Tiếp cận dựa trên các đặc trưng khơng thay đổi là tiếp cận theo kiểu bottom up. Dựa trên thực tế, chúng ta cố gắng tìm ra những đặc điểm khơng thay đổi trên khuơn mặt khi ở các tư thế khác nhau và các điều kiện mơi trường như ánh sáng khác nhau. Đã cĩ rất nhiều nghiên cứu về hướng tiếp cận này, các đặc điểm khơng thay đổi được tìm thấy như lơng mày, mắt, mũi, miệng hay các đường viền trên tĩc… Trên cơ sở các đặc trưng này, các nhà nghiên cứu xây dựng lên một mơ hình thống kê mơ tả quan hệ của các đặc trưng và từ đĩ xác định sự xuất hiện của khuơn mặt trong bức ảnh. Khĩ khăn của hướng tiếp cận này đĩ là phải mơ tả các đặc trưng khơng thay đổi và quan hệ giữa chúng phù hợp với điều kiện ánh sáng, độ nhiễu hay bị che khuất. a. Các đặc trưng của khuơn mặt
Cĩ rất nhiều nghiên cứu về các đặc trưng của khuơn mặt. Cĩ thể đựa vào các đặc trưng như hai mắt, hai lỗ mũi, miệng, phần nối giữa mũi và miệng hoặc dựa và đường viên của khuơn mặt v…v.
Leung đã đưa ra một mơ hình xác suất để xác định khuơn mặt trong ảnh cĩ hình nền phức tạp dựa trên việc tìm kiếm các đặc trưng khơng thay đổi của khuơn mặt trong ảnh, sau đĩ dùng đồ thị ngẫu nhiên để xác định khuơn mặt. Tư tưởng của phương pháp này đĩ là xem bài tốn xác định khuơn mặt như là bài tốn tìm kiếm với mục tiêu là tìm thứ tự các đặc trưng khơng thay đổi của khuơn mặt. Dùng năm đặc trưng (hai mắt, hai lỗ mũi, phần nối giữa mũi và miệng) để mơ tả một khuơn mặt. Đồng thời tính quan hệ khoảng cách cho tất cả các cặp đặc trưng (như mắt trái, mắt phải), sau đấy dùng phân bố Gauss để mơ hình hĩa. Một mẫu khuơn mặt được đưa ra thơng qua trung bình tương ứng cho một tập đa hướng, đa tỷ lệ của bộ lọc đạo hàm Gauss. Từ một ảnh, các đặc trưng của ứng viên được xác định bằng cách so khớp từng điểm ảnh khi lọc tương ứng với vector mẫu. Hai ứng viên cĩ đặc trưng đứng đầu sẽ được chọn để tìm kiếm cho các đặc trưng khác của khuơn mặt. Từ các đặc
- 22 -
trưng khơng thay đổi, các đặc trưng khác sẽ được xác định thơng qua sự đánh giá xác suất khoảng cách giữa các đặc trưng, hơn nữa phương sai của phép thống kê này cĩ thể được tính tốn trước để xác định các đặc trưng với xác suất lớn. Tỷ lệ chính xác của phương pháp này là 86%.
Bên cạnh tính khoảng cách liên quan để mơ tả quan hệ giữa các đặc trưng như Leung. Kendall Mardia and Dryden dùng lý thuyết xác suất thống kê về hình dáng. Dùng hàm mật độ xác suất (Probility Density Function -
PDF) qua N điểm đặc trưng, tương ứng (xi,yi) là đặc trưng thứ i với giả sử là phân bố Gauss cĩ 2N - chiều. Các tác giả áp dụng phương thức cực đại khả năng (Maximum - Likelihood - ML) để xác định vị trí khuơn mặt. Một thuận lợi của phương pháp này là các khuơn mặt bị che khuất vẫn cĩ thể xác định được. Hạn chế phương pháp này đĩ là khơng xác định được nhiều khuơn mặt trong cùng một ảnh.
