5 KẾT QUẢ MÔ PHỎNG
5.13 Ảnh hưởng củ af đến tỷ lệ nhận dạng đúng của phương pháp LT-LHD
các điều kiện chiếu sáng khác nhau
nhận dạng của phương pháp LT-LHD sẽ có giá trị tối ưu tại giá trị k khác nhau. Hình 5.12 mô tả về tỷ lệ nhận dạng khuôn mặt của các LT-LHD trong các điều kiện ánh sáng khác nhau với các giá trị k khác nhau. Với trường hợp có đèn chiếu sáng bên trái khuôn mặt hoặc từ hai bên khuôn mặt, ta thấy rằng tỷ lệ nhận dạng chính xác là không đổi với trường hợp k ≥ 3. Với trường hợp có đèn chiếu bên phải khuôn mặt, ta thấy rằng tỷ lệ nhận dạng chính xác tăng thêm 1% khi tăng giá trị từk = 3 đến k = 4 và không đổi với các giá trịk ≥4. Điều này có thể do với điều kiện chiếu sáng một bên, nhiều đường cạnh có chiều dài ngắn, vốn đặc trưng cho các chi tiết trên khuôn mặt, bị ảnh hưởng nhiều và mất đi. Điều này dẫn đến tính trạng đường cạnhml trong Ml
c sẽ bị gán giá trị rất lớn V như là khoảng cách từ nó đến đường cạnh gần nhất tương ứng trongTl. Điều này gây ra tình trạng nhận dạng nhầm của phương pháp LT-LHD như đã đề cập ở trên. Việc tăng giá trị của k đồng nghĩa với việc đường ml khi bị mất đi đường tl
c tương ứng như thế có thể nhận được một đường cạnh khác trong Tl như là đường cạnh gần nhất tương ứng của nó và khoảng cách giữa chúng chắc chắn sẽ nhỏ hơn V. Điều này làm giảm khoảng cách Hausdorff giữa Tl và Ml
c và giúp tăng tỷ lệ nhận dạng chính xác cho phương pháp LT-LHD.
Tương tự với hệ số k, tỷ lệ nhận dạng của phương pháp LT-LHD cũng sẽ đạt giá trị cực đại tại các tỷ số f khác nhau tùy theo điều kiện của ảnh đầu vào. Hình 5.13 mô tả sự ảnh hưởng của hệ số f đến tính chính xác trong việc nhận dạng của phương pháp LT-LHD trong các điều kiện ánh sáng khác nhau. Đồ thị biểu diễn sự phụ thuộc của
tỷ lệ nhận dạng chính xác của phương pháp LT-LHD với các giá trị f khác nhau trong các trường hợp chiếu sáng khác nhau cũng có sự thay đổi tương tự như trong điều kiện ánh sáng bình thường. Với trường hợp có đèn chiếu sáng bên trái hoặc từ bên phải, tỷ lệ nhận dạng chính xác của phương pháp LT-LHD đạt cực đại tạif = 0.4. Tuy nhiên, trong trường hợp có đèn chiếu sáng từ hai bên, như đã phân tích ở trên, vì cường độ ánh sáng mạnh hơn trong trường hợp chiếu sáng từ một bên trái/phải, nên sẽ có nhiều đường cạnh bị mất hoặc bị đứt đoạn và gây ra sai số lớn hơn trong trường hợp có đèn chiếu sáng từ một bên trái/phải, và làm tăng khoảng cách Hausdorff trực tiếp h Ml
c, Tl. Do vậy, cần lấy thêm nhiều đường cạnh hơn để tính khoảng cách Hausdorff trực tiếp để làm giảm bớt đi sự ảnh hưởng của các sai số này đến tỷ lệ nhận dạng chính xác của phương pháp. Vì vậy tỷ lệ nhận dạng chính xác của phương pháp LT-LHD trong trường hợp có đèn chiếu sáng từ hai bên sẽ đạt cực đại tại giá trị f = 0.2. Với trường hợp có đèn chiếu sáng từ hai bên, phương pháp LT-LHD đạt tỷ lệ nhận dạng cao nhất là 78% tại giá trịf = 0.2, cao hơn 7% so với trường hợp f = 0.4.
