dò tìm, phát hiện khuôn mặt trong ảnh số

TÓM TẮT KHÓA LUẬN Trong những năm gần đây, công nghệ thông tin - đặc biệt là công nghệ phần cứng phát triển vượt bậc mở đường cho việc hiện thực hoá mong muốn đưa những bài toán trong lĩnh vực trí tuệ nhân tạo đi vào ứng dụng trong thực tiễn. Dũ tìm khuôn mặt trong ảnh và video số là một bài toán như vậy. Giai đoạn trước những năm 90 của thế kỷ trước bài toán này đã được nghiên cứu và phát triển nhưng phần lớn dưới dạng học thuật mà chưa có nhiều ứng dụng thực tiễn do hạn chế về mặt công nghệ. Từ giữa những năm 90 đến nay những hạn chế đó dần được khắc phục, nhiều phương pháp dũ tỡm đối tượng đã được tiến hành thực nghiệm và thu được những kết quả khả quan. Đề tài “Dề TèM, PHÁT HIỆN KHUÔN MẶT TRONG ẢNH SỐ” lựa chọn tìm hiểu về vấn đề dũ tỡm khuôn mặt trong ảnh số vì đây là bài toán ngày càng có nhiều ứng dụng thiết thực trong cuộc sống. Hiện nay có khoảng hơn 150 phương pháp khác nhau để giải quyết bài toán này dựa trên hai hướng căn bản là dũ tỡm dựa trên ảnh và dũ tỡm dựa trên đặc trưng hình học. Đa số những phương pháp đã có gặp hạn chế trong việc ứng dụng để xây dựng một hệ thống dũ tỡm thời gian thực. Phương pháp dũ tỡm dựa trên thuật toán AdaBoost và các đặc trưng Haar có những ưu thế nổi bật để có thể xây dựng các hệ thống dũ tỡm trong thời gian thực với hiệu quả dũ tỡm khá tốt. Do vậy đề tài sẽ chú trọng tìm hiểu phương pháp này và bước đầu tiến hành xây dựng thử nghiệm chương trình demo. Đề tài gồm 3 phần chính. Chương 1 trình bày tổng quan về bài toán dũ tỡm khuôn mặt trong ảnh số và những hướng giải quyết đã được phát triển. Chương 2 tìm hiểu phương pháp dũ tỡm khuôn mặt nhanh trong ảnh số. Chương 3 bước đầu xây dựng chương trình dũ tỡm khuôn mặt sử dụng AdaBoost và tổng kết một số kết quả đạt được. 1 Mục lục TÓM TẮT KHÓA LUẬN 1 Mục lục 2 Danh sỏch cỏc hỡnh 5 Danh sách các bảng 6 Các từ viết tắt và thuật ngữ 6 Chương 1: TỔNG QUAN VỀ Dề TèM KHUÔN MẶT TRONG ẢNH SỐ 7 1GIỚI THIỆU VỀ XỬ LÝ ẢNH 7 1.1.1 Biểu diễn ảnh số 7 1.1.2Một số khái niệm cơ sở trong xử lý ảnh Một số khái niệm cơ sở trong xử lý ảnh 8 1.1.3 Các giai đoạn trong xử lý ảnh 9 2BÀI TOÁN Dề TèM KHUÔN MẶT 11 1.2.1Tóm tắt lịch sử 11 1.2.2Những thách thức trong bài toán dũ tỡm khuôn mặt Những thách thức trong bài toán dò tìm khuôn mặt 12 1.2.3Một số khái niệm cơ sở cần thiết 15 3Dề TèM KHUÔN MẶT DỰA TRÊN ẢNH 16 1.3.1Giới thiệu Giới thiệu 16 1.3.2Eigenface 16 1.3.3Mạng Nơron 18 1.3.4SVM 19 1.3.5Mô hình Markov ẩn 19 4Dề TèM KHUÔN MẶT DỰA TRÊN ĐẶC TRƯNG HÌNH HỌC 19 1.4.1Giới thiệu 19 1.4.2Các phương pháp Top – down 20 1.4.3Các phương pháp Bottom – up 21 5HƯỚNG TIẾP CẬN CỦA KHOÁ LUẬN 21 1.5.1Ý tưởng chung 21 1.5.2Hướng tiếp cận 22 Chương 2:Dề TèM KHUÔN MẶT NHANH BẰNG PHƯƠNG PHÁP ADABOOST 24 2.1GIỚI THIỆU GIỚI THIỆU 24 2 2.1.1Lựa chọn