Nhận dạng ảnh mặt người trong điều kiện ánh sáng thay đổi

đại học quốc gia hà nội khoa công nghệ Vũ Đình Hoàng Nhận dạng ảnh mặt ngời điều kiện ánh sáng thay đổi Ngành: Công nghệ thông tin Cán bé h−íng dÉn: TS Hµ Quang Thơy TS Ngun Thanh Tïng Hµ néi 2002 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mục lục lời nói đầu .3 chơng Tổng quan nhận dạng ảnh mặt ngời 1.1 Bài toán nhận dạng ảnh mặt ngời 1.1.1 Bài toán yêu cầu nhận d¹ng 1.1.2 Giải toán từ quan điểm lý thuyết nhận dạng 1.2 giải vấn đề toán nhận dạng ảnh mặt ng−êi 1.2.1 Thu nhËn d÷ liƯu .10 1.2.2 Biểu diễn đối tợng 12 1.2.3 LËp luËn kÕt qu¶ .14 1.3 hƯ thèng kü tht nhËn d¹ng ¶nh mỈt ng−êi 14 1.3.1 Qui trình công nghệ xử lý thông tin 15 1.3.2 Các vấn đề triÓn khai thùc tÕ 16 1.3.3 Các ứng dụng điển hình 17 chơng nhận dạng ảnh mặt ngời điều kiện ánh sáng thay đổi 19 2.1 Phân tích yếu tố ảnh hởng đến trình nhận dạng .19 2.1.1 ánh sáng 19 2.1.2 Các thay đổi hình học .19 2.1.3 Sai sè hÖ thèng .20 2.2 Çc kü thuËt gi¶i quyÕt 20 2.2.1 Đa thông tin điều kiện môi trờng vào mô tả đối tợng 20 2.2.2 Cách giải dựa kỹ thuật khoảng cách tiếp xúc 24 2.2.3 Kết hợp cách biểu diễn đối tợng khác .26 Chơng thuật toán nhận dạng điều kiện ánh sáng thay đổi 32 3.1 ThuËt to¸n so s¸nh khuôn mẫu dựa theo khoảng cách tiếp xúc 32 3.2 ThuËt to¸n so s¸nh điểm đặc trng dựa theo khoảng cách tiếp xúc 35 3.3 KÕt hỵp hai thuật toán so sánh 37 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com KÕt luËn 39 Tµi liƯu tham kh¶o .40 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com lời nói đầu Nhận dạng mặt ngời mắt phơng thức thông dụng hiệu đạt độ xác cao trờng hợp có thay đổi lớn tác nhân kích thích trực quan điều kiện quan sát, diễn cảm, lÃo hóa tiêu khiển nh kính thay đổi kiểu tóc Tuy nhiên việc xây dựng hệ thống tự động thực nhiệm vụ nhận dạng thông qua ảnh khó khăn gặp phải biến đổi quan trọng trình định dạng ảnh Dới số toán có liên quan tới nhận dạng mặt ngời: - Phát đờng biên mặt ngời ảnh chụp toàn cảnh (tách ảnh mặt ngời), - Xác định ngời qua ảnh đÃ đợc tách nhờ đối sánh ảnh với ảnh tập hợp ngời đÃ đợc quản lý (định danh ảnh), - Phân tích diễn cảm mặt để biết đợc tình trạng ngời ảnh thời điểm chụp ảnh Nhận dạng mặt ngời tự động công việc khó khăn khả thay đổi vốn có trình định dạng ảnh giới hạn chất lợng ảnh trắc quang, hình học, che lấp, thay đổi, cải trang Ngày tất hệ thống nhận dạng mặt tự động sử dụng thực cở sở liệu ảnh hạn chế giới hạn cỡ, tuổi, giới tính, và/hoặc chủng tộc nhiên, nhận dạng mặt tự động đợc thừa nhận tốt môi trờng đợc điều khiển Khoá luận "Nhận dạng mặt ngời điều kiện ánh sáng thay đổi" có nội dung khảo sát số phơng pháp kỹ thuật lĩnh vực nhận dạng ảnh, đợc chia thành ba chơng: Chơng "Tổng quan nhận dạng ảnh mặt ngời" trình bày cách tổng quan nhiệm vụ hệ thống nhận dạng mặt: Mô tả toán, cách giải toán theo quan điểm lý thuyết nhận dạng hệ thống triển khai thực tế Nội dung chơng đợc chia làm phần Phần thứ mô tả toán nhận dạng ảnh mặt ngời, trình bày điều kiện toán, yêu cầu nhận dạng giải toán theo quan điểm nhận dạng Phần thứ hai giải vấn đề toán nhận dạng, đa quy trình mà hệ thống nhận dạng tuân theo Phần thứ ba mô tả hệ thống kỹ thuật toán nhận dạng ảnh mặt ngời, trình bày quy trình xử lý thông tin, vấn đề triển khai thực tế ứng dụng điển hình Chơng "Phân tích yếu tố ảnh hởng đến trình nhận dạng cách tiếp cận để giải toán." trình bày yếu tố ảnh hởng đến nhận dạng ảnh hai çch LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com tiếp cận nhằm giải toán Khóa luận xem xét cách tiếp cận dựa khuôn mẫu, cách tiếp cận dựa điểm đặc trng kết hợp hai cách tiếp cận để thu đợc kết tốt Chơng "Một số thuật toán giải toán dựa hai cách tiếp cận nhận dạng ảnh mặt" Chơng trình bày thuật toán nhận dạng ảnh dựa thuật toán khoảng cách tiếp xúc Phần kết luận nêu tóm tắt lại nội dung đợc đề cập đến khóa luận, số kết khiếm khuyết khóa luận định phơng hớng nghiên cứu Phần tài liệu tham khảo trình bày tài liệu nghiên cứu gần số tác giả nớc Mỗi tài liệu nêu đợc khía cạnh nội dung nghiên cứu Do thời gian trình độ hạn chế, việc triển khai thuật toán nhận dạng ảnh mặt ngời điều kiện thay đổi ánh sáng mức độ định cha đợc cài đặt thực tế Hy vọng thời gian củng cố thêm hiểu biết