Luận văn Chương trình Nhận dạng mặt người dùng biến đổi Gabor Wavelet Code - Võ Văn Triều (Thuyết minh + Chương trình) Full
11 thg 11, 2024 | 13:57

Luận văn Chương trình Nhận dạng mặt người dùng biến đổi Gabor Wavelet Code - Võ Văn Triều (Thuyết minh + Chương trình) Full

 


Trước sự phát triển của khoa học kỹ thuật, ngành điều khiển học và tự động hóa đã có những bước tiến lớn. Điều khiển học và tự động hóa ngày càng đóng vai trò quan trọng trong việc tăng năng xuất lao động, giảm giá thành, tăng sự ổn định chất lượng của sản phẩm.

Trong xã hội công nghiệp ngày nay, việc ứng dụng các robot tự hành, các cánh tay máy,…có khả năng hoạt động độc lập ngày càng phổ biến. Để có khả năng thông minh đó, chúng phải có khả năng nhìn, nhận dạng các tình huống, xử lý tình huống như như con người… Đáp ứng nhu cầu đó, xử lý ảnh đã tham gia vào điều khiển học và tự động hóa. Dữ liệu về hình ảnh có lượng thông tin lớn và chính xác hơn các loại dữ liệu từ các cảm biến khác. Điều này giúp cho việc giải quyết các vấn đề trong lĩnh vực điều khiển tự động dễ dàng hơn.

Một trong những bài toán về xử lý ảnh phổ biến hiện nay là nhận dạng khuôn mặt người. Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán nhận dạng khuôn mặt người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều của con người.

Góp phần tìm hiểu về vấn đề này chúng em thực hiện đề tài “Nhận dạng mặt người dùng biến đổi Gabor Wavelet” trên tập ảnh động và tĩnh, đơn gồm các ảnh mặt người với độ sáng tối và góc chụp khác nhau.


Chương I : CÁC PHƯƠNG PHÁP NHẬN DẠNG

1/ Phương pháp phân tích các thành phần độc lập (ICA) 1

2/ Nhận dạng mặt người bằng AdaBoost kết hợp mạng nơron 5

3/ Nhận dạng dùng Support Vector Machine (SVM) 9

SVM tuyến tính 12

SVM phi tuyến 14

4/ Nhận dạng dùng Fuzzy SVM  (SVM mờ) 15

5/ Nhân dạng bằng mạng Nơron 18

Chương II : GABOR WAVELETS

1/ Tổng quát về biến đổi Gabor Wavelet 25

2/ Biểu diễn hình ảnh bằng Gabor Wavelet 27

Chương III: ỨNG DỤNG GABOR WAVELETS TRONG THUẬT TOÁN NHẬN DẠNG KHUÔN MẶT

1/ Chiết xuất đặc trưng 30

1a/ Xác định tọa độ các điểm đặc trưng 30

1b/ Xuất vector đặc trưng 31

2/ Tính toán mức độ tương tự 32

3/ So sánh khuôn mặt 33

CHƯƠNG IV: CHƯƠNG TRÌNH MÔ PHỎNG

1/ Tổng quan về Matlab 36

1a/ Giới thiệu chung 36

1b/ Các đặc điểm cơ bản của MATLAB 36

1c/ Phân tích và tiếp cận dữ liệu 38

2/ Lưu đồ giải thuật 40

2a/ Nhận dạng ảnh động 40

2b/ Nhận dạng ảnh tĩnh 42

3/ Chương trình mô phỏng 42

CHƯƠNG V: KẾT QUẢ THỰC HIỆN

1/ Tập dữ liệu ảnh 47

2/ Xây dựng tập ảnh mẫu và các ma trận đặc trưng mẫu 48

3/ Các kết quả thử nghiệm 49

3a/ Nhận dạng khuôn mặt từ ảnh dùng tập ảnh mẫu thứ nhất 49

3b/ Nhận dạng khuôn mặt từ ảnh dùng tập ảnh mẫu thứ hai 50

3c/ Nhận dạng khuôn mặt từ webcam 50

3d/ Tốc độ thực hiện 51

4/ Kết luận 51

5/ Hướng phát triển của đề tài 52

TÀI LIỆU THAM KHẢO




 


Trước sự phát triển của khoa học kỹ thuật, ngành điều khiển học và tự động hóa đã có những bước tiến lớn. Điều khiển học và tự động hóa ngày càng đóng vai trò quan trọng trong việc tăng năng xuất lao động, giảm giá thành, tăng sự ổn định chất lượng của sản phẩm.

