Đăng ký Đăng nhập
Trang chủ Nghiên cứu và xây dựng hệ thống nhận dạng mặt người dựa trên adaboost...

Tài liệu Nghiên cứu và xây dựng hệ thống nhận dạng mặt người dựa trên adaboost

.PDF
56
552
61

Mô tả:

Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... ...................................................................................................................................... SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 1 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Lời Cảm Ơn Em xin chân thành cảm ơn thầy Tiến sĩ Nguyễn Đình Thuân đã tận tình hướng dẫn, giúp đỡ em trong suốt thời gian thực hiện đồ án tốt nghiệp này, chân cảm ơn quý thầy cô khoa Công nghệ thông tin Trường Đại Học Nha Trang đã tận tình giảng dậy, trang bị cho chúng em những kiến thức cần thiết trong suốt quá trình học tập. Em cũng xin gửi lòng biết ơn đến gia đình, cha, mẹ, và bạn bè đã ủng hộ, giúp đỡ và động viên em trong suốt quá trình làm đồ án tốt nghiệp. Đề tài được thực hiện trong một thời gian tương đối gian, nên dù đã hết sức cố gắng hoàn thành nhưng chắc chắn sẽ không thể tránh khỏi những thiếu sót nhất định. Rất mong nhận được sự thông cảm và đóng góp ý kiến của các thầy cô, bạn bè nhằm tạo tiền đề thuận lợi cho việc phát triển đề tài tốt hơn nữa trong tương lai. Nha Trang, ngày 8/12/2008 Sinh viên thực hiện Nguyễn Thị Hương Lý SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 2 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Lời Mở Đầu Trong những năm gần đây, các ứng dụng về nhận dạng mặt người ngày càng phát triển và được đánh giá cao. Đã có các hệ thống nhận dạng mặt người dựa trên các phương pháp dò tìm với mạng nơron nhân tạo, SVM và nhận dạng mặt người dựa trên phương pháp mạng nơron nhân tạo, ICA, SVM…Các ứng dụng vừa nêu trên mặc dù được dựa trên các lý thuyết khá cổ điển như HMM, nơron nhưng ứng dụng thực tế thì chưa được nhiều vì giới hạn về tốc độ. Hệ thống nhận dạng khuôn mặt người vốn có phạm vi ứng dụng lớn nên việc phát triển hệ thống nhận dạng khuôn mặt người theo các phương pháp mới có ý nghĩa hết sức quan trọng, đó là lý do tôi chọn đề tài: “NGHIÊN CỨU VÀ XÂY DỰNG HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI DỰA TRÊN ADABOOST” Để có hệ thống nhận dạng khuôn mặt với chất lượng tốt trong thời gian khá nhanh, tôi đã tiếp cận mô hình học AdaBoost làm công cụ xử lý chính cho việc dò tìm mặt người dựa vào thông tin trên khuôn mặt và hai phương pháp PCA và LDA để nhận dạng. Đề tài được tổ chức thành 7 chương với nội dung:  Chương 1: Phát biểu bài toán  Chương 2: Dò tìm khuôn mặt theo phương pháp AdaBoost  Chương 3: Tổng quan về PCA và LDA  Chương 4: Ứng dụng phương pháp PCA và LDA nhận dạng mặt người.  Chương 5: Cài đặt chương trình SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 3 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người MỤC LỤC Trang Chương 1....................................................................................................................................... 6 TỔNG QUAN VỀ BÀI TOÁN ...................................................................................................... 6 1.1. Tổng quan và các khái niệm liên quan đến nhận dạng khuôn mặt............................ 6 1.1.1. Hệ thống nhận dạng khuôn mặt ........................................................................ 6 1.1.2. Hệ thống xác minh ........................................................................................... 6 1.1.3. Hệ thống nhận dạng tĩnh - tĩnh, tĩnh - động, động - động.................................. 6 1.2. Những khó khăn trong bài toán nhận dạng khuôn mặt............................................. 7 1.3. Các hướng tiếp cận chính trong lĩnh vực nhận dạng khuôn mặt............................... 7 1.3.1. Các công trình nghiên cứu về phương pháp dò tìm và nhận dạng khuôn mặt .... 