smallcat_lovely_lovely
New Member
Download Luận văn Phát hiện mặt người trong ảnh dựa trên các đặc trưng Haar – Like và mẫu nhị phân cục bộ
Nội Dung
Mục lục.1
Chương 1. Bài toán phát hiện khuôn mặt – mục đích, sựcần thiết của nghiên cứu
và kết quảnghiên cứu đạt được.4
1.1 Sựcần thiết của nghiên cứu .4
1.2 Mục đích nghiên cứu .5
1.3 Kết quả đạt được của luận văn.5
Chương 2. Các công trình liên quan.7
2.1 Nhóm phương pháp dựa trên tri thức.7
2.2 Nhóm phương pháp dựa trên đặc trưng bất biến .7
2.3 Nhóm phương pháp dựa trên đối sánh mẫu.7
2.4 Nhóm phương pháp dựa trên máy học .7
2.5 Một sốnghiên sốnghiên cứu vềbài toán phát hiện mặt người tại khoa Công
NghệThông Tin, ĐH Khoa Học TựNhiên Tp. HCM.9
Chương 3. Áp dụng AdaBoost và LBP cho bài toán phát hiện mặt người.12
3.1 AdaBoost .12
3.1.1 Tổng quan vềAdaBoost .12
3.1.2 Áp dụng AdaBoost cho bài toán phát hiện khuôn mặt.12
3.2 Local Binary Pattern(Mẫu nhịphân cục bộ).14
3.2.1 Local Binary Pattern.14
3.2.2 Áp dụng LBP cho bài toán phát hiện khuôn mặt .17
3.3 Phân tích và đánh giá phát hiện mặt người sửdụng AdaBoost và LBP.18
3.3.1 Cơsởdữliệu cho huấn luyện phát hiện khuôn mặt với phương pháp
AdaBoost .18
3.3.2 Kết quảthực nghiệm của phương pháp AdaBoost.19
3.3.3 Cơsởdữliệu cho huấn luyện phát hiện khuôn mặt với phương pháp LBP 23
Chương 4. Mô hình kết hợp của AdaBoost và LBP cho bài toán phát hiện mặt
người.27
4.1 Mô hình đềxuất .27
4.2 Các kết quảthực nghiệm và thảo luận .28
4.3 Kết quảthực nghiệm của phương pháp đềxuất trên tập dữliệu CalTech .34
Chương 5. Kết luận và hướng phát triển.39
Danh mục công trình của tác giả.40
Tài liệu tham khảo.41
Phụlục.44
A. Cơsởtoán học của AdaBoost.44
1. AdaBoost .44
B. Nội suy song tuyến tính.51
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
Chương 1. Bài toán phát hiện khuôn mặt – mục đích, sự cần thiết
của nghiên cứu và kết quả nghiên cứu đạt được
1.1 Sự cần thiết của nghiên cứu
Hệ thống phát hiện khuôn mặt: xác định vị trí các khuôn mặt trong ảnh và/hay trong
chuỗi video sử dụng máy tính. Một hệ thống phát hiện khuôn mặt lí tưởng nên xác định
được vị trí tất cả các khuôn mặt (trong ảnh/video) bất kể các điều kiện: vị trí khuôn
mặt, tỉ lệ, hướng, độ sáng, cảm xúc khuôn mặt. Vì khuôn mặt người xuất hiện trong
ảnh có thể bị biến đổi rất nhiều dưới các điều kiện trên nên phát hiện mặt người vẫn
còn là một bài toán đầy thách thức trong thị giác máy tính.
Có rất nhiều bài toán và các ứng dụng liên quan đến bài toán phát hiện khuôn mặt.
• Định vị khuôn mặt (Face localisation) : mục đích xác định vị trí của một khuôn
mặt trong ảnh. Là một bài toán phát hiện khuôn mặt đơn giản với giả sử rằng ảnh
đầu vào chỉ chứa duy nhất một khuôn mặt.
• Phát hiện đặc trưng khuôn mặt (Facial feature detection): phát hiện (định vị) các
đặc trưng trong khuôn mặt như mắt, mũi, miệng, ….
• Nhận dạng khuôn mặt (Face recognition): So sánh một ảnh đầu vào với một cơ sở
dữ liệu và thông báo ảnh đầu vào khớp với ảnh nào trong cơ sở dữ liệu (nếu có).
Phát hiện mặt người là bước đầu tiên không thể thiếu trong hệ thống nhận dạng mặt
người tự động, một kết quả phát hiện mặt người tốt sẽ tăng hiệu suất của của hệ
thống nhận dạng (còn phụ thuộc vào nhiều yếu tố khác).
• Xác thực khuôn mặt (Face authentication): xác nhận một cá nhân trong một ảnh
đầu vào.
• Truy vết khuôn mặt (Face tracking): ước lượng vị trí và hướng của một khuôn mặt
trong một chuỗi ảnh trong thời gian thực.
