Phát hiện và theo dõi khuôn mặt trong thời gian trên smartphone

TRƯỜNG ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA -0O0 CAO KỲ HÃN PHÁT HIỆN VÀ THEO DÕI KHUÔN MẶT TRONG THỜI GIAN THỰC TRÊN SMARTPHONE Chuyên ngành: Kỹ thuật Điều khiển Tự động hóa Mã số: 6052 02 16 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, Tháng 12 năm 2015 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA -ĐHQG -HCM Cán hướng dẫn khoa học : PGS.TS Dương Hoài Nghĩa Chữ ký: Cán chấm nhận xét : Chữ ký: Cán chấm nhận xốt : Chữ ký: Luận văn thạc sĩ bảo vệ Trường Đạỉ học Đách Khoa, ĐHQG Tp HCM ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) .’ : : Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau khỉ luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐÒNG TRƯỞNG KHOA ĐH QUỐC GIA TP HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự - Hạnh phúc KHOA: ĐIỆN - ĐIỆN TỬ BỘ MÔN: ĐIỀU KHIỂN TỰ ĐỘNG HÓA oOo - NHIỆM VỤ LUẬN VĂN THẠC SĨ HVTH: Cao Kỳ Hãn MSHV: 13151134 Ngành: Kỹ thuật Điều khiển tự động hóa Khóa: 2013 Đề tài luận văn: PHÁT HIỆN VÀ THEO DÕI KHUÔN MẶT TRONG THỜI GIAN TRÊN SMARTPHONE Nhiệm vụ luận văn: - Tìm hiểu phuơng pháp phát khuôn mặt đặc trung Haar-like thuật tốn hỗ trợ theo dõi khn mặt Camshift, thuật tốn lọc Particle , lọc màu da đặc trưng LBP - Nghiên cứu thuật tốn theo dõi khn mặt phương pháp tích hợp CamShift với lọc Particle - Xây dựng hệ thống phát theo dõi khuôn mặt đáp ứng thời gian thực điện thoại thơng minh - Xây dựng chương trình Matlab dựa thuật toán đề xuất đánh giá kết Ngày giao nhiệm vụ: 01/06/2014 Ngày hoàn thành nhiệm vụ: 09/12/2015 Giảng viên huớng dẫn: PGS.TS Dương Hoài Nghĩa Nội dung yêu cầu LVTN thông qua Bộ môn Chủ nhiệm môn (Ký ghi rõ họ tên) PHẦN DÀNH CHO KHOA/BỘ MÔN: Nguời duyệt: Đơn vị: Ngày bảo vệ: Điểm tổng kết: Nơi luutrữ: TPHCM, ngày tháng năm 2015 Giảng viên huớng dẫn (Ký ghi rõ họ tên) LỜI CẢM ƠN Xin gửi lời cảm ơn sâu sắc đến thầy hướng dẫn PGS.TS Dương Hoài Nghĩa gợi ý đề tài hướng dẫn tận tình để giúp tơi hồn thành luận văn Cảm ơn thầy Bộ mơn Tự Động nói riêng Khoa Điện-Điện tử nói chung tạo điều kiện giúp đỡ giảng dạy nhiệt tình suốt năm học qua Đặc biệt xin cảm ơn đến gia đình ln ln hỗ trợ động viên, giúp tơi có động lực để phấn đấu học tập sống TP HCM, ngày 30 tháng 11 năm 2015 Cao Kỳ Hãn TÓM TẮT LUẬN VĂN Trong nghiên cứu này, đề tài nghiên cứu thuật tốn phát khn mặt Viola&Jones tích hợp thuật tốn lên hệ thống phát theo dõi khuôn mặt thời gian thực thiết bị di động Nghiên cứu phát triển thuật tốn Camshift việc theo dõi khn mặt sau kết hợp với lọc Particle đề xuất thuật tốn để theo dõi khn mặt hiệu Tích hợp thuật tốn đề xuất vào hệ thống phát theo dõi khuôn mặt thời gian thực di động Xây dựng chương trình Matlab để lấy liệu so sánh đánh giá với kết nghiên cứu cơng trình nghiên cứu liên quan Các kết đề tài rằng: đề tài giải vấn đề sai lệch theo dõi khuôn mặt bị vật che khuất phần bị ảnh hưởng vật có màu gần với màu da gần LỜI CAM ĐOAN Tơi xin cam đoan: Luận văn cơng trình nghiên cứu thục sụ cá nhân, đuợc thục duới sụ huớng dẫn khoa học PGS.TS Duơng Hoài Nghĩa Các số