ĐÁNH GIÁ DỰA TRÊN SỐ LIỆU THU THẬP ĐƢỢC

Một phần của tài liệu Luận văn thạc sĩ công nghệ thông tin Phát hiện mặt người trong ảnh dựa vào đặc trưng 3d (Trang 57 - 58)

4. Những đóng góp mới của đề tài

2.7.2 ĐÁNH GIÁ DỰA TRÊN SỐ LIỆU THU THẬP ĐƢỢC

Với tập cây chuẩn TH, một cây bất kỳ được đánh giá có khả năng là khuôn mặt hay không là khuôn mặt dựa trên trung bình khoảng cách của cây đang xét đến tất cả tập cây chuẩn TH.

̅ ∑ ‖ ‖ Trong đó:

̅(t): là trung bình khoảng cách của cây t đến tất cả các tập chuẩn TH t : là cây đang xét

: là các cây trong tập k cây chuẩn

Căn cứ vào giá trị của ̅(t) để xem cây t có được xem là ứng cử viên khuôn mặt hay không như sau:

t ̅(t) (2.9)

Với là ngưỡng thực nghiệm, ngưỡng này sẽ được lấy trong khoảng từ 0.2 đến 0.4

Cuối cùng muốn thu được kết quả chính xác hơn, thì các kết quả thu được từ tập hợp các tập cây ta thấy có một phần trùng lắp lên nhau. Có thể phát hiện ra nhiều ứng viên được cho là khuôn mặt nhưng thật sự chúng là sự trùng lắp của các tập cây với nhau lên một vị trí. Do đó, chúng ta có một thuật toán tối ưu để giảm những ứng viên trùng lắp này. Để làm được việc này luận văn đề xuất giảm bớt các ứng viên trùng lắp bằng cách liên kết các vùng trùng lắp với nhau. Nếu hai vùng ứng viên khuôn mặt có diện tích bị trùng lắp lên nhau quá 1/3 diện tích của nó thì các vùng này được xem là trùng lắp và sẽ được liên kết thành một vùng mới có kích thước lớn hơn. Và vùng diện tích này sẽ được xem là nút gốc của tập cây.

a) Vùng các ứng viên trùng lắp b) Vùng được liên kết mới

Hình 2.21 Mô tả thuật toán giảm các ứng viên trùng lắp.

Sau khi liên kết các vùng ứng viên là khuôn mặt, chúng ta sẽ thu được một hay nhiều vùng chứa khuôn mặt. Tuy nhiên do quá trình liên kết các vùng ứng viên trùng lắp do kích thước của cây và kích thước của khuôn mặt nên chúng ta luôn có vùng khuôn mặt phát hiện lớn hơn khuôn mặt thực tế.

Một phần của tài liệu Luận văn thạc sĩ công nghệ thông tin Phát hiện mặt người trong ảnh dựa vào đặc trưng 3d (Trang 57 - 58)

Tải bản đầy đủ (PDF)

(71 trang)