- i -
MỤC LỤC
Danh mục hình vẽ iii
Lời nói ñầu iv
Mở ñầu 1
Chương 1. ðặt vấn ñề 4
Chương 2. Phân tích hệ thống và các cơ sở lý thuyết 6
2.1. Tổng quan về ảnh số và xử lý ảnh số 6

2.1.1. Ảnh số 6

2.1.2. Xử lý ảnh số 7

2.2. Thu thập ảnh số 9

2.3. Nhận dạng mặt người từ ảnh 9

2.4. Tách mặt người trong ảnh số 10

2.4.1. Sử dụng ngưỡng màu 11

2.4.2. Trừ ảnh với nền không ñổi 12

2.5. Một số phương pháp tiếp cận với nhận dạng mặt người 12

2.5.1. Nhận dạng dựa trên mối quan hệ giữa các phần tử (Feature Based) 13

2.5.2. Nhận dạng dựa trên xét toàn diện khuôn mặt (Appearance Based) 13

2.6. Nội dung phương pháp PCA 17


- ii -
4.2. Các hàm sử dụng 41

4.2.1. Khối tách ảnh ñối tượng 41

4.2.2. Khối tiền xử lý 42

4.2.3. Khối trích chọn ñặc tính 42

4.2.4. Khối nhận dạng: 43

4.3. Giao diện 44

4.2. Kết quả nhận dạng 47

4.2.1. Test với bộ dữ liệu có sẵn 47

4.2.2. Test với bộ dữ liệu ñược lấy từ webcam hệ thống 49

Chương 5. Kết luận và hướng phát triển 52
Tài liệu tham khảo 55
- iii -
Danh mục hình vẽ
Hình 2.1. Mô hình tổng quát 2 khối chính của hệ thống 6
Hình 2.2. Một số hệ tọa ñộ màu cơ bản 7
Hình 2.3. Hệ thống ñánh giá chất lượng ống thép trên cơ sở xử lý phim X-Quang số 8
Hình 2.4. Mô hình tổng quát khối thu thập ảnh số 9
Hình 2.5. Phương pháp tách mặt người sử dụng ngưỡng màu da 11
Hình 2.6. Phương pháp trừ ảnh với nền không ñổi. 12
Hình 2.7. Không gian mới (u1, u2) theo hướng phân bố mạnh nhất của các vector trong

Hình 4.1. Giao diện chương trinh, với kết quả là nhận dạng ñược ñối tượng 44
Hình 4.2. Giao diện chương trinh, với kết quả là không nhận dạng ñược ñối tượng 45
s
Hình 4.3. Cửa sổ Create Data 46
Hình 4.4. Kết quả nhận dạng ñúng, trường hợp “dễ nhận dạng”. . 47
Hình 4.5. Kết quả nhận dạng ñúng,trường hợp “khó nhận dạng”. 47
Hình 4.6. Một số trường hợp nhận dạng sai hoàn toàn 48
Hình 4.7. .Kết quả nhận dạng sai do vượt ngưỡng 48
Hình 4.8. Kết quả nhận dạng ñúng,trường hợp “dễ nhận dạng”. 49
Hình 4.9. Kết quả nhận dạng ñúng,trường hợp “khó nhận dạng”. 49
Hình 4.10. Trường hợp nhận dạng sai do vượt ngưỡng. 50
Hình 4.11. Trường hợp nhận dạng sai hoàn toàn do ñối tuợng ñứng quá gần camera 50
Hình 4.12. Các trường hợp nhận dạng sai hoàn toàn của bộ dữ liệu 51