liệu, nhũng kết nghiên cứu đuợc trình bày luận văn hoàn toàn trung thục chua đuợc cơng bố duới hình thức Tơi xin chịu trách nhiệm nghiên cứu TP HCM, ngày 30 tháng 11 năm 2015 Cao Kỳ Hãn MỤC LỤC MỤC LỤC DÀNH SÁCH HÌNH VÊ DANH SÁCH BẢNG BIÊU Chương 1: Giới thiệu đề tài 1.1 Đặt vấn đề 1.2 Mục tiêu đề tài 1.3 Tóm lược nội dung luận văn Chương 2: Cơ sở lý thuyết liên quan 2.1 Giới thiệu mơ hình Cascade Viola Jones 2.1.1 Phương pháp rút trích đặc trung Haar-like 2.1.2 Thuật toán Adaboost 2.1.3 Mơ hình Cascade Viola Jones sử dụng phát khuôn mặt 11 2.2 Bộ lọc màu da 14 2.3 Đặc trưng LBP 15 2.4 Thuật tốn CamShiít 17 2.5 Bộ lọc Particle 20 Chương 3: Thuật Tốn Theo Dõi Khn Mặt 22 3.1 Tính histogram khn mặt 22 3.2 Cải tiến thuật toán Camshift 22 3.3 Chiến lược phân bố số mẫu Particle 24 3.4 Áp dụng thuật toán cải tiến CamShift với lọc Particle 26 Chương Hệ Thống phát theo dõi khuôn mặt IOS 29 4.1 Giới thiệu thư viện Opencv 29 4.2 Tích hợp OpenCV lên Xcode 29 4.3 Giao diện sử dụng hệ thống phát theo dõi khuôn mặt Smartphone 32 4.4 Thực thuật toán đề xuất qua ứng dụng IOS 34 4.5 Ket hệ thống phát theo dõi khn mặt điện thoại thơng 37 Chương Mơ thuật tốn Matlab 41 5.1 Mô Matlab 41 5.2 Thí nghiệm 42 5.3 Thí nghiệm 43 5.4 Thí nghiệm 44 5.5 Thí nghiệm 44 5.6 So sánh với cơng trình nghiên cứu liên quan khác 45 Chương 6: Kết Luận 48 6.1 Kết Luận ' 48 6.2 Hướng phát triển đề tài 48 Tài liệu tham khảo 49 DANH SÁCH HÌNH VẼ Hình 2.1: Các đặc trưng Haar-like Paul Viola sử dụng Hình 2.2: Các đặc trưng Haar-like mở rộng Lienhart Maydt Hình 2.3: Cách tính Integral Image ảnh Hình 2.4: Ví dụ để tính tổng mức xám hình chữ nhật Hình 2.5: Phân lớp mạnh H dùng Adaboost từ phân lớp yếu hi,h2,h3 10 Hình 2.6: Mơ hình Cascade Viola Jones 11 Hình 2.7: Dữ liệu mẫu dùng huấn luyện nhận dạng khuôn mặt Viola Jones 13 Hình 2.8: Ket nhận dạng khuôn mặt Viola Jones 13 Hình 2.9: So sánh lọc màu da 14 Hình 2.10: Ví dụ cho lọc Facial color filter 15 Hình 2.11: Ví dụ cho đặc trưng LBP 15 Hình 2.12: Các đặc trưng LBP 16 Hình 2.13: Sơ đồ thuật toán Camshift [22] 19 Hình 3.1: Lưu đồ thuật tốn cải tiến Camshift 24 Hình 3.2: a/ Khn mặt bị che khuất, b/ chuyển đổi hình a/ sang màu da 25 Hình 3.3: Thuật tốn phát khn mặt 28 Hình 4.1: Tạo project Xcode 30 Hình 4.2: Minh họa thêm thư viện cần thiết 31 Hình 4.3: Minh họa cách tích hợp ngôn ngữ C++ vào Objective c ứng dụng 32 Hình 4.4 : Giao diện hệ thống Iphone 33 Hình 4.5: Lưu đồ thuật tốn ứng dụng IOS 35 Hình 4.6: Ket Quả thí nghiệm cho chương trình Iphone 38 Hình 4.7 Kết thí nghiệm 39 Hình 5.1: Kết thí nghiệm 42 Hình 5.2: Kết thí nghiệm 43 Hình 5.3: Kết thí nghiệm 44 Hình 5.4: Kết thú nghiệm 45 Hình 5.5: Kết tài liệu [23] 46 Hình 5.6: Kết từ tài liệu [24] 47 DANH SÁCH BẢNG BIỂU Bảng 4.1 Các thông số cho ứng dụng 36 Bảng 5.1: Các thông số sử dụng Matlab 42 Chương 1: Giới thiệu đề tài 1.1 Đặt vấn đề Phát khuôn mặt theo dõi khn mặt có ứng dụng quan trọng lĩnh vục liên quan đến bảo mật, quân sụ giải trí đa phuơng tiện Đây lĩnh vục thị giác máy tính đuợc quan tâm lớn tồn thách thức Ngày nay, điện thoại thông minh đóng vai trò quan