Ưu điểm của phương pháp PCA Nhược điểm của PCA

GVHD: Ths. Đào Thị Thu Thủy SVTH:
Nguyễn Trung Hiếu Bùi Ngọc Liêm
Chúng ta sẽ sử dụng kỹ thuật được mô tả ở trên để xây dựng hệ thống có thể dò tìm và nhận dạng mặt người theo thời gian thực. Khi chương trình nhận dạng và dò tìm
chuyển động kiếm được phần đầu người, một bức ảnh con, trung tâm là phần đầu người, sẽ được chuyển vào module nhận dạng. Dùng khoảng cách từ không gian mặt
người xác định, bức ảnh sẽ bị loại bỏ nếu không phải mặt người, nhận dạng xem gương mặt có phải thuộc nhóm đã biết trước khơng, hoặc xác định đó là gương mặt chưa biết.
Q trình nhận dạng bằng hệ thống này sẽ mất từ 2 đến 3 giây.

3.4 Nhận xét

PCA là phương pháp dùng để xây dựng đặc trưng khn mặt, nó là một nền tảng để phát triển những thuật toán khác. Thực tế có rất nhiều tác giả áp dụng PCA, kết
hợp với những phương pháp như mạng neural, xác suất thống kê để xây dựng những thuật tốn có độ chính xác cao.

3.4.1 Ưu điểm của phương pháp PCA

• Dễ cài đặt, nếu ta xét bài tốn tìm khn mặt giống nhau thì chỉ cần áp dụng hồn tồn theo lý thuyết là đã có độ chính xác khá cao, nếu áp dụng cho bài
tốn tìm vị trí khn mặt thì cần phải có một thuật tốn nữa để sử dụng face map thu được theo lý thuyết.
• Tìm được các đặc tính tiêu biểu của đối tượng cần nhận dạng mà không cần phải xác định các thành phần và mối quan hệ giữa các thành phần đó.
• Thuật tốn có thể thực hiện tốt với các ảnh có độ phân giải cao, do PCA sẽ thu gọn ảnh thành một ảnh có kích thước nhỏ hơn.
• PCA có thể kết hợp với các phương pháp khác như mạng Noron, Support Vector Machine … để mang lại hiệu quả nhận dạng cao hơn.

3.4.2 Nhược điểm của PCA

• Các mẫu khn mặt hồn tồn phụ thuộc vào tập huấn luyện, có nghĩa là các khn mặt trong ảnh kiểm tra phải giống với các ảnh huấn luyện về kích
thước, tư thế, độ sáng. Thực tế trong tập huấn luyện thường gồm nhiều nhóm hình, mỗi nhóm là hình của một người với tư thế, độ sáng khác nhau.
GVHD: Ths. Đào Thị Thu Thủy SVTH:
Nguyễn Trung Hiếu Bùi Ngọc Liêm
• PCA phân loại theo chiều phân bố lớn nhất của tập vector. Tuy nhiên, chiều phân bố lớn nhất không phải lúc nào cũng mang lại hiệu quả tốt nhất cho bài
toán nhận dạng. Đây là nhược điểm cơ bản của PCA. • PCA rất nhạy với nhiễu.
Có rất nhiều thuật tốn nhận dạng mặt người dựa trên những chi tiết của khuôn
mặt như đôi mắt, lông mày, cấu trúc của khuôn mặt, hay màu da… Khác hồn tồn với những thuật tốn trên, PCA nhận dạng dựa trên những nét tổng thể của khuôn mặt. Còn
hơn một thuật tốn, PCA đã cung cấp một cơ sở rất rõ ràng cho việc mô tả đặc trưng của khn mặt, để từ đó có thể phát triển những thuật tốn nhận dạng khác. Vì vậy có
thể PCA khơng là thuật tốn tốt nhất, nhưng là thuật toán phổ biến nhất được áp dụng trong bài toán nhận diện mặt người.
Chương 4: Chương trình mơ phỏng 67
GVHD: Ths. Đào Thị Thu Thủy SVTH:
Nguyễn Trung Hiếu Bùi Ngọc Liêm

Chương 4

CHƯƠNG TRÌNH
MƠ PHỎNG

4.1 Chương trình mơ phỏng 4.2 Nhận xét kết quả đạt được