phương pháp Lựa chọn phương pháp 24 2.1.2Phạm vi của dũ tỡm khuôn mặt thẳng Phạm vi của dò tìm khuôn mặt thẳng 24 2.1.3Những bước chính để dũ tỡm khuôn mặt 25 2.2CÁC ĐẶC TRƯNG VÀ ẢNH TÍCH PHÂN CÁC ĐẶC TRƯNG VÀ ẢNH TÍCH PHÂN 26 2.2.1Mô hình dựa trên điểm ảnh Mô hình dựa trên điểm ảnh 26 2.2.2Các đặc trưng Haar-like Các đặc trưng Haar-like 27 2.2.3Ảnh tích phân Ảnh tích phân 31 2.3HỌC VỚI ADABOOST HỌC VỚI ADABOOST 34 2.3.1 Tổng quan về AdaBoost Tổng quan về AdaBoost 34 2.3.2Bộ phân lớp yếu 36 2.3.3Ngưỡng tối ưu 37 2.3.4Thuật toán AdaBoost Thuật toán AdaBoost 38 2.3.4Hoạt động của bộ phân lớp yếu 44 2.3.6 AdaBoost với vấn đề dũ tỡm khuôn mặt 46 2.4SỰ PHÂN LOẠI VÀO CÁC TẦNG 47 2.4.1Hiệu quả của việc phân tầng 47 2.4.2Cải tiến bộ phân lớp 50 2.4.3Huấn luyện các tầng cho bộ phân lớp 50 Chương 3: XÂY DỰNG CHƯƠNG TRÌNH VÀ MỘT SỐ KẾT QUẢ 55 3.1CƠ SỞ DỮ LIỆU CƠ SỞ DỮ LIỆU 55 3.2KẾT QUẢ KẾT QUẢ 56 3.2.1Kết quả học Kết quả học 56 3.2.2Kết quả kiểm tra Kết quả kiểm tra 57 3.3 THỬ NGHIỆM BỘ Dề TèM KHUÔN MẶT 57 3.3.1 Dữ liệu 57 3.3.2Kết quả Kết quả thực nghiệm 58 3.3.3Nhận xét 59 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 60 PHỤ LỤC 1: Cấu trúc chương trình demo 62 PHỤ LỤC 2: Một số mẫu test chương trình demo 63 TÀI LIỆU THAM KHẢO 65 3 4 Danh sỏch cỏc hỡnh Hình 1.1: Biểu diễn ảnh bằng hàm 7 Hình 1.2: Các bước cơ bản trong xử lý ảnh số 9 Hình 1.3: Các thành phần cơ bản của một hệ xử lý ảnh 11 Hình 1.4: Một số trạng thái biểu cảm của khuôn mặt 13 Hình 3.5: Ảnh trong những điều kiện ánh sáng khác nhau 14 Hình 1.6: Một số dạng khuôn mặt đặc trưng 14 Hình 1.7: Mẫu khuôn mặt với nền ảnh phức tạp 14 Hình 2.1: Mô hình khuôn mặt trước khi biến đổi 26 Hình 2.2: Mô hình ảnh sau khi trích chọn cỏc vựng quan trọng 26 Hình 2.3: Mẫu các đặc trưng hình chữ nhật nằm trong cửa sổ dũ tỡm 28 Hình 2.4: Các dạng đặc trưng Haar-like cơ bản 28 Hình 2.5: Các dạng đặc trưng Haar-like mở rộng 29 Hình 2.6: Hình chữ nhật ở phía trên bên phải cửa sổ 30 Hình 2.7: Minh họa các đặc trưng đường và đặc trưng cạnh được lựa chọn 30 Hình 2.8: Biểu diễn “ảnh tớch phõn” 31 Hình 2.9: Cỏch tính tổng các pixel trong hình chữ nhật D 33 Hình 2.10: Mô hình thuật toán AdaBoost 35 Hình 2.11: Phân phối mẫu cho mỗi đặc trưng và xấp xỉ Gauss tương ứng 38 Hình 2.12: Ngưỡng tối ưu với tỷ lệ phân lớp sai tối thiểu 38 Hình 2.13: Thuật toán AdaBoost 42 Hình 2.14: Minh hoạ thuật toán AdaBoost 44 Hình 2.15: Lược đồ mô tả quá trình dũ tỡm phân tầng 49 Hình 2.16: Cấu trúc phân tầng chi tiết 49 Hình 2.17: Thuật toán huấn luyện bộ dũ tỡm phân tầng 53 5 Từ khóa: AdaBoost, Haar, đặc trưng, khuôn mặt. Danh sách các bảng Bảng 1: Các kiểu đặc trưng và số lượng tương ứng 30 Bảng 2: Kết quả trên tập dữ liệu CBCL 58 Bảng 3: Kết quả trên tập dữ liệu CMU 58 Bảng 4: Kết quả trên tập dữ liệu ORL 58 Bảng 5: Kết