Tài liệu Luận văn:Nhận dạng ảnh mặt người trong điều kiện ánh sáng thay đổi pptx

đại học quốc gia hà nội khoa công nghệ Vũ Đình Hoàng Nhận dạng ảnh mặt ngời trong điều kiện ánh sáng thay đổi Ngành: Công nghệ thông tin Cán bộ hớng dẫn: TS. Hà Quang Thụy TS. Nguyễn Thanh Tùng Hà nội 2002 1 Mục lục lời nói đầu 3 chơng 1. Tổng quan về nhận dạng ảnh mặt ngời 5 1.1 Bài toán nhận dạng ảnh mặt ngời 5 1.1.1 Bài toán và các yêu cầu nhận dạng 5 1.1.2 Giải quyết bài toán từ quan điểm của lý thuyết nhận dạng 8 1.2 giải quyết vấn đề trong bài toán nhận dạng ảnh mặt ngời 9 1.2.1 Thu nhận dữ liệu 10 1.2.2 Biểu diễn đối tợng 12 1.2.3 Lập luận kết quả 14 1.3 hệ thống kỹ thuật nhận dạng ảnh mặt ngời 14 1.3.1 Qui trình công nghệ xử lý thông tin 15 1.3.2 Các vấn đề trong triển khai thực tế 16 1.3.3 Các ứng dụng điển hình 17 chơng 2. nhận dạng ảnh mặt ngời trong điều kiện ánh sáng thay đổi 19 2.1 Phân tích các yếu tố ảnh hởng đến quá trình nhận dạng 19 2.1.1 ánh sáng 19 2.1.2 Các thay đổi hình học 19 2.1.3 Sai số do hệ thống 20 2.2 Các kỹ thuật giải quyết 20 2.2.1 Đa các thông tin về điều kiện môi tr ờng vào mô tả đối tợng 20 2.2.2 Cách giải quyết dựa trên kỹ thuật khoảng cách tiếp xúc 24 2.2.3 Kết hợp các cách biểu diễn đối tợng khác nhau 26 Chơng 3. thuật toán nhận dạng trong điều kiện ánh sáng thay đổi 32 3.1 Thuật toán so sánh khuôn mẫu dựa theo khoảng cách tiếp xúc 32 3.2 Thuật toán so sánh điểm đặc trng dựa theo khoảng cách tiếp xúc 35 3.3 Kết hợp hai thuật toán so sánh trên 37 2 KÕt luËn 39 Tµi liÖu tham kh¶o 40 3 lời nói đầu Nhận dạng mặt ngời bằng mắt là một phơng thức thông dụng rất hiệu quả và đạt độ chính xác cao ngay cả trong trờng hợp có các thay đổi lớn bởi các tác nhân kích thích trực quan do các điều kiện quan sát, diễn cảm, lão hóa và các tiêu khiển nh kính hoặc các thay đổi kiểu tóc. Tuy nhiên việc xây dựng các hệ thống tự động thực hiện nhiệm vụ nhận dạng này thông qua ảnh là rất khó khăn vì gặp phải các biến đổi quan trọng trong quá trình định dạng ảnh. Dới đây là một số bài toán có liên quan tới nhận dạng mặt ngời: - Phát hiện đờng biên của mặt ngời trong một ảnh chụp toàn cảnh nào đó (tách ảnh mặt ngời), - Xác định ngời qua ảnh đã đợc tách nhờ đối sánh ảnh với ảnh của một tập hợp ngời đã đợc quản lý nào đó (định danh ảnh), - Phân tích các diễn cảm của mặt để biết đợc tình trạng của ngời trong ảnh tại thời điểm chụp ảnh Nhận dạng mặt ngời tự động là một công việc khó khăn bởi vì khả năng thay đổi vốn có của quá trình định dạng ảnh trong giới hạn về chất lợng ảnh và trắc quang, hình học, che lấp, thay đổi, và cải trang. Ngày nay tất cả các hệ thống nhận dạng mặt tự động đang sử dụng chỉ có thể thực hiện trên các cở sở dữ liệu ảnh hạn chế trong giới hạn về cỡ, tuổi, giới tính, và/hoặc chủng tộc và tuy nhiên, nhận dạng mặt tự động đợc thừa