Phương Pháp Học Sâu Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang

• Tác giả: Lê Hữu Trung
• Người hướng dẫn: ThS. Đỗ Văn Tiến
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phương Pháp Học Sâu Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CẢM ƠN
• TÓM TẮT KHÓA LUẬN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Đặt vấn đề
• 1.2. Mục tiêu và phạm vi
• 1.2.1. Mục tiêu
• 1.2.2. Phạm vi
• 1.3. Đóng góp của khóa luận
• 1.4. Cấu trúc khóa luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Tổng quan về bài toán nhận diện danh tính khuôn mặt người đeo khẩu trang
• 2.2. Các kiến thức cơ bản
• 2.2.1. Mạng nơ-ron tích chập (Convolutional Neural Network)
• 2.2.2. Lớp tích chập (Convolutional)
• 2.2.3. Lớp kích hoạt (Activation)
• 2.2.4. Các hàm mất mát cho bài toán nhận diện khuôn mặt
• 2.2.5. Phát hiện khuôn mặt (Face detection)
• 2.2.6. Các độ đo khoảng cách và độ tương đồng
• 2.3. Các hướng tiếp cận phổ biến cho bài toán nhận diện khuôn mặt người đeo khẩu trang
• 2.3.1. Hướng tiếp cận trích xuất đặc trưng chống lại sự che khuất (occlusion robust feature extraction)
• 2.3.2. Hướng tiếp cận nhận thức vùng bị che trong nhận diện khuôn mặt (occlusion aware face recognition)
• 2.3.3. Hướng tiếp cận khôi phục vùng bị che khuất dựa trên nhận diện khuôn mặt (occlusion recovery based face recognition)
• 3. CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP TRÍCH XUẤT ĐẶC TRƯNG CHỐNG LẠI SỰ CHE KHUẤT CHO BÀI TOÁN NHẬN DIỆN DANH TÍNH KHUÔN MẶT NGƯỜI ĐEO KHẨU TRANG
• 3.1. Tổng quan về các phương pháp trích xuất đặc trưng chống lại sự che khuất (Occlusion robust feature extraction)
• 3.1.1. Các đặc trưng kỹ thuật (Patch-based engineer features)
• 3.1.1.1. Đặc trưng thủ công (Handcraft features)
• 3.1.1.2. Patch-based matching
• 3.1.2. Đặc trưng dựa trên việc học (learning-based features)
• 3.1.2.1. Học không gian con (Subspace learning)
• 3.1.2.2. Học thống kê (Statistical learning)
• 3.1.2.3. Phân loại đại diện thưa thớt (Sparse representation classifier - SRC)
• 3.2. Ứng dụng phương pháp trích xuất đặc trưng chống lại sự che khuất để giải quyết bài toán nhận diện danh tính khuôn mặt người đeo khẩu trang
• 3.2.1. Phương pháp sử dụng mô hình nhúng không che mặt (Embedding Unmasking Model - EUM)
• 3.2.2. Phương pháp bình chọn sử dụng các mẫu nhị phân cục bộ (LBP-based voting)
• 3.2.3. Phương pháp sử dụng đặc trưng học sâu dựa trên việc cắt xén (cropping-based)
• 3.2.3.1. Phương pháp cắt xén (cropping method)
• 3.2.3.2. Áp dụng phương pháp cắt xén vào bài toán nhận diện danh tính khuôn mặt người đeo khẩu trang
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Chuẩn bị dữ liệu đánh giá
• 4.2. Các độ đo sử dụng trong khóa luận
• 4.2.1. Intersection over Union (IoU)
• 4.2.2. Precision, Recall, F1-score, mAP
• 4.3. Nhận dạng và phân loại khuôn mặt người đeo khẩu trang
• 4.3.1. Mô hình cơ sở (baseline)
• 4.3.2. Phương pháp EUM
• 4.3.3. Phương pháp sử dụng đặc trưng dựa trên LBP để bình chọn
• 4.3.4. Phương pháp sử dụng đặc trưng học sâu vùng chân mày
• 4.3.5. Phương pháp sử dụng đặc trưng học sâu dựa trên việc cắt xén
• 4.3.6. Phương pháp kết hợp EUM và đặc trưng học sâu dựa trên việc cắt xén
• 4.3.7. Kết quả đánh giá trên COMASK20 và MLFW
• 5. CHƯƠNG 5: XÂY DỰNG ỨNG DỤNG MINH HỌA
• 5.1. Các công nghệ sử dụng
• 5.2. Sơ đồ kiến trúc ứng dụng
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết luận
• 6.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

I. Tổng Quan Về Phương Pháp Học Sâu Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Phương pháp học sâu đã trở thành một công cụ quan trọng trong lĩnh vực nhận diện khuôn mặt, đặc biệt là trong bối cảnh đại dịch COVID-19. Việc đeo khẩu trang đã tạo ra nhiều thách thức cho các hệ thống nhận diện khuôn mặt hiện tại. Nghiên cứu này sẽ cung cấp cái nhìn tổng quan về các phương pháp học sâu và ứng dụng của chúng trong việc nhận diện khuôn mặt đeo khẩu trang.

