Để đánh giá khả năng phát hiện điểm ảnh da trong ảnh, sử dụng 2 thông số đánh giá là:
Tỷ lệ các ảnh không phải “đen” được cho là “đen”. Tỷ lệ các ảnh “đen” được xác định là ảnh “đen”.
Sau đây là bảng kết quả thực nghiệm: Ảnh Video Phát hiện đúng Phát hiện sai Phát hiện đúng Phát hiện sai Số lƣợng 84 16 18 2 Tỷ lệ 84% 16% 90% 10%
PHẦN KẾT LUẬN
Phát hiện ảnh “đen” là một bài toán khó và mới. Để đáp ứng các yêu cầu đa dạng của thực tế, một giải pháp trọn vẹn và toàn diện cho vấn đề này đòi hỏi phải có khả năng xử lý tốt đáp ứng thời gian thực và đồng thời phải có khả năng đảm bảo độ phát hiện chính xác và hiệu quả khi có sự thay đổi của môi trường và đối tượng quan sát như: điều kiện ánh sáng, hướng, tư thế, sắc thái, sự che khuất bộ phận, sự xuất hiện có hoặc không của các thành phần phụ đi kèm… Đó là tất cả vấn đề đặt ra và đòi hỏi phải tiếp tục nghiên cứu.
Luận văn này đã nghiên cứu và cài đặt chương trình phát hiện ảnh “đen” bằng việc kết hợp sử dụng đặc trưng bất biến là màu da với kỹ thuật SVM để giảm thời gian tìm kiếm các bộ phận cần nhận dạng trong ảnh, để tăng tốc độ xử lý của hệ thống. Các kết quả thực nghiệm đã cho thấy những ưu điểm chủ yếu của giải pháp đưa ra vẫn đảm bảo tỷ lệ phát hiện chính xác trong phạm vi cho phép nhưng đã giảm đáng kể thời gian thực hiện. Tuy nhiên đây mới chỉ là kết quả bước đầu cũng chưa thể đáp ứng các yêu cầu về thời gian cũng như việc xác định chính xác ảnh đen.
Luận văn đã đạt đƣợc các kết quả sau:
- Trình bày khái quát về xử lý ảnh và bài toán kiểm soát hình ảnh.
- Hệ thống hóa một số vấn đề về ứng dụng kỹ thuật SVM trong nhận dạng hình ảnh.
- Cài đặt thử nghiệm chương trình nhận dạng ảnh đen sử dụng kỹ thuật SVM.
Hƣớng phát triển tiếp theo:
Phát triển thành chương trình phát hiện ảnh “đen” trên máy tính cá nhân.
Tích hợp, phát triển thành ứng dụng phát hiện và lọc, chặn ảnh “đen” đối với các Website. Đồng thời có thể thương mại hóa ứng dụng phục vụ
công tác quản lý nhà nước cho ngành thông tin và truyền thông cũng như các lĩnh vực khác.
Phát hiện ảnh chuyển động (video, ảnh GIF, flash…)
Mở rộng nghiên cứu một số lĩnh vực liên quan: nhận dạng ảnh bạo lực, nhận dạng vân tay, nhận dạng mống mắt,…
TÀI LIỆU THAM KHẢO Tiếng Việt
[1]. Lương Mạnh Bá, Nguyễn Thanh Thủy (2000), Nhập môn xử lý ảnh số, Nxb Khoa học và Kỹ thuật, Hà Nội.
[2]. Thái Sơn (2006), Kỹ thuật Support Vector Machines và ứng dụng, Luận văn Thạc sỹ khoa học ngành toán tin, Trường Đại học Bách Khoa Hà Nội, Hà Nội.
[3]. Đỗ Năng Toàn, Phạm Việt Bình (2008), Giáo trình xử lý ảnh, Nxb Khoa học và Kỹ thuật, Hà Nội.
[4]. Lu Buon Vinh, Hoàng Phương Anh (2004), Nghiên cứu xây dựng hệ thống nhận dạng mặt người dựa trên FSVM và Adaboost, Luận văn cử nhân tin học khoa CNTT, Trường Đại học KHTN Tp.HCM, Hồ Chí Minh.
Tiếng Anh
[5]. Ignas Kukenys (2010), Human Face Detection with Support Vector Machines, University of Otago, Dunedin, New Zealand.
[6]. J. S. Leea,Y. M. Kuob, P. C. Chung, E. L. Chenc (2006), “Naked image detection based on adaptive and extensible skin color model”, pp. 2 - 5.