nhận là tốt trong các môi trờng đợc điều khiển. Khoá luận "Nhận dạng mặt ngời trong điều kiện ánh sáng thay đổi" có nội dung khảo sát một số phơng pháp và kỹ thuật trong lĩnh vực nhận dạng ảnh, đợc chia thành ba chơng: Chơng 1 "Tổng quan về nhận dạng ảnh mặt ngời" trình bày một cách tổng quan về các nhiệm vụ của hệ thống nhận dạng mặt: Mô tả bài toán, cách giải quyết bài toán theo quan điểm của lý thuyết nhận dạng và các hệ thống triển khai thực tế. Nội dung của ch ơng đợc chia làm 3 phần. Phần thứ nhất mô tả bài toán nhận dạng ảnh mặt ngời, trình bày các điều kiện bài toán, các yêu cầu nhận dạng và giải quyết bài toán theo quan điểm của nhận dạng. Phần thứ hai giải quyết các vấn đề trong bài toán nhận dạng, đa ra các quy trình mà một hệ thống nhận dạng tuân theo. Phần thứ ba mô tả hệ thống kỹ thuật trong bài toán nhận dạng ảnh mặt ngời, trình bày các quy trình xử lý thông tin, các vấn đề triển khai thực tế và các ứng dụng điển hình. Chơng 2 "Phân tích các yếu tố ảnh hởng đến quá trình nhận dạng và các cách tiếp cận để giải quyết bài toán." trình bày các yếu tố ảnh hởng đến nhận dạng ảnh và hai cách 4 tiếp cận nhằm giải quyết bài toán. Khóa luận xem xét cách tiếp cận dựa trên khuôn mẫu, cách tiếp cận dựa trên điểm đặc trng và kết hợp cả hai cách tiếp cận này để thu đợc kết quả tốt nhất. Chơng 3 "Một số thuật toán giải quyết bài toán dựa trên hai cách tiếp cận nhận dạng ảnh mặt". Chơng này trình bày các thuật toán nhận dạng một ảnh dựa trên thuật toán khoảng cách tiếp xúc. Phần kết luận nêu tóm tắt lại nội dung chính đợc đề cập đến trong khóa luận, một số kết quả và khiếm khuyết của khóa luận và định ra phơng hớng nghiên cứu tiếp theo. Phần tài liệu tham khảo trình bày các tài liệu nghiên cứu gần đây của một số tác giả nớc ngoài. Mỗi tài liệu đều nêu đợc khía cạnh nào đó của nội dung đang nghiên cứu. Do thời gian và trình độ còn hạn chế, việc triển khai thuật toán nhận dạng ảnh mặt ngời trong các điều kiện thay đổi của ánh sáng còn ở mức độ nhất định và cha đợc cài đặt trong thực tế. Hy vọng rằng nếu thời gian và củng cố thêm sự hiểu biết tôi sẽ tiến hành nghiên cứu sâu hơn về vấn đề này. 5 chơng 1. Tổng quan về nhận dạng ảnh mặt ngời Công nghệ nhận dạng ảnh đợc ứng dụng trong nhiều miền ứng dụng khác nhau và tác động đến nhiều khía cạnh của đời sống con ngời: - Trong công nghiệp: Nhận dạng ảnh mặt ngời tự động đợc áp dụng cho các hệ thống bảo mật nh kiểm soát truy cập truyền thông trạm làm việc, truy cập ngân hàng. - Trong chính phủ: Hệ thống nhận dạng mặt ngời tự động đợc dùng trong kiểm soát xuất nhập cảnh, kiểm soát vùng biên giới và bảo mật an ninh sân bay, hải cảng. Nhận dạng ảnh mặt ngời tự động có thể hỗ trợ cho việc xác định tội phạm đối với mục đích của pháp lý và các kỹ thuật chống khủng bố. - Trong y học: Nhận dạng mặt ngời tự