LỜI CẢM ƠN Em xin trân trọng cảm ơn thầy giáo, cô giáo Viện Công nghệ thông tin, trường Đại học Công nghệ thông tin truyền thông, Đại học Thái Nguyên nhiệt tình giảng dạy hết lòng giúp đỡ em trình học tập nghiên cứu đề tài Luận văn hoàn thành trường Đại học Công nghệ thông tin truyền thông hướng dẫn TS Vũ Duy Linh Em xin bày tỏ lòng kính trọng biết ơn sâu sắc tới thầy Em xin chân thành cảm ơn bạn đồng nghiệp phòng Khảo thí & Đảm bảo chất lượng trường Đại học Hải Phòng tạo điều kiện giúp đỡ trình hoàn thành luận văn Sự quan tâm, giúp đỡ gia đình bạn bè, đặc biệt lớp Cao học K9C trường Đại học Công nghệ thông tin truyền thông cổ vũ, động viên em suốt thời gian học tập thực đề tài Mặc dù có nhiều cố gắng song luận văn tránh khỏi thiếu sót, tác giả mong nhận đóng góp ý kiến thầy cô bạn Xin chân thành cảm ơn! Thái Nguyên, tháng 01 năm 2013 Tác giả Nguyễn Thị Hương LỜI CAM ĐOAN Tôi xin cam đoan luận văn “ Hệ thống xác định & đánh giá trạng thái mắt người ” tự tìm hiểu hoàn thành hướng dẫn thầy giáo TS Vũ Duy Linh MỤC LỤC MỞ ĐẦU CHƯƠNG I TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN XÁC ĐỊNH MẶT NGƯỜI TRONG ẢNH SỐ 1.1.Xử lý ảnh vấn đề xử lý ảnh 1.1.1.Xử lý ảnh gì? 1.1.2.Các vấn đề xử lý ảnh .10 1.2.Chuẩn sinh trắc học ( Biometric ) 13 1.2.1.Định nghĩa chuẩn sinh trắc học : 13 1.2.2.Ứng dụng chuẩn sinh trắc học .13 1.3.Bài toán xác định mặt người ảnh số .16 1.3.1.Giới thiệu toán xác định mặt người ảnh số 16 1.3.2.Định nghĩa toán xác định mặt người 16 1.3.3.Các phương pháp xác định mặt người 16 1.4.Ưu điểm việc xác định vị trí mắt 17 CHƯƠNG CÁC PHƯƠNG PHÁP XÁC ĐỊNH VỊ TRÍ MẮT NGƯỜI TRÊN KHUÔN MẶT 19 2.1.Xác định tọa độ mắt cách sử dụng so sánh mẫu .20 2.1.2.Những thuận lợi khó khăn xác định vị trí mắt sử dụng phương pháp so sánh mẫu 25 2.2.Xác định tọa độ mắt sử dụng phương pháp Moments .25 2.3.Xác định tọa độ mắt cách sử dụng phương pháp chiếu 32 2.4.Xác định tọa độ mắt sử dụng phương pháp Knowledge 45 CHƯƠNG XÂY DỰNG CHƯƠNG TRÌNH VÀ CÀI ĐẶT THỬ NGHIỆM .46 3.1.Giới thiệu Matlab 46 3.2.Thuật toán để phát vị trí mắt cho hình ảnh sắc nét 46 3.3.Mô tả CSDL dùng cho thực nghiệm 51 3.3.1.CSDL ORL 52 3.3.2.CSDL FERET .53 3.3.3.CSDL SIMILAR 54 3.3.4.CSDL BIOID 55 3.4.Phương pháp đánh giá độ xác: .55 3.5.Hệ thống đánh giá trạng thái mắt người 58 3.6.Cấu trúc hệ thống 61 KẾT LUẬN 65 TÀI LIỆU THAM KHẢO .66 DANH MỤC CÁC HÌNH VẼ, ẢNH CHỤP Số hiệu hình vẽ Tên hình vẽ Trang 1.1 1.2 Quá trình xử lý ảnh Các giai đoạn xử lý ảnh 1.3 Các điểm khuôn mặt 3 12 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 2.16 2.17 2.18 2.19 2.20 2.21 2.22 2.23 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 Kết xác định thông số khuôn mặt Tìm kiếm trung tâm mắt sử dụng phương pháp so sánh mẫu Các biến thể mẫu