Luận văn: Nhận dạng người dựa vào thông tin khuôn mặt xuất hiện trên ảnh
Luận văn: Nhận dạng người dựa vào thông tin khuôn mặt xuất hiện trên ảnh nghiên cứu cơ sở lí thuyết SVM
Mục lục nội dung
1. Mở đầu
Trong những năm gần đây, các ứng dụng về trí tuệ nhân tạo ngày càng phát triển và được đánh giá cao. Một lĩnh vực đang được quan tâm của trí tuệ nhân tạo nhằm tạo ra các ứng dụng thông minh, có tính người đó là nhận dạng. Đối tượng cho việc nghiên cứu nhận dạng cũng rất phong phú và đa dạng. Trong đề tài này chúng tôi chọn đối tượng là khuôn mặt. Khuôn mặt đóng vai trò quan trọng trong quá trình giao tiếp giữa người với người, và cũng mang một lượng thông tin giàu có, chẳng hạn có thể xác định giới tính, tuổi tác, trạng thái cảm xúc của người đó, ... hơn nữa khảo sát chuyển động của các đường nét trên khuôn mặt có thể biết được người đó muốn nói gì. Do đó, nhận dạng khuôn mặt là điều quan trọng và cần thiết trong xã hôi loài người
2. Nội dung
2.1 Phát biểu bài toán nhận dạng người dựa vào thông tin khuôn mặt xuất hiện trên ảnh
Tổng quan và các khái niệm liên quan đến nhận dạng khuôn mặt
Tổng quan về các ứng dụng tương tác người máy (Human computer interactive) liên quan đến khuôn mặt
Các hướng tiếp cận chính trong lĩnh vực nhận dạng khuôn mặt .
2.2 Mô tả dữ liệu
Thu thập dữ liệu
Biểu diễn dữ liệu khuôn mặt trong máy tính
2.3 Dò tìm khuôn mặt
Giới thiệu
Chuẩn bị dữ liệu cho hệ thống dò tìm khuôn mặt
Phương pháp dò tìm khuôn mặt thẳng
2.4 Rút trích đặc trưng từ khuôn mặt
Tiếp cận theo phương pháp phân tích thành phần chính (Principal Component Analysis hay PCA)
Tiếp cận theo phương pháp Biến đổi Cosine rời rạc
2.5 Phương pháp SVM và ứng dụng nhận dạng khuôn mặt
Cở sở lý thuyết của SVM
Nhận dạng khuôn mặt người với SVM
2.6 Thiết kế chương trình và hướng dẫn sử dụng
Giới thiệu mô hình Makov ẩn
Nhận xét và hướng phát triển tương lai
2.7 Thực nghiệm và kết quả
Giới thiệu
Thiết kế và cài đặt chương trình
Giao diện màn hình và hướng dẫn sử dụng
2.8 Nhận xét và hướng phát triển
Dữ liệu và phương pháp thử nghiệm nhận dạng khuôn mặt
Kết quả Kết quả theo tiếp cận HMM
Kết quả theo tiếp cận SVM
So sánh kết quả HMM và SV
3. Kết luận
Khoa học phát triển không ngừng, những bước đi đầu tiên bao giờ cũng chập chững. Chúng tôi hy vọng trong một tương lai không xa khi mà những hệ thống nhận dạng của chúng ta đã đạt đến một độ tin cậy nhất định thì những ứng dụng về nó sẽ rộng rãi. Và những nghiên cứu tiếp theo từ lĩnh vực này sẽ được nâng lên ở một cấp độ cao hơn, hoàn thiện hơn
4. Tài liệu tham khảo
Wenyi Zhao, Arvindh Krishnaswamy, Rama Chellappa, Danie L.Swets, John Weng, Discriminant Analysis of Principal Components for Face Recognition, Centrer for Automation Research, University of Maryland (page 73) of Face Recognition from Theory and Applications.
John Daugnman, Phenotypic versus Genotypic Approches to Face Recognition, University of Cambridge, the Computer laboratory Cambridge CB3 3QG England (page 108) of Face Recognition from Theory and Applications.
Emmanuel Viennet và Francoise Fogelman Soulie, Connectionists Methods for Human face Rrocessing, University Paris 13, 93430
-- Nhấn nút TẢI VỀ hoặc XEM ONLINE để tham khảo đầy đủ nội dung Luận văn Công nghệ thông tin trên-
Tham khảo thêm
- pdf Luận văn: Xây dựng và làm giàu ONTOLOGY Tiếng Việt chuyên ngành Công nghệ thông tin
- pdf Luận văn: Phân tích thiết kế hệ thống thông tin quản lý nhân sự
- pdf Luận văn: Thiết kế mạch đồng hồ hiển thị ngày, tháng, năm, giờ, phút, giây dùng IC số
- pdf Luận văn: Tổ chức và xây dựng bài giảng cho chương trình đào tạo từ xa
- pdf Luận văn: Hệ thống tư vấn website cho máy tìm kiếm dựa trên khai phá Query log
- pdf Common Criteria
- pdf Common Criteria
- pdf Common Criteria