Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 61 trang
Dung lượng: 739 KB

Giới thiệu nội dung

Phương pháp phát hiện mặt người sử dụng đặc trưng HOG

Tác giả: Đinh Quang Huy

Lĩnh vực: Khoa học máy tính

Nội dung tài liệu:

Luận văn thạc sĩ khoa học máy tính này tập trung nghiên cứu về phương pháp phát hiện mặt người trong ảnh và video, sử dụng đặc trưng HOG (Histogram of Oriented Gradient) kết hợp với máy phân loại SVM (Support Vector Machines). Đề tài phân tích các phương pháp phát hiện đối tượng, đặc biệt là phát hiện mặt người, bao gồm các kỹ thuật như phát hiện điểm, phép trừ nền, và phân vùng. Luận văn đi sâu vào phân tích đặc trưng HOG, cách thức trích xuất và chuẩn hóa, cũng như ứng dụng của nó trong việc kết hợp với SVM để phân loại và phát hiện khuôn mặt. Cuối cùng, đề tài trình bày kết quả xây dựng chương trình thử nghiệm, đánh giá hiệu quả và độ chính xác của phương pháp đề xuất.

Mục lục chi tiết:

  • Lời cam đoan
  • Lời cảm ơn
  • Mục lục
  • Danh mục các từ viết tắt
  • Danh mục hình ảnh
  • Danh mục bảng biểu
  • Mở đầu
    • Mục tiêu của đề tài
    • Hướng nghiên cứu của đề tài
    • Ý nghĩa khoa học và thực tiễn của đề tài
  • Chương I: Tổng quan về phát hiện mặt người trong ảnh và video
    • 1.1. Phát hiện điểm
      • 1.1.1. Mean-Shift Clustering
    • 1.2. Phép trừ nền
    • 1.3. Phân vùng
    • 1.4. Học có giám sát
    • 1.5. Thuật toán Viola-Johns và các vấn đề liên quan
    • 1.6. Adaboost
    • 1.7. Đặc trưng Haar wavelet
  • Chương 2: Đặc trưng HOG và cách sử dụng HOG kết hợp với SVM trong phát hiện mặt người
    • 2.1. Phương pháp phát hiện mặt người sử dụng HOG
    • 2.2. Rút trích đặc trưng HOG trong ảnh
    • 2.3. Chuẩn hóa vector đặc trưng cho từng block
    • 2.4. Integral Image, công thức đệ quy tính Integral Image
    • 2.5. Chuẩn hóa ánh sáng với bộ lọc Retinal filter
    • 2.6. Phương pháp phân lớp SVM
  • Chương 3: Xây dựng chương trình, thử nghiệm và đánh giá kết quả
    • 3.1. Môi trường thử nghiệm
    • 3.2. Dữ liệu thử nghiệm
      • 3.2.1. Cơ sở dữ liệu UOF
      • 3.2.2. Cơ sở dữ liệu FEI
      • 3.2.3. Cơ sở dữ liệu JAFFE
      • 3.2.4. Cơ sở dữ liệu LFW
    • 3.3. Kết quả thử nghiệm
  • Kết luận
  • Danh mục tài liệu tham khảo