ taû toát hôn caùc ñaëc tröng rieâng cuûa caùc khuoân maët khaùc nhau nhö maét, muõi, mieäng, nuùm ñoàng tieàn, noát ruoài….

Giaûi thuaät naøy khoâng caàn huaán luyeän nhö duøng neural network, moät aûnh maët tröïc dieän cuûa moãi caù nhaân laø ñuû ñeå giaûi quyeát. Toå chöùc cuûa luaän vaên: Chöông 1: Caùc phöông phaùp nhaän daïng maët ñaõ ñöôïc nghieân cöùu Chöông 2: Bieán ñoåi Gabor Wavelets Chöông 3: ÖÙng duïng cuûa Gabor Wavelets trong bieåu dieãn vaø nhaän daïng maët ngöôøi Chöông 4: Keát quaû moâ phoûng, keát luaän vaø trình baøy höôùng phaùt trieån Phuï luïc MUÏC LUÏC Giôùi thieäu ………………………………………………………………………………………………………………………… …… 1 CHÖÔNG 1: CAÙC PHÖÔNG PHAÙP NHAÄN DAÏNG MAËT NGÖÔØI. Nhaän daïng maët con ngöôøi …………………………………………………………………………………. Nhaän daïng maët ngöôøi töï ñoäng ………………………………………………………………………….

Bieåu dieãn, so khôùp aûnh maët vaø giaûi phaùp thoáng keâ 1. Caùc phöông phaùp nhaän daïng maët ñaàu tieân 1. Phöông phaùp thoáng keâ ñeå nhaän daïng maët ngöôøi (Eigenface) 1. Phöông phaùp nhaän daïng döïa treân moâ hình aån Markov 1.

Phöông phaùp nhaän daïng duøng maïng Neural Networks 1. Phöông phaùp nhaän daïng döïa treân caùc khuoân maãu 1. Phöông phaùp nhaän daïng döïa treân caùc ñaëc tröng cuûa khuoân maët 1. Tình traïng hieän nay cuûa coâng ngheä nhaän daïng maët ngöôøi CHÖÔNG 2: BIEÁN ÑOÅI GABOR WAVELETS 2.

Bieåu dieãn tín hieäu trong hai mieàn …………………………………………………………………46 2. Mieàn taàn soá 2. Nguyeân lyù baát ñònh 2. Khai trieån Gabor……………………….

Boä loïc Gabor………………………………………. Boä loïc chuaån 2. Boä loïc Gabor hai chieàu 2-d chuaån 2. Haøm bieán ñoåi Gabor Wavelets …………………………………………………………………….

Haøm bieán ñoåi Gabor Wavelets moät chieàu 2. Bieán ñoåi Gabor Wavelets 2 chieàu CHÖÔNG 3: ÖÙNG DUÏNG GABOR WAVELETS TRONG BIEÅU DIEÃN VAØ NHAÄN DAÏNG MAËT NGÖÔØI 3. Heä thoáng nhaän daïng maët ngöôøi ……………………………………………………………………. Bieåu dieãn khuoân maët duøng Gabor Wavelets ………………………………………….

Bieán ñoåi Gabor Wavelets 3. Gabor Wavelets 2D bieåu dieãn caùc khuoân maët 3. Trích ñaëc tröng 3. Ñònh vò ñieåm ñaëc tröng 3.

Taïo caùc vector ñaëc tröng 3. Haøm khôùp aûnh ………………………………………………………………………………………………………. Tính toaùn söï ñoàng daïng 3. So saùnh maët 3.

Nhaän daïng maët ………………………………………………………………………………………………………89 CHÖÔNG 4: KEÁT QUAÛ MOÂ PHOÛNG 4. Taäp döõ lieäu aûnh………………………………………………………………………………………………………92 4. Xaây döïng taäp aûnh maãu vaø caùc ma traän ñaëc tröng maãu………………………. Keát quaû moâ phoûng…………………………………………………………………………………………………97 4.

Keát quaû moâ phoûng ñoái vôùi taäp aûnh maãu A. Keát quaû moâ phoûng ñoái vôùi taäp aûnh maãu B. Toác ñoä thöïc hieän. Höôùng phaùt trieån cuûa ñeà taøi………………………………………………………………………….106 Taøi lieäu tham khaûo………………………………………………………………………………………………………… 108 -1- GIÔÙI THIEÄU Vôùi söï phaùt trieån maïnh meõ cuûa kinh teá, chính trò vaø coâng ngheä thoâng tin, yeâu caàu veà caùc phöông phaùp toå chöùc baûo maät thoâng tin vaø nhaän daïng chöùng thöïc ngaøy caøng phaùt trieån thaønh moät coâng ngheä quan troïng trong nhieàu lónh vöïc nhö: ñieàu khieån ra vaøo moät toøa nhaø, ñieàu khieån truy caäp maùy tính noùi chung hay caùc maùy thu ngaân, ruùt tieàn haøng ngaøy trong ngaân haøng hay böu ñieän, hay trong caùc lónh vöïc quaân ñoäi ñieàu tra toäi phaïm ….

