tieuquy_h1k
New Member
Link tải luận văn miễn phí cho ae Kết nối
TÓM TẮT 1
CHƯƠNG I: GIỚI THIỆU 7
1. Tổng quan về các phương pháp phát hiện mặt người 7
1.1 Phát hiện mặt người và ứng dụng 7
1.2 Các thách thức trong vấn đề phát hiện mặt người 9
1.3 Các vấn đề liên quan đến phát hiện mặt người 9
1.4 Tổnq quan các hướng tiếp cận phát hiện khuôn mặt 10
1.4.1 Hướng tiếp cận dựa trên đặc trưng của ảnh (Feature-based approaches) 11
1.4.2 Hướng tiếp cận dựa trên thông tin xuất hiện trong ảnh (Image-based approach) 19
1.4.4 Kết luận 23
2. Tổng quan về các kỹ thuật nhận biết màu da dựa trên tính chất điểm ảnh 24
2.1 Giới thiệu 24
2.2 Không gian màu sử dụng cho mô hình hóa màu da 24
2.2.1 Không gian màu RGB 24
2.2.2 Không gian RGB chuẩn hóa 25
2.2.3 HIS, HSV, HSL - Độ bão hòa của màu 25
2.2.4 TSL – Tint, Saturation, Lightness (sắc thái, độ bão hòa, độ dịu ) 26
2.2.5 YcrCb 26
2.2.6 Các hệ tọa độ không gian màu khác 26
2.3 Mô hình hóa màu da 27
2.3.1 Xác định ngưỡng cụ thể một điểm ảnh là màu da 27
2.3.2 Phưong pháp mô hình hóa màu da sử dụng phân phối không tham số 27
2.3.3 Mô hình hóa phân phố màu da có tham số 29
2.3.3.4 Tổng kết các phưong pháp mô hình hóa theo tham số 30
2.4 So sánh kết quả các mô hình 30
2.5 Đánh giá phương pháp 31
2.6 Chọn lựa không gian màu và phương pháp mô hình hóa dùng để nhận biết màu da cho đồ án. 32
3. Giới thiệu về mạng neural nhân tạo MPL và thuật toán lan truyền ngược 32
3.1 Giói thiệu 32
3.2 Mạng Perceptron nhiều tầng (MPL – Multi Perceptron Layer) 33
3.2.1 Ánh xạ mạng lan truyền tiến 33
3.2.2 Hàm sigmoid 35
3.3 Thuật toán lan truyền ngược 36
3.3.1. Lan truyền ngược 38
3.3.2 Hiệu quả của lan truyền ngược 40
CHƯƠNG II: TÔNG THỂ HOẠT ĐỘNG CỦA HỆ THỐNG VÀ VẤN ĐỀ CHUẨN BỊ CƠ SỞ DỮ LIỆU 42
1. Tổng thể sơ đồ hoạt động của hệ thống phát hiện mặt người 42
2. Chuẩn bị cơ sở dữ liệu 44
2.1 Dữ liệu huấn luyện mạng neural 44
2.1.1 Ảnh huấn luyện là khuôn mặt 44
2.1.2 Ảnh huấn luyện không khuôn mặt 46
2.2 Ảnh huấn luyện để phân vùng màu da 47
2.3 Cơ sở dữ liệu để đánh giá kết quả hệ thống. 48
CHƯƠNG III: PHÁT HIỆN KHUÔN MẶT DỰA TRÊN MẠNG NEURAL VÀ PHƯƠNG PHÁP PHÂN VÙNG MÀU DA 49
1. Kiến trúc hệ thống 49
2. Huấn luyện phân vùng và phân vùng màu da dựa trên mô hình phân phối Gaussian 50
2.1 Huấn luyện phân vùng màu da 50
2.1.1 Cơ sở để huấn luyện 50
2.1.2 Huấn luyện phân vùng màu da 53
2.2 Nhận biết và phân vùng màu da. 54
2.2.1 Lọc khởi tạo 54
2.2.2 Nhận biết màu da 54
2.3 Phân vùng màu da 55
3. Mạng neural phát hiện khuôn mặt 58
3.1 Mô hình mạng Neural 58
3.1.1 Mô hình 58
3.1.2 Mô hình xác suất dựa trên công thức xác suất đầy đủ Bayes 59
3.2 Huấn luyện mạng 61
3.2.1 Huấn luyện mạng học ảnh khuôn mặt 61
3.2.2 Chiến thuật huấn luyện mạng học ảnh không khuôn mặt 61
4. Nâng cao chất lượng phát hiện khuôn mặt và cải thiện tốc độ phát hiện 63
