Nhận diện vùng da mặt bằng phương pháp kết hợp một số thuật toán dựa trên tính bất biến của màu

Nhận dạng khuôn mặt là một lĩnh vực nghiên cứu thú vị. Đã có rất nhiều thành tựu đạt được ở lĩnh vực này trong vài thập kỉ gần đây. Tuy nhiên, các kết quả đạt được vẫn chưa thực sự đáp ứng được yêu cầu trong thực tế. Các kết quả trước đây đạt được là khá ấn tượng trong việc nhận dạng ở thời gian thực với tỉ lệ nhận dạng cao nhưng bị ảnh hưởng nhiều trong các trường hợp thay đổi ánh sáng.

JOURNAL OF SCIENCE OF HNUE Natural Sci 2015, Vol 60, No 4, pp 56-61 This paper is available online at http://stdb.hnue.edu.vn DOI: 10.18173/2354-1059.2015-0008 NHẬN DIỆN VÙNG DA MẶT BẰNG PHƯƠNG PHÁP KẾT HỢP MỘT SỐ THUẬT TỐN DỰA TRÊN TÍNH BẤT BIẾN CỦA MÀU Lê Hồng Quân1 Lê Hà Xn2 Phịng Tạp chí & Thơng tin Khoa học công nghệ, Trường Đại học Sư phạm Hà Nội Trường Đại học Bochum, Cộng hịa liên bang Đức Tóm tắt: Nhận dạng khuôn mặt lĩnh vực nghiên cứu thú vị Đã có nhiều thành tựu đạt lĩnh vực vài thập kỉ gần Tuy nhiên, kết đạt chưa thực đáp ứng yêu cầu thực tế Các kết trước đạt ấn tượng việc nhận dạng thời gian thực với tỉ lệ nhận dạng cao bị ảnh hưởng nhiều trường hợp thay đổi ánh sáng Ở trường hợp này, hệ thống nhận diện tốt vùng khuôn mặt cho nhiều kết sai Nghiên cứu chúng tơi khắc phục nhược điểm nói thông qua chế thị giác nhận dạng tính bất biến màu người Từ quan sát thuật tốn tính bất biến màu khác cho kết khác nhau, tới việc sử dụng kết hợp thuật toán để nhận diện vùng da xác gần tuyệt đối ảnh thử nghiệm Thuật toán cho kết nhận dạng tốt lỗi Từ khóa: Màu cố định, nhận dạng khn mặt, màu da, thời gian thực Mở đầu Phương thức tiếp cận dựa chế sinh học thị giác người, nhận dạng khuôn mặt đối tượng khác dấu hiệu màu sắc Hầu hết thuật tốn xử lí liệu ảnh đen trắng mà bỏ qua thông tin màu sắc Các ưu cách tiếp cận đơn giản hóa đầu vào, hỗ trợ ứng dụng thời gian thực, đơn giản hóa vùng màu sắc khơng rõ ràng Tuy nhiên chúng bỏ qua lượng lớn thơng tin hữu ích kết làm giảm độ xác Thay vào đó, cách tiếp cận sử dụng tính bất biến màu giải vấn đề màu sắc ánh sáng thay đổi Đã có số tài liệu nghiên cứu nhận dạng khn mặt cịn hạn chế trường hợp thay đổi cường độ ánh sáng [1] Chúng sử dụng hệ màu YcrCb [2] để phân mảng màu da trạng thái xử lí lọc phân ngưỡng (thresholding) xử lí ảnh nhị phân Định biên phân tách vùng da màu thuật toán F Chang et al [3] thuật toán Ada-boost Viola – Jones [2] Kết phân mảng màu da thu bị ảnh hưởng lớn xấu đáng kể có thay đổi cường độ ánh sáng Thuật tốn tính bất biến màu nhằm mục đích giải vấn đề Nội dung nghiên cứu 2.1 Cơ sở lí thuyết 2.1.1 Phân mảng màu da Phân mảng màu da sử dụng nhiều bước tiền sử lí tác vụ thị giác máy tính Nhiều phương pháp nhận diện khuôn mặt nghiên cứu, phát triển [4] Hều hết thuật toán hoạt động tốt trường hợp ánh sáng kiểm soát tốt không ảnh hưởng tới màu Ngày nhận bài: 15/4/2015 Ngày nhận đăng: 20/5/2015 Tác giả liên lạc: Lê Hồng Quân, địa e-mail: quanlhjos@gmail.com 56 Nhận dạng khuôn mặt phương pháp kết hợp số thuật toán dựa tính bất biến màu camera Nếu khơng, kết xác định vùng da hay chí điểm da quan trọng dẫn tới q trình xử lí sai Như nói trên, sử dụng tính bất biến màu giải vấn