Download miễn phí Đồ án Xây dựng ứng dụng phát hiện mặt người dựa trên màu da



MỤC LỤC

DANH MỤC HÌNH VẼ 8
CHƯƠNG 1: TỔNG QUAN PHÁT HIỆN MẶT NGƯỜI 10
1.1. Tổng quan 10
1.2. Giới thiệu về một số hệ màu 11
1.2.1. Hệ màu HSV 11
1.2.2. Hệ màu HSL 14
1.2.3. Hệ màu YCrCb 16
1.3. Một số phương pháp phát hiện mặt người dựa trên đặc trưng và trên màu da 17
1.3.1. Phương pháp dựa trên màu da và thông tin biên của K. Sandeep và A.N. Rajagopalan 17
1.3.1.1. Xác định 1 điểm có là màu da hay không 17
1.3.1.2. Xác định vị trí và kích thước các vùng trong ảnh màu da (A3) 18
1.3.1.3. Quyết định có phải là vùng mặt hay không 19
1.3.1.4. Kết quả thử nghiệm 19
1.3.1.5. Đánh giá 20
1.3.2. Phương pháp dựa trên nhiều chứng cứ của Manoj Seshadrinathan và Jezekiel Ben – Arie 21
1.3.2.1. Xác định màu da 21
1.3.2.2. Dựa trên hình dạng 22
1.3.2.3. Dùng các bộ lọc Gabor 22
1.3.2.4. Tổng hợp các kết quả 23
1.3.2.5. Kết quả thực hiện 24
1.3.2.6. Đánh giá 25
1.3.3. Phương pháp sử dụng khoảng cách Hausdorff của Oliver Jesorsky, Klaus J. Kirchberg và Robert W. Frischholz 25
1.3.3.1. Khoảng cách Hausdorff 25
1.3.3.2. Kĩ thuật phát hiện đối tượng dựa trên mô hình 26
1.3.3.3. Quá trình thực hiện phát hiện mặt người 27
1.3.4. Phương pháp dựa trên phân tích bó sóng (wavelet packet analysis) của C. Garcia, G. Zikos, G. Tziritas 27
1.3.4.1. Xác định các vùng có màu da mặt 28
1.3.4.2. Xác định các ứng cử viên vùng mặt 29
1.3.4.3. Phân lớp các ứng cử viên dựa vào phân tích bó sóng 30
1.3.4.4. Kết quả thử nghiệm 32
1.3.5. Phương pháp sử dụng các khung sóng (wavelet frames) của C. Garcia, G. Simandiris và G. Tziritas 33
1.3.5.1. Tổng quan 33
1.3.5.2. Xác định các thành phần trên khuôn mặt (2 mắt, mũi, miệng) 33
1.3.5.3. Mô hình hóa khuôn mặt bằng một mẫu biến đổi 34
1.3.5.4. Phân lớp nội dung mẫu 36
1.3.5.5. Kết quả thực nghiệm 37
CHƯƠNG 2: PHÁT HIỆN MẶT NGƯỜI DỰA TRÊN MÀU DA 39
2.1. Nội dung phương pháp 39
2.2. Chi tiết các bước 40
2.2.1. Phát hiện màu da 40
2.2.1.1. Công thức màu da 41
2.2.1.2. Histogram.43
2.2.1.3. Kết hợp 2 tiêu chí 44
2.2.2. Lọc nhiễu 46
2.2.3. Xác định các vùng trắng 47
2.2.3.1. Thuật toán phân vùng cơ bản 48
2.2.3.2. Thuật toán phân vùng nâng cao 54
2.2.4. Phân loại các vùng trắng 57
CHƯƠNG 3: CÁC CÔNG CỤ ĐƯỢC XÂY DỰNG 61
3.1. Công cụ lấy khuôn mặt 61
3.1.1. Mục đích 61
3.1.2. Các chức năng 61
3.1.3. Giao diện 62
3.1.4. Chi tiết các chức năng 63
3.1.4.1. Lấy khuôn mặt từ file ảnh 63
3.1.4.2. Lấy khuôn mặt từ file phim 65
3.2. Công cụ tổng hợp histogram 66
3.2.1. Mục đích 66
3.2.2. Các chức năng 66
3.2.3. Giao diện 67
3.2.4. Chi tiết các chức năng 68
CHƯƠNG 4: XÂY DỰNG CHƯƠNG TRÌNH VÀ MỘT SỐ KẾT QUẢ MINH HỌA 70
4.1. Mục đích 70
4.2. Các chức năng 70
4.3. Giao diện chương trình 71
4.4. Các kĩ thuật xử lý 72
4.4.1. Thu hình từ camera 72
4.4.2. Phát 1 file phim 74
4.4.2.1. Khởi tạo cho phim 74
4.4.2.2. Lấy frame 78
4.4.3. Chạy bất đồng bộ 80
4.5. Các lớp được xây dựng 82
4.5.1. YPrPb 82
4.5.1.1. Mục đích 82
4.5.1.2. Các thuộc tính 82
4.5.1.3. Các cách.82
4.5.1.4. Vị trí 83
4.5.2. HSV 83
4.5.2.1. Mục đích 83
4.5.2.2. Các thuộc tính 84
4.5.2.3. Các cách 84
4.5.2.4. Vị trí 84
4.5.3. Vùng trắng 84
4.5.3.1. Mục đích 85
4.5.3.2. Các thuộc tính 85
4.5.3.3. Các cách 85
4.5.3.4. Vị trí 86
4.5.4. Bộ lọc phân vùng 86
4.5.4.1. Mục đích 86
4.5.4.2. Các thuộc tính 86
4.5.4.3. Các cách 86
4.5.4.4. Vị trí 87
4.5.5. Bộ phát hiện mặt 87
4.5.5.1. Mục đích 87
4.5.5.2. Các thuộc tính 88
4.5.5.3. Các cách 88
4.5.5.4. Vị trí 89
4.6. Các kết quả thí nghiệm 89
KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 96
TÀI LIỆU THAM KHẢO 97