4.1 Heuristic giúp phát hiện khuôn mặt chính xác hơn 63
4.2 Heuristic cải thiện thời gian phát hiện. 66
CHƯƠNG IV: PHÂN TÍCH THIẾT KẾ VÀ CÀI ĐẶT CHƯƠNG TRÌNH 68
1. Xác định yêu cầu 68
2. Phân tích và thiết kế hệ thống 68
2.1 Giới thiệu 68
2.2 Phân tích và thiết kế hệ thống 68
2.3. Thiết kế cơ sở dữ liệu 73
3. Thiết kế chương trình và kết quả minh họa 73
3.1 Thiết kế chương trình 73
3.2 Kết quả chương trình 74
CHƯƠNG V: KHẢO SÁT THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 75
KÉT LUẬN VÀ HƯỚNG PHÁT TRIỂN 76
TÀI LIỆU THAM KHẢO 77
TÓM TẮT
Phát hiện khuôn mặt là một vấn đề cơ bản trong ngành học quan sát bằng máy tính. Là một trong những giai đoạn của hệ thống nhận dạng mặt người cùng với nhiều ứng dụng rộng rãi và phổ biến khác như chỉ số hóa nội dung trong ảnh, hệ thống giám sát, hội thảo truyền hình…, phát hiện khuôn mặt đã và đang dành được sự quan tâm nghiên cứu của nhiều người trong suốt hai thập kỷ qua. Tuy nhiên, với những thách thức rất lớn gây ra do tính biến động của môi trường cũng như tính biến đổi cao của khuôn mặt, phát hiện mặt người vẫn đang là một trong những vấn đề mở đối với các nhà nghiên cứu. Và cho đến nay vẫn chưa có một phương pháp nào thực sự giải quyết hết các thách thức của phát hiện khuôn mặt. Nhiều cải tiến, nhiều đề xuất đã được đưa ra nhằm cải thiện chất lượng phát hiện khuôn mặt. Và một trong những cải tiến đó là dựa trên những đặc điểm bất biến hay có sự biến động có thể phân vùng được của khuôn mặt mà màu da của con người chính là một trong những đặc điểm đó.
Xuất phát từ ý tưởng kết hợp giữa màu da và một phương pháp phát hiện khuôn mặt hiệu quả, đồ án đã tập trung xây dựng một hệ thống kết hợp giữa hệ thống phát hiện khuôn mặt dựa trên mạng neural và phương pháp phân vùng màu da dựa trên mô hình màu da có tham số sử dụng phân phố Gaussian.
Hệ thống phát hiện được xây dựng về cơ bản có nguyên tắc hoạt động theo mô hình mạng neural kinh điển. Đó là mô hình mạng neural Perceptron đa lớp, sử dụng thuật toán lan truyền nguợc và phương pháp giảm gradient để học mạng. Về cơ bản kiến trúc mạng neural xây dựng không có gì thay đổi, tuy nhiên, ở đây chúng ta sẽ cải tiến kiến trúc một điểm với việc sử dụng thêm mô hình xác suất dựa trên lý thuyết Bayes để có thể có sự mềm dẻo hơn trong việc đánh giá kết quả cuối cùng của mạng. Ngoài ra, đồ án cũng nêu ra một chiến thuật huấn luyện hợp lý, cho phép huấn luyện nhanh mà vẫn đảm bảo được tính tổng quát và hiệu quả của mạng. Đó là chiến thuật huấn luyện mạng chủ động có học.
Phương pháp phân vùng màu da được kết hợp vào hệ thống như là một giới hạn cho phép giảm không gian tìm kiếm, tức là khuôn mặt sẽ chỉ được tìm kiếm trên các vùng màu da. Việc phân vùng này đã giúp cho thời gian phát hiện của hệ thống cải thiện đáng kể, hơn nữa nó còn giúp cho hệ thống hoạt động hiệu quả hơn.