quả trên tập dữ liệu thu thập từ internet 58 Các từ viết tắt và thuật ngữ Từ viết tắt Từ (cụm từ) viết đầy đủ AdaBoost Adaptive Boosting SVM Support Vector Machine PCA Principal Components Analysis 6 Chương 1: TỔNG QUAN VỀ Dề TèM KHUÔN MẶT TRONG ẢNH SỐ 1 GIỚI THIỆU VỀ XỬ LÝ ẢNH 1.1.1 Biểu diễn ảnh số Đối với ảnh đơn giản (ảnh đen trắng) thì ảnh được biểu diễn bằng một hàm cường độ sáng hai chiều , ( ) X Y f , trong đó ,X Y là các giá trị toạ độ không gian và hàm giá trị của f tại một điểm ( , )X Y bất kỳ sẽ tỷ lệ với độ sáng hay mức xám của điểm ảnh tại điểm này. [2,4] Hình 1.1: Biểu diễn ảnh bằng hàm , ( ) X Y f Trong mộ số trường hợp hàm ảnh còn được biểu diễn với một trục thứ 3 gọi là hàm cường độ sáng (với hình 1.1, trục thứ 3 bằng 0). Một ảnh số là một ảnh , ( ) X Y f được gián đoạn theo không gian và cường độ sáng. Một ảnh số được xem như một ma trận với hàng và cột biểu diễn một điểm trong ảnh và giá trị điểm ma trận tương ứng với mức xám tại điểm đú. Cỏc phần tử của một dãy số như thế được gọi là các điểm ảnh. Ánh sáng có dạng năng lượng , ( ) X Y f phải khác 0 và hữu hạn: , 0 ( ) (1.1) X Y f < < ∞ Con người có khả năng nhận các hình ảnh từ ánh sáng phản xạ qua các vật thể. Cơ sở của , ( ) X Y f được đặc trưng qua hai thành phần:  Số lượng ánh sáng nguồn rơi trên cảnh vật được nhìn thấy.  Số lượng ánh sáng nguồn phản xạ từ vật thể ( trong cảnh vật). Chúng được gọi gần đúng là sự phát sáng và các thành phần phản xạ, và được biểu diễn tương ứng là ,( )X Yi và , ( ) X Y r . Bản chất của ,( )X Yi được xác định bằng nguồn sáng và của , ( ) X Y r được xác định bằng các đặc trưng của vật thể. Hàm ,( )X Yi và , ( ) X Y r kết hợp với nhau để cho hàm , ( ) X Y f 7 * P(X,Y) Với: , , , , , ( ) ( ) ( ) (1.2) ( 0 ( ) (1.3) 0 ( ) 1) (1.4) X Y X Y X Y X Y X Y f i r i r = < < ∞ < < Ở đây ta gọi cường độ sáng của một ảnh đen trắng tại tọa độ , ( ) X Y là mức xám ( )l của ảnh tại điểm đó. Từ (1.2), (1.3), (1.4) , l nằm trong khoảng: min max (1.5)L l L≤ ≤ Trong lý thuyết, chỉ cần min 0L > và max L hữu hạn. Trong thực tế: min min min max max max (1.6)L i r L i r = = Sử dụng các giá trị chiếu sáng và phản xạ đã được tổng kết qua thực nghiệm hoặc xem là các giá trị cơ bản min max 0.005, 100L L≈ ≈ cho xử lý ảnh. Khoảng [ ] min max ,L L được gọi là thang xám. Ta có thể dịch khoảng này đến [ ] 0, L , trong đó 0l = là đen và l L= là trắng trong thang xám. Giá trị tức thời là các dạng mức xám thay đổi liên tục từ đen đến trắng. 1.1.2Một số khái niệm cơ sở trong xử lý ảnh Một số khái niệm cơ sở trong xử lý ảnh  Để có thể xử lý bằng máy tính điện tử thì ảnh cần phải được số hóa. Đó là quá trình biến đổi ảnh từ tín hiệu liên tục sang tín hiệu rời rạc thông qua việc lấy mẫu và lượng tử hóa. Trong quá trình này người ta sử dụng khái niệm “pixel”. Mỗi pixel được đặc trưng bởi một cặp tọa độ ,( )X Y và màu sắc của nó.