TAILIEUCHUNG - Dùng đặc trưng Gabor kết hợp Adaboost và k-means trong bài toán nhận dạng mặt người

Bài báo này đề xuất phương pháp nhận dạng mặt người dựa trên đặc trưng Gabor kết hợp AdaBoost và k-means. Tác giả sử dụng Gabor wavelet để rút trích các đặc trưng trên ảnh tạo vectơ đặc trưng. AdaBoost cải tiến được dùng như một phương pháp làm giảm số chiều của vectơ đặc trưng trong quá trình nhận dạng. | Tạp chí KHOA HỌC ĐHSP TPHCM Trịnh Tấn Đạt và tgk DÙNG ĐẶC TRƯNG GABOR KẾT HỢP ADABOOST VÀ K-MEANS TRONG BÀI TOÁN NHẬN Dạng mặt người TRỊNH TẤN ĐẠT PHẠM THẾ BẢO TÓM TẮT Trong bài báo này chúng tôi đề xuất phương pháp nhận dạng mặt người dựa trên đặc trưng Gabor kết hợp AdaBoost và k-means. Chúng tôi sử dụng Gabor wavelet để rút trích các đặc trưng trên ảnh tạo vectơ đặc trưng. AdaBoost cải tiến được dùng như một phương pháp làm giảm số chiều của vectơ đặc trưng trong quá trình nhận dạng. Đồng thời dùng thuật toán k-means để phân nhóm dữ liệu thành các nhóm riêng biệt khác nhau nhằm giảm thời gian xử lí và tăng hiệu quả nhận dạng. Cơ sở dữ liệu ảnh ORL của AT T được dùng để thực nghiệm với 200 đặc trưng Gabor để nhận dạng thì tỉ lệ chính xác là 86 07 và thời gian nhận dạng trung bình là 0 06s. Từ khóa nhận dạng khuôn mặt phương pháp Adaboost đặc trưng Gabor k-means. AbstRAct Face recognition using Gabor feature combining with Adaboost and k-mean In this article we proposed a new hybrid method for face recognition based on Gabor feature combining with Adaboost and k-means. We made a Gabor s fearure vector from a face image using Gabor wavelet method. Improving Adaboost was used as a method to reduce the directions of feature vectors during the regconition process. At the same time we used k-mean method to divide face database into diffirent groups so as to decrease the processing time and increase the efficiency of recogition process. ORL database of AT T was used for testing with 200 Gabor features and the precision is 86 07 percent and the average amount of time for recognition is 0 06s. Keywords face regcotion adaboost Gabor feature . 1. Giới thiệu Nhận dạng mặt người là một trong những ứng dụng quan trọng của thị giác máy tính nói riêng cũng như khoa học máy tính nói chung. Bài toán nhận dạng khuôn mặt người vốn được nghiên cứu từ những năm 1970 và cho đến nay rất nhiều nghiên cứu lẫn ứng dụng cho bài toán này đã ra đời 9 . Bài toán nhận dạng mặt người có thể áp .

