การรู้จำใบหน้าบนวีดิทัศน์โดยใช้หลายคุณลักษณะ

Multi-feature based face recognition on video

Name: สมปอง เวฬุวนาธร

keyword: การรู้จำภาพใบหน้า

ThaSH: การประมวลผลภาพ

; พาร์ทิเคิลสวอมออฟทิไมเซซั่น

ThaSH: ซัพพอร์ตเวกเตอร์แมชชีน

ThaSH: ใบหน้า -- ภาพ -- การวิเคราะห์

Abstract: ปัจจุบันมีความพยายามสร้างระบบการเฝ้าระวังบุคคลผู้ต้องสงสัยแบบอัตโนมัติ ด้วยการรู้จำใบหน้า (Face Recognition) เพื่อลดปัญหาที่เกิดจากข้อจำกัดของการเฝ้าระวัง ด้วยคนที่มีการเมื่อยล้าและยากที่จะสามารถจดจำใบหน้าผู้ต้องสงสัยได้ทั้งหมด จากการศึกษางานวิจัยที่ผ่านมาพบว่า งานวิจัยส่วนใหญ่ใช้ภาพใบหน้าทั้งใบหน้าเพียงอย่างเดียวในการรู้จำ ซึ่งทำให้ได้ประสิทธิภาพของการรู้จำยังไม่ดีเท่าที่ควร งานวิจัยนี้จึงนำเสนอวิธีการเพิ่มประสิทธิภาพการรู้จำใบหน้า โดยใช้คุณลักษณะของภาพใบหน้าทั้งใบหน้าร่วมกับคุณลักษณะเฉพาะส่วนของใบหน้าอีก 4 ส่วน คือ ตาขวา ตาซ้าย จมูก และปาก นอกจากนี้ยังได้ศึกษาพบว่า เทคนิคที่สามารถแก้ปัญหาการจำแนกข้อมูล โดยเฉพาะข้อมูลภาพได้อย่างมีประสิทธิภาพและน่าเชื่อถือในปัจจุบันคือ ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine : SVM) แบบเรเดียลเบสิสฟังก์ชัน (Radial Basis Function : RBF) ซึ่งมีพารามิเตอร์ที่สำคัญ 2 ตัว คือ C และ γ งานวิจัยที่ผ่านมาโดยส่วนใหญ่ได้กำหนดค่าของพารามิเตอร์ด้วยมือ ซึ่งอาจจะไม่ใช่ค่าความเหมาะสมที่ดีที่สุด จึงส่งผลกระทบต่อการรู้จำได้ไม่ดีเท่าที่ควร จากปัญหาที่ได้กล่าวมา งานวิจัยนี้จึงนำเสนอขั้นตอนวิธีการเพิ่มประสิทธิภาพการรู้จำใบหน้า บนวีดิทัศน์โดยใช้หลายคุณลักษณะ ด้วยซัพพอร์ตเวกเตอร์แมชชีนแบบเรเดียลเบสิสฟังก์ชัน นอกจากนี้แล้ว ยังนำเสนอวิธีการหาค่าความเหมาะสมที่ดีที่สุดให้กับพารามิเตอร์ C และ γ แบบอัตโนมัติด้วยพาร์ทิเคิลสวอมออฟทิไมเซซั่น (Particle Swarm Optimization : PSO) ผลของการวิจัยแสดงให้เห็นว่า ขั้นตอนวิธีการที่ได้นำเสนอในงานวิจัยนี้ เมื่อเปรียบเทียบกับขั้นตอนวิธีการเดิมแล้ว สามารถเพิ่มประสิทธิภาพการรู้จำใบหน้าโดยเฉลี่ยได้ 9.94% โดยมีประสิทธิภาพการรู้จำสูงสุดคือ 97.92%

Abstract: Presently, face recognition is built for automatic suspect-surveillance system to reduce problems caused by humans. Surveillance of suspects by humans normally takes a lot of time, which causes fatigue and recognize the fewer suspects face. Generally, research in this domain mainly uses global-face feature. Nevertheless, the accuracy of recognition rate is not high enough. Hence, this paper proposed a technique to enhance the face recognition accuracy using both global-face feature and local-face feature with 4 parts: right-eye, left-eye, nose and mouth. Moreover, the SVM (Support Vector Machine) with RBF (radial basis function) kernel can solve a problem of data classification especially data images efficiently and reliably in the present. The important parameters of SVM with RBF kernel are C and γ . Most researchers assign values to these parameters manually, which is not sure that the optimal values and the accuracy of recognition are not high enough either. Thus, this research proposed a method to increase the multi-feature based face recognition on video using SVM with RBF kernel. Furthermore, the particle swarm optimization (PSO) was used to find the optimal values for C and γ automatically. The results show that the proposed method could enhance the face recognition performance at 9.94% more than the traditional algorithm. The maximum face recognition accuracy rate was 97.92%.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: สุพจน์ นิตย์สุวัฒน์

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : sns@kmutnb.ac.th

Created: 2555

Modified: 2556-12-18

Issued: 2556-12-18

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: ดพ DITT ส261ว

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15736155.pdf	3.08 MB	196	2025-08-28 10:11:29

ใช้เวลา

0.028578 วินาที