trọng, trở nên phổ biến máy tính đến với tầng lớp xã hội Trong tuơng lai gần, điện thoại thông minh hứa hẹn thay cho máy tính cá nhân Tuy nhiên, tuơng tác với nguời dùng có hạn chế khổng phải dễ dàng việc sử dụng nguời Sụ phát triển việc phát theo dõi khuôn mặt tảng điện thoại thông minh huớng tiếp cận khác việc tuơng tác với nguời dung thân thiện Kết theo dõi đuợc sử dụng để điều khiển thiết bị phân tích hành vi nguời dùng Ưu điểm phuơng pháp tận dụng kết cấu phần cứng có tất điện thoại thông minh phần mềm Vấn đề đặt tốn phát theo dõi khn mặt đuợc sụ quan tâm nhiều có nhiều nghiên cứu tốt tảng máy tính cá nhân Tuy nhiên, với tảng phần cứng hạn chế điện thoại để tính tốn thuật tốn phát theo doĩ khuôn mặt với thời gian thục thách thức lớn cho nhà nghiên cứu phát triển ứng dụng Vì vấn đề đặt nhu đến chua có hệ thống tỏ thục sụ hiệu để giải yêu cầu toán đặt Bài toán phát mặt nguời đuợc Viola Jones [7] thục dựa đặc trung Haar-like[l] thuật toán máy học Adaboost [2] - thuật toán cải tiến boosting [6] tốt mặt chi phí giải thuật độ xác máy tính Bài tốn theo dõi đối tuợng có nhiều huớng tiếp cận với giải thuật MeanShift [4] sau đuợc cải tiến thành CAMShift [3] với thời gian đáp ứng nhanh nhung tồn nhuợc điểm sai lệch lớn màu sắc có màu gần giống với đối tuợng đuợc theo dõi 1.2 Mục tiêu đề tài Mục tiêu đề tài xây dựng chương trình điện thoại phát theo dõi đối tượng khuôn mặt qua camera đáp ứng theo thời gian thực Chương trình 37 camera class CvVideoCamera Cài đặc độ phân giải cho camera qua hệ số Frontsolution BackSolution bảng 4.1 trình bày Để tăng tốc độ xử lý cho ảnh luận văn sử dụng hệ số Scale từ bảng 4.1 cho ảnh input Và điều đặc biệt lưu ý ảnh từ input cameara IOS ảnh BGR ảnh RGB thơng thường • Phát khuôn mặt thực theo bước sau: 1/ Bỏ file XML tranning từ OpenCV vào phần resource ứng dụng 2/ Tạo phân lớp từ class cv::CascadeClassifier cách đọc file XML 3/ Phát khuôn mặt cách sử dụng phân lớp tạo từ bước cho ảnh đọc từ camera 4/ Vẽ hình chữ nhật bao quanh khn mặt phát bước • Theo dõi khn mặt thực theo thuật toán chương đề xuất với thông số Hbins , Sbins, Vbins ( bảng 4.1) để chuyển qua ảnh HSV sau tính histogram 4.5 Kết hệ thống phát theo dõi khuôn mặt điện thoại thông Thử nghiệm thống phát theo dõi khn mặt điện thoại Iphone 5s có cấu hình camera trước 1.3M camera sau 8M chip Apple A7, Dual-core 1.3 GHz Cyclone, ứng dụng chạy có giá trị FPS vào khoảng 15 4.5.1 Thí nghiệm Trong thí nghiệm ứng dụng kiểm tra khả đeo bám trường hợp khuôn mặt không bị che khuất 38 Hình 4.6: Kết Quả thí nghiệm cho chương trình Iphone 39 Nhận xét: • Bước đầu chương trình dựa thuật tốn xây dựng theo bám khn mặt người • Khi di chuyển kích thước khn mặt thay đổi chương trình thay đổi kích thước cửa sổ phù hợp với thay đổi khn mặt 4.5.2 Thí nghiệm Trong thí nghiệm ứng dụng kiểm tra khả đeo bám khn mặt có nhiều đối tượng ( khn mặt) Hình 4.7 ghi lại kết cho thí nghiệm Hình 4.7 Kết thí nghiệm Nhận xét: • Chương trình ứng dụng xác lúc sử dụng cho nhiều đối tượng vị trí kích thước Khơng bị xê dịch phần cửa sổ hướng xuống phía ( 40 bị lệch trọng tâm phía có màu