[4]  Ảnh: Là một tập hợp các pixel có cấu trúc, ta có thể coi ảnh là một mảng hai chiều ( , )n p I có n dòng và p cột, ảnh sẽ có n p × (pixel). Ta ký hiệu ( , )X Y I để chỉ điểm ảnh có toạ độ ,( )X Y .  Mức xám (Gray level): Đó là kết quả của việc mã hóa, cho tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số, có thể là 16, 32, 64 mức.  Biểu diễn ảnh: Trong biểu diễn ảnh người ta thường sử dụng các phần tử đặc trưng của ảnh là pixel. Một hàm hai biến chứa các thông tin như một biểu diễn ảnh. Một số mô hình thường dùng để biểu diễn ảnh là mô hình toán ( biểu diễn 8 ảnh nhờ các hàm cơ sở), mô hình thống kê ( ảnh coi như một phần tử của một tập hợp đặc trưng bởi kỳ vọng toán, hiệp biến, phướng sai, moment…).[4]  Tăng cường ảnh: Đây là một bước quan trọng bao gồm các kỹ thuật lọc độ tương phản, khử nhiễu, nổi màu….  Biến đổi ảnh: Thao tác chủ yếu trên một tập các ma trận và sử dụng các kỹ thuật để biến đổi ảnh qua ma trận: Biến đổi Furie, Sin, Cosin, tích Kronecker.  Phân tích ảnh: Liên quan tới việc xác định các độ đo định lượng của một ảnh để đưa ra một mô tả đầy đủ về ảnh. Có những kỹ thuật cơ bản để hỗ trợ phân tích ảnh: Dũ biờn, lọc vi phân, dò theo quy hoạch động, phân vùng ảnh [4]  Nhận dạng ảnh: Quá trình này liên quan đến các mô tả đối tượng mà người ta muốn đặc tả nó. Nhận dạng ảnh thường đi sau các quá trình trích chọn các đặc trưng chủ yếu của đối tượng.[1,4] 1.1.3 Các giai đoạn trong xử lý ảnh Bài toán xử lý ảnh bao gồm các giai đoạn tổng quát như sau [1,2,4] Hình 1.2: Các bước cơ bản trong xử lý ảnh số Bước đầu tiên là thu nhận ảnh, thu ảnh số bằng bộ cảm biến ảnh với khả năng số hóa tín hiệu của bộ cảm biến. Bộ cảm biến có thể là một Camera truyền hình màu hoặc đen trắng, nó tạo ra một ảnh đầy đủ trong khoảng từ 1 25 đến 1 30 giây. Ngoài ra ảnh còn có thể được thu nhận từ vệ tinh hoặc tranh ảnh được quét bằng Scanner, máy ảnh số. 9 Scanner, Camera Cơ sở tri thức Nhận dạng và nội suy Phân đoạn Tiền xử lý Biểu diễn Thu nhận ảnh Kết quả Sau khi nhận được một ảnh số, bước tiếp theo là tiền xử lý ảnh. Mục đích chủ yếu của giai đoạn tiền xử lý ảnh là nâng cao khả năng để các quá trình tiếp theo đạt kết quả tốt, như các quá trình khử nhiễu, tăng độ tương phản…. Bước tiếp theo là phân đoạn: Phân đoạn ảnh là tách một ảnh đầu vào thành các phần hoặc các vật thể. Đây là một trong những giai đoạn khó khăn của xử lý ảnh. Một mặt thuật toán phân đoạn ảnh thô là quỏ trình nâng cao độ phân giải ảnh. Mặt khác, các thuật toán yếu hoặc gián đoạn sẽ gây ra sự mất mát. Đầu ra của quá trình phân đoạn ảnh thường là số liệu pixel chưa lọc, bao gồm cả các liên kết của vùng hoặc tất cả các điểm ảnh trong vùng đó. Trong cả hai trường hợp ta cần biến đổi số liệu thành dạng thích hợp cho