Sakai[7] đã phát triển phƣơng pháp phát hiện mặt ngƣời trong tƣ thế chụp thẳng theo hƣớng tiếp cận này. Ông dùng các mẫu con về mắt, mũi miệng và đƣờng viền khuôn mặt để mô hình khuôn mặt. Mỗi mẫu con đƣợc giới hạn bởi các đoạn thẳng. Đối với mỗi ảnh vào, các đƣờng thẳng trong ảnh đƣợc trích bằng phƣơng pháp xem xét sự thay đổi gradient nhiều nhất và so sánh với các mẫu con. Có thể xem tƣ tƣởng này gồm hai bƣớc:
Bƣớc đầu là tính toán các tƣơng quan giữa các mẫu con và đƣờng viền để xác định vị trí các ứng viên.
24
Craw[8] đƣa ra một phƣơng pháp xác định khuôn mặt ngƣời dựa vào các mẫu về hình dáng của các ảnh chụp thẳng (dùng vẻ bề ngoài của hình dáng khuôn mặt). Phƣơng pháp này gồm 3 bƣớc nhƣ sau:
Trƣớc tiên ông dùng bộ lọc Sobel để trích cạnh, các cạnh này đƣợc nhóm lại để tìm ra các mẫu khuôn mặt dựa trên một vài ràng buộc đƣa ra.
Sau khi xác định đƣợc đƣờng viền phần đầu, áp dụng tƣơng tự đối với mắt, lông mày ở các tỉ lệ khác nhau.
Cuối cùng ông dùng 40 mẫu để tìm ra các đặc trƣng khuôn mặt và dùng một phƣơng pháp để chỉ ra và đánh giá kết quả từ những mẫu của các đặc trƣng trên. Govindaraju[9] đề nghị một phƣơng thức xác định khuôn mặt ngƣời có hai giai đoạn để chỉ ra các giả thuyết về sự tồn tại khuôn mặt và kiểm tra nó. Mô hình khuôn mặt đƣợc xây dựng dựa trên các đặc trƣng xác định bởi cạnh. Các đặc trƣng mô tả các đƣờng cong bên mặt trái, phải và mặt trƣớc của khuôn mặt. Dùng phép toán Marr- Hildreth để tính toán cạnh. Tiếp theo là dùng bộ lọc để lọc bớt các đối tƣợng mà viền của nó không giống với phần nào của khuôn mặt. Xem xét các mức độ gần và các quan hệ về tính định hƣớng để ghép cặp các đƣờng cong trên. Phát hiện các điểm gãy để phân đoạn đƣờng viền thành các đặc trƣng cung. Gán nhãn các đƣờng cong vừa nói trên dựa vào đặc tính hình học và quan hệ vị trí. Liên kết các cung này bởi cạnh nếu các thuộc tính của chúng thích hợp nhau. So sánh hệ số của cặp tạo nên cạnh với hệ số chuẩn và gán giá trị cho cạnh. Nếu giá trị của một nhóm ba cung là nhỏ thì nhóm này đƣợc xem nhƣ giả thuyết. Trƣờng hợp ảnh có nhiều ngƣời thì thông tin phụ về số ngƣời là cần thiết để chọn ra giả thuyết tốt nhất. Tuy nhiên phƣơng pháp này chỉ có hiệu quả trong trƣờng hợp bức ảnh chụp thẳng, không bị che khuất.
Sinha[10] dùng một tập nhỏ các ảnh cố định để mô tả không gian các mẫu khuôn mặt. Ý tƣởng chính là trong khi độ sáng của các phần nhƣ mắt, hai má và vầng trán thay đổi với các khuôn mặt khác nhau thì quan hệ về độ sáng giữa chúng lại gần nhƣ không thay đổi gì lớn. Từng cặp tỉ số độ sáng và chỉ dẫn kèm theo (vùng này tối hơn hay sáng hơn vùng kia) chính là những bất biến rất tốt. chính vì vậy sử dụng các chỉ số
25
này ta có thể tạo ra một mẫu với các tỉ số tƣơng ứng với các đặc trƣng nhƣ mắt, hai má và trán. Các ràng buộc giữa các vùng mặt này cho ta một tập thích hợp các cặp quan hệ tối-sáng giữa các vùng con. Một khuôn mặt đƣợc xác nhận nếu nó thỏa mãn các cặp ràng buộc trên. Xem minh họa sau đây:
Hình 6 Minh họa mẫu gồm các quan hệ
Hình trên thể hiện một mẫu gồm 23 quan hệ giữa các vùng trong đó:
11 mũi tên màu đen thể hiện các ràng buộc chính
12 mũi tên xám mang tính chất kiểm tra.
Đầu các mũi tên ám chỉ đó là vùng thứ hai ứng với quan hệ.
Một quan hệ đƣợc thỏa mãn khi điều kiện về tƣơng quan nhƣ đề cập trên giữa hai vùng đƣợc chấp nhận (thƣờng có một giá trị ngƣỡng). Ý tƣởng này của ông sau đó cũng đã đƣợc phát triển thêm dùng biến đổi wavelet để áp dụng đối với ngƣời đi bộ, xe, và phát hiện khuôn mặt. Phƣơng pháp của ông sau này cũng có nhiều ứng dụng khác nữa điển hình nhƣ hệ thống thị giác của rô bốt…