ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

DƯƠNG VĂN CƯỜNG

NGHIÊN CỨU MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG
CHO ẢNH VÀ ỨNG DỤNG TRONG BÀI TOÁN PHÂN LOẠI
TRẠNG THÁI CẢM XÚC KHUÔN MẶT

Chuyên ngành: Khoa học máy tính
Mã số: 84 8 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: TS. VŨ VIỆT VŨ

THÁI NGUYÊN, 2018


i

MỤC LỤC
MỤC LỤC ......................................................................................................... i
DANH MỤC CÁC CHỮ VIẾT TẮT ........................................................... iii
DANH MỤC CÁC HÌNH VẼ........................................................................ iv
Mở đầu ............................................................................................................. 1
Chương 1. Tổng quan về khai phá dữ liệu ứng dụng .................................. 3
1.1. Khái niệm về lĩnh vực khai phá dữ liệu và phát hiện tri thức ...... 3
1.1.1. Khái niệm ........................................................................................ 3
1.1.2. Các mô hình học máy cơ bản .......................................................... 5
1.1.3. Ứng dụng của học máy ................................................................... 8

KẾT LUẬN .................................................................................................... 46


Những kết quả đã đạt được ............................................................ 46



Hướng phát triển tiếp theo của đề tài ............................................ 46

TÀI LIỆU THAM KHẢO ............................................................................ 48


iii

DANH MỤC CÁC CHỮ VIẾT TẮT
DBSCAN

Phương pháp phân cụm dựa trên mật độ (Density Based Spatial
Clustering of Application with Noise)

HoG

Biểu đồ các đường dốc (Histogram of Gradients)

LBP

Mẫu nhị phân địa phương (Local Binary Pattern)

LDA


Hình 1.8. Ví dụ về thu thập ảnh trạng thái khuôn mặt từ Video ...................... 12
Hình 2.1. Bộ lọc Gabor với 5 loại tần số và 8 hướng khác nhau .................... 16
Hình 2.2 Ảnh sau khi sử dụng bộ lọc Gabor tương ứng với hình 2.1 .............. 17
Hình 2.3: R-HOG và C-HOG........................................................................... 19
Hình 2.4: Chia khối trích đặc trưng HOG ....................................................... 20
Hình 2.5: Ví dụ về trích chọn đặc trưng bởi HoG ........................................... 23
Hình 2.6 Tiền xử lý ảnh .................................................................................... 23
Hình 2.7. Gradient theo hướng x (trái), hướng y (giữa) và tổng hợp gradient (phải) ....... 24

Hình 2.8. Chia ảnh thành các ô để tính các biểu đồ........................................ 24
Hình 2.9. Tính lược đồ mức xám ...................................................................... 25
Hình 2.10. Ví dụ về phương pháp LBP ............................................................ 26
Hình 2.11. Ví dụ về ảnh khuôn mặt (trái) và các đặc trưng LBP (phải) ......... 26
Hình 2.12. Tập hợp các điểm xung quanh Ptt. ................................................. 27
Hình 2.13. Các biến thể của LBP, LBP đồng dạng. ........................................ 28
Hình 2.14. Bảng thống kê các mẫu của LBP đồng dạng ................................. 29
Hình 2.15. Ví dụ về quá trình tính toán đặc trưng ........................................... 30
Hình 2.16. Phương pháp LBP không phụ thuộc vào độ sáng ảnh chụp cho
cùng một đối tượng giống nhau ............................................................... 31


v

Hình 2.17. Ví dụ về dữ liệu của bài toán phân cụm: hình bên trái bao gồm 3
cụm rời nhau tuyến tính trong khi hình bên phải có các cụm hình dạng
bất kỳ và không tuyến tính........................................................................ 32
Hình 2.18. Kết quả phân cụm bằng thuật toán DBSCAN và Graph
clustering (trái) và bằng K-Means, Fuzzy C-Means (phải) ..................... 33
Hình 2.19. Dữ liệu đầu vào cho 3 loại thuật toán học (a) học có giám sát,
(b,c) học bán giám sát, và (d) học không giám sát .................................. 33


Dữ liệu đã
tiền xử lý

Tiền xử lý
và làm sạch

Diễn giải,
đánh giá

Lựa chọn và
trích xuất
đặc trưng

Khai
phá dữ
liệu

Hình 1.1: Các bước của quá trình khai phá dữ liệu
- Bước thứ nhất: Hình thành, xác định và định nghĩa bài toán. Tìm hiểu
lĩnh vực ứng dụng từ đó hình thành bài toán, xác định các nhiệm vụ cần phải
hoàn thành, thu thập dữ liệu. Bước này sẽ quyết định cho việc rút ra được các