dùng xác định vị trí mắt Kết xác định vị trí vùng mắt Kết xác định vị trí mắt việc sử dụng mẫu b4 Trích chọn vùng mắt trái cách xử lý hai giai đoạn Xác định tọa độ trung tâm hình ảnh nhị phân Xác định tọa độ trung tâm dựa hai phương pháp Ảnh khuôn mặt, cho mà dự toán tọa độ mắt sai Ví dụ ước tính xác tọa độ mắt Sử dụng thành phần I2 để xác định trung tâm mắt Thủ tục xác định tọa độ mắt (biến thể "a") Chức hoạt nghiệm Kết xác định vị trí mắt sử dụng phương pháp chiếu Cửa sổ hàm W cho phiên khác phép quay đầu Hàm S F cho phiên khác cảu phép quay đầu Kết dùng phương pháp đơn gian hóa Một số kết xác định tọa độ mắt CSDL ỎL Mô hình khuôn mặt sử dụng để thử nghiệm Tính toán xác minh tọa độ mắt Kết tính toán mắt dòng vị trí nửa mặt Bám sát vị trí dòng mắt Vị trí dòng mắt nửa mặt Tính toán mắt phối hợp chuỗi video Sơ đồ khối phương pháp Kết thuật toán xác định vị trí mắt người Một số kết khác CSDL ORL Cơ sở liệu hình ảnh khuôn mặt FERE Mặt hình ảnh sở liệu tương tự Cơ sở liệu hình ảnh khuôn mặt BIOID Trung tâm phối hợp mắt mối quan hệ chúng Định vị trí mắt CSDL FERET 13 14 15 16 17 18 19 21 22 23 25 28 28 30 31 32 32 33 34 34 35 38 38 39 41 45 45 46 47 49 49 50 51 3.10 3.11 3.12 3.13 3.14 Xác định vị trí mắt CSDL BIOID Giai đoạn tỉnh táo ngủ ngủ Đánh giá hướng quay theo vị trí mắt người Hệ thống đánh giá trạng thái mắt người Một ví dụ việc đánh giá trạng thái mắt 51 53 55 57 58 MỞ ĐẦU Thông tin người thu nhận từ giới bên ngoài, đến 80% ghi nhận mắt tức dạng ảnh Vì xử lý ảnh ngành khoa học đã, phát triển mạnh có ứng dụng rộng rãi khoa học đời sống thực tiễn vẽ đồ, lĩnh vực quảng cáo, siêu thị, quân sự… Xác định mắt người khuôn mặt kỹ thuật máy tính để xác định vị trí kích thước mắt người ảnh (ảnh kỹ thuật số) Nhận dạng mắt người công việc sở chủ yếu cho việc chỉnh mặt người nhận dạng mặt người Việc nhận dạng mắt người đối mặt với nhiều thách thức khác hướng nhìn, biểu cảm xúc mặt người thay đổi điều kiện ánh sáng khác thay đổi Hệ thống nhận dạng làm việc theo chế so sánh ảnh mặt người đầu vào với ảnh mặt người lưu trữ CSDL(Face Recognition System) Công nghệ nhận dạng mặt người lĩnh vực phát triển nhanh hệ thống sinh trắc học Công nghệ sử dụng khuôn mặt để nhận dạng điểm đặc biệt thực việc nhận dạng mà không cần tương tác với người số công nghệ khác(vân tay, ngươi…) Ngày công nghệ nhận dạng mặt người đưa vào sử dụng nhiều lĩnh vực sống truy tìm tội phạm, đảm bảo an ninh, hộ chiếu điện tử… Biometric phương pháp nhận danh tánh người dựa Physiological hành vi đặc trưng,các tính đo mặt, dấu vân tay, bàn tay geometry, iris, retinal, giọng nói… biometric xác thực ngày sử dụng lĩnh vực ngân hàng, bán lẻ, quốc phòng, sản xuất, y tế ngành công nghiệp, chứng khoán, khu vực công, sân bay an ninh…Sự phát triển