• Toán học
• Nhận dạng khuôn mặt
• Phương pháp Adaboost
• Đặc trưng Gabor
• Kết hợp Adaboost và k means
• Nhận dạng mặt người
• Vectơ đặc trưng Gabor
• Phương pháp nhận dạng khuôn mặt
• Đặc trưng khuôn mặt
• Tự động nhận dạng khuôn mặt
• Bản đồ cạnh của khuôn mặt
• Nhận diện khuôn mặt
• Ngành thị giác máy tính
• Kỹ thuật ArcFace
• Kỹ thuật căn chỉnh khuôn mặt
• Nhận dạng khuôn mặt không đeo khẩu trang
• Nhận dạng khuôn mặt đeo khẩu trang
• Tạp chí Khoa học Công nghệ Thực phẩm
• Mạng nhân chập học sâu
• Tiền xử lý
• Căn chỉnh khuôn mặt
• Phát hiện khuôn mặt
• Trích chọn đặc trưng
• Dữ liệu mẫu khuôn mặt
• Luận văn Thạc sĩ
• Công nghệ thông tin
• Bài toán nhận dạng khuôn mặt
• Phương pháp phát hiện khuôn mặt
• Kỹ thuật trong nhận dạng khuôn mặt
• Xây dựng cơ sở dữ liệu khuôn mặt người
• Nhận dạng khuôn mặt người
• Đặc trưng Haar like
• Phân loại mạnh AdaBoost
• Chương trình nhận dạng khuôn mặt
• Thuật toán FaceNet
• Hệ thống nhận dạng khuôn mặt
• Phương pháp Eigengaces PCA
• Sử dụng OpenCV trong CSharp
• Tổng quan về xử lý ảnh
• Làm quen thư viện OpenCV
• Bài toán nhận dạng mặt người
• Nhận dạng khuôn mặt có biến đổi sắc thái
• Phân tích thành phần chính principal component analysis
• Thuật toán KNN
• Phương pháp nhận dạng mặt người
• Kĩ thuật nhận dạng khuôn mặt
• Mạng nơ ron học sâu
• Mạng nơ ron tích chập
• Nhận dạng khuôn mặt từ video
• Nhận dạng biểu cảm khuôn mặt
• Biểu cảm khuôn mặt
• Kiến trúc resnet
• Nhận dạng hình ảnh
• Xử lý hình ảnh
• Mạng nơron tích chập đa nhiệm
• Hệ thống quản lý học tập trực tuyến
• Mô hình CNN đa nhiệm
• Xây dựng công cụ nhận dạng khuôn mặt
• Hệ điều hành mã nguồn mỡ
• Thị giác máy
• Xử lý ảnh
• Nhận dạng đối tượng
• Mã nguồn mở
• Nhận dạng mặt
• Phát hiện giả mạo khuôn mặt
• Công nghệ trí tuệ nhân tạo
• Giả mạo khuôn mặt
• Phương pháp học chuyển giao
• Phương pháp tinh chỉnh
• mô tả dữ liệu
• dò tìm khuôn mặt
• mô hình MAKOV ẩn
• dò tìm ngườ
• Xác định khuôn mặt người
• Mô hình thống kê học sâu
• Xử lý ngôn ngữ tự nhiên
• Convolutional Neural Network
• Tạp chí Khoa học
• Mô hình xuất hiện hoạt động
• Nhận dạng cảm xúc
• Nhận dạng biểu cảm của khuôn mặt
• Phân tích khuôn mặt
• Cửa tự động
• Cửa thông minh
• Hệ thống phát hiện khuôn mặt
• Trí tuệ nhân tạo
• mạng nơron
• thành phần chính
• nhận dạng
• mặt người
• hệ thống nhận dạng
• Biểu đồ luồng nhận dạng biểu cảm
• Kỹ thuật nhận dạng biểu cảm
• Mô hình chất liệu
• Kỹ thuật phát hiện khuôn mặt
• Human computer Interaction
• Luận văn Thạc sĩ Khoa học máy tính
• Đặc trưng biểu cảm khuôn mặt
• Kỹ thuật ghi nhận biểu cảm mặt người
• Mạng neural tích chập
• Phương pháp sinh trắc học
• Kiến trúc CNN
• Hiệu chỉnh Gamma
• Đồ án tốt nghiệp
• Đồ án tốt nghiệp đại học
• Nhận dạng cảm xúc khuôn mặt người
• Hoạt động Arduino
• Hoạt động Matlab
• Lập trình Arduino
• Bộ ảnh huấn luyện
• Lập trình nhân dạng cảm xúc
• Nhận dạng giới tính
• Xây dựng hệ thống nhận dạng giới tính
• Nhận dạng giới tính tự động
• Hệ thống nhận dạng sử dụng LPQ
• Ảnh khuôn mặt người
• luận văn
• thuật toán nhận dạng
• ảnh 2D
• Công nhận biểu hiện trên khuôn mặt
• phân tích thành phần chính
• Neural Network
• Cây quyết định
• Xây dựng hệ thống điểm danh
• Hệ thống điểm danh
• Điểm danh bằng khuôn mặt