tiến hành nghiên cứu sâu vấn đề nµy LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com chơng Tổng quan nhận dạng ảnh mặt ngời Công nghệ nhận dạng ảnh đợc ứng dụng nhiều miền ứng dụng khác tác động đến nhiều khía cạnh đời sống ngời: - Trong công nghiệp: Nhận dạng ảnh mặt ngời tự động đợc áp dụng cho hệ thống bảo mật nh kiểm soát truy cập truyền thông trạm làm việc, truy cập ngân hàng - Trong phủ: Hệ thống nhận dạng mặt ngời tự động đợc dùng kiểm soát xuất nhập cảnh, kiểm soát vùng biên giới bảo mật an ninh sân bay, hải cảng Nhận dạng ảnh mặt ngời tự động hỗ trợ cho việc xác định tội phạm mục đích pháp lý çc kü tht chèng khđng bè - Trong y häc: Nhận dạng mặt ngời tự động hữu ích việc nghiên cứu hệ thống thần kinh, phản ứng tâm lý bệnh nhân Để xây dựng hệ thống nhận dạng mặt ngời tự động, trớc hết cần xem xét khái niệm toán liên quan hệ thống nói 1.1 Bài toán nhận dạng ảnh mặt ngời Trong toán nhận dạng ảnh mặt ngời cần quan tâm đến yếu tố ngoại cảnh tác động đến trình quan tâm đến cách tiếp cận để giải toán nhận dạng cho hệ thống nhận dạng bền vững với yếu tố tác động đến trình nhận dạng Trớc hết số khái niệm đợc giải thích nh dới đây: - ảnh mặt ngời: Một ảnh chụp mặt ngời có hệ thống, - Lớp ảnh mặt ngời: Do ảnh chụp mặt ngời phụ thuộc vào điều kiện ngoại cảnh nội tâm ngời chụp ảnh nên với ngời, hệ thống cần có tập hợp ảnh mặt ngời song thể đợc nhiều trạng thái khác Chúng ta gọi tập hợp tập ảnh mẫu ngời Khi nói đến lớp ảnh mặt ngời nói đến tập ảnh mẫu ngời 1.1.1 toán yêu cầu nhận dạng Bài toán nhận dạng ảnh mặt ngời đợc phát biểu nh sau: Cho trớc tập hữu hạn (nhóm ngời), danh tính thông tin tùy thân đợc biết trớc, x ảnh mặt ngời cần nhận dạng to¸n thùc hiƯn theo çc nhiƯm vơ nh− sau: - Xác định danh tính ngời ảnh đÃ biết ngời thuộc vào nhóm ngời đÃ biết Đây toán phân loại N lớp - Xác định xem ngời ảnh thuộc vào nhóm ngời cho tr−íc hay kh«ng LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - Giả thiết ngời ảnh mét ng−êi thc nhãm ng−êi biÕt tr−íc, cÇn kiĨm tra xem giả thiết có không - Nhận dạng đầy đủ tức trớc tiên ta xem ngời ¶nh cã thc nhãm ng−êi cho tr−íc hay kh«ng, sau xác định xem ảnh ngời nhóm Trớc hết cần làm rõ khái niệm ảnh đợc quản lý hệ thống nhận dạng ảnh Hệ thống quản lý ảnh quan tâm tới hai yếu tố sau đây: - Đặc trng ảnh đối tợng đợc quản lý Theo lý thuyết nhận dạng ảnh, loại ảnh đối tợng có số đặc trng chẳng hạn nh nhận dạng mặt ngời có loại đặc trng hiểu mặt: trái xoan, chữ điền, tỷ lệ khoảng cách hai mắt nhận dạng chữ số thành phần liên thông viết nên chữ Các đặc trng đợc phân thành hai loại: đại lợng bất biến (không bị thay đổi thao tác với ảnh) đặc trng khác Gọi n1 số đặc trng thuộc loại - Yếu tố tác động môi trờng vào ảnh chụp ảnh chụp đối tợng phụ thuộc vào môi trờng chụp ảnh (ánh sáng, góc chụp ) để nhận dạng ảnh cần tính đến tác động môi trờng ảnh chụp Các ảnh hởng môi trờng mạnh ánh sáng, góc chụp (yếu tố hình học) Để hệ thống nhận dạng ảnh hoạt động tốt cần biểu diễn đợc tác động nói tới ảnh Giải pháp đợc nghĩ đến cần nắm bắt đợc "toàn bộ" điều kiện môi trờng thực thi đợc khả vô hạn tác động môi trờng ảnh chụp Một hệ thèng rÊt khã thùc hiƯn tèt nÕu nh− kh«ng gian hoạt động lớn (đa nhiều ảnh hởng môi trờng) bé (đa điều kiện môi trờng) Điều buộc phải tạo không gian đủ để hệ thống hoạt động Vì vậy, ngời thờng chọn đặc trng môi trờng tác động vào ảnh chụp với miền giá trị hạn chế để tập hợp ảnh nắm bắt nằm thực thi hệ thống nhận dạng ảnh Gọi n2 số đặc trng môi trờng tác động vào ảnh chụp Kết hợp đối tợng với điều kiện môi trờng cụ thể tạo ảnh đối tợng đợc thể thông qua vector n = n1 + n2 thành phần, chẳng hạn x ảnh x đợc biểu diễn thông qua vector (x1 , x2 , , xn) Tập hợp vector biểu diễn ảnh nói đợc gọi không gian ảnh Hình 1.1 Mô tả không gian biểu diễn ảnh LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com H×nh mô tả không gian biểu diễn ảnh vị trị đối tợng không gian Đối tợng quan sát đối tợng x bao gồm hớng biểu đặc điểm đối tợng x Nếu đối tợng x nhiều đặc điểm số chiều không gian tăng Ta gọi số chiều không gian d không gian đợc biểu diễn Sd (không gian S có d chiều) Đến x đợc coi đối tợng Sd (x Sd) Đối với toán nhận dạng, đối tợng nhận dạng kết trình quan sát Cụ thể toán nhận dạng