TRÍCH CHỌN đặc TRƯNG TRÊN KHUÔN mặt NGƯỜI

ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI  Nguyễn Thành Trung TRÍCH CHỌN ĐẶC TRƯNG TRÊN KHN MẶT NGƯỜI KHĨA LUẬN TỐT NGHIỆP HỆ CHÍNH QUY Ngành: Cơng Nghệ Thơng Tin Hà Nội – 2010 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI  Nguyễn Thành Trung TRÍCH CHỌN ĐẶC TRƯNG TRÊN KHN MẶT NGƯỜI KHĨA LUẬN TỐT NGHIỆP HỆ CHÍNH QUY Cơng Nghệ Thơng Tin Ngành: GV hướng dẫn: PGS.TS Bùi Thế Duy Hà Nội – 2010 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Lời cảm ơn Trước tiên, em xin gửi lời cảm ơn sâu sắc đến thầy Bùi Thế Duy, người không quản vất vả hướng dẫn em suốt thời gian làm khóa luận tốt nghiệp vừa qua Em xin chân thành cảm ơn anh chị, thầy phịng tương tác người - máy ln bảo em có vấn đề vướng mắc Em xin bày tỏ lời cảm ơn sâu sắc đến thầy cô giáo Trường Đại Học Công Nghệ tận tình dạy dỗ em suốt bốn năm học qua Con xin cảm ơn bố, mẹ gia đình ln bên con, cho động lực để làm việc tốt Cảm ơn tất bạn bè sát cánh Hà Nội, ngày 20 tháng năm 2010 Nguyễn Thành Trung i LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khn mặt người Nguyễn Thành Trung Tóm tắt Bài tốn trích chọn đặc trưng ảnh mặt người toán quan trọng nhóm tốn xử lý ảnh mà đầu vào ảnh 2D Đầu sử dụng làm đầu vào cho toán nhận dạng mặt, nhận dạng cảm xúc, Trong khóa luận đưa phương pháp lai xây dựng hệ thống áp dụng phương pháp lai nhằm mục đích nhận dạng điểm đặc trưng ảnh mặt người thơng qua hướng tiếp cận trích chọn đặc trưng hình học Hệ thống chúng tơi xây dựng hoàn chỉnh kết chạy thử nghiệm liệu Cohn – Kanade thu khả quan ii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Mục lục Lời cảm ơn i Tóm tắt ii Mục lục iii Danh sách hình vẽ v Danh sách bảng vii Chương Giới thiệu Chương Phát khuôn mặt người ảnh 2D 2.1 Giới thiệu 2.2 Tổng quan công nghệ phát khuôn mặt 2.2.1 Chiến lược phát khuôn mặt 2.2.2 Xác định hướng quay đầu 2.2.3 Một số phương pháp dùng phát khuôn mặt 2.3 Nhận dạng khuôn mặt dùng đặc trưng giống Haar Adaboost 2.3.1 Cơ sở lý thuyết đặc trưng giống Haar 2.3.2 Phương pháp học máy Adaboost Chương Tổng quan phương pháp trích chọn đặc trưng 13 3.1 Các hướng tiếp cận 13 3.2 Phương pháp trích chọn đặc trưng hình học .14 3.2.1 Tổng quan 14 3.2.1 Xác định điểm đặc trưng khuôn mặt .14 3.2.2 Phát hình dáng phận khuôn mặt .16 3.2.3 Nhân trắc học áp dụng với phương pháp trích chọn đặc trưng hình học 17 3.3 Trích chọn đặc trưng diện mạo 19 3.3.1 Tổng quan 19 3.3.2 Mã LBP 19 3.3.3 Bộ lọc Gabor 23 iii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Chương Xây dựng hệ thống nhận dạng điểm đặc trưng 25 4.1 Tổng quan hệ thống 25 4.2 Thiết kế hệ thống 27 4.3 Thực nghiệm 33 4.3.1 Phát khuôn mặt ảnh 33 4.3.2 Xác định vùng đặc trưng .36 4.3.3 Xác định điểm đặc trưng 41 4.3.3 Xác định 14 điểm đặc trưng 46 Chương Tổng kết hướng phát triển 55 Tài liệu tham khảo 56 iv LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Danh sách hình vẽ Hình −Xác định đường cắt đầu Hình − Ví dụ hướng quay đầu Hình – Ảnh tích hợp Hình − Sơ đồ hệ thống nhận dạng khn mặt 10 Hình − Hệ thống nhận dạng khuôn mặt .12 