Parnall

New Member
Download Luận văn Nhận dạng ảnh mặt người trong điều kiện ánh sáng thay đổi

Download miễn phí Luận văn Nhận dạng ảnh mặt người trong điều kiện ánh sáng thay đổi





Mục lục
lời nói đầu.3
chương 1. Tổng quan về nhận dạng ảnh mặt người .5
1.1 Bài toán nhận dạng ảnh mặt người .5
1.1.1 Bài toán và các yêu cầu nhận dạng.5
1.1.2 Giải quyết bài toán từ quan điểmcủa lý thuyết nhận dạng.8
1.2 giải quyết vấn đề trong bài toán nhận dạng ảnh mặt người .9
1.2.1 Thu nhận dữ liệu.10
1.2.2 Biểu diễn đối tượng.12
1.2.3 Lập luận kết quả.14
1.3 hệ thống kỹ thuật nhận dạng ảnh mặt người .14
1.3.1 Qui trình công nghệ xử lý thông tin .15
1.3.2 Các vấn đề trong triển khai thực tế .16
1.3.3 Các ứng dụng điển hình.17
chương 2. nhận dạng ảnh mặt người trong điều kiện ánh sáng thay đổi .19
2.1 Phân tích các yếu tố ảnh hưởng đến quá trình nhận dạng .19
2.1.1 ánh sáng.19
2.1.2 Các thay đổi hình học.19
2.1.3 Sai số do hệ thống.20
2.2 Các kỹ thuật giải quyết .20
2.2.1 Đưa các thông tin về điều kiện môi trường vào mô tả đối tượng.20
2.2.2 Cách giải quyết dựa trên kỹ thuật khoảng cách tiếp xúc.24
2.2.3 Kết hợp các cách biểu diễn đối tượng khác nhau.26
Chương 3. thuật toán nhận dạng trong điều kiện ánh sáng
thay đổi .32
3.1 Thuật toán so sánhkhuôn mẫu dựa theo khoảng cách tiếp xúc.32
3.2 Thuật toán so sánh điểm đặc trưng dựa theo khoảng cách tiếp xúc .35
3.3 Kết hợp hai thuật toán so sánhtrên .37
Kết luận .39
Tài liệu tham khảo.40



Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí

Tóm tắt nội dung:

