Trong cuộc sống tâm lý, chúng ta luôn mong muốn mình được ở trạng thái tâm lý cân bằng. Khi ở trong trạng thái tâm lý cân bằng con người đạt được những sự ổn định về thể xác, sức khoẻ và tinh thần.
Trạng thái tâm lý cân bằng là trạng thái ở đó con người cảm thấy thoả mãn, hài lòng, không có những vướng bận phải suy nghĩ, lo buồn cũng không có nhưng sự hưng phấn nhất định. Họ cảm thấy ổn định, thoả mái cơ thể có sức khoẻ tốt, thể trạng tốt, thích thú cố gắng về thể xác và chịu đựng được những sự mệt nhọc, thường thì không có được những trạng thái tâm lý cân bằng ở những cơ thể mệt mỏi, ốm yếu. Ở trạng thái tâm lý cân bằng con người thiết lập được những mối quan hệ và ý niệm với những người khác và những sự vật, sự việc khá một cách khá rõ ràng, họ không quá thoả mãn những nhu cầu của bản thân và biết hài hoà phù hợp. Cũng trong trạng thái tâm lý cân bằng con người có thể suy nghĩ và hành động một cách hữu hiệu, họ biết những năng lực và năng khiếu của mình và sử dụng nguồn lực đó một cách tốt nhất cho những hoạt động sinh lợi. Họ tiến bộ thường xuyên trong những luyện tập bằng cách cố gắng đạt được mục đích đã ấn định trong một thời gian hợp lý. Họ có óc tưởng tượng và thích đi tìm những giải pháp khác ngoài những giải pháp truyền thống đã được đề xuất, họ tương đối ổn đinh, không quá tự tin, khôn g quá lo lắng, biết đương đầu với những sự không may và không biểu lộ sự thất vọng quá đáng.
2.1.2.2 Vui vẻ
Vui vẻ là trạng thái tâm lý tích cực, thích thú khi đang gặp việc hợp nguyện vọng hoặc điều làm mình hài lòng hơn mong đợi, khi ở trạng thái tâm lý vui vẻ người ta thường có những suy nghĩ và tính toán thoáng hơn bình thường, dễ chấp nhận với những yêu cầu hay đề nghị của người khác. Ở trạng thái tâm lý vui vẻ cơ thể cảm thấy khoẻ mạnh, tinh thần lạc quan, phấn khởi, gần như người ta thoát khỏi được những ràng buộc về cuộc sống cũng ở trạng thái tâm lý đó, theo các bác sĩ chuyên gia, trạng thái vui vẻ có lợi cho việc bài tiết các chất độc trong cơ thể, điều
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 30 tiết sự hưng phấn của tế bào não và khả năng tuần hoàn máu. Trạng thái tâm lý vui vẻ là trạng thái con người ta luôn muốn hướng tới vì sự thoả mãn, vì tính thoải mái và có ý nghĩa trên nhiều mặt của đời sống tâm lý, đời sống tình cảm và thể chất của chính họ.
2.1.2.3 Buồn rầu
Buồn thường được coi là trạng thái đối lập của trạng thái vui vẻ, đó là trạng thái tiêu cực, không thích thú của những người đang gặp trạng thái đau thương hoặc đang có điều không được như ý. Trong trạng thái buồn, con người ta thường có cảm giác thờ ơ với sự vật, sự việc và môi trường xung quanh, họ như bị rơi vào một thế giới riêng, suy nghĩ miên man tới những sự việc gây buồn trong họ. Trong trạng thái tâm lý buồn phiền người ta thường không có nhu cầu đòi hỏi, không có nhu cầu ăn uống, hoặc những nhu cầu khác, họ rơi vào tình trạng xấu hơn mức bình thường không muốn làm bất cứ việc gì, không muốn trò chuyện, không muốn đi đâu, thường chỉ thích nằm hoặc ngồi một chỗ. Trạng thái buồn thường xảy ra khi có việc đau thương, không như ý với chính bản thân chủ thể hoặc với những người thân, những người có tình cảm xấu sắc với chủ thể tâm lý.