- iv -
Lời nói ñầu
Hiện nay, cùng với sự phát triển của xã hội, vấn ñề an ninh bảo mật ñang ñược yêu
cầu khắt khe tại mọi quốc gia trên thế giới. Các hệ thống xác ñịnh, nhận dạng con
người ñược ra ñời với ñộ tin cậy cao. Một trong những bài toán nhận dạng con người
ñược quan tâm nhất hiện nay ñó là nhận dạng qua khuôn mặt. Vì nhận dạng qua khuôn
mặt là cách mà con người sử dụng ñể phân biệt nhau. Bên cạnh ñó, ngày nay việc thu
thập, xử lý thông tin qua ảnh ñể nhận biết ñối tượng ñang ñược quan tâm và ứng dụng
rộng rãi. Với phương pháp nay, chúng ta có thể thu nhận ñược nhiều thông tin từ ñối
tượng mà lại không cần tác ñộng nhiều ñến ñối tượng nghiên cứu. Với sự phát triển
của khoa học máy tính, bài toán nhận dạng mặt người từ ảnh số ñang có ñược môi
trường phát triển hết sức thuận lợi. Các hệ thống nhận dạng offline ñã ra ñược ra ñời
và có ñộ tin cậy phù hợp, tuy nhiên các hệ thống nhận dạng online lại chưa ñáp ứng
ñược nhiều.
Dựa trên các lý thuyết về tách mặt người và nhận dạng mặt người, ñồ án ñã tìm hiểu
và xây dựng một hệ thống thu thập và nhận dạng mặt người online từ ảnh số. ðồ án ñã

khắt khe.
Nhận dạng online
: ðối tượng ñược thu thập và xử lý trực tiếp tại hiện trường. Thời
gian xử lý luôn ñược yêu cầu khắt khe ñể có thể bám theo ñược ñối tượng.
Một bài toán nhận dạng con người ñang phổ biến hiện nay:
- Nhận dạng vân tay
- Nhận dạng bàn tay
- Nhận dạng vân mắt
- Sử dụng thẻ xác nhận
…
Các phương án nhận dạng trên ñã qua một thời gian dài phát triển nên ñã ñạt ñược
ñộ chính xác cao.
Tuy nhiên, các phương pháp này vẫn còn gặp phải một số hạn chế như sau:
- Các hệ thống trên ñòi hỏi người sử dụng phải tiếp xúc trực tiếp với hệ thống,
người ñó ý thức ñược rằng mình ñang ñược nhận dạng.
- Với các hệ thống thẻ xác nhận, người nhận biết yêu cầu phải có thẻ, ñiều này chỉ
có thể áp dụng với các thành viên thường xuyên ra vào hệ thống.
- Với các hệ thống vân mắt, vân tay,… không phải bao giờ ta cũng có thể lấy
ñược mẫu của ñối tượng.
- Nhận dạng dựa vào vân tay, bàn tay, vân mắt, thẻ xác nhận,… không phải là
cách tự nhiên mà con người sử dụng ñể nhận biết.
- …
Hiện nay, với sự phát triển của toán học và khoa học máy tính, một trong các bài
toán nhận dạng ñang ñược quan tâm nghiên cứu nhiều là nhận dạng khuôn mặt. Mặc
dù nhận dạng khuôn mặt hiện nay chưa ñạt ñược ñộ chính xác cao như một số phương
pháp khác ñã nêu trên (ví dụ nhận dạng vân tay), nhưng nhận dạng khuôn mặt vẫn
luôn nhận ñược nhiều sự quan tâm của khoa học vì một số các lý do như sau:
- Nó gắn liền với cách mà con người nhận biết.

- 2 -

phải ñủ nhanh.
Trong khuôn khố thời gian cho phép, ñồ án ñã ñặt ra một số ñiều kiện cụ thể và giải
quyết các bài toán liên quan, ñề xuất hệ thống phần cứng và xây dựng chương trình
phần mềm ñể phục vụ các yêu cầu trên.
ðây là bài toán thuộc lĩnh vực xử lý ảnh số nên ñồ án sẽ tập trung nghiên cứu nhiều
nhất về ảnh số và xử lý ảnh số. ði kèm theo ñó, ñồ án tìm hiểu về thu thập ảnh, các
phương pháp tách mặt người và nhận dạng mặt người. Sau ñó, ñồ án lựa chọn phương