đề chưa thực đủ hiệu Đã có vài nỗ lực sử dụng tính bất biến màu để phân mảng màu da tin cậy hơn, [5] phương pháp thành cơng Tuy nhiên chưa có xác nhận chắn thay đổi ánh sáng môi trường khác Đây động để tiếp tục nghiên cứu cải thiện hiệu thuật tốn tính bất biến màu phân mảng màu da nhận dạng khuôn mặt 2.2.2 Khoa học thị giác tính bất biến màu Khoa học thị giác màu sắc tính bất biến màu nghiên cứu vài thập kỉ gần Hiện tại, có số phương thức biểu diễn phổ biến lĩnh vực Một biểu diễn phổ biến [6] coi tín hiệu màu c, kết phản xạ nguồn sáng lên bề mặt Vì c coi kết phân bố lượng từ nguồn sáng lên bề mặt phản xạ Q trình mơ hình hóa cơng thức: c(λ) = E(λ)* S(λ) (1) Trong hệ thống thị giác máy tính, thơng tin màu sắc bề mặt bắt cảm biến, thu nhận tất bước sóng dải quang phổ nhìn thấy Sau nhận hệ ảnh từ k-cảm biến, tín hiệu màu biểu diễn kết cảm biến k-chiều: Pk  (  )E(  )S(  )d , k  R,G,B (2) Trong đó, Pk = kết cảm biến = = ảnh màu Khi E(λ) = 1, p biểu diễn màu bề mặt Khi S(λ) =1, p biểu diễn độ sáng màu Ta ước lượng (  ) sử dụng cảm biến biên độ hẹp Để đơn giản ta gọi: Pk = S(λK) E(λK) k = {R,G,B} (3) Dựa vào mơ hình trên, mục đích thuật tốn tính bất biến màu tìm giá trị E(λ) để xác định giá trị màu P K * Tính bất biến màu người Nhiều thí nghiệm tâm lí thị giác thực lĩnh vực tính bất biến màu người, chưa thể làm sáng tỏ hết chế phức tạp có số kết định Một số kết [7] phát quy tắc tính bất biến màu sau: (i) Tính bất biến màu thu lượng lượng tử ánh sáng thu toàn vùng quan sát (ii) Thay đổi toàn cục lượng lượng tử dẫn tới thay đổi nhỏ hình thái (màu sắc) (iii) Thay đổi cục lượng lượng tử ánh sáng thu dẫn tới thay đổi lớn hình thái (iv) Trong vùng quan sát phức tạp: - Các “điểm trắng” biểu diễn thay đổi tồn cục nhỏ; - Các điểm cịn lại biểu diễn thay đổi cục lớn; - Màu sắc thể chuẩn hóa vùng sóng riêng biệt (Lí thuyết Retinex) Có thể thấy kết luận (ii), (iii), (iv) không với Retinex mà sử dụng thuật tốn Gray World assumption có thay đổi cục Gray World assumption thuật tốn phổ biến, cân giá trị trung bình kênh Red (R), Green (G) Blue (B) Thuật toán sử dụng rộng rãi tính hiệu nó, trừ số trường hợp mà loại màu sắc định chiếm phần lớn hình ảnh (ví dụ ảnh có bầu trời xanh nguồn sáng nhân tạo nhà) Với tình này, thuật tốn Retinex cho kết tốt Hướng tiếp cận khẳng định liên quan cảm nhận “điểm trắng” phản hồi cực đại tế bào cảm sáng hình nón (cones) Từ nhận xét này, tận dụng ưu điểm cách tiếp cận khác để giải hạn chế thuật toán màu cố định Một tập hợp thuật toán sử dụng để tái tạo (gần xác) màu sắc ảnh trước thực phân vùng màu da 57 Lê Hồng Quân Lê Hà Xn * Định thức chuẩn Minkowski cho thuật tốn tính bất biến màu Ở báo J Weijer Th Gevers [8], chuẩn Minkowski hữu dụng để mơ hình hóa thuật tốn tính bất biến màu, viết dạng:   I (x, y)p  p   (4) EK   X,Y  K   N   Trong đó, N số điểm ảnh (pixel) ảnh I Với khung định mức này, tác giả [8] trình bày số thuật tốn tính bất biến màu Trong thuật tốn Shade of Gray trực tiếp sử dụng công thức này, cho kết tốt p = * Max - RGB Thuật toán Max – RGB dựa giả định giá trị tín hiệu lớn kênh màu tín hiệu phản hồi từ bề mặt trắng Vì cơng thức sau biểu diễn mức sáng ảnh: EK = max(x,y)(IK(X,Y)) (5) Đây