2.1.2.4 Ngạc nhiên
Ngạc nhiên là tâm trạng bất ngờ, cảm thấy hoàn toàn mới lạ đối với mình, là lúc có những sự việc, sự vật xảy đến với bản thân hay với môi trường xung quanh mà không khi nào chủ thể nghĩ đến hay ít dự đoán tới. Một sự mới mẻ thực sự và bất ngờ, nó xảy đến quá nhanh khiến người ta không dự đoán được tiến trình hay ý niệm về những giai đoạn trung gian mà nó xảy ra. Về bản chất ngạc nhiên có thể chia nhỏ ra thành các tâm trạng khác nhau những tương ứng ở các cường độ lớn hơn bình thường, ví dụ : có thể là quá sợ hãi, quá vui mừng, quá sửng sốt,… Thường xuất hiện ở chủ thể khi có những biến đổi đột ngột bên ngoài chủ thể tác động vào các giác quan của chủ thể một cách trực tiếp hoặc gián tiếp. Chủ thể có thể biểu hiện ngay trên khuôn mặt mình một cách vô thức như trợn mắt, nhăn trán, há miệng, …
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 31
2.1.2.5 Cáu giận
Cáu giận là tâm trạng tâm lý phấn khích, sẵn sàn có những phản ứng mạnh mẽ bằng lời nói hay bằng hành động thiếu suy nghĩ. Đó là tâm trạng bột phát khi gặp những chuyện, những sự việc diễn ra trái với ý mình, quá đáng với bình thường và chủ thể là người bất lợi trong những tình huống như vậy. Khi gặp những tình huống khách quan đem lại những sự bất bình, không đúng, không phù hợp con người sẽ thường nổi cáu, họ chuyển từ một tâm trạng đang có sang sự phản ứng mạnh mẽ hoặc phát ra bên ngoài hoặc diễn ra trong cơ thể và tâm lý một cách mạnh mẽ, biểu hiện thường là trợn mắt, mặt đỏ ửng, há miệng,… qua những cơn kích động, la hét, phá phách, tấn công người khác, đi với những hiện tượng sinh lý: tim đập nhanh, mặt đỏ lên hay tái mét, tay run; cao độ gọi là cơn khùng. Con người trong trạng thái tâm lý cáu giận thường có những hành động hoặc lời nói phản ứng lại một cách nhanh chóng theo suy nghĩ tức thì nhằm thoả mãn những phấn khích trong lòng, nhằm làm cho rõ những điều không hài lòng theo cách của mình, phản ứng quyết liệt để lấy thế chủ động và giành phần thắng.
2.1.2.6 Phẫn nộ
Là trạng thái tâm lý quá phấn khích, chủ thể gặp một vấn đề, sự việc bất thường có hại tới mình nên quá căm phẫn, uất ức tới mức có những hành động hay phản ứng mạnh mẽ với đối phương. Trong trạng thái này chủ thể không kiềm chế được bản thân, phấn khích nên tới cao trào, họ thể hiện bằng những lời hét to, những hành động cụ thể và biểu hiện mạnh mẽ,…
2.1.3 Trạng thái ngủ gật
Trạng thái buồn ngủ khi lái xe là cực kỳ nguy hiểm là đường dẫn xấu tới tất cả mọi người khi tham gia giao thông. Vì vậy vấn đề của bài toán kiểm tra và phát hiện trạng thái, dấu hiệu buồn ngủ như suy nghĩ vẩn vơ, quên không chuyển số, không nhìn thấy biển báo giao thông, lái chậm lại không có chủ ý, đạp phanh quá trễ, nháy mắt quá nhiều. chảy nước mắt, nhắm mắt lại một lúc, ở trạng thái gà gật.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 32 Khi đó thiết bị kiểm tra nhận dạng nhận biết được và cảnh báo cho người lái xe dừng lại để nghỉ ngơi để trở về trạng thái tốt nhất tiếp tục điều khiển phương tiện.
2.2 Phát hiện mặt ngƣời trong ảnh
Các phương pháp này nhằm trả lời cho câu hỏi “Bức ảnh đầu vào có phải là khuôn mặt không ?”
Để thực hiện việc phát hiện khuôn mặt, các phương pháp đều dựa trên các đặc trưng đại diện cho khuôn mặt. Có thể là các đặc trưng toàn cục như: màu da người, kích thước, và hình dáng để tìm các ứng viên khuôn mặt, rồi sau đó sẽ xác định ứng viên nào là khuôn mặt thông qua dùng các đặc trưng cục bộ như: mắt, lông mày, mũi, miệng, và tóc; hoặc nhờ áp dụng các kỹ thuật thống kê và học máy để tìm ra các đặc tính liên quan của khuôn mặt và không phải của khuôn mặt.
