intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Luận văn: Tìm hiểu một số phương pháp phát hiện khuôn mặt trong ảnh

Chia sẻ: Le Thuy Duong | Ngày: | Loại File: PDF | Số trang:68

Thêm vào BST
Báo xấu
328
lượt xem 145
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Khuôn mặt đóng vai trò quan trọng trong quá trình giao tiếp giữa người với người, và cũng mang một lượng thông tin giàu có, chẳng hạn có thể xác định giới tính, tuổi tác, trạng thái cảm xúc của người đó, ... hơn nữa khi khảo sát các đường nét trên khuôn mặt có thể biết được người đó muốn nói gì. Do đó, phát hiện là bước tiền đề quan trọng phục vụ công việc nhận dạng khuôn mặt sau này. Có rất nhiều phương pháp phát hiện khuôn mặt, AdaBoost và mạng Nơ-ron là một trong những...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn: Tìm hiểu một số phương pháp phát hiện khuôn mặt trong ảnh

  1. …………..o0o………….. Luận văn Tìm hiểu một số phương pháp phát hiện khuôn mặt trong ảnh
  2. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh IC M N Em xin chân thành c m n các th y, các cô khoa Công ngh Thông tin Tr ng i h c D ân l p H i Phòng ã t n tình d y d , truy n t cho chúng em nhi u ki n th c quý báu. Em xin t lòng bi t n sâu s c n th y Th.s Ngô Tr ng Giang, ng i ã n tình giúp và truy n t nhi u kinh nghi m tài có th c th c hi n và hoàn thành. Xin chân thành c m n các b n trong khoa Công Ngh Thông Tin, iH c Dân L p H i Phòng ã giúp , ng viên tôi r t nhi u trong quá trình th c hi n tài. Em xin trân tr ng c m n! i Phòng, tháng 07 n m 2007. Sinh viên Lê H ng Chuyên Lê H ng Chuyên _ CT701 Trang: 1
  3. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh CL C I C M N .................................................................................................... 1 U ........................................................................................................... 4 CH NG 1: NG QUAN V PHÁT HI N KHUÔN M T .................... 5 1.1. Gi i thi u.............................................................................................. 5 1.2. t s l nh v c ng d ng phát hi n khuôn m t. ................................... 5 1.3. t s ph ng pháp xác nh khuôn m t ng i. .................................. 7 1.3.1. ng ti p c n d a trên tri th c. .................................................... 7 1.3.2. ng ti p c n d a trên c tr ng không thay i. ...................... 10 1.3.3. ng ti p c n d a trên so kh p m u. ......................................... 13 1.3.4. ng ti p c n d a trên di n m o................................................ 16 1.3.5. ng ti p c n t ng h p .............................................................. 25 1.4. Khó kh n và thách th c trong bài toán xác nh khuôn m t. ............... 26 CH NG 2: PHÁT HI N KHUÔN M T S D NG ADABOOST......... 28 2.1. Gi i thi u ............................................................................................ 28 2.1.1. Các h ng ti p c n dò tìm khuôn m t nhanh................................ 28 2.1.2. ng ti p c n theo AdaBoost..................................................... 28 2.2. Trích ch n c tr ng cho AdaBoost.................................................... 29 2.3. Thu t toán ADABOOST..................................................................... 31 2.4. dò tìm phân t ng Adaboost............................................................ 35 2.5. Hu n luy n dò tìm khuôn m t ............................................................. 38 2.6. Dò tìm khuôn m t ............................................................................... 38 2.7. Nh n x ét ............................................................................................. 39 2.7.1. u m ....................................................................................... 39 2.7.2. Khuy t m ................................................................................. 39 CH NG 3: PHÁT HI N KHUÔN M T S D NG M NG N RON. . 40 3.1. ng quan v m ng n ron nhân t o .................................................... 40 3.1.1. ng n ron sinh h c .................................................................... 40 3.1.2. ron nhân t o:............................................................................ 41 3.1.3. Các thành ph n c a n ron nhân t o:............................................. 42 3.1.4. Mô hình c b n c a m ng n ron .................................................. 43 3.1.5. Xây d ng m ng n ron.................................................................. 44 3.1.6. Hu n luy n m ng n ron. .............................................................. 45 3.2. Chu n b d li u.................................................................................. 52 3.2.1. Gi i thi u ..................................................................................... 52 Lê H ng Chuyên _ CT701 Trang: 2