Để giúp cho kết quả phát hiện được rõ ràng và chất lượng, đồ án cũng đã nêu ra các heuristic cụ thể phù hợp cho hệ thống, Những heursitic này dựa trên kết quả thực tế cũng như thống kê của quá trình huấn luyện và kiểm thử hệ thống.
Đồ án với tên gọi là “Hệ thống phát hiện khuôn mặt dựa trên mạng neural và phương pháp vân vùng màu da” được bộ cục làm năm mục chính.
Chương I: Giới thiêu – Là chương giới thiệu, bao gồm ba phần nhỏ. Phần đầu là tổng quan các hướng tiếp cận, các phương pháp phát hiện mặt người đã được để xuất. Phần hai là tổng quan các phương pháp phân vùng màu da dựa trên tính chất điểm ảnh. Qua phần này với những đánh giá các phương pháp sẽ giúp chúng ta chọn được phương pháp phân vùng phù hợp cho hệ thống. Phần ba sẽ là cơ sở lý thuyết cơ bản nhất về mạng neural MPL và thuật toán lan truyền ngược. Đây là kiến trúc mạng và thuật toán sẽ được sử dụng cho hệ thống mạng neural của đồ án.
Chương II: Tổng thể hoạt động của hệ thống và vấn đề chuẩn bị cơ sở dữ liệu – Đây là chương miêu tả mô hình thuật toán hoạt động tổng thể nhất của hệ thống sẽ được xây dựng. Đồng thời sẽ đề cập vấn đề chuẩn bị và tiền xử lý cho các tập cơ sở dữ liệu đựoc dùng để huấn luyện mạng neural cũng như luyện tập phân vùng màu da. Đây là một trong những công việc quan trọng quyết định đến chất lượng của hệ thống.
Chương III: Phát hiện khuôn mặt dựa trên mạng neural và phương pháp phân vùng màu da – Đây là chương quan trọng nhất của đồ án. Nó sẽ miêu tả đầy đủ kiến trúc hệ thống được xây dựng. Thuật toán và phương pháp huấn luyện mạng neural. Thuật toán và phương pháp huấn luyện phân vùng màu da. Và sẽ đề xuất ra những heuristic giúp cải thiện chất lượng phát hiện và thời gian chạy của hệ thống.
Chương IV: Phân tích thiết kế và cài đặt chương trình
Chưong V: Khảo sát thực nghiệm và đánh giá chương trình – Đây là chương sẽ miêu tả kết quả việc kiểm thử chương trình dựa trên bộ test chuẩn và bộ test tự tạo. Đồng thời sẽ có những đánh giá và nhận xét về kết quả của chương trình.
Kết luận và hướng phát triển
Trong phạm vi bài đồ án, với việc hệ thống được xây dựng trên một mạng neural đơn lẻ, vì vậy em đã tiến hành huấn luyện cho mạng nhận biết những khuôn mặt với tư thể nhìn thẳng (frontal), có độ nghiêng và góc quay không đáng kể. Các khuôn mặt có thể có nhiều trạng thái khác nhau. Các ảnh được dùng để kiểm thử bao gồm cả ảnh dáng và ảnh tập thể. Ảnh không và có nhiễu (tự thêm) để kiểm tra thêm về tính hiệu quả của hệ thống. Các ảnh được kiểm thử có kích thước bao gồm 240 x 180, 320 x 240, 480 x 360 điểm ảnh.
Với bộ test bao gồm 300 ảnh dáng kích thước 320 x 240; 320 ảnh này đựoc thêm nhiễu, 320 ảnh này được thu nhỏ lại kích thước 240 x 180 để kiểm tra hệ thống có thể phát hiện các khuôn mặt có kích thước khác nhau, 320 ảnh này được thêm nhiễu.
Ngoài tập ảnh dáng chuẩn ra, chương trình còn test với 100 ảnh tập thể tự tạo với nhiều mục đích khác nhau. 100 ảnh này cũng được thêm nhiễu để tiến hành kiểm thử.
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
TÓM TẮT 1
CHƯƠNG I: GIỚI THIỆU 7
1. Tổng quan về các phương pháp phát hiện mặt người 7
1.1 Phát hiện mặt người và ứng dụng 7
1.2 Các thách thức trong vấn đề phát hiện mặt người 9
1.3 Các vấn đề liên quan đến phát hiện mặt người 9
1.4 Tổnq quan các hướng tiếp cận phát hiện khuôn mặt 10
1.4.1 Hướng tiếp cận dựa trên đặc trưng của ảnh (Feature-based approaches) 11
1.4.2 Hướng tiếp cận dựa trên thông tin xuất hiện trong ảnh (Image-based approach) 19
1.4.4 Kết luận 23
2. Tổng quan về các kỹ thuật nhận biết màu da dựa trên tính chất điểm ảnh 24
2.1 Giới thiệu 24
2.2 Không gian màu sử dụng cho mô hình hóa màu da 24
2.2.1 Không gian màu RGB 24
2.2.2 Không gian RGB chuẩn hóa 25
2.2.3 HIS, HSV, HSL - Độ bão hòa của màu 25
2.2.4 TSL – Tint, Saturation, Lightness (sắc thái, độ bão hòa, độ dịu ) 26
2.2.5 YcrCb 26
2.2.6 Các hệ tọa độ không gian màu khác 26
2.3 Mô hình hóa màu da 27
2.3.1 Xác định ngưỡng cụ thể một điểm ảnh là màu da 27
2.3.2 Phưong pháp mô hình hóa màu da sử dụng phân phối không tham số 27
2.3.3 Mô hình hóa phân phố màu da có tham số 29
2.3.3.4 Tổng kết các phưong pháp mô hình hóa theo tham số 30
2.4 So sánh kết quả các mô hình 30
2.5 Đánh giá phương pháp 31
2.6 Chọn lựa không gian màu và phương pháp mô hình hóa dùng để nhận biết màu da cho đồ án. 32
3. Giới thiệu về mạng neural nhân tạo MPL và thuật toán lan truyền ngược 32
3.1 Giói thiệu 32
3.2 Mạng Perceptron nhiều tầng (MPL – Multi Perceptron Layer) 33
3.2.1 Ánh xạ mạng lan truyền tiến 33
3.2.2 Hàm sigmoid 35
3.3 Thuật toán lan truyền ngược 36
3.3.1. Lan truyền ngược 38
3.3.2 Hiệu quả của lan truyền ngược 40
CHƯƠNG II: TÔNG THỂ HOẠT ĐỘNG CỦA HỆ THỐNG VÀ VẤN ĐỀ CHUẨN BỊ CƠ SỞ DỮ LIỆU 42
1. Tổng thể sơ đồ hoạt động của hệ thống phát hiện mặt người 42
2. Chuẩn bị cơ sở dữ liệu 44
2.1 Dữ liệu huấn luyện mạng neural 44
2.1.1 Ảnh huấn luyện là khuôn mặt 44
2.1.2 Ảnh huấn luyện không khuôn mặt 46
2.2 Ảnh huấn luyện để phân vùng màu da 47
2.3 Cơ sở dữ liệu để đánh giá kết quả hệ thống. 48
CHƯƠNG III: PHÁT HIỆN KHUÔN MẶT DỰA TRÊN MẠNG NEURAL VÀ PHƯƠNG PHÁP PHÂN VÙNG MÀU DA 49
1. Kiến trúc hệ thống 49
2. Huấn luyện phân vùng và phân vùng màu da dựa trên mô hình phân phối Gaussian 50
2.1 Huấn luyện phân vùng màu da 50
2.1.1 Cơ sở để huấn luyện 50
2.1.2 Huấn luyện phân vùng màu da 53
2.2 Nhận biết và phân vùng màu da. 54
2.2.1 Lọc khởi tạo 54
2.2.2 Nhận biết màu da 54
2.3 Phân vùng màu da 55
3. Mạng neural phát hiện khuôn mặt 58
3.1 Mô hình mạng Neural 58
3.1.1 Mô hình 58
3.1.2 Mô hình xác suất dựa trên công thức xác suất đầy đủ Bayes 59
3.2 Huấn luyện mạng 61
3.2.1 Huấn luyện mạng học ảnh khuôn mặt 61
3.2.2 Chiến thuật huấn luyện mạng học ảnh không khuôn mặt 61
4. Nâng cao chất lượng phát hiện khuôn mặt và cải thiện tốc độ phát hiện 63
4.1 Heuristic giúp phát hiện khuôn mặt chính xác hơn 63
4.2 Heuristic cải thiện thời gian phát hiện. 66
CHƯƠNG IV: PHÂN TÍCH THIẾT KẾ VÀ CÀI ĐẶT CHƯƠNG TRÌNH 68
1. Xác định yêu cầu 68
2. Phân tích và thiết kế hệ thống 68
2.1 Giới thiệu 68
2.2 Phân tích và thiết kế hệ thống 68
2.3. Thiết kế cơ sở dữ liệu 73
3. Thiết kế chương trình và kết quả minh họa 73
3.1 Thiết kế chương trình 73
3.2 Kết quả chương trình 74
CHƯƠNG V: KHẢO SÁT THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 75
KÉT LUẬN VÀ HƯỚNG PHÁT TRIỂN 76
TÀI LIỆU THAM KHẢO 77
TÓM TẮT
Phát hiện khuôn mặt là một vấn đề cơ bản trong ngành học quan sát bằng máy tính. Là một trong những giai đoạn của hệ thống nhận dạng mặt người cùng với nhiều ứng dụng rộng rãi và phổ biến khác như chỉ số hóa nội dung trong ảnh, hệ thống giám sát, hội thảo truyền hình…, phát hiện khuôn mặt đã và đang dành được sự quan tâm nghiên cứu của nhiều người trong suốt hai thập kỷ qua. Tuy nhiên, với những thách thức rất lớn gây ra do tính biến động của môi trường cũng như tính biến đổi cao của khuôn mặt, phát hiện mặt người vẫn đang là một trong những vấn đề mở đối với các nhà nghiên cứu. Và cho đến nay vẫn chưa có một phương pháp nào thực sự giải quyết hết các thách thức của phát hiện khuôn mặt. Nhiều cải tiến, nhiều đề xuất đã được đưa ra nhằm cải thiện chất lượng phát hiện khuôn mặt. Và một trong những cải tiến đó là dựa trên những đặc điểm bất biến hay có sự biến động có thể phân vùng được của khuôn mặt mà màu da của con người chính là một trong những đặc điểm đó.
Xuất phát từ ý tưởng kết hợp giữa màu da và một phương pháp phát hiện khuôn mặt hiệu quả, đồ án đã tập trung xây dựng một hệ thống kết hợp giữa hệ thống phát hiện khuôn mặt dựa trên mạng neural và phương pháp phân vùng màu da dựa trên mô hình màu da có tham số sử dụng phân phố Gaussian.
Hệ thống phát hiện được xây dựng về cơ bản có nguyên tắc hoạt động theo mô hình mạng neural kinh điển. Đó là mô hình mạng neural Perceptron đa lớp, sử dụng thuật toán lan truyền nguợc và phương pháp giảm gradient để học mạng. Về cơ bản kiến trúc mạng neural xây dựng không có gì thay đổi, tuy nhiên, ở đây chúng ta sẽ cải tiến kiến trúc một điểm với việc sử dụng thêm mô hình xác suất dựa trên lý thuyết Bayes để có thể có sự mềm dẻo hơn trong việc đánh giá kết quả cuối cùng của mạng. Ngoài ra, đồ án cũng nêu ra một chiến thuật huấn luyện hợp lý, cho phép huấn luyện nhanh mà vẫn đảm bảo được tính tổng quát và hiệu quả của mạng. Đó là chiến thuật huấn luyện mạng chủ động có học.
Phương pháp phân vùng màu da được kết hợp vào hệ thống như là một giới hạn cho phép giảm không gian tìm kiếm, tức là khuôn mặt sẽ chỉ được tìm kiếm trên các vùng màu da. Việc phân vùng này đã giúp cho thời gian phát hiện của hệ thống cải thiện đáng kể, hơn nữa nó còn giúp cho hệ thống hoạt động hiệu quả hơn.
