Báo cáo Phát hiện khuôn mặt nghiêng trên ảnh và video

Trình bày về lịch sử phát triển, các vấn đề khó khăn trong bài toán phát hiện khuôn mặt, ứng dụng của bài toán và độ đo đánh giá chất lượng. Tìm hiểu các hướng tiếp cận giải quyết bài toán, đồng thời tóm tắt, sơ lược về các phương pháp nghiên cứu và thành quả đạt được của các nhà nghiên cứu trong bài toán phát hiện khuôn mặt. Đi sâu vào hướng tiếp cận dựa theo thuật toán phân lớp Adaboost. Giới thiệu về các đặc trưng Haar-like của khuôn mặt, cách tính các đặc trưng Haar-like....
Nội dung trích xuất từ tài liệu:
Báo cáo " Phát hiện khuôn mặt nghiêng trên ảnh và video "Phát hiện khuôn mặt nghiêng trên ảnh và video Đồng Thị Hải Yến Trường Đại học Công nghệ Luận văn Thạc sĩ ngành: Công nghệ phần mềm; Mã số: 60 48 10 Người hướng dẫn: PGS,TS Bùi Thế Duy Năm bảo vệ: 2011 Abstract: Trình bày về lịch sử phát triển, các vấn đề khó khăn trong bài toán phát hiện khuôn mặt, ứng dụng của bài toán và độ đo đánh giá chất lượng. Tìm hiểu các hướng tiếp cận giải quyết bài toán, đồng thời tóm tắt, sơ lược về các phương pháp nghiên cứu và thành quả đạt được của các nhà nghiên cứu trong bài toán phát hiện khuôn mặt. Đi sâu vào hướng tiếp cận dựa theo thuật toán phân lớp Adaboost. Giới thiệu về các đặc trưng Haar-like của khuôn mặt, cách tính các đặc trưng Haar-like. Tiếp theo là giới thiệu về mô hình “Bộ phân tầng của các lớp” và cách áp dụng vào bài toán phát hiện khuôn mặt thẳng và khuôn mặt nghiêng trên ảnh và video. Xây dựng ứng dụng với các chức năng phát hiện khuôn mặt nghiêng trên ảnh tĩnh và trên camera kết hợp với chức năng phát hiện khuôn mặt thẳng của thư viện OpenCV. Keywords: Nhận dạng hình ảnh; Khuôn mặt; Ảnh; VideoContent Ngày nay cùng với sự bùng nổ thông tin, sự phát triển công nghệ cao, sự giao tiếpgiữa con người và máy tính đang thay đổi rất nhanh, giờ đây giao tiếp này không còn đơnthuần dùng những thiết bị cơ học như chuột, bàn phím… mà có thể thông qua các biểu hiệncủa khuôn mặt. Bên cạnh đó, công nghệ càng phát triển thì giá cả ngày càng giảm, thêm vàođó tốc độ xử lý của máy tính ngày càng cao, do đó hệ thống xử lý khuôn mặt đang được pháttriển rất nhiều. Trong đó, bài toán phát hiện khuôn mặt thẳng và chính diện đang đạt được một kếtquả rất khả quan với mô hình “Bộ phân tầng của các lớp” (Cascade of Boosted Classifiers) doViola và Jones đề nghị. Mô hình này đạt hiệu quả cao cả về độ chính xác lẫn thời gian pháthiện. Tuy nhiên, bài toán này vẫn còn là một thử thách rất lớn bởi phát hiện được khuôn mặtcòn dựa vào nhiều yếu tố như tỉ lệ, vị trí, hướng nhìn (từ trên xuống, quay…), kiểu chụp(chụp đối diện, chụp ngang …). Ngoài ra, những cảm xúc của khuôn mặt, một số phần bị che,hoặc hướng ánh sáng cũng ảnh hưởng đến bài toán phát hiện khuôn mặt. Mục tiêu của luậnvăn này là thử nghiệm áp dụng mô hình “Bộ phân tầng của các lớp” lên bài toán phát hiệnkhuôn mặt nghiêng trên ảnh và video với hy vọng nó cũng sẽ đạt được kết quả tốt như trên bàitoán phát hiện khuôn mặt thẳng và chính diện. Luận văn này nằm trong khuôn khổ dự án “Nghiên cứu xây dựng một mô hình môitrường phòng làm việc thông minh” thực hiện bởi phòng thí nghiệm Tương tác người – máy,trường Đại học Công Nghệ, Đại học Quốc Gia Hà Nội. Nội dung luận văn được trình bày trong 3 chương với bố cục như sau: Chương 1: Trình bày về lịch sử phát triển, các vấn đề khó khăn trong bài toán phát hiện khuôn mặt, ứng dụng của bài toán và độ đo đánh giá chất lượng. Tìm hiểu các hướng tiếp cận giải quyết bài toán, đồng thời tóm tắt, sơ lược về các phương pháp nghiên cứu và thành quả đạt được của các nhà nghiên cứu trong bài toán phát hiện khuôn mặt. Chương 2: Đi sâu vào hướng tiếp cận dựa theo thuật toán phân lớp Adaboost. Giới thiệu về các đặc trưng Haar-like của khuôn mặt, cách tính các đặc trưng Haar-like. Tiếp theo là giới thiệu về mô hình “Bộ phân tầng của các lớp” và cách áp dụng vào bài toán phát hiện khuôn mặt thẳng và khuôn mặt nghiêng trên ảnh và video. Chương 3: Xây dựng ứng dụng với các chức năng phát hiện khuôn mặt nghiêng trên ảnh tĩnh và trên camera kết hợp với chức năng phát hiện khuôn mặt thẳng của thư viện OpenCV.References1. T.Kanade, Picture Processing Computer Complex and Recognition of Human Faces 1973, Kyoto.2. Marcel, S., P. Abbet, and M. Guillemot, Google portrait. 2007, IDIAP Research Institute.3. A. T. Nghiem, F.B., M. Thomat, V. Valentin, ETISEO, performance evaluation for video surveillance systems. Project Orion, INRIA - Sophia Antipolis France, 2007.4. G.Yang, T.S.H., ed. Human Face Detection in Complex BackgroundVol. 27. 1994. 53-63.5. T.K.Leung, M.C.B., and P.Perona. Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching,. in Computer Vision. 1995.6. C. Garcia, G.Z.a.G.T. Face Detection in Color Images using Wavelet Packet Analysis. in On Multimedia Computing and System. 1999.7. T.Sakai, M.N., and S.Fujibayash, ed. Line Extraction and Pattern Detection in a Photograph. ed. P. Recognition. 1969. 233 - 248.8. I.Craw, H.E., and J.Lishman, ed. Automatic Extraction of Face Features. ed. P.R. Letters. Vol. 5. 1987. 183-187.9. V.Govindaraju. Locating Human Faces in Photograp ...