trường hợp đặc biệt Retinex, độ sáng ảnh đồng đều, trường hợp đặc biệt chuẩn Minkowski p = ∞ * Gray - World Tương đương với trường hợp p = 1, thuật toán Gray – World [9] giả định màu trung bình bề mặt xám Khi mức xám kết tạo hiệu ứng nguồn sáng: EK   X,Y I K (X, Y) / N (6) Đây trường hợp đặc biệt, ta mở rộng nữa, ví dụ giả định màu trung bình bề mặt xanh * Gray - Edge Hypothesis Thuật toán Gray – Edge Hypothesis đề xuất J Weijer Th Gevers [8] giả định “độ lệch giá trị phản xạ trung bình cảnh không phụ thuộc vào màu sắc”: EK   X,Y f  IK (X, Y) / N (7) đó, f  lọc Gaussian, sử dụng để làm mịn cục * Thống kê ảnh tự nhiên Ở [6], NIS lựa chọn trước tập thuật tốn tính bất biến màu, sau áp dụng chúng ảnh cụ thể Các kết chọn kết hợp dựa tính chất quan trọng ảnh màu Tham số Weibull sử dụng để trích xuất số tính chất ảnh hệ màu Tham số Weibull cho có tính tương quan cao phương pháp tính bất biến màu phương pháp dựa tính chất ảnh Bộ phân loại MoG – classifier sử dụng để “huấn luyện” liệu, đánh trọng số cho tham số Weibull tính chất ảnh (số cạnh, họa tiết SNR) Hay nói cách khác, thám số Weibull MoG – classifier dùng để xác định vùng khung cảnh (có thể gồm nhiều loại rừng, núi, cánh đồng,… ), từ lựa chọn hay số thuật tốn thích hợp Dựa vào ta định dùng thuật tốn tính bất biến màu hay kết hợp chúng cho ảnh cụ thể 2.2 Kết hợp thuật tốn tính bất biến màu phân ngưỡng Từ quan sát thuật tốn tính bất biến màu khác cho kết khác ảnh hưởng tới kết phân mảng màu da, chúng tơi kết hợp vài phương pháp tính bất biến màu để làm lọc cho phân mảng da Các thuật toán lựa chọn đưa vào kết hợp gồm có: Max – RGB, Gray – World, Shade of Gray, NIS Original Áp dụng năm thuật toán để làm bước tiền sử lí, sau đưa vào phân đoạn xác định vùng da Các kết thu (ví dụ Hình 2a) qua sử lí kết 58 Nhận dạng khuôn mặt phương pháp kết hợp số thuật tốn dựa tính bất biến màu hợp phân ngưỡng (Thresholding) để thu kết cuối (Hình 2b) Q trình mơ tả sơ đồ Hình Max - RGB Shade of Gray NIS Phân mảng màu da YCrCb Gray – World Phân ngưỡng Original Hình Kết hợp thuật tốn tính bất biến màu 2.3 Đánh giá kết Kết thu từ kết hợp năm thuật tốn tính bất biến màu tốt bất ngờ Chúng phân loại màu da xác tuyệt gần ảnh Chạy phép kiểm tra thử nghiệm nhanh [10] cho kết 96,36% điểm màu da phân loại, tốt nhiều so với thuật toán trước (a) Hình Kết phân mảng màu da (b) 59 Lê Hồng Quân Lê Hà Xuân Chúng chạy thử nghiệm với LFW [10], bao gồm 13233 ảnh, sưu tập từ New Photograph Mỗi ảnh có độ lớn 250 x 250 pixel, khuôn mặt đặt Đây hình ảnh thực tế, khơng đặt trước nên điều kiện ánh sáng hoàn toàn ngẫu nhiên Kết trả thể Hình Hình Kết chạy thử nghiệm Kết luận Qua nghiên cứu kết hợp số thuật tốn dựa tính bất biến màu, chúng tơi thu kết thuật tốn bù đắp cho gần tuyệt đối sử dụng thuật tốn đơn lẻ cho kết tốt tương đương, dù với thuật tốn phức tạp sử dụng phân tích cảnh (như NIS) Điều cho thấy có thuật tốn tính bất biến màu tốt (có phân tích cảnh) để sử dụng ứng dụng thực tế Ngoài ra, màu da gợi ý thú vị cho việc ước lượng độ sáng Đây hướng nghiên cứu TÀI LIỆU THAM KHẢO [1] Paul Viola, Michael Jones, 2001 Rapid Object Detection using a Boosted Cascade of Simple Features Computer Vision