này, hệ thống đợc thực qua trình nh: thu giữ ¶nh, biĨu diƠn ¶nh vµ ci cïng lµ lËp ln ảnh đÃ biểu diễn để thu đợc kết mong muốn Bài toán nhận dạng đợc trình bày nh sau: - x ∈ Sd: lµ mét vector d-chiỊu thĨ hiƯn kết quan sát đợc số đo từ trình hay đối tợng nghiên cứu - C ={C1Cn}: tập hợp hữu hạn tên đợc gán cho trình hay đối tợng nghiên cứu tập Ci (i=1 n) đợc gọi lớp - g(x): Sd {C1Cn}: thuật toán nhận dạng hàm xác định phép ánh xạ từ không gian Sd sang tập hợp C Mục tiêu toán nhận dạng sử dụng hàm g(x) để xác định kết quan sát đợc x Sd có thuộc lớp Ci C hay không Để thực đợc nhiệm vụ đòi hỏi phải có thuật toán tốt thuật toán đợc xác định cách tối thiểu hàm xác suất nhận dạng sai tøc lµ P[g(x) # Ci] → Nh− vËy ta nhận thấy toán nhận dạng bao gồm vấn đề cần đợc giải sau đây: - Thu đợc kết quan sát - Xác định không gian Sd biểu diễn đối tợng - Xác định thuật toán nhận dạng tốt Thông thờng đối tợng nhận dạng cho phép xác định đợc không gian Sd cho đại diện đối tợng khác so với đại diện đối tợng khác Tuy nhiên toán nhận dạng ảnh mặt ngời khó biểu diễn đợc đối tợng đại diện thu đợc điều kiện khác mặt ngời nh: độ tuổi làm biến đổi sắc thái mặt, ánh sáng tác động, diễn cảm mặt, góc chụp ảnh mặt, tóc, kính yếu tố khác ảnh hởng đến trích mẫu Các ảnh thu đợc phải trải qua trình biến đổi nh quay, co dÃn dịch chuyển Các yếu tố tác động không dễ dàng chuẩn hóa để đa vào không gian biểu diễn mà mô tả lớp tách biệt LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Çc nhiƯm vơ nhận dạng ảnh mặt ngời đợc minh họa nh hình sau: Hình 1.2 Chia không gian ảnh thành vùng kh¸c nhau, çc vïng biĨu hiƯn cđa ng−êi kh¸c biểu ảnh tơng ứng với nhiệm vụ Trong hình minh hoạ cho thấy không gian biểu diễn ảnh đợc phân chia thành vùng khác nhau, vùng biểu diễn đối tợng nhận dạng Các đờng kẻ không gian biểu diễn ảnh cho ta đợc luật phân loại ảnh Quan sát ảnh ta thấy ảnh biểu diễn ngời khác mối ngời ứng với ký hiệu khác Hình cho biết hệ thống nhận dạng ảnh phải thực đợc đầy đủ vấn đề đặt trình nhận dạng 1.1.2 Giải toán từ quan điểm lý thuyết nhận dạng Phân lớp không gian biểu diễn ảnh Bài toán toán phân loại N lớp tơng ứng với tập lớp đÃ có: C1CN Ci lớp ảnh tất lớp đợc mô hình hóa Lớp đợc giải biểu diễn liệu tõng líp vµ øng dơng mét nhiỊu kü tht phân loại mẫu Khả xảy sai số phân loại mặt x đợc giảm tới mức tối thiểu bëi viƯc g¸n nã tíi líp Ck víi x¸c st hËu nghiƯm P(Ck⏐x) lín nhÊt, ®ã P (C k x) = p ( x C k ) P (C k ) (1) p ( x) p(x) mật độ tuyệt đối, p(xCk) mật độ xác suất phụ thuộc lớp P(Ck) xác suất tiên nghiệm lớp Ck Vì p(x) giống lớp nên không đợc định giá để làm tăng xác suất hậu nghiệm Do đó, cách tiếp cận tới nhiệm vụ phân loại mô hình hóa mật độ xác suất phụ thuộc lớp p(xCk) LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com X¸c minh danh tÝnh cđa mét ng−êi cho tr−íc theo nghÜa lµ kiĨm tra xem ngời có thuộc lớp ảnh mặt ngời đÃ biết hay không Sự xác minh đợc xem xét nh toán phân loại lớp Giả sử đÃ có hai lớp C0 C1 tơng ứng với trờng hợp danh tính là sai Để làm tăng xác suất hậu nghiệm, x đợc gán cho Co chØ nÕu P( x C0 ) > p ( x C1 ) P (C1 ) (2) P (C ) mật độ p(x C1) miêu tả phân tán mặt ngời khác so với danh ttính đợc yêu cầu Xác định ngời ảnh có thuộc nhóm ngời cho trớc hay không Đối với toán có hai cách giải là: Cách thứ nhất: Giải nh toán phân loại lớp C0 C1 với lớp C0 đại diện cho tập tất lớp nhóm C1 đại diện cho không gian không chứa lớp nhóm (tập lại) Tất lớp đợc cụm lại đợc gọi lớp C0 xác định đối tợng nhận dạng có thuộc lớp C0 hay không, ngợc lại đối tợng nằm lớp C1 Çch thø hai: Mét çch tiÕp cËn kh¸c bao gåm việc xây dựng trình xác định danh tính ngời S Nhiệm vụ đợc thực việc đa N xác minh danh tính tơng ứng với N lần kiểm tra đối tợng x có thuộc lớp hay không Nếu không thuộc vào lớp kết luận không xác định đợc ngời đó, ngợc lại xác minh đợc ảnh Sự nhận dạng đầy đủ Nhiệm vụ phải thực đầy đủ nhiệm vụ trên, trớc tiên phải phân định đợc danh tính đối tợng nhận dạng (phân loại lớp) sau xác định xem đối tợng thuộc lớp lớp thu đợc Nhiệm vụ đợc thực liên kết N trình xác minh danh tính, tơng tự nh cách tiếp cận xác định đối tợng thuộc lớp nhóm S 1.2 giải vấn đề toán nhận dạng ảnh mặt ngời Các vấn đề quan trọng nhận dạng ảnh mặt ngời đợc thể