1.1. Định Nghĩa Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Nhận diện khuôn mặt đeo khẩu trang là quá trình xác định danh tính của một người thông qua hình ảnh khuôn mặt, trong đó phần lớn khuôn mặt bị che khuất bởi khẩu trang. Điều này đòi hỏi các phương pháp học sâu phải có khả năng trích xuất đặc trưng hiệu quả từ các vùng không bị che khuất.

1.2. Tầm Quan Trọng Của Phương Pháp Học Sâu

Phương pháp học sâu giúp cải thiện độ chính xác trong việc nhận diện khuôn mặt đeo khẩu trang. Các mô hình học sâu có khả năng học hỏi từ dữ liệu lớn, từ đó phát hiện và nhận diện các đặc trưng khuôn mặt ngay cả khi bị che khuất.

II. Thách Thức Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Việc đeo khẩu trang đã gây ra nhiều thách thức cho các hệ thống nhận diện khuôn mặt. Khẩu trang che khuất các đặc điểm quan trọng như mũi và miệng, làm giảm khả năng nhận diện chính xác. Nghiên cứu này sẽ phân tích các thách thức chính và cách mà các phương pháp học sâu có thể giải quyết.

2.1. Khó Khăn Trong Việc Trích Xuất Đặc Trưng

Khẩu trang che khuất nhiều đặc điểm trên khuôn mặt, dẫn đến việc trích xuất đặc trưng trở nên khó khăn. Các mô hình học sâu cần phải được thiết kế để nhận diện các đặc điểm còn lại một cách hiệu quả.

2.2. Giảm Độ Chính Xác Trong Nhận Diện

Sự che khuất do khẩu trang có thể làm giảm độ chính xác của các hệ thống nhận diện khuôn mặt. Điều này yêu cầu các phương pháp mới phải được phát triển để cải thiện khả năng nhận diện trong điều kiện này.

III. Phương Pháp Học Sâu Để Giải Quyết Vấn Đề Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Nhiều phương pháp học sâu đã được phát triển để giải quyết vấn đề nhận diện khuôn mặt đeo khẩu trang. Các phương pháp này bao gồm trích xuất đặc trưng chống lại sự che khuất và nhận diện vùng bị che khuất. Nghiên cứu này sẽ trình bày chi tiết về các phương pháp này.

3.1. Trích Xuất Đặc Trưng Chống Lại Sự Che Khuất

Phương pháp này tập trung vào việc phát triển các mô hình có khả năng trích xuất đặc trưng từ các vùng không bị che khuất, giúp cải thiện độ chính xác trong nhận diện khuôn mặt đeo khẩu trang.

3.2. Nhận Diện Vùng Bị Che Khuất

Phương pháp này sử dụng các kỹ thuật học sâu để nhận diện các vùng bị che khuất, từ đó cải thiện khả năng nhận diện khuôn mặt trong điều kiện khó khăn.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Học Sâu Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Các phương pháp học sâu đã được áp dụng trong nhiều lĩnh vực khác nhau, từ an ninh đến thương mại. Nghiên cứu này sẽ trình bày các ứng dụng thực tiễn của phương pháp học sâu trong nhận diện khuôn mặt đeo khẩu trang.

4.1. Ứng Dụng Trong An Ninh

Hệ thống nhận diện khuôn mặt đeo khẩu trang có thể được sử dụng trong các lĩnh vực an ninh, giúp xác định danh tính của người trong các tình huống công cộng.

4.2. Ứng Dụng Trong Thương Mại

Các doanh nghiệp có thể sử dụng công nghệ nhận diện khuôn mặt để cải thiện trải nghiệm khách hàng, từ việc xác thực danh tính đến cá nhân hóa dịch vụ.

V. Kết Luận Và Hướng Phát Triển Tương Lai Trong Nhận Diện Khuôn Mặt Đeo Khẩu Trang

Nghiên cứu về nhận diện khuôn mặt đeo khẩu trang vẫn đang trong quá trình phát triển. Các phương pháp học sâu có tiềm năng lớn trong việc cải thiện độ chính xác và hiệu quả của các hệ thống nhận diện. Hướng phát triển tương lai sẽ tập trung vào việc tối ưu hóa các mô hình và mở rộng ứng dụng của chúng.

5.1. Tương Lai Của Công Nghệ Nhận Diện Khuôn Mặt

Công nghệ nhận diện khuôn mặt sẽ tiếp tục phát triển, với nhiều cải tiến trong khả năng nhận diện và ứng dụng thực tiễn.

5.2. Nghiên Cứu Thêm Về Các Phương Pháp Mới

Cần nghiên cứu thêm về các phương pháp mới để cải thiện khả năng nhận diện khuôn mặt trong điều kiện khó khăn, như việc đeo khẩu trang.