  4. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh 3.2.2. Gán nhãn và canh biên các c tr ng khuôn m t .......................... 52 3.2.3. Ti n x lý v sáng và t ng ph n trên t p m u h c ............ 54 3.3. Hu n luy n dò tìm khuôn m t ............................................................. 56 3.3.1. Gi i thi u ..................................................................................... 56 3.3.2. Hu n luy n dò tìm khuôn m t ...................................................... 56 3.4. Quá trình dò tìm khuôn m t ................................................................ 60 CH NG 4: CÀI T NG D NG......................................................... 62 4.1. Môi tr ng TEST ............................................................................... 62 4.2. t s giao di n chính........................................................................ 62 4.3. t qu ............................................................................................... 65 4.4. Nh n x ét ............................................................................................. 66 T LU N...................................................................................................... 67 TÀI LI U THAM KH O ................................................................................ 68 Lê H ng Chuyên _ CT701 Trang: 3
  5. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh U Trong nh ng n m g n ây, các ng d ng v trí tu nhân t o ngày càng phát tri n và c ánh giá cao. M t l nh v c ang c quan tâm c a trí tu nhân o nh m t o ra các ng d ng thông minh, có tính ng i ó là nh n d ng. i ng cho vi c nghiên c u nh n d ng c ng r t phong phú và a d ng. Trong tài này tôi ch n it ng là khuôn m t, và b c u tiên c a vi c nh n d ng ó là phát hi n khuôn m t. Khuôn m t ó ng vai trò quan tr ng trong quá trình giao ti p gi a ng iv i ng i, và c ng mang m t l ng thông tin giàu có, ch ng h n có th xác nh gi i tính, tu i tác, tr ng thái c m xúc c a ng i ó, ... h n n a khi kh o sát các ng nét trên khuôn m t có th bi t c ng i ó mu n nói gì. Do ó, phát hi n là b c ti n quan tr ng ph c v công vi c nh n d ng khuôn m t sau này. Có r t nhi u ph ng pháp phát hi n khuôn m t, AdaBoost và m ng N -ron là m t trong nh ng ph ng pháp ó. án c chia ra 4 ch ng: Ch ng 1 s trình bày t ng quan v m t s ph ng pháp phát hi n khuôn m t. Ph ng pháp Adaboost và m ng N -ron dùng phát hi n khuôn m t c trình bày trong ch ng 2 và 3. Ch ng 4 là ph n cài t ng d ng, m t s th nghi m dò tìm khuôn m t trong nh, và cu i cùng là k t lu n. Lê H ng Chuyên _ CT701 Trang: 4
  6. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh CH NG 1: NG QUAN V PHÁT HI N KHUÔN M T 1.1. Gi i thi u. H n m t th p k q ua có r t nhi u công trình nghiên c u v bài toán xác nh khuôn m t ng it nh en tr ng, xám n nh màu nh ngày hôm nay. Các nghiên c u i t bài toán n gi n, m i nh ch có m t khuôn m t ng i nhìn th ng vào thi t b thu hình và u t th th ng ng trong nh en tr ng. Cho n ngày hôm nay bài toán m r ng cho nh màu, có nhi u khuôn m t trong cùng m t nh, có nhi u t th thay i trong nh. Không nh ng y mà còn m r ng c ph m vi t môi tr ng xung quanh khá n gi n (trong phòng thí nghi m) cho n môi tr ng xung quanh r t ph c t p (nh trong t nhiên) nh m áp ng nhu c u c a th c t . Xác nh khuôn m t ng i (Face Detection) là m t k thu t máy tính xác nh các v trí và các kích th c c a các khuôn m t ng i trong các nh b t ( nh k thu t s ). K thu t này nh n bi t các c tr ng c a khuôn m t và b qua nh ng th khác, nh : tòa nhà, cây c i, c th , … 1.2. t s l nh v c ng d ng phát hi n khuôn m t. Phát hi n khuôn m t ã c ng d ng trong r t nhi u l nh v c: - th ng t ng tác gi a ng i và máy: giúp nh ng ng i b t t ho c khi m khuy t có th trao i. Nh ng ng i dùng ngôn ng tay có th giao ti p v i nh ng ng i bình th ng. Nh ng ng i b b i li t thông qua m t ký hi u nháy m t có th bi u l nh ng gì h mu n, …. ó là các bài toán u b c a bàn tay (hand gesture), u b khuôn m t, … - Nh n d ng ng i A có ph i là t i ph m truy nã hay không? Giúp c quan an ninh qu n lý t t con ng i. Công vi c nh n d ng có th trong môi tr ng bình th ng c ng nh trong bóng t i (s d ng camera h ng ngo i). - th ng quan sát, theo dõi và b o v . Các h th ng camera s xác nh âu là con ng i và theo dõi con ng i ó xem h có vi ph m gì không, ví xâm ph m khu v c không c vào, …. Lê H ng Chuyên _ CT701 Trang: 5
