BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC ĐÀ NẴNG
TÓM TẮT BÁO CÁO TỔNG KẾT
ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ
Nghiên cứu xây dựng hệ thống tự động
nhận dạng và phân tích khuôn mặt sinh viên
nhằm hỗ trợ việc học tập tương tác
trong lớp học
Mã số: CNTT-10
Chủ nhiệm đề tài: TS. Phạm Minh Tuấn
ĐÀ NẴNG, 05/2019
s0 crAo DUC vA DAo rAo
DAI HQC BA xANC
d
,
ToM rAr nAo cAo rOuc KEr
I\\A
DE TAI KHOA HOC VA CONG NGI{E CAP BO
.
,.'
Nghi0n criu xfly dtrng he th6ng tU tlQng
nhfln d?ng vh phfln tfch khudn mit sinh vi6n
nhlm h6 trg viQc hgc t$p tuong titc
trong l6p hQc
Mi sii: CNTT-l0
Chri nhiQm oiitai
(E, hp t€n)
TS. Pham Minh TuAn
oa NANG, ost2org
PGS, TS, NguYEnL0 Htng
DANH SÁCH THAM GIA
1. Các cá nhân tham gia:
- TS. Phạm Minh Tuấn, Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng
- PGS. TS. Nguyễn Tấn Khôi, Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà
Nẵng
- TS. Ninh Khánh Duy, Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng
- ThS. Nguyễn Nguyễn Năng Hùng Vân, Trường Đại học Bách khoa, Đại học Đà Nẵng
- ThS. Đỗ Phúc Hảo, Trường Đại học Kiến trúc Đà Nẵng
- ThS. Trần Anh Kiệt, Đại Học Đà Nẵng
2. Các tổ chức phối hợp:
- Trung tâm DATIC, Trường Đại học Bách khoa, Đại học Đà Nẵng
- Công ty TNHH MTV HIPPTECH VIETNAM INC.
1
MỤC LỤC
MỤC LỤC ......................................................................................................................................... 1
DANH MỤC HÌNH .......................................................................................................................... 2
DANH MỤC BẢNG ......................................................................................................................... 2
DANH MỤC TỪ VIẾT TẮT ........................................................................................................... 2
THÔNG TIN KẾT QUẢ NGHIÊN CỨU ...................................................................................... 3
MỞ ĐẦU ........................................................................................................................................... 6
CHƯƠNG 1 ...................................................................................................................................... 7
TỔNG QUAN NGHIÊN CỨU ........................................................................................................ 7
1.1. NHẬN DẠNG MẶT NGƯỜI ................................................................................................ 7
1.2. HỌC MÁY ............................................................................................................................. 7
1.3. KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG .......................................................................... 8
1.3.1 Phân tích thành phần chính (PCA) .................................................................................. 8
1.3.2 Phương pháp hồi quy thành phần chính (PCR) ............................................................... 9
1.4. THUẬT TOÁN VIOLA-JONES ......................................................................................... 10
1.5. KẾT CHƯƠNG .................................................................................................................... 11
CHƯƠNG 2 .................................................................................................................................... 12
XÂY DỰNG HỆ THỐNG VÀ PHƯƠNG PHÁP ĐỀ XUẤT ..................................................... 12
2.1. XÂY DỰNG HỆ THỐNG ................................................................................................... 12
2.1.1 Giới thiệu bài toán ......................................................................................................... 12
2.2. PHƯƠNG PHÁP ĐỀ XUẤT ............................................................................................... 12
2.2.1 Đại số hình học bảo giác (CGA) ................................................................................... 12
