3.1 Các phƣơng pháp phát hiện khuôn mặt ngƣời
3.1.1 Haar Cascade – Adaboost
Có rất nhiều phƣơng pháp để giải quyết bài tốn xác định khn mặt ngƣời trên ảnh 2D dựa trên các hƣớng tiếp cận khác nhau. Haar-like - Adaboost phƣơng pháp đƣợc đề xuất bởi hai nhà khoa học Paul Viola và Michael Jones là phƣơng pháp xác định khuôn mặt con ngƣời dựa trên phƣơng pháp tiếp cận trên khuôn mặt. Bài tốn nhận dạng khn mặt, đƣợc giải quyết dựa trên phƣơng pháp sử dụng các đặc trƣng haar like của Violas & John. Phƣơng pháp này có kết quả phát hiện lên tới 93.86% đối với tập dữ liệu AT&T, trƣớc đây các hãng sản xuất máy ảnh nhƣ Canon, Samsung… cũng đã tích hợp nó vào trong các sản phẩm của mình. Phƣơng pháp pháp phát hiện khuôn mặt của Violas và John đƣợc cài đặt trong OpenCV.
Hƣớng tiếp cận trên diện mạo tức là hệ thống nhận dạng khuôn mặt sẽ đƣợc học các mẫu của khuôn mặt từ một tập ảnh mẫu. Sau khi quá trình học hay quá trình huấn luyện này (training) thực hiện xong, hệ thống sẽ rút ra đƣợc những tham số để phục vụ cho quá trình nhận dạng.
Vì vậy tiếp cận trên diện mạo còn đƣợc biết đến với tên gọi tiếp cận theo phƣơng pháp học máy.
Về tổng quan, phƣơng pháp HA đƣợc xây dựng dựa trên sự kết hợp, lắp ghép của 4 thành phần, đó là
- Các đặc trƣng Haar-like các đặc trƣng đƣợc đặt vào các vùng ảnh để tính tốn các giá trị của đặc trƣng, từ những giá trị đặc trƣng này đƣa vào bộ phân loại Adaboost ta sẽ xác định đƣợc ảnh có khn mặt hay khơng.
- Ảnh tích hợp (Integral Image) thực ra đây là một cơng cụ giúp việc tính tốn các giá trị đặc trƣng Haar-like nhanh hơn.
- Adaboost (Adaptive Boost) bộ phân loại (bộ lọc) hoạt động dựa trên nguyên tắc kết hợp các bộ phân loại yếu để tạo lên bộ phân loại mạnh. Adaboost sử dụng giá trị đặc trƣng Haar-like để phân loại ảnh là mặt hay không phải mặt.
- Cascade of Classifiers bộ phân loại tầng với mỗi tâng là một bộ phân loại Adaboost, có tác dụng tăng tốc độ phân loại.
Nhƣ vậy bài toán xác định mặt ngƣời trong ảnh cũng chính là bài tốn phân loại ảnh thành hai lớp mặt hoặc không phải mặt [2].