MỤC LỤC
Đầu thế kỷ XIX, phát hiện khoa học vẫn còn được công nhận bởi hai tính năng quan trọng: Đầu tiên, hai phong cách khác nhau sống núi mẫu vân tay (Ridge Hoa văn) là khác nhau từ khác có dấu vân tay sống núi của phong cách sống giống nhau. Thế kỷ XX, các sixties, như là máy tính có thể xử lý đồ họa, người ta bắt đầu xem xét các máy tính để xử lý các dấu vân tay, vân tay tự động AFIS Hệ thống xác định trong các lĩnh vực thực thi pháp luật của nghiên cứu, ứng dụng này bắt đầu tới.
Giới thiệu về bài toán xác định mặt người trong ảnh số
Định nghĩa bài toán xác định mặt người
• Hướng tiếp cận dựa trên so sánh khớp mẫu: Dùng các mẫu chuẩn của khuôn mặt (các mẫu này đã được chọn và lưu trữ) để mô tả các khuôn mặt hay các đặc trưng của khuôn mặt (các mẫu này được chọn tách biệt theo tiêu chuẩn đã được các tác giả đề ra để so sánh). • Hướng tiếp cận dựa trên diện mạo: Trái ngược với hướng tiếp cận dựa trên khuôn mẫu, các mô hình (hay các mẫu) sẽ được học từ một tập ảnh huấn luyện mà thể hiện tính chất tiêu biểu của sự xuất hiện của mặt người trong ảnh.
• Hướng tiếp cận dựa trên đặc trưng không thay đổi: Xây dựng các thuật toán để tìm các đặc trưng của khuôn mặt mà các đặc trưng này không thay đổi khi tư thế khuôn mặt hay vị trí đặt camera thay đổi. Hiện nay, có rất nhiều bài toán liên quan tới việc xác định vị trí mắt người: Xác định trạng thái mắt nhắm hay mở (hệ thống đặt trên ô tô để kiểm soát lái xe, hay hệ thống kiểm tra bảo vệ ngủ tại các cơ quan quan trọng, xác định hướng nhìn của khuôn mặt dựa trên vị trí mắt, xây dựng model khuôn mặt….
Ta có thể thấy trên hình 2.3 rằng kết quả nhận được của vùng mắt xác định vị trí hiển thị cao hiệu quả và hữu ích thực tế của phương pháp so sánh các mẫu (bất kể là đã lựa chọn mắt trái hoặc mắt phải).Ta có thể biết chắc chắn rằng kết quả xác định vị trí không phụ thuộc vào biến thể của mẫu được sử dụng. Kết quả xác định vị trí của mắt bằng việc sử dụng mẫu b4 Thêm các toán tử xác định vị trí của vùng mắt trung tâm bên trong các khu vực được giải nén có thể dựa vào: hai giai đoạn (ba giai đoạn) tìm thủ tục tương tự vào thuật toán được trình bày trên hình 2.1, kim tự tháp của hình ảnh đầu vào, thủ tục sử dụng nhiều mẫu, tìm kiếm dọc theo các khu vực mắt xoắn.
Trước tiên, chúng tôi sử dụng phương pháp của tại thời điểm để xác định các trung tâm của lực hấp dẫn của các khu vực được giải nén, tiếp theo chúng ta so sánh tọa độ của các trung tâm với phép suy loại tọa độ xác định dựa trên tâm giữa của hình chữ nhật. Để kiểm tra hiệu quả của phương pháp của thời điểm tức thời chúng ta thực hiện kiểm tra trên cơ sở dữ liệu ORL [ORL **], chứa đựng 400 mặt hình ảnh, được nhóm lại trong 40 lớp. Thử nghiệm của thuật toán xác định tọa độ đôi mắt đã được thực hiện dựa trên 3 giai đoạn : xác định dòng mắt bằng cách sử dụng phép chiếu, tính toán góc đầu xoay quanh trục y bằng cách sử dụng phương pháp so sánh mẫu và phương pháp của thời điểm tức thời bên trong một khung, trả lời góc độ này.
Phân tích các kết quả thu được cho thấy rằng lỗi sẽ trở lên giống như là kết quả của: xác định không chính xác của dòng mắt(1 trường hợp), kích thước mẫu không được điều chỉnh từ kích thước khuôn mặt (11 trường hợp), chất lượng ảnh khuôn mặt thấp vì mắt đóng hoặc có kính (18 trường hợp), không được kiểm soát đầu xoay trên bề mặt XY, đầu xoay khá nhiều (nhiều hơn 45◦) trên trục Y và ảnh hưởng sự kết hợp của nhiều rào cản đã đề cập ở trên. Phương pháp của thời điểm tức thời có thể không thành công trong trường hợp khi kính trên khuôn mặt, vì ảnh hưởng của nó trên xác định trọng tâm của lực hấp dẫn có thể quan trọng hơn là ảnh hưởng của học sinh. Trong này trường hợp khẩn cấp, các phương pháp của thời điểm tức thời cung cấp độ chính xác tính toán cao trung tâm của lực hấp dẫn, mà xác nhận nhận được kết quả - cột 4 và cột 5 của hình 2.10, nơi được đánh dấu bằng hình chữ nhật vùng mắt.