Hình − Lặp để xác định ngưỡng cửa sổ tìm kiếm 14 Hình – Phép chiếu tồn 15 Hình − Sơ đồ hệ thống tự động xác định điểm đặc trưng 16 Hình 10 – Mơ hình nhiều trạng thái với mặt trực diện .17 Hình 11 – Mơ hình nhân trắc học mặt (a) Các điểm mốc, (b) Khoảng cách 18 Hình 12 - Ví dụ LBP độ tương phản cục C 20 Hình 13 - Tập hợp điểm xung quanh Ptt 20 Hình 14 – Phần thực lọc Gabor với tần xuất hướng với wmax = 𝝅/2, hàng ứng với thay đổi tần suất, cột ứng với thay đổi hướng .23 Hình 15 – Một ví dụ ảnh sau nhân xoắn với 48 lọc Gabor 24 Hình 16 – 20 điểm đặc trưng .25 Hình 17 – Hệ thống nhận dạng 20 điểm đặc trưng .27 Hình 18 – Vị trị, kích thước 28 Hình 19 – Các vùng đặc trưng khn mặt .29 Hình 20 – Thuật tốn đỉnh .30 Hình 21 – Xác định đường biên thuật tốn đồ thị liên thơng .31 Hình 22 – Một số ví dụ phát khn mặt đặc trưng giống Haar hệ sở liệu Conh – Kanade 36 Hình 23 – Kết nhận dạng khuôn mặt thời gian thực (sử dụng camera) 36 Hình 24 – Chia khuôn mặt thành phần 37 Hình 25 – Một số ví dụ xác định vùng mắt phải 39 Hình 26 – Một số ví dụ xác định vùng mắt trái 40 v LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Hình 27 – Một số ví dụ xác định vùng miệng (a) đúng, (b) sai .41 Hình 28 – Đánh dấu hàng có histogram lớn 41 Hình 29 – Xác định vị trí mống mắt histogram 42 Hình 32 – Xác định mống mắt tâm vùng đặc trưng 42 Hình 31 – Một ví dụ dùng thuật tốn phát cạnh Canny sau lấy ngưỡng 43 Hình 32 – Ví dụ xác định lỗ mũi 43 Hình 33 – Xác định đường mép histogram (a)Trường hợp xác, (b) Trường hợp khơng xác .44 Hình 34 – Ví dụ lấy ngưỡng khoảng [5 50] 45 Hình 35 – Ví dụ xác định cạnh thuật toán Canny 45 Hình 36 – Ví dụ xác định điểm khóe miệng 46 Hình 37 – Thực nghiệm điểm đặc trưng 46 Hình 38 – Ví dụ xác định điểm đặc trưng .54 vi LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Nhận dạng điểm đặc trưng khuôn mặt người Nguyễn Thành Trung Danh sách bảng Bảng – Tỷ lệ khoảng cách mốc 18 Bảng – Danh sách điểm đặc trưng 26 Bảng - Bộ sở liệu Cohn – Kanade 34 Bảng – Kết nhận dạng khuôn mặt sở liệu Cohn – Kanade 35 Bảng – Các phân lớp cascade 38 Bảng – Kết xác định vùng mắt phải 39 Bảng – Kết xác định vùng mắt trái .39 Bảng – Kết xác định vùng miệng .40 Bảng – Kết nhận dạng điểm mống mắt 42 Bảng 10 – Kết nhận dạng lỗ mũi 43 Bảng 11 – Kết xác định khóe miệng 44 Bảng 12 – Danh sách kích thước ảnh mẫu kiểm tra 50 Bảng 13 – Sai số trung bình 53 Bảng 14 – Kết xác định điểm P7,P8 với 10 mẫu 54 vii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương Giới thiệu Nguyễn Thành Trung Chương Giới thiệu Trong tất văn minh từ trước đến nay, giao tiếp hoạt động khơng thể thiếu, xuất nơi lúc, lĩnh vực ảnh hưởng trực tiếp tới sống cá thể Giao tiếp nhu cầu xã hội bản, xuất sớm đời sống người yếu tố ảnh hưởng trực tiếp tới trình hình thành lên tâm sinh lý người Hơn nữa, giao tiếp giúp người truyền tải thông tin, học hỏi tri thức thể cảm xúc Nhờ có giao tiếp làm cho người văn hóa, xã hội văn minh đất nước phát triển Nhận thấy tầm quan trọng hoạt động giao tiếp nên người bỏ nhiều thời gian công sức vào nghiên cứu yếu tố định thành công việc giao