tiếp xúc
Kỹ thuật so sánh dựa trên điểm đặc tr−ng nhằm đánh giá một mặt cần nhận dạng với K mặt tốt nhất thì mặt cần nhận dạng là mẫu mặt nào trong K mặt tốt nhất đó.
Với kỹ thuật so sánh này ảnh cần nhận dạng và K mặt tốt nhất phải đ−ợc mã hoá thành các vector mà các thành phần của nó là các điểm đặc tr−ng của ảnh. Giả sử ảnh cần nhận dạng là x và đ−ợc biểu diễn x={x1,x2,…,xN} trong đó xi (i=1..N) là điểm đặc tr−ng thứ i biểu diễn trong mặt, gọi p là tập các ảnh tốt nhất (K ảnh mặt tốt nhất) và p={f1,f2,…,fK} trong đó mỗi ảnh fi phải đ−ợc mã hoá thành các vector điểm đặc tr−ng (fi={fi1,fi2,…,fiN}). Kỹ thuật so sánh điểm đặc tr−ng của một ảnh cần nhận dạng với tập K ảnh mặt tốt nhất sử dụng các vector điểm đặc tr−ng, trong đó mỗi phần tử thứ i là một đặc tr−ng của ảnh cần nhận dạng và ảnh mẫu. Tr−ớc hết ta thực hiện thuật toán so sánh hai ảnh mặt bất kỳ dựa trên kỹ thuật khoảng cách tiếp xúc.
Thủ tục so sánh hai mặt dựa trên kỹ thuật khoảng cách tiếp xúc
Thủ tục này sử dụng các điểm đặc tr−ng đ−ợc trích ra từ bộ lọc Gabor, theo bộ lọc này bất kỳ ảnh mặt ng−ời nào đều có 14 điểm đặc tr−ng và x(i), f(i) là các vector biểu diễn các đặc tr−ng của mặt. Thuật toán này hoạt động nh− sau: so sánh từng điểm đặc tr−ng của hai ảnh với nhau và sử dụng hàm cos để tính độ lệch (sự khác nhau) giữa hai điểm đặc tr−ng. Góc lệch giữa hai điểm đặc tr−ng đ−ợc mô tả nh− hình bên.
Hình 3.3 Mô tả góc lệch giữa hai vector điểm đặc tr−ng
f(i) x(i)
Nhìn vào hình biểu diễn hai vector này ta thấy nếu hai điểm là giống nhau thì góc α tạo bởi hai vector x(i) và f(i) phải có góc nhỏ nhất. Tr−ờng hợp tốt nhất khi góc α = 00. Thủ tục mô tả thuật toán nh− sau:
Procedure dg(x: mặt, f: mặt); Begin D:= 0; For i=1 to 14 do D:= D + (1 – cos(x(i),f(i))/2; Dg:= D/14; End
Kết quả thu đ−ợc là khoảng cách giữa hai mặt bất kỳ dựa trên các điểm đặc tr−ng của ảnh.
Tiếp theo là thủ tục xác định một mặt cần nhận dạng với các mẫu mặt tốt nhất thu đ−ợc từ kỹ thuật so sánh khuôn mẫu (K mẫu mặt tốt nhất) dựa trên khoảng cách tiếp xúc. Trong đó x là một vector biểu diễn điểm đặc tr−ng của mặt cần nhận dạng và p là nhóm các mẫu mặt tốt nhất (các mẫu trong p đều đ−ợc mã hoá theo vector biểu diễn các điểm đặc tr−ng của mẫu đó). Thuật toán này đ−ợc mô tả nh− hình d−ới đây:
Hình 3.4 Mô phỏng cách so sánh một ảnh mặt với tập các ảnh mặt tốt nhất dựa trên điểm đặc tr−ng. Nhóm mặt tốt nhất (K mặt) f1(f1,f2,…,fN) d1 f2(f1,f2,…,fN) d2 x(x1,x2,…,xN) ……… min(d1,d2,…,dK) ……… fK-1(f1,f2,…,fN-1) dK-1 fK(f1,f2,…,fN) dK Kết quả thu đ−ợc So sánh Chọn kết quả tốt nhất
Theo cách biểu diễn của hình trên ta thấy: một ảnh cần nhận dạng x đ−ợc so sánh lần l−ợt với từng mẫu ảnh có trong p kết quả của phép so sánh thu đ−ợc lần l−ợt là d1, d2,…, dK t−ơng ứng với K mẫu tốt nhất trong p. Để thu đ−ợc kết quả tốt nhất ta lấy giá trị nhỏ nhất trong tập kết quả đo đ−ợc {d1,d2,…,dK} và giá trị nhỏ nhất di nào đó cho phép ta xác đinh đ−ợc mẫu mặt tốt nhất thứ i trong p.
Thủ tục so sánh một mặt cần nhận dạng với tập các mặt tốt nhất thu đ−ợc từ kỹ thuật so sánh dựa trên khuôn mẫu
Procedure dw(x: mặt, p: nhóm mặt mẫu); Begin
{tập các mẫu mặt: p={f1,f2,..,fK} thu đ−ợc từ thuật
toán dt(x,g)} min:= dg(x,f1); For i=2 to K do If min >= dg(x,fi) then min:= dg(x,fi); Dw:= min; End
Kết quả đạt đ−ợc là vị trí của mẫu thứ i trong nhóm mẫu tốt nhất.