- 3 -
án ñể thực hiện giải quyết bài toán ñề ra. Sau khi lựa chọn phương án, ñồ án sẽ ñi vào
thiết kế và thi công các khối của hệ thống. Cuối cùng ñồ án trình bày về các kết quả ñã
ñạt ñược, những tồn tại và hướng phát triển của ñề tài.
Nội dung trình bày của ñồ án bao gồm 5 chương chính và danh sách các tài liệu
tham khảo.
- Chương 1 trình bày về yêu cầu ñối với ñầu vào và ñầu ra, thời gian thực hiện
của hệ thống.
- Chương 2 trình bày về ảnh số và xử lý ảnh số, ứng dụng của xử lý ảnh số trong
tách và nhận dạng mặt người, các phương pháp hiện có và lựa chọn phương án
ñể giải quyết yêu cầu ñề ra.
- Chương 3 nói về quá trình thiết kế và thi công các phần của ñồ án.
- Chương 4 là các kết quả, giao diện chương trình, các trường hợp ñúng, các
trường hợp sai và phân tích các trường hợp sai.
- Chương 5 trình bày về các kết quả ñã ñạt ñược, các tồn tại và hướng phát triển
của ñồ án.
- Chương 6 là danh mục các tài liệu tham khảo.
.
1. ðặt vấn ñề
- 4 -
Chương 1. ðặt vấn ñề
Như ñã trình bày, hiện nay nhiều phương pháp ñã ñược ñưa ra phục vụ cho nhận

truyền về PC ñể lưu trữ, xử lý và phân tích.
- Yêu cầu ñối với ảnh:
o Nền không ñổi, ánh sáng tương ñối ổn ñịnh, camera ñược ñặt cố ñịnh
o Người cần nhận dạng ñứng cách camera khoảng 1m, tư thế tương ñối
thẳng và ngay ngắn.
o Người cần nhận dạng không nên ñể tóc phủ mắt, không ñeo kính (yêu cầu
này ñược ñặt ra khi hệ thống sử dụng phương pháp tìm mắt ñể ñịnh vị
khuôn mặt)
1. ðặt vấn ñề
- 5 -
Yêu cầu ñầu ra:
- Nếu ảnh không chứa ñối tượng, hoặc là người chưa có trong cơ sở dữ liệu
(tương ứng với hệ số tương thích nhỏ) thì kết quả trả lời là không nhận biết
ñược.
- Nếu ảnh chứa ñối tượng và người ñó có trong cơ sở dữ liệu, hệ thống ñưa ra màn
hình ảnh và thông tin về người ñó.
Thời gian thực hiện: Hệ thống này ñang ñược dự kiến triển khai phối hợp với các hệ
thổng cảnh báo tại các cửa vào ra, trong ñó các người ra vào sẽ ñược chụp ảnh tại các
cửa và so sánh với các ảnh ñã có trong cơ sở dữ liệu ñể ñưa ra các cảnh báo cần thiết.
Với yêu cầu này, khi lưu lượng người vào ra không lớn thì ta có thể cho phép quá
trình thu thập và nhận dạng diễn ra trong khoảng thời gian < =5s, ở phần hướng phát
triển của ñồ án, các phương pháp nâng cao tốc ñộ xử lý sẽ ñược trình bày.

2. Phân tích hệ thống và các cơ sở lý thuyết
- 6 -
Chương 2. Phân tích hệ thống và các cơ sở lý thuyết
ðể giải quyết bài toán ñặt ra một cách tương ñối trọn vẹn, hệ thống sẽ bao gồm cả
phần thu thập ảnh bằng các thiết bị số và phần xử lý các ảnh số ñể ñưa ra kết quả nhận
dạng. ðồ án thiết lập sơ ñồ khối tổng quát của hệ thống như trên hình 3:


= ×

(2.1)

với:
P
x
: Không gian biểu diễn màu ban ñầu
P
x
’: Không gian biểu diễn màu mới
A: Ma trận biểu diễn phép biến ñổi Hệ tọa ñộ RGB Hệ tọa ñộ HSV
Hình 2.2. Một số hệ tọa ñộ màu cơ bản
2.1.2. Xử lý ảnh số
Ảnh số mang thông tin về hình ảnh ñối tượng, biểu diễn thông tin ñó dưới dạng mức
xám của ñiểm ảnh và mối quan hệ giữa các mức xám ñó. Do vậy, qua việc phân tích
các mối quan hệ ñó ta có thể xác ñịnh hoặc ước lượng ñược thông tin về vật thể cần
quan tâm. Tùy vào lĩnh vực và mục ñích mà xử lý ảnh số ñược áp dụng theo các mức
ñộ khác nhau. Trong lĩnh vực ño lường - ñiều khiển, kết quả từ xử lý ảnh số (nhận
dạng vật thể, ước lượng vật thể,…) ñược sử dụng làm tín hiệu cho các cơ cấu ñiều
khiển về sau.
Hình 2.1 minh họa một hệ thống ñánh giá chất lượng thép bằng kỹ thuật xử lý ảnh
số. Các ảnh số sử dụng trong hệ thống này ñược chụp bằng tia X-quang, còn gọi là ảnh
X-quang số. Kết quả ñánh giá ñược truyền về các khâu ñiều khiển về sau.
2. Phân tích hệ thống và các cơ sở lý thuyết
- 8 -


- Truyền nhận theo chuẩn USB. ðây là chuẩn có tốc ñộ ñảm bảo và thông dụng
trên thị trường hiện nay.
Tín hiệu vào của khối xử lý ảnh là ảnh lấy ra từ Webcam. ðể tận dụng phần cứng
sẵn có, ñồ án sử dụng máy tính PC với khả năng giao tiếp theo chuẩn USB. Hình ảnh
ñược thu về MATLAB, ñược xử lý và hiện thị bằng MATLAB.
2.3. Nhận dạng mặt người từ ảnh
Nhận dạng mặt người là cách dễ dàng nhất mà con người sử dụng ñể phân biệt
người với người. Tuy nhiên, công việc dễ dàng ñối với con người này lại rất khó ñể thể
hiện bằng công thức toán học. Cùng với sự phát triển của toán học và khoa học máy
tính, vấn ñề nhận dạng mặt người ñang có ñược ñiều kiện thuận lợi ñể ñược giải quyết.
Nhận dạng mặt người là một dạng của bài toán nhận dạng mẫu vật (pattern
recognition) dựa trên những ñặc ñiểm của một khuôn mặt. Khuôn mặt cần nhận dạng
sẽ ñược ñem so sánh với các khuôn mặt mẫu theo một cách nào ñó. Kết quả của quá
trình nhận dạng là cho biết khuôn mặt có trong ảnh ñầu vào là “ñã ñược biết ñến” hay
“chưa ñược biết ñến”. Trong một hệ thống ñiều khiển, kết quả ñó sẽ ñược sử dụng ñể
thực hiện các chức năng ñiều khiển của hệ thống.
2. Phân tích hệ thống và các cơ sở lý thuyết
- 10 -
Cho một ảnh ñầu vào có chứa khuôn mặt người cần nhận dạng. Khi ñó mối quan hệ
giữa mức xám của các ñiểm ảnh trên ảnh ñầu vào sẽ phản ánh các ñặc tính của khuôn
mặt, ví dụ như:
- Vị trí, diện tích của các vùng tóc, vùng mắt, vùng miệng, vùng da mặt,…
- Hình dạng khuôn mặt, hình dạng mắt, mũi, miệng,…
- Khoảng cách giữa 2 mắt, khoảng cách lông mày,…
Từ các mối quan hệ ñó, sử dụng kỹ thuật xử lý ảnh số ta có thể tìm ñược các ñặc
trưng cho mỗi khuôn mặt. So sánh ñối chiếu giữa các ñặc trưng của khuôn mặt trong
ảnh với cơ sở dữ liệu, ta có thế xác nhận ñược gương mặt ñó là “ñã ñược biết ñến” hay
“chưa ñược biết ñến”.
Quá trình ñược nhìn theo 2 khối là khối thu thập và khối xử lý nhận dạng như ñã
trình bày.

