Ứng dụng thuật toán Haar-like kết hợp K-Nearst Neighbors để nhận diện khuôn mặt cho robot chuyên chở hành lý tại sân bay

Bài viết đề xuất phương pháp nhận diện khuôn mặt người trên hệ thống robot dùng để chuyên chở hành lý tại sân bay. Phương pháp kết hợp thuật toán Haar-like với K-Nearst Neighbors vào việc phát hiện khuôn mặt người trong các trường hợp khuôn mặt bị che khuất một phần, khoảng cách từ camera đến khuôn mặt thay đổi, phát hiện trong thời gian thực, phát hiện trong điều kiện khi người di chuyển với tốc độ đi bộ.
Nội dung trích xuất từ tài liệu:
Ứng dụng thuật toán Haar-like kết hợp K-Nearst Neighbors để nhận diện khuôn mặt cho robot chuyên chở hành lý tại sân baynhö toác ñoä nhaän dieän. Moät soá phöông phaùp ñöôïcñöa ra ñeå nhaän dieän khuoân maët nhöng coù theå chiathaønh hai höôùng chính [3]: nhaän dieän döïa treânK Ñaàu tieân, nhoùm nghieân cöùu söû duïng thuaättoaùn haar-like ñeå phaùt hieän khuoân maët caàn ñöôïctheo doõi. Khuoân maët seõ ñöôïc xaùm hoaù vaø laáymaãu 200 laàn, löu vaø daùn nhaõn vaøo thö muïc huaánluyeän. Tieáp ñeán ñeå coù theå huaán luyeän ñöôïc döõlieäu, ta seõ soá hoaù toaøn boä döõ lieäu huaán luyeänthaønh ma traän vaø löu vaøo file coù ñuoâi yml.24 Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 20183.2 Kết quả Bảng 1: Bảng kết quả khảo sát thông số khoảng tin cậy confHình 9: Một số kết quả nhận dạng và theo dõi khuôn mặt Sau đây là bảng khảo sát thông số conf, mỗi conf sẽ cho chạy 10 lần chương trình với3.3 Đánh giá kết quả khuôn mặt có trong tập dữ liệu. Thời gian dán Như trên hình 9, phương pháp nhận diện nhãn là thời gian quyết định ID khuôn mặt cókhuôn mặt cho kết quả: trong tập dataset. Độ chính xác là kết quả dán - Phát hiện khuôn mặt nhanh và nhạy ở nhãn lần đầu tiên so với nhãn trong tập dữ liệu. khoảng cách vừa phải. - Càng ra xa, tốc độ phát hiện càng giảm 3.3.2 Theo dõi dùng KCF - Góc mặt càng nghiêng tốc độ phát hiện càng Kết quả nhận diện khuôn mặt khi người giảm di chuyển và thay đổi điều kiện ánh sáng: - Nếu sử dụng kính, tốc độ phát hiện sẽ giảm - Theo dõi được khuôn mặt di chuyển tốc độ còn 70% tại cùng một khoảng cách xét. cao, lớn hơn 2 m/s. - Nếu tóc che một phần mái, tốc độ phát hiện - Có thể theo dõi góc nghiêng, góc ngẩng, sẽ giảm còn 30% và che toàn bộ mái hầu như đằng sau, một phần bị che của khuôn mặt khó phát hiện. - Chưa có khả năng cân chỉnh kích thước vùng - Khả năng phát hiện còn phụ thuộc vào chất theo dõi để tính khoảng cách đối tượng. lượng camera, ánh sáng từ môi trường… - Khi đặt trên robot, khả năng sẽ dễ bị mất vùng theo dõi hơn do camera bị rung khi3.3.1 Kết quả dự đoán khuôn mặt robot di chuyển thay đổi đột ngột, hiện tượng Việc dự đoán khuôn mặt sẽ phụ thuộc vào ngược sáng.một thông số rất quan trọng là khoảng tín cậyconf, thông qua nó ta sẽ biết được tính chính xác 3.3.3 Di chuyển robotcủa khoảng cách Eculide giữa khuôn mặt dự Thử nghiệm khi robot di chuyển:đoán so với tập dữ liệu huấn luyện. - Robot theo dõi và di chuyển ổn định Thông số này càng nhỏ tức độ dự đoán - Khoảng cách từ người đến robot được đảmchính xác càng cao nhưng việc ra quyết định sẽ bảo 1mchậm hơn. Sau quá trình thực nghiệm nhóm Do robot phụ thuộc vào phần nhận dữ liệu vềchọn ngưỡng này ở mức là 50 (conf < 50) sẽ in nên nếu bị mất vùng theo dõi robot sẽ tự độngra nhãn của khuôn mặt có trong tập dữ liệu còn dừng.lớn hơn thì sẽ là Unknown. NỘI SAN KHOA HỌC – HỌC VIỆN HÀNG KHÔNG VIỆT NAM, KỲ I/12/2018 25Hình 10: Một số hình ảnh thực tế của robot TÀI LIỆU THAM KHẢO1. A Bouzalmat, J Kharroubi and Arsalane 4. H Rowley, S Baluja, T Kanade, Neural Zarghili, Face Recognition Using SVM network-based face detection, IEEE Based on LDA, IJCSI International Transactions on Pattern Analysis and Journal of Computer Science Issues, pp. Machine Intelligence, p.p 23–78, 1998. 1694-0784, 2013. 5. S Baker, S Nayar, Pattern rejection, in:2. D Zhang, D Gatica-Perez, Real-time face CVPR 96: Proceedings of the 1996, pp. detection using boosting in hierarchical 544–649. feature spaces, in: ICPR 04: 6. T Mita, T Kaneko, O Hori, Joint Haar- Proceedings of the International like features for face detection, in: ICCV Conference on Pattern Recognition, 05: Proceedings of the International Washington, DC, USA, pp. 411–464, Conference on Computer Vision, 2004. Washington, DC, USA, pp. 1619–1626,3. Vipulsangram, K Kadam, G Deepali, 2005. Ganakwar, Face Detection: A Literature Review, International Journa ...