BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG - ISO 9001:2008 ĐỒ ÁN TỐT NGHIỆP NGÀNH: CÔNG NGHỆ THÔNG TIN HẢI PHÒNG - 2013 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG TÌM HIỂU ĐẶC TRƢNG LÕM 3D VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƢỜI TRONG ẢNH ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY NGÀNH: CÔNG NGHỆ THÔNG TIN Sinh viên thực Giáo viên hướng dẫn Mã số sinh viên : Nguyễn Thị Thơm : PGS TS Đỗ Năng Toàn : 1351010031 HẢI PHÒNG - 2013 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng MỤC LỤC MỤC LỤC DANH MỤC HÌNH VẼ LỜI CẢM ƠN LỜI MỞ ĐẦU CHƢƠNG KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƢỜI .6 1.1 Khái quát xử lý ảnh 1.1.1 Một số khái niệm 1.1.2 Một số vấn đề xử lý ảnh 1.1.2.1 Các hệ thống xử lý ảnh 1.1.2.2 Các hình thái ảnh 1.1.3 Một số ứng dụng xử lý ảnh .9 1.2 Bài toán nhận dạng mặt người 1.2.1 Bài toán nhận dạng mặt người 1.2.2 Những khó khăn nhận dạng khuôn mặt .10 1.2.3 Tầm quan trọng toán nhận diện mặt người 11 1.2.4.Các ứng dụng đặc trưng toán nhận diện mặt người 12 1.2.5.Xây dựng hệ thống nhận diện mặt người đặc trưng 13 1.2.6 Một số phương pháp nhận diện mặt người .13 1.2.6.1 Dựa tri thức 14 1.2.6.2 Hướng tiếp cận dựa đặc trưng không thay đổi .15 1.2.6.3 Hướng tiếp cận dựa so khớp mẫu .18 1.2.6.4 Hướng tiếp cận dựa diện mạo .19 1.3 Pháp phát mặt người dựa đặc trưng lõm 20 CHƢƠNG : TÌM HIỂU VỀ CÁC ĐẶC TRƢNG KHUÔN MẶT 21 2.1 Đặc trưng lõm 21 2.2.Rút trích đặc trưng lõm .21 Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 2.2.1.Điểm lõm 21 2.2.2 Dò tìm lấy vùng lõm 22 2.2.3.Dò phát vùng lõm nhiều mức khác 24 2.2.3.1.Tối ưu tốc độ dò tìm 25 2.2.4.Phát mặt người 27 2.2.4.1.Xây dựng cấu trúc lõm 27 2.2.4.2.Xây dựng hàm tính độ tương đồng hai .29 2.2.4.2.1 Độ tương đồng hai nút 30 2.2.4.2.2 Không gian khoảng cách hai .32 2.3.1 Gán nhãn 32 2.3.2 Thống kê 33 2.3.3 Đánh giá dùng cho phát khuôn mặt 34 2.3.4 Hậu xử lí 35 CHƢƠNG CHƢƠNG TRÌNH THỬ NGHIỆM .36 3.1.Bài toán 36 3.2.Phân tích thiết kế .36 3.3.Một số kết chương trình 36 3.3.1 Tập ảnh thử nghiệm 36 3.3.2 Kết chương trình 37 3.3.3 Kết thực nghiệm 41 PHẦN KẾT LUẬN 43 TÀI LIỆU THAM KHẢO 44 Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng DANH MỤC HÌNH VẼ Hình 1.1 Quá trình xử lý ảnh Hình 1.2 Các bước hệ thống xử lý ảnh Hình 1.3 Nền ảnh phức tạp Hinh 1.4 Hệ thống nhận diện mặt người đặc trưng Hình 1.5 Kết cấu khuôn mặt Hinh 1.6 Màu sắc da mặt Hình 2.1.Dò tìm thông tin lõm Hình 2.2 Dò tìm vùng lõm ảnh Hình 2.3 Tập lọc Hình 2.4 Dò tìm vùng lõm nhiều mức khác Hình 2.5 Ảnh tích phân Hình 2.6 Tính tổng độ sáng cho hình chữ nhật R(l,t,r,b) Hình 2.7 Tạo cấp bậc Hình 2.8 Một rút trích từ khuôn mặt Hình 2.9 Vị trí vùng tương đối nút Hình 2.10 Cách tính vecto đại diện độ sáng cho nút Hình 2.11 Cây rút trích thông tin nút Hình 2.12 Mô hình phát khuôn mặt Hình 3.1 Các ảnh thử nghiệm Hình 3.2 Giao diện chương trình Hình 3.3 Giao diện phát khuôn mặt Hình 3.4 Phát khuôn mặt Hình 3.5 Phát khuôn mặt Hình 3.6 Chỉ phát khuôn mặt Hình 3.7 Không phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng LỜI CẢM ƠN Trước tiên em xin bày tỏ trân trọng lòng biết ơn thầy giáo PGS.TS Đỗ Năng Toàn giảng viên – Viện Khoa Công nghệ thông tin Trong suốt thời gian học làm đồ án tốt nghiệp, thầy dành nhiều thời gian quý báu để tận tình bảo, hướng dẫn, định hướng cho em thực đồ án Em xin cảm ơn thầy cô giáo Trường Đại học Dân lập Hải phòng giảng dạy trình học tập, thực hành, làm tập, giúp em hiểu thấu đáo nội dung học tập hạn chế cần khắc phục việc học tập, nghiên cứu thực đồ án Em xin cảm ơn bạn bè thành viên gia đình tạo điều kiện tốt nhất, động viên, cổ vũ suốt trình học tập đồ án tốt nghiệp Hải Phòng, ngày tháng năm 2013 Sinh viên Nguyễn Thị Thơm Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng LỜI MỞ ĐẦU Công nghệ thông tin ngày phát triển có vai trò quan trọng thiếu sống đại Con người ngày tạo cỗ máy thông minh có khả tự nhận biết xử lí công việc cách tự động, phục vụ cho lợi ích người Trong năm gần đây, toán nhận nhiều quan tâm tốn nhiều công sức lĩnh vực công nghệ thông tin, toán nhận dạng Tuy xuất chưa lâu quan tâm tính ứng dụng thực tế toán phức tạp nó.Bài toán nhận dạng có nhiều lĩnh vực như: nhận dạng vất chất(nước, lửa, đất, đá, gỗ ) nhận dạng chữ viết, nhận dạng giọng nói, nhận dang hình dáng, nhận dạng khuôn mặt phổ biến ứng dụng nhiều toán nhận diện khuôn mặt.Để nhận dạng khuôn mặt, bước để nhận dạng phát khuôn mặt, điều thực quan trọng khó khăn Cho đến tận bây giờ, nhà nghiên cứu chưa đạt ưng ý việc giải khó khăn toán cho kết hoàn toàn Tuy nhiên, đạt đủ để áp dụng rộng rãi đem lại lợi ích to lớn sống.Với hấp dẫn toán thách thức phía trước, với niềm đam mê công nghệ đại ứng dụng thực tế tuyệt với nó, với khát khao khám phá chinh phục chi thức mẻ chọn đề tài nghiên cứu: TÌM HIỂU ĐẶC TRƯNG LÕM 3D VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƯỜI TRONG ẢNH làm để tài nghiên cứu bảo vệ luận văn tốt nghiệp đại học Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng CHƢƠNG KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƢỜI 1.1 Khái quát xử lý ảnh 1.1.1 Một số khái niệm Xử lý ảnh mảng quan trọng kỹ thuật thị giác máy tính, tiền đề cho nhiều nghiên cứu thuộc lĩnh vực Hai nhiệm vụ trình xử lý ảnh nâng cao chất lượng thông tin hình ảnh xử lý số liệu cung cấp cho trình khác có việc ứng dụng thị giác vào điều khiển Quá trình việc thu nhận ảnh nguồn (từ thiết bị thu nhậnảnh dạng số tương tự) gửi đến máy tính Dữ liệu ảnh lưu trữ định dạng phù hợp với trình xử lý Người lập trình tác động thuật toán tương ứng lên liệu ảnh nhằm thay đổi cấu trúc ảnh phù hơp với ứng dụng khác Quá trình xử lý nhận dạng ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “đã xử lý” kết luận Ảnh xử lý Ảnh Xử lý ảnh Kết luận Hình 1.1 Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng không gian xem hàm n biến P(c,c1,c2,…).Do đó,ảnh xử lý ảnh xem ảnh n chiều Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng * Sơ đồ tổng quát hệ thống xử lý ảnh: Hệ định Thu nhận ảnh Tiền xử lý Trích trọn đặc điểm Đối sánh rút Hậu xử lý kết luận Lưu trữ Hình 1.2 Các bước hệ thống xử lý ảnh 1.1.2 Một số vấn đề xử lý ảnh 1.1.2.1 Các hệ thống xử lý ảnh a Tiền xử lý Tiền xử lý giai đoạn xử lý ảnh số Tuỳ thuộc vào trình xử lý giai đoạn thực công đoạn khác như: nâng cấp, khôi phục ảnh, nắn chỉnh hình học, khử nhiễu v.v b Trích chọn đặc điểm Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng trình xử lý ảnh Trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính toán cao dung lượng nhớ lưu trữ giảm c Đối sánh, nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, khuôn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu đó.Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: Thu nhận liệu tiền xử lý Biểu diễn liệu Nhận dạng, định Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng Bốn cách tiếp cận khác lý thuyết nhận dạng là: Đối sánh mẫu dựa đặc trưng trích chọn Phân loại thống kê Đối sánh cấu trúc Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ưu” cần sử dụng lúc nhiều phương pháp cách tiếp cận khác Do vậy, phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp 1.1.2.2 Các hình thái ảnh a.Chuyển ảnh màu thành ảnh xám Đơn vị tế bào ảnh số pixel Tùy theo định dạng ảnh màu hay ảnh xám mà pixel có thông số khác Đối với ảnh màu pixel mang thông tin ba màu tạo màu khả kiến Đỏ (R), Xanh (G) Xanh biển (B) [Thomas 1892] Trong pixel ảnh màu, ba màu R, G B bố trí sát có cường độ sáng khác Thông thường, màu biểu diễn tám bit tương ứng 256 mức độ màu khác Như pixel có 28x3=224 màu (khoảng 16.78 triệu màu) Đối với ảnh xám, thông thường pixel mang thông tin 256 mức xám (tương ứng với tám bit) ảnh xám hoàn toàn tái đầy đủ cấu trúc ảnh màu tương ứng thông qua tám mặt phẳng bit theo độ xám b.Lược đồ xám ảnh (Histogram) Lược đồ xám ảnh số có mức xám khoảng [0,L−1] hàm rời rạc p(rk)=nk/n Trong nk số pixel có mức xám thứ rk, n tổng số pixel ảnh k=0,1,2 L−1 Do P(rk) cho xấp xỉ xác suất xảy mức xám rk Vẽ hàm với tất giá trị k biểu diễn khái quát xuất mức xám ảnh Chúng ta thề lược đồ mức xám ảnh thông qua tần suất xuất mức xám qua hệ tọa độ vuông góc xOy Trong đó, trục hoành biểu diễn số mức xám từ đến N (số bit ảnh xám) Trục tung biểu diễn số pixel mức xám Nguyễn Thị Thơm - Lớp CT1301 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 2.2.4.2.1 Độ tƣơng đồng hai nút Để xây dựng hàm tính độ tương đồng hai trước hết ta cần xây dựng hàm tính độ tương đồng hai nút hai Với điều kiện hai nút thuộc hai khác mức i Đặt N1 N2 hai nút cấp hai T1 T2 Khi N1 N2 có thuộc tính sau: (2.10) Trong đó: 0)00)) t ∈{ridge, valley} : loại nút (lõm) s = {square, horizontal rectangle, vertical rectangle} (vuông,hình chữ nhật ngang, hình chữ nhật đứng) hình dạng nút (2.3) p ∈ [0 12] : vị trí tương đối nút nút cha i ∈ (a1,a2, ,an) : vector chứa thông tin độ sáng nút Trong n thay đổi tùy theo cấp nút Ở mức i cao, kích thước vùng lõm tương ứng với nút lớn, số chiều n vector cao (2.3) Dựa thuộc tính node định nghĩa công thức 3.9, ta xây dựng công thức tính độ tương đồng nút sau: (2.11) Trong công thức (2.11), , , thông số thực ngiệm, hàm E(x,y) dùng để xét giống thuộc tính định nghĩa sau: (2.3) (2.12) Bên cạnh ký hiệu EV(x,y) hàm tính độ tương đồng vector (2.3) (2.3) chuẩn hóa đoạn [0,1] Trong x y hai vector độ sáng có n chiều (a1,a2, an) (2.13) (2.3) Nguyễn Thị Thơm - Lớp CT1301 (2.3) 30 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng Do thành phần vector độ sáng có giá trị độ sáng (ai ∈[0,255]) nên dễ dàng chứng minh EV(x,y) ∈[0,1] EV(x,y) đạt giá trị lớn hai vector x y trùng Và EV(x,y) đạt giá trị nhỏ hai vector có khoảng cách Euclid xa Và từ ta dễ dàng suy giá trị NS (N1, N ) ∈[0,1] với cặp nút N1 N2 Độ tương đồng hai : Trên sở hàm tính độ tương đồng hai nút, ta xây dựng lên hàm tính độ tương đồng hai Gọi T1 T2 hai cần tính độ tương đồng T1 T2 có thuộc tính sau: T1,T2 ∈Tree = {(r, n, c1, c2 , ,cn )} (2.14) Trong đó: r : nút gốc r ∈ Node (2.3) n : số nhánh n ∈ N ci : (nhánh) thứ i ci ∈ Tree i ∈ [1 n] ci nút là khác Từ công thức (2.13), ta xây dựng công thức tính độ tương đồng sau: (2.3) (2.15) Trong thông số thực nghiệm Các thông số thực nghiệm (2.3)1, công thức (2.10) 1, (2.14) thảo luận chi tiết phần thực nghiệm nhằm chọn thông số thực nghiệm tốt Theo công thức (2.15) ta dễ dàng nhận thấy TS (T1,T2 ) ∈[0,1] với cặp T1 T2 Giá trị hàm lớn, hai giống nhiều (2.3) Ngoài ra, phần thử nghiệm có thử nghiệm đặc trưng lồi lõm mà không sử dụng đến thông tin độ sáng Khi công thức(2.10) tính độ tương đồng hai nút đơn giản hóa sau: (2.16) 31 Nguyễn Thị Thơm - Lớp CT1301 (2.3) Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 2.2.4.2.2 Không gian khoảng cách hai Trong số trường hợp, hàm tính độ tương đồng hai không đủ để tính toán số trường hợp Để đưa toán không gian, ta xây dựng “không gian cây” (tree-space), không gian sở toán phát nhận dạng khuôn mặt sau Trong không gian này, xem điểm không gian Trên sở ta xây dựng hàm tính khoảng cách hai sau: (2.17) Dễ dàng nhận thấy, khoảng cách hai giá trị thuộc đoạn [0,1] Và khoảng cách tiến dần không hai giống (2.3) Trên cở sở công thức tính độ tương đồng, khoảng cách này, ta xây dựng mô hình thống kê để dò tìm phát khuôn mặt Mô hình dùng cho nhận dạng khuôn mặt mở rộng cho toán phân loại đối tượng Phần mô hình trình bày chương sau Các phần thảo luận khả mở rộng mô hình cho toán nhận dạng khuôn mặt phân loại đối tượng (2.3) trình chương kết luận hướng phát triển 2.3 Phát mặt ngƣời ảnh dựa đặc trƣng lõm 2.3.1 Gán nhãn Từ tập ảnh học, ta dùng phương pháp trình bày chương để rút trích lõm ảnh Các gán nhãn thủ công Mỗi gán nhãn mặt (face) hay khuôn mặt (non-face) Như vậy, từ tập ảnh học ta rút trích hai tập Tập biểu diễn khuôn mặt tập biểu diễn đối tượng khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 32 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 2.3.2 Thống kê Mục đích bước xấp xỉ cấu trúc khuôn mặt Trong bước gán nhãn, tiến hành rút trích gán nhãn Kết thu số lượng thuộc lớp “khuôn mặt” Các dùng làm liệu học thống kê Mô hình thống kê sử dụng sau: Đặt S(Tx) tổng khoảng cách Tx đến tất lại tập học (2.18) Ta có tập học trở thành (2.3) (2.19) Trong FaceSet tập gán nhãn “khuôn mặt” Việc học (2.3) thống kê theo mô hình đơn giản Trước tiên, chọn tập (2.3) Training k có giá trị S(T) bé k đại diện tiêu biểu cho lớp khuôn mặt Từ kết k rút trích được, tạm gọi tập chuẩn, ta dùng (2.3) chúng để phát khuôn mặt theo mô sau: Hình 2.12 Mô hình phát khuôn mặt Trong mô hình này, trước tiên từ ảnh đầu vào ta dùng phương pháp rút trích lõm ta nhận danh sách lõm Ứng với ta dựa vào tập Nguyễn Thị Thơm - Lớp CT1301 33 