Mô hình thống kê học sâu trong nhận dạng khuôn mặt

Học sâu là thuật toán dựa trên một số ý tưởng từ não bộ tới việc tiếp thu nhiều tầng biểu đạt, diễn tả cả cụ thể lần trừu tượng, từ đó làm rõ nghĩa các loại dữ liệu. Học sâu được ứng dụng trong nhận diện hình ảnh, giọng nói, xử lý ngôn ngữ tự nhiên.
Nội dung trích xuất từ tài liệu:
Mô hình thống kê học sâu trong nhận dạng khuôn mặt MÔ HÌNH THỐNG KÊ HỌC SÂU<br /> TRONG NHẬN DẠNG KHUÔN MẶT<br /> DEEP LEARNING STATISTIC MODEL IN FACE RECOGNITION<br /> <br /> Đỗ Thành Công<br /> Khoa Công nghệ thông tin,<br /> Trường Đại học Kinh doanh và Công nghệ Hà Nội<br /> E-mail: plc1810@gmail.com<br /> <br /> <br /> Ngày tòa soạn nhận được bài báo: 28/11/2018<br /> Ngày phản biện đánh giá: 18/12/2018<br /> Ngày bài báo được duyệt đăng: 28/12/2018<br /> <br /> <br /> Tóm tắt: Học sâu là thuật toán dựa trên một số ý tưởng từ não bộ tới việc tiếp thu<br /> nhiều tầng biểu đạt, diễn tả cả cụ thể lần trừu tượng, từ đó làm rõ nghĩa các loại dữ liệu.<br /> Học sâu được ứng dụng trong nhận diện hình ảnh, giọng nói, xử lý ngôn ngữ tự nhiên.<br /> Convolutional Neural Network (CNNs) là một trong những mô hình của học sâu đem lại<br /> kết quả có độ chính xác cao.<br /> Từ khóa:<br /> Summary: Deep learning refers to the number of layers through which the data is<br /> transformed. Deep learning is also known as deep structured learning and a part of a<br /> broader family of neural network methods based on convolutional neural networks (CNN)<br /> s. Deep learning is applied in image recognition, voice, natural language processing. It is<br /> one of the deep learning models that results in high accuracy.<br /> Keywords: Face Detection, Deep Learning, Convolutional Neural Network (CNNs)<br /> <br /> <br /> I. GIỚI THIỆU<br /> 1. Định nghĩa xác định khuôn mặt<br /> Xác định khuôn mặt người (Face Detection) là một kỹ thuật máy tính để xác định các vị trí và<br /> các kích thước của khuôn mặt trong các ảnh bất kỳ (ảnh kỹ thuật số). Kỹ thuật này nhận biết các<br /> đặc trưng của khuôn mặt và bỏ qua các thứ khác như: tòa nhà, cây cối, cơ thể, …<br /> 2. Ứng dụng nhận dạng khuôn mặt<br /> <br /> 4 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Bài toán nhận dạng khuôn mặt được phát triển từ những năm 1990, đến nay bài toán đã<br /> được ứng dụng trong rất nhiều lĩnh vực khác nhau.<br /> Xác minh tội phạm: Dựa vào ảnh của một người, nhận dạng xem người đấy có phải là tội<br /> phạm hay không bằng cách so sách với các ảnh tội phạm đang được lưu trữ. Hoặc có thể sử<br /> dụng camera để phát hiện tội phạm trong đám đông. Ứng dụng này giúp cơ quan an ninh quản<br /> lý con người tốt hơn.<br /> Camera chống trộm: Các hệ thống camera sẽ xác định đâu là con người và theo dõi xem<br /> con người đó có làm gì phạm pháp không, ví dụ như lấy trộm đồ, xâm nhập bất hợp pháp vào<br /> một khu vực nào đó.<br /> Bảo mật: Các ứng dụng về bảo mật rất đa dạng, một trong số đó là công nghệ nhận dạng<br /> mặt người của máy tính, điện thoại. Công nghệ này cho phép chủ nhân của thiết bị chỉ cần cho<br /> camera chụp hình đúng khuôn mặt là có thể đăng nhập.<br /> Lưu trữ khuôn mặt: Xác định mặt người có thể được ứng dụng trong các trạm rút tiền tự động<br /> (ATM). Lưu trữ được khuôn mặt của người rút tiền, ngân hàng có thể đối chứng và xử lý dễ dàng<br /> các trường hợp rút tiền phạm pháp.<br /> Trong thiết bị di động hay mạng xã hội, lưu trữ khuôn mặt giúp nhận dạng ảnh, phân loại ảnh<br /> bạn bè một cách nhanh chóng.<br /> Tìm kiếm và tổ chức dữ liệu liên quan đến con người thông qua khuôn mặt người trên nhiều<br /> hệ cơ sở dữ liệu lưu trữ thật lớn, như internet, các hãng truyền hình, …. ví dụ: tìm các phim có<br /> diễn viên Thành Long đóng, tìm các trận đá bóng có Quang Hải đá, …<br /> Trong chụp hình, nhận dạng khuôn mặt để máy chụp hình thế hệ mới để cho kết quả hình<br /> ảnh đẹp hơn, nhất là khuôn mặt người.<br /> Một số hãng xe nhận dạng khuôn mặt để kiểm tra lái xe có ngủ gật hay không để thông báo<br /> khi cần thiết.<br /> 3. Các phương pháp tiếp cận:<br /> Để xác định khuôn mặt trong ảnh ta có thể sử dụng theo bốn hướng tiếp cận chính. Ngoài<br /> ra cũng có rất nhiều nghiên cứu mà phương pháp xác định mặt người không chỉ dựa vào một<br /> hướng mà có liên quan đến nhiều hướng.<br /> Hướng tiếp cận tri thức: các đặc trưng của khuôn mặt sẽ được mã hóa thành các luật. Thông<br /> thường các luật thường mô tả các quan hệ của đặc trưng như khuôn mặt thường có hai mắt đối<br /> xứng qua trục thẳng đứng ở giữa khuôn mặt và có một mũi, một miệng. Các quan hệ đặc trưng<br /> có thể được mô tả như quan hệ về khoảng cách và vị trí.<br /> Hướng tiếp cận đặc trưng không thay đổi: xác định khuôn mặt người dựa trên các đặc trưng<br /> không bị thay đổi khi thay đối tư thế khuôn mặt , vị trí quan sát hay điều kiện ánh sáng thay đổi.<br /> Đã có rất nhiều nghiên cứu về hướng tiếp cận này, các đặc điểm không thay đổi được tìm thấy<br /> như màu da, lông mày, mắt, mũi, miệng hay các đường viền trên tóc …<br /> Hướng tiếp cận so khớp mẫu: các mẫu chuẩn của khuôn mặt (thường là khuôn mặt được<br /> <br /> TẠP CHÍ KHOA HỌC 5<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br /> chụp thẳng) sẽ được xác định trước hoặc được biểu diễn thành một hàm với các tham số cụ<br /> thể. Từ ảnh đầu vào, ta tính các giá trị tương quan so với các mẫu chuẩn về đường viền khuôn<br /> mặt, mắt, mũi và miệng. Thông qua các giá trị tương quan này ...