ặt, sử dụng khoảng cách hình học và góc giữa các đặc điểm chính của bề mặt nh− là: hai
mắt, mũi, mồm và nhằm mục đích phân loại các mặt trong đó các phần tử dựa trên mối
quan hệ vị trí và các kích cỡ của chúng. Với cách tiếp cận dựa trên khuôn mẫu sử dụng
thông tin xác đáng của điểm ảnh nh− là mức độ xám gốc hay xử lý các khía cạnh nổi bật
của dữ liệu. Khuôn mẫu có thể là toàn bộ ảnh hay là các vùng t−ơng ứng với các vị trí của
đặc điểm (vị trí của hai mắt hay mồm). Nói chung với cách tiếp cận này chỉ cho ta đ−ợc
một số đặc điểm của đối t−ợng, nó không đủ để có thể ứng dụng trong thực tế nh−ng đối
với sự hiệu chỉnh hình học hay bộ lọc thì có thể cải tiến đ−ợc các kết quả này.
Cách tiếp cận phân tích các thành phần chính: cách tiếp cận này có thể trích ra đ−ợc
thông tin quan trọng nhất đ−ợc trình bày bằng cách thống kê đối với một tập các ảnh nh−
là một tập các vector riêng. Các vector riêng có thể đ−ợc đánh giá nh− là tập các điểm đặc
tr−ng chung và định rõ đ−ợc các đặc điểm thay đổi của ảnh trong cơ sở dữ liệu. Mỗi ảnh
đ−ợc biểu diễn một cách chính xác qua một sự liên kết tuyến tính của những vector riêng
này. Để quyết định kích th−ớc của không gian mặt chúng ta dựa vào số các vector riêng.
Kỹ thuật này phân tích các đặc điểm của ảnh, thu thập các thông tin quan trọng và loại bỏ
đ−ợc các thông tin d− thừa không cần thiết cho hệ thống nhận dạng. Do đó nó có thể tìm
đ−ợc sự biểu diễn tối −u kích th−ớc của ảnh nh−ng kỹ thuật này có thể hữu ích đối với việc
xây dựng lại cấu trúc ảnh hơn là đối với việc nhận dạng. Hơn nữa, ph−ơng thức mặt riêng
(vector riêng) là không bất biến với sự thay đổi hình học của ảnh nh− là sự co giãn, dịch
chuyển hay phép quay trong dữ liệu gốc.
Cách tiếp cận tiêp theo là sử dụng bộ lọc: hệ thống cho ảnh đi qua bộ lọc và qua bộ
Bộ lọc
* *
* * *
* *
Hình 1.4 Mô phỏng bộ lọc để lấy đ−ợc các điểm đặc tr−ng
14
lọc đó các thông tin đặc tr−ng quan trọng sẽ đ−ợc thu lại và làm giảm không gian l−u trữ
ảnh. Kết quả là ta thu đ−ợc các thông tin quan trọng của ảnh. Có thể mô tả nh− hình 1.4
trên đây.
Hình trên cho thấy khi cho qua bộ lọc các thông tin d− thừa sẽ bị loại bỏ chỉ để lại
các thông tin quan trọng tạo nên ảnh mặt.
Nói tóm lại: các cách tiếp cận trên nhằm mục đích phân loại đ−ợc các điểm đặc
tr−ng và biểu diễn chúng sau đó thực hiện việc tối −u các thông tin đó sao cho kích th−ớc
không gian l−u trữ điểm đặc tr−ng là nhỏ nhất.
1.2.4 Lập luận kết quả
Hệ thống so sánh hai ảnh với nhau sao cho có hiệu quả nhất, sụ phù hợp của hai ảnh
đ−ợc tính bằng cách nh−: sử dụng cách tiếp khoảng cách tiếp xúc và sử dụng các ng−ỡng
để đánh giá.
Trong không gian mặt hệ thống so sánh khoảng cách từ một mặt cần tìm đến một
tập hợp các mặt, kết quả là ta thu đ−ợc tập các số đo. Nếu một trong tập các số đo thỏa
mãn yêu cầu về khoảng cách nhận dạng thì đó chính là mặt mà chúng ta cần tìm. Các
khoảng cách chuẩn đ−ợc sử dụng: khoảng cách Euclidean hay khoảng cách Mahalanobits
(đối với không gian vector riêng).
Bên cạnh việc sử dụng các khoảng cách để đánh giá sự phù hợp của hai ảnh, chúng
ta còn có thể sử dụng các ng−ỡng để đánh giá mức độ chính xác của một số cách tiếp cận
khác. Tỷ số nhận dạng sai của các cách tiếp cận khác nhau không thể v−ợt quá một ng−ỡng
