Tải bản đầy đủ - 0 (trang)
Chương 2. CƠ SỞ LÝ THUYẾT VỀ ĐỊNH DANH NGƯỜI DÙNG BẰNG ĐẶC TRƯNG CHUYỂN ĐỘNG

Chương 2. CƠ SỞ LÝ THUYẾT VỀ ĐỊNH DANH NGƯỜI DÙNG BẰNG ĐẶC TRƯNG CHUYỂN ĐỘNG

Tải bản đầy đủ - 0trang

Chương 1. Tổng quan



của 496 người từ tập dữ liệu OU-ISIR [4] của đại học Osaka (Nhật Bản), tập dữ liệu gait

với số lượng người lớn nhất.

Chương 5 trình bày kiến trúc của DeepSense Framework [5], kiến trúc đề xuất của

tác giả dựa trên kiến trúc của DeepSense, trong đó sử dụng các mô-đun tương tự Google

Inception để tăng cường hiệu quả trong việc trích rút đặc trưng cấp cao. Các thử nghiệm,

đánh giá và so sánh của kiến trúc đề xuất với DeepSense cũng được thể hiện trong

chương này.

Chương 6 trình bày các kết luận, các hạn chế cũng như các hướng nghiên mới.



15



Chương 2. CƠ SỞ LÝ THUYẾT VỀ ĐỊNH DANH NGƯỜI DÙNG

BẰNG ĐẶC TRƯNG CHUYỂN ĐỘNG

Nội dung Chương 2 giới thiệu chung về chứng thực người dùng sử

dụng các đặc trưng sinh trắc học, sau đó đi sâu tìm hiểu về đặc trưng

chuyển động (gait) cũng như quy trình định danh người dùng sử dụng đặc

trưng gait.



2.1 Chứng thực người dùng sử dụng đặc trưng sinh trắc học

2.1.1 Giới thiệu chung về Sinh trắc học

Sinh trắc học hay Công nghệ sinh trắc học (tiếng Anh: Biometric) là cơng nghệ

sử dụng giúp đo lường và phân tích những đặc điểm sinh học riêng biệt của mỗi cá nhân

như DNA, vân tay... nhằm giúp nhận diện được các cá nhân khác nhau [8]. Đặc điểm

sinh học của mỗi người là duy nhất, do đó những đặc trưng sinh trắc học được dùng vào

việc nhận dạng và chứng thực người dùng.

Các đặc trưng sinh trắc học đã được sử dụng từ lâu để nhận dạng con người. Trong

đó phổ biến nhất phải kể đến đặc trưng dấu vân tay. Từ thế kỉ 14, người Ấn Độ đã sử

dụng dấu vân tay và vân chân để phân biệt các cá nhân với nhau. Năm 1858, William

Herschel (người Anh) sử dụng dấu vân tay được in trên bản hợp đồng. Sau đó khoa học

về vân tay ngày càng được phát triển vào cuối thế kỉ 19. Số lượng vân tay (Ridge Count

- RC) được Henry Faulds đề xuất dùng làm tiêu chí đánh giá sự phục thuộc của vân tay

vào gen di truyền vào năm 1880. Nghiên cứu của Holt vào năm 1968 cho thấy tổng lượng

vân tay (Total Ridge Count- TRC) và mức độ phụ thuộc của TRC vào gen di truyền của

mỗi các nhân là các thơng số có thể dự đốn được một cách tương đối chính xác. Phương

pháp nhận dạng người thông qua dấu vân tay được Edward Henry phát triển vào nửa sau

thế kỷ 19. Năm 1903, nhà tù liên bang New York sử dụng hệ thống vân tay để xác danh

tính tội phạm. Bác sĩ nhãn khoa Frank Burch đề xuất sử dụng mống mắt như một phương

pháp để nhận dạng cá nhân vào năm 1936. Vào những năm 1960, các hệ thống nhận diện

khuôn mặt bán tự động (semi-auto face recognition system) bắt đầu được phát triển và

đạt được kết quả khả quan với công trình nghiên cứu của Goldstein, Harmon, and Lesk