tiếp, không lĩnh vực giao tiếp người với người, mà ngày người bắt đầu nghiên cứu hệ thống tương tác người – máy Mặt khác, giao tiếp khn mặt nơi người thể suy nghĩ, tình cảm, thái độ nên để người máy tính tương tác với tự nhiên hệ thống xây dựng dựa tảng thay đổi khuôn mặt Muốn xác định thay đổi cần trích chọn yếu tố riêng biệt khn mặt, khía cạnh tốn Trích chọn đặc trưng khn mặt đời động lực to lớn thúc đẩy phát triển hệ thống tương tác người – máy tự động Là toán có nhiều giải pháp trích chọn đặc trưng khác đưa hầu hết giải pháp trước gặp khó khăn việc xử lý ảnh khuôn mặt với độ phân giải khác hay với điều kiện ánh sáng không thuận lợi Trong khóa luận này, chúng tơi trình bày phương pháp lai để xác định điểm đặc trưng khuôn mặt Phương pháp lai khắc phục khó khăn mà phương pháp trước gặp phải ảnh hưởng điều kiện ánh sáng hay số nhiễu ảnh Dựa vào phương pháp lai xây dựng lên hệ thống để xác định 20 điểm đặc trưng, hệ thống chạy thử nghiệm liệu Cohn – Kanade cho kết khả quan Phần cịn lại khóa luận trình bày sau: Chương giới thiệu tổng quan tốn phát khn mặt người ảnh 2D Tiếp theo, LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Xác định khóe miệng Đầu tiên, để xác định khóe miệng, dùng phép chiếu histogram theo hàng để xác định đường môi Kết thu khơng cao, với miệng trạng thái bình thường kết cho tương đối xác, miệng trạng thái vui, buồn, tức giận,… kết cho Hình 33 – Xác định đường mép histogram (a)Trường hợp xác, (b) Trường hợp khơng xác Áp dụng thuật tốn thứ hai với Cohn – Kanade kết thu sau: Bảng 11 – Kết xác định khóe miệng Trường hợp Số lượng Tổng số 1001 Nhận dạng 975 Nhận dạng sai 26 Không nhận dạng Giải thích Do phát sai vùng miệng 44 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Hình 34 – Ví dụ lấy ngưỡng khoảng [5 50] Hình 35 – Ví dụ xác định cạnh thuật toán Canny 45 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Hình 36 – Ví dụ xác định điểm khóe miệng 4.3.3 Xác định 14 điểm đặc trưng Trong phần xây dựng hệ thống xác định 14 điểm đặc trưng Hình 37 Hình 37 – Thực nghiệm điểm đặc trưng 46 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Để xây dựng phân lớp cho điểm, chọn 50 ảnh 22 người liệu Cohn – Kanade để làm mẫu Sau chúng tơi tạo 14 model ứng với 14 điểm phương pháp trình bày mục 4.2 Để kiểm tra hệ thống, lấy 20 ảnh có 10 ảnh vùng mắt 10 ảnh vùng miệng 10 người khác (trong 10 ảnh 10 người có dùng để huấn luyện) để làm liệu kiểm tra Để xác định điểm đặc trưng ảnh, chúng tơi xác định vùng đặc trưng xung quanh điểm sau dùng cửa sổ kích thước 10x10 pixel (có kích thước lọc Gabor) qt tồn vùng ảnh đặc trưng với tỷ lệ dịch pixel, với lần qt, chúng tơi trích chọn đặc trưng Gabor vùng ảnh cửa sổ theo phương pháp trình bày bước thứ nhất, với điểm thu vector đặc trưng v j, sau cho vector vj lần luợt qua 14 model xây dựng bước thứ để dự đốn xem có thuộc vào 14 lớp khơng Kết thúc bước này, thu 14 tập hợp điểm dự đốn true Sau dùng số luật để đánh giá chọn điểm đúng, cụ thể chúng tơi trình bày luật ứng với 14 điểm Pt t=1,14 sau: Luật cho điểm P1 P9: P1 x < M.x y < M.y 47 