nh sau: Sự thu nhận (Acquisition): đâu nhân tố quan trọng cách thu thập thông tin mặt ngời? LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 2.1.3 Kết hợp cách biểu diễn đối tợng khác Trong hệ thống nhận dạng có nhiều cách tiếp cận khác để giải toán này, kỹ thuật có tính đặc biệt riêng phù hợp với yêu cầu riêng hệ thống nhận dạng ảnh tự động Tại thực tế tiến hành nhận dạng ảnh hệ thống phải thu đợc ảnh cần nhận dạng, nhng ảnh cha phải ảnh chuẩn Do ảnh cần nhận dạng chịu ảnh hởng nhiều yếu tố nh: ánh sáng, thay đổi kiểu dáng thu ảnh thiết bị thu ảnh Chính hệ thống nhận dạng ảnh tự động phải đợc kết hợp từ cách tiếp cận khác nhằm mục đích giúp cho hệ thống bền vững với yếu tố tác động đến ảnh Mục bao gồm nội dung nh sau: (1) Các thuật toán bền vững với điều kiện môi trờng (2) Các kiến thức nhân chủng học, (3) Kỹ thuật so sánh dựa khuôn mẫu, (4) Kỹ thuật so sánh dựa điểm đặc trng (5) Kết hợp hai kỹ thuật so sánh dựa khuôn mẫu dựa điểm đặc trng Các thuật toán bền vững với điều kiện môi trờng Nh đÃ mô tả điều kiên môi trờng tác động khác đến trình nhận dạng nên đòi hỏi phải có thuật toán làm phù hợp, khắc phục yếu tố tác động môi trờng Các yếu tố tác động đến hệ thống là: yếu tố ánh sáng, yếu tố hình học sai số hệ thống Các thuật toán nhận dạng bền vững với thay đổi hình học nh: Phân tích thành phần (Principal Components Analysis PCA) kỹ thuật hiệu chỉnh điểm ảnh ảnh cách thực thay đổi có liên quan Đối với thay đổi ánh sáng hệ thống sử dụng phơng pháp trộn Gaussian dựa lớp màu ảnh sử dụng phơng pháp phân tích thành phần (giống nh với điều kiện thay đổi hình học) Các kiến thức nhân chủng học Sù hiĨu biÕt vỊ cÊu tróc cđa mỈt ng−êi gióp cho ngời xác minh đợc xác ngời đó, không chịu ảnh hởng điều kiện môi trờng khác Mặc dù ảnh thu đợc điều kiện nh (trong phạm vi cho phép) với ngời, họ nhận đợc đâu mặt ngời ảnh tập mẫu đÃ thu đợc Do đó, nhận dạng theo phơng pháp nhân chủng học bền vững với điều kiện thay đổi môi trờng Sự hiểu biết nhân chủng học giúp cho ta biết đợc đâu điểm đặc trng bề mặt, đâu điểm đặc trng từ hệ thống thực ta dựa vào điểm đặc trng để có đợc thuật toán giải thay đổi điều kiện m«i tr−êng 26 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Kỹ thuật so sánh dựa khuôn mẫu Với kỹ thuật này, hệ thống nhận dạng ảnh mặt ngời khắc phục đợc thay đổi ánh sáng thay đổi hình học dựa mặt nạ Các mặt nạ đợc dùng để phát sinh mẫu mặt phù hợp với điều kiện thay đổi môi trờng Từ sở liệu đÃ thu thập ảnh đối tợng cần nhận dạng Kỹ thuật so sánh dựa khuôn mẫu cho ta thu đợc K mặt tốt có sở liệu cách so ảnh cần nhận dạng với mẫu ảnh sở liệu ảnh Kết kỹ thuật thu đợc nhóm mặt tốt nhất, mặt tốt thu đợc từ lớp mẫu mặt tơng ứng có sở liệu Nhóm mặt tốt đợc dùng làm liệu cho kỹ thuật nhận dạng dựa vào điểm đặc trng So sánh ảnh x với tất ảnh có sở liệu đợc thực nh sau: Trớc hết tiến hành chuẩn hoá ảnh cần nhận dạng ảnh có sở liệu với cỡ chuẩn 75x75 pixel Tiếp theo tiến hành phân ảnh thành mẫu cã kÝch th−íc lµ 15x15 pixel (gäi mÉu R = 15x15 pixel) Mục tiêu việc phân chia nhằm giúp cho trình so sánh mẫu ảnh đợc tốt Kỹ thuật dựa khuôn mẫu so sánh mẫu với hai ảnh không chịu ảnh hởng điều kiện ngoại cảnh tác động đến hệ thống nhận dạng nh thay đổi ánh sáng, thay đổi diễn cảm bề mặt Trong mẫu giá trị xám điểm ảnh đợc định giá giá trị nhá nhÊt cđa cưa sỉ cã kÝch th−íc 5x5 mÉu ¶nh 75x75 pixel + ¶nh gèc (cì 75x75 pixel): 75 pixel I= ……… 3 ……… 6 ……… ………………………………… ………………………………… ………………………………… ……… 2 7 3 ……… 5 ……… 1 75 pixel 27 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com + ¶nh mÉu R (cì 15x15 pixel): 15 pixel R= ……… ……… ……… …………………… …………………… …………………… ……… 7 ……… 5 ……… 1 15 pixel Kü thuËt so s¸nh hai ảnh mặt dựa vào khuôn mẫu theo phơng pháp khoảng cách: Cho nhóm mặt p = {f1,f2,,fN} với N hữu hạn mặt cần so sánh f Vậy giống mặt cần so sánh f nhóm p đợc tính nh sau: N d T ( f , p ) = d f ( f , f i ) i =1 d f ( f , fk ) = R ∑ ∂( f (i) − f k (i) ) R i =1 ⎧0 ∂ ( x) = ⎨ ⎩1 nÕu x < T (9) x T Trong R mẫu có kích thớc 15x15 pixel mức xám đợc chuẩn hoá [0,1] Kỹ thuật đợc chứng minh bền vững làm tốt tơng quan cách thống kê điểm ảnh khác hay giống có ảnh đây, tiến hành đếm số điểm có mức xám khác Hai điểm khác khác mức xám chúng vợt ngỡng T Còn