  7. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh - u tr (rút ti n ATM, bi t ai rút ti n vào th i m ó), hi n nay có tình tr ng nh ng ng i b ng i khác l y m t th ATM hay m t mã s PIN và nh ng ng i n c p này i rút ti n, ho c nh ng ng i ch th i rút ti n nh ng l i b áo cho ngân hàng là m t th và m t ti n. Các ngân hàng có nhu u khi có giao d ch ti n s ki m tra hay l u tr khuôn m t ng i rút ti n sau ó i ch ng và x lý. - Th c n c c, ch ng minh nhân dân (Face dentification). - u khi n vào ra: v n phòng, công ty, tr s , máy tính,…. K t h p thêm vân tay và h c m t. Cho phép nhân viên c ra vào n i c n thi t, hay m i ng is ng nh p m áy tính cá nhân c a mình mà không c n nh tên ng nh p c ng nh m t kh u mà ch c n xác nh thông qua khuôn m t. - An ninh sân bay, xu t nh p c nh (hi n nay c quan xu t nh p c nh M ã áp d ng). Dùng xác th c ng i xu t nh p c nh và ki m tra có ph i là nhân v t kh ng b không. - ng lai s phát tri n các lo i th thông minh có tích h p s n c tr ng a ng i dùng trên ó, khi b t c ng i dùng khác dùng truy c p hay lý t i các h th ng s c yêu c u ki m tra các c tr ng khuôn m t so v i th bi t nay có ph i là ch th hay không. - Tìm ki m và t ch c d li u liên quan n con ng i thông qua khuôn m t ng i trên nhi u h c s d li u l u tr th t l n, nh internet, các hãng truy n hình, …. Ví d : tìm các n video có t ng th ng Bush phát bi u, tìm các phim có di n viên Thành Long óng, tìm các tr n á banh có Ronaldinho á. - Phân lo i trong l u tr hình nh trong n tho i di ng. Thông qua bài toán xác nh khuôn m t ng i và trích c tr ng, r i d a vào c tr ng này s p x p, l u tr , giúp ng i s d ng d dàng truy tìm khi c n thi t. - Ki m tra tr ng thái ng i lái xe có ng g t, m t t p trung hay không, và h tr thông báo khi c n thi t. - Phân tích c m xúc trên khuôn m t. Lê H ng Chuyên _ CT701 Trang: 6
  8. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh - t s hãng s n xu t máy ch p nh ã ng d ng bài toán xác nh khuôn t ng i vào máy ch p nh th h m i cho k t qu hình nh p h n. 1.3. t s ph ng pháp xác nh khuôn m t ng i. Có nhi u nghiên c u tìm ph ng pháp xác nh khuôn m t ng i, t nh xám n ngày nay là nh màu. D a vào tính ch t c a các ph ng pháp xác nh khuôn m t ng i trên nh, chúng ta có th phân chia các ph ng pháp này thành nh ng ti p c n chính: - ng ti p c n d a trên tri th c: Mã hóa các hi u bi t c a con ng iv các lo i khuôn m t ng i thành các lu t. Thông th ng các lu t mô t quan h c a các c tr ng. - ng ti p c n d a trên c tr ng không thay i: M c tiêu các thu t toán i tìm các c tr ng mô t c u trúc khuôn m t ng i mà các c tr ng này s không thay i khi t th khuôn m t, v trí t thi t b thu hình ho c u ki n ánh sáng thay i. - ng ti p c n d a trên so kh p m u: Dùng các m u chu n c a khuôn t ng i (các m u này c ch n l a và l u tr ) mô t cho khuôn m t ng i hay các c tr ng khuôn m t (các m u này ph i ch n làm sao cho tách bi t nhau theo tiêu chu n mà các tác gi nh ra so sánh). - ng ti p c n d a trên di n m o: Trái ng c h n v i so kh p m u, các mô hình h c ây c h c t m t t p nh hu n luy n cho tr c. Sau ó h th ng s x ác nh khuôn m t ng i. M t s tác gi còn g i h ng ti p c n này là h ng ti p c n theo ph ng pháp h c. 1.3.1. ng ti p c n d a trên tri th c. Trong h ng ti p c n này, các lu t s ph thu c r t l n vào tri th c c a nh ng tác gi nghiên c u v bài toán xác nh khuôn m t ng i. ây là h ng ti p c n d ng top-down. D dàng xây d ng các lu t c b n mô t các c tr ng c a khuôn m t và các quan h t ng ng. Ví d , m t khuôn m t th ng có hai m t i x ng nhau qua tr c th ng ng gi a khuôn m t và có m t m i, t mi ng. Các quan h c a các c tr ng có th c mô t nh quan h v kho ng cách và v trí. Thông th ng các tác gi s trích c tr ng c a khuôn Lê H ng Chuyên _ CT701 Trang: 7
