Dưới đ}y l{ mô hình ph|t hiện khuôn mặt của thuật to|n do Viola v{ Jones đưa ra:
28
Hình 2.6: Hệ thống x|c định vị trí khuôn mặt người (Face detection system) Như trong hình trên, từ ảnh gốc ban đầu, ta sẽ được tính Integral Image, l{ mảng 2 chiều với phần tử (x, y) sẽ được tính bằng tổng của c|c phần tử (x', y') với x' < x v{ y' < y, mục đích l{ để tính nhanh tổng của c|c gi| trị mức x|m của một vùng hình chữ nhật bất kỳ trên ảnh gốc. C|c vùng ảnh con n{y sẽ được đưa qua c|c h{m Haar cơ bản để ước lượng đặc trưng, kết quả ước lượng sẽ được đưa qua bộ điều chỉnh AdaBoost để loại bỏ nhanh c|c đặc trưng không có khả năng l{ đặc trưng của khuôn mặt người. Chỉ có một tập nhỏ c|c đặc trưng m{ bộ điều chỉnh AdaBoost cho l{ có khả năng l{ đặc trưng của khuôn mặt người mới được chuyển sang cho bộ quyết định kết quả. Bộ quyết định sẽ tổng hợp kết quả l{ khuôn mặt người nếu kết quả của c|c bộ ph}n loại yếu trả về l{ khuôn mặt người.
Mỗi bộ ph}n loại yếu sẽ quyết định kết quả cho một đặc trưng Haar- like, được x|c định ngưỡng đủ nhỏ sao cho có thể vượt được tất cả c|c bộ dữ liệu mẫu trong tập dữ liệu huấn luyện (số lượng ảnh khuôn mặt trong tập huấn luyện có thể rất lớn). Trong qu| trình x|c định khuôn mặt người, mỗi vùng ảnh con sẽ được kiểm tra với c|c đặc trưng trong chuỗi c|c đặc trưng
29
Haar-like, nếu có một đặc trưng Haar-like n{o cho ra kết quả l{ khuôn mặt người thì c|c đặc trưng kh|c không cần xét nữa. Thứ tự xét c|c đặc trưng trong chuỗi c|c đặc trưng Haar-like sẽ được dựa v{o trọng số (weight) của đặc trưng đó do AdaBoost quyết định dựa v{o số lần v{ thứ tự xuất hiện của c|c đặc trưng Haar-like.
30