hai điểm giống khác mức xám chúng nhỏ ngỡng T, nằm khoảng [0,1] giá trị thấp tốt Sau kỹ thuật ta thu đợc mẫu fi có p mẫu tốt Cũng làm tơng tự việc so sánh mặt cần so sánh f với nhóm mẫu lại sở liệu Kết cuối ta thu đợc tập mẫu tốt kết tiếp tục đợc sử dụng cho kỹ thuật so sánh dựa vào điểm đặc trng để xác định đợc mặt tốt Kỹ thuật so sánh dựa điểm đặc trng Kỹ thuật có sử dụng lọc Gabor để lấy đợc điểm đặc trng bề mặt Những thông tin đặc trng đợc chọn ngợc lại bị loại bỏ Với đặc trng thu 28 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com đợc lọc bị mẫn cảm với thay đổi nh bóp méo, dịch chuyển quay Lựa chọn điểm đặc trng ta dựa vào vùng mắt mũi vùng mắt hầu nh bất biến so với thay đổi diễm cảm bề mặt hành vi cử mặt Do với vùng mắt ta chọn đợc nhiều điểm đặc trng so với vùng khác Bên cạnh cạnh đáy mũi bất biến với thay đổi mặt Từ hai yếu tố theo chuẩn phép nhân trắc ta xác định đợc điểm đặc trng cách quan sát mẫu mặt Các điểm đợc xác định vị trí cố định thông qua cân đối mũi Kết thu đợc 14 điểm biểu diễn bề mặt đợc biểu diễn nh hình sau: Hình 2.4 Minh hoạ điểm quan trọng đợc lựa chọn Để mô tả vector đặc trng ®iĨm sư dơng bé läc Gabor b»ng çch thu thËp tất hệ số Gabor fi = [fi1, fi2,, fi18]T fij tơng ứng với đặc trng Gabor j đợc định giá điểm thứ i Việc thu thập hệ số phụ thuộc vào nhân lọc Nhân lọc Gabor đợc định giá phức hệ hai chiều đợc sử dụng để thu lại đặc trng nhiều mức đa hớng Giá trị nhân đợc tính nh sau: k ( p) = ⎛ k p2 ⎜⎜ − exp σ2 ⎝ 2σ k2 ⎞⎡ ⎛ σ2 ⎟⎟ ⎢exp(ikp) − exp⎜⎜ − ⎝ ⎠⎣ ⎞⎤ ⎟⎟⎥ ⎠⎦ (10) p toạ độ điểm có liên quan đến tâm, tỷ lệ độ rộng cửa sổ với bớc sóng, k kiểm soát độ rộng cửa sổ Gaussian, kiểm soát bớc sóng kiểm soát hớng phần dao động Số hạng ngoặc đơn xác định phần dao động số hạng thứ hai bù giá trị DC nhân, tạo lọc không nhạy cảm với thay đổi chiÕu s¸ng 29 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nh vậy, nhân Gabor đợc phát sinh với tần số (/2, /4, /8) hớng (0, π/6, π/3, π/2, 2π/3, 5π/6) NÕu cho σ = π k = kết thu đợc 18 nhân Kết ta có tập hệ số lọc biểu diễn vector đặc trng điểm Thông qua lọc Gabor tiến hành ảnh thu đợc từ kỹ thuật dựa khuôn mẫu ảnh cần nhận dạng Lúc ảnh mặt đợc mÃ hoá thành vector đặc trng Giả sử sau kỹ thuật dựa khuôn mẫu ta thu đợc K mặt tốt p = {f1, f2,, fK}, ảnh mặt cần nhận dạng f với cách tiếp cận lọc Gabor ảnh mặt ta thu đợc 14 điểm quan trọng Vậy theo định nghĩa khoảng cách tiếp xúc xác định giống đặc điểm sở mặt cần nhận dạng f nhóm mặt tốt p = {f1, f2,, fK} thu đợc từ kỹ thuật so sánh khu«n mÉu nh− sau: N dw( f , p ) = dg ( f , f i ) i =1 (11) 14 dg ( f , g ) = ∑ cos( f (i ), g (i)) 14 i =1 Vì vậy, giống vector đặc trng f(i) g(i) điểm đặc trng thứ i đợc xác định cách chuẩn hoá bên hàm (cos), giá trị hàm thay đổi [1,1] giá trị cao tốt Thực biến đổi hàm cos cos = (1-cos)/2 dg ( f , g ) = 14 − cos( f (i ), g (i )) ∑ 14 i =1 (12) giá trị biến đổi [0,1] với sù quy −íc cµng thÊp cµng tèt Ci cïng sù giống hai mặt f g đợc tính cách đa giá trị trung bình tất giống hai điểm đặc trng tơng ứng Kết hợp hai kỹ thuật so sánh dựa khuôn mẫu dựa điểm đặc trng Trong phần trình bày giống hai mặt dựa khoảng cách tiếp xúc Kỹ thuật đợc kết hợp từ hai kỹ thuật so sánh khác là: kỹ thuật so sánh khuôn mẫu kỹ thuật so sánh điểm đặc trng Mỗi kỹ thuật có bền vững riêng Vì vậy, kết hợp hai kỹ thuật lại với cho hệ thống có bền vững với điều kiện tác động khác đến ảnh cần nhận dạng Với kỹ thuật so sánh khuôn mẫu hệ thống nhận dạng tự động thu đợc K mặt tốt kỹ thuật so sánh điểm đặc trng cho ta xác định đợc xác mặt K mặt tốt Do đó, để hệ thống nhận dạng mặt bền vững với điều kiện thay đổi ánh sáng ta kết hợp hai thuật toán để làm thoả mÃn đợc điều kiện thay đổi ánh sáng Thuật toán so sánh khuôn mẫu cho kết bền vững với điều kiện thay đổi 30 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com môi trờng tác động đến kỹ thuật so sánh điểm đặc trng cho phép hệ thống nhận dạng xác ảnh cần nhận dạng Trớc tiên lựa chọn K mặt tốt sử dụng kỹ thuật so sánh dựa khuôn mẫu, sau sử dụng kỹ thuật so sánh dựa điểm đặc trng tập mặt để xác định đợc xác ngời tơng ứng dt(f,g) > Th1 ⎧1 ⎪ nÕu dw(f,g) > Th2 S ( f , g ) = ⎨1 ⎪(dt ( f , g ) + dw( f , g )) / ngợc lại (13) Việc so sánh điểm đặc trng dw() thực