  9. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh t tr c tiên có c các ng viên, sau ó các ng viên này s c xác nh thông qua các lu t bi t ng viên nào là khuôn m t và ng viên nào không ph i khuôn m t. tv n khá ph c t p khi dùng h ng ti p c n này là làm sao chuy n t tri th c con ng i sang các lu t m t cách hi u qu . N u các lu t này quá chi ti t (ch t ch ) thì khi xác nh có th xác nh thi u các khuôn m t có trong nh, vì nh ng khuôn m t này không th th a mãn t t c các lu t a ra. Nh ng các lu t ng quát quá thì có th chúng ta s xác nh l m m t vùng nào ó không ph i là khuôn m t mà l i xác nh là khuôn m t. Và c ng khó kh n khi c n m r ng yêu c u c a bài toán xác nh các khuôn m t có nhi u t th khác nhau. Hình 1-1: (a) nh ban u có phân gi i n = 1; (b), (c), và (d) nh có phân gi i n = 4, 8, 16. Yang và Huang dùng m t ph ng th c theo h ng ti p c n này x ác nh các khuôn m t. H th ng c a hai tác gi này bao g m ba m c lu t. mc cao nh t, dùng m t khung c a s quét trên nh và thông qua m t t p lu t tìm các ng viên có th là khuôn m t. m c k ti p , hai ông dùng m t t p lu t mô t t ng quát hình dáng khuôn m t. Còn m c cu i cùng l i dùng m t t p lu t khác x em xét m c chi ti t các c tr ng khuôn m t. M t h th ng a p hân gi i có th t c dùng xác nh, hình 1-1. Các lu t m c cao nh t tìm ng viên nh : “vùng trung tâm khuôn m t (ph n t i h n trong hình 1-2) có b n ph n v i m t m c u c b n”, “ph n xung quanh bên trên c a m t khuôn m t (ph n sáng h n trong hình 1-2) có m t m c u c b n”, và “m c khác nhau gi a các giá tr xám trung bình c a ph n trung tâm và ph n b ao bên trên là áng k ”. m c hai, xem xét bi u c a các ng viên lo i b t ng viên nào không ph i là khuôn m t, ng th i dò ra c nh bao xung quanh ng viên. m c cu i cùng, nh ng ng viên nào còn l i s c xem xét các c tr ng c a k huôn m t v m t và mi ng. Hai ông ã dùng m t chi n l c “t thô Lê H ng Chuyên _ CT701 Trang: 8
  10. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh n m n” hay “làm rõ d n” gi m s l ng tính toán trong x lý. M c dù t l chính xác ch a cao, nh ng ây là ti n cho nhi u nghiên c u sau này. Hình 1-2: t lo i tri tr c c a ng i nghiên c u phân tích trên khuôn m t. Kotropoulos và Pitas a m t ph ng pháp dùng trên phân gi i th p. Hai ông dùng ph ng pháp chi u xác nh các c tr ng khuôn m t. Kanade ã thành công v i ph ng pháp chi u xác nh biên c a khuôn m t. V i I(x,y) là giá tr xám c a m t m trong nh có kích th cmxn t i v trí (x,y), các hàm chi u nh theo ph ng ngang và th ng ng c nh ngh a nh sau: ∑ HI ( x) = ∑ n −1 I ( x, y ) và VI ( y ) = m I ( x, y ) x −1 (1.1) y Hình 1-3: Ph ng pháp chi u: (a) nh ch có m t khuôn m t và hình n n n gi n; (b) nh ch có m t khuôn m t và hình n n p h c t p; (c) nh có nhi u khuôn m t a trên bi u hình chi u ngang, có hai c c ti u c c b khi hai ông xét quá trình thay i c c a HI, ó chính là c nh bên trái và ph i c a hai bên u. T ng t v i hình chi u d c VI, các c c ti u c c b c ng cho ta bi t v trí mi ng, nh m i, và hai m t. Các c tr ng này xác nh khuôn m t. Lê H ng Chuyên _ CT701 Trang: 9
  11. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh Hình 1-3.a là m t ví d v cách xác nh nh trên. Cách xác nh này có t l xác nh chính xác là 86.5% cho tr ng h p ch có m t khuôn m t th ng trong nh và hình n n không ph c t p. N u hình n n p h c t p thì r t khó tìm, nh là hình 1-3.b. N u nh có nhi u khuôn m t thì s không xác nh c, hình 1-3.c. Hình 1-4: Chi u t ng ph n ng viên xác nh khuôn m t. Mateos và Chicote dùng k t c u xác nh ng viên trong nh màu. Sau ó phân tích hình dáng, kích th c, thành ph n khuôn m t xác nh khuôn t. Khi tìm c ng viên khuôn m t, hai ông trích các ng viên c a t ng thành ph n khuôn m t, sau ó chi u t ng ph n này xác th c ó có ph i là thành ph n khuôn m t hay không, hình 1-4. T l chính xác là h n 87%. Berbar k t h p m ô hình màu da ng i và xác nh c nh tìm ng viên khuôn m t ng i. Sau ó k t h p các c tr ng và ph ng pháp chi u các ng viên khuôn m t xu ng h tr c t a xác nh ng viên nào th t s là khuôn t ng i. 1.3.2. ng ti p c n d a trên c tr ng không thay i. ây là h ng ti p c n theo ki u bottom-up. Các tác gi c g ng tìm các c tr ng không thay i c a khuôn m t ng i xác nh khuôn m t ng i. D a trên nh n x ét th c t : con ng i d dàng nh n bi t các khuôn m t trong các t th khác nhau và u ki n ánh sáng khác nhau; do ó khuôn m t ph i có các thu c tính hay c tr ng không thay i. Theo nhi u nhi u nghiên thì ban u ph i xác nh các c tr ng khuôn m t r i ch ra có khuôn m t trong nh hay không. Các c tr ng nh : lông mày, m t, m i, mi ng, và ng vi n c a tóc Lê H ng Chuyên _ CT701 Trang: 10
  12. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh c trích b ng ph ng pháp xác nh c nh. Trên c s các c tr ng này, xây ng m t mô hình th ng kê mô t q uan h c a các c tr ng này và xác nh t n t i c a khuôn m t trong nh. M t v n c a các thu t toán theo h ng ti p c n c tr ng c n ph i u ch nh cho phù h p u ki n ánh sáng, nhi u, và che khu t. ô i khi bóng c a khuôn m t s t o thêm c nh m i, mà c nh này l i rõ h n c nh th t s c a khuôn m t, vì th n u dùng c nh x ác nh s g p khó kh n. 1.3.2.1. Các c tr ng khuôn m t Sirohey a m t ph ng pháp xác nh khuôn m t t m t nh có hình n n ph c t p. ây là ph ng pháp d a trên ng biên, dùng ph ng pháp Candy và heuristics lo i b các c nh còn l i d uy nh t m t ng bao xung quanh khuôn m t. M t hình ellipse dùng bao khuôn m t, tách bi t vùng u và hình n. T l chính xác c a thu t toán là 80%. C ng dùng ph ng pháp c nh nh Sirohey, Chetverikov và Lerch dùng t ph ong pháp d a trên blob và streak (hình d ng gi t n c và s c xen k ), x ác nh theo h ng các c nh. Hai ông dùng hai blob t i và ba blob sáng mô t hai m t, hai bên gò má, và m i. Mô hình này dùng các treak mô t hình dáng ngoài c a khuôn m t, lông mày, và môi. Dùng nh có phân gi i th p theo bi n i laplace xác nh khuôn m t thông qua blob. Graf a ra m t ph ng pháp xác nh c tr ng r i xác nh khuôn m t trong nh xám. Dùng b l c làm n i các biên, các phép toán hình thái h c c dùng làm n i b t các vùng có c ng cao và hình dáng ch c ch n (nh m t). Thông qua bi u tìm các nh n i b t r i xác nh các ng ng chuy n nh xám thành hai nh nh phân. Các thành ph n dính nhau u xu t hi n trong hai nh nh phân thì c xem là vùng c a ng viên khuôn m t r i phân lo i xem có ph i là khuôn m t không. Ph ng pháp c ki m tra trên các nh ch có u và vai c a ng i. Tuy nhiên còn có m t v n ây là làm sao s d ng các phép toán hình thái và làm sao xác nh khuôn m t trên các vùng ng viên. Lê H ng Chuyên _ CT701 Trang: 11
  13. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh 1.3.2.2. c tr ng k t c u K huôn m t con ng i có nh ng k t c u riêng bi t mà có th dùng phân lo i so v i các i t ng khác. Augusteijn và Skufca cho r ng hình d ng a khuôn m t dùng làm k t c u phân lo i, g i là k t c u gi ng khuôn m t (face-like texture). Có ba lo i c tr ng c xem xét: màu da, tóc, và nh ng th khác. Hai ông dùng m ng n -ron v m i t ng quan cascade cho phân lo i có giám sát các k t c u, và m t ánh x c tr ng t t ch c Kohonen gom nhóm các l p k t c u khác nhau. Hai tác gi xu t dùng ph ng pháp b u c khi không quy t nh ck tc u a v ào là k t c u c a da hay k t c u c a tóc. Dai và Nakano dùng mô hình SGLD xác nh khuôn m t ng i. Thông tin màu s c c k t h p v i mô hình k t c u khuôn m t. Hai tác gi xây d ng thu t gi i xác nh khuôn m t trong không gian màu, v i các ph n t a m àu cam xác nh các vùng có th là khuôn m t ng i. u m c a ph ng pháp này là có th xác nh khuôn m t không ch ch p th ng và có th có râu và có kính. Mark và Andrew dùng phân b màu da và thu t toán DoG (Difference of Gauss) tìm các ng viên, r i xác th c b ng m t h th ng h c k t c u c a khuôn m t. Manian và Ross dùng bi n i wavelet xây d ng t p d li u k t u c a khuôn m t trong nh xám thông qua nhi u phân gi i khác nhau, k t p x ác su t thông kê xác nh khuôn m t ng i. T l chính xác là 87%, t x ác nh sai là 18%. 1.3.2.3. c tr ng s c màu c a da Thông th ng các nh màu không xác nh tr c ti p trên toàn b d li u nh mà th ng dùng tính ch t s c màu c a da ng i (khuôn m t ng i) ch n ra c các ng viên có th là khuôn m t ng i (lúc này d li u ã thu h p áng ) xác nh khuôn m t ng i. 1.3.2.4. a c tr ng n ây có nhi u nghiên c u s d ng các c tr ng toàn c c nh : màu da ng i, kích th c, và hình dáng tìm các ng viên khuôn m t, r i sau ó s xác nh ng viên nào là khuôn m t thông qua các c tr ng c c b nh : m t, Lê H ng Chuyên _ CT701 Trang: 12
  14. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh lông mày, m i, mi ng, và tóc. Tùy m i tác gi s s d ng t p c tr ng khác nhau. Yachida a ra m t p h ng pháp xác nh khuôn m t ng i trong nh màu b ng lý thuy t logic m . Ông dùng hai mô hình m mô t phân b màu da ng i và màu tóc trong không gian màu CIE XYZ. Có n m mô dùng mô hình dáng c a m t trong nh (m t th ng và b n xoay xung quanh). M i mô hình là m t m u 2-chi u bao g m các ô vuông có kích th c m x n, m i ô có th ch a nhi u h n m t m nh. Hai thu c tính c gán cho m i ô là: t l màu da và t l tóc, ch ra t l d i n tích vùng da trong ô so v i di n tích c a ô. M i m nh s c phân lo i thành tóc, khuôn m t, tóc/khuôn m t, và tóc/n n trên s phân b c a mô hình, theo cách ó s có c các vùng gi ng khuôn m t và gi ng tóc. Mô hình hình dáng c a us c so sánh v i vùng gi ng khuôn t và gi ng tóc. N u t ng t , vùng ang xét s tr thành ng viên khuôn m t, sau ó dùng các c tr ng m t-lông mày và m i-mi ng xác nh ng viên nào s là khuôn m t th t s . Sobottka và Pitas dùng các c tr ng v hình dáng và màu s c xác nh khuôn m t ng i. Dùng m t ng ng phân n trong không gian màu HSV xác nh các vùng có th là màu da ng i. Các thành ph n dính nhau s c xác nh b ng thu t toán t ng vùng phân gi i thô. Xem xét ti n ng viên nào v a kh p hình d ng ellipse s c ch n làm ng viên c a khuôn m t. Sau ó dùng các c tr ng bên trong nh : m t và mi ng, c trích ra trên c s các vùng m t và mi ng s t i h n các vùng khác c a khuôn m t, sau cùng phân lo i a trên m ng n -ron b i t vùng ng viên nào là khuôn m t ng i và vùng nào không ph i khuôn m t ng i. T l chính xác là 85%. 1.3.3. ng ti p c n d a trên so kh p m u. Trong so kh p m u, các m u chu n c a khuôn m t (th ng là khuôn m t c ch p th ng) s c xác nh tr c ho c xác nh các tham s thông qua t hàm. T m t nh a vào, tính các giá tr t ng quan so v i các m u chu n ng vi n khuôn m t, m t, m i và mi ng. Thông qua các giá tr t ng quan này mà các tác gi quy t nh có hay không có t n t i khuôn m t trong nh. Lê H ng Chuyên _ CT701 Trang: 13
  15. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh ng ti p c n này có l i th là r t d cài t, nh ng không hi u qu khi có s thay i v t l , t th , và hình dáng. 1.3.3.1. Xác nh m u tr c Sakai ã c g ng th xác nh khuôn m t ng i ch p th ng trong nh. Ông dùng vài m u con v m t, m i, mi ng, và ng vi n khuôn m t mô hình hóa m t khuôn m t. M i m u con c nh ngh a trong gi i h n c a các n th ng. Các ng th ng trong nh c trích b ng ph ng pháp xem xét thay i gradient nhi u nh t và so kh p các m u con. u tiên tìm các ng viên thông qua m i t ng quan gi a các nh con và các m u v ng vi n. Sau ó, so kh p v i các m u con khác. Hay nói m t cách khác, giai n u xem nh là giai n s ch tìm ng viên, giai n th hai là giai n tinh ch xác nh có t n t i hay không m t khuôn m t ng i. Ý t ng này c duy trì cho n các nghiên c u sau này. Craw a ra m t ph ng pháp xác nh khuôn m t ng i d a vào các m u hình dáng c a các nh c ch p th ng (dùng v b ngoài c a hình dáng khuôn m t). u tiên dùng phép l c Sobel tìm các c nh. Các c nh này s c nhóm l i theo m t s ràng bu c. Sau ó, tìm ng vi n c a u, quá trình ng t c l p i l p l i v i m i t l khác nhau xác nh các c tr ng khác nh : m t, lông mày, và môi. Sau ó Craw mô t m t ph ng th c x ác nh dùng m t t p có 40 m u tìm các c tr ng khuôn m t và u khi n chi n c dò tìm. Sinha dùng m t t p nh các b t bi n nh trong không gian nh mô t không gian các m u nh. T t ng chính c a ông d a vào s thay im c sáng c a các vùng khác nhau c a khuôn m t (nh hai m t, hai má, và trán), quan h v m c sáng c a các vùng còn l i thay i không áng k . Xác nh các c p t s c a m c sáng c a m t s vùng (m t vùng t i h n hay sáng h n) cho ta m t l ng b t bi n khá hi u qu . Các vùng có sáng u c xem nh t m u t s mà là m u thô trong không gian nh c a m t khuôn m t v i thích h p ít dùng ch n nh các c tr ng chính c a khuôn m t nh hai m t, hai má, và trán. L u gi thay i sáng c a các vùng trên khuôn m t trong t t p thích h p v i các c p quan h sáng h n – t i h n gi a các vùng nh . Lê H ng Chuyên _ CT701 Trang: 14
  16. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh t khuôn m t c xác nh khi m t nh phù h p t t c các c p sáng h n – t i n. Ý t ng này xu t p hát t s khác bi t c a c ng gi a các vùng k c c , sau này c m r ng trên c s bi n i wavelet bi u d i n cho xác nh ng i i b , xác nh xe h i, xác nh khuôn m t. Ý t ng c a Sinha còn c áp d ng cho h th ng th giác c a robot. Hình 1-5 cho th y m u n i b t trong 23 quan h c nh ngh a. Dùng các quan h này phân lo i, có 11 quan h thi t y u (các m i tên màu en) và 12 quan h xác th c (các m i tên xám). M i i tên là m t q uan h . M t quan h th a mãn m u khuôn m t khi t l gi a hai vùng v t qua m t ng ng và 23 quan h này v t ng ng thì xem nh xác nh c m t khuôn m t. Ph ng pháp so kh p m u theo th t xác nh khuôn m t ng i do o o Miao trình bày. giai n u tiên, nh s c xoay t -20 n 20 v i m i o c là 5 và theo th t . X ây d ng nh a phân gi i, hình 1-1, r i dùng phép toán Laplace xác nh các c nh. M t m u khuôn m t g m các c nh mô t sáu thành ph n: hai lông mày, hai m t, m t m i, và m t mi ng. Sau ó áp d ng heuristic xác nh s t n t i c a khuôn m t trong nh, ph ng pháp này cho phép xác nhi u khuôn m t, nh ng k t qu không t t b ng xác nh m t khuôn t (ch p th ng ho c xoay) trong nh xám. Hình 1-5: u khuôn m t, có 16 vùng và 23 quan h (các m i tên). Wei và Lai dùng b l c phân n k t h p thu t toán tìm láng gi ng g n nh t xác nh ng viên khuôn m t, t ng viên này sau ó so kh p v i các m u ã xác nh tr c bi t ng viên có ph i là khuôn m t hay không. T l chính xác là 80%. Lê H ng Chuyên _ CT701 Trang: 15
  17. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh Darrell dùng phân n tìm ng viên, dùng ng viên này xác nh khuôn m t ng i d a vào m u r i theo v t chuy n ng c a ng i. Dowdall dùng ph c a màu da ng i xác nh ng viên. Sau ó chi u các ng viên này so sanh v i các m u có tr c xác nh ng viên nào là khuôn m t ng i. Ph ng pháp này ch xác nh cho khuôn m t ch p th ng và n th ng, góc quay kho ng t -10o n 10 o . 1.3.3.2. Các m u b bi n d ng Yuille dùng các m u bi n d ng mô hình hóa các c tr ng c a khuôn t, mô hình này có kh n ng linh ho t cho các c tr ng khuôn m t. Trong ng ti p c n này, các c tr ng khuôn m t c mô t b ng các m u c tham s hóa. M t hàm n ng l ng (giá tr ) c nh ngh a liên k t các c nh, nh, và thung l ng trong nh t ng ng v i các tham s trong m u. Mô hình này cho k t qu t t khi t i gi n hàm n ng l ng qua các tham s . M t h n ch ah ng ti p c n này là các m u bi n d ng ph i c kh i t o trong ph m vi n các it ng xác nh. Lanitis mô t m t ph ng pháp bi u di n khuôn m t ng i v i c hai thông tin: hình dáng và c ng . Ban u, t p nh c hu n luy n v i các ng vi n m u nh là ng bao m t, m i, c m, má c gán nhãn. Dùng m t vector mô t hình dáng, ây tác gi d ùng m t mô hình phân b m (Point Distribution Model – PDM) mô t vector hình dáng qua toàn b các cá th . 1.3.4. ng ti p c n d a trên di n m o. Trái ng c v i các ph ng pháp so kh p m u v i các m u ã c nh ngh a tr c b i nh ng chuyên gia, các m u trong h ng ti p c n này ch c các nh m u. M t các t ng quát, các ph ng pháp theo h ng ti p c n này áp ng các k thu t theo h ng xác su t th ng kê và máy h c tìm nh ng c tính liên quan c a khuôn m t và không ph i là khuôn m t. Các c tính ã c c trong hình thái các mô hình phân b , hay các hàm bi t s có th dùng các c tính này xác nh khuôn m t ng i. ng th i, bài toán gi m s chi u th ng c quan tâm t ng hi u q u tính toán c ng nh hi u qu xác nh. t nh hay m t vector c tr ng xu t phát t m t nh c xem nh m t b i n ng u nhiên x, và bi n ng u nhiên có c tính là khuôn m t hay không ph i Lê H ng Chuyên _ CT701 Trang: 16
  18. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh khuôn m t b i công th c tính theo các hàm m t phân l p theo u ki n p(x | khuôn m t) và p(x | không ph i khuôn m t) . Có th dùng phân lo i Bayes ho c kh n ng c c i phân lo i m t ng viên là khuôn m t hay không ph i là khuôn m t. Không th cài t tr c ti p phân lo i Bayes b i vì s chi u c a x khá cao, b i vì p(x | khuôn m t) và p(x | không ph i khuôn m t) là a th c, và ch a th hi u n u xây d ng các d ng tham s hóa m t cách t nhiên cho p(x | khuôn m t) và p(x | không ph i khuôn m t) . Có khá nhi u nghiên c u theo ng ti p c n này quan tâm x p x có tham s hay không có tham s cho p(x | khuôn m t) và p(x | không ph i khuôn m t) . Các ti p c n khác trong ng ti p c n d a trên di n m o là tìm m t hàm bi t s (nh : m t ph ng quy t nh, siêu ph ng tách d li u, hàm ng ng) phân bi t hai l p d li u: khuôn m t và không ph i khuôn m t. Bình th ng, các m u nh c chi u vào không gian có s chi u th p h n, r i sau ó dùng m t hàm bi t s (d a trên các o kho ng cách) phân lo i, ho c xây d ng m t quy t nh phi tuy n b ng ng n -ron a t ng. Ho c dùng SVM (Support Vector Machine) và các ph ng th c kernel, chi u hoàn toàn các m u vào không gian có s chi u cao n d li u b r i r c hoàn toàn và ta có th d ùng m t m t ph ng quy t nh, phân lo i các m u khuôn m t và không ph i khuôn m t. 1.3.4.1. Eigenface. Kohonen ã a ra ph ng pháp dùng vector riêng nh n d ng khuôn t, ông dùng m t m ng n -ron n gi n ch ng t kh n ng c a ph ng pháp này trên các nh ã c chu n hóa. M ng n -ron tính m t mô t c a khuôn m t b ng cách x p x các vector riêng c a ma tr n t ng quan c a nh. Các vector riêng sau này c bi t n v i cái tên Eigenface. Kirby và Sirovich ch ng t các nh có các khuôn m t có th c mã hóa tuy n tính b ng m t s ng v a p h i các nh c s . Tính ch t này d a trên bi n i Karhunen-Lòeve, mà còn c g i d i m t cái tên khác là PCA và bi n i Hotelling. Ý t ng này c xem là c a Pearson trình bày u tiên vào n m 1901 và sau ó là Hotelling vào n m 1933. Cho m t t p các nh hu n luy n có kích th cnxm c mô t b i các vector có kích th c m x m, các vector c s cho m t không gian con t i u c x ác nh thông qua l i bình ph ng trung bình khi chi u các nh hu n luy n vào không gian con này. Các tác gi g i t p các vector c s Lê H ng Chuyên _ CT701 Trang: 17
  19. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh i u này là nh riêng, sau ó g i cho n gi n là vector riêng c a ma tr n hi p ph ng sai, c tính t các nh khuôn m t ã vector hóa trong t p hu n luy n. u cho 100 nh, mà m i khuôn m t có kích th c 91x50 thì có th ch dùng 50 nh riêng, trong khi v n d uy trì c m t kh n ng gi ng nhau h p . Turk và Pentland áp d ng PCA xác nh và nh n d ng khuôn m t. ng t , dùng PCA trên t p hu n luy n nh các khuôn m t sinh các nh riêng (còn g i là eigenface) tìm m t không gian con (không gian khuôn m t) trong không gian nh. Các nh khuôn m t c chi u vào không gian con này và c gom nhóm l i. T ng t các nh không có khuôn m t dùng hu n luy n c ng c chi u vào cùng không gian con và gom nhóm l i. Các nh khi chi u vào không gian khuôn m t thì không b thay i tính ch t c b n, trong khi chi u các nh không có khuôn m t thì xu t hi n nhi u s khác nhau. Xác nh s có m t c a m t khuôn m t trong nh thông qua t t c kho ng cách gi a các v trí trong nh và không gian nh. Kho ng cách này dùng xem xét có hay không có khuôn m t ng i, k t qu khi tính toán các kho ng cách s cho ta m t n v khuôn m t. Có th xác nh c t c c ti u c c b c a b n này. Có nhi u nghiên c u v xác nh khuôn m t, nh n d ng, và trích c tr ng t ý ng vector riêng, phân rã, và gom nhóm. 1.3.4.2. ng Neural. ng n -ron c áp d ng khá thành công trong các bài toán nh n d ng u, nh : nh n ký t , it ng, robot t ng v n hành. Xác nh khuôn m t ng i có th xem là bài toán nh n d ng hai lo i m u, có nhi u ki n trúc m ng -ron ã c trình bày. M t thu n l i khi dùng m ng n -ron xác nh khuôn m t là tính kh thi c a h th ng h c khi có s ph c t p trong l p c a các u khuôn m t. Tuy nhiên, m t u tr ng i là các ki n trúc m ng u t ng quát, khi áp d ng thì ph i xác nh rõ ràng s l ng t ng, s l ng node, t l c, …, cho t ng tr ng h p c th Lê H ng Chuyên _ CT701 Trang: 18
  20. Khóa lu n t t nghi p Tìm hi u m t s ph ng pháp phát hi n khuôn m t trong nh Hình 1-6: Mô hình m ng N -ron theo Rowley Agui trình bày m ng n -ron x lý có th t . Giai n u, dùng hai m ng con song song mà d li u vào là các giá tr c ng c a nh ban u và các giá tr c ng c a nh ã c l c b ng thu t toán l c Sobel v i c a s l c 3x3. u vào c a m ng giai n hai bao g m d li u u ra t hai m ng con và các giá tr c tr ng ã c trích ra, nh : c tr ng l ch chu n c a các giá tr m nh trong m u a vào, m t t l c a s m nh tr ng trên t ng s m nh ( ã chuy n sang nh nh phân) trong m t c a s , và c tr ng thi t y u hình h c. M t giá tr xu t t i giai n hai cho bi t có t n t i hay không khuôn m t ng i trong vùng a vào. Qua kinh nghi m, tác gi ch ra r ng n u các nh cùng m t kích th c thì m i dùng ph ng pháp này c. Propp và Samal phát tri n m ng n -ron xác nh khuôn m t ng is m nh t. M ng n -ron c a hai ông g m b n t ng v i 1,024 u vào, 256 u k ti p trong t ng n th nh t, tám u k ti p trong t ng n th hai, và hai u ra. ng t nh m ng n -ron x lý theo th t c a ra sau ó. Ph ng pháp c a Soulie duy t m t nh a vào v i m ng n -ron có th i gian tr (kích th c c a s là 20x25 m nh) xác nh khuôn m t. Dùng bi n i wavelet phân rã nh các ph n có kích th c khác nhau xác nh khuôn m t. Vaillant dùng m ng n -ron d ng xo n xác nh khuôn m t ng i. u tiên t o các nh m u khuôn m t và không ph i khuôn m t có kích th c 20x20. Dùng m t m ng n -ron, m ng này ã c hu n luy n, tìm các v trí t ng i c a các khuôn m t các t l khác nhau. R i dùng m t m ng khác xác nh v trí chính xác c a các khuôn m t. M ng u tiên dùng tìm các ng Lê H ng Chuyên _ CT701 Trang: 19
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.09: Bộ Luận Văn Tốt Nghiệp Chuyên Ngành Quản Trị Kinh Doanh
81 tài liệu
1643 lượt tải
THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
4=>1