Tối đa của hàm F(x) từ bên trái trả lời phối hợp cùng trục x cho mắt nằm ở bên trái trên ảnh khuôn mặt (mắt phải cho khuôn mặt thực ), trong khi tối đa của hàm F(x) từ bên phải trả lời các tọa độ cùng trục x cho mắt mà nằm bên phải khuôn mặt hình ảnh (mắt trái cho khuôn mặt thật). Hàm S và F cho các phiên bản khác nhau của phép quay đầu Trong nhiệm vụ cụ thể xác định vị trí của mắt cho ∆2 ≠ 0 thực hiện nhiệm vụ của xác định tọa độ mắt có công thức (1.2.9) có thể sử dụng phiên bản đơn giản sự thay đổi của cửa sổ hình thức WL và WR. Kết quả xác định tọa độ mắt bằng phương pháp đơn giản hóa Có thể nhìn thấy, ngay cả đối với những thay đổi đáng kể đầu quay xung quanh trục X và trục Y đã nhận được kết quả xác định tọa độ mắt là rất tốt.
Nó cho khả năng thủ tục sáng tạo của đôi mắt tìm tọa độ nhanh, bên cạnh kết quả nhận được bằng phương tiện của một trong những phương pháp có thể được kiểm tra bằng phương tiện của một phương pháp. Có thể nhận thấy, rằng cả hai phương pháp cho kết quả tương tự : giai đoạn đầu tiên được xác định dòng mắt, tiếp theo tọa độ được xác định bằng cách sử dụng phương pháp so sánh với mẫu (kết quả được trình bày trên hình ảnh "3"); giai đoạn thứ ba - giai đoạn xác minh - tọa độ mắt được xác định bằng phương pháp chiếu (kết quả đã cho thấy trên hình ảnh "4"). Tính toán xác định chính xác dòng mắt : phương pháp tính toán của dòng mắt bằng phương pháp của ngang chiếu có thể được sử dụng để xác định dòng mắt trong mỗi nửa khuôn mặt.
Xác định tọa độ mắt sử dụng phương pháp Knowledge
CSDL này không hoàn toàn thỏa mãn các tiêu chuẩn của ảnh BIOMETRIC tuy nhiên nó lại cho phép kiểm tra được các yêu cầu cần thiết của các phương pháp như : đánh giá xem các phương pháp có làm việc được với các CSDL có kích thước cũng như format không chuẩn hay không, có làm việc chính xác đối với các CSDL ảnh có chất lượng không tốt hay không và dùng để thống kê độ chính xác. CSDL FERET được sử dụng rộng dãi trong thử nghiệm các bài toán nhận dạng mặt người, trong luận văn này chúng tôi sử dụng để thử nghiệm thuật toán xác định vị trí mắt người, kích cỡ của ảnh 224 x 184 px dạng jpg, chế độ GRAY và MÀU. Obosnovaeiem sử dụng căn cứ này trong các thí nghiệm được thực hiện đặc điểm năng động nhất của những hình ảnh ban đầu và vùng lãnh thổ của người trên chúng, thường xuất hiện trong điều kiện thực tế và hệ thống.
Đánh giá độ chính xác của phương pháp này (so sánh các kết quả của chúng tôi với kết quả của cơ sở dữ liệu thống kê (BIOD ID) hoặc so sánh với các kết quả tự xác định vị trí của mắt). Bạn có thể theo dừi hiện trạng của một người (hoặc định hướng của người đứng đầu), mắt và các lần chính xác "ra khỏi tập trung" của con người, khi những người quan sát trên đường(các lái xe, người lái xe ..) và các thiết bị kiểm soát (một phi công hãng hàng không hoặc nút chế độ chờ trên điều khiển từ xa). Trong ví dụ đơn giản này, chúng ta có thể thấy rằng: Đối với một đánh giá chính xác của con người thực sự cần phải xem một khuôn mặt con người như cho độ nghiêng của đầu, sau mắt và cuối cùng cho đôi mắt.
Trong trường hợp này, các vị trí của dòng đối xứng của khuôn mặt và các mức độ mà tại đó dòng của mắt, có thể như là một "điểm bắt đầu" trong vấn đề xác định định hướng của các đầu và đánh giá các hướng sự chú ý. Trong những phương án, góc được hiển thị trong hình 3,33, nhà nước quan trọng có thể đặt tên ba trong số họ: khi đường của mắt là cao hơn bình thường, hoặc nếu dòng đối xứng bên trái hoặc bên phải của vị trí trung bình của nó.