Ngoài ra, theo các kết quả trong hình 5.13, trong mọi điều kiện khuôn mặt được chiếu sáng từ các hướng khác nhau, tỷ lệ nhận dạng của phương pháp LT-LHD đều cho kết quả cực đại tại các giá trịf >0. Điều này cho thấy rằng việcthay khoảng cách Hausdorff trung bình sang sử dụng khoảng cách LT-MHD sẽ đem lại sự cải thiện về tỷ lệ nhận dạng.
5.6.2 Nhận dạng khuôn mặt với các góc chụp khác nhau
Trong phần này, khảo sát về tỷ lệ nhận dạng của các phương pháp LT-NMHD và LT-LHD trong điều kiện ảnh khuôn mặt không được chụp ở hướng chính diện sẽ được thực hiện. 30 ảnh chính diện của 30 người trong tập dữ liệu khuôn mặt BERN University được dùng như tập mẫu. Mỗi người tương ứng sẽ có 4 ảnh chụp khuôn mặt với các hướng nhìn khác nhau của khuôn mặt như nhìn lên, nhìn xuống, nhìn sang trái và nhìn sang phải. Các ảnh này được sử dụng như tập kiểm tra để đánh giá chất lượng của các phương pháp được so sánh.
Bảng 5.7 trình bày tỷ lệ nhận dạng khuôn mặt chính xác của các phương pháp NMHD và LT-NMHD trong các điều kiện khác nhau về góc chụp khuôn mặt. Các kết quả cho thấy rằng việc góc chụp khác nhau của khuôn mặt ảnh hưởng khá lớn đến các phương pháp NMHD và LT-NMHD khi các phương pháp này bị giảm khoảng 39% - 42% tỷ lệ nhận dạng khuôn mặt chính xác so với trong điều kiện chụp ảnh chính diện. Các kết quả cũng cho thấy rằng về trung bình, phương pháp LT-NMHD cho kết quả cao hơn so với phương pháp NMHD là khoảng 10%. Khi đưa thêm chỉ số độ tin cậy vào phương pháp NMD thì tỷ lệ nhận dạng của phương pháp này vẫn thấp hơn khoảng 2% so với phương pháp đề xuất LT-NMHD. Điều này cũng đồng thời chứng minh rằng, việcthay đổi từ khoảng cách Hausdorff trung bình sang khoảng cách LT-MHD cũng giúp tỷ
Bảng 5.7: Tỷ lệ nhận dạng đúng của các phương pháp NMHD và LT-NMHD với các góc chụp khác nhau của khuôn mặt
Methods
Test face NMHD NMHD with high confident ratio LT-NMHD
Looks left 40% 53.33% 53.33%
Looks right 53.33% 63.33% 66.67%
Looks up 60% 56.67% 60%
Looks down 53.33% 63.33% 66.67%
Average 51.67% 59.17% 61.67%
lệ nhận dạng trong các điều kiện góc chụp khác nhau tăng thêm khoảng 2%. Hình 5.14 mô tả sự ảnh hưởng của tỷ sốf đến tỷ lệ nhận dạng khuôn mặt của phương pháp LT-NMHD trong các điều kiện góc chụp khác nhau của khuôn mặt. Trong điều kiện khuôn mặt nhìn sang trái, tỷ lệ nhận dạng chính xác của phương pháp LT-NMHD đạt giá trị cực đại là 53.33% tại các giá trị f ≤0.7. Trong điều kiện khuôn mặt nhìn sang phải, tỷ lệ nhận dạng chính xác của phương pháp LT-NMHD đạt giá trị cực đại là 70% tại các giá trịf = 0.4, cao hơn khoảng 7% so với tại f = 0. Trong điều kiện khuôn mặt nhìn lên, tỷ lệ nhận dạng chính xác của phương pháp LT-NMHD đạt giá trị cực đại là 60% tại các giá trịf = 0.6,0.7, cao hơn khoảng 4% so với tạif = 4 và tạif = 0. Và trong điều kiện khuôn mặt nhìn xuống, tỷ lệ nhận dạng chính xác của phương pháp LT-NMHD đạt giá trị cực đại là 60% tại các giá trị f = 0.2,0.5,0.6, cao hơn khoảng 3% so với tại f = 0.4 và tạif = 0. Như vậy, trong tất cả các trường hợp góc chụp khác nhau của khuôn mặt, tỷ lệ nhận dạng chính xác của phương pháp LT-NMHD đều đạt cực tại các vị trí f >0. Điều này đồng nghĩa với việc sử dụngkhoảng cách LT-MHD, với một tỷ số f phù hợp, sẽ cho kết quả nhận dạng tốt hơn việc sử dụng khoảng cách Hausdorff trung bình.