4

tri thức hữu ích và cho phép chọn các phương pháp khai phá dữ liệu thích hợp
với mục đích ứng dụng và bản chất của dữ liệu.
- Bước thứ hai: Xử lý thô, còn được gọi là tiền xử lý dữ liệu nhằm loại
bỏ nhiễu (làm sạch dữ liệu), xử lý việc thiếu dữ liệu (làm giàu dữ liệu), biến

phát hiện tri thức có thể được đưa và ứng dụng trong các lĩnh vực khác nhau.
Do các kết quả có thể là các dự đoán hoặc các mô tả nên chúng có thể được
đưa vào các hệ thống hỗ trợ ra quyết định nhằm tự động hoá quá trình này.
Nghiên cứu về lĩnh vực khai phá dữ liệu liên quan đến nhiều lĩnh vực
như toán học, thống kê, tối ưu hóa, tính toán tiến hóa, khoa học máy tính, cơ
sở dữ liệu, dữ liệu lớn,…
Một vấn đề quan trọng nữa là các nghiên cứu cho các ứng dụng chuyên
ngành, trường hợp này chúng ta phải làm việc với các chuyên gia lĩnh vực,
chẳng hạn lĩnh vực khai phá dữ liệu y sinh, khai phá dữ liệu gene,…
1.1.2. Các mô hình học máy cơ bản
Trên thực tế có một số mô hình học sau đây [15]:
- Học có giám sát
- Học không giám sát
- Học bán giám sát
- Học tăng cường
- Học sâu (deep learning)
Phần sau đây sẽ trình bày một số phương pháp học cơ bản thuộc các
loại trên.
- Học có giám sát là phương pháp học máy thông qua sử dụng tập
mẫu. Tập mẫu được cung cấp, hệ thống sẽ xây dựng mô hình học trên bộ dữ
liệu này và có thể phân lớp/dự đoán,… cho các dữ liệu mới. Các phương pháp


6

học có giám sát có thể kể đến như mạng nơ ron, phân lớp Bayes, cây quyết
định, SVM (Support Vector Machine),… (xem hình 1.2)

x



Hình 1.2 Mô hình học có giám sát
- Học không giám sát là phương pháp phát hiện cấu trúc, xác định mối
liên kết, phát hiện dị thường, của một tập dữ liệu cho trước [14]. Loại học này
không có tập dữ liệu mẫu. Một số phương pháp trong loại học này như phân
cụm K-Means, Fuzzy C-Means, phát hiện dị thường ,… (xem hình 1.3)

Học không
giám sát

Hình 1.3 Mô hình học không giám sát


7

- Học bán giám sát nằm giữa học có giám sát và học không giám sát,
loại học này sẽ sử dụng một lượng ít dữ liệu mẫu, dữ liệu hướng dẫn để thực
hiện mô hình (xem hình 1.4). Trên thực tế các thông tin có được từ ban đầu
gồm hai dạng cơ bản: (1) một lượng nhỏ dữ liệu được gán nhãn (seed) hoặc
(2) một số lượng nhỏ các thông tin về các cặp dữ liệu must-link (phải liên
kết), cannot-link (không thể liên kết) thể hiện mối quan hệ giữa các cặp dữ
liệu trong tập dữ liệu cho trước: must-link (u,v) thể hiện u và v sẽ thuộc
cùng một cụm trong khi cannot-link (u,v) cho biết u và v sẽ thuộc về hai
cụm khác nhau.

Hình 1.4 Dữ liệu cho việc học bán giám sát
- Học tăng cường là phương pháp học được bổ sung liên tục kỹ năng
trong quá trình giải quyết bài toán. Ví dụ như hai người chơi cờ A và B, người
A có thể vừa thi đấu với người B nhưng lại có thể vừa học từ người B và
ngược lại.

điện thoại, máy tính, camera để xử lý dữ liệu tổng hợp.


9

- Robot, người máy
- Xử lý ngôn ngữ tự nhiên,…
- Hệ hỗ trợ quyết định
- Phân lớp, phân cụm, phát hiện cấu trúc của dữ liệu
- Phát hiện dị thường
- Mua sắm thông minh,…
1.2.

