ADABOOST 2.1.Giới thiệ u
4.2.Một số giao diện chính
Trang: 60 Hình 4-2: Quá trình dò tìm khuôn mặt
Trang: 61 Hình 4-4: Giao diện để hiệu chỉnh các thông số của mạng Nơ-ron
Trang: 62
4.3. Kết quả
Hình 4-6: Kết quả của chương trình sau khi dò tìm khuôn mặt
(a) (b)
(c) (d)
Hình 4-7: (a) Ảnh với môi trường nền phức tạp; (b) và (c) là ảnh khuôn mặt với các tư thế khác nhau, (d) là ảnh khuôn mặt bị che khuất một phần.
Trang: 63 Hình 4-8: Kết quả của chương trình với ảnh có nhiều mặt người
Chương trình cho kết quả tương đối tốt, dò tìm được hầu hết các khuôn mặt. Tuy nhiên vẫn còn những phát hiện thừa hoặc thiếu, điều này là do tập mẫu dùng để huấn luyện. Trong thực tế, tập các ảnh không là khuôn mặt có số lượng lớn và phong phú hơn rất nhiều so với tập ảnh là khuôn mặt. Vì vậy dùng tập
ảnh này để huấn luyện cho máy là điều rất khó khăn.
4.4. Nhận xét
Bộ dò tìm khuôn mặt sử dụng mạng Nơ-ron thực hiện tương đối tốt, đạt kết quả khả quan khi dò tìm khuôn mặt.
Bộ dò tìm khuôn mặt sử dụng mạng Nơ-ron nhận biết rất tốt những khuôn mặt với các tư thế khác nhau: thẳng đứng (hình 4-6), không thẳng đứng (hình 4-7 b,c) hoặc bị che khuất một phần (hình 4-7 d).
Bộ dò tìm thử nghiệm thực hiện dò tìm không đạt được kết quả như mong muốn trong môi trường ảnh có nhiều mặt người. Như hình 4-8 thì bộ dò tìm phát hiện được 7/11 khuôn mặt, phát hiện nhầm lẫn 4 vùng có khuôn mặt.
Xây dựng chương trình dò tìm khuôn mặt sử dụng mạng nơ-ron như trên chỉ mang tính chất thử nghiệm thuật toán, cần phải phát triển nhiều hơn nữa để
Trang: 64
KẾT LUẬN
Phát hiện khuôn mặt là bài toán cơ bản và quan trọng trong lĩnh vực thị
giác máy tính. Công nghệ hiện nay còn đang rất non trẻ và có nhiều vấn đề cần phải tiếp tục nghiên cứu. Với đề tài “Tìm hiểu một số phương pháp phát hiện khuôn mặt trong ảnh”, khoá luận đã trình bày tổng quan một số phương pháp phát hiện khuôn mặt, tập trung trình bày hai phương pháp “phát hiện khuôn mặt sử dụng mạng Nơ-ron” và “phát hiện khuôn mặt sử dụng AdaBoost”. Khoá luận
đã xây dựng được một hệ thống phát hiện khuôn mặt sử dụng mạng Nơ-ron cho kết quả phát hiện được khuôn trong ảnh. Việc cài đặt thử nghiệm thuật toán trên bằng ngôn ngữ C# đã được thực hiện, bước đầu cho kết quả tốt.
Trong tương lai em sẽ tiếp tục nghiên cứu thêm để có thể hoàn thiện hơn nữa về độ chính xác và thời gian dò tìm, và cố gắng để ứng dụng được chương trình vào một số hệ thống phục vụ các lĩnh vực: giám sát, theo dõi, an ninh trí tuệ nhân tạo…
Tuy nhiên do hạn chế về điều kiện và thời gian, khoá luận sẽ không thể
tránh khỏi những thiếu xót. Kính mong được sựđóng góp ý kiến của thầy cô và các bạn, để em có thể hoàn thiện tốt hơn đề tài nghiên cứu của mình trong đợt khoá luận này.
Trang: 65
TÀI LIỆU THAM KHẢO
[1]. Nguyễn tuấn nghĩa (2005) – Sử dụng mô hình Entropy cực đại nhận dạng màu da trên ảnh màu – Luận văn tốt nghiệp Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
[2]. Lu Buon Vinh, Hoàng Phương Anh (2004) - Nghiên cứu và xây dựng hệ thống nhận dạng mặt người dựa trên FSVM và Adaboost - Luận văn cử nhân tin học Khoa công nghệ thông tin, ĐH KHTN TP HCM. [3]. Trần Phước Long, Nguyễn Văn Lượng (2003) : Nhận dạng người
dựa vào thông tin khuôn mặt xuất hiện trên ảnh. Luận văn tốt nghiệp, KhoaCông nghệ Thông tin, Đại học Khoa học Tự nhiên Tp. HCM. [4]. Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh
Tuấn, Phan Phúc Doãn - Tổng quan các phương pháp xác định khuôn mặt người (adsbygoogle = window.adsbygoogle || []).push({});
[5]. J. Meynet (2003) – Fast Face Detection Using AdaBoost - National Polytechnique Institute of Grenoble.
[6]. H.A. Rowley (1999) – Neural network – Based Face Detection – School of Computer Science, Computer Science Department, Carnegie Mellon University Pittsburgh, PA 15123.
[7]. CBCL Face Database, CMU and MIT,
http://www.ai.mit.edu/projects/cbcl.old/software- datasets/FaceData2.html
[8]. CMU Image database