đợc tập nhỏ liệu mà liệu nhận đợc từ kỹ thuật so sánh khuôn mẫu mặt dt() thu đợc Th1, Th2 ngỡng cho trớc tơng ứng hai thuật toán Toàn phạm vi giá trị hàm S() biến đổi [0,1] giá trị S vợt giá trị ngỡng cho trớc hệ thống không nhận dạng đợc ngời Nói tóm lại, kết hợp hai kỹ thuật nhận dạng dựa khuôn mẫu dựa điểm đặc trng cho ta đợc hệ thống nhận dạng bền vững với điều kiện thay đổi ánh sáng Xác định đợc ảnh cần tìm có sở liệu hay không có ảnh ảnh 31 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Ch−¬ng thuật toán nhận dạng điều kiện ánh sáng thay đổi Hệ thống nhận dạng mặt tự động phụ thuộc vào yếu tố tác động ngoại cảnh đòi hỏi phải làm phù hợp đợc yếu tố Điều kiện môi trờng, biểu bề mặt yếu tố ảnh hởng đến hệ thống nhận dạng mặt ngời tự động Vấn đề đặt ta phải xây dựng hệ thống nhận dạng mặt bền vững với thay đổi yếu tố Chơng khóa luận trình bày thuật toán tác giả Mariani [3] bền vững với điều kiện ánh sáng khác Thuật toán đợc sử dụng dựa hai cách tiếp cận để giải là: cách tiếp cận dựa khuôn mẫu cách tiếp cận dựa điểm đặc trng thông qua hàm khoảng cách tiếp xúc Dựa theo đặc tả [3], khóa luận minh hoạ cụ thể thuật toán thủ tục ngôn ngữ lập trình PASCAL Mô tả thuật toán nh sau: Giả sử cho ảnh x ảnh cần nhận dạng đợc mÃ hoá thành vector d-chiều không gian Sd Một sở liệu ảnh D đợc tổ chức quản lý theo số Kết thu đợc số lớp ảnh (cho biết đợc ngời nhận dạng) số mẫu lớp (biết đợc điều kiện môi trờng tơng ứng tác động đến ảnh nhận dạng) 3.1 Thuật toán so sánh khuôn mẫu dựa theo khoảng cách tiếp xúc Thuật toán đợc thực nh hình dới đây: So sánh So sánh i i ảnh cần nhận dạng ảnh mẫu Hình 3.1 Mô cách so sánh hai mẫu mặt với dựa mẫu Kỹ thuật nhận dạng dựa khuôn mẫu sử dụng quy tắc so sánh mẫu ảnh nhỏ với Mỗi mẫu tơng ứng với vùng ảnh việc so sánh so sánh 32 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com mÉu t−¬ng øng có hai ảnh cần nhận dạng Nh biểu diễn hình minh hoạ cho thấy mẫu thứ i ảnh cần nhận dạng phải tơng ứng với mẫu thứ i ảnh mẫu Mỗi ảnh cần nhận dạng ảnh mẫu đợc chuẩn hoá có kích thớc cố định 75x75 pixel, mẫu có kích thớc 15x15 pixel Vì kỹ thuật nhận dạng hiệu việc so sánh ảnh mà không chịu tác động môi trờng thuật toán bền vững với điều kiện tác động ánh sáng tới ảnh nhận dạng ảnh mẫu Kỹ thuật so sánh sử dụng cách so sánh giá trị xám hai mẫu với cách so sánh điểm mẫu Nếu hai điểm khác khác mức xám chúng vợt ngỡng cho trớc ngợc lai hai điểm ảnh giống khác giá trị mức xám điểm ảnh không vợt ngỡng cho trớc, giá trị thay đổi khoảng [0,1] giá trị thấp tốt Theo mô tả ảnh đợc phân thành vector mà thành phần vector giá trị mức xám mẫu Giả sử cho ảnh cần nhận dạng x đợc biểu diễn x={x1, x2, ,xN} xi (i=1 N) mẫu ảnh cần nhận dạng, tập hợp mẫu tạo thành ảnh nhóm ảnh mặt p= {f1, f2,,fK} fi mẫu mặt thứ i, mẫu mặt phải mÃ hoá thành vector có số phần tử giống nh số phần tử ảnh cần nhận dạng Thủ tục so sánh hai mẫu mặt: Procedure df(x: mỈt, fk: mỈt); Begin D:=0; For i=1 to sè_mÉu_con If (|x(i) – fk(i)|) < T then ∂(|x(i)-fk(i)|) := else ∂(|x(i)-fk(i)|) := 1; D:= D + ∂(|x(i)-fk(i)|); Df:= D/sè_mÉu_con; End 33 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Kết thuật toán thu đợc khoảng cách hai mẫu mặt kết đợc sử dụng cho việc xác định mẫu mặt x cần nhận dạng với nhóm mặt p (nhóm p có N phần tử) Tiếp theo thuật toán so sánh ảnh cần nhận dạng với nhóm ảnh mẫu đÃ thu đợc Với cách giải này, ta sử dụng kết thuật toán so sánh hai ảnh mặt với nhau, khoảng cách thu đợc cặp so sánh (so sánh ảnh cần nhận dạng với ảnh nhóm) so sánh kết thu đợc khoảng cách nhỏ cặp ảnh cần tìm Thuật toán đợc mô tả hình sau: Lớp ảnh mẫu fi1 So sánh fi2 fi3 ảnh cần nhận dạng x So sánh Kết fij ảnh thu đợc sau so sánh fi(N-1) fiN Hình 3.2 Mô cách so sánh ảnh mặt cần nhận dạng với nhóm mẫu mặt Hình biểu diễn việc so sánh mặt cần nhận dạng với tập ảnh mặt mẫu dựa vào khoảng cách nhỏ cặp so sánh cuối thu đợc ảnh tốt lớp ảnh mặt mẫu Thủ tục đợc phát triển đệ quy cho tất lớp ảnh mặt mẫu sở liệu kết việc đệ quy tập mẫu ảnh mặt tốt ứng với lớp Thủ tục so sánh ảnh mặt cần nhận dạng với lớp ảnh mẫu: Giả sử số ¶nh mÉu cã mét líp lµ N, x lµ ảnh cần nhận dạng, p lớp có N ảnh mẫu đợc biểu diễn p={f1,f2,,fN}, giá trị đợc dùng để xác định cặp so sánh có khoảng cách