5
• Nhận dạng cảm xúc khuôn mặt (Facial expression recognition): xác định các trạng
thái của khuôn mặt (vui, buồn, giận dữ,…).
Rõ ràng, phát hiện khuôn mặt là bước đầu tiên trong bất kì hệ thống tự động giải quyết
các bài toán trên. Do đó, một hệ thống phát hiện khuôn mặt chính xác và hiệu quả là
cực kì cần thiết. Hơn nữa trong một số ứng dụng như truy vết khuôn mặt, phát hiện đối
tượng trong video, giao tiếp người máy thì phát hiện khuôn mặt với yêu cầu thời gian
thực là một điều bắt buộc.
1.2 Mục đích nghiên cứu
Mục đích chính của luận văn là đề xuất một phương pháp phát hiện mặt người nhìn
thẳng hay góc nghiêng không đáng kể (không quá 30 độ) trong ảnh hiệu quả: tỉ lệ
phát hiện chính xác cao, ít phát hiện sai và có thể áp dụng để phát hiện khuôn mặt
trong thời gian thực. Ảnh được xét trong luận văn là ảnh số, nghĩa là ảnh mặt người
được chụp từ các thiết bị như máy ảnh số, camera,…. Luận văn không xem xét các ảnh
mặt người nhân tạo như vẽ,… Một cách chi tiết, luận văn tập trung vào bài toán phát
hiện mặt người sử dụng các phương pháp dựa trên máy học như Adaboost, Local
Binary Pattern (LBP), Artificial Neural Network (ANN), Suport Vector Machine
(SVM)… Dựa trên sự phân tích các ưu, khuyết điểm của các phương pháp truyền
thống, luận văn phát triển một phương pháp có thể cải tiến kết quả phát hiện khuôn mặt
trong ảnh (so sánh với AdaBoost trong thư viện OpenCv).
1.3 Kết quả đạt được của luận văn
• Tổng quan các phương pháp cho bài toán phát hiện mặt người.
• Tìm hiểu và trình bày chi tiết chứng minh nền tảng toán học của phương pháp
Discrete AdaBoost.
• Tìm hiểu lí thuyết và cài đặt bộ phát hiện khuôn mặt sử dụng LBP.
6
• Đề xuất một phương pháp hiệu quả cho bài toán phát hiện khuôn mặt trong ảnh.
Phương pháp AB – LBP đề xuất được kiểm chứng đạt kết quả tốt (so sánh với
AdaBoost) trên bộ dữ liệu MIT + CMU [7] và CalTech [25].
...
Download miễn phí Luận văn Phát hiện mặt người trong ảnh dựa trên các đặc trưng Haar – Like và mẫu nhị phân cục bộ
Nội Dung
Mục lục.1
Chương 1. Bài toán phát hiện khuôn mặt – mục đích, sựcần thiết của nghiên cứu
và kết quảnghiên cứu đạt được.4
1.1 Sựcần thiết của nghiên cứu .4
1.2 Mục đích nghiên cứu .5
1.3 Kết quả đạt được của luận văn.5
Chương 2. Các công trình liên quan.7
2.1 Nhóm phương pháp dựa trên tri thức.7
2.2 Nhóm phương pháp dựa trên đặc trưng bất biến .7
2.3 Nhóm phương pháp dựa trên đối sánh mẫu.7
2.4 Nhóm phương pháp dựa trên máy học .7
2.5 Một sốnghiên sốnghiên cứu vềbài toán phát hiện mặt người tại khoa Công
NghệThông Tin, ĐH Khoa Học TựNhiên Tp. HCM.9
Chương 3. Áp dụng AdaBoost và LBP cho bài toán phát hiện mặt người.12
3.1 AdaBoost .12
3.1.1 Tổng quan vềAdaBoost .12
3.1.2 Áp dụng AdaBoost cho bài toán phát hiện khuôn mặt.12
3.2 Local Binary Pattern(Mẫu nhịphân cục bộ).14
3.2.1 Local Binary Pattern.14
3.2.2 Áp dụng LBP cho bài toán phát hiện khuôn mặt .17
3.3 Phân tích và đánh giá phát hiện mặt người sửdụng AdaBoost và LBP.18
3.3.1 Cơsởdữliệu cho huấn luyện phát hiện khuôn mặt với phương pháp
AdaBoost .18
3.3.2 Kết quảthực nghiệm của phương pháp AdaBoost.19
3.3.3 Cơsởdữliệu cho huấn luyện phát hiện khuôn mặt với phương pháp LBP 23
Chương 4. Mô hình kết hợp của AdaBoost và LBP cho bài toán phát hiện mặt
người.27
4.1 Mô hình đềxuất .27
4.2 Các kết quảthực nghiệm và thảo luận .28
4.3 Kết quảthực nghiệm của phương pháp đềxuất trên tập dữliệu CalTech .34
Chương 5. Kết luận và hướng phát triển.39
Danh mục công trình của tác giả.40
Tài liệu tham khảo.41
Phụlục.44
A. Cơsởtoán học của AdaBoost.44
1. AdaBoost .44
B. Nội suy song tuyến tính.51
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:
4Chương 1. Bài toán phát hiện khuôn mặt – mục đích, sự cần thiết
của nghiên cứu và kết quả nghiên cứu đạt được
1.1 Sự cần thiết của nghiên cứu
Hệ thống phát hiện khuôn mặt: xác định vị trí các khuôn mặt trong ảnh và/hay trong
chuỗi video sử dụng máy tính. Một hệ thống phát hiện khuôn mặt lí tưởng nên xác định
được vị trí tất cả các khuôn mặt (trong ảnh/video) bất kể các điều kiện: vị trí khuôn
mặt, tỉ lệ, hướng, độ sáng, cảm xúc khuôn mặt. Vì khuôn mặt người xuất hiện trong
ảnh có thể bị biến đổi rất nhiều dưới các điều kiện trên nên phát hiện mặt người vẫn
còn là một bài toán đầy thách thức trong thị giác máy tính.