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng chuẩn để kiểm tra xem liệu có phải biểu diễn “khuôn mặt” hay không Nếu thỏa điều kiện đánh giá trở thành ứng viên khuôn mặt Trong bước cuối cùng, hậu xử lý, ứng viên kiểm tra ràng buộc Và sau khử trùng lắp khuôn mặt có số có phần nút gốc chồng lên 2.3.3 Đánh giá dùng cho phát khuôn mặt Dựa tập chuẩn, đánh giá có khả khuôn mặt hay không dựa trung bình khoảng cách xét đến tất tập chuẩn (2.20) Trong đó: D(t) : trung bình khoảng cách t đến tập chuẩn (2.3) t: xét Ti: tập k chuẩn Căn vào giá trị D , t đánh giá ứng viên mặt hay không dựa theo (2.3) công thức sau: (2.21) Ngưỡng ngưỡng thực nghiệm, ngưỡng lấy khoảng 0.2 đến 0.4 Ngoài cách tính trung bình khoảng cách, ta đánh giá ứng viên thông qua (2.3) việc tính trung bình độ tương đồng ứng viên với tập chuẩn (2.22) (2.3) Trong đó: (2.3) S (t) : trung bình độ tương đồng t so với tập chuẩn t: xét Ti: tập k chuẩn Tương tự trường hợp trên, giá trị S (t) dùng để đánh(2.3) xem t có khả khuôn mặt hay không Nguyễn Thị Thơm - Lớp CT1301 34 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng (2.23) Dễ thấy ngưỡng số gần với một, nói ≅ 1- Ngưỡng lấy khoảnh từ 0.6 đến 0.8 Tuy nhiên, chất hai cách (2.3)này hoàn toàn giống 2.3.4 Hậu xử lí Các kết thu cho thấy có vùng khuôn mặt phát có phần chồng lắp lên Có thể phát nhiều ứng viên đánh (2.3) giá “khuôn mặt”, thật chúng chồng lắp nhiều lên vị trí khuôn mặt Vì vậy, cần thuật toán tốt để giảm phát ứng viên trùng Trước hết ta sử dụng đánh giá đơn giản để liên kết vùng trùng lấp Nếu hai ứng viên khuôn mặt có vùng diện tích bị chồng lắp lên phần ba diện tích nó, chúng xem mặt trùng liên kết lại thành vùng lớn Vùng điện tích xem xét vùng diện tích nút gốc ứng viên Sau gom nhóm vùng, thu hay nhiều vùng chứa khuôn mặt Tuy nhiên, sai số kích thước kích thước khuôn mặt, nên có vùng khuôn mặt phát lớn khuôn mặt thực tế Áp dụng tiếp kỹ thuật xác định vùng lõm với mức nhỏ nhằm để phát xác vùng ta áp dụng thuật toán dò tìm đặc trưng lõm vùng bao khuôn mặt, sau liên kết vùng lõm loại lại với Vùng khuôn mặt thật vùng liên thông lớn Với cách vậy, thu nhỏ, xác định xác vị trí khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 35 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng CHƢƠNG CHƢƠNG TRÌNH THỬ NGHIỆM 3.1.Bài toán - Nội dung : Tìm hiểu đặc trưng lõm 3D toán phát mặt người ảnh + Đầu vào : Ảnh có chứa mặt người + Đầu : Ảnh vào có thêm khoanh vùng mặt phát 3.2.Phân tích thiết kế Bài toán :Tìm hiểu đặc trưng lõm 3D Bài toán phát mặt người ảnh chương trình thực open CV Phát mặt người ảnh có nhiều ứng dụng sống, nhiên, khóa luận này, xây dựng chương trình nhỏ để minh họa cho lý thuyết Cụ thể chương trình phát mặt người ảnh viết visual C# Microsoft, sử dụng thư viện mã nguồn mở OpenCV Intel Dựa thư viện Luxand để thực chương trình: Phát hiện, đánh dấu lọc vùng khuôn mặt 3.3.Một số kết chƣơng trình 3.3.1 Tập ảnh thử nghiệm Hình 3.1 Các ảnh thử nghiệm Nguyễn Thị Thơm - Lớp CT1301 36 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 3.3.2 Kết chƣơng trình Hình 3.2 Giao diện chương trình Hình 3.3 Giao diện phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 37 