Luận văn: Tìm hiểu một số phương pháp phát hiện khuôn mặt trong ảnh pdf
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.2 MB, 69 trang )
………… o0o…………
Luận văn
Tìm hiểu một số phương
pháp phát hiện khuôn mặt
trong ảnh
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 1
I CM N
Em xin chân thành cm n các thy, các cô khoa Công ngh Thông tin
Trng i hc Dân lp Hi Phòng ã tn tình dy d, truyn t cho chúng em
nhiu kin thc quý báu.
Em xin t lòng bit n sâu sc n thy Th.s Ngô Trng Giang, ngi ã
n tình giúp và truyn t nhiu kinh nghim tài có thc thc hin
và hoàn thành.
Xin chân thành cm n các bn trong khoa Công Ngh Thông Tin, i Hc
Dân Lp Hi Phòng ã giúp , ng viên tôi rt nhiu trong quá trình thc hin
tài.
Em xin trân trng cm n!
i Phòng, tháng 07 nm 2007.
Sinh viên
Lê Hng Chuyên
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 2
C LC
I CM N 1
U 4
CHNG 1: NG QUAN V PHÁT HIN KHUÔN MT 5
1.1. Gii thiu 5
1.2. t s lnh vc ng dng phát hin khuôn mt. 5
1.3. t s phng pháp xác nh khuôn mt ngi. 7
1.3.1. ng tip cn da trên tri thc 7
1.3.2. ng tip cn da trên c trng không thay i 10
1.3.3. ng tip cn da trên so khp mu 13
1.3.4. ng tip cn da trên din mo 16
1.3.5. ng tip cn tng hp 25
1.4. Khó khn và thách thc trong bài toán xác nh khuôn mt 26
CHNG 2: PHÁT HIN KHUÔN MT S DNG ADABOOST 28
2.1. Gii thiu 28
2.1.1. Các hng tip cn dò tìm khuôn mt nhanh 28
2.1.2. ng tip cn theo AdaBoost 28
2.2. Trích chn c trng cho AdaBoost 29
2.3. Th ut toán A DA BOOST 31
2.4. dò tìm phân tng Adaboost 35
2.5. Hun luyn dò tìm khuôn mt 38
2.6. Dò tìm khuôn m t 38
2 .7. Nhn xét 39
2.7.1. u m 39
2.7.2. Khuyt m 39
CHNG 3: PHÁT HIN KHUÔN MT S DNG MNG NRON. .40
3.1. ng quan v mng nron nhân to 40
3.1.1. ng nron sinh hc 40
3.1.2. ron nhân to: 41
3.1.3. Các thành phn ca nron nhân to: 42
3.1.4. Mô hình c bn ca mng nron 43
3.1.5. Xây dng mng nron 44
3.1. 6. Hun luyn mng nron 45
3.2. Chun b d liu 52
3.2. 1. Gii thiu 52
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 3
3.2.2. Gán nhãn và canh biên các c trng khuôn mt 52
3.2.3. Tin x lý v sáng và tng phn trên tp mu hc 54
3.3. Hun luyn dò tìm khuôn mt 56
3.3.1. Gii thiu 56
3.3.2. Hun luyn dò tìm khuôn mt 56
3.4. Quá trình dò tìm khuôn mt 60
CHNG 4: CÀI T NG DNG 62
4.1. Môi trng TEST 62
4.2. t s giao din chính 62
4.3. t qu 65
4.4. Nhn xét 66
T LUN 67
TÀI LIU THAM K H O 68
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 4
U
Trong nhng nm gn ây, các ng dng v trí tu nhân to ngày càng phát
trin và c ánh giá cao. Mt lnh vc ang c quan tâm ca trí tu nhân
o nhm to ra các ng dng thông minh, có tính ngi ó là nhn dng. i
ng cho vic nghiên cu nhn dng cng rt phong phú và a dng. Trong
tài này tôi chn i tng là khuôn mt, và bc u tiên ca vic nhn dng ó
là phát hin khuôn mt.
Khuôn mt óng vai trò quan trng trong quá trình giao tip gia ngi vi
ngi, và cng mang mt lng thông tin giàu có, chng hn có th xác nh
gii tính, tui tác, trng thái cm xúc ca ngi ó, hn na khi kho sát các
ng nét trên khuôn mt có th bit c ngi ó mun nói gì. Do ó, phát
hin là bc tin quan trng phc v công vic nhn dng khuôn mt sau
này. Có rt nhiu phng pháp phát hin khuôn mt, AdaBoost và mng N-ron
là mt trong nhng phng pháp ó.