Các kết quả về tỷ lệ nhận dạng khuôn mặt của các phương pháp LHD, MLHD, RLHD và LT-LHD được trình bày tại bảng 5.8. Các kết quả cho thấy rằng việc ảnh khuôn mặt không được chụp chính diện sẽ ảnh hưởng đến tỷ lệ nhận dạng đúng nhiều hơn so với sự ảnh hưởng của việc chiếu sáng. Việc các ảnh khuôn mặt không được chụp chính diện sẽ làm giảm tỷ lệ nhận dạng chính xác của các phương pháp khoảng 25% - 30% với từng phương pháp. Khi góc nhìn của khuôn mặt bị thay đổi, không phải chính diện, các đường cạnh trong bản đồ cạnh của ảnh cần kiểm tra sẽ bị mất đi hoặc sẽ bị dịch chuyển ra xa đường cạnh tương ứng của nó trong bản đồ cạnh của ảnh tương ứng trong cơ sở dữ liệu. Điều này làm tăng khoảng cách Hausdorff trực tiếph Ml
c, Tl và làm giảm đi tính chính xác của các phương pháp.
Ngoài ra, khi xem xét kỹ hơn về các cặp ảnh, chúng tôi nhận thấy rằng ngoài việc thay đổi góc chụp của khuôn mặt, rất nhiều ảnh với các góc chụp khác nhau thì khuôn mặt còn thể hiện các biểu cảm. Hình 5.15 thể hiện một số các cặp ảnh của các cá nhân khác nhau trong điều kiện chụp chính diện và trong điều kiện các góc chụp khác nhau
Hình 5.14: Ảnh hưởng của f đến tỷ lệ nhận dạng đúng của phương pháp LT-NMHDtrong các điều kiện góc nhìn khác nhau của khuôn mặt trong các điều kiện góc nhìn khác nhau của khuôn mặt
Bảng 5.8: Tỷ lệ nhận dạng đúng của các phương pháp LHD, MLHD, RLHD và LT-LHD với các góc chụp khác nhau của khuôn mặt
Methods Test face LHD MLHD RLHD LT-LHD Looks left 56.67% 53.33% 60% 63.33% Looks right 60% 50% 70% 70% Looks up 76.67% 70% 76.67% 73.33% Looks down 70% 56.67% 76.67% 76.67% Average 65.83% 57.5% 70.83% 70.83%
của khuôn mặt. Khi chụp với các góc chụp khác nhau, một số ảnh còn có thêm các biểu cảm khuôn mặt như cười. Chính điều này làm tỷ lệ nhận dạng trong điều kiện các góc chụp khác nhau bị giảm đi khá nhiều so với trong điều kiện bình thường.
Các kết quả cũng cho thấy rằng về trung bình của các cả các trường hợp, phương pháp LT-LHD và RLHD cho kết quả nhận dạng chính xác cao hơn phương pháp LHD khoảng 5%. Điều này có thể được giải thích như sau. Gọitl là một đường cạnh trong Tl vàml
c là đường cạnh tương ứng gần nhất của nó trongMl
c. Vìtl bị dịch chuyển ra xaml c nên nó có thể làm tăng khoảng cáchd ml c, tl. Rất có thể xảy ra trường hợpd ml c, tl > d ml n, tl, trong đóml
n là đường cạnh gần nhất của tl trong Ml
n. Điều này dẫn tới nhận dạng nhầm trong phương pháp LHD và MLHD. Trong phương pháp RLHD, LT-LHD, đường cạnh ml
n không phải là đường tương ứng của tl nên có thể có góc khác với tl và khoảng cách giữa hai đường cạnh này sẽ trở thành rất lớn. Điều đó làm tăng khoảng cách Hausdorff
Hình 5.15: Một số ví dụ về các cặp ảnh có góc chụp với biểu cảm khác nhautrực tiếp h Ml