3 TÍCH HỢP ỨNG DỤNG PHÂN TÍCH KHN MẶT TRONG
1.9 Cắc đặc trưng Haar 9
Những hình chữ nhật trên được gọi là các kernels (nhân), các kernels này được sử dụng để “chụp” lấy các đặc trưng trong khuôn mặt như mũi, khoảng cách giữa hai lơng mày, miệng, ... Về bản chất thuật tốn thực hiện các phép toán ma trân giữa giá trị pixel ảnh với các kernels sau đó thu được một giá trị đặc trưng bằng cách trừ tổng sốpixel vùng chữ nhật trắng với tổng sốpixel vùng chữ nhật đen.
Sau khi rất nhiều đặc trưng được tính tốn với tất cả kích cỡ và vị trí có thể của mỗi kernels, chỉ có các đặc trưng quan trọng được chọn (ví dụ như trên ảnh
trên một số feature tốt ở ảnh hàng trên cùng bên trái tập trung vào vùng mắt của khn mặt, vùng này tối hơn vùng má, cịn với ảnh giữa hàng trên cùng vùng góc mắt tối hơn vùng trên của mũi). Nhưng nếu cùng cửa số ấy áp vào vùng má thì là khơng phù hợp, vây nên cần một thuật toán để lựa chọn ra các đặc trưng tốt đấy và ở đây thuật tốn Adaboost [25] được sử dụng. Trong q trình training thuật tốn tìm một ngưỡng phù hợp nhất để phân loại các khuôn mặt thành positive và negetive cho mỗi đặc trưng, quá trình này đc lặp đi lặp
lại cho tới khi đạt được độ chính xác mong muốn. Khi chạy thuật tốn trên một ảnh, ảnh được chia thành các vùng nhỏ hơn và đánh giá riêng biệt. Thay vì áp tất cả các đặc trưng đã đc chọn lên vùng này thì các feature này được chia thành các stage (bậc) của các bộ phân loại sau đó áp tưng cái một. Phương pháp này gọi là Cascade of Classifiers (các bộ phân loại phân tầng).