Một số phương pháp phát hiện khuôn mặt:
2.2.1 Phƣơng pháp phân tích thành phần chính
Giả sử ta có các quan sát về p biến ngẫu nhiên. Chúng ta tìm hiểu, như là cố gắng để đơn giản tình hình, xem lúc nào thì có thể tìm được p biến mới
p
1, 2,.., không tương quan với nhau và có thể biểu diễn tuyến tính qua các biến cũ. Dĩ nhiên là chúng ta phải đòi hỏi sự thay đổi biến số này không làm mất thông tin về các biến ban đầu. Phân tích thành phần chính là một phương pháp nhằm mục đích như vậy. Nó dụ vào phân tích cấu trúc của ma trận hiệp phương sai của vectơ ngẫu nhiên X thông qua việc phân tích các tổ hợp tuyến tính của các thành phần của nó. Mục tiêu cơ bản của phân tích thành phần chính là:
- Rút gọn số liệu.
- Biểu diễn và giải thích tập số liệu.
Việc phân tích các thành phần chính thường phát hiện ra các mối quan hệ tàng ẩn trong các thành phần và cho phép ta giải thích các mối quan hệ đó. Hơn nữa, việc phân tích các thành phần chính là một giai đoạn trung gian của các nghiên cứu khác, như phân tích hồi quy và phân tích nhân tố thông qua các thành phần chính.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 33 Một vấn đề được đặt ra của việc phân tích thành phần chính là số thành phần chính chủ yếu, hay nói cách khác là cần phải giữ lại bao nhiêu thành phần chính giải thích các vấn đề liên quan tới thành phần chính.
Thông thường các thành phần chính ứng với các giá trị riêng i rất nhỏ (i (adsbygoogle = window.adsbygoogle || []).push({});
0
) không đóng vai trò gì trong phân tích số liệu và ta có thể loại đi. Theo ngôn ngữ về sự khôi phục thông tin về các số liệu ban đầu dựa trên các dự báo tuyến tính của các thành phần X1,...,Xpcủa vector X dựa trên các thông tin về quan sát các thành phần chính Y1,...,Ypta chỉ cần giữ lại k thành phần chính nếu
p k ... ... 1 1 đủ lớn ( Ví dụ : 95%,97%... ).
Dựa vào cấu trúc của các thành phần chính ta người ta có thể giải thích vai trò của các biến Xi trong các thành phần chính đó và từ đó có một sự lý giải về vai trò của các nhân tố trong tự nhiên và xã hội.
PCA là một công cụ thống kê đã được xây dựng trong các ứng dụng nhận dạng mặt người và nén ảnh, ngoài ra PCA còn là một công cụ được sử dụng phổ biến trong việc tìm mẫu cho dữ liệu nhiều chiều.
Các bước thực hiện : - Bước 1 : Chuẩn bị dữ liệu.
Ví dụ :
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 34
a) b)
Hình 2.1 a) Mô tả dữ liệu đấu vào trên mặt phẳng 2 chiều; b)Mô tả các thành phần chính trên mặt phẳng
- Bước 3 : Tính ma trận hiệp phương sai
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 35 - Bước 5 : Chọn thành phần chính
o Ta giữ lại k vector riêng với k giá trị k riêng lớn nhất, thể hiện bằng vector đặc trưng ( feature vector ).
o FeatureVector=( eigenvector1, ..., eigenvectork )
o Trong ví du
o Nếu chọn cả hai vector riêng thì ta được vector đặc trưng :
o Nếu chỉ chọn vector riêng ứng với giá trị riêng lớn nhất thì ta được vector đặc trưng :
o Các thành phần chính được xác định bởi :
o Yi eiTX , Trong đó Yi là thành phần chính thứ i, ei là vector riêng thứ i, X là dữ liệu đã trừ kỳ vọng ban đầu.
o Có thể viết lại như sau :
DataAdjust tor
FeatureVec
FinalData T
o Trong ví dụ này: nếu chọn cả hai vector riêng, ta được thành phần chính là :
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 36
o Nếu chỉ chọn vector riêng ứng với giá trị riêng lớn nhất, ta được thành phần chính là:
- Bước 6 : Khôi phục dữ liệu ban đầu
o DataAdjustFeatureVectorFinalData
Cộng thêm kỳ vọng ta sẽ được dữ liệu ban đầu.