biometric sở sử dụng mặt người ngày lớn Xác định vị trí khuôn mặt điều kiện quan trọng hệ thống nhận dạng mặt người Hiệu suất làm việc hệ thống phụ thuộc vào việc xác định xác vị trí mặt người ảnh đầu vào việc xác định vị trí mặt người xây dựng sở liệu cho hệ thống Xác định xác vị trí mắt người giúp cho phương pháp xử lý ảnh mặt người dễ dàng Ví dụ sau xác định vị trí mắt người sử dụng để xác định đường đối xứng khuôn mặt, xây dựng model khuôn mặt, sử dụng toán đánh giá trạng thái mắt người, chuẩn hóa khuôn mặt theo chuẩn Sinh trắc học Đó lý mà em chọn đề tài “ Hệ thống xác định & đánh giá trạng thái mắt người ” Luận văn trình bày gồm có chương: • Chương Tổng quan xử lý ảnh toán xác định mặt người • Chương Các phương pháp xác định vị trị mắt người Gồm có : phương pháp Xác định tọa độ mắt sử dụng mẫu so sánh Xác định tọa độ mắt sử dụng phương pháp Moments Xác định tọa độ mắt sử dụng phương pháp chiếu Xác định tọa độ mắt sử dụng phương pháp Knowlegde • Chương Xây dựng chương trình cài đặt CHƯƠNG I TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN XÁC ĐỊNH MẶT NGƯỜI TRONG ẢNH SỐ 1.1 Xử lý ảnh vấn đề xử lý ảnh 1.1.1 Xử lý ảnh gì? Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận Ảnh Xử lý ảnh Ảnh “tốt hơn” Kết luận Hình 1.1 Quá trình xử lý ảnh Mục đích xử lý ảnh gồm: - Biến đổi ảnh, làm tăng chất lượng ảnh - Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá nội dung ảnh Nhận biết đánh giá nội dung ảnh để phân biệt đối tượng với đối tượng khác, từ ta mô tả ảnh ban đầu Có số phương pháp nhận dạng như: nhận dạng cạnh số đối tượng ảnh, tách cạnh, phân đoạn hình ảnh … Các kỹ thuật ứng dụng nhiều y học như: xử lý tế bào, nhiễm sắc thể; nhận dạng chữ viết văn bản… Thu nhận ảnh (Scanner, Camera, Senssor ) Tiền Trích chọn xử lý đặc điểm lylý Hậu xử lý Hệ định Lưu trữ Đối sánh rút kết luận 10 Hình 1.2: Các giai đoạn xử lý ảnh 1.1.2 Các vấn đề xử lý ảnh * Ảnh điểm ảnh: - Điểm ảnh xem dấu hiệu hay cường độ sáng tọa độ không gian đối tượng ảnh - Ảnh xem tập hợp điểm ảnh Ảnh biểu diễn mảng số thực hai chiều (Ii j) có kích thước (m x n), phần tử Ii j (i = 1…m; j = 1…n) biểu đồ mức xám ảnh vị trí (i, j) tương ứng Ảnh gọi ảnh nhị phân giá trị nhận * Mức xám: Mức xám kết mã hóa tương ứng cường độ sáng điểm ảnh với giá trị số - kết trình lượng hóa Cách mã hóa thường dùng 16, 32 hay 64 mức, mã hóa 256 mức phổ dụng * Đối tượng ảnh: Trong trình xử lý ảnh, ảnh thu nhận vào máy phải mã hóa, ảnh phải lưu trữ cho ứng dụng khác thao tác loại liệu Một số dạng ảnh chuẩn hóa như: GIF, BMP, PCX, ; kiểu lưu trữ ảnh có điểm riêng Tùy theo vùng giá trị xám điểm ảnh mà ảnh phân chia thành ảnh màu, ảnh xám, ảnh nhị phân Khi ảnh có giá trị ta nói ảnh nhị phân ảnh đen trắng điểm ảnh gọi điểm ảnh nhị phân Việc đếm điểm