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Luật cho điểm P2 P10: P2 x < M.x y < M.y Luật cho điểm P3, P5, P11 P13: P3: x < M.x M.y – α/2 < y < M.y + α/2 với α = 20 pixel P5: x > M.x M.y – α/2 < y < M.y + α/2 với α = 20 pixel Với P11 P13 đối xứng với P3 P5 nên ta có luật tương tự 48 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Luật cho điểm P4, P6, P12 P14: P4: y < M.y M.x – β/2 < x < M.x + β/2 với β = 60 P6: y > M.y M.x – β/2 < x < M.x + β/2 với β = 60 P12 P14 đối xứng với P4 P6 nên ta có luật tương tự Luật cho điểm P7 P8: P7 : M1.x < x < M2.x y < M.y P8 : M1.x < x < M2.x y > M.y với α = 20 β = 40 Dưới chúng tơi trình bày kết xác định điểm đặc trưng từ Pt t=1,8 Do điểm Pt t=9,14 đối xứng với điểm t=1,6 nên cách xác định tương tự 49 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Kết xác định điểm đặc trưng Pt t =1,6 với 10 ảnh vùng mắt kích thước sau: Bảng 12 – Danh sách kích thước ảnh mẫu kiểm tra Ảnh Kích thước Ảnh Kích thước eye_test1 96x60 mouth_test1 139x67 eye_test2 87x55 mouth_test2 147x68 eye_test3 79x50 mouth_test3 148x61 eye_test4 80x52 mouth_test4 125x53 eye_test5 84x51 mouth_test5 121x55 eye_test6 74x52 mouth_test6 132x71 eye_test7 84x49 mouth_test7 115x59 eye_test8 83x52 mouth_test8 122x58 eye_test9 114x60 mouth_test9 115x55 eye_test10 101x54 mouth_test10 92x46 Test Điểm P1 P2 P3 P4 P5 P6 x 19 74 23 45 70 44 y 20 16 31 22 38 49 x' 21 79 19 45 64 44 y' 13 17 40 18 34 45 Khoảng cách 7.28011 5.09902 9.848858 7.211103 50 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Test Điểm P1 P2 P3 P4 P5 P6 x 67 23 45 68 42 y 16 18 35 25 36 41 x' 13 67 22 40 67 41 y' 21 19 35 23 37 43 Khoảng cách 8.602325 1 5.385165 1.414214 2.236068 x 60 19 38 56 36 y 14 11 29 21 29 34 x' 13 52 19 35 49 36 y' 12 24 19 28 31 Khoảng cách 4.472136 8.246211 3.605551 7.071068 x 10 57 19 40 61 39 y 13 12 35 25 37 39 x' 17 51 20 37 59 38 y' 12 11 36 22 33 39 Khoảng cách 7.071068 6.082763 1.414214 4.242641 4.472136 x 17 69 21 46 65 44 y 22 15 42 29 39 43 x' 19 58 24 45 60 43 y' 17 10 36 30 38 40 Khoảng cách 5.385165 12.08305 6.708204 1.414214 5.09902 3.162278 Test Điểm P1 P2 P3 P4 P5 P6 Test Điểm P1 P2 P3 P4 P5 P6 Test Điểm P1 P2 P3 P4 P5 P6 51 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Test Điểm P1 P2 P3 P4 P5 P6 x 58 18 37 52 35 y 21 16 34 24 32 38 x' 11 51 15 36 54 33 y' 19 14 30 17 30 36 Khoảng cách 4.472136 7.28011 7.071068 2.828427 2.828427 x 58 20 42 59 42 y 16 12 37 26 30 39 x' 13 61 23 43 60 40 y' 17 14 32 27 34 38 Khoảng cách 4.123106 3.605551 5.830952 1.414214 4.123106 2.236068 x 12 63 24 42 64 42 y 19 19 37 26 34 41 x' 18 60 26 43 60 41 y' 18 15 35 24 33 38 Khoảng cách 6.082763 2.828427 2.236068 4.123106 3.162278 x 87 27 56 87 54 y 23 14 43 27 49 48 x' 85 31 54 84 56 y' 24 13 42 25 45 44 Khoảng cách 2.236068 4.123106 2.828427 4.472136 Test Điểm P1 P2 P3 P4 P5 P6 Test Điểm P1 P2 P3 P4 P5 P6 Test Điểm P1 P2 P3 P4 P5 P6 52 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Test 10 Điểm P1 P2 P3 P4 P5 P6 x 14 82 17 46 76 45 y 18 23 39 28 41 45 x’ 20 75 22 38 72 42 x’ 20 22 35 26 36 44 Khoảng cách 6.324555 