Một kỹ thuật trích chọn đặc trưng biểu cảm khuôn mặt dựa vào mô hình xuất hiện tích cực

Bài viết này đề xuất một kỹ thuật trích chọn đặc trưng biểu cảm khuôn mặt dựa trên phương pháp mô hình xuất hiện tích cực (Active Appearance Model - AAM) để nội suy hình dạng của khuôn mặt từ đó trích chọn được các đặc trưng biểu cảm của khuôn mặt một cách hiệu quả.
Nội dung trích xuất từ tài liệu:
Một kỹ thuật trích chọn đặc trưng biểu cảm khuôn mặt dựa vào mô hình xuất hiện tích cực Tạp chí Khoa học - Trường ĐH Quy Nhơn, ISSN: 1859-0357, Tập 10, SốTập 4, 2016, 10, SốTr.4,27-38 2016 MỘT KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG BIỂU CẢM KHUÔN MẶT DỰA VÀO MÔ HÌNH XUẤT HIỆN TÍCH CỰC LÊ THỊ KIM NGA1*, PHẠM THỊ THANH TUYỀN2, PHẠM TRẦN THIỆN1, NGUYỄN THỊ ANH THI1, TRẦN THỊ LIÊN1, PHÙNG VĂN MINH1 1 Khoa CNTT- Trường Đại học Quy Nhơn 2 Trường Trung cấp Kinh tế - Kỹ thuật Bình Định TÓM TẮT Trong những năm gần đây, phân tích biểu cảm khuôn mặt một cách tự động là một trong những vấn đề được quan tâm thu hút bởi nhiều nhóm nghiên cứu thị giác máy trong và ngoài nước. Phân tích biểu cảm khuôn mặt có nhiều ứng dụng từ khoa học đến thực tiễn như nhận dạng khuôn mặt, nhận dạng trạng thái khuôn mặt trong giám sát an ninh, mô hình hóa biểu cảm khuôn mặt trong thực tại ảo, tương tác người máy thông qua các trạng thái cảm xúc trên khuôn mặt, … Một bước quan trọng trong nhận dạng biểu cảm khuôn mặt là trích chọn các đặc trưng mô tả trạng thái cảm xúc trên khuôn mặt. Bài báo này đề xuất một kỹ thuật trích chọn đặc trưng biểu cảm khuôn mặt dựa trên phương pháp mô hình xuất hiện tích cực (Active Appearance Model - AAM) để nội suy hình dạng của khuôn mặt từ đó trích chọn được các đặc trưng biểu cảm của khuôn mặt một cách hiệu quả. Kết quả thực nghiệm của kỹ thuật đề xuất trên tập dữ liệu bao gồm dữ liệu thu thập tại Trường Trung cấp Kinh tế - Kỹ thuật Bình Định và dữ liệu khuôn mặt Markus Weber cho thấy độ chính xác trung bình hơn 80%, ngay cả trong những điều kiện ánh sáng và nền phức tạp. Từ khóa: Mô hình xuất hiện hoạt động, nhận dạng cảm xúc, nhận dạng biểu cảm của khuôn mặt, phân tích khuôn mặt. ABSTRACT A method for extracting facial expression features based on the active appearance model In recent years, analyzing facial expressions automatically has been one of the issues attracting attention by many computer vision research groups. Facial expression analysis has been in application research and practice such as for face recognition, face emotion recognition in surveillance, modeling facial expression in virtual reality, computer-human interaction through face emotions, and so on. An important step in identifying facial expressions is to extract emotion features on a face. This paper proposes a specific technique extracting facial expressions based on the Active Appearance Model (AAM) to interpolate the shape of the face ennabling effective extraction facial expressions. Experimental results show that the proposed technology significantly enhances the accuracy of extracting facial expression features, even in low-light conditions and complicated background. Keywords: Active appearance model, emotion recognition, face analysis, facial expression recognition. 1. Giới thiệu Với sự phát triển mạnh mẽ của khoa học điện tử đã kéo theo nhiều lĩnh vực của khoa học máy tính phát triển trong đó có xử lý ảnh. Một trong những bài toán quan trọng trong xử lý ảnh đó là nhận dạng khuôn mặt và đã có nhiều ứng dụng thiết thực đi vào đời sống con người. Bài toán này đã được Email: kimnle@qnu.edu.vn * Ngày nhận bài: 21/4/2016; ngày nhận đăng: 20/6/2016 27 Lê Thị Kim Nga, Phạm Thị Thanh Tuyền, Phạm Trần Thiện, Nguyễn Thị Anh Thi, Trần Thị Liên, Phùng Văn Minh nghiên cứu từ rất lâu nhưng hiện nay vẫn được thu hút bởi nhiều cộng đồng nghiên cứu trong và ngoài nước, do môi trường thu nhận đa dạng, hơn nữa khuôn mặt là loại đối tượng mà chính nó luôn bị thay đổi (non-rigid object) do mỗi khuôn mặt đều chứa một trạng thái biểu cảm. Gần đây, phân tích biểu cảm khuôn mặt được quan tâm nhiều hơn do khả năng ứng dụng của chúng ngày càng rộng rãi. Hình 1 minh họa một số trạng thái biểu cảm khuôn mặt cơ bản. Một bước quan trọng của bài toán phân tích trạng thái cảm xúc khuôn mặt đó là trích chọn đặc trưng mô tả trạng thái cảm xúc khuôn mặt hay nói khác hơn là đặc trưng thể hiện nét mặt của khuôn mặt. Đã có nhiều nghiên cứu liên quan đến việc phân tích đặc trưng cảm xúc khuôn mặt của con người trên ảnh. Tuy nhiên, đây vẫn là bài toán mở do sự phức tạp của những trường hợp ứng dụng và chất lượng của dữ liệu đầu vào. Hơn nữa, các nghiên cứu về cảm xúc khuôn mặt và thể hiện cảm xúc khuôn mặt của người Việt còn rất hạn chế. Cười Buồn Sợ hãi Giận Ngạc nhiên Căm ghét Hình 1. Mô tả một số trạng thái cảm xúc cơ bản trên khuôn mặt Những phân tích trên đã chứng tỏ bài toán phân tích trạng thái cảm xúc khuôn mặt nói chung và trích chọn đặc trưng mô tả trạng thái cảm xúc khuôn mặt nói riêng hiện nay là rất thời sự và cần thiết trong xử lý ảnh và thị giác máy. Điều này đặc biệt có ý nghĩa ở Việt Nam, khi mà những hệ thống loại này chưa xuất hiện nhiều, những sản phẩm chuyên dụng của nước ngoài còn khá đắt đỏ. Trên thế giới, có rất nhiều công trình khoa học nghiên cứu về việc thu nhận các đặc trưng thể hiện biểu cảm của khuôn mặt và tập trung theo các hướng nghiên cứu chính sau: Trích chọn các đặc trưng biểu cảm khuôn mặt dựa trên các điểm đánh dấu. Với hướng này người ta cũng chia thành nhiều hướng con khác tùy vào cách lựa chọn loại điểm đánh dấu, hay số lượng camera quan sát một hoặc ...