CHƯƠNG 1: TỔNG QUAN PHÁT HIỆN MẶT NGƯỜI

Chương này trình bày một số lý thuyết cơ bản trong phát hiện mặt người cũng như một số phương pháp phát hiện mặt người. Cụ thể, chương này trình bày các vấn đề sau:
• Các hướng tiếp cận trong phát hiện mặt người.
• Một số hệ màu sử dụng trong phát hiện mặt người; HSV, YCrCb.
• Một số phương pháp phát hiện mặt người dựa trên đặc trưng khuôn mặt.

1.1. Tổng quan
Lĩnh vực nhận dạng đang dành được nhiều sự quan tâm trong giai đoạn hiện nay. Nó được ứng dụng trong các hệ thống giám sát, an ninh, trong các máy tính thế hệ mới mà con người có thể tương tác với máy tính qua cử chỉ hay lời núi,… Nhận dạng mặt người là một trong số đó. Và phát hiện mặt người là một khâu tiền xử lý cho nhận dạng mặt người. Ý tưởng của nó là: từ một ảnh chụp cảnh đám đông, ta phải tách ra được các khuôn mặt trong đó. Các khuôn mặt được tách ra sẽ được chuyển cho khâu nhận dạng.
Có nhiều hướng tiếp cận và các phương pháp khác nhau trong phát hiện mặt người. Cũng có nhiều cách phân chia, gom nhóm khác nhau. Sau đây la một số hướng tiếp cận:
• Giải pháp dựa trên mô hình (top-down model-based approach): trong hướng tiếp cận này, người ta sử dụng các mô hình mặt người khác nhau có tỉ lệ khác nhau từ thô nhất đến tốt nhất. Đầu tiên, ảnh sẽ được quét bởi mô hình có tỉ lệ thô nhất. Sau đó ảnh được quét với mô hình có tỉ lệ tốt hơn. Và cuối cùng được quét với mô hình có tỉ lệ tốt nhất. Ứng với mỗi tỉ lệ chỉ có 1 mô hình khuôn mặt. Mà 1 mô hình khuôn mặt ứng với 1 gúc nhỡn khuôn mặt cụ thể. Do đó, nhìn chung, phương pháp này khó khăn trong việc đưa vào nhiều góc nhìn khuôn mặt khác nhau.
• Giải pháp dựa trên đặc trưng (bottom-up feature-based approach): trong hướng tiếp cận này, người ta sẽ tiến hành tìm kiếm trong ảnh các đặc trưng của khuôn mặt (như mắt, mũi, miệng,…), sau đó gom nhúm chỳng lại với nhau (dựa trên mối quan hệ hình học giữa chúng) tạo thành các ứng cử viên cho khuôn mặt. Giải pháp này có thể dễ dàng mở rộng cho nhiều góc nhìn khuôn mặt khác nhau.
• Giải pháp dựa trên bề mặt (texture-based approach): trong hướng tiếp cận này, các khuôn mặt được phát hiện dựa trên sự phân bố không gian các mức xám của các điểm trong ma trận ảnh con. Phương pháp này khó mở rộng cho nhiều góc nhìn.