Coù nhieàu phöông phaùp ñeå nhaän daïng moät caù nhaân ñaõ ñöôïc öùng duïng roäng raõi nhö nhaän daïng baèng password, maõ caù nhaân, theû vaïch, chöõ kyù, vaân tay, tieáng noùi, nhaän daïng khuoân maët …. Moät heä thoáâng nhaän daïng maët töï ñoäng ñang laø moät lónh vöïc nghieân cöùu thieát thöïc vôùi nhieàu öùng duïng trong thöïc teá. Con ngöôøi thöôøng nhaän ra nhau döïa vaøo ñaëc thuø cuûa khuoân maët vaø heä thoáng nhaän daïng maët ra ñôøi döïa treân cô sôû naøy vôùi moät heä thoáng phaàn cöùng video, caùc camera giaùm saùt ñaët trong khoâng gian laøm vieäc cuøng vôùi moät phaàn meàm doø tìm vaø nhaän daïng maët. Vôùi cô quan thò giaùc laø maét vaø naõo boä moät ngöôøi coù khaû naêng nhaän daïng caùc khuoân maët trong nhieàu tình huoáng nhö veà tö theá nhìn nghieâng hay nhìn tröïc dieän, caùc thaùi ñoä bieåu caûm khaùc nhau, trang ñieåm, thay ñoåi raâu toùc, mang kính hay nhöõng thay ñoåi veà aùnh saùng vaø moâi tröôøng xung quanh ….

Nhöng ñoái vôùi thieát bò nhaän daïng maët thì ñoù laø moät nhieäm vuï khoù khaên. Chuû ñeà nhaän daïng maët ñaõ ñöôïc nhieàu ngöôøi nghieân cöùu, coù boán giaûi thuaät ñöôïc nhieàu ngöôøi bieát ñeán chính laø: Eigenfaces, moâ hình aån Markov, Neural Networks vaø phaân tích ñaëc tröng. Moãi giaûi thuaät thöôøng thöïc hieän toát trong -2- moät ñieàu kieän nhaát ñònh. Moät heä thoáng nhaän daïng toát coøn phuï thuoäc vaøo öùng duïng cuûa heä thoáng ñoù, ngöôøi ta chia laøm hai loaïi heä thoáng nhaän daïng maët ngöôøi nhö sau: 1.

Tìm moät ngöôøi töø moät cô sôû döõ lieäu lôùn aûnh maët (vd: trong döõ lieäu aûnh cuûa caûnh saùt, thöôøng chæ coù moät vaøi aûnh cuûa moät caù nhaân). Trong tröôøng hôïp naøy khoâng caàn nhaän daïng maët trong thôøi gian thöïc. Nhaän daïng moät ngöôøi ñaëc bieät trong thôøi gian thöïc (vd: heä thoáng theo doõi ñònh vò, coù nhieàu aûnh cuûa moät ngöôøi ñöôïc saün duøng ñeå huaán luyeän vaø yeâu caàu nhaän daïng trong thôøi gian thöïc). Trong luaän vaên naøy, chuû yeáu quan taâm ñeán tröôøng hôïp thöù nhaát.

Söï doø tìm maët giaû söû ñaõ ñöôïc laøm tröôùc, muïc ñích laø cung caáp ñuùng caù nhaân (hay nhaõn hieäu) lieân quan ñeán aûnh maët ñoù töø taát caû caùc caù nhaân trong taäp cô sôû döõ lieäu trong tröôøng hôïp thay ñoåi ñoä chieáu saùng, thay ñoåi neùt bieåu caûm vaø bò che khuaát (ñeo kính …). Trong taäp döõ lieäu chöùa 1 aûnh tröïc dieän hoaëc theâm moät hay hai aûnh coù ñoä quay ôû möùc ñoä vöøa phaûi, ta khoâng xem xeùt tröôøng hôïp coù ñoä quay lôùn (vd: maët nghieâng phaûi hay traùi hoaøn toaøn). Phöông phaùp phaân tích ñaëc tröng duøng pheùp bieán ñoåi Gabor Wavelets ñöôïc nghieân cöùu ñeå nhaän daïng maët ngöôøi trong luaän vaên naøy. Vôùi giaûi thuaät naøy, bieán ñoåi Gabor Wavelets ñöôïc söû duïng ñeå xaây döïng caùc vector ñaëc tröng vì noù coù khaû naêng mieâu taû raát toát nhöõng vuøng deã ñöôïc caûm nhaän (tieáp thu) trong heä thoáng tröïc quan cuûa con ngöôøi.

ÔÛ ñaây duøng phöông phaùp choïn ñænh (caùc ñieåm coù naêng löôïng cao) cuûa ñaùp öùng Gabor laøm ñieåm ñaëc tröng vaø caùc ñieåm ñaëc tröng ñöôïc töï ñoäng trích söû duïng caùc ñaëc tính cuïc boä cuûa moãi khuoân maët ñeå coù theå löu giöõ ñöôïc caùc neùt ñaëc tröng rieâng cuûa töøng caù nhaân. Nhö vaäy soá löôïng ñieåm ñaëc tröng vaø vò trí cuûa noù seõ thay ñoåi ñeå ñaïi dieän cho caùc ñaëc tröng maët khaùc nhau cuûa caùc göông maët ngöôøi khaùc nhau. Caùc ñieåm ñaëc tröng khoâng chæ laø caùc ñieåm chính -3- cuûa khuoân maët nhö maét, muõi, mieäng maø coøn laø caùc ñieåm ñaëc bieät khaùc cuûa moãi caù nhaân nhö nuùm ñoàng tieàn, veát seïo…. Giaûi thuaâït nhaän daïng maët duøng bieán ñoåi Gabor wavelets khoâng caàn huaán luyeän nhö duøng Neural networks , moät aûnh maët tröïc dieän cuûa moãi caù nhaân laø ñuû ñeå thöïc hieän nhaän daïng.