GIÁO TRÌNH XỬ LÝ ẢNH

XỬ LÍ ẢNH ĐỀ TÀI:Phát trích vùng khn mặt (Face Detection, Extraction, and Swapping) GVHD: Lê Mỹ Hà SVTH: Huỳnh Văn Tài 13151085 Trần Thiên Thái 13151088 Phạm Văn Long 13151050 Thuật tốn nhận diện khn mặt phương pháp Viola Jones • Đặc trưng Haar Like • Phân đoạn hình ảnh (Integral image) • Bộ lọc ảnh Adaboost • Mơ hình phân tầng Cascade • Đặc trưng Haar Like - Đặc trưng Haar Like tạo thành việc kết hợp hình chữ nhật đen,trắng với theo trật tự,kích thước - Có đặc trưng Haar Like thể qua hình sau: + Giá trị đặc trưng Haar Like chênh lệch tổng điểm ảnh vùng đen vùng trắng Để tính nhanh đặc trưng này, Viola Jones (2001; 2004) giới thiệu khái niệm ảnh tích phân (Integral Image) Integral Image mảng hai chiều với kích thước kích thước ảnh cần tính giá trị đặc trưng HaarLike Dưới mơ tả cách tính ảnh tích phân: - Đây cơng thức tính giá trị pixel D: D = A+B+C+D -  (A+B) -  (A+C) + A Từ suy công thức tổng quát cho pixel vị trí (x,y) Mục đích Haar Like tìm pixel “mạnh” , “yếu” ảnh cần xử lí (mạnh ,yếu intensity) Giảm nhiễu,,nâng cao chất lượng ảnh • Bộ lọc ảnh Adaboost Sử dụng phương pháp lọc Adaboost để tìm ngưỡng với độ xác cao AdaBoost (Freund & Schapire, 1995) phân loại ngưỡng mạnh phi tuyến phức, hoạt động nguyên tắc kết hợp tuyến tính phân loại ngưỡng yếu để tạo nên phân loại ngưỡng mạnh AdaBoost sử dụng trọng số để đánh dấu mẫu khó nhận dạng Trong q trình huấn luyện phân loại yếu xây dựng thuật toán tiến hành cập nhật lại trọng số để chuẩn bị cho việc xây dựng phân loại Cập nhật cách tăng trọng số mẫu nhận dạng sai giảm trọng số mẫu nhận dạng phân loại yếu vừa xây dựng -Bằng cách phân loại sau tập trung vào mẫu mà phân loại trước làm chưa tốt Cuối phân loại ngưỡng yếu kết hợp lại tùy theo mức độ tốt chúng để tạo nên phân loại ngưỡng mạnh -Với x cửa sổ cần xét, θk ngưỡng, fk giá trị đặc trưng Haar Like pk hệ số định chiều phương trình - Viola Jones kết hợp loạt AdaBoost phân loại chuỗi lọc, mà họ gọi thác Các thác đặc biệt hiệu cho việc phân loại khu vực hình ảnh.Mỗi lọc phân loại AdaBoost riêng biệt với số lượng nhỏ phân loại yếu - Các đặc điểm thứ hai lựa chọn AdaBoost - Đặc điểm đo khác biệt cường độ vùng mắt khu vực má Tận dụng quan sát vùng mắt thường đậm má - Đặc điểm thứ hai so sánh cường độ vùng mắt với cường độ sống mũi • Mơ hình phân tầng Cascade Các nguyên tắc việc phát khuôn mặt để qt dị nhiều lần thơng qua hình ảnh giống - lần với kích thước Để xử lí vùng ảnh rộng tốn nhiều thời gian nên rõ ràng cần loại bỏ khuôn mặt không rõ ràng mà làm thất vùng quan trọng Mơ hình Cascade of Classifiers xây dựng nhằm rút ngắn thời gian xử lý, giảm thiểu nhận dạng lầm (false alarm) cho phân loại Cascade trees gồm nhiều tầng (stage hay gọi layer), tầng mơ hình AdaBoost với phân ngưỡng yếu • Kết luận ứng dụng - Ưu điểm: Kết hợp với template matching để xác định vật thể để nhận dạng đối tượng : ví dụ nhận diện tội phạm, tìm kiếm nước hỏa,… - Nhược điểm: Nếu sử dụng mơ hình 3D sẻ khơng nhận diên được, làm giảm độ tương phản từ nhận diện không tốt, tạo vùng đen làm phá vỡ phương pháp Viola – Jones nghĩa phương pháp khơng cịn Tham khảo tài liệu  Wikipedia: * Viola-Jones object detection framework * Haar-like features  OpenCV: * Face Detection using OpenCV ... điểm ảnh vùng đen vùng trắng Để tính nhanh đặc trưng này, Viola Jones (2001; 2004) giới thiệu khái niệm ảnh tích phân (Integral Image) Integral Image mảng hai chiều với kích thước kích thước ảnh. .. tính ảnh tích phân: - Đây cơng thức tính giá trị pixel D: D = A+B+C+D -  (A+B) -  (A+C) + A Từ suy cơng thức tổng qt cho pixel vị trí (x,y) Mục đích Haar Like tìm pixel “mạnh” , “yếu” ảnh cần xử. .. Cascade Các ngun tắc việc phát khuôn mặt để qt dị nhiều lần thơng qua hình ảnh giống - lần với kích thước Để xử lí vùng ảnh rộng tốn nhiều thời gian nên rõ ràng cần loại bỏ khn mặt khơng rõ ràng