Bài viết sưu tầm

Tổng quan về nhận dạng:

Định nghĩa về bài toán nhận dạng

Nhận dạng là quá trình phân loại các đối lượng được biểu diễn theo mô hình nào đó và gán cho chúng vào một lớp dựa theo những quy luật và các mẫu chuẩn.

Quá trình nhận dạng dựa vào mẫu học biết trước gọi là nhận dạng có thầy (supervised learning) và trường hợp còn lại là học không thầy (non supervised learning)

Nhận dạng là một bài toán quan trọng trong ngành thị giác máy tính.

a. Khó khăn trong việc nhận dạng:

     Đối với con người, việc nhân dạng trong ảnh không phải là việc khó khăn, nhưng đối với một hệ thống nhân tạo thì việc nhân dạng đòi hỏi phải giải quyết rất nhiều vấn đề như:

• Sự xuất hiện hoặc thiếu một số thành phần: Các thành phần miêu tả đối tượng có thể xuất hiện hoặc không trong hình ảnh làm cho bài toán nhận dạng trở nên khó khăn hơn nhiều.
• Tư thế, góc chụp: Ảnh chụp có thể thay đổi rất nhiều khi thay đổi góc chụp giữa camera với đối tượng. Chẳng hạn như chụp thẳng, chụp xéo...
• Sự biến dạng của đối tượng: Biến dạng của đối tượng cũng có thể làm ảnh hưởng đến các thông số của đối tượng đó.
• Sự che khuất: Đối tượng có thể bị che khuất bởi các đối tượng khác.
• Sự phức tạp của hình nền: Hình nền phức tạp cũng sẽ khiến cho việc nhận dạng trở nên khó khăn.

Điều kiện của ảnh: Ảnh chụp trong các điều kiện khác nhau về ánh sáng, camera,...ảnh hưởng rất nhiều đến chất lượng của ảnh

b. Khái niệm về nhận dạng mẫu:

Nhận dạng mẫu (pattern recognition) là một ngành thuộc lĩnh vực học máy (machine learning). Nói cách khác, nó có thể được xem là việc “cần thực hiện một tác động vào dữ liệu thô mà tác động cụ thể là gì sẽ tùy thuộc vào loại dữ liệu đó”. Như vậy nó là một tập hợp các phương pháp học có giám sát (supervised learning).

Nhận dạng mẫu nhằm mục đích phân loại dữ liệu (là các mẫu) dựa trên: hoặc là kiến thức tiên nghiệm hoặc dựa vào các thông tin thống kê được trích rút từ các mẫu có sẵn. Các mẫu cần phân loại thường được biểu diễn thành các nhóm của các dữ liệu đo đạc hay quan sát được, mỗi nhóm là một điểm trong một không gian đa chiều phù hợp. Đó là không gian của các đặc tính mà dựa vào đó ta có thể phân loại.

Một hệ thống nhận dạng mẫu hoàn thiện gồm có một thiết bị cảm nhận (sensor) để thu thập các quan sát cần cho việc miêu tả; một cơ chế trích rút đặc trưng để tính toán các thông tin dưới dạng số hay dạng tượng trưng từ các dữ liệu quan sát được; và một bộ phân loại nhằm thực hiện công việc phân loại thực sự dựa vào các đặc tính đã được trích rút.

Các ứng dụng phổ biến là: nhận dạng tiếng nói tự động, phân loại văn bản thành nhiều loại khác nhau (ví dụ: những thư điện tử nào là spam/ non-spam), nhận dạng tự động các mã bưu điện viết tay trên các bao thư, hay hệ thống nhận dạng danh tính dựa vào mặt người.