16



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



sử dụng 21 đặc điểm khuôn mặt của chủ thể như màu tóc, độ dày mơi để tự động nhận

diện khuôn mặt vào những năm 1970. Sự phát triển của công nghệ sinh trắc học dẫn tới

sự ra đời của Hiệp hội sinh trắc học (Biometric Consortium) trong năm 1992. Khoảng

thời gian sau đó, cơng nghệ sinh trắc học ngày càng phát triển mạnh mẽ, không chỉ ứng

dụng trong các lĩnh vực đặc thù như điều tra tội phạm mà còn vươn ra, ứng dụng rộng

rãi trong các lĩnh vực khác như ngân hàng, các sản phẩm tiêu dùng… Một ví dụ tiêu biểu

đó là cơng nghệ TouchID nhận diện người dùng sử dụng đặc trưng dấu vân tay của hãng

Apple trên các dòng sản phẩm iPhone 5S trở lên. Cơng nghệ TouchID cho phép người

dùng mở khóa thiết bị hoặc thực hiện các thao tác mua sắm thông qua việc xác thực bằng

đặc trưng vân tay khi người dùng cho ngón tay lên trên nút có gắn phần cứng hỗ trợ việc

quét vân tay.

2.1.2 Chứng thực sử dụng các đặc trưng sinh trắc học

Các đặc trưng sinh trắc học mang tính duy nhất nên có thể dùng để nhận diện [9] .

Dùng trong quá trình nhận dạng, các đặc trưng sinh trắc học dùng được chia làm 2 dạng

[10]: (a) các đặc trưng sinh lý và (b) các đặc trưng hành vi, được mô tả cụ thể dưới đây:

▪ Các đặc trưng sinh lý liên quan đến cấu tạo cơ thể con người như khuôn mặt, vân

tay, DNA, mống mắt… Các đặc trưng này mang tính tự nhiên và thường có tính chất

bền vững theo thời gian.

▪ Các đặc trưng hành vi liên quan đến các hành động đặc trưng của mỗi người như

cách di chuyển (gait), chữ ký, giọng nói, … Các đặc trưng này dễ bị thay đổi hơn so

với các đặc trưng sinh lý. Ví dụ cách đi lại của một người có thể bị thay đổi theo tuổi

tác.

Việc nhận diện cá nhân thông qua đặc trưng sinh trắc học mang tính tin cậy cao hơn so

với các phương pháp truyền thống như sử dụng mật khẩu hoặc giấy tờ định danh [9] do

tính duy nhất của các đặc trưng này.



17



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



Rõ ràng, đặc trưng sinh trắc học mang tính đa dạng. Do đó, để một đặc trưng có thể

dùng trong việc nhận diện người dùng cần thỏa mãn một số tiêu chí. Bảng 2.1 dưới đây

liệt kê một số các đặc trưng sinh trắc học phổ biến nhất cũng như đánh giá các tiêu chí

theo mức độ Thấp, Trung bình và Cao (trích từ cơng trình [8]).

Bảng 2.1 Đánh giá một số các đặc trưng sinh trắc học dựa trên các tiêu chí [8]



Đặc trưng sinh

trắc học



Tính

phổ

biến



Tính

phân

biệt



Tính

lâu dài



Tính dễ

thu

thập



Tính

hiệu

quả



Tính

chấp

nhận



DNA

Khn mặt

(Face)

Vân tay

(Fingerprint)



Cao

Cao



Cao

Thấp



Thấp

Cao



Cao

Thấp



Thấp

Cao



Trung

bình



Cao



Cao

Trung

bình

Cao



Trung

bình



Cao



Trung

bình



Cao



Cao



Cao



Trung

bình

Trung

bình



Thấp



Thấp



Trung

bình

Cao



Trung

bình

Thấp



Trung

bình

Cao



Thấp



Thấp



Trung

bình



Thấp



Cao



Mống mắt

(Iris)

Chuyển động

(Gait)

Giọng nói

(Voice)



Khả

năng

gian

lận

Thấp

Trung

bình

Trung

bình

Thấp

Trung

bình

Cao



Các tiêu chí đánh giá một đặc trưng sinh trắc học được A.K. Jain và cộng sự đề xuất

trong nghiên cứu [8] cụ thể như sau:

▪ Tính phổ biến (Universality): đặc trưng phải có ở mỗi cá nhân; không thể là

đặc trưng ở một người hoặc một nhóm người cụ thể nào đó.

▪ Tính phân biệt (Distinctiveness): đặc trưng phải giúp phân biệt được 2 cá nhân

khác nhau.