2.2.2 Phương pháp trích chọn đặc trưng dựa trên Đại số hình học bảo giác (CGA) .............. 13
2.2.3 Phương pháp đề xuất cải tiến thuật toán Viola-Jones ................................................... 14
2.2.3.1 Phương pháp mới trích xuất đặc trưng ................................................................... 14
2.2.3.2 Đánh giá Fuzzy Membership ................................................................................. 15
2.2.3.2.1 Hàm thành viên Triangular ............................................................................. 15
2.2.3.2.1 Hàm thành viên Gaussian ................................................................................ 15
2.2.3.3 Áp dụng Fuzzy Membership cho thuật toán AdaBoost ......................................... 16
2.2.3.2.1 Hàm thành viên Triangular ............................................................................. 16
2.2.3.2.1 Hàm thành viên Gaussian ................................................................................ 17
2.2. KẾT CHƯƠNG .................................................................................................................... 17
CHƯƠNG 3 .................................................................................................................................... 18
THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ ............................................................................. 18
3.1. MÔI TRƯỜNG THỰC NGHIỆM ....................................................................................... 18
3.1.1 Dữ liệu sử dụng ............................................................................................................. 18
3.1.2 Môi trường triển khai .................................................................................................... 18
3.2. CÁC GIAI ĐOẠN THỰC NGHIỆM................................................................................... 18
3.2.1 Thực nghiệm với tập dữ liệu 2D ................................................................................... 18
3.2.2 Thực nghiệm so sánh phương pháp đề xuất và thuật toán Viola-Jones ........................ 18
3.2.3 Kết quả thử nghiệm thực tế ........................................................................................... 21
3.3. KẾT CHƯƠNG .................................................................................................................... 22
KẾT LUẬN VÀ HƯƠNG PHÁT TRIỂN .................................................................................... 23
2
DANH MỤC HÌNH
Số hiệu hình
Tên hình
Trang
Hình 1.1
Một số mẫu Haar – like
10
Hình 2.1
Hình ảnh cửa sổ khung con 2 x 2 với đặc trưng kích thước không nguyên
14
Hình 2.2
Hàm thành viên Triangular
15
Hình 2.3
Hàm thành viên Gaussian
16
Hình 2.4
Hàm thành viên Triangular gốc được áp dụng vào đặc trưng của phân
lớp yếu đầu tiên
16
Hình 3.1
Tập các hình ảnh thực nghiệm 2D
18
Hình 3.2
Ma trận kết quả sử dụng PCR
18
Hình 3.3
Ma trận kết quả sử dụng CGA-PCR
18
Hình 3.4
Ảnh gốc từ tập dữ liệu MIT cbcl trước khi chuẩn hóa
19
Hình 3.5
Hình ảnh từ tập dữ liệu MIT cbcl sau khi được chuẩn hóa
19
Hình 3.6
ROC cho 5 giá trị khác nhau của γ cho tập dữ liệu MIT cbcl
20
Hình 3.7
ROC đối với 5 giá trị γ khác nhau cho tập dữ liệu Yi-Qing
20
Hình 3.8
ROC hàm thành viên Gaussian cho tập dữ liệu MIT cbcl
20
Hình 3.9
ROC hàm thành viên Gaussian cho tập dữ liệu Yi-Qing
21
Hình 3.10
ROC của tất cả hàm thành viên cho tập dữ liệu MIT cbcl
21
Hình 3.11
ROC tất cả hàm thành viên cho tập dữ liệu Yi-Qing
21
Hình 3.12
Hình ảnh lớp học thực tế
22
Hình 3.13
Kết quả của nhận dạng khuôn mặt lớp học thực tế
22
DANH MỤC BẢNG
Số hiệu bảng
Tên bảng
Trang
Bảng 3.1
Số hình ảnh khuôn mặt/ không phải khuôn mặt trong tập dữ liệu MIT
cbcl và Yi-Qing
19
DANH MỤC TỪ VIẾT TẮT
Từ viết tắt
Ý nghĩa
CGA
Conformal geometric algebra
PCA
Principal component analysis
PCR
Principal component regression
DBSCAN
Density-based spatial clustering of applications with noise
PCR-CGA
Principal Component Regression – Conformal Geometric Algebra
ROC
Receiver Operating Characteristic