da cổ) kết tài liệu [24] làm theo dõi đối tượng iphone 41 Chương Mơ thuật tốn Matlab Trong chương luận văn trình bày kết thu từ thuật toán theo dõi đối tượng trình bày chương Matlab Từ có nhận xét đánh giá cho chất lượng thuật tốn 5.1 Mơ Matlab Trong mục luận văn sử dụng thuật toán chương để theo dõi đối tượng việc phát khuôn mặt sử dụng mơ hình cascade Viola Jones Tất thuật tốn xây dụng chương trình mơ giống vối chương trình IOS (tức hình 4.5) Các thông số để làm việc môi trường Matlab có thay đổi so với ứng dụng điện thoại Các thơng số sử dụng chương trình cho bảng 5.1 Hệ số Miêu tả Giá trị Scale Hệ số dùng để giảm kích 0.25 thước ảnh nhằm mục đích tăng hiệu suất cho máy NP Số lượng mẫu Particle 30 sử dụng ứng dụng Noise Nhiễu ngẫu nhiên sinh nằm đoạn [-Noise, Noise] k Hệ số k dùng để tính lại kích thước cửa sổ tracking thuật tốn mục 3.2 luận văn đề xuất Hbỉns Số chân kênh H dùng để tính histogram 42 Số chân kênh s dừng để Sbins tính histogram Số chân kênh V dùng để Vbins tính histogram Kích thước ảnh RGB input 720x1280 FramSize từ camera 5.2 Thí nghiệm Bảng 5.1 Các thơng số sử dụng Matlab Thí nghiệm tương tự thí nghiệm chương 4, tức thí nghiệm trường hợp đơn giản khỉ theo dõỉ khuôn mặt khơng bị che khuất Kết thí nghiệm ghi lại qua hình 5.1 Hình 5.1: Kết thí nghiệm Nhận xét: • Chương trình matlab theo bám đối tượng xác thí nghiệm với vận tốc di chuyển nhanh • Kích thước khung chương trình tự động điều chỉnh phù hợp với khuôn mặt tốt điều chứng tỏ việc thuật tốn cải tiến Camshift để tính tốn kích thước cửa sổ xác so vơi thuật tốn Camshift [3] 43 5.3 Thí nghiệm Thí nghiệm xem xét khả theo dõi khn mặt chương trình khỉ khn mặt bị vật thể giống với màu da che khuất làm nhiễu Cụ thể hình 5.2 kết cỗ cảnh tay che khn mặt Hình 5.2: Kết thí nghiệm Nhận xét: • Kết khơng hị ảnh hưởng khỉ có phận có màu giống màu da che khuất khn mặt • Khỉ có màu da vùng khác thể gây nhiễu dùng Camshift để tính tốn kích thước, vị trí chạy khơng [3] [4] chúng dựa histogram màu HSV mà vùng cỏ màu tương tự dịch chuyển theo bàn tay (trong mơ này) Nhưng nhờ sụ tích hợp với lọc particle dựa vào vận tốc trước để dự đốn trạng thải cửa sổ nên khắc phục nhược điểm 44 5.4 Thí nghiệm Thí nghiệm xem xét khả theo dõi khn mặt chương trình khỉ khuôn mặt bị vật dụng khác che phần khuôn mặt Kết ghi lại hình 5.3 Hình 5.3: Kết thí nghiệm Nhân xét: • Vị trì khn mặt bám xác khỉ bị vật che một phần khuôn mặt • Kích thước khn mặt dù bị che phần Những lợi điểm có nhờ lọc Particle tích hợp vào đặc biệt chiến lược phân bố số mẫu particle luận văn đề xuất nhờ vào biến đổi tỷ lệ màu da mục 3.3 5.5 Thí nghiệm Thí nghiêm xem xét khả theo dõi khn mặt chương trình có nhiều khn mặt camera chồng lấn lên Hình 5.4 ghi nhận lại kết thí nghiệm 45 Hình 5.4: Kết thú nghiệm Nhận xét: • Cho kết xảc, thục thí nghiệm tương tự hai thí nghiệm • Như dẫn chửng thuyết phục để lần chứng tỏ cải tiến thuật toán luận văn đề xuất 5.6 So sánh với công trình nghiên cứu liên quan khác Như tài liệu [23] sử dụng đặc trưng LBP lọc Particle kết luận văn đề xuất cho kết tốt độ xác vị trí kích thước khn mặt ước