• Giải pháp dựa trên mạng nơron (neural network approach): trong giải pháp này, người ta tiến hành huấn luyện trên 1 tập ảnh khuôn mặt và không phải khuôn mặt. Sau khi huấn luyện xong, sẽ được dùng vào nhận ra khuôn mặt. Ảnh sẽ được quét bằng 1 cửa sổ. Tại mỗi vị trí cửa sổ, nội dung ảnh được lấy ra (có thể phải thay đổi tỉ lệ (co, gión) vỡ cỏc ảnh được huấn luyện có kích thước như nhau và xác định) và được cho qua bộ lọc mạng nơron. Nhìn chung, phương pháp này cho kết quả tốt. Tuy nhiên tốn thời gian huấn luyện và sưu tầm mẫu.
• Giải pháp dựa trên màu sắc (color-based approach): trong giải pháp này, đầu tiên người ta xác định các điểm trong ảnh có màu giống màu da mặt. Sau đó, người ta khoanh vùng các điểm đó lại. Cỏc vựng này có thể là khuôn mặt hay không. Để xác định có phải là mặt không, có thể dựa vào tỉ lệ kích thước của vựng cú tương tự tỉ lệ khuôn mặt không, hay dựa vào tỉ lệ số điểm màu da trong hình chữ nhật bao vựng đú,…
• Giải pháp dựa trên chuyển động (motion-based approach): ngay cái tên của nó cũng cho thấy giải pháp này chỉ áp dụng phát hiện mặt người trong phim, không áp dụng cho ảnh tĩnh. Từ các đối tượng chuyển động trong ảnh, dựa trên một số tiêu chí, người ta sẽ xác định được vùng mặt. Ví dụ như một cái lắc đầu, hay nháy mắt sẽ là cơ sở để phát hiện khuôn mặt.
Trong thực tế, ngoài những phương pháp đơn thuần đi theo một hướng tiếp cận, thì cũng có những phương pháp kết hợp nhiều hướng tiếp cận để cho ra kết quả chính xác hơn, tuy nhiên cũng phải trả giá về thời gian. Trong đồ án này, em chỉ đi vào tìm hiểu các phương pháp phát hiện mặt người theo hướng dựa trên đặc trưng và dựa trên màu sắc.
Trong các phương pháp phát hiện mặt người, các tác giả thường sử dụng nhiều hệ màu khác nhau. Do đó, đầu tiên em xin trình bày về một số hệ màu được sử dụng trong các phương pháp phát hiện mặt người.
1.2. Giới thiệu về một số hệ màu
Trong phát hiện mặt người, người ta thường không sử dụng hệ màu RGB, mà thường sử dụng các hệ màu khác như: HSV, HSL, YCrCb. Vì những hệ màu này biểu diễn màu sắc giống với quan điểm nhìn màu sắc của con người. Sau đây, ta sẽ đi vào diễn đạt chi tiết một số hệ màu cụ thể.
1.2.1. Hệ màu HSV
HSV (còn có tên gọi khác là HSB) là viết tắt của Hue, Saturation, Value. Hệ màu gồm 3 thành phần H, S, V. Trong hệ màu này, các màu đều được biểu diễn dựa trên 3 thành phần H, S, V này.
H là viết tắt của Hue, nghĩa là màu sắc. Thành phần này biểu diễn màu sắc vốn có của màu như: đỏ, xanh da trời, da cam,… Nó có giá trị từ 0 đến 360o. Hình sau minh họa giá trị của H và màu tương ứng:


/file/d/0Bz7Zv9 ... sp=sharing

---