7.071068 6.403124 8.246211 6.403124 3.162278 Trung bình sai số: Bảng 13 – Sai số trung bình Điểm Khoảng cách trung bình P1 5.48 P2 5.77 P3 4.81 P4 4.04 P5 4.77 P6 2.92 Qua bảng kết quả, với sai số epsilon = kết nhận dạng trung bình 100%, với epsilon = kết nhận dạng 4/6 = 66,6% Nguyên nhân có sai số bước huấn luyện không xác định rõ điểm mà xác định vùng đặc trưng xung quanh điểm Thứ hai, bước chấm điểm tay có sai lệch Do đó, sai số khoảng – pixel chấp nhận Hình 38 53 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Xây dựng hệ thống nhận dạng điểm đặc trưng Nguyễn Thành Trung Hình 38 – Ví dụ xác định điểm đặc trưng Qua bảng tính trung bình nhận thấy P6 có độ lệch trung bình nhỏ cho thấy tỷ lệ xác định điểm P6 cao nhất, nhận thấy vị trị điểm P6 vùng mắt vị trí khác nhất, khơng bị đan xen hay cắt vị trí điểm đặc trưng khác hay nói cách khác khác biệt với vùng xunh quanh rõ ràng Điều chứng tỏ đặc trưng diện mạo (ở Gabor) thường cho kết tốt dùng với vùng có khác biệt rõ ràng Kết xác định điểm P7, P8 với 10 ảnh vùng miệng: Bảng 14 – Kết xác định điểm P7,P8 với 10 mẫu Điểm chuẩn x y test 72 18 test 77 18 test 76 12 test 66 15 test 56 15 test 67 19 test 60 11 test 58 13 test 58 14 test10 48 12 Test Thực nghiệm X‟ Y‟ 66 16 75 16 74 12 66 14 53 14 65 17 56 12 56 13 55 13 45 12 Khoảng cách 6.324555 2.828427 3.162278 2.828427 4.123106 3.162278 3.042970 Điểm chuẩn x y 73 48 78 47 76 42 66 34 56 35 67 52 60 38 61 38 59 35 47 33 Thực nghiệm X‟ Y‟ 73 44 68 48 76 40 66 34 57 41 73 47 58 36 54 38 57 34 41 33 Khoảng cách 10.04988 6.082763 7.81025 2.828427 2.236068 4.80 Qua bảng tính khoảng cách sai số trung bình điểm P7 P8 cho thấy kết xác định điểm xác so với điểm Pt t=1,6 Rõ ràng khác biệt vùng xung quanh điểm rõ rệt, kết chứng nhận định 54 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương : Tổng kết Nguyễn Thành Trung Chương Tổng kết hướng phát triển Trong khóa luận chúng tơi đưa phương pháp lai nhằm mục đích xác định 20 điểm đặc trưng khuôn mặt vấn đề cốt lỗi tốn nhận dạng khn mặt, nhận dạng cảm xúc Phương pháp dựa hai hướng tiếp cận là: Xác định điểm đặc trưng luật trích chọn đặc trưng dùng lọc Gabor kết hợp với phương pháp học máy Suport Vector Machine Trong hướng tiếp cận luật, xác định điểm đặc trưng hai mống mắt, hai điểm lỗ mũi hai khóe miệng Để xác định hai mống mắt xác định vùng quan tâm mắt phải mắt trái thông qua phương pháp phát thành phần với đặc trưng giống Haar Với hai điểm lỗ mũi hai khóe miệng lấy ngưỡng vùng ảnh quan tâm hai thành phần sau dùng thuật tốn Canny để phát cạnh phần xác định đường biên vùng dựa tư tưởng đồ thị liên thông Để xác định 14 điểm đặc trưng cịn lại chúng tơi lấy đặc trưng Gabor điểm Mỗi điểm tương ứng với vector đặc trưng Gabor bao gồm giá trị điểm ảnh vùng ảnh 10x10 pixel giá trị điểm ảnh 48 vùng ảnh Gabor Sau chúng tơi áp dụng phương pháp học máy Suport Vector Machine để xây dựng nên 14 model nhận dạng cho 14 điểm tương ứng Với hệ thống xây dựng kết thu liệu chuẩn Cohn – Kanade hệ thống xác định điểm dựa hướng tiếp cận luật với độ xác 90%, kết xác định 14 điểm lại đặc