and Pattern Recognition, CVPR Proceedings of the 2001 IEEE Computer Society Conference on (Volume 1) [2] S L Phung, A Bouzerdoum, and D Chai, 2005 Skin segmentation using color pixel classification: Analysis and comparison IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 27, No 1, pp 148-154 [3] Fu Chang, Chun-Jen Chen, and Chi Chen Liu, 2004 A linear-time component labeling algorithm using contour tracing technique Computer Vision and Image Understanding, 2004 - Elsevie, Volume 93, Issue 2, February, pp 206-220 [4] P Kakumanu, S Makrogiannis, N Bourbakis, 2007 A survey of skin-color modeling and detection methods Pattern Recognition, 40, pp 1106-1122 60 Nhận dạng khuôn mặt phương pháp kết hợp số thuật tốn dựa tính bất biến màu [5] Rein-Lien Hsu 2002 Face Detection in Color images IEEE Transactions on Pattern Analysis and Machine Intelligence [6] Lilong Shi, 2009 Novel color constancy algorithms for digital color imagery PhD dissertation, Simon Fraser University [7] J J McCann 1992 Rules for colour constancy Ophthal Physiol Opt., Vol 12, April [8] Arjan Gijsenij, Theo Gevers, 2007 Color constancy using natural image statistics The IEEEConf on Computer Vision and Pattern Recognition [9] G Buchsbaum, 1980 A spatial processor model for object colour perception Journal of the Franklin Institute Volume 310, Issue 1, pp 1-26 [10] S Gary B Huang, Manu Ramesh, Tamara Berg, and Erik Learned-Miller, 2007 Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments University of Massachusetts, Amherst, Technical Report 07-49, October, 2007 ABSTRACT Face detection by the fusion of color constancy algorithms Face detection is an interesting field of research and there has been much progress during the last few decades in face detection However, the current results are not adequate for real world application For example, the prominent work of Viola-Jones successfully detecting faces in real-time but if the lighting changed, the accuracy of detection was not adequate This system work well in terms of finding the real face region, but also produces many false positive results We embarked on this study in order to solve this issue being inspired by human vision and a color constancy mechanism Based on the observation that different color constancy algorithms deliver different results in image restoration, we used a fusion of them to migrate an almost perfect skin region in every test image This technique results in better detection with fewer false positives Keywords: Color constancy, face detection, skin color, real-time 61 ... biến màu hay kết hợp chúng cho ảnh cụ thể 2.2 Kết hợp thuật tốn tính bất biến màu phân ngưỡng Từ quan sát thuật tốn tính bất biến màu khác cho kết khác ảnh hưởng tới kết phân mảng màu da, kết hợp. .. mảng màu da YCrCb Gray – World Phân ngưỡng Original Hình Kết hợp thuật tốn tính bất biến màu 2.3 Đánh giá kết Kết thu từ kết hợp năm thuật tốn tính bất biến màu tốt bất ngờ Chúng phân loại màu da. .. đoạn xác định vùng da Các kết thu (ví dụ Hình 2a) qua sử lí kết 58 Nhận dạng khn mặt phương pháp kết hợp số thuật toán dựa tính bất biến màu hợp phân ngưỡng (Thresholding) để thu kết cuối (Hình