xử lý bằng máy tính. Số liệu cần được biểu diễn như một liên kết hoặc là một vùng tổng hợp. Biểu diễn liên kết là một xấp xỉ, nếu tập trung vào các hình dạng bên ngoài, như là cỏc gúc hoặc đường cong. Còn biểu diễn vùng là xấp xỉ, nếu chú ý đến các đặc tính bên trong như các đặc trưng hoặc các dạng chủ yếu. Cuối cùng, ảnh sẽ được phân lớp, nhận dạng cho các mục đích khác nhau. Tri thức về phạm vi vật thể được mã hóa thành một hệ thống xử lý trong ảnh dưới dạng cơ sở dữ liệu kiến thức. Kiến thức này có thể là về cỏc vựng càng chi tiết thì càng đơn giản của một ảnh (cô lập các thông tin quan trọng). Cơ sở tri thức có thể rất phức tạp như một danh sách có liên quan với nhau về tất cả các hư hỏng chính có thể. Ngoài ra cơ sở tri thức còn hướng dẫn hoạt động của từng module xử lý bằng cách kiểm tra tương tác giữa các module. Để xử lý các quá trình trên thi cần một hệ thống xử lý ảnh bao gồm một số thành phần cơ bản sau đây:[4] 10 [...]... ng dng ngy cng tng trong cỏc h thng t ng c s dng trong cuc sng: Nhn dng khuụn mt, nh v khuụn mt, Theo vt khuụn mt, l nhng hng nghiờn cu chớnh.[8,10] 11 Nhn dng khuụn mt bao gm ch ra nhng ngi xut hin trong nh, theo cỏch hiu khỏc, chỳng ta mun gỏn mt nh danh cho mi nh d tỡm c Chỳng c s dng trong cỏc h thng an ninh, nh v khuụn mt l vn tỡm kim chớnh xỏc v trớ ca mt khuụn mt m ó bit trong mt nh mu khỏc... s cn thit ca vic nhn dng khuụn mt Trong nhng nm gn ừy nhiu thut khỏc nhau ó c phỏt trin, n nay ó cú ti khụng di 150 phng phỏp khỏc nhau 1.2.2Nhng thỏch thc trong bi toỏn d tm khuụn mt Nhng trong bi toỏn dũ tỡm khuụn mt thỏch thc Nu nh dũ tỡm khuụn mt t ng trc ừy khụng c phỏt trin ú l bi vỡ nhng khú khn trong vic xõy dng nhng b phõn lp mnh, cú kh nng d tm khuụn mt trong cỏc tỡnh hung nh khỏc nhau v... Phộp chiu trong khụng gian c trng s dng Wopt cho phộp phõn ly khong cỏch gia cỏc mu v khụng gian khuụn mt vo 2 phn: khong cỏch trong trong khụng gian c trng DIFS (chiu trong khụng gian m-chiu) v khong cỏch t khụng gian c trng DIFS Bin i tuyn tớnh ti u Wopt cho bi PCA gp tr ngi trong quỏ trỡnh lm ni bt cỏc thnh phn tiờu biu khi thay i mc chiu sỏng Mt phng phỏp khc phc xõy dng Egenface u tiờn l mc nh... 4 hỡnh ch nht tớnh toỏn s khỏc bit gia 2 cp hỡnh ch nht chộo Trong trng hp ph bin, mt nh 15 ì 20 , tp cỏc hỡnh ch nht c trng l khỏ ln: 37520 Hỡnh di ừy trỡnh by v cỏc mu 2-3-4 hỡnh ch nht c s dng bi b d tm Hỡnh 2.3: Mu cỏc c trng hỡnh ch nht nm trong ca s d tm Kt qu c trng l tng cỏc pixel nm trong hỡnh ch nht mu trng tr i tng ca cỏc pixel trong cỏc hỡnh ch nht mu xỏm Cỏc c trng Haar-like nguyờn mu Vựng... d tm b qua trờn tng s khuụn mt thc t cú trong tp nh d tm Cụng thc: fn = 1 d (1.7) T l li mu dng [10,11] T l li mu dng fp l t l phn trm nhng ca s thc t khụng phi khuụn mt c b d tm xỏc nh l khuụn mt trờn tng s ca s c b