Đang tải... (xem toàn văn)
Bài viết đề xuất phương pháp nhận diện khuôn mặt người trên hệ thống robot dùng để chuyên chở hành lý tại sân bay. Phương pháp kết hợp thuật toán Haar-like với K-Nearst Neighbors vào việc phát hiện khuôn mặt người trong các trường hợp khuôn mặt bị che khuất một phần, khoảng cách từ camera đến khuôn mặt thay đổi, phát hiện trong thời gian thực, phát hiện trong điều kiện khi người di chuyển với tốc độ đi bộ.
như tốc độ nhận diện Một số phương pháp đưa để nhận diện khuôn mặt chia thành hai hướng [3]: nhận diện dựa K Đầu tiên, nhóm nghiên cứu sử dụng thuật toán haar-like để phát khuôn mặt cần theo dõi Khuôn mặt xám hoá lấy mẫu 200 lần, lưu dán nhãn vào thư mục huấn luyện Tiếp đến để huấn luyện liệu, ta số hoá toàn liệu huấn luyện thành ma trận lưu vào file có đuôi yml 24 Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 2018 3.2 Kết Hình 9: Một số kết nhận dạng theo dõi khuôn mặt 3.3 Đánh giá kết Như hình 9, phương pháp nhận diện khuôn mặt cho kết quả: - Phát khuôn mặt nhanh nhạy khoảng cách vừa phải - Càng xa, tốc độ phát giảm - Góc mặt nghiêng tốc độ phát giảm - Nếu sử dụng kính, tốc độ phát giảm 70% khoảng cách xét - Nếu tóc che phần mái, tốc độ phát giảm 30% che tồn mái khó phát - Khả phát phụ thuộc vào chất lượng camera, ánh sáng từ mơi trường… 3.3.1 Kết dự đốn khn mặt Việc dự đốn khn mặt phụ thuộc vào thơng số quan trọng khoảng tín cậy conf, thơng qua ta biết tính xác khoảng cách Eculide khn mặt dự đốn so với tập liệu huấn luyện Thông số nhỏ tức độ dự đốn xác cao việc định chậm Sau trình thực nghiệm nhóm chọn ngưỡng mức 50 (conf < 50) in nhãn khn mặt có tập liệu lớn Unknown Bảng 1: Bảng kết khảo sát thông số khoảng tin cậy conf Sau bảng khảo sát thông số conf, conf cho chạy 10 lần chương trình với khn mặt có tập liệu Thời gian dán nhãn thời gian định ID khn mặt có tập dataset Độ xác kết dán nhãn lần so với nhãn tập liệu 3.3.2 Theo dõi dùng KCF Kết nhận diện khuôn mặt người di chuyển thay đổi điều kiện ánh sáng: - Theo dõi khuôn mặt di chuyển tốc độ cao, lớn m/s - Có thể theo dõi góc nghiêng, góc ngẩng, đằng sau, phần bị che khuôn mặt - Chưa có khả cân chỉnh kích thước vùng theo dõi để tính khoảng cách đối tượng - Khi đặt robot, khả dễ bị vùng theo dõi camera bị rung robot di chuyển thay đổi đột ngột, tượng ngược sáng 3.3.3 Di chuyển robot Thử nghiệm robot di chuyển: - Robot theo dõi di chuyển ổn định - Khoảng cách từ người đến robot đảm bảo 1m Do robot phụ thuộc vào phần nhận liệu nên bị vùng theo dõi robot tự động dừng NỘI SAN KHOA HỌC – HỌC VIỆN HÀNG KHÔNG VIỆT NAM, KỲ I/12/2018 25 Hình 10: Một số hình ảnh thực tế robot TÀI LIỆU THAM KHẢO A Bouzalmat, J Kharroubi and Arsalane Zarghili, Face Recognition Using SVM Based on LDA, IJCSI International Journal of Computer Science Issues, pp 1694-0784, 2013 D Zhang, D Gatica-Perez, Real-time face detection using boosting in hierarchical feature spaces, in: ICPR '04: Proceedings of the International Conference on Pattern Recognition, Washington, DC, USA, pp 411–464, 2004 Vipulsangram, K Kadam, G Deepali, Ganakwar, Face Detection: A Literature Review, International Journal of Innovative Research in Science, Engineering and Technology, Vol 6, Issue 7, July 2017 H Rowley, S Baluja, T Kanade, Neural network-based face detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, p.p 23–78, 1998 S Baker, S Nayar, Pattern rejection, in: CVPR '96: Proceedings of the 1996, pp 544–649 T Mita, T Kaneko, O Hori, Joint Haarlike features for face detection, in: ICCV '05: Proceedings of the International Conference on Computer Vision, Washington, DC, USA, pp 1619–1626, 2005 ... Academy, Vol 1, Dec 2018 3.2 Kết Hình 9: Một số kết nhận dạng theo dõi khuôn mặt 3.3 Đánh giá kết Như hình 9, phương pháp nhận diện khuôn mặt cho kết quả: - Phát khuôn mặt nhanh nhạy khoảng cách... sử dụng thuật toán haar-like để phát khuôn mặt cần theo dõi Khuôn mặt xám hoá lấy mẫu 200 lần, lưu dán nhãn vào thư mục huấn luyện Tiếp đến để huấn luyện liệu, ta số hoá toàn liệu huấn luyện thành... định ID khn mặt có tập dataset Độ xác kết dán nhãn lần so với nhãn tập liệu 3.3.2 Theo dõi dùng KCF Kết nhận diện khuôn mặt người di chuyển thay đổi điều kiện ánh sáng: - Theo dõi khuôn mặt di chuyển