động có thể hữu ích trong việc nghiên cứu hệ thống thần kinh, sự phản ứng tâm lý của bệnh nhân. Để xây dựng một hệ thống nhận dạng mặt ngời tự động, trớc hết cần xem xét các khái niệm và bài toán liên quan trong hệ thống nói trên. 1.1 Bài toán nhận dạng ảnh mặt ngời Trong bài toán nhận dạng ảnh mặt ngời cần quan tâm đến các yếu tố ngoại cảnh tác động đến quá trình và quan tâm đến các cách tiếp cận để giải quyết bài toán nhận dạng sao cho hệ thống nhận dạng là bền vững với các yếu tố tác động đến quá trình nhận dạng. Trớc hết một số khái niệm đợc giải thích nh dới đây: - ảnh mặt ngời: Một ảnh chụp mặt của một ngời nào đó đang có trong hệ thống, - Lớp ảnh mặt ngời: Do ảnh chụp mặt ngời phụ thuộc vào điều kiện ngoại cảnh và nội tâm của ngời đó khi chụp ảnh nên với mỗi một ngời, hệ thống cần có một tập hợp ảnh mặt của cùng một ngời đó song thể hiện đ ợc nhiều trạng thái khác nhau. Chúng ta gọi tập hợp đó là tập ảnh mẫu của ngời đó. Khi nói đến một lớp ảnh mặt ngời là nói đến tập ảnh mẫu của cùng một ngời. 1.1.1 bài toán và các yêu cầu nhận dạng Bài toán nhận dạng ảnh mặt ngời có thể đợc phát biểu nh sau: Cho trớc một tập hữu hạn (nhóm ngời), danh tính và các thông tin tùy thân có thể đợc biết trớc, x là ảnh mặt ngời cần nhận dạng thì bài toán thực hiện theo các nhiệm vụ nh sau: - Xác định danh tính của ngời trong ảnh khi đã biết ngời đó thuộc vào nhóm ngời đã biết. Đây chính là bài toán phân loại N lớp. - Xác định xem ngời trong ảnh thuộc vào nhóm ngời cho trớc hay không. 6 - Giả thiết rằng ngời trong ảnh là một ngời thuộc nhóm ngời biết trớc, cần kiểm tra xem giả thiết đó có đúng không. - Nhận dạng đầy đủ tức là trớc tiên ta xem ngời trong ảnh có thuộc nhóm ngời cho trớc hay không, sau đó xác định xem ảnh đó là của ngời nào trong nhóm. Trớc hết cần làm rõ khái niệm ảnh đợc quản lý trong hệ thống nhận dạng ảnh. Hệ thống quản lý ảnh quan tâm tới hai yếu tố sau đây: - Đặc trng ảnh của đối tợng đợc quản lý. Theo lý thuyết nhận dạng ảnh, mỗi một loại ảnh đối tợng có một số đặc trng nào đó chẳng hạn nh nhận dạng mặt ngời thì có các loại đặc trng hiểu mặt: trái xoan, chữ điền, tỷ lệ khoảng cách hai mắt hoặc nhận dạng chữ cái là số thành phần liên thông viết nên chữ cái đó Các đặc trng này đợc phân thành hai loại: các đại lợng bất biến (không bị thay đổi trong mọi thao tác với ảnh) và các đặc trng khác. Gọi n 1 là số các đặc trng thuộc loại này. - Yếu tố tác động của môi trờng vào ảnh khi chụp. ảnh chụp của một đối tợng phụ thuộc vào môi trờng chụp ảnh (ánh sáng, góc chụp ) vì vậy để nhận dạng ảnh cần tính đến tác động của môi trờng đối với ảnh chụp. Các ảnh hởng môi trờng mạnh nhất đó là ánh sáng, góc chụp (yếu tố hình học) Để hệ thống nhận dạng ảnh hoạt động tốt cần biểu diễn đợc sự tác động nói trên tới ảnh. Giải pháp đầu tiên đợc nghĩ đến là cần