ảnh ảnh nhị phân qua biến đổi tạo điều kiện thuận lợi cho việc tách đặc tính Để tạo ảnh nhị phân từ ảnh đa cấp xám ta dùng phương pháp tách ngưỡng Các giá trị nằm ngưỡng gán giá trị bên ngưỡng gán giá trị - Kỹ thuật tách ngưỡng: Ngưỡng θ kỹ thuật tách ngưỡng thường cho người sử dụng Kỹ thuật tìm, tách ngưỡng tự động nhằm tìm 54 Obosnovaeiem sử dụng thí nghiệm thực đặc điểm động hình ảnh ban đầu vùng lãnh thổ người chúng, thường xuất điều kiện thực tế hệ thống FERET sở sử dụng thí nghiệm người quy định, đối xứng xác định thông số nhân trắc học hình ảnh khuôn mặt Một số hình ảnh sở liệu hiển thị hình 3.5 3.3.3 CSDL SIMILAR CSDL tương tự Cơ sở tương tự có chứa 61 hình ảnh màu sắc lớp Mỗi hình ảnh xây dựng thành phần phần trên, hình ảnh nhiều nguồn tập trung hoàn toàn toàn mặt Trong trường hợp này, hình ảnh giới tính khác diễn viên khác có thành phần (mắt, mũi, lông mày, miệng, ) công nhận phức tạp, so sánh tương phản Tính sở tương tự lý cho việc sử dụng thử nghiệm so với hình ảnh khuôn mặt thực thể tham số đánh giá so sánh họ Ví dụ hình ảnh sở liệu hiển thị hình 3.6 Hình 3.6 Mặt hình ảnh sở liệu tương tự 55 3.3.4 CSDL BIOID Dữ liệu thiết lập BIOID bao gồm 1521 hình ảnh màu xám (quy mô GRAY) kích thước 286 by 384 pixels Mỗi hình ảnh chân dung 23 chủ đề khác • Các hình ảnh định nghĩa hầu hết nội thất • Chiếu sáng khuôn mặt chụp ảnh không kiểm soát; • Các khu vực khuôn mặt nửa kích thước ảnh gốc không 1/4 kích thước hình ảnh ban đầu Hình ảnh sở liệu hiển thị hình 3.7 Hình 3.7 Cơ sở liệu hình ảnh khuôn mặt BIOID Obosnovaeiem sử dụng thí nghiệm thực là: khu vực hiệu suất loa lớn cá nhân diện động độ sáng, diễn giả thường xuyên lĩnh vực Cơ sở sử dụng thí nghiệm liên quan đến định nghĩa đường đối xứng định nghĩa tham số khác cá nhân 3.4 Phương pháp đánh giá độ xác: Đánh giá độ xác phương pháp (so sánh kết với kết sở liệu thống kê (BIOD ID) so sánh với kết tự xác định vị trí mắt) 56 Đánh giá tính xác trung tâm mắt Hình 3.8 cho thấy ví dụ so sánh mắt tọa độ nhận Hình 3.8 Trung tâm phối hợp mắt mối quan hệ chúng Ở đây: màu xanh điểm - vị trí xác mắt, đỏ - tọa độ mắt phát Các công thức gần để ước tính xác nội địa hóa trung tâm predstalvena mắt đây: ~ d eye = ~ | d (Cl , C l ) | + | d (Cr , C r ) | (4.3) , đó: - Tính toán giá trị tọa độ mắt trái phải; - Đúng giá trị tọa độ mắt trái mắt phải, Kết xác định ví trí mắt coi ≤ 3px (kích thước hình ảnh 320 x 240 pixel) Ví dụ việc tìm kiếm trung tâm mắt khuôn mặt cho FERET sở liệu chân dung hình ảnh sở liệu BioID hiển thị hình 3.9 hình 3.10 57 Hình 3.9 Định vị trí mắt CSDL FERET Hình 3.10 Xác định vị trí mắt CSDL BIOID Bảng Các kết thực nghiệm Cơ sở Số lượng hình ảnh kích thước Độ sai số Thời gian chúng chênh lệch (s) 58 SIMILAR 60 (240х320) 0.08 FERET 1000 (184x224) 0.06 BIOID 1300(286x384) 2.5 0.13 Như thấy từ kết quả, độ xác phụ thuộc vào chất lượng hình ảnh, việc thực kích thước chúng Sau áp dụng phương pháp xác định vị trí mắt người để xây dựng toán cụ thể : Hệ thống đánh giá trạng thái mắt người 3.5 Hệ thống đánh giá trạng thái mắt người Sự ý người hình thức trạng thái tinh thần thể chất mình.Vì vậy, tâm lý vật lý tình trạng người đánh giá độ tập trung tập trung vào gì, xem khuôn mặt người đó, đôi mắt vị trí đầu (quan điểm mình: nghiêng lên xuống "trên mặt", biến trái / phải tần số quay ) Bạn theo dõi trạng người (hoặc định hướng người đứng đầu), mắt lần xác "ra khỏi tập trung" người, người quan sát đường(các lái xe, người lái xe ) thiết bị kiểm soát (một phi công hãng hàng không nút chế độ chờ điều khiển từ xa) Trong hình 3.8 biểu diễn năm trạng thái người: Đôi mắt rộng mở, khuôn mặt đầy đủ Đôi mắt mở nửa (hoặc nửa đóng), người đầu hạ xuống, ước tính khởi đầu giai đoạn ngủ Nhắm mắt lại, người đàn ông "ngáp", ước tính trạng thái "nửa ngủ" Nhắm mắt đầu ông hạ thấp nữa, đánh chuẩn bị ngủ Nhắm mắt lại xuống - người ngủ 59 Hình 3.11 Giai đoạn tỉnh táo ngủ ngủ Trong ví dụ đơn giản này, thấy rằng: Đối với đánh giá xác người thực cần phải xem khuôn mặt người cho độ nghiêng đầu, sau mắt cuối cho đôi mắt Không phải nhiệm vụ đơn giản, xem xét khuôn mặt người xoay bên trái (bên phải) lên, xuống Ví dụ: lái xe nhìn vào gương Trong hình 3.11 cho thấy bốn tùy chọn chuyển đầu bạn đánh giá tình hình dòng mắt dòng đối xứng khuôn mặt Trong trường hợp này, vị trí dòng đối xứng khuôn mặt mức độ mà dòng mắt, "điểm bắt đầu" vấn đề xác định định hướng đầu đánh giá hướng ý Phân loại bệnh mắt Trong phương án, góc hiển thị hình 3,33, nhà nước quan trọng đặt tên ba số họ: đường mắt cao bình thường, dòng đối xứng bên trái bên phải vị trí trung bình Nếu điều kiện không thay đổi, thời gian lưu ý hẹn vượt giá trị thiết lập, cần thiết để kích hoạt "ALARM" Nhiệm vụ khó khăn trường hợp để xác định khu vực "nhắm mắt lại" tiểu bang nhắm mắt Khi đôi mắt mở, dòng mắt xác định nhất, mà không bảo đảm nhắm mắt Trong 60 trường hợp này, khó khăn không để xác định vị trí thực mắt, khó để phát khu vực mắt Để cải thiện tình trạng này, sử dụng ba phương pháp tiếp cận Việc dựa việc phân bổ khu vực bao gồm lông mày mắt Trong trường hợp này, kết điểm chuẩn luôn lông mày, mắt che Một số điểm ảnh không thuộc nền, tiêu chí việc phân loại nhà nước mắt Cách tiếp cận thứ hai dựa theo dõi kiểm soát mắt Trong trường hợp này, trình chuyển đổi từ tiểu bang khác qua giai đoạn "nhắm mắt" hay "mở mắt", dễ dàng để phát thay đổi số lượng điểm ảnh không Ví dụ, hình 3.9 cho thấy tám bang mắt trình chuyển đổi tiểu bang khác: từ "đôi mắt mở" để "nhắm mắt" Hình 3.11 Hai trạng thái mắt trình chuyển đổi chúng