Xử lý ảnh đề tài nhận diện khuôn mặt

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Cơ sở Tp.Hồ Chí Minh TIỂU LUẬN MƠN XỬ LÝ ẢNH ĐỀ TÀI: NHẬN DIỆN KHUÔN MẶT Mục lụcc lục lụcc I GIỚI THIỆU II TỔNG QUAN VÀ BÀI TOÁN PHÁT HIỆN KHUÔN MẶT NGƯỜI .3 2.1 Bài toán nhận diện mặt người 2.2 Những khó khăn nhận diện khn mặt 2.3 Tầm quan trọng 2.4 Xây dựng hệ thống nhận diện mặt người đặc trưng .5 2.5 Phương pháp dựa Adaboost 2.6 Mơ hình hệ thống nhận diện khn mặt 2.7 Hậu xử lý .9 2.8 Tóm lại 10 III ỨNG DỤNG THỰC NGHIỆM 10 I GIỚI THIỆU Nhận diện khuôn mặt bước nhận dạng khuôn mặt tự động Độ tin cậy có ảnh hưởng lớn đến hiệu suất khả sử dụng toàn hệ thống nhận dạng khn mặt Với hình ảnh video, máy phát khuôn mặt lý tưởng phải xác định định khuôn mặt vị trí, tỷ lệ, hướng, tuổi biểu cảm chúng Hơn nữa, việc phát phải thực không phụ thuộc vào điều kiện ánh sáng không liên quan nội dung hình ảnh video Nhận diện khn mặt thực dựa số dấu hiệu: màu da (đối với khuôn mặt hình ảnh video màu), chuyển động (đối với khn mặt video), hình dạng khn mặt / đầu, hình dạng khuôn mặt kết hợp thông số Hầu hết thuật tốn nhận diện khn mặt thành cơng dựa ngoại hình mà khơng sử dụng dấu hiệu khác Quá trình xử lý hồn thành sau: Một hình ảnh đầu vào qt tất vị trí chia tỷ lệ cửa sổ phụ Nhận diện khuôn mặt đặt dạng phân loại mẫu cửa sổ phụ khuôn mặt khuôn mặt Bộ phân loại khuôn mặt / khn mặt học từ ví dụ đào tạo khuôn mặt khuôn mặt cách sử dụng phương pháp học thống kê II TỔNG QUAN VÀ BÀI TỐN PHÁT HIỆN KHN MẶT NGƯỜI 2.1 Bài toán nhận diện mặt người Hệ thống nhận dạng mặt người hệ thống nhận vào ảnh đoạn video (một chuỗi ảnh) Qua xử lý tính tốn hệ thống xác định vị trí mặt người ảnh (nếu có) xác định người số người hệ thống biết (qua trình học) người lạ 2.2 Những khó khăn nhận diện khn mặt a Tư góc chụp: Ảnh chụp khn mặt thay đổi nhiều góc chụp camera khuôn mặt.Chẳng hạn : chụp thẳng, chụp xéo bên trái 450 hay xéo bên phải 450 ,chụp từ xuống, chụp từ lên,v.v…) Với tư khác nhau, thành phần khuôn mặt mắt, mũi, miệng bị khuất phần chí khuất hết Khn mặt nhìn thẳng góc chụp máy ảnh lại lệch nhiều so với hướng nhìn thẳng khuôn mặt lúc chụp ảnh mặt người quay nghiêng sang bên nhiều khó khăn lớn tốn nhận diện mặt người b Sự xuất thiếu số thành phần khuôn mặt: Các đặc trưng râu mép, râu hàm, mắt kính,v.v… xuất khơng Vấn đề làm cho tốn khó khăn nhiều c Sự xuất thiếu số thành phần khuôn mặt: Các đặc trưng râu mép, râu hàm, mắt kính,v.v… xuất không Vấn đề làm cho tốn khó khăn nhiều d Sự che khuất: Khn mặt bị che khuất đối tượng khác khuôn mặt khác e Hướng ảnh: Các ảnh khn mặt biến đổi nhiều với góc quay khác trục camera Chẳng hạn chụp với trục máy ảnh nghiêng làm cho khuôn mặt bị nghiêng so với trục ảnh f Điều kiện ảnh: Ảnh chụp điều kiện khác về: chiếu sang, tính chất camera (máy kỹ thuật số, máy hồng ngoại,v.v…) ảnh hưởng nhiều đến chất lượng ảnh khuôn mặt g Nền ảnh phức tạp: ảnh phức tạp khó khăn tốn nhận diện khuôn mặt người ảnh, khuôn mặt người dễ bị nhầm lẫn với nhiều khung cảnh phức tạp xung quanh ảnh hưởng nhiều đến trình phân tích rút trích đặc trưng khn mặt ảnh, dẫn đến khơng nhận khuôn mặt nhận nhầm khung cảnh xung quanh thành khuôn mặt người h Màu sắc da mặt: màu sắc da mặt tối gần với màu sắc khung cảnh môi trường xung quanh khó khăn với tốn nhận diện mặt người Nếu màu sắc da người tối thuật tốn gặp khó khăn việc nhận diện đặc trưng khơng tìm khuôn mặt người 2.3 Tầm quan trọng Nếu cơng nghệ nhận dạng giọng