Như chúng ta đã biết, bài toán 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. Trong chương 2 đã trình bày các hệ thống hóa một số vấn đề trong việc phát hiện biểu cảm khuôn mặt người trong ảnh từ đó tiến hành 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.
3.1 Biểu cảm trạng thái ngủ gật của ngƣời lái xe
Kỹ thuật phát hiện trạng thái ngủ gật của người lái xe trập trung vào sự thay đổi trạng thái của đôi mắt của khuôn mặt nhận dạng.
a) b)
Hình 3.1 Trạng thái khn mặt thay đổi a) lúc bình thường, b) khi buồn ngủ
Đối tượng cần phân tích là ảnh khn mặt của một người trong hai trạng thái bình thường và ngủ gật, dựa vào dữ kiện ban đầu là khn mặt khi bình thường các đặc điểm nhận dạng quanh vùng mắt sẽ được dùng làm cơ sở so sánh với những dữ kiện nhận dạng của đôi mắt khi ở trạng thái ngủ gật.
Công việc cần nhận dạng của hệ thống bao gồm hai giai đoạn phát hiện và giám sát đồng tử:
- Phát hiện đồng tử bắt đầu với một quá trình loại bỏ sự can thiệp ánh sáng từ bên ngồi, sau đó định vị cặp đồng tử trong bức ảnh.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 67
- Theo dõi vị trí đồng tử là tìm kiếm đồng tử dựa vào vị trí của đồng tử ở khung hình trước.
3.2 Thay đổi trạng thái của đơi mắt
Hình ảnh mắt trái và phải dưới đây ở các trạng thái từ khi bình thường và có sự thay đổi góc chụp, đồng tử thay đổi vị trí đến khi trạng thái ngủ gật.
Hình 3.2 Sự thay đổi trạng thái của mắt trái
Hình 3.3 Sự thay đổi trạng thái của mắt phải
Các hình ảnh của đơi mắt khi góc chụp của camera bị thay đổi cũng được thu nhận để làm trích trọn đặc trưng so sánh trạng thái của đơi mắt.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 68
3.3 Giới thiệu chƣơng trình
Chương trình sử dụng tập dữ liệu thu nhận qua camera lưu lại quá trình thay đổi trạng thái của khuôn mặt trong một khoảng thời gian nhất định với các file đầu vào xử lý là dạng video.
Sau đó sẽ lấy các ảnh mẫu về đơi mắt và lấy đó làm dữ liệu để so sánh:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 69
Hình 3.6 Ảnh về trạng thái của mắt trái
Hình 3.7 Ảnh về trạng thái của mắt phải
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 đơi 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 cơng 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.