nào đó. Nếu v−ợt quá thì kết luận hai mặt đó không phù hợp còn ng−ợc lai thì hai mặt là
phù hợp và ta tiến hành đánh giá nhận dạng chúng.
1.3 hệ thống kỹ thuật nhận dạng ảnh mặt ng−ời
Nhận dạng ảnh mặt đã đ−ợc nghiên cứu trong nhiều năm và đang đ−ợc ứng dụng
trong thực tế nh− là: các hệ thống bảo mật, sự xác định tội phạm và hỗ trợ các hệ thống
nhận dạng giọng nói. Nhận dạng mặt rất quan trọng đối với con ng−ời bởi vì bề mặt đóng
một vai trò lớn trong giao tiếp với cộng đồng, các biểu hiện của tình cảm, cảm xúc, suy
nghĩ và cảm nghĩ.
Hệ thống nhận dạng ảnh mặt tự động có thể đ−ợc chia thành các phần nh−: quy
trình công nghệ xử lý thông tin, các vấn đề triển khai trong thực tế và các ứng dụng điển
hình.
15
1.3.1 Qui trình công nghệ xử lý thông tin
Quy trình thiết kế một hệ thống nhận dạng ảnh mặt tự động là một quá trình xử lý
đa giai đoạn. Những giai đoạn này về cơ bản là các b−ớc giống nhau. Các giai đoạn có thể
đ−ợc mô tả nh− sau:
B−ớc 1: Giai đoạn cảm biến
Các nghiên cứu đ−ợc đ−a ra để xác định tác nhân đem lại các thuộc tính của đối
t−ợng (cỡ, hình dáng, màu sắc, kết cấu, …). Các giá trị và các mối quan hệ giữa các thuộc
tính của đối t−ợng đ−ợc sử dụng để biểu thị đặc điểm của một đối t−ợng trong cách thức
của một vector mẫu. Phạm vi giá trị của thuộc tính đ−ợc hiểu nh− là độ lớn của không
gian. Một vấn đề quan trọng là độ chính xác của sự xuất hiện khung cảnh thực đ−ợc thu
bởi vector mẫu nh− thế nào. Các vấn đề nhiễu trong ảnh phải d−ới mức độ cho phép và
không làm mất thông tin chủ yếu.
Các thông tin của đối t−ợng đ−ợc biểu diễn nh− thế nào trong vào giai đoạn cảm
biến này và kết quả thu đ−ợc của giai đoạn nàylà các kết quả đo thông tin của đối t−ợng,
kết quả đo này đ−ợc đ−a vào giai đoạn tiền xử lý để thực hiện việc loại bỏ nhiễu, nâng cao
khía cạnh chắc chắn của ảnh…
B−ớc 2: Giai đoạn tiền xử lý
Giai đoạn tiền xử lý đ−ợc thực hiện để loại bỏ nhiễu, nâng cao khía cạnh chắc chắn
của ảnh, và gây ra các thay đổi khác làm đơn giản hóa các b−ớc xử lý ở mức độ cao hơn.
Đối
t−ợng
Dấu hiệu
Cảm biến
Giai đoạn
cảm biến
Kết quả đo tín hiệu
Giai đoạn
tiền xử lý
Trình trích chọn thông tin
đặc tr−ng
Sự trích
chọn đăc
tr−ng
Không gian biểu diễn
Giai đoạn
phân loại
Nhóm mẫu
Xử lý thông
tin khung
cảnh
Hình 1.5 Quá trình nhận dạng mẫu
16
Để ngăn ngừa sự loại ra các cạnh của ảnh đã tồn tại hay đ−a ra các cạnh lỗi, thao tác tiêu
biểu đ−ợc sử dụng đó là: tách ng−ỡng và làm mịn. Tách ng−ỡng biến đổi một ảnh cấp độ
xám thành một ảnh nhị phân, trong đó mỗi một điểm có thể là đen hay trắng. Làm mịn
ảnh đ−ợc dùng để làm giảm nhiễu, để nâng cao sự lựa chọn các điểm đặc tr−ng của ảnh, và
để làm giảm các chi tiết ảnh không mong muốn. Do đó, ảnh đ−ợc phân chia thành các đối
t−ợng cô lập nhau. Kết quả là thu đ−ợc không gian điểm đặc tr−ng và nó giúp cho giai
đoạn trích chọn điểm đặc tr−ng đ−ợc thực hiện.
B−ớc 3: Trích chọn điểm đặc tr−ng
Sau khi có đ−ợc không gian điểm đặc tr−ng, hệ thống tiến hành trích chọn các điểm
đặc tr−ng của đối t−ợng trong không gian đó. Việc trích ra các đặc tr−ng của đối t−ợng
thông qua nhiều cách khác nhau nh−ng ý nghĩa chính của nó vần là phải sử d
 

Các chủ đề có liên quan khác

Top