nhỏ dựa vào giá trị cho biết đợc số ảnh mẫu lớp quan sát Thủ tục đợc thực nh dới đây: Procedure dt(x: mặt, p: lớp mặt); Begin min:=df(x,f1); 34 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com For i=2 to N If (min >= df(x,fi)) then min:= df(x,fi) End Kết thu đợc thủ tục mẫu mặt tốt ứng với giá trị nhỏ Với cách thực tơng tự thủ tục đợc áp dụng cho lớp ảnh mặt mẫu khác thu đợc K mặt tốt tơng ứng với K lớp ảnh mặt mẫu có sở liệu K mặt tốt đợc sử dụng thuật toán so sánh ảnh mặt cần nhận dạng với mặt tốt thu đợc từ thuật toán so sánh dựa khuôn mẫu 3.2 Thuật toán so sánh điểm đặc trng dựa theo khoảng cách tiếp xúc Kỹ thuật so sánh dựa điểm đặc trng nhằm đánh giá mặt cần nhận dạng với K mặt tốt mặt cần nhận dạng mẫu mặt K mặt tốt Với kỹ thuật so sánh ảnh cần nhận dạng K mặt tốt phải đợc mÃ hoá thành vector mà thành phần điểm đặc trng ảnh Giả sử ảnh cần nhận dạng x đợc biểu diễn x={x1,x2,,xN} xi (i=1 N) điểm đặc trng thứ i biểu diễn mặt, gọi p tập ảnh tốt (K ảnh mặt tốt nhất) p={f1,f2,,fK} ảnh fi phải đợc mÃ hoá thành vector điểm đặc trng (fi={fi1,fi2,,fiN}) Kỹ thuật so sánh điểm đặc trng ảnh cần nhận dạng với tập K ảnh mặt tốt sử dụng vector điểm đặc trng, phần tử thứ i đặc trng ảnh cần nhận dạng ảnh mẫu Tr−íc hÕt ta thùc hiƯn tht to¸n so s¸nh hai ảnh mặt dựa kỹ thuật khoảng cách tiếp xúc Thủ tục so sánh hai mặt dựa kỹ thuật khoảng cách tiếp xúc Thủ tục sử dụng điểm đặc trng đợc trích từ lọc Gabor, theo lọc ảnh mặt ngời có 14 điểm đặc trng x(i), f(i) vector biểu diễn đặc trng mặt Thuật x(i) toán hoạt động nh sau: so sánh điểm đặc trng f(i) hai ảnh với sử dụng hàm cos để tính độ lệch (sự khác nhau) hai điểm đặc trng Góc lệch hai điểm đặc trng đợc mô tả nh hình bên Hình 3.3 Mô tả góc lệch hai vector điểm đặc trng 35 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhìn vào hình biểu diễn hai vector ta thấy hai điểm giống góc tạo hai vector x(i) f(i) phải cã gãc nhá nhÊt Tr−êng hỵp tèt nhÊt gãc = 00 Thủ tục mô tả thuật toán nh sau: Procedure dg(x: mỈt, f: mỈt); Begin D:= 0; For i=1 to 14 D:= D + (1 – cos(x(i),f(i))/2; Dg:= D/14; End Kết thu đợc khoảng cách hai mặt dựa điểm đặc trng ảnh Tiếp theo thủ tục xác định mặt cần nhận dạng với mẫu mặt tốt thu đợc từ kỹ thuật so sánh khuôn mẫu (K mẫu mặt tốt nhất) dựa khoảng cách tiếp xúc Trong x vector biểu diễn điểm đặc trng mặt cần nhận dạng p nhóm mẫu mặt tốt (các mẫu p đợc mÃ hoá theo vector biểu diễn điểm đặc trng mẫu đó) Thuật toán đợc mô tả nh hình dới đây: Nhóm mặt tốt (K mặt) Kết thu đợc d1 f1(f1,f2,,fN) So sánh f2(f1,f2,,fN) x(x1,x2,…,xN) d2 …………… …………… Chän kÕt qu¶ tèt nhÊt min(d1,d2,…,dK) fK-1(f1,f2,,fN-1) dK-1 fK(f1,f2,,fN) dK Hình 3.4 Mô cách so sánh ảnh mặt với tập ảnh mặt tốt dựa điểm đặc trng 36 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Theo çch biĨu diƠn cđa hình ta thấy: ảnh cần nhận dạng x đợc so sánh lần lợt với mẫu ảnh có p kết phép so sánh thu đợc lần lợt d1, d2,, dK tơng ứng với K mẫu tốt p Để thu đợc kết tốt ta lấy giá trị nhỏ tập kết đo đợc {d1,d2,,dK} giá trị nhỏ di cho phép ta xác đinh đợc mẫu mỈt tèt nhÊt thø i p Thđ tơc so sánh mặt cần nhận dạng với tập mặt tốt thu đợc từ kỹ thuật so sánh dựa khuôn mẫu Procedure dw(x: mặt, p: nhóm mặt mẫu); Begin {tập mẫu mặt: p={f1,f2, ,fK} thu đợc từ thuËt to¸n dt(x,g)} min:= dg(x,f1); For i=2 to K If >= dg(x,fi) then min:= dg(x,fi); Dw:= min; End Kết đạt đợc vị trí mẫu thứ i nhãm mÉu tèt nhÊt 3.3 KÕt hỵp hai thuật toán so sánh Phần trình bày thuật toán kết hợp hai kỹ thuật so sánh để thực nhiệm vụ nhận dạng ảnh mặt ngời kết hợp hai kỹ thuật so sánh điều kiện tốt Kỹ thuật so sánh dựa vào khuôn mẫu lấy đợc mặt tốt bền vững với điều kiện thay đổi ánh s¸ng b»ng çch so s¸nh çc mÉu víi (kÝch th−íc cđa mÉu lµ 15x15 pixel) Kü tht so sánh dựa điểm đặc trng so sánh ảnh mặt cần nhận dạng với tập mặt tốt thu đợc từ kỹ thuật so sánh dựa khuôn mẫu xác định xác ảnh cần nhận dạng ngời Với việc kết hợp hai kỹ thuật so sánh dẫn tới thủ tục thực thuật toán nh sau: Procedure S(x: mặt, p: nhãm mỈt); Begin If dt(x,p) > Th1 then S:=1; 37 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com If dw(x,p) > Th2 then S:=1; If (dt(x,p) = Th2) then S:= (dt(x,p) + dw(x,p))/2; End Mô tả hoạt động thủ tục nh sau: Tiến hành thực