Có rất nhiều bài toán và các ứng dụng liên quan đến bài toán phát hiện khuôn mặt.
• Định vị khuôn mặt (Face localisation) : mục đích xác định vị trí của một khuôn
mặt trong ảnh. Là một bài toán phát hiện khuôn mặt đơn giản với giả sử rằng ảnh
đầu vào chỉ chứa duy nhất một khuôn mặt.
• Phát hiện đặc trưng khuôn mặt (Facial feature detection): phát hiện (định vị) các
đặc trưng trong khuôn mặt như mắt, mũi, miệng, ….
• Nhận dạng khuôn mặt (Face recognition): So sánh một ảnh đầu vào với một cơ sở
dữ liệu và thông báo ảnh đầu vào khớp với ảnh nào trong cơ sở dữ liệu (nếu có).
Phát hiện mặt người là bước đầu tiên không thể thiếu trong hệ thống nhận dạng mặt
người tự động, một kết quả phát hiện mặt người tốt sẽ tăng hiệu suất của của hệ
thống nhận dạng (còn phụ thuộc vào nhiều yếu tố khác).
• Xác thực khuôn mặt (Face authentication): xác nhận một cá nhân trong một ảnh
đầu vào.
• Truy vết khuôn mặt (Face tracking): ước lượng vị trí và hướng của một khuôn mặt
trong một chuỗi ảnh trong thời gian thực.
5
• Nhận dạng cảm xúc khuôn mặt (Facial expression recognition): xác định các trạng
thái của khuôn mặt (vui, buồn, giận dữ,…).
Rõ ràng, phát hiện khuôn mặt là bước đầu tiên trong bất kì hệ thống tự động giải quyết
các bài toán trên. Do đó, một hệ thống phát hiện khuôn mặt chính xác và hiệu quả là
cực kì cần thiết. Hơn nữa trong một số ứng dụng như truy vết khuôn mặt, phát hiện đối
tượng trong video, giao tiếp người máy thì phát hiện khuôn mặt với yêu cầu thời gian
thực là một điều bắt buộc.
1.2 Mục đích nghiên cứu
Mục đích chính của luận văn là đề xuất một phương pháp phát hiện mặt người nhìn
thẳng hay góc nghiêng không đáng kể (không quá 30 độ) trong ảnh hiệu quả: tỉ lệ
phát hiện chính xác cao, ít phát hiện sai và có thể áp dụng để phát hiện khuôn mặt
trong thời gian thực. Ảnh được xét trong luận văn là ảnh số, nghĩa là ảnh mặt người
được chụp từ các thiết bị như máy ảnh số, camera,…. Luận văn không xem xét các ảnh
mặt người nhân tạo như vẽ,… Một cách chi tiết, luận văn tập trung vào bài toán phát
hiện mặt người sử dụng các phương pháp dựa trên máy học như Adaboost, Local
Binary Pattern (LBP), Artificial Neural Network (ANN), Suport Vector Machine
(SVM)… Dựa trên sự phân tích các ưu, khuyết điểm của các phương pháp truyền
thống, luận văn phát triển một phương pháp có thể cải tiến kết quả phát hiện khuôn mặt
trong ảnh (so sánh với AdaBoost trong thư viện OpenCv).
1.3 Kết quả đạt được của luận văn
• Tổng quan các phương pháp cho bài toán phát hiện mặt người.
• Tìm hiểu và trình bày chi tiết chứng minh nền tảng toán học của phương pháp
Discrete AdaBoost.
• Tìm hiểu lí thuyết và cài đặt bộ phát hiện khuôn mặt sử dụng LBP.
6
• Đề xuất một phương pháp hiệu quả cho bài toán phát hiện khuôn mặt trong ảnh.
Phương pháp AB – LBP đề xuất được kiểm chứng đạt kết quả tốt (so sánh với
AdaBoost) trên bộ dữ liệu MIT + CMU [7] và CalTech [25].
...