Tổng quan về bài toán trích chọn đặc trưng, trích chọn đặc trưng

cho dữ liệu hình ảnh
Bài toán trích trọn đặc trưng trên ảnh khuôn mặt người đã được quan
tâm từ khá lâu do có rất nhiều ứng dụng như: Sử dụng trong hệ thống nhận
dạng cảm xúc, hệ thống tương tác giữa người và máy (điều khiển máy tính
qua các cử động của khuôn mặt), hệ thống nhận dạng người (giúp cho các cơ
quan an ninh quản lý con người), hệ thống quan sát theo dõi như hệ thống
quản lý việc ra vào cho các cơ quan và công ty, hệ thống kiểm tra người lái xe
có ngủ gật hay không, hệ thống phân tích cảm xúc trên khuôn mặt, hệ thống
nhận dạng khuôn mặt cho các máy ảnh kỹ thuật số,...
Trích chọn đặc trưng là trích ra những đặc trưng quan trọng cơ bản nhất
của mỗi đối tượng [5]. Yêu cầu của trích chọn đặc trưng là phải đủ các thuộc
tính tuy nhiên với số lượng nhỏ nhất có thể và vẫn đảm bảo được việc phân
biệt đối tượng này với đối tượng kia (xem hình 1.6).

Các từ


11

tối ưu. Trong thực tế có rất nhiều phương pháp trích chọn đặc trưng đã được
nghiên cứu và trình bày. Mỗi phương pháp có ưu và nhược điểm riêng, phù
hợp với từng loại dữ liệu và ứng dụng.
1.3. Bài toán phân loại cảm xúc khuôn mặt
Trong những năm gần đây bài toán phân loại, nhận dạng trạng thái cảm
xúc khuôn mặt được tập trung nghiên cứu nhiều vì có nhiều ứng dụng trong
thực tế: tương tác người - máy, phân tích cảm xúc, phát hiện trạng thái mệt
mỏi của con người, video tương tác, đánh chỉ mục của ảnh và video,…
Trên thực tế có 7 loại trạng thái cảm xúc khuôn mặt như sau: Hạnh
phúc (happy), ngạc nhiên (surprise), ghê tởm (disgust), buồn (sad), sợ hãi
(fear), giận dữ (angry), bình thường (neutral). Các ảnh khuôn mặt có thể thu
thập từ các ảnh hoặc từ các video (phim) sau đó chuẩn hóa để thu được tập dữ
liệu cần đánh giá, phân loại. Hình 1.7 minh họa tập dữ liệu mẫu thường dùng
trong bài toán phân loại cảm xúc khuôn mặt.

Hình 1.7 Ví dụ về tập dữ liệu mô tả trạng thái cảm xúc khuôn mặt


12

Hình 1.8. Ví dụ về hệ thống thu thập hình ảnh trạng thái khuôn mặt từ Video
Hình 1.8 minh họa việc trích chọn ảnh khuôn mặt từ Video. Các ảnh
phát hiện được từ video sẽ lưu vào tập cơ sở dữ liệu, sau đó áp dụng các
phương pháp tiền xử lý như loại bỏ ảnh nhiễu, chỉnh lại kích thước trước khi
được đưa vào thử nghiệm cũng như loại bỏ các ảnh dư thừa hoặc ảnh lỗi do
hệ thống phát hiện khuôn mặt gây ra.
1.4. Những vấn đề nghiên cứu của luận văn

của xe ô tô là có 4 bánh, có vô lăng,… còn đặc trưng của xe máy là có hai
bánh; đặc trưng của mỗi con người thể hiện là chiều cao, cân nặng, màu tóc,
màu da,… Tóm lại đặc trưng là các yếu tố xác định nên đối tượng. Một đối
tượng chỉ được xác định khi có đủ số đặc trưng xác định nên nó.
Trong lĩnh vực nhận dạng mặt người nói chung bài toán trích chọn đặc
trưng là khâu vô cùng quan trọng, nó sẽ quyết định đến các pha tiếp theo như
phân lớp đối tượng, phân cụm đối tượng. Về mặt bản chất ảnh được biểu diễn
qua một ma trận kích thước m  n trong đó m là số hàng và n là số cột của
ảnh. Cách đơn giản nhất khi xây dựng véc tơ đặc trưng cho ảnh là đem m  n
điểm ảnh xếp vào véc tơ một chiểu sau đó có thể thực hiện các phép toán trên
véc tơ đó. Tuy nhiên cách làm này có hạn chế rất lớn là sẽ làm mất đi tính
chất không gian của ảnh tức là mất đi thuộc tính vô cùng quan trọng của mỗi
điểm ảnh là những điểm hàng xóm của chúng. Chính vì vậy rất nhiều phương
pháp trích chọn đặc trưng được nghiên cứu và giới thiệu, các phương pháp
này nhằm mục đích tận dụng tối đa tính chất không gian của ảnh trong việc
xây dựng các véc tơ đặc trưng.
Trong chương này chúng tôi sẽ trình bày một số phương pháp trích
chọn đặc trưng cơ bản cho ảnh mặt người gồm phương pháp Gabor, phương
pháp LBP và phương pháp HoG nhằm làm cơ sở cho các thực nghiệm ở
chương tiếp theo.