hàm so sánh khuôn mẫu dt(x,p) để thu đợc K mặt tốt Nếu giá trị thu đợc từ việc so sánh hai mẫu với vợt ngỡng cho trớc Th1 cặp so sánh bị loại bỏ Cuối thu đợc mẫu mặt tốt tập mẫu đợc so sánh Kết hàm so sánh dt(x,p) đợc truyền tới hàm so sánh điểm đặc trng dw(x,p) Hàm thực tơng tự nh hàm so sánh khuôn mẫu nhng liệu để so sánh toàn mẫu có sở liệu ảnh mà liệu kết thu đợc từ hàm so sánh khuôn mẫu dt(x,p) Nếu giá trị hàm so sánh điểm đặc trng vợt ngỡng cho trớc Th2 cặp ảnh so sánh bị loại bỏ Nếu hai giá trị hàm so sánh khuôn mẫu hàm so sánh điểm đặc trng vợt ngỡng cho trớc Th1 Th2 giá trị hàm kết hợp S:=1 với giá trị ảnh mặt ngời không nhận dạng đợc Trờng hợp ngợc lại hai giá trị hai hàm so sánh chấp nhận đợc S có giá trị giá trị trung bình hai giá trị thu đợc từ hai thuật toán so sánh giá trị S biến thiên khoảng [0,1] Nhng tập kết S, hoàn toàn xác, có nhng có sai vần cần phải thực việc kiểm tra tính xác giá trị S ngỡng Nếu giá S vợt ngỡng kiểm soát việc so sánh không thành công ngời không nhận dạng đợc 38 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Kết luận Trong khóa luận này, đÃ trình bày hệ thống nhận dạng ảnh mặt ngời tự động thoả mÃn điều kiện thay đổi ánh sáng tác động đến ảnh nhận dạng Trong trình thực khóa luận, đÃ thu nhận đợc kiến thức tổng quan hệ thống đoán nhận ảnh mặt ngời Hơn nữa, đÃ nắm bắt đợc nội dung việc khắc phục ảnh hởng ®iỊu kiƯn ¸nh s¸ng t¸c ®éng ®Õn hƯ thèng nhËn dạng làm cho hệ thống khó nhận dạng ảnh cách xác đÃ đợc trình bày công trình tác giả Mariani [3], là: - Kỹ thuật Sử dụng khoảng cách tiếp xúc - Sử dơng hai kü tht so s¸nh: kü tht so s¸nh khuôn mẫu kỹ thuật so sánh điểm đặc trng Kỹ thuật so sánh khuôn mẫu cho hệ thống đợc mặt tốt có sở liệu dựa vào cách đánh giá hàm khoảng cách, kỹ thuật so sánh điểm đặc trng cho biết đợc xác ảnh ảnh ngời cách so sánh ảnh cần nhận dạng với tập ảnh tốt thu đợc từ kỹ thuật so sánh điểm đặc trng Trong hệ thống thực tế, ý tởng kết hợp hai thuật toán đợc khóa luận đề cập Khóa luận đÃ mô tả chi tiết thuật toán đối sánh khoảng cách số thủ tục PASCAL song cha có điều kiện cài đặt đợc thuật toán Do thời gian trình độ hạn chế nội dung khó, khóa luận cha thực thuật toán trình bày chơng ba Đấy nội dung phơng hớng nghiên cứu khóa luận 39 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Tµi liƯu tham kh¶o Keysers D Experiments with an Extended Tangent Distance, 15th International Conference on Pattern Recognition, Vol 2,pp 38-42, 2000 Manjunath B.S et al A Feature-Based Approach to Face Recognition Proc IEEE Computer Soc Conf Computer Vision and Pattern Recognition, pp 373-378, 1992 Mariani R A Face Location Algorithm Robust to Complex Lighting Conditions To appear in 2nd Audio and Video-Based Biometric Person Authentication, Sweden, 2001 Rowley H et al Neural Network-Based Face Detection IEEE Trans Pattern Analysis and Machine Intelligence, 1998 Simard P Transformation Invariance in Pattern Recognition – Tangent Distance and Tangent Propagation In G Orr and K.R Muller editors, Neural Networks: tricks of the trade, vol 1524 of Lecture Notes in Computer Science, Springer, Heidelberg, pp 239-274, 1998 Sirohey S.A, Human Face Segmentation and Identification Technical Report, CS-TR3176, Univ, of Maryland, 1993 Sun Q.B et al Face Detection Based on Color and Local Symmertry Information Proc 3rd International Conterence on Automatic Face and Gesture Recognition, pp 130135 Apr 14-16, 1998 Nara, Japan Takacs B vµ Wechsler H Detection of Face and Facial Landmarks Using Iconic Filter Banks Pattern Recognition, 30(1): 1623-1636, 1997 40 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... ảnh, ảnh biến đổi theo điều kiện ánh sáng: Hình 1.6 Biểu diễn ảnh theo điều kiện thay đổi ánh sáng 18 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ch−¬ng nhận dạng ảnh mặt ngời điều. .. 2.1.1 ánh sáng Các yếu tố môi trờng ảnh hởng tới trình nhận dạng mặt nh: yếu tố ánh sáng, thiết bị thu nhận ảnh khung cảnh mà ảnh đợc thu nhận ánh sáng làm biến đổi mức độ xám ảnh cờng độ điểm ảnh. .. dạng mặt bền vững với điều kiện thay đổi ánh sáng ta kết hợp hai thuật toán để làm thoả mÃn đợc điều kiện thay đổi ánh sáng Thuật toán so sánh khuôn mẫu cho kết bền vững với điều kiện thay đổi