Chức năng quản lý các ảnh mẫu
Chức năng này trong phần mềm cài đặt đã đưa ra một số khung ảnh làm mẫu. Cho phép chụp các hình ảnh từ camera rồi phân tách ảnh của đôi mắt theo các thư mục như trong hình 3.6 và 3.7 trên. Các bước thực hiện như sau:
- B1: Mở camera quay mặt người hoặc lấy từ file video có sẵn.
- B2: Phân tích các trích trọn đặc trưng của các ảnh làm mẫu so sánh. - B3: Lưu mẫu vừa định nghĩa: lưu ảnh mẫu cùng với các điểm đặc trưng.
Chức năng quản lý các điểm đặc trƣng ảnh và tiến hành so sánh, kết luận
Các điểm đặc trưng ảnh hưởng trực tiếp đến kết luận của chương trình và các cảnh bảo theo biểu cảm khn mặt. Vì vậy việc quản lý các điểm đặc trưng là cần thiết.
- B1: Dựa trên các mẫu đã lưu lại , tiến hành phân tích các đặc trưng cơ bản theo các quy tắc phân tích đã được nêu trong chương 2.
- B2: Dựa trên các kết quả phân tích đưa ra kết luận phù hợp.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 70
PHẦN KẾT LUẬN
Hiện nay những quốc gia tiên tiến: Xe hơi, xe khách, xe tải là những phương tiện giao thông đường bộ không thể thiếu trong đời sống hàng ngày của chúng ta. Điều này càng đúng hơn cho những người cư ngụ tại những thành phố lớn và các trung tâm quận, huyện. Bài toán đặt ra ngay tại nước ta với hệ thống giao thông đường bộ không đồng bộ và rất phức tạp không đáp ứng được nhu cầu di chuyển của đại chúng.
Thực tế đưa ra khi kinh tế phát triển, nhu cầu cần thiết. Các cơ sở đào tạo lái xe mở nhiều nhưng vẫn không đáp ứng được thị trường, thường hay rút ngắn công đoạn đào tạo về lý thuyết và kỹ thuật lái xe mà chỉ đào tạo theo cách đơn thuần quen thuộc hàng ngày. Do khơng có kinh phí đầu tư để xây dựng các địa hình thực tế, phịng thí nghiệm đào tạo các kỹ thuật lái xe phân tích biểu cảm, trạng thái người lái xe tốt nhất để xử lý các tình huống nguy hiểm.
Bên cạnh đó, bài tốn phát hiện mặt người đã được đặt ra từ lâu và đi cùng với nó là hàng loạt các đề tài khoa học được xác lập, các cơng trình nghiên cứu được công bố, các ứng dụng được triển khai. Bài tốn này ln đặt ra nhiều thách thức vì những khó khăn của nó.
Trong luận văn này, tác giả đã tập trung nghiên cứu hướng phát hiện mặt người và nhận dạng biểu cảm khuôn mặt, cụ thể đã đạt được những kết quả sau:
- Trình bày khái quát về xử lý ảnh và bài toán phát hiện mặt người trong ảnh - Hệ thống hóa một số vấn đề trong việc phát hiện biểu cảm khuôn mặt
người trong ảnh
- Cài đặt thử nghiệm thuật toán phát hiện mặt người ngủ gật trên cơ sở đánh giá trạng thái nhắm mắt của người lái xe.
Để cải tiến độ chính xác cho mơ hình hiện tại, các cơng việc tiếp theo em có thể tìm hiểu thêm việc triển khai giai đoạn phát hiện bằng một số kỹ thuật học máy khác như mạng neural, SVM,... với các cách trích rút đặc trưng khác nhau mở rộng tập dữ liệu các khuôn mặt và không phải khuôn mặt. Nhằm hướng tới một hệ thống
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 71
phát hiện hồn chỉnh, em sẽ tiếp tục tìm hiểu và tiếp cận vấn đề thu nhận các thông số trực tiếp về xe như tốc độ, độ đánh lái v.v.. và sau đó hướng tới việc tích hợp vào hệ thống giám sát tự động.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 72
TÀI LIỆU THAM KHẢO
[1] Lương Mạnh Bá, Nguyễn Thanh Thủy, “Nhập môn xử lý ảnh số”, NXB
khoa học và kỹ thuật.
[2] Đỗ Năng Tồn, Phạm Việt Bình (2008) “Giáo trình xử lý ảnh”, NXB khoa học và kỹ thuật.
[3] Morimoto, C.H., Koons, D., Amir, A. & Flickner, M. (2000) “Pupil detection
and tracking using multiple light sources”. Image and Vision Computing, 18:
331–335.
[4] Ueno, H., Kaneda, M. & Tsukino, M. (1994), “Development of drowsiness detection system”. Proceedings of 1994 Vehicle Navigation and Information
Systems Sonference, Yokohama, Japan, August 1994, pp.15–20.
[5] Saito, H., Ishiwaka, T., Sakata, M. & Okabayashi, S. (1994), “Applications
of driver’s line of sight to automobiles–what can driver’s eye tell”.
Proceedings of 1994 Vehicle Navigation and Information Systems Conference, Yokohama, Japan, August 1994, pp.21–26.
[6] Ueno, H., Kaneda, M. & Tsukino, M. (1994), “Development of drowsiness detection system” Proceedings of 1994 Vehicle Navigation and Information
Systems Sonference, Yokohama, Japan, August 1994, pp.15–20.
[7] Kaneda, M. et al. (1994) “Development of a drowsiness warning system”. The 11th International Conference on Enhanced Safety of Vehicle, Munich. [8] Onken, R. (1994)Daisy, “An adaptive knowledge-based driver monitoring
and warning system”. Proceedings of 1994 Vehicle Navigation and
Information Systems Conference, Yokohama, Japan, August. 1994, pp.3–10.