o Trong ví dụ với 1 thành phần chính : (adsbygoogle = window.adsbygoogle || []).push({});
o DataAdjust
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 37
Hình 2.2 Dữ liệu được khôi phục lại với 1 thành phần chính
o Nhận xét : Nếu chỉ giữ lại một thành phàn chính để khôi phục lại dữ liệu ban đầu bằng dự báo tuyến tính tối ưu x và y ban đầu qua 1 thành phần chính vừa tính thì sai số tương đối là :
% 6819 , 3 036819 . 0 1.28402771 89 0.04908339 89 0.04908339 2.2.1.1 Eigenface
Eigenface là một khái niệm được đưa ra khi Matthew Turk và Alex Pentland áp dụng PCA để xác định và nhận dạng khuôn mặt. Eigenface có thể hiểu là những đặc trưng riêng biệt, đơn giản được trích rút từ tập ảnh dữ liệu ban đầu bằng phương pháp PCA.
Cho một tập các ảnh huấn luyện có kích thước n x m được mô tả bởi các vector có kích thước n x m. Turk và Pentland dùng PCA trên tập huấn luyện ảnh các khuôn mặt để sinh các ảnh riêng (gọi là eigenface) để tìm một không gian con (không gian khuôn mặt) trong không gian ảnh. Nếu cho 100 ảnh, mà mỗi khuôn mặt có kích thước 91x50 thì có thể chỉ dùng 50 ảnh riêng, trong khi vẫn duy trì được một khả năng giống nhau hợp lý (giữ được 95% tính chất). Các ảnh khuôn
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 38 mặt được chiếu vào không gian con này và được gom nhóm lại. Tương tự các ảnh không có khuôn mặt dùng để huấn luyện cũng được chiếu vào cùng không gian con và gom nhóm lại. Các ảnh khuôn mặt khi chiếu vào không gian khuôn mặt thì ít bị thay đổi, trong khi chiếu các ảnh không phải khuôn mặt thì xuất hiện nhiều sự khác nhau. Xác định sự có mặt của một khuôn mặt trong ảnh thông qua tất cả khoảng cách giữa các vị trí trong ảnh và không gian ảnh, đã có nhiều nghiên cứu về xác định khuôn mặt, nhận dạng, và trích trọn đặc trưng từ ý tưởng vector riêng, phân rã, và gom nhóm.
2.2.1.2 Cách triển khai
Ảnh khuôn mặt nói riêng và ảnh số nói chung được biểu diễn thông qua các giá trị của mỗi điểm ảnh. Với một ảnh khuôn mặt đa cấp xám I có kích thước r x c, chúng ta có thể nói rằng mỗi ảnh khuôn mặt đó là một lưới các điểm ảnh với r hàng và c cột. Tổng số điểm ảnh của mỗi bức ảnh sẽ là N = rc. Ảnh I đơn giản là một ma trận với mỗi thành phần là một giá trị 8 bit được biểu diễn thông qua từng điểm ảnh riêng biệt.
Bây giờ bức ảnh đang xét được coi như một vector với độ dài N hay nói cách khác là một điểm trong không gian N chiều. Xét một ví dụ với một ảnh đa cấp xám có kích thước 128 x 128, ảnh này sẽ là một điểm trong không gian 16384 chiều. Một cách trực quan ta thấy rằng, khi kích thước của ảnh tăng lên, thì giá trị N, số chiều của không gian ảnh cũng tăng theo. Vì những ảnh khuôn mặt là tương tự nhau nên những điểm biểu diễn ảnh khuôn mặt trong không gian ảnh sẽ không bị phân tán ngẫu nhiên trong không gian rộng mà sẽ hội tụ trong một vùng nhỏ của không gian ảnh. Có thể hiểu một cách hình thức như sau:
Từ tập dữ liệu là một tập ảnh của một vài người, ta biểu diễn là một vector N chiều với M là tổng số vector.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 39
Hình 2.3 Mô tả hình thức không gian ảnh khuôn mặt trong không gian ảnh
Tiếp theo ta trừ mỗi ảnh khuôn mặt trong tập dữ liệu cho ảnh trung bình :