trưng Gabor phương pháp học máy Suport Vector Machine với sai số epsilon = pixel 66,6% Trong thời gian tới, tiếp tục cải tiến phương pháp tốt dùng để trích chọn đặc trưng từ ảnh khuôn mặt 2D hệ thống nhận dạng cảm xúc tự động 55 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Phụ lục Nguyễn Thành Trung Tài liệu tham khảo [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] Z.Zhang, M.Lyons, M.Schuster, S.Akamatsu Comparison Between GeometryBased and Gabor-Wavelets-Based Facial Expression Recognition Using MultiLayer Perceptron IEEE International Conference on Automatic Face and Gesture Recognition 1998 M.F.Valstar, M.Pantic Fully automatic facial action unit detection and temporal analysis IEEE International Conference on Computer Vision and Pattern Recognition 2006 J.Yang, R.Stiefelhagen, U.Meier, A.Waibel Real-time face and facial feature tracking and applications In Proceedings of Auditory-Visual Speech Processing, New South Wales, Australia 1998 Y.L.Tian, L.Brown, A.Hampapur, S.Pankanti, A.Senior, R.Bolle Real world real-time automatic recognition of facial expressions IEEE Workshop on Performance Evaluation of Tracking and Surveillance 2003 D.Vukadinovic, M.Pantic Fully Automatic Facial Feature Point Detection Using Gabor Feature Based Boosted Classifiers IEEE International Conference on Systems, Man and Cybernetics 2005 I Kotsia, I Pitas Facial expression recognition in image sequences using geometric deformation features and support vector machines IEEE Transactions on Image Processing 2007 J Y Bouguet Pyramidal Implementation of the Lucas-Kanade Feature Tracker Tech Rep Intel Corporation, Microprocessor Research Labs 2000 I Matthews, S Baker Active Appearance Models revisited International Journal of Computer Vision 2004 S.Lucey, A.B.Ashraf, J.F.Cohn Investigating Spontaneous Facial Action Recognition through AAM Representations of the Face In Face Recognition, K.Delac, M.Grgic, Eds Vienna, Austria: I-Tech Education and Publishing 2007 T Cootes, G Edwards, C Taylor Active appearance models IEEE Transactions on Pattern Analysis and Machine Intelligence 2001 B.D.Lucas, T.Kanade An iterative image registration technique with an application to stereo vision Conference on Artificial Intelligence 1981 J.Shi, C.Tomasi Good features to track IEEE International Conference on Computer Vision and Pattern Recognition 1994 56 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Phụ lục [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] Nguyễn Thành Trung Y.Zhang, Q.Ji Active and dynamic information fusion for facial expression understanding from image sequence IEEE Transactions on Pattern Analysis and Machine Intelligence 2005 M.Isard, A.Blake Condensation - conditional density propagation for visual tracking International Journal of Computer Vision.1998 M.K.Pitt, N.Shephard Filtering via simulation: auxiliary particle filtering Journal of the American Statistical Association 1999 I.Patras, M.Pantic Particle filtering with factorized likelihoods for tracking facial features IEEE International Conference