án c chia ra 4 chng: Chng 1 s trình bày tng quan v mt s
phng pháp phát hin khuôn mt. Phng pháp Adaboost và mng N-ron
dùng phát hin khuôn mt c trình bày trong chng 2 và 3. Chng 4 là
phn cài t ng dng, mt s th nghim dò tìm khuôn mt trong nh, và cui
cùng là kt lun.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 5
CHNG 1: NG QUAN V PHÁT HIN KHUÔN MT
1.1. Gii thiu.
Hn mt thp k qua có rt nhiu công trình nghiên cu v bài toán
xác nh khuôn mt ngi t nh en trng, xám n nh màu nh ngày
hôm nay. Các nghiên cu i t bài toán n gin, mi nh ch có mt khuôn mt
ngi nhìn thng vào thit b thu hình và u t th thng ng trong nh
en trng. Cho n ngày hôm nay bài toán m rng cho nh màu, có nhiu
khuôn mt trong cùng mt nh, có nhiu t th thay i trong nh. Không nhng
y mà còn m rng c phm vi t môi trng xung quanh khá n gin (trong
phòng thí nghim) cho n môi trng xung quanh rt phc tp (nh trong t
nhiên) nhm áp ng nhu cu ca thc t.
Xác nh khuôn mt ngi (Face Detection) là mt k thut máy tính
xác nh các v trí và các kích thc ca các khuôn mt ngi trong các nh bt
(nh k thut s). K thut này nhn bit các c trng ca khuôn mt và b
qua nhng th khác, nh: tòa nhà, cây ci, c th, …
1.2. t s lnh vc ng dng phát hin khuôn mt.
Phát hin khuôn mt ã c ng dng trong rt nhiu lnh vc:
- thng tng tác gia ngi và máy: giúp nhng ngi b tt hoc
khim khuyt có th trao i. Nhng ngi dùng ngôn ng tay có th giao
tip vi nhng ngi bình thng. Nhng ngi b bi lit thông qua mt
ký hiu nháy mt có th biu l nhng gì h mun, …. ó là các bài
toán u b ca bàn tay (hand gesture), u b khuôn mt, …
- Nhn dng ngi A có phi là ti phm truy nã hay không? Giúp c quan
an ninh qun lý tt con ngi. Công vic nhn dng có th trong môi
trng bình thng cng nh trong bóng ti (s dng camera hng ngoi).
- thng quan sát, theo dõi và bo v. Các h thng camera s xác nh
âu là con ngi và theo dõi con ngi ó xem h có vi phm gì không, ví
xâm phm khu vc không c vào, ….
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 6
- u tr (rút tin ATM, bit ai rút tin vào thi m ó), hin nay có
tình trng nhng ngi b ngi khác ly mt th ATM hay mt mã s PIN
và nhng ngi n cp này i rút tin, hoc nhng ngi ch thi rút tin
nhng li báo cho ngân hàng là mt th và mt tin. Các ngân hàng có nhu
u khi có giao dch tin s kim tra hay lu tr khuôn mt ngi rút tin
sau ó i chng và x lý.
- Th cn cc, chng minh nhân dân (Face dentification).
- u khin vào ra: vn phòng, công ty, tr s, máy tính,…. Kt hp thêm
vân tay và hc mt. Cho phép nhân viên c ra vào ni cn thit, hay mi
ngi s ng nhp máy tính cá nhân ca mình mà không cn nh tên
ng nhp cng nh mt khu mà ch cn xác nh thông qua khuôn mt.
- An ninh sân bay, xut nhp cnh (hin nay c quan xut nhp cnh Mã
áp dng). Dùng xác thc ngi xut nhp cnh và kim tra có phi là
nhân vt khng b không.
- ng lai s phát trin các loi th thông minh có tích hp sn c trng
a ngi dùng trên ó, khi bt c ngi dùng khác dùng truy cp hay
lý ti các h thng sc yêu cu kim tra các c trng khuôn mt
so vi th bit nay có phi là ch th hay không.
- Tìm kim và t chc d liu liên quan n con ngi thông qua khuôn mt
ngi trên nhiu h c s d liu lu tr tht ln, nh internet, các hãng
truyn hình, …. Ví d: tìm các n video có tng thng Bush phát biu,
tìm các phim có din viên Thành Long óng, tìm các trn á banh có
Ronaldinho á.
- Phân loi trong lu tr hình nh trong n thoi di ng. Thông qua bài
toán xác nh khuôn mt ngi và trích c trng, ri da vào c trng
này sp xp, lu tr, giúp ngi s dng d dàng truy tìm khi cn thit.