▪ Tính lâu dài (Permanence): đặc trưng phải khơng thay đổi hoặc ít thay đổi

theo thời gian.



18



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



▪ Tính dễ thu thập (Collectability): đặc trưng phải dễ thu thập cũng như đo

lường được.

▪ Tính hiệu quả (Performance): hiệu quả (độ chính xác cũng như tốc độ) nhận

diện dựa trên đặc trưng.

▪ Tính chấp nhận (Acceptability): mức độ chấp nhận của người sử dụng khi sử

dụng đặc trưng để định danh.

▪ Khả năng gian lận (Circumvention): mức độ dễ gian lận khi hệ thống chứng

thực sử dụng đặc trưng.

Trong tất cả các đặc trưng được trình bày trong Bảng 2.1, một số các đặc trưng sinh trắc

học phổ biến, được áp dụng nhiều trong các lĩnh vực khác nhau bao gồm:

▪ Đặc trưng khuôn mặt (Face): nhận diện các nhân thông qua các đặc trưng khuôn

mặt thể hiện trong ảnh hoặc video. Việc chứng thực dựa trên đặc trưng này có

một số lợi điểm như thân thiện, có thể thiết lập việc nhận dạng số lượng lớn thông

qua việc thiết lập các hệ thống camera tại các khu vực công cộng, sân bay… Tuy

nhiên, hiệu quả của việc nhận dạng tùy thuộc vào nhiều yếu tố [8] như góc nhìn

của khn mặt hay các điều kiện ánh sáng, vùng che khuôn mặt …

▪ Đặc trưng vân tay (Fingerprint): đây là một đặc trưng phổ biến, được sử dụng

từ xưa tới nay. Các hệ thống xác thực vân tây được phát triển mạnh mẽ với độ

chính xác cao [11] và có nhiều ứng dụng trong thực tế như hệ thống chấm cơng

bằng qt vân tay, mở khóa trên điện thoại sử dụng vân tay… Tuy nhiên để có

thể thu thập dữ liệu vân tay cần cài đặt hoặc tích hợp các thiết bị quét vân tay.

▪ Đặc trưng mống mắt (Iris): đặc trưng này mang lại mức độ an toàn cao trong

các hệ thống chứng thực tuy nhiên giá thành các thiết bị quét mống mắt tương đối

cao, q trình qt mống mắt có thể bị ảnh hưởng bởi điều kiện ánh sáng của môi

trường xung quanh [12].

Như thể hiện trên Bảng 2.1, tính hiệu quả của việc nhận diện người dựa trên đặc

trưng chuyển động (gait) là thấp khi so sánh với các đặc trưng sinh trắc học truyền thống

19



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



khác như vân tay, mống mắt, … do đây là một đặc trưng hành vi, có thể bị biến đổi theo

thời gian (như biến đổi về trọng lượng cơ thể, các thương tích,…) cũng như ảnh hưởng

từ các yếu tố ngoại cảnh như loại địa hình, độ dốc,.. Tuy nhiên, các giải pháp chứng

thực dựa đặc trưng sinh trắc học chuyển động (gait) hiện nay đang được quan tâm

nghiên cứu do tính dễ thu thập cũng như tính dễ chấp nhận bởi người dùng của đặc

trưng này (như thể hiện trong Bảng 2.1), đặc biệt trong giai đoạn hiện nay với sự phát

triển và phổ biến của điện thoại thông minh cũng như các thiết bị đeo thơng minh. Đặc

trưng gait có thể được ứng dụng trong các hệ thống không yêu cầu độ bảo mật quá cao.

2.1.3 Tổng quan về đặc trưng chuyển động (gait)

Các giải pháp chứng thực dựa trên sử dụng các đặc trưng sinh trắc học truyền

thống như khn mặt, vân tay, mống mắt… đòi hỏi thiết bị cần phải tích hợp thêm các

thành phần bổ sung như camera, thiết bị chụp ảnh mống mắt hay thiết bị quét vân tay.

Điều này không phải lúc nào cũng thực hiện được đối với các thiết bị đi dộng (mobile

device), đặc biệt là các thiết bị đeo (wearable device). Chứng thực dựa trên đặc trưng

sinh trắc học chuyển động (gait) là một hướng tiếp cận mới để giải quyết bài toán chứng

thực đặt ra trên các loại thiết bị này.