nói phù hợp với ứng dụng call center nhược điểm tiếng ồn, không phù hợp với nơi công cộng đông người cơng nghệ nhận dạng chữ ký gây nhiều phiền phức cho người sử dụng khó trì chữ ký giống thời điểm Trong đó, cơng nghệ nhận dạng vân tay dùng phổ biến, có nhược điểm bị ảnh hưởng độ ẩm da đặc biệt khơng xác cao với người có tay hay tiếp xúc với hố chất Bên cạnh đó, nhận dạng vân tay cịn có hạn chế việc giả mạo, chí kẻ gian sử dụng tay người khác để xác thực Cịn cơng nghệ nhận dạng mống mắt cơng nghệ có nhiều ưu điểm độ xác khả chống giả mạo Việc xác thực, nhận dạng công nghệ dựa sơ đồ mạch máu võng mạc mắt Sơ đồ thay đổi kể từ lúc sinh già đặc biệt chết, hệ thống sơ đồ mạch máu biến Vì thế, dùng người chết để xác thực cho việc truy cập trái phép Tuy nhiên, công nghệ lại bị tác động nhiều yếu tố khác độ rộng mắt, lơng mi, kính đeo khó triển khai phổ biến diện rộng độ phức tạp thiết bị Trong đó, độ xác khơng phải ưu điểm bật công nghệ nhận dạng mặt người song không giống với phương pháp khác, nhận dạng mặt người công nghệ nhận dạng không cần đến tiếp xúc trực tiếp đối tượng thiết bị thu nhận Thay vào đó, cơng nghệ mang tính theo dõi, giám sát thuận tiện cho ứng dụng bảo vệ mục tiêu, chống khủng bố điểm công cộng đông người Đây ưu điểm trội nhận dạng mặt người mà công nghệ nhận dạng khác khó có 2.4 Xây dựng hệ thống nhận diện mặt người đặc trưng Một hệ thống nhận diện khn mặt người xây dựng qua nhiều công đoạn khác phúc tạp, ta khái quát chung hệ thơng nhận dạng khn mặt người gồm có bước sau:  Tiền xứ lý: hệ thống nhận vào ảnh tĩnh, sau sử lý ảnh cho chất lượng tốt hơn, chỉnh lại độ sáng, giảm độ nhiễu điều giúp cho trình rút trích đặc trưng khn mặt dễ dáng nhiều Quá trình tiền xử lý thường đơn giản nhanh gọn nên không cần dùng thuật toán phức tạp nhiều thời gian  Trích rút đặc trưng: Trích rút đặc trưng kỹ thuật sử dụng thuật toán để lấy thông tin mang đặc điểm riêng biệt người  Nhận diện khuôn mặt: sau rút trích đặc trưng, đưa vào khối nhận dạng để phân lớp đối tượng 2.5 Phương pháp dựa Adaboost 2.5.1 Adaboost Đối với việc học AdaBoost, phân loại mạnh phi tuyến phức tạp HM (x) xây dựng tổ hợp tuyến tính M phân loại yếu đơn giản hơn, dễ xây dựng mẫu sau: Trong x mẫu cần phân loại, hm (x) M phân loại yếu, αm ≥ m ≥ hệ số kết hợp R Trong phiên rời rạc, hm (x) nhận giá trị rời rạc {−1, + 1} , trong phiên có giá trị thực, đầu hm (x) số R HM (x) có giá trị thực, dự đoán nhãn lớp cho x thu : y (x) ˆ = sign [HM (x)] Có loại hình chữ nhật Haar wavelet-like: Để có tính cho khu vực năm hình chữ nhật này, cần trừ tổng số pixel vùng trắng cho tổng số pixel vùng đen Các tính có tầm quan trọng thực bối cảnh nhận diện khn mặt Do đó, với năm vùng hình chữ nhật này, tạo thành đặc điểm phân loại phần khn mặt Sau đó, tồn tập hợp tính năng, sử dụng thuật toán AdaBoost để chọn tính tương ứng với vùng khn mặt hình ảnh Tuy nhiên, sử dụng cửa sổ trượt cố định trượt (x, y) hình ảnh, tính tốn Haar-like feature cuối thực phân loại thực tế tốn mặt tính tốn Để chống lại điều này, Viola Jones đưa khái niệm cascade stages Tại điểm dừng dọc theo đường dẫn cửa sổ trượt, cửa sổ phải vượt qua loạt thử nghiệm thử nghiệm đắt mặt tính tốn so với trước Nếu thử nghiệm thất bại, cửa sổ tự động bị loại bỏ Một số lợi ích Haar cascade họ nhanh việc tính tốn Haar-like features, sử dụng hình ảnh tích hợp (cịn gọi bảng tổng hợp) Chúng hiệu để lựa chọn tính thơng qua việc sử dụng thuật tốn AdaBoost Có lẽ quan trọng