128 37.797 74.203 112.000
112.000 93.786 18.214128
Y R
Cb G
Cr B
     
 
     
 
= + − −
     
 
     
 
− −
 
     
(2.2)

Thông thường, với hệ màu YCbCr, ngưỡng màu ñể xác ñịnh da người là:

77 127
133 173
Cb
Cr
≤ ≤
≤ ≤

(2.3)


Ưu ñiểm của phương pháp:
- Phương pháp ñơn giản, thời gian thực hiện ngắn.
- Chỉ cần thực hiện với ảnh xám.
Nhược ñiểm của phương pháp:
- Phạm vi ứng dụng hẹp, chỉ dùng ñược với nền không ñổi.
- ðiều kiện ánh sáng không ñược thay ñổi nhiều giữa các lần chụp.
Từ phân tích ưu nhược ñiểm của 2 phương pháp trên, với ñiều kiện ñầu vào ñược
quy ñịnh là camera ñặt cố ñịnh, ñiều kiện ánh sáng tốt, ñồ án lựa chọn phương pháp
trừ ảnh ñể tách ñối tượng cần nhận dạng.
Sau khi lựa chọn phương pháp ñể tách mặt người ra khỏi ảnh số, ñồ án sẽ tìm hiểu
về một số phương pháp nhận dạng mặt người hiện nay và ưu nhược ñiểm của từng
phương pháp. Dựa trên các yêu cầu ñầu vào, ñồ án sẽ lựa chọn phương án trong các
phương pháp ñó ñể sử dụng trong việc nhận dạng của hệ thống.
2.5. Một số phương pháp tiếp cận với nhận dạng mặt
người
Hai phương pháp tiếp cận với nhận dạng khuôn mặt hiện nay là: Nhận dạng dựa
trên ñặc trưng của các phần tử trên khuôn mặt (Feature Based Face Recognition), và
nhận dạng dựa trên xét tổng thể toàn khuôn mặt (Appearance Based Face
Recognition).
2. Phân tích hệ thống và các cơ sở lý thuyết
- 13 -
2.5.1. Nhận dạng dựa trên mối quan hệ giữa các phần tử (Feature
Based)
ðây là phương pháp nhận dạng khuôn mặt dựa trên việc xác ñịnh các ñặc trưng
hình học của các chi tiết trên một khuôn mặt (như vị trí, diện tích, hình dạng của mắt,
mũi, miệng, khuôn dạng của khuôn mặt,…), và mối quan hệ giữa chúng (ví dụ khoảng
cách của hai mắt, khoảng cách của hai lông mày, khoảng cách từ mũi tới cằm,…).
Ưu ñiểm của phương pháp:
- Phương pháp này gần với cách mà con người sử dụng ñể nhận biết khuôn mặt .
- Với việc xác ñịnh ñặc tính và các mối quan hệ, phương pháp này có thể cho kết

ñược tạo ra từ PCA.
2. Phân tích hệ thống và các cơ sở lý thuyết
- 14 -
Mục tiêu của PCA là ảnh mới ñược tạo ra có kích thước nhỏ nhất và chứa nhiều
nhất các ñặc trưng của ảnh khuôn mặt ñầu vào.
Về bản chất, PCA tìm ra một không gian mới theo hướng biến thiên mạnh nhất của
một tập hợp các vec-tơ trong một không gian cho trước. Trong không gian mới, người
ta hy vọng rằng việc phân loại sẽ mang lại kết quả tốt hơn so với không gian ban ñầu.