Đặc trưng chuyển động (gait) là một đặc trưng sinh trắc học chứa thông tin về

chuyển động của cơ thể người có thể được dùng để nhận biết và phân biệt người dùng

qua các đặc điểm riêng khi di chuyển. Cảm biến chuyển động (Inertial sensor) - gia tốc

kế (accelerometer) hoặc con quay hồi chuyển (gyroscope) – được tích hợp sẵn ngày càng

nhiều trong các thiết bị di động cũng như thiết bị đeo thông minh tạo cơ hội cho việc thu

thập các thông tin từ các cảm biến dạng này để xây dựng đặc trưng gait phục vụ cho bài

toán định danh người dùng.

Tính chất gait là đặc trưng cho cách thức đi lại/di chuyển của mỗi người trong

một khoảng thời gian. Loại đặc trưng này được đánh giá là khả thi dùng để định

danh giữa những người khác nhau và phù hợp hơn các phương thức khác trên



20



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



điện thoại [13] [14]. Đặc trưng chuyển động phụ thuộc nhiều yếu tố như thói quen di

chuyển, đặc điểm cơ thể (cấu tạo cơ xương, cân nặng, chiều cao, yếu tố tâm lý,…),…

Việc nhận diện người từ đặc trưng gait có thể được thực hiện theo ba hướng tiếp

cận chính [3], cụ thể như sau:

▪ Dựa trên thông tin thị giác (vision-based gait recognition) [15]: đặc trưng gait

được thu nhận bằng các camera từ khoảng cách xa chủ thể. Sau đó video và các

hình ảnh trải qua q trình xử lý để trích rút đặc trưng phục vụ cho việc nhận

dạng người dùng.

▪ Dựa trên cảm biến gắn trên sàn (floor-based gait recognition) [16]: một tập

các cảm biến được cài đặt trên sàn. Khi một người di chuyển trên sàn, các cảm

biến ghi lại các thông số liên quan đến chuyển động của người đó phục vụ cho

việc định danh.

▪ Dựa trên cảm biến được đeo trên người (wearable sensor-based gait

recognition) [17]: các cảm biến chuyển động được gắn trên người chủ thể để

ghi nhận lại các thông số khi chuyển động. Các thông số này sau đó sẽ được

biến đổi để tạo ra đặc trưng gait phục vụ cho mục đính nhận dạng. Rõ ràng, đây

là một phương pháp mang tính khả thi cao trong điều kiện các thiết bị di động

cũng như các thiết bị đeo hầu hết đều được tích hợp các cảm biến chuyển động

(inertial sensor). Các nghiên cứu về việc nhận dạng sử dụng đặc trưng gait dựa

trên hướng tiếp cận này đang được phát triển mạnh mẽ.

Phần kế tiếp trình bày về quy trình nhận dạng dựa trên đặc trưng gait sử dụng dữ liệu

thu được từ các cảm biến chuyển động.

2.1.4 Quy trình định danh bằng đặc trưng gait từ dữ liệu chuyển động

Ý tưởng định danh người dùng sử dụng dữ liệu từ các cảm biến được đeo trên

người đã có từ hơn 30 năm trước. Hướng nghiên cứu này bắt đầu được quan tâm từ đầu

thế kỷ 21 và đặc biệt phát triển mạnh trong những năm gần đây.



21



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



Quy trình tổng quát cho việc nhận biết đặc trưng chuyển động (gait) [3] thể hiện

trong Hình 2.1 gồm các giai đoạn: thiết lập cảm biến và thu thập dữ liệu, tiền xử lý dữ

liệu, phân vùng tín hiệu, xây dựng mẫu chuyển động và thủ tục nhận dạng. Lưu ý rằng

đây là quy trình chung trong việc định danh người dùng sử dụng đặc trưng chuyển động

gait được trình bày ở các Chương 4 và Chương 5. Nội dung trong từ giai đoạn của quy

trình lần lượt được mơ tả cụ thể bên dưới.

Thiết lập cảm biến

và thu thập dữ

liệu



Tiền xử lý dữ

liệu



Phân vùng tín

hiệu



Xây dựng mẫu

chuyển động



Thủ tục nhận

dạng



Hình 2.1 Quy trình nhận dạng dựa trên đặc trưng gait từ cảm biển chuyển động [3].