lượng luận văn cho thấy thuật tốn đề xuất tỏ ưu nhiều Kết tài liệu [23] thể qua hình 5.5 46 Hình 5.5: Kết tài liệu [23] So với kết gần dành cho thuật toán khác [24] viết dành cho Iphone thuật tốn luận văn tiếp tục cố độ xác cao Kết [24] nêu hình 5.6 Bài báo áp dụng dụng Camshift không giải sai lệch cổ gây khiến việc kéo trọng tâm hình chữ nhật xuống theo hướng phân bố màu da cỏ Thuật toán luận văn giải tuyệt vời điều nhờ kết hợp với đặc trưng LBP phương pháp dịch chuyển trọng tâm luận văn đề xuất 47 Hình 5.6: Kết từ tài liệu [24] 48 Chương 6: Kết Luận 6.1 Kết Luận Từ kết đánh giá thử nghiệm chương 5, ta rút kết luận việc thực đề tài sau: - Đe tài xây dựng hệ thống phát theo dõi khuôn mặt smart phone - Đề tài đề xuất thuật toán theo dõi khn mặt dựa vào thuật tốn Camshift lọc Particle - Đề tài cải tiến thuật tốn Camshift để tính kích thước cửa sổ xác - Chất lượng thuật tốn tốt so với cơng trình nghiên cứu liên quan khác, giải vấn đề bị che khuất khuôn mặt hay bị nhiễu từ nhũng vật có màu sắc giống với màu da làm ảnh hưởng đến việc theo dõi khuôn mặt 6.2 Hướng phát triển đề tài Từ các đánh giá chương kết luận trên, ta rút hạn chế đề tài hướng giải để cải tiến sau: - Tìm đặc trưng khác để tích hợp vào nhằm nâng cao hiệu đề tài - Phát triển tích hợp thuật toán đề nghị nhằm giải vấn đề khác như: đếm người đám đông, theo dõi hành vi nơi cơng cộng, phát dự đốn tội phạm, 49 Tài liệu tham khảo • [1] Papageorgiou, Constantine p., Michael Oren, and Tomaso Poggio "A general framework for object detection." Computer vision, 1998.sixth international conference on IEEE, 1998 [2] Schapire, Robert E., and Yoram Singer "Improved boosting algorithms using confidence-rated predictions." Machine learning 37.3 (1999): 297-336 [3] Allen, John G., Richard YD Xu, and Jesse s Jin "Object tracking using camshift algorithm and multiple quantized feature spaces." Proceedings of the PanSydney area workshop on Visual information processing Australian Computer Society, Inc., 2004 [4] Comaniciu, Dorin, and Peter Meer "Mean shift: A robust approach toward feature space analysis." Pattern Analysis and Machine Intelligence, IEEE Transactions on 24.5 (2002): 603-619 [5] Singh, Sanjay Kr, et al "A robust skin color based face detection algorithm." Tamkang Journal of Science and Engineering 6.4 (2003): 227-234 [6] Schapire, Robert E., et al "Boosting the margin: A new explanation for the effectiveness of voting methods." Annals of statistics (1998): 1651-1686 [7] Viola, Paul, and Michael Jones "Rapid object detection using a boosted cascade of simple features." Computer Vision and Pattern Recognition, 2001 CVPR 2001 Proceedings of the 2001 IEEE Computer Society Conference on Vol IEEE, 2001 [8] Comaniciu, Dorm, Visvanathan Ramesh, and Peter Meer "Kernel-based object tracking." Pattern Analysis and Machine Intelligence, IEEE Transactions on 25.5 (2003): 564-577 [9] Chae, Yeong Nam, Jaewon Ha, and Hyun s Yang "Development of an efficient face detection and tracking system for mobile devices." Virtual Systems and Multimedia (VSMM), 2010 16th International Conference on IEEE, 2010 [10] Lienhart, Rainer, and Jochen Maydt "An extended set of haar-like features for rapid object detection." Image Processing 2002 Proceedings 2002 International Conference on Vol IEEE, 2002 [11] Okuma, Kenji, et al "A boosted particle filter: Multitarget detection and tracking." 