15

2.2. Phương pháp trích chọn đặc trưng Gabor
Phương pháp trích chọn đặc trưng Gabor được giới thiệu vào những
năm 1990. Ý tưởng của phương pháp Gabor là sử dụng biến đổi dạng sóng.
Các đặc trưng Gabor được trích chọn trực tiếp từ ảnh mức xám. Tính chất
quan trọng của phương pháp này là nó làm việc tốt với ảnh bị quay, độc lập
với tỷ lệ ảnh, và biến đổi ảnh. [1],[2],[7],[17].

y '   x sin   y cos
Trong trường hợp này:
(x, y) là tọa độ điểm (pixel) trong miền không gian ảnh

: Là tần số góc trung tâm
: Là hướng của bộ lọc Gabor
: Là biểu diễn độ sắc nét dọc theo cả hai hướng x và y.
Trên thực tế   / để xác định mối liên hệ giữa  và  trong các thí
nghiệm.


16

Hình 2.1. Bộ lọc Gabor với 5 loại tần số và 8 hướng khác nhau
Hình 2.1 minh họa bộ lọa Gabor trong trường hợp chọn 5 loại tần số và
8 hướng khác nhau tương ứng với . Trên thực tế đa số các thực nghiệm sẽ
chọn bộ thông số này. Công thức (2.2) và (2.3) sau đây tương ứng là giá trị
cho 5 loại tần số và 8 hướng với bộ lọc Gabor trong ví dụ trên:

u 
v 



u

 2 , u = 0, 1,...4
2





18

Giá trị của mỗi Gu,v (x,y) sau đó được lấy mẫu bởi một hệ số của r, chuẩn hóa
và thu được véc tơ zu,v bằng cách nối các hàng liên tục. Véc tơ Z cuối cùng
thu được biểu diễn cho ảnh I(x,y) bởi cách nối các véc tơ Zu,v như sau:
Z = [(z0,0)T. (z0,1)T ... (z4,7)T]T

(2.5)

Trong đó (zu,v)T là véc tơ chuyển vị của zu,v. Đặc trưng nguồn gốc véc tơ
Z bao gồm tất cả các yếu tố của Gabor đại diện tập:{{Gu\,v(x,y) | u=0,1,...4; v=
0,1,2,...7 }.
Trên thực tế, kích thước của véc tơ Z là khá cao. Ví dụ với ảnh 112 x
92 thì kích thước véc tơ là: (112 x 92) x (5 x 8)/ (4 x 4) = 25.760. Khi hệ số
lấy mẫu là r = (4 x 4) = 16. Chúng ta có thể làm giảm kích thước của véc tơ
xuống bằng các thuật toán như LDA, PCA.
2.3. Phương pháp trích chọn đặc trưng HoG
2.3.1. Giới thiệu
Histogram of Gradient (HoG) là đặc trưng được dùng nhiều trong lĩnh
vực phát hiện đối tượng. Kỹ thuật này được đề xuất bởi Bill Triggs và Nanel
Dalal vào năm 2005 tại viện nghiên cứu INRIA [3],[18],[19].
Ý tưởng chính trong đặc trưng HoG xuất phát từ hình dạng và trạng
thái của vật có thể được đặc trưng bằng sự phân bổ về cường độ và hướng của
cạnh. Đặc trưng HoG được tính trên cả một vùng. Do sự biến thiên về màu
sắc trong các vùng là khác nhau, kết quả mỗi vùng sẽ cho ta một véc tơ đặc
trưng của nó. Vì vậy, để có được đặc trưng của toàn bộ cửa sổ (window) ta
phải kết hợp nhiều vùng liên tiếp lại với nhau.
Đặc trưng HoG có một số biến thể thường gặp như: R-HoG, R2-HoG,