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng Hình 3.4 Phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 38 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng Hình 3.5 Phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 39 Đồ án tốt nghiệp Nguyễn Thị Thơm - Lớp CT1301 Trường ĐH Dân Lập Hải Phòng 40 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng 3.3.3 Kết thực nghiệm Tập ảnh thử nghiệm Kết Đúng Sai Tỉ lệ xác ảnh đầu vào 20 17 85 % Hình 3.6 Chỉ phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 41 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng Hình 3.7 Không phát khuôn mặt Nguyễn Thị Thơm - Lớp CT1301 42 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng PHẦN KẾT LUẬN Qua luận văn này, đóng góp hướng tiếp cận cho toán phát khuôn mặt Bên cạnh đó, hứa hẹn việc mở loại đặc trưng phát triển cho xác định vị trí thành phần khuôn mặt mắt, mũi, miệng, v.v… Ngoài phát triển rộng để trở thành toán nhận dạng khuôn mặt Tôi tìm hiểu toán phát mặt người dựa đặc trưng lõm 3D để nhận dạng khuôn mặt xác định ứng dụng đặc trưng toán phát mặt người Từ ta xây dựng hệ thống nhận diện người Chương trình phát mặt người ảnh nhân dạng khuôn mặt chi tiết khuôn mặt Nhằm đưa ứng dụng thực tế sống đại: Phân tích cảm xúc khuôn mặt người Tổ chức tìm kiếm liên quan đến người thông qua khuôn mặt nhiều hệ sở liệu lớn Điều khiển vào quan, văn phòng Hệ thống quan sát, theo dõi bảo vệ Giải trí Nhận dạng tội phạm Hệ thống giao tiếp thông minh người máy Nguyễn Thị Thơm - Lớp CT1301 43 Đồ án tốt nghiệp Trường ĐH Dân Lập Hải Phòng TÀI LIỆU THAM KHẢO [A] Tài liệu Tiếng Anh [1] Ming-Hsuan Yang, David J Kriegman, Narendra Ahuja, “Detecting Faces in Images: A Survey”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 24, No 1, pp 34-47, Jan 2002 [2] T Kanade, “Picture Processing Computer Complex and Recognition of Human Faces”, PhD thesis, Kyoto Univ., 1973 [3] G Yang, T S Huang, “Human Face Detection in Complex Background”, Pattern Recognition, Vol 27, No 1, pp 53-63, 1994 [4] C Kotropoulos, I Pitas, “Rule-based Face Detection in Frontal Views”, Proc Int’l Conf Acoustics, Speech and Signal Processing, Vol 4, pp 2637-2540, 1997 [5] T K Leung, M.C Burl, P Perona, “Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching”, Proc 5th IEEE Conf Computer Vision (ICCV’95), pp 637-644, 1995 [6] K C Yow, R Cipolla, “Feature-Based Human Face Detection”, Image and Vision Computing, Vol 15, No 9, pp 713-735, 1997 [7] I Craw, D Tock, A Bennett, “Finding Face Features”, Proc 2nd European Conf Computer Vision (ECCV’92), Vol 2, pp 92-96, 1992 [8] A Lanitis, C J Taylor, T F Cootes, “An Automatic Face Identification System Using Flexible Appearance Models”, Image and Vision Computing, Vol 13, No 5, pp 393-401, 1995 [B] Tài liệu Tiếng Việt [9] PGS.TS Đỗ Năng Toàn, TS Phạm Việt Bình, “Giáo trình Xử Lý Ảnh”, Đại học Thái Nguyên, 2007 [10] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phúc Doãn, “Tổng quan phương pháp xác định khuôn mặt người”, Tạp chí Công nghệ thông tin & Truyền thông, 2007 [11] Luxand FaceSDK 4.0, Trial Version, Luxand.Inc, 2011 http://www.luxand.com Nguyễn Thị Thơm - Lớp CT1301 44