7 1.3.2. Hướng tiếp cận trong luận văn ......................................................................... 8 1.4 Thu thập dữ liệu....................................................................................................... 9 1.5. Biểu diễn dữ liệu khuôn mặt trong máy tính.......................................................... 10 Chương 2......................................................................................................................................11 DÒ TÌM KHUÔN MẶT NHANH THEO PHƯƠNG PHÁP ADABOOST ....................................11 2.1. Giới thiệu.............................................................................................................. 11 2.1.1. Các vấn đề trong việc dò tìm khuôn mặt nhanh .............................................. 11 2.1.2. Các hướng tiếp cận dò tìm khuôn mặt ............................................................ 11 2.1.3. Hướng tiếp cận theo phương pháp AdaBoost ................................................. 12 2.2. Phương pháp chọn đặc trưng cho AdaBoost.......................................................... 12 2.3. Phương pháp AdaBoost (Adaptive Boost)............................................................. 15 2.3.1. Tiếp cận Boosting .......................................................................................... 15 2.3.2. AdaBoost (Adaptive Boost) ........................................................................... 16 2.4. Dò tìm khuôn mặt với AdaBoost........................................................................... 21 Chương 3......................................................................................................................................22 TỔNG QUAN VỀ PCA VÀ LDA.................................................................................................22 3.1. Giới thiệu về việc nhận dạng khuôn mặt người ..................................................... 22 3.2. Sơ lược về toán đại số tuyến tính trong thống kê ................................................... 22 3.2.1. Vector riêng, trị riêng và sự chéo hóa của ma trận .......................................... 22 3.1.1.1. Vector riêng và trị riêng .......................................................................... 22 3.2.1.2. Ma trận chéo hóa..................................................................................... 23 3.2.2. Kỳ vọng và phương sai trong thống kê đa chiều ............................................. 23 3.1.2.1. Kỳ vọng .................................................................................................. 23 3.2.2.2. Phương sai trong thống kê đa chiều ......................................................... 23 3.3. Sơ lược về PCA và LDA....................................................................................... 25 3.4. Trích rút đặc trưng từ không gian khuôn mặt theo PCA, LDA............................... 27 Chương 4......................................................................................................................................30 ỨNG DỤNG PHƯƠNG PHÁP PCA VÀ LDA TRONG NHẬN DẠNG KHUÔN MẶT NGƯỜI .30 4.1. Eigenface là gì? .................................................................................................... 30 4.2. Rút trích đặc trưng chính thông qua các eigenfaces ............................................... 30 4.3. Thuật toán PCA .................................................................................................... 36 4.4. Thuật toán LDA................................................................................................... 37 4.5. PCA và LDA phân lớp một ảnh khuôn mặt ........................................................... 38 Chương 5......................................................................................................................................43 CÀI ĐẶT CHƯƠNG TRÌNH........................................................................................................43 5.1. Giới thiệu.............................................................................................................. 43 SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 4 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người 5.2. Các module của chương trình................................................................................ 43 5.3. Giao diện màn hình và hướng dẫn sử dụng............................................................ 55 5.4. Nhận xét ............................................................................................................... 55 TÀI LIỆU THAM KHẢO .............................................................................................................56 SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 5 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Chương 1 TỔNG QUAN VỀ BÀI TOÁN 1.1. Tổng quan và các khái niệm liên quan đến nhận dạng khuôn mặt 1.1.1. Hệ thống nhận dạng khuôn mặt Hệ thống nhận dạng khuôn mặt là một hệ thống được thiết kế để tìm thông tin của một người. Kĩ thuật nhận dạng là kiểm tra sự phù hợp dựa trên phép so sánh một – nhiều cụ thể là tìm ra một người là ai trong số những người đã được lưu trữ trong hệ thống dựa vào thông tin khuôn mặt. 1.1.2. Hệ thống xác minh Hệ thống xác minh/ xác thực khuôn mặt là một hệ thống được thiết kế để xác minh thông tin của một người. Kĩ thuật xác minh là kiểm tra sự phù hợp trên phép so sánh một – một cụ thể là đối chiếu thông tin mới nhận về một người với thông tin đã lưu trữ về người này có khớp hay không dựa trên thông tin khuôn mặt. 1.1.3. Hệ thống nhận dạng tĩnh - tĩnh, tĩnh - động, động - động  Hệ thống nhận dạng tĩnh – tĩnh Hệ thống nhận dạng tĩnh – tĩnh là hệ thống được thiết kế bằng cách sử dụng một số ảnh tĩnh làm mẫu để nhận dạng khuôn mặt người trong ảnh tĩnh. Kĩ thuật nhận dạng này kiểm tra sự phù hợp dựa trên phép so sánh một nhiều như hệ thống nhận dạng nói chung ở trên.  Hệ thống nhận dạng tĩnh – động Hệ thống nhận dạng tĩnh – động là hệ thống được thiết kế bằng cách sử dụng một số ảnh tĩnh làm mẫu để nhận dạng khuôn mặt người trong ảnh động. Kĩ thuật nhận dạng này kiểm tra sự phù hợp dựa trên phép so sánh một nhiều như hệ thống nhận dạng nói chung ở trên, song ảnh cần kiểm tra là các khung ảnh động trong các đoạn phim từ các máy camera. Kĩ thuật này dĩ nhiên không thể chính xác vì chuyển động của mặt người trong phim khá phức tạp song thể hiện trong ảnh tĩnh để huấn luyện lại ít. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 6 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người  Hệ thống nhận dạng động – động Hệ thống nhận dạng động – động là hệ thống được thiết kế bằng cách sử dụng các ảnh động làm mẫu để nhận dạng khuôn mặt người trong ảnh động. Kĩ thuật nhận dạng này kiểm tra sự phù hợp dựa trên phép so sánh một nhiều như hệ thống nhận dạng chung nói trên. Tuy nhiên, kĩ thuật này chính xác hơn kĩ thuật sử dụng trong hệ thống nhận dạng tĩnh – động do sự chuyển động phức tạp của khuôn mặt người cũng được huấn luyện bằng các khung ảnh động. 1.2. Những khó khăn trong bài toán nhận dạng khuôn mặt Những biến đổi quá lớn giữa các ảnh khuôn mặt khác nhau từ một người cần nhận dạng gồm trạng thái cảm xúc trên khuôn mặt, ánh sáng và các thay đổi vị trí của khuôn mặt... Giới hạn về số ảnh cần thiết cho việc nhận dạng, tập học không thể bao quát được tất cả các biến đổi có thể có trên khuôn mặt của một người cần nhận dạng trong thế giới thực. 1.3. Các hướng tiếp cận chính trong lĩnh vực nhận dạng khuôn mặt 1.3.1. Các công trình nghiên cứu về phương pháp dò tìm và nhận dạng khuôn mặt Bài toán nhận dạng khuôn mặt cần xác định hai vấn đề chính: dùng thông tin nào để nhận dạng (chân mày, cặp mắt, mũi, môi, tai, hay kết hợp các thông tin trên). Và dùng phương pháp nào để huấn luyện cho máy nhận dạng dùng nguồn thông tin đó. Nhận dạng khuôn mặt trên máy tính trải qua nhiều bước thăng trầm với các kết quả như sau: Wenyi Zhao, Arvindh Krishnaswamy, Rama Chellappa, Danie L.Swets, John Weng (1998) sử dụng phương pháp PCA (phân tích thành phần chính) kết hợp LDA (phân tích độc lập tuyến tính). Bước 1, chiếu ảnh khuôn mặt từ không gian ảnh thô sang không gian các không gian khuôn mặt (mỗi lớp khuôn mặt được nhận dạng sẽ được mô hình hóa bằng một không gian khuôn mặt) dùng PCA. Bước 2, sử dụng phương pháp LDA để tạo bộ phân loại tuyến tính có khả năng phân lớp các lớp khuôn mặt. Emmanuel Viennet và Francoise Fogelman Soulie (1998), sử dụng phương pháp mạng neural nhân tạo để xử lý và nhận dạng khuôn mặt. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 7 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Antonio J.Colmenarez và Thomas S.Huang (1998) sử dụng kỹ thuật học thị giác và phù hợp mẫu 2D. Ông quan niệm bài toán dò tìm khuôn mặt là thao tác phân loại khuôn mặt trong đó khuôn mặt thuộc về một lớp và các đối tượng khác thuộc về lớp còn lại bằng cách ước lượng mô hình xác suất cho mỗi lớp và việc dò tìm sử dụng luật quyết định Maximum- likehood. Ara V.Nefian và Monson H.Hayes III (1998) trình bày hướng tiếp cận theo mô hình Markov (HMM) trong đó ảnh mẫu khuôn mặt được lượng hóa thành chuỗi quan sát trên khuôn mặt theo quan niệm dựa trên thứ tự xuất hiện các đặc trưng khuôn mặt (hai chân mày, hai lông mi, mũi, miệng, cằm). Trong chuỗi quan sát đó, mỗi quan sát lại là một vector nhiều chiều và mỗi vector quan sát này được sử dụng để đặc trưng cho mỗi trạng thái trong chuỗi trạng thái của HMM. Mỗi người được ước lượng bằng một mô hình của HMM. Guodong Guo, Stan Z.Li, Kap Luk Chan (17 January 2001), dùng phương pháp SVM để nhận dạng khuôn mặt. Sử dụng chiến lược kết hợp nhiều bộ phân loại nhị phân để xây dựng bộ phân loại SVM đa lớp. Hichem Sahbi (7 April 2003) sử dụng phương pháp SVM để dò tìm khuôn mặt, áp dụng các chiến lược đa cấp để tối ưu hóa tốc độ. ZhenQui Zhang, Long Zhu, Stan Z.Li và HongJiang Zhang (2001) sử dụng phương pháp AdaBoost để dò tìm khuôn mặt trong thời gian thực với nhiều góc nhìn khác nhau. 1.3.2. Hướng tiếp cận trong luận văn Trong bài luận văn tốt nghiệp này đã sử dụng hai phương pháp đó là: phương pháp PCA (phân tích thành phần chính) và phương pháp LDA (Phân tích biệt số tuyến tính) để nhận dạng khuôn mặt. Việc cô lập khuôn mặt trong ảnh đầu vào (ảnh chứa khuôn mặt – cửa sổ chứa khuôn mặt) được thực hiện với phương pháp dò tìm khuôn mặt trong ảnh dùng AdaBoost. Hình dưới mô phỏng các thao tác trong hệ thống nhận dạng mặt người. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 8 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Ảnh tĩnh Phát hiện khuôn mặt bằng AdaBoost Webcam Trích chọn đặc trưng bằng eigenface Nhận dạng với PCA, LDA ? … Hình 1: Sơ đồ hệ thống nhận dạng khuôn mặt 1.4 Thu thập dữ liệu Cơ sở dữ liệu ảnh khuôn mặt gồm nhiều người được thu thập từ nhiều nguồn khác nhau. Tập huấn luyện bộ dò tìm (phát hiện) khuôn mặt được lấy từ trang web http://www.ai.mit.edu/projects/cbcl của trung tâm CBCL thuộc trường đại học MIT. Tập ảnh gồm hai bộ ảnh như sau: ảnh huấn luyện (gồm khoảng trên 2000 mặt người và trên 4000 không phải mặt người) và ảnh thử nghiệm. Cơ sở dữ liệu ảnh để nhận dạng khuôn mặt: - Cho PCA: gồm 30 người, được chụp từ webcam và lấy từ các ảnh của các bạn sinh viên lớp 46TH. - Cho LDA: gồm 20 người, mỗi người bao gồm khoảng 10-15 ảnh khác nhau. Nhận xét về tập mẫu dữ liệu: Hầu hết các khuôn mặt xuất hiện trong ảnh là khuôn mặt trực diện mặt phẳng và mỗi khuôn mặt đều đầy đủ thông tin đặc trưng như (hai chân mày, hai mắt, mũi, miệng, cằm). SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 9 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Kích thước chuNn hóa của mỗi mẫu trong tập huấn luyện là 250x250 pixels. 1.5. Biểu diễn dữ liệu khuôn mặt trong máy tính Dữ liệu ảnh biểu diễn trong máy tính là cường độ sáng của điểm ảnh, tại vị trí (x, y) là I(x, y). Để biểu diễn dữ liệu cho các thuật toán học nhận dạng, ta dùng cách tổ chức dữ liệu như xau: Đọc từng dòng ảnh theo thứ tự từ trên xuống, mỗi dòng ảnh được bố trí liên tục nhau trên một mảng số thực nhiều chiều hay chính là vector có kích thước 250x250: x = ( x1 , x1 ,..., x 62500 ) . Đây là cách bố trí cho phương pháp PCA và LDA. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 10 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Chương 2 DÒ TÌM KHUÔN MẶT NHANH THEO PHƯƠNG PHÁP ADABOOST 2.1. Giới thiệu Dò tìm đối tượng là bài toán cơ bản và quan trọng trong lĩnh vực thị giác máy tính. Việc cô lập khuôn mặt trong ảnh đầu vào (ảnh chứa khuôn mặt) được thực hiện với phương pháp AdaBoost. Dò tìm khuôn mặt nhanh theo phương pháp AdaBoost là một bài toán quan trọng vì là quá trình nhận dạng đối tượng sẽ thiếu chính xác nếu như thiếu bước dò tìm và định vị được đối tượng. 2.1.1. Các vấn đề trong việc dò tìm khuôn mặt nhanh Bản thân việc dò tìm khuôn mặt trên ảnh đã có nhiều vấn đề như: o Biến đổi mặt phẳng ảnh (quay, hướng vv… của khuôn mặt) o Biến đổi độ sáng và ngữ cảnh o Biến đổi nền o Biến đổi hình dáng (các sắc thái khuôn mặt khác nhau) 2.1.2. Các hướng tiếp cận dò tìm khuôn mặt o Hướng dò tìm khuôn mặt trên ảnh màu dựa trên sự phân tích màu sắc của vùng da. Mặc dù việc xử lý khá nhanh nhưng hướng này có giới hạn chỉ xử lý trên ảnh màu và thường nhạy cảm với ảnh, thường chỉ sử dụng làm các bước tiền xử lý cho các hướng khác. o Hướng dò tìm khuôn mặt dựa trên đặc trưng chủ yếu dựa vào các đặc trưng của khuôn mặt người được quy định trước. Thành công nhất trong dò tìm khuôn mặt người trong thời gian thực là phương pháp ASM (Active shape Models). o Hướng dò tìm khuôn mặt dựa trên thông tin hình ảnh gồm mạng nơron nhân tạo, các hướng thống kê (SVM, AdaBoost…). Phương pháp SVM và mạng nơron nhân tạo cũng đạt được kết quả khá cao trong thời gian khá nhanh song cũng chỉ vài ảnh trong một giây nhưng với AdaBoost thì cho kết quả khả quan hơn. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 11 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người 2.1.3. Hướng tiếp cận theo phương pháp AdaBoost Trong đồ án tốt nghiệp này việc dò tìm khuôn mặt người theo phương pháp AdaBoost với các lý do sau: o Phương pháp AdaBoost dựa trên ý tưởng xây dựng các bộ dò tìm yếu, mặc dù độ chính xác không cao nhưng có thời gian xử lý rất nhanh. Tuy nhiên, khi kết hợp các bộ dò tìm lại có thể đạt độ chính xác cao. o Phương pháp AdaBoost sử dụng kết hợp các đặc trưng vốn dĩ tính toán rất nhanh, thích hợp cho việc dò tìm trong thời gian thực. 2.2. Phương pháp chọn đặc trưng cho AdaBoost Một phương pháp chọn đặc trưng thích hợp cho AdaBoost là phép biến đổi Haar-like. Haar feature là một loại đặc trưng thường được dùng cho bài toán nhận dạng trên ảnh. Haar feature được xây dựng từ các hình chữ nhật có kích thước bằng nhau, dùng để tính độ chênh lệch giữa các giá trị điểm ảnh trong các vùng kề nhau. Có ba tập hợp miền hình học chính như sau: 1. Đặc trưng cạnh (a) (b) (c) (d) 2. Đặc trưng đường (a) (b) (c) (d) (e) (f) (g) (h) 3. Đặc trưng tâm (a) (b) Hình 2- Các miền hình học đặc trưng Haar-like Giả sử miền đen là dương và miền trắng là miền âm thì đặc trưng Haar-like tính bằng tổng giá trị pixel của các ô đen trừ cho tổng giá trị pixel của các ô trắng. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 12 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người ảnh A. Feature x2 B. Feature y2 C. Feature x3 D. Feature x2-y2 Hình 3- Haar Feature cơ bản Trong hình 3.2a và 3.2b, giá trị của feature cho bởi 1 ảnh bằng hiệu số giữa tổng các điểm ảnh thuộc 2 vùng hình chữ nhật sáng và tối. Trong hình 3.2c thì giá trị feature bằng tổng các điểm ảnh trong hai vùng hình chữ nhật bên ngoài trừ cho tổng các điểm ảnh nằm trong hình chữ nhật ở giữa. Trong hình 3.2d, giá trị feature bằng tổng các điểm ảnh nằm trong vùng 2 hình chữ nhật mầu tối trừ cho tổng các điểm ảnh nằm trong 2 hình chữ nhật màu sáng. Haar-like được ưa thích vì các lý do sau: • Nó diễn đạt được tri thức về các đối tượng trong ảnh (bởi vì nó biểu diễn mối liên hệ giữa các bộ phận của đối tượng), điều mà bản thân từng điểm ảnh không diễn đạt được. • Nó phân loại mạnh trong việc xác định khuôn mặt người hay không phải khuôn mặt người. • Có hiệu quả khi dùng bảng tổng các vùng hoặc các kỹ thuật ảnh đầy đủ. SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 13 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Hình 4- Haar Feature cho mặt người Trong quá trình huấn luyện, số lượng xử lý trên các Haar Feature là rất lớn, việc tính tổng các điểm ảnh cho bởi từng feature làm cho thời gian xử lý tăng đáng kể. Để khắc phục điều này, Viola và Jones đã đưa ra khái niệm Integral Image để tính toán nhanh cho các feature cơ bản.  Integral image Cách tính nhanh phương pháp Haar-like dựa trên đạo hàm ảnh bậc nhất ii(x,y) của ảnh i(x,y). Đạo hàm ii(x,y) của ảnh i(x,y) chính là tổng giá trị các pixel tính từ góc trái trên đến (x,y): ii( x, y ) = ∑ ∑ i ( x' , y ') x '≤ x y '≤ y Hình 5- Ý nghĩa hình học của đạo hàm ảnh Việc tính toán đạo hàm ảnh được thực hiện rất nhanh bằng việc cộng tích lũy như sau: s (x, y ) = s (x, y − 1) + i ( x, y ) ii( x, y ) = ii ( x − 1, y ) + s ( x, y ) trong đó s ( x, y ) là tổng của cột x tính từ đầu dòng đến vị trí ( x, y ) . SVTH: Nguyễn Thị Hương Lý – 46TH1 –ĐH Nha Trang Trang 14 Đồ án tốt nghiệp: Xây dựng hệ thống nhận dạng mặt người Sau khi có được đạo hàm ảnh, ta chỉ việc tính giá trị một ô chữ nhật bằng cách như sau: chẳng hạn ta cần tính ô hình chữ nhật D thì ta có công thức sau Val (D ) = val ( ABCD ) − val ( AC ) − val ( AB ) + val (A) , do đó nếu tính theo tọa độ ( x, y ) ta có phương trình sau: sr = (ii ( x, y ) + ii( x − W , y − L )) − (ii ( x − W , y ) + ii ( x, y − L )) Hình 6 – Cách tính giá trị một ô đặc trưng Cuối cùng, việc tính các đặc trưng Haar-like chỉ còn là trừ giá trị tổng các ô chữ nhật được tính như trên. 2.3. Phương pháp AdaBoost (Adaptive Boost) 2.3.1. Tiếp cận Boosting Boosting là kỹ thuật dùng để tăng độ chính xác cho các thuật toán học (learning algorithm). Nguyên lý cơ bản của nó là kết hợp các bộ phân loại yếu (weak classifiers) thành một bộ phân loại mạnh (strong classifier). Trong đó, weak classifiers là các bộ phân loại đơn giản chỉ cần có độ chính xác trên 50%. Bằng cách này chúng ta nói bộ phân loại đã được “boost”. Ví dụ, xét một bài toán phân loại hai lớp (mẫu cần nhận dạng sẽ được phân vào 1 trong 2 lớp) với D là tập huấn luyện gồm có n mẫu. Trước tiên, chúng ta sẽ chọn ngẫu nhiên ra n1 mẫu từ tập D (n1 - Xem thêm -

Tài liệu liên quan