nắm bắt đợc "toàn bộ" các điều kiện môi trờng là không thể thực thi đợc vì khả năng vô hạn về tác động của môi trờng đối với ảnh chụp. Một hệ thống rất khó thực hiện tốt nếu nh không gian hoạt động là quá lớn (đa quá nhiều ảnh hởng môi trờng) hoặc quá bé (đa quá ít điều kiện môi trờng). Điều đó buộc chúng ta phải tạo ra một không gian đủ để hệ thống có thể hoạt động. Vì vậy, con ngời thờng chọn ra những đặc trng cơ bản nhất của môi trờng tác động vào ảnh chụp với miền giá trị hạn chế để tập hợp ảnh nắm bắt là nằm trong thực thi các hệ thống nhận dạng ảnh. Gọi n 2 là số các đặc trng của môi trờng tác động vào ảnh chụp. Kết hợp một đối tợng cùng với một điều kiện môi trờng cụ thể thì tạo ra một ảnh của một đối tợng đợc thể hiện thông qua một vector n = n 1 + n 2 thành phần, chẳng hạn ảnh x đợc biểu diễn thông qua một vector (x 1 , x 2 , , x n ). Tập hợp các vector biểu diễn ảnh nói trên đợc gọi là không gian ảnh. x Hình 1.1 Mô tả không gian biểu diễn ảnh 7 Hình 1 mô tả không gian biểu diễn ảnh và vị trị một đối tợng trong không gian đó. Đối tợng quan sát là đối tợng x bao gồm các hớng biểu hiện các đặc điểm của đối tợng x. Nếu đối tợng x càng nhiều đặc điểm thì số chiều của không gian trên càng tăng. Ta gọi số chiều của không gian là d thì không gian đợc biểu diễn S d (không gian S có d chiều). Đến đây x đợc coi là một đối tợng của S d (x S d ). Đối với bài toán nhận dạng, đối tợng nhận dạng là kết quả của một quá trình quan sát. Cụ thể trong bài toán nhận dạng này, hệ thống đợc thực hiện qua các quá trình nh: thu giữ ảnh, biểu diễn ảnh và cuối cùng là lập luận ảnh đã biểu diễn để thu đợc kết quả mong muốn. Bài toán nhận dạng đợc trình bày nh sau: - x S d : là một vector d-chiều thể hiện kết quả quan sát đợc các số đo từ một quá trình hay một đối tợng đang nghiên cứu nào đó. - C ={C 1 C n }: tập hợp hữu hạn tên đợc gán cho các quá trình hay đối tợng nghiên cứu và các tập C i (i=1 n) đợc gọi là các lớp. - g(x): S d {C 1 C n }: thuật toán nhận dạng là hàm xác định phép ánh xạ từ không gian S d sang tập hợp C. Mục tiêu của bài toán nhận dạng sử dụng hàm g(x) để xác định một kết quả quan sát đợc x S d có thuộc về lớp C i C hay không. Để thực hiện đợc nhiệm vụ này đòi hỏi phải có thuật toán tốt nhất nào đó và thuật toán đợc xác định bằng cách tối thiểu hàm xác suất nhận dạng sai tức là P[g(x) # C i ] min. Nh vậy ta nhận thấy bài toán nhận dạng bao gồm các vấn đề cần đợc giải quyết sau đây: - Thu đợc kết quả quan sát. - Xác định không gian S d biểu diễn đối tợng. - Xác định thuật toán nhận dạng tốt nhất. Thông thờng từng đối tợng nhận dạng cho phép chúng ta xác định đợc không gian S d sao cho các đại diện của đối tợng này khác so với các đại diện của đối tợng khác. Tuy nhiên trong bài toán nhận dạng ảnh mặt ngời rất khó có thể biểu diễn đợc đối