Trong xã hội công nghiệp ngày nay, việc ứng dụng các robot tự hành, các cánh tay máy,…có khả năng hoạt động độc lập ngày càng phổ biến. Để có khả năng thông minh đó, chúng phải có khả năng nhìn, nhận dạng các tình huống, xử lý tình huống như như con người… Đáp ứng nhu cầu đó, xử lý ảnh đã tham gia vào điều khiển học và tự động hóa. Dữ liệu về hình ảnh có lượng thông tin lớn và chính xác hơn các loại dữ liệu từ các cảm biến khác. Điều này giúp cho việc giải quyết các vấn đề trong lĩnh vực điều khiển tự động dễ dàng hơn.

Một trong những bài toán về xử lý ảnh phổ biến hiện nay là nhận dạng khuôn mặt người. Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán nhận dạng khuôn mặt người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều của con người.

Góp phần tìm hiểu về vấn đề này chúng em thực hiện đề tài “Nhận dạng mặt người dùng biến đổi Gabor Wavelet” trên tập ảnh động và tĩnh, đơn gồm các ảnh mặt người với độ sáng tối và góc chụp khác nhau.


Chương I : CÁC PHƯƠNG PHÁP NHẬN DẠNG

1/ Phương pháp phân tích các thành phần độc lập (ICA) 1

2/ Nhận dạng mặt người bằng AdaBoost kết hợp mạng nơron 5

3/ Nhận dạng dùng Support Vector Machine (SVM) 9

SVM tuyến tính 12

SVM phi tuyến 14

4/ Nhận dạng dùng Fuzzy SVM  (SVM mờ) 15

5/ Nhân dạng bằng mạng Nơron 18

Chương II : GABOR WAVELETS

1/ Tổng quát về biến đổi Gabor Wavelet 25

2/ Biểu diễn hình ảnh bằng Gabor Wavelet 27

Chương III: ỨNG DỤNG GABOR WAVELETS TRONG THUẬT TOÁN NHẬN DẠNG KHUÔN MẶT

1/ Chiết xuất đặc trưng 30

1a/ Xác định tọa độ các điểm đặc trưng 30

1b/ Xuất vector đặc trưng 31

2/ Tính toán mức độ tương tự 32

3/ So sánh khuôn mặt 33

CHƯƠNG IV: CHƯƠNG TRÌNH MÔ PHỎNG

1/ Tổng quan về Matlab 36

1a/ Giới thiệu chung 36

1b/ Các đặc điểm cơ bản của MATLAB 36

1c/ Phân tích và tiếp cận dữ liệu 38

2/ Lưu đồ giải thuật 40

2a/ Nhận dạng ảnh động 40

2b/ Nhận dạng ảnh tĩnh 42

3/ Chương trình mô phỏng 42

CHƯƠNG V: KẾT QUẢ THỰC HIỆN

1/ Tập dữ liệu ảnh 47

2/ Xây dựng tập ảnh mẫu và các ma trận đặc trưng mẫu 48

3/ Các kết quả thử nghiệm 49

3a/ Nhận dạng khuôn mặt từ ảnh dùng tập ảnh mẫu thứ nhất 49

3b/ Nhận dạng khuôn mặt từ ảnh dùng tập ảnh mẫu thứ hai 50

3c/ Nhận dạng khuôn mặt từ webcam 50

3d/ Tốc độ thực hiện 51

4/ Kết luận 51

5/ Hướng phát triển của đề tài 52

TÀI LIỆU THAM KHẢO




M_tả
M_tả

Chuyên mục:

Không có nhận xét nào: