TAILIEUCHUNG - Thiết kế hệ thống tách và nhận dạng khuôn mặt từ video

Bài viết Thiết kế hệ thống tách và nhận dạng khuôn mặt từ video đưa ra phương pháp nhận dạng khuôn mặt trong video dựa vào ảnh của các khung hình trong video. Quá trình nhận dạng khuôn mặt trong video gồm ba công đoạn chính-Tách khuôn mặt dùng thuật toán Haar-like, trích đặc trưng khuôn mặt dùng PCA và nhận dạng dùng mạng nơ ron đa lớp. | 49 THIẾT KẾ HỆ THỐNG TÁCH VÀ NHẬN DẠNG KHUÔN MẶT TỪ VIDEO DESIGNING A VIDEO-BASED FACE DETECTION AND RECOGNITION SYSTEM Đậu Trọng Hiển Ngô Quốc Cường Trần Tùng Giang Trường Đại Học Sư Phạm Kỹ Thuật TP. HCM TÓM TẮT Nhận dạng mặt người trong video là đề tài đang được chú ý trong những năm gần đây trong lĩnh vực thị giác máy tính. So với nhận dạng trên ảnh tĩnh truyền thống nhận dạng trên video có nhiều lợi thế về lượng thông tin để tăng độ chính xác và ổn định. Tuy nhiên việc nhận dạng ảnh trong video cũng gặp nhiều khó khăn vì sự biến thiên lớn về tỉ lệ khuôn ảnh chất lượng ảnh trong video kém độ chói và tư thế khuôn mặt thay đổi khuôn mặt bị che phủ. Bài báo này đưa ra phương pháp nhận dạng khuôn mặt trong video dựa vào ảnh của các khung hình trong video. Quá trình nhận dạng khuôn mặt trong video gồm ba công đoạn chính-Tách khuôn mặt dùng thuật toán Haar-like trích đặc trưng khuôn mặt dùng PCA và nhận dạng dùng mạng nơ ron đa lớp. Thuật toán nhận dạng trong bài này được kiểm tra bằng đoạn phim có 1000 khung hình. Độ chính xác của thuật toán nhận dạng là 98 . Từ khóa Khung hình trong video đặc tính Haar-Like nhận dạng khuôn mặt phân tích thành phần chính mạng nơ ron vector riêng khuôn mặt riêng. ABSTRACT Face recognition in videos has been a hot topic in computer vision in recent years. Compared to traditional face analysis video-based face recognition has the advantages of more abundant information to improve accuracy and robustness but also suffers from large scale variations low quality of facial images illumination changes pose variations and occlusions. The paper presents a method for face recognition based on video-image based methods. The proposed method consists of three stages face detection using Haar-Like feature feature extraction using principle component analysis and recognition using the feed forward back propagation Neural Network. The algorithm has been tested on a video with 1000 frames 1000 images . Test results gave a recognition rate of 98 . .

• Quản trị mạng
• Khung hình trong video
• Đặc tính Haar Like
• Nhận dạng khuôn mặt
• Mạng nơ ron
• Mạng nơ ron đa lớp
• Công nghệ thông tin
• Hiệu năng mạng LAN
• Video MPEG
• Lược đồ nhóm khung
• Mạng máy tính
• Cấu hình Gop
• Dự đoán khung hình trong video
• Mô hình Future frame prediction
• Bộ dữ liệu UCSD Ped1
• Hoạt động giám sát an ninh
• Kỹ thuật xử lý rút trích
• Dự báo chỉ số VN Index
• Mạng nơ ron nhân tạo
• Ứng dụng mạng nơ ron nhân tạo
• Cấu trúc mạng nơ ron nhân tạo
• Mạng truyền thẳng đa lớp
• Hệ suy diễn mở nơ ron
• Công nghệ xây dựng
• Mạng nơ ron nhân tạo dự báo
• Công tác hỗn hợp bê tông tự lèn
• Bê tông tự lèn
• Ứớc lượng phi tuyến tính
• Khả năng lấp đầy
• Khả năng chảy xuyên
• Nhận dạng chữ số viết tay
• Mô hình mạng nơ ron nhân tạo
• Mạng nơ ron nhân tạo đa lớp MLP
• Trí thông minh nhân tạo
• Xử lý ngôn ngữ tự nhiên
• Ngôi nhà thông minh
• Thuật toán active lezi
• Thuật toán huấn luyện mạng
• Mô hình mạng tự động hồi quy phi tuyến
• Đo đạc bản đồ
• Xây dựng bản đồ phân vùng
• Mạng nơ ron nhân tạo đa lớp
• Mô hình phân vùng lũ quét
• Biến đổi khí hậu
• nhận dạng vân tay
• Bộ lọc Gabor
• Thuật toán FFT
• Thuật toán lan truyền ngược
• Dữ liệu thủy văn
• Mạng nơ ron nhân tạo nhiều lớp
• Xử lý tín hiệu số
• Giá trị cực trị đa biến
• Tham số học thích nghi