Khơng dùng phương pháp xác suất, Siroley đưa ra phương pháp khác xác định khuơn mặt từ một ảnh cĩ nền phức tạp. Phương pháp dựa trên cạnh. Dùng phương pháp Candy và Heuristics loại bỏ các cạnh cịn lại duy nhất một đường bao xung quanh khuơn mặt. Một hình elip dùng để bao khuơn mặt, tách biệt vùng đầu và hình nền. Tỷ lệ chính xác của thuật tốn là 80%.
Graf đưa ra một phương pháp xác định đặc trưng rồi xác định khuơn mặt trong ảnh xám. Dùng bộ lọc để làm nổi các biên, các phép tốn hình thái học (morphology) được dùng để làm nổi bật các vùng cĩ cường độ cao và hình dáng chắc chắn (như mắt). Thơng qua histogram để tìm các đỉnh nổi bật để xác định các ngưỡng chuyển ảnh xám thành hai ảnh nhị phân. Các thành phần dính nhau đều xuất hiện trong hai ảnh nhị phân thì được xem là vùng của ứng viên khuơn mặt rồi phân loại xem đấy cĩ phải là khuơn mặt khơng. Phương pháp được kiểm tra trên các ảnh chỉ cĩ đầu và vai của người.
- 23 -
Tuy nhiên phương pháp này cịn một vấn đề đấy là sử dụng các phép tốn morphology như thế nào và làm sao xác định khuơn mặt trên các vùng ứng viên.
Park dùng Gaze để tìm ứng viên gĩc mắt, miệng và tâm mắt. Ơng xây dựng SVM (Support Vector Machine) đã được học trước đĩ để xác định các vị trí ứng viên cĩ phải là gĩc mắt, miệng và tâm mắt hay khơng để theo vết con mắt người.
Juan và Narciso xây dựng một khơng gian màu mới YCbCr để lọc các vùng là ứng viên khuơn mặt dựa trên sắc thái của màu da người. Sau khi cĩ ứng viên, hai ơng dùng quan hệ về hình dáng khuơn mặt, mức độ cân đối của các thành phần khuơn mặt để xác định khuơn mặt người. Tương tự, Chang và Hwang cũng dùng khơng gian màu YCbCr với tỉ lệ chính xác hơn 80% trong ảnh xám.
Jin xây dựng một bộ lọc để xác định ứng viên khuơn mặt người theo màu da người. Từ ứng viên này tác giả xác định khuơn mặt người theo hình dáng khuơn mặt và các quan hệ đặc trưng về thành phần khuơn mặt với mắt phải được chọn làm gốc tọa độ để xét quan hệ. Tỷ lệ chính xác cho khuơn mặt chụp thẳng trên 80%.
b. Kết cấu của khuơn mặt
Khuơn mặt con người cĩ những kết cấu riêng biệt mà cĩ thể dùng để phân loại so với các đối tượng khác. Từ kết cấu của khuơn mặt xây dựng lên một bộ phân loại, gọi là kết cấu giống khuơn mặt (face - like texture).
c. Màu sắc da
Thơng thường các ảnh màu khơng xác định trực tiếp trên tồn bộ dữ liệu ảnh mà các tác giả dùng tính chất sắc màu của da người (khuơn mặt người) để chọn ra được các ứng viên cĩ thể là khuơn mặt người (lúc này dữ liệu đã được thu hẹp đáng kể) để xác định khuơn mặt người.
- 24 - d. Đa đặc trưng
Gần đây cĩ nhiều nghiên cứu sử dụng các đặc trưng tồn cục như: màu da người, kích thước và hình dáng để tìm các ứng viên khuơn mặt, rồi sau đĩ sẽ xác định ứng viên nào là khuơn mặt thơng qua dùng các đặc trưng cục bộ (chi tiết) như: mắt, lơng mày, mũi, miệng và tĩc. Tùy mỗi tác giả sẽ sử dụng tập đặc trưng khác nhau.