nhất, họ phát khn mặt hình ảnh vị trí hay quy mơ khn mặt Trong đó, h(k) phân loại yếu, biểu diễn sau: với: AdaBoost kết hợp phân loại yếu thành phân loại mạnh sau: Đây hình ảnh minh họa việc kết hợp phân loại yếu thành phân loại mạnh 2.5.2 Sơ đồ nhận diện khuôn mặt 2.6 Mơ hình hệ thống nhận diện khn mặt 2.7 Hậu xử lý Một khn mặt ảnh phát nhiều lần vị trí gần nhiều tỷ lệ Cảnh báo giả xảy thường qn so với nhận diện nhiều khuôn mặt Số lượng nhiều phát vùng lân cận vị trí sử dụng dấu hiệu hiệu cho tồn khuôn mặt vị trí Giả định dẫn đến kinh nghiệm để giải mơ hồ nhiều lần phát loại bỏ nhiều lần phát sai Một phát xác nhận số lượng nhiều phát lớn giá trị định; xác nhận, nhiều phát hợp thành phát quán Điều thực hành hầu hết hệ thống nhận diện khn mặt Hình ảnh bên trái cho thấy đầu điển hình phát ban đầu, khuôn mặt phát bốn lần với bốn cảnh báo giả vải Bên phải kết cuối sau hợp Sau xử lý hậu kỳ, nhiều phát hợp thành khuôn mặt cảnh báo sai loại bỏ 2.8 Tóm lại Nhận diện khn mặt bước nhận dạng khuôn mặt tự động có ứng dụng sinh trắc học quản lý đa phương tiện Do phức tạp đa dạng khuôn mặt khuôn mặt, việc phát khn mặt có độ xác cao với tỷ lệ phát cao tỷ lệ cảnh báo sai thấp thách thức Giờ đây, vấn đề khó khăn gần giải để đáp ứng yêu cầu tối thiểu hầu hết ứng dụng thực tế, tiến nghiên cứu nhận dạng khuôn mặt học máy Mặc dù công nghệ nhận diện khuôn mặt đủ trưởng thành để đáp ứng yêu cầu tối thiểu nhiều ứng dụng thực tế, cần nhiều công việc trước tính nhận diện khn mặt tự động đạt hiệu suất tương đương với hiệu suất người Phương pháp Haar + AdaBoost hiệu đạt hiệu Tuy nhiên, cách tiếp cận gần đạt đến giới hạn sức mạnh Trong khn khổ vậy, cải tiến cách thiết kế tính bổ sung bổ sung cho tính có áp dụng kỹ thuật học tập nâng cao hơn, dẫn đến phân loại phức tạp tránh vấn đề trang bị nhiều III ỨNG DỤNG THỰC NGHIỆM Bài toán phát mặt người ảnh toán phức tạp lại hấp hẫn nhiều người nghiên cứu nó, có lẽ tính ứng dụng thực tế toán lớn đa dạng sống đại kể số ứng dụng thơng dụng tốn nhận diện mặt người  Nhận dạng tội phạm: Hệ thống nhận diện khn mặt tức đối chiếu với hàng triệu ghi có sẵn sở liệu để tội phạm truy tìm hay khơng, nhân vật đặc biệt cần quan tâm vv  Giải trí: hẩu hết máy ảnh đại ngày có chức tự động nhận diện mặt người để lấy độ nét, điều chỉnh ánh sáng cho phù hợp với khung cảnh xung quanh Trên số trang web áp dụng công nghệ tự động nhận diện mặt người so sánh với kho liệu khổng lồ để đưa lời chào, dịch vụ thơng cho người sử dụng  Hệ thống quan sát: Theo dõi bảo vệ: hệ thống camera xác định đâu người theo dõi người Tổ chức tìm kiếm liên quan đến người thông qua khuôn mặt nhiều hệ sở liệu lớn  Điều khiển vào quan, văn phòng: cho phép nhân viên vào khu vực quan mà không cần phải đăng nhập hay dùng thẻ Nếu kết hợp với sử dụng vân tay hay hốc mắt đem lại kết xác cao  Phân tích cảm xúc khn mặt người v v ... đồ nhận diện khn mặt 2.6 Mơ hình hệ thống nhận diện khuôn mặt 2.7 Hậu xử lý Một khuôn mặt ảnh phát nhiều lần vị trí gần nhiều tỷ lệ Cảnh báo giả xảy thường quán so với nhận diện nhiều khuôn mặt. .. đến chất lượng ảnh khuôn mặt g Nền ảnh phức tạp: ảnh phức tạp khó khăn tốn nhận diện khn mặt người ảnh, khuôn mặt người dễ bị nhầm lẫn với nhiều khung cảnh phức tạp xung quanh ảnh hưởng nhiều... thành khuôn mặt cảnh báo sai loại bỏ 2.8 Tóm lại Nhận diện khuôn mặt bước nhận dạng khuôn mặt tự động có ứng dụng sinh trắc học quản lý đa phương tiện Do phức tạp đa dạng khuôn mặt khn mặt, việc