Để giúp cho kết quả phát hiện được rõ ràng và chất lượng, đồ án cũng đã nêu ra các heuristic cụ thể phù hợp cho hệ thống, Những heursitic này dựa trên kết quả thực tế cũng như thống kê của quá trình huấn luyện và kiểm thử hệ thống.
Đồ án với tên gọi là “Hệ thống phát hiện khuôn mặt dựa trên mạng neural và phương pháp vân vùng màu da” được bộ cục làm năm mục chính.
Chương I: Giới thiêu – Là chương giới thiệu, bao gồm ba phần nhỏ. Phần đầu là tổng quan các hướng tiếp cận, các phương pháp phát hiện mặt người đã được để xuất. Phần hai là tổng quan các phương pháp phân vùng màu da dựa trên tính chất điểm ảnh. Qua phần này với những đánh giá các phương pháp sẽ giúp chúng ta chọn được phương pháp phân vùng phù hợp cho hệ thống. Phần ba sẽ là cơ sở lý thuyết cơ bản nhất về mạng neural MPL và thuật toán lan truyền ngược. Đây là kiến trúc mạng và thuật toán sẽ được sử dụng cho hệ thống mạng neural của đồ án.
Chương II: Tổng thể hoạt động của hệ thống và vấn đề chuẩn bị cơ sở dữ liệu – Đây là chương miêu tả mô hình thuật toán hoạt động tổng thể nhất của hệ thống sẽ được xây dựng. Đồng thời sẽ đề cập vấn đề chuẩn bị và tiền xử lý cho các tập cơ sở dữ liệu đựoc dùng để huấn luyện mạng neural cũng như luyện tập phân vùng màu da. Đây là một trong những công việc quan trọng quyết định đến chất lượng của hệ thống.
Chương III: Phát hiện khuôn mặt dựa trên mạng neural và phương pháp phân vùng màu da – Đây là chương quan trọng nhất của đồ án. Nó sẽ miêu tả đầy đủ kiến trúc hệ thống được xây dựng. Thuật toán và phương pháp huấn luyện mạng neural. Thuật toán và phương pháp huấn luyện phân vùng màu da. Và sẽ đề xuất ra những heuristic giúp cải thiện chất lượng phát hiện và thời gian chạy của hệ thống.
Chương IV: Phân tích thiết kế và cài đặt chương trình
Chưong V: Khảo sát thực nghiệm và đánh giá chương trình – Đây là chương sẽ miêu tả kết quả việc kiểm thử chương trình dựa trên bộ test chuẩn và bộ test tự tạo. Đồng thời sẽ có những đánh giá và nhận xét về kết quả của chương trình.
Kết luận và hướng phát triển
Trong phạm vi bài đồ án, với việc hệ thống được xây dựng trên một mạng neural đơn lẻ, vì vậy em đã tiến hành huấn luyện cho mạng nhận biết những khuôn mặt với tư thể nhìn thẳng (frontal), có độ nghiêng và góc quay không đáng kể. Các khuôn mặt có thể có nhiều trạng thái khác nhau. Các ảnh được dùng để kiểm thử bao gồm cả ảnh dáng và ảnh tập thể. Ảnh không và có nhiễu (tự thêm) để kiểm tra thêm về tính hiệu quả của hệ thống. Các ảnh được kiểm thử có kích thước bao gồm 240 x 180, 320 x 240, 480 x 360 điểm ảnh.
Với bộ test bao gồm 300 ảnh dáng kích thước 320 x 240; 320 ảnh này đựoc thêm nhiễu, 320 ảnh này được thu nhỏ lại kích thước 240 x 180 để kiểm tra hệ thống có thể phát hiện các khuôn mặt có kích thước khác nhau, 320 ảnh này được thêm nhiễu.
Ngoài tập ảnh dáng chuẩn ra, chương trình còn test với 100 ảnh tập thể tự tạo với nhiều mục đích khác nhau. 100 ảnh này cũng được thêm nhiễu để tiến hành kiểm thử.
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links