50 Computer Vision-ECCV 2004 Springer Berlin Heidelberg, 2004 28-39 [12] Doucet, Arnaud, Simon Godsill, and Christophe Andrieu "On sequential Monte Carlo sampling methods for Bayesian filtering." Statistics and computing 10.3 (2000): 197-208 [13] Kalman, Rudolph Emil "A new approach to linear filtering and prediction problems." Journal of Fluids Engineering 82.1 (1960): 35-45 [14] Zhao, Zinan, and Mrinal Kumar "An MCMC-based particle filter for multiple target tracking." Information Fusion (FUSION), 2012 15th International Conference on IEEE, 2012 [15] Sărkkă, Simo, Aki Vehtari, and Jouko Lampinen "Rao-Blackwellized particle filter for multiple target tracking." Information Fusion 8.1 (2007): 2-15 [16] He, Dong-Chen, and Li Wang "Texture unit, texture spectrum, and texture analysis." Geoscience and Remote Sensing, IEEE Transactions on 28.4 (1990): 509512 [17] Hong, Shaohua, et al "Simplified particle PHD filter for multiple-target tracking: Algorithm and architecture." Progress In Electromagnetics Research 120 (2011): 481498 [18] Breitenstein, Michael D., et al "Online multiperson tracking-by-detection from a single, uncalibrated camera." Pattern Analysis and Machine Intelligence, IEEE Transactions on 33.9 (2011): 1820-1833 [19] Wang, Li, and Dong-Chen He "Texture classification using texture spectrum." Pattern Recognition 23.8 (1990): 905-910 [20] Bhattacharyya, Anil "On a measure of divergence between two multinomial populations." Sankhyã: The Indian Journal of Statistics (1946): 401-406 [21] Mãenpãã, Topi, and Matti Pietikãinen "Texture analysis with local binary patterns." Handbook of Pattern Recognition and Computer Vision (2005): 19 [22] Bradski, Gary R "Computer vision face tracking for use in a perceptual user interface." (1998) APA [23] Ye, Jianhua, Zhengguang Liu, and Jun Zhang "A face tracking algorithm based on LBP histograms and particle filtering." Natural Computation (ICNC), 2010 Sixth 51 International Conference on Vol IEEE, 2010 [24] Nhat, Vo Quang, and GueeSang Lee "A combined method for realtime face tracking in smart phones." Frontiers of Computer Vision,(FCV), 2013 19th KoreaJapan Joint Workshop on IEEE, 2013 [25] http://opencv.org ... luận văn: PHÁT HIỆN VÀ THEO DÕI KHUÔN MẶT TRONG THỜI GIAN TRÊN SMARTPHONE Nhiệm vụ luận văn: - Tìm hiểu phuơng pháp phát khn mặt đặc trung Haar-like thuật toán hỗ trợ theo dõi khn mặt Camshift,... trước liên quan đến vấn đề phát khuôn mặt theo dõi khuôn mặt phần phát khuôn mặt dùng thuật toán Adaboost dùng đặc trưng Haar-like để phát khuôn mặt phần theo dõi khuôn mặt đề cập đến thuật tốn... phát khuôn mặt người theo dõi khuôn mặt sau phát Với phần phát khuôn mặt chọn nhũng phương pháp phát tốt để tích hợp platform IOS Bài tốn theo dõi khn mặt sau phát thực cho khắc phục vấn đề khuôn