2.1.4.1 Thiết lập cảm biến và thu thập dữ liệu

Dữ liệu chuyển động có thể được thu thập bằng các sử dụng các loại cảm biến

chuyển động khác nhau: (a) cảm biến độc lập và (b) cảm biến được tích hợp trong các

thiết bị thương mại như điện thoại thông minh, các thiết bị đeo thông minh.

Các cảm biến độc lập là các thiết bị phần cứng có thể hoạt động độc lập, khơng bị

phụ thuộc hoặc tích hợp với các thiết bị khác; sử dụng chủ yếu cho mục đích nghiên cứu

22



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



trong các phòng thí nghiệm, thường được thiết lập để hạn chế khả năng bị nhiễu trong

quá trình ghi nhận dữ liệu cũng như sử dụng trong q trình phân tích các yếu tố của

cảm biến ảnh hưởng tới việc nhận dạng như vị trí thiết lập cảm biến, hướng của cảm

biến…

Gần đây, các nghiên cứu tập trung vào việc nhận diện sử dụng đặc trưng gait với

dữ liệu có được từ các cảm biến trong các thiết bị thương mại do khả năng ứng dụng

cao trong thực tế. Các thiết bị khác nhau được tích hợp các cảm biến chuyển động theo

cách khác nhau cũng như ở nhiều vị trí khác nhau trong bảng mạch chính của thiết bị.

Lập trình viên có thể lấy được dữ liệu chuyển động từ cảm biến chuyển động thông qua

các API nhưng chỉ theo một tốc độ lấy mẫu cho trước. Hơn nữa, do phụ thuộc vào nhiều

yếu tố liên quan đến phần cứng, dữ liệu trả về trong mỗi lần lấy mẫu (sampling) thường

có độ trễ nhất định, biến đổi theo thời gian. Do đó, bước nội suy tuyến tính (interpolation)

thường được thực hiện thêm để thu được dữ liệu với tần số ổn định. Đối với cảm biến

chuyển động trên các thiết bị thương mại chia làm 2 loại chính bao gồm: cảm biến gia

tốc (accelerometer) và con quay hồi chuyển (gyroscope). Nhiều phương pháp nhận dạng

dựa trên đặc trưng gait sử dụng dữ liệu từ cảm biến gia tốc mang lại hiệu quả cao. Nếu

chỉ sử dụng dữ liệu từ con quy hồi chuyển, việc nhận dạng mang lại hiểu quả kém hơn

so với dữ liệu gia tốc. Một số phương pháp kết hợp dữ liệu từ cả 2 loại cảm biến để tăng

cường hiệu quả của việc nhận dạng.

2.1.4.2 Tiền xử lý dữ liệu

Trong bước này, các bộ lọc (filter) được sử dụng cho mục đích loại bỏ nhiễu (noise)

phát sinh [18] [19]. Ngoài ra, khi các cảm biến hoạt động ghi nhận dữ liệu, một số trường

hợp dữ liệu không thể dùng trong việc định danh như trường hợp người dùng đứng yên

một khoảng thời gian, quá trình chuyển tiếp đeo thiết bị vào cơ thể,… Các thao tác cần

thiết được thực hiện để chỉ dữ lại dữ liệu liên quan đến gait, các dữ liệu khác không liên

quan được loại bỏ.



23



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



2.1.4.3 Phân vùng tín hiệu

Trong bước này, dữ liệu chuyển động được phân thành các phần nhỏ hơn để phù hợp

cho bước tiếp theo xây dựng mẫu chuyển động (gait pattern) – trích rút đặc trưng (feature

extraction). Việc phân vùng tín hiệu được chia làm 2 hướng tiếp cận chính: dữ liệu

chuyển động được chia nhỏ thành (a) các chu kỳ chuyển động (gait cycle) hoặc (b) các

đoạn dữ liệu (frame) nhỏ hơn với độ dài mỗi đoạn là cố định.