Phương pháp thứ ba dựa hai tiêu chuẩn riêng biệt mắt - tiêu chuẩn: "Đôi mắt mở" tiêu chuẩn "nhắm mắt" Trong trường hợp này, trạng mắt ước tính phân loại khoảng cách tối thiểu 61 khu vực mắt điểm chuẩn thích hợp Tại thời điểm này, tiến hành sau Chọn dải dọc theo đường mắt chiều rộng không nhỏ 1,5 lần kích thước tiêu chuẩn Đến lượt mình, kích thước tiêu chuẩn lựa chọn theo kích thước khu vực lựa chọn khuôn mặt bên Tiếp theo, sử dụng phương pháp "điểm chuẩn": quét lựa chọn mặt nạ kích thước mẫu so sánh lĩnh vực vỏ bọc điểm chuẩn Khoảng cách tối thiểu lĩnh vực vỏ bọc mô hình cho vị trí (hoặc trung tâm) mắt, tiêu chuẩn lớp học - cho biết tình trạng mắt Để đảm bảo phân loại ổn định cần thiết để tạo hai lớp học tiêu chuẩn mà bạn muốn thu thập phiên khác tiêu chuẩn đôi mắt mở / đóng Các lớp học tiêu chuẩn xem xét hình dạng mắt khác nhau, màu sắc khác trình bày Hình 3.12 Đánh giá hướng quay theo vị trí mắt người 3.6 Cấu trúc hệ thống Trong ánh sáng bên trên, số 3.13 cho thấy cấu trúc hệ thống, nhiệm vụ thực việc đánh giá ý người Khối bên 62 cấu trúc, thực dự toán chức sau điều kiện thuật toán tâm lý người: Tiếp nhận (theo dõi) ảnh gốc Phát khuôn mặt Đánh giá vị trí dòng dòng đối xứng mắt Đánh giá khuôn mặt góc (đầu) Phát dòng vùng mắt mắt Đánh giá mắt (mở / đóng) Phân tích trạng thái góc mắt Chuẩn bị báo động tin nhắn: - Thông báo: "nhắm mắt" - Thông báo: “Nhắm mắt giây!" - Thông báo: "nhắm mắt giây người ngủ!" - Tín hiệu: "CẢNH BÁO" 63 Hình 3.13 Hệ thống đánh giá trạng thái mắt người Hệ thống thực môi trường Matlab cách sử dụng máy ảnh web cài sẵn máy tính Kết hệ thống phân loại trạng mắt hiển thị hình 3.14 Nhiệm vụ đánh giá trạng thái tinh thần thể chất người giải việc xác định trạng thái "sự tỉnh táo" giấc ngủ người từ đôi mắt Đang hiển thị ứng dụng yêu cầu đánh giá điều kiện sống người Phương pháp tiếp cận để giải vấn đề này, đề xuất cấu trúc cho việc thực hệ thống, thuật toán hoạt động Hệ thống đề xuất làm việc phần thời gian thực thực giám sát góc khuôn mặt người nay, để 64 phân loại tình trạng mắt (mở / đóng), đếm thời gian cho Trong trường hợp nặng, hệ thống tạo báo động cảnh báo đặc biệt Hình 3.14 Một ví dụ việc đánh giá trạng thái mắt 65 KẾT LUẬN Qua thời gian tìm hiểu thực hiện, luận văn “ Hệ thống xác định đánh giá trạng thái mắt người “ đạt số kết sau : - Trình bày khái quát xử lý ảnh vấn đề xử lý ảnh - Luận văn đưa số phương pháp xác định vị trí mắt người mà sử dụng Tìm hiểu số thuật toán ưu nhược điểm thuật toán - Cài đặt thử nghiệm chương trình đánh giá trạng thái mắt người - Chương trình ứng dụng việc xác định trạng thái mắt người ( nhắm mắt hay mở mắt ) - Trong trường hợp mắt nhắm hay mở khó xác định - Phần mềm cần hoàn thiện Do thời gian có hạn khả nhiều hạn chế nên luận văn khó