tợng tại vì các đại diện thu đợc trong các điều kiện khác nhau đối với mặt của một ngời nh: độ tuổi làm biến đổi sắc thái mặt, ánh sáng tác động, diễn cảm của mặt, góc chụp ảnh mặt, tóc, kính và các yếu tố khác có thể ảnh hởng đến sự trích ra các mẫu. Các ảnh thu đợc còn phải trải qua các quá trình biến đổi nh sự quay, sự co dãn và các dịch chuyển. Các yếu tố tác động trên không dễ dàng chuẩn hóa để đa vào không gian biểu diễn mà trong đó sự mô tả các lớp là tách biệt. 8 Các nhiệm vụ trong nhận dạng ảnh mặt ngời đợc minh họa nh hình sau: Trong các hình minh hoạ trên cho thấy không gian biểu diễn ảnh đợc phân chia thành các vùng khác nhau, mỗi vùng biểu diễn một đối tợng nhận dạng. Các đờng kẻ trên không gian biểu diễn ảnh cho ta đợc các luật phân loại ảnh. Quan sát ảnh ta thấy ảnh biểu diễn 3 ngời khác nhau và mối ngời ứng với một ký hiệu khác nhau. Hình trên cho biết một hệ thống nhận dạng ảnh phải thực hiện đợc đầy đủ các vấn đề đặt ra trong quá trình nhận dạng. 1.1.2 Giải quyết bài toán từ quan điểm của lý thuyết nhận dạng Phân lớp không gian biểu diễn ảnh Bài toán này là một bài toán phân loại N lớp tơng ứng với tập các lớp đã có: C 1 C N trong đó C i là một lớp ảnh nào đó và tất cả các lớp đó đều đợc mô hình hóa. Lớp đợc giải quyết bởi biểu diễn dữ liệu của từng lớp và ứng dụng một trong nhiều kỹ thuật phân loại mẫu. Khả năng xảy ra sai số phân loại một mặt x đợc giảm tới mức tối thiểu bởi việc gán nó tới lớp C k với xác suất hậu nghiệm P(C k x) lớn nhất, trong đó )( )()( )( xp CPCxp xCP kk k = (1) p(x) là mật độ tuyệt đối, p(x C k ) là mật độ xác suất phụ thuộc lớp và P(C k ) là xác suất tiên nghiệm đối với lớp C k . Vì p(x) là giống nhau đối với mọi lớp nên nó không đợc định giá để làm tăng xác suất hậu nghiệm. Do đó, một cách tiếp cận tới nhiệm vụ phân loại là mô hình hóa các mật độ xác suất phụ thuộc lớp p(x C k ). Hình 1.2 Chia không gian ảnh thành các vùng khác nhau, các vùng biểu hiện của 3 n g ời khác nhau và biểu hi ệ n của mỗi m ộ t ảnh tơn g ứn g với m ộ t nhi ệ m v ụ trên. 9 Xác minh danh tính của một ngời cho trớc theo nghĩa là kiểm tra xem ngời đó có thuộc một lớp ảnh mặt ngời đã biết hay không Sự xác minh này có thể đợc xem xét nh một bài toán phân loại 2 lớp. Giả sử đã có hai lớp C 0 và C 1 tơng ứng với các trờng hợp danh tính đó là đúng hoặc là sai. Để làm tăng xác suất hậu nghiệm, x sẽ đợc gán cho C o nếu và chỉ nếu )( )()( )( 0 11 0 CP CPCxp CxP > (2) trong đó mật độ p(x C 1 ) miêu tả sự phân tán các mặt ngời khác so với danh ttính đợc yêu cầu. Xác định ngời trong ảnh có thuộc nhóm ngời cho trớc hay không Đối với bài toán này có hai cách giải quyết đó là: Cách thứ nhất : Giải quyết nh một bài toán phân loại 2 lớp C 0 và C 1 với lớp C 0 đại diện cho một tập tất cả các lớp trong nhóm còn C 1 đại diện cho không gian không