d tỡm nh giỏ l khuụn mt Trong nhiu ng dng, chỳng ta mun cú t l d tm l cao nht Nh cú lng ca s ln trt trờn nh thụng thng nờn t l li mu dng ny thng trong khong 10 5 n 10 6 nhng giỏ tr nh... mt khuụn mt m ó bit trong mt nh mu khỏc Theo du khuụn mt vi mc ớch cho phộp d tm khuụn mt trong mt dóy cỏc nh hay mt on video trong thc t Nhn dng cm xỳc khuụn mt s nh giỏ trng thỏi cm xỳc ca khuụn mt c tỡm thy ( vui, bun, au kh) Nhng tin hnh c nhng nhim v trn th trc tiờn chỳng ta phi tin hnh d tm khuụn mt trong cỏc nh H thng d tm khuụn mt c phỏt trin u tiờn vo nhng nm 1970 nhng nhng gii hn ca mỏy... mc nh rng chỳng cha ng hu ht cỏc bin i ỏnh sỏng, iu ú to cho chỳng kh nng thớch nghi vi nhng s bin i ỏnh sỏng tt hn 1.3.2.3 Cỏc phng phỏp khỏc trong khụng gian Eigen 17 Nhng phng phỏp khỏc da trờn c s ct gim s chiu trong khụng gian nh ó c phỏt trin Hiu qu nht trong s ú l s phõn loi da trờn mụ hỡnh c Sung v Poggio xõy dng Phng phỏp ny chỳ trng n vic mụ hỡnh húa c s phõn loi ca cỏc mu khuụn mt v cỏc mu... qu d tm t cỏc mng riờng l v loi tr cc d tm chng lp Thnh phn u tiờn ca h thng l mng nron nhn u vo l ca s nh 20 ì 20 pixel v cho u ra l mt giỏ tr thc nm trong khong 1, 1 , biu th cú l khuụn mt hay khụng d tm khuụn mt trong nh, mng lm vic trờn mi v trớ trong nh cú th d tm nhng khuụn mt ln hn kớch thc ca s , nh u vo c gim kớch thc i nhiu ln, sau ú ỏp dng b d tm mi kớch thc Mng cú mt hng s vi v trớ... lp vi t th hay cỏc iu kin ỏnh sỏng 1.4.2 Cỏc phng phỏp Top down í tng chớnh ca nhng phng phỏp ny l s dng mu da tỡm kim khuụn mt trong nh Nhng h thng d tm a c phỏt trin s dng mt chui cỏc thut toỏn phõn on trch rt khuụn mt trong nh Mu da l mt c trng ni bt c quan tõm nhiu trong cỏc h thng d tm v nhn dng t ng Nhiu phng phỏp c la chn s dng tựy theo nhng khụng gian mu khỏc nhau u im chớnh ca hng phỏt trin... cú th túm li trong ba nhúm gii phỏp chớnh: D tỡm khuụn mt da trờn s phõn tớch mu sc ca vựng da: Mc dự vic s lý khỏ nhanh xong nhúm ny cú gii hn ch x lý trờn nh mu v thng nhy cm vi iu kin ỏnh sỏng, thng ch s dng lm bc tin x lý cho cỏc hng khỏc D tỡm khuụn mt da trờn cỏc c trng: Nhúm ny da vo cỏc c trng gn bt bin v xut hin trờn hu ht cỏc khuụn mt Thnh cụng nht trong d tm khuụn mt ngi trong thi gian . tài “Dề TèM, PHÁT HIỆN KHUÔN MẶT TRONG ẢNH SỐ” lựa chọn tìm hiểu về vấn đề dũ tỡm khuôn mặt trong ảnh số vì đây là bài toán ngày càng có nhiều ứng dụng thiết thực trong cuộc sống. Hiện nay có. TèM KHUÔN MẶT TRONG ẢNH SỐ 7 1GIỚI THIỆU VỀ XỬ LÝ ẢNH 7 1.1.1 Biểu diễn ảnh số 7 1.1.2Một số khái niệm cơ sở trong xử lý ảnh Một số khái niệm cơ sở trong xử lý ảnh 8 1.1.3 Các giai đoạn trong. số khuôn mặt trong ảnh được bộ dò phát hiện một cách chính xác trên tổng số khuôn mặt thực tế cú trụng tập ảnh dũ tỡm. Tỷ lệ lỗi mẫu âm [10, 11] Tỷ lệ lỗi mẫu âm là tỷ lệ phần trăm số khuôn mặt