tránh sai sót, mong nhận góp ý thầy cố bạn bè để luận văn hoàn thiện * Hướng phát triển tương lai: - Hoàn thiện chương trình đánh giá trạng thái mắt - Xây dựng ứng dụng sở chương trình đánh giá trạng thái mắt người 66 TÀI LIỆU THAM KHẢO A Tiếng Việt [1] Đỗ Năng Toàn, Phạm Việt Bình (2008), Giáo trình xử lý ảnh, Nhà xuất Khoa học Kỹ thuật, 2008 [2] Lương Mạnh Bá, Nguyễn Thanh Thủy (2002), Nhập môn xử lý ảnh số, Nhà xuất Khoa học Kỹ thuật, 2002 [3] Vũ Duy Linh (2010), Phương pháp xác định đường đối xứng mặt người ảnh số, Tạp chí khoa học công nghệ, Đại học Đà Nẵng B Tiếng Anh [4] Cai, J., Goshtasby, A Detecting human faces in color images // Image and Vision Computing, 1999, 18(1), pp 63-75 [5] Кухарев Г А Биометрические системы: Методы и средства идентификации личности человека / СПб.: Политехника, 2001, 240с [6] Z Qian, D Xu ( 2010), Automatic eye detection using intensity filtering and K- means clustering // Pattern Recognition Letters 31 (2010) pp 1633–1640 [7] Z.Zhou, Z.Geng ( 2004), Projection functions for eye detection // Pattern Recognition , pp 1049–1056 [8] Lam, K., Yan, H.( 1996 ), Locating and extracting the eye in human face images // Pattern Recognition, pp 771–779 [9] D’Orazio, T., Leo, M., Cicirelli, G., Distante, A.(2004),An algorithm for real time eye detectionin face images, Pattern Recognition,pp 278–281 [10] Ekaterina Kamenskaya, Georgy Kukharev Recognition of psychological characteristics from face // Metody Informatyki Stosowanej, nr 2/2008, Poland, May 2008, pp 59-73, 67 C Internet [11] Face DB - Face data bases: http://www.face-rec.org/databases [12] ORL DB - The ORL database of faces: www.uk.research.att.com/pub/data/att_faces.zip [13] F94 DB - Collection of Facial Images (faces94 , faces95 , faces96 , grimace): http://cswww.essex.ac.uk/mv/allfaces/index.html [14] YaleB - The YaleB - Data base http://cvc.yale.edu/projects/yalefacesB/yalefacesB.html [15] BioID DB - The BioID Face Database http://www.bioid.com/research/index.html [16] FERET - FERET database: http://www.nist.gov/humanid/feret/feret_master.html [17] http://buyer.com.vn/forums/showthread.php/1461-He-thongsinh-trac-hoc 68 ... CSDL BIOID Giai đoạn tỉnh táo ngủ ngủ Đánh giá hướng quay theo vị trí mắt người Hệ thống đánh giá trạng thái mắt người Một ví dụ việc đánh giá trạng thái mắt 51 53 55 57 58 MỞ ĐẦU Thông tin người... khuôn mặt, sử dụng toán đánh giá trạng thái mắt người, chuẩn hóa khuôn mặt theo chuẩn Sinh trắc học Đó lý mà em chọn đề tài “ Hệ thống xác định & đánh giá trạng thái mắt người ” Luận văn trình... liên quan tới việc xác định vị trí mắt người: Xác định trạng thái mắt nhắm hay mở (hệ thống đặt ô tô để kiểm soát lái xe, hay hệ thống kiểm tra bảo vệ ngủ quan quan trọng, xác định hướng nhìn khuôn