chứa lớp nào trong nhóm đó (tập còn lại). Tất cả các lớp đợc cụm lại đợc gọi là lớp C 0 và xác định đối tợng nhận dạng có thuộc trong lớp C 0 này hay không, ngợc lại thì đối tợng nằm trong lớp C 1 . Cách thứ hai : Một cách tiếp cận khác bao gồm việc xây dựng một trình xác định danh tính đối với mỗi một ngời trong S. Nhiệm vụ này đợc thực hiện bởi việc đa ra N sự xác minh danh tính tơng ứng với N lần kiểm tra đối tợng x có thuộc một lớp nào đó hay không. Nếu không thuộc vào lớp nào thì kết luận không xác định đợc ngời đó, ngợc lại thì xác minh đợc ảnh đó. Sự nhận dạng đầy đủ Nhiệm vụ này phải thực hiện đầy đủ các nhiệm vụ ở trên, trớc tiên phải phân định đợc các danh tính của đối tợng nhận dạng (phân loại các lớp) và sau đó xác định xem đối tợng đó là thuộc về lớp nào trong các lớp thu đợc. Nhiệm vụ này đợc thực hiện bởi sự liên kết N trình xác minh danh tính, tơng tự nh cách tiếp cận xác định đối tợng là thuộc về lớp nào trong nhóm S. 1.2 giải quyết vấn đề trong bài toán nhận dạng ảnh mặt ngời Các vấn đề quan trọng trong nhận dạng ảnh mặt ngời đợc thể hiện nh sau: Sự thu nhận (Acquisition): đâu là các nhân tố quan trọng trong cách thu thập thông tin mặt ngời? [...]... dữ liệu ảnh, trong đó các ảnh biến đổi theo các điều kiện của ánh sáng: Hình 1.6 Biểu diễn các ảnh theo các điều kiện thay đổi của ánh sáng 18 chơng 2 nhận dạng ảnh mặt ngời trong điều kiện ánh sáng thay đổi Chơng hai này phân tích các yếu tố ảnh hởng đến quá trình nhận dạng và các cách tiếp cận để giải quyết các yếu tố ảnh hởng đó 1.4 Phân tích các yếu tố ảnh hởng đến quá trình nhận dạng Bất cứ một... thống nhận dạng bền vững với các điều kiện thay đổi của ánh sáng Xác định đợc ảnh cần tìm có trong cơ sở dữ liệu hay không và nếu có thì ảnh đó là ảnh của ai 31 Chơng 3 thuật toán nhận dạng trong điều kiện ánh sáng thay đổi Hệ thống nhận dạng mặt tự động phụ thuộc vào các yếu tố tác động của ngoại cảnh do đó đòi hỏi phải làm phù hợp đợc các yếu tố trên Điều kiện môi trờng, các biểu hiện của bề mặt là các... nhận dạng tự động thu đợc K mặt tốt nhất và kỹ thuật so sánh điểm đặc trng cho ta xác định đợc chính xác một mặt trong K mặt tốt nhất đó Do đó, để hệ thống nhận dạng mặt bền vững với các điều kiện thay đổi của ánh sáng ta kết hợp hai thuật toán trên để làm thoả mãn đợc các điều kiện thay đổi của ánh sáng Thuật toán so sánh khuôn mẫu cho kết quả bền vững với các điều kiện thay đổi 30 của môi trờng tác... các điều kiện thay đổi của môi trờng Từ một cơ sở dữ liệu đã thu thập và một ảnh của đối tợng cần nhận dạng Kỹ thuật so sánh dựa trên khuôn mẫu cho ta thu đợc K mặt tốt nhất có trong cơ sở dữ liệu bằng cách so ảnh cần nhận dạng với các mẫu ảnh trong cơ sở dữ liệu ảnh Kết quả của kỹ thuật này là thu đợc một nhóm các mặt tốt nhất, mỗi mặt tốt nhất thu đợc từ một lớp mẫu mặt