❖ Hướng tiếp cận theo chu kỳ (gait cycle)

Một chu kỳ chuyển động (gait cycle) là kết quả của việc di chuyển của một người

bằng hai chân và được tính trong khoảng thời gian từ lúc một chân chạm vào mặt đất và

kết thúc khi bàn chân đó chạm mặt đất trở lại. Dữ liệu chuyển động là tập hợp các chu

kỳ chuyển động, mỗi chu kỳ là một khuôn mẫu với cấu trúc lặp lại. Để có thể phân vùng

dữ liệu theo hướng tiếp cận chu kỳ, các quy trình phát hiện chu kỳ (cycle-dectection

procedure) được xây dựng. Để xây dựng các quy trình này, một số phương pháp phổ

biến được áp dụng như phân tích cực đại địa phương (local extrema analysis) [13], phát

hiện zero-crosssing [20], phát hiện hệ số tương quan (correlation coefficient detection)

[18]. Do đặc điểm của quá trình di chuyển (ví dụ tốc độ di chuyển khơng đều), mỗi chu

kỳ chuyển động có thể có độ dài dữ liệu khác nhau. Do đó bước tiếp theo, độ dài mỗi

chu kỳ chuyển động cần được đưa về một độ lớn duy nhất. Có hai hướng để làm điều

này: phương pháp chuẩn hóa độ dài (length normalization) hoặc quy trình căn chỉnh

(alignment procedure). Phương pháp chuẩn hóa độ dài thường được thực hiện bằng phép

nội suy tuyến tính [21]. Quy trình căn chỉnh thường sử dụng phương pháp Dynamic Time

Warping (DTW) [13] [20] và các phương pháp phức tạp hơn dựa trên DTW.

❖ Hướng tiếp cận theo đoạn dữ liệu (frame)

Theo hướng tiếp cận này, dữ liệu chuyển động đơn giản được chia ra thành các đoạn nhỏ

hơn (frame) với độ dài cố định. Các đoạn nhỏ này có thể là các đoạn chồng lấn

(overlapping) hoặc rời rạc (non-overlapping). Trong phương pháp này, mỗi đoạn frame

24



Chương 2. Cơ sở lý thuyết về định danh người dùng bằng đặc trưng chuyển động



nên chứa ít nhất một chu kỳ chuyển động (gait cycle) do đó cần xác định khoảng thời

gian dài nhất mong đợi của một chu kỳ để đảm bảo điều này. Nhiều cơng trình khác nhau

lựa chọn mức giới hạn thời gian khác nhau: nhỏ hơn 3 giây [19], từ 3 đến 5 giây [22] và

từ 5 đến 15 giây [23]. Tuy nhiên, đối với hướng tiếp cận bằng máy học (machine

learning), độ dài mỗi đoạn frame có thể nhỏ hơn so với khoảng thời gian dài nhất của

một chu kỳ [23].

2.1.4.4 Xây dựng mẫu chuyển động (gait pattern)

Dữ liệu được phân vùng ở bước trước đó (các chu kỳ chuyển động gait cycle hoặc

các đoạn frame) được biến đổi để tạo ra các mô tả đặc trưng cho chuyển động của mỗi

người (gait pattern). Việc biến đổi có thể được thực hiện theo 2 cách: (a) dựa vào tham

số sinh lý của chuyển động hoặc (b) biến đổi thành các đặc trưng (feature).

❖ Dựa vào tham số sinh lý của chuyển động

Ước lượng các tham số sinh lý của chuyển động như tham số không gian - thời gian

(nhịp chân, độ dài bước chân) [24]; tham số động học (góc ở khớp) [25].

❖ Biến đổi thành các đặc trưng

Đây là phương pháp thường được sử dụng do tính hiệu quả cao. Dữ liệu đã được

phân vùng được biến đổi sang miền khơng gian đặc trưng (feature space) bằng 2 cách

chính: (a) biến đổi thành các đặc trưng thủ công (hand-crafted feature) hoặc (b) biến

đổi thành các đặc trưng được trích rút một cách tự động.

➢ Biến đổi thành các đặc trưng thủ cơng (hand-crafted feature)

Các đặc trưng thủ cơng có thể là các đặc trưng chung (generic feature) hoặc

các đặc trưng cấp cao (advanced feature):

▪ Các đặc trưng chung (generic feature): các tham số thống kê như

(magnitute) của vector tín hiệu [26], giá trị trung bình (mean) và sự phân



25



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Chương 2. CƠ SỞ LÝ THUYẾT VỀ ĐỊNH DANH NGƯỜI DÙNG BẰNG ĐẶC TRƯNG CHUYỂN ĐỘNG

Tải bản đầy đủ ngay(0 tr)

×