Face and Gesture Recognition 2004 Y.L.Tian, T.Kanade, J.Cohn Recognizing action units for facial expression analysis IEEE Transactions on Pattern Analysis and Machine Intelligence 2001 L.Ding, A.M.Martinez Precise Detailed Detection of Faces and Facial Features IEEE Conference on Computer Vision and Pattern Recognition 2008 H.B.Deng, L.W.Jin, L.X.Zhen, J.C.Huang A New Facial Expression Recognition Method Based on Local Gabor Filter Bank and PCA plus LDA International Journal of Information Technology 2005 T Ojala, M Pietikäinen, and T Maenpaa Multiresolution Gray Scale and Rotation Invariant Texture Analysis with Local Binary Patterns IEEE Transactions on Pattern Analysis and Machine Intelligence 2002 G.Zhao, M.Pietikäinen Dynamic texture recognition using local binary patterns with an application to facial expressions IEEE Transactions on Pattern Analysis and Machine Intelligence 2007 M J Lyons, S Akamatsu, M Kamachi, J Gyoba Coding Facial Expressions with Gabor Wavelets The 3th IEEE International Conference on Automatic Face and Gesture Recognition, Nara, Japan 1998 Takeo Kanade, Jeffrey Cohn, and Ying-li Tian Comprehensive database for facial expression analysis International Conference on Automatic Face and Gesture Recognition 2000 [24] T.F.Cootes, C.J.Taylor, D.Cooper, and J.Graham Active shape models – their training and applications Computer Vision and Image Understanding 1995 [25] M Turk and A Pentland (1991) "Face recognition using eigenfaces" Proc IEEE Conference on Computer Vision and Pattern Recognition Gorsuch, R L (1983) Factor Analysis Hillsdale, NJ: Lawrence Erlbaum [26] 57 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Phụ lục Nguyễn Thành Trung [27] Mika, S et al (1999) "Fisher Discriminant Analysis with Kernels" IEEE Conference on Neural Networks for Signal Processing IX: 41–48 [28] L Farkas, "Anthropometry of the Head and Face," Raven Press, New York, vol 98, 1994, pp 182-210 [29] [30] [31] T Ojala, M Pietikäinen, and D Harwood (1996), "A Comparative Study of Texture Measures with Classification Based on Feature Distributions", Pattern Recognition, vol 29, pp 51-59 P Viola, & M Jones (2004) Robust real-time face detection International Journal of Computer Vision, 57(2), 137-154 Yoav Freund and Robert E Schapire Experiments with a new boosting algorithm In Machine Learning: Proceedings of the Thirteenth International Conference, pages 148–156,1996 58 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... Trích chọn đặc trưng khn mặt Nguyễn Thành Trung 3.3 Trích chọn đặc trưng diện mạo 3.3.1 Tổng quan Một dạng khác trích chọn đặc trưng trích trọn đặc trưng diện mạo để xác định thay đổi khuôn mặt. .. đặc trưng Nguyễn Thành Trung Để trích chọn đặc trưng Gabor, chúng tơi chọn số ảnh người khác dùng làm mẫu trích chọn đặc trưng Với ảnh chúng tơi chấm tay vị trí điểm đặc trưng Để trích chọn đặc. .. đoạn là: Phát khn mặt người ảnh,  Trích chọn đặc trưng  Để hiểu rõ tốn trích chọn đặc trưng cơng đoạn tốn trích chọn đặc trưng, chúng tơi trình bày tổng quan cơng nghệ phát khuôn mặt ảnh 2D 2.2