Hình 2.7. Không gian mới (u1, u2) theo hướng phân bố mạnh nhất của các vector trong không
gian (x1, x2), tìm theo PCA Hình 2.8. Phân loại theo PCA
Ưu ñiểm của phương pháp PCA:
- Tìm ñược các ñặc tính tiêu biểu cho một khuôn mặt mà không cần phải xác ñịnh
các thành phần và mối liên hệ giữa các thành phần trên khuôn mặt ñó.
- Thuật toán thực hiện tốt với các ảnh ñầu vào có ñộ phân giải cao, do PCA sẽ thu
gọn ảnh ñầu vào thành một ảnh mới có kích thước rất nhỏ.
- Khối lượng tính toán không nhiều.
- PCA có tính mở và có thể kết hợp ñược với các phương pháp khác (như mạng
nơ-rôn, Support Vector Machine – SVM,…) ñể mang lại hiệu quả nhận dạng cao
hơn.
2. Phân tích hệ thống và các cơ sở lý thuyết
- 15 -
Nhược ñiểm của PCA:
- PCA phân loại theo chiều phân bố lớn nhất của tập vec-tơ. Tuy nhiên, không
phải bao giờ chiều phân bố lớn nhất lại mang lại hiệu quả cao nhất cho nhận
dạng. ðây là nhược ñiểm cơ bản của PCA.
- PCA rất nhạy với nhiễu, vì vậy nhiệm vụ tiền xử lý (lọc nhiễu, chuẩn hóa,…)

(a) Các ñiểm trong không gian khi chiếu lên
một trục bị lẫn với nhau
(b) Các ñiểm ñó chiếu lên một trục khác. ðây
là mục tiêu của phương pháp LDA.
Hình 2.9. Phân loại với LDA
2. Phân tích hệ thống và các cơ sở lý thuyết
- 16 - (a) Kết quả phân loại tốt khi khoảng cách d
within
bé
nhất và khoảng cách d
between
lớn nhất.
(b) Kết quả phân loại không tốt.
Hình 2.10. Phân loại dựa trên between và within theo LDA.
Ma trận scatter biểu diễn within-class là:

w
1 1
( )( )
j
N
C
j j T
i j i j
j i
S
µ µ

∑

(2.5)

Với
µ
là trung bình của tất cả các nhóm.
Không gian tạo ra bởi phương pháp LDA là một tập các vec-tơ
[
]
1 2
W W ,W , ,W
d
=
ñược xác ñịnh bởi công thức:

argmax
T
b
T
W
w
W S W
W
W S W
=

(2.6)

Ưu ñiểm của phương pháp:


R C
×
pixels là
một vec-tơ trong không gian

N R C
= ×
chiều.
Không gian mới ñược tạo ra bởi PCA ñược cấu thành từ K vec-tơ ñơn vị có chiều là
N
,
N R C
<< ×
. Mỗi vec-tơ ñược gọi là một Eigenface.
Phép biến ñổi:
1 1
2 2
N
K
 
 
 
 
 
 
= → =
 
 
 

{ , , , }
M
=
X x x x
(
N
i
∈
x
ℝ
).
- Trung bình của các vec-tơ ñầu vào (tâm của tập hợp ñầu vào):

1
1
M
i
i
M
=
=
∑
x x

(2.8)

- Sai lệch so với tâm:

i i
Φ = −

λ λ λ
sắp xếp theo thứ tự giảm dần, tương
ứng với N vec-tơ riêng
1 2
, , ,
N
u u u
…
. Các vec-tơ riêng này trực giao từng ñôi
một. Mỗi vec-tơ riêng
i
u
ñược gọi là một eigenface. Tập hợp vec-tơ ban ñầu
ñược biểu diễn trong không gian tạo bởi N eigenface theo mô tả sau:

1 1 2 2
1

N
N N i i
i
w w w w
=
− = + + + =
∑
x x u u u u

(2.10)

- Chọn lấy K vec-tơ riêng u tương ứng với K giá trị riêng

ˆ
x
vẫn giữ ñược các ñặc ñiểm chính của khuôn mặt
ñầu vào. Véc-tơ
1 2
[ , , , ]
K
w w w
ñược tính theo công thức sau:

1
1
2
2
( ) ( )
T
T
T
T
K
K
w
w
w
 
 
 
 
 
 

có kích thước
M×M, với M là số ảnh ñầu vào. Ta có thể chứng mình như sau: gọi
i
v
,
i
µ
lần lượt là
vec-tơ riêng và giá trị riêng của ma trận L:

T
i i i
µ
⋅ ⋅ = ⋅
A A
ν ν

(2.13)

Nhân cả 2 vế với A ta có:

T
i i i
µ
⋅ ⋅ ⋅ = ⋅ ⋅
A A A
ν A ν

(2.14)


thiết bị và thu nhận ảnh.
Chức năng ñiều khiển của MATLAB thông qua thư viện Image Acquisition Toolbox
ñược minh họa trên Hình 2.12

Hình 2.12: Thu thập hình ảnh từ webcam theo các chuẩn khác nhau bằng thư viện Image Acquisition
Toolbox của MATLAB
Từ Hình 2.12 ta thấy khối thu thập ảnh và xử lý ảnh ñược kết nối với nhau thông
qua Image Acquisition Toolbox.
Luồng tín hiệu ñược truyền về PC và ñược MATLAB thu nhận. Cơ chế lấy ảnh theo
luồng tín hiệu của MATLAB ñược thể hiện trong Hình 2.13.
2. Phân tích hệ thống và các cơ sở lý thuyết
- 20 -

Hình 2.13: Luồng dữ liệu ảnh và thu nhận frame ảnh bằng MATLAB
Luồng tín hiệu theo chuẩn USB ñược truyền lên liên tục khi có lệnh start từ máy
tính ñiều khiển Webcam hoạt ñộng. Mỗi frame là một ảnh. Dữ liệu sẽ ñược ghi vào bộ
nhớ bắt ñầu từ khi có lệnh Trigger và kết thúc quá trình lưu bởi lệnh Acquisition stop.
Khi ta cần lấy một ảnh, thời gian giữa Trigger và Acquisition Stop sẽ có chiều dài
bằng 1 frame. Khi ñó ta sẽ có ảnh cần chụp. Các tín hiệu Trigger và Acquisition có thể
ñược ñiều khiển tự ñộng (automatic) hoặc bằng tay (manual). ðồ án lựa chọn phương
pháp manual, các lệnh Trigger và Acquisition ñược ñiều khiển bởi người sử dụng.
2.7.2. Sơ ñồi khối phần mềm:
Phần mềm chủ yếu là ñược viết ñối với khối Xủ lý ảnh số.
Tiền xử lý
Trích chọn ñặc
tính
Thu thập và
tách mặt người
trong ảnh
Cơ sở

2.7.2.2. Thu thập và tách mặt người trong ảnh
Ảnh ñược chụp bằng Webcam kỹ thuật số, ñược mã hóa thành file ảnh dạng
JPEG có kích thước 600×800 pixel, hệ màu RGB 24 bits. Chương trình MATLAB
ñiều khiển việc thu thập ảnh, hình ảnh ñược xử lý, hiển thị lên màn hình PC và lưu trữ
trong bộ nhớ máy tính. Nhiệm vụ của khối là sau khi thu thập ñược ảnh, tự ñộng tách
mặt người ra khỏi ảnh số.
2.7.2.3. Tiền xử lý
Nhiệm vụ của khối: tách mặt ra khỏi ảnh và chuẩn hóa.
ðầu vào của khối: hóa ảnh ñầu vào, là các ảnh ñược trích trực tiếp từ webcam (có
ñộ phân giải là 800×600 pixel, ảnh màu RGB 24 bits).
ðầu ra của khối: Ảnh mặt người ñược tách khỏi nền và ñược chuẩn hóa.
Chức năng của khối gồm:
- Tách mặt người ra khỏi ảnh.
- Chuẩn kích thước về 310×250 pixel.
- Căn tư thế thẳng ñứng (xoay ngang theo ñường nối hai mắt).
- Chuẩn ánh sáng
- Chuẩn mức xám
- Lọc nhiễu
2.7.2.4. Trích chọn vec-tơ ñặc tính
Nhiệm vụ của khối là tạo ra vec-tơ ñặc tính mang những ñặc tính riêng của khuôn
mặt cần nhận dạng. Số chiều của vec-tơ ñặc tính phải nhỏ hơn rất nhiều so với tín hiệu
ñầu vào.