tơng ứng có trong cơ sở dữ liệu. .. ứng với điều kiện môi trờng Kết quả của việc so sánh này cho ta nhận ra đợc các yếu tố nào của môi trờng đã tác động đến ảnh Việc phát sinh các mẫu mặt tơng ứng với các điều kiện của ánh sáng đợc thực hiện trong quá trình đăng ký mặt mẫu và quá trình phát sinh các mặt nhân tạo nh sau: * Phát sinh các mẫu mặt tơng ứng với các điều kiện thay đổi của ánh sáng Trong quá trình phát sinh các mẫu mặt, hiện... lớp ảnh mặt mẫu khác và thu đợc K mặt tốt nhất tơng ứng với K lớp ảnh mặt mẫu có trong cơ sở dữ liệu K mặt tốt nhất này đợc sử dụng trong thuật toán so sánh một ảnh mặt cần nhận dạng với các mặt tốt nhất thu đợc từ thuật toán so sánh dựa trên khuôn mẫu 3.2 Thuật toán so sánh điểm đặc trng dựa theo khoảng cách tiếp xúc Kỹ thuật so sánh dựa trên điểm đặc trng nhằm ánh giá một mặt cần nhận dạng với K mặt. .. thì đó là cặp ảnh cần tìm Thuật toán có thể đợc mô tả trong hình sau: Lớp ảnh mẫu fi1 So sánh fi2 fi3 ảnh cần nhận dạng x So sánh Kết quả fij ảnh thu đợc sau khi so sánh fi(N-1) fiN Hình 3.2 Mô phỏng cách so sánh một ảnh mặt cần nhận dạng với nhóm các mẫu mặt Hình này biểu diễn việc so sánh một mặt cần nhận dạng với một tập các ảnh mặt mẫu dựa vào khoảng cách nhỏ nhất giữa các cặp so sánh và cuối cùng... cuối cùng thu đợc một ảnh tốt nhất trong lớp ảnh mặt mẫu đó Thủ tục này đợc phát triển đệ quy cho tất cả các lớp ảnh mặt mẫu trong cơ sở dữ liệu và kết quả của việc đệ quy này là một tập các mẫu ảnh mặt tốt nhất ứng với mỗi một lớp Thủ tục so sánh một ảnh mặt cần nhận dạng với một lớp các ảnh mẫu: Giả sử số ảnh mẫu có trong một lớp là N, x là ảnh cần nhận dạng, p là một lớp có N ảnh mẫu và đợc biểu diễn... so sánh các mẫu con của ảnh đợc tốt hơn Kỹ thuật dựa trên khuôn mẫu so sánh từng mẫu con với nhau của hai ảnh bất kỳ do đó nó không chịu ảnh hởng của bất kỳ điều kiện ngoại cảnh nào tác động đến hệ thống nhận dạng nh là các thay đổi của ánh sáng, các thay đổi diễn cảm của bề mặt Trong các mẫu con giá trị xám của mỗi điểm ảnh đợc định giá là giá trị nhỏ nhất của cửa sổ có kích thớc 5x5 trong mẫu ảnh. .. trình nhận dạng ảnh mặt ngời tự động có thể đợc chia thành hai nhiệm vụ chính: - Tìm một mặt hoặc các mặt trong một ảnh nền và - Sự nhận dạng các đặc điểm của mặt Nhiệm vụ thứ nhất: tìm một mặt trong một ảnh giống nh là việc đăng ký mặt hoặc việc xác định vị trí của mặt Nhiệm vụ này phụ thuộc vào các nhân tố sau: + Điều khiển màu sắc và ảnh nền + Các ảnh màu hoặc đơn màu và các ảnh tĩnh hoặc các ảnh video . kiện của ánh sáng: Hình 1.6. Biểu diễn các ảnh theo các điều kiện thay đổi của ánh sáng 19 chơng 2. nhận dạng ảnh mặt ngời trong điều kiện ánh sáng. nhận dạng ảnh mặt ngời trong điều kiện ánh sáng thay đổi 19 2.1 Phân tích các yếu tố ảnh hởng đến quá trình nhận dạng 19 2.1.1 ánh sáng 19 2.1.2 Các thay