- Kim tra trng thái ngi lái xe có ng gt, mt tp trung hay không, và h
tr thông báo khi cn thit.
- Phân tích cm xúc trên khuôn mt.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 7
- t s hãng sn xut máy chp nh ã ng dng bài toán xác nh khuôn
t ngi vào máy chp nh th h mi cho kt qu hình nh p hn.
1.3. t s phng pháp xác nh khuôn mt ngi.
Có nhiu nghiên cu tìm phng pháp xác nh khuôn mt ngi, tnh
xám n ngày nay là nh màu. Da vào tính cht ca các phng pháp xác nh
khuôn mt ngi trên nh, chúng ta có th phân chia các phng pháp này thành
n hng tip cn chính:
- ng tip cn da trên tri thc: Mã hóa các hiu bit ca con ngi v
các loi khuôn mt ngi thành các lut. Thông thng các lut mô t
quan h ca các c trng.
- ng tip cn da trên c trng không thay i: Mc tiêu các thut
toán i tìm các c trng mô t cu trúc khuôn mt ngi mà các c trng
này s không thay i khi t th khuôn mt, v trí t thit b thu hình hoc
u kin ánh sáng thay i.
- ng tip cn da trên so khp mu: Dùng các mu chun ca khuôn
t ngi (các mu này c chn la và lu tr) mô t cho khuôn mt
ngi hay các c trng khuôn mt (các mu này phi chn làm sao cho
tách bit nhau theo tiêu chun mà các tác ginh ra so sánh).
- ng tip cn da trên din mo: Trái ngc hn vi so khp mu,
các mô hình hc ây c hc t mt tp nh hun luyn cho trc. Sau
ó h thng s xác nh khuôn mt ngi. Mt s tác gi còn gi hng
tip cn này là hng tip cn theo phng pháp hc.
1.3.1. ng tip cn da trên tri thc.
Trong hng tip cn này, các lut s ph thuc rt ln vào tri thc ca
nhng tác gi nghiên cu v bài toán xác nh khuôn mt ngi. ây là hng
tip cn dng top-down. D dàng xây dng các lut c bn mô t các c
trng ca khuôn mt và các quan h tng ng. Ví d, mt khuôn mt thng
có hai mt i xng nhau qua trc thng ng gia khuôn mt và có mt mi,
t ming. Các quan h ca các c trng có thc mô t nh quan h v
khong cách và v trí. Thông thng các tác gi s trích c trng ca khuôn
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 8
t trc tiên có c các ng viên, sau ó các ng viên này sc xác
nh thông qua các lut bit ng viên nào là khuôn mt và ng viên nào
không phi khuôn mt.
t vn khá phc tp khi dùng hng tip cn này là làm sao chuyn t
tri thc con ngi sang các lut mt cách hiu qu. Nu các lut này quá chi tit
(cht ch) thì khi xác nh có th xác nh thiu các khuôn mt có trong nh, vì
nhng khuôn mt này không th tha mãn tt c các lut a ra. Nhng các lut
ng quát quá thì có th chúng ta s xác nh lm mt vùng nào ó không phi là
khuôn mt mà li xác nh là khuôn mt. Và cng khó khn khi cn m rng
yêu cu ca bài toán xác nh các khuôn mt có nhiu t th khác nhau.
Hình 1-1: (a) nh ban u có phân gii n = 1; (b), (c), và (d) nh có
phân gii n = 4, 8, 16.
Yang và Huang dùng mt phng thc theo hng tip cn này xác
nh các khuôn mt. H thng ca hai tác gi này bao gm ba mc lut. mc
cao nht, dùng mt khung ca s quét trên nh và thông qua mt tp lut tìm
các ng viên có th là khuôn mt. mc k tip, hai ông dùng mt tp lut
mô t tng quát hình dáng khuôn mt. Còn mc cui cùng li dùng mt tp
lut khác xem xét mc chi tit các c trng khuôn mt. Mt h thng a
phân gii có th tc dùng xác nh, hình 1-1. Các lut mc cao nht
tìm ng viên nh: “vùng trung tâm khuôn mt (phn ti hn trong hình 1-2)
có bn phn vi mt mc u c bn”, “phn xung quanh bên trên ca mt
khuôn mt (phn sáng hn trong hình 1-2) có mt mc u c bn”, và “mc
khác nhau gia các giá tr xám trung bình ca phn trung tâm và phn bao
bên trên là áng k”. mc hai, xem xét biu ca các ng viên loi bt
ng viên nào không phi là khuôn mt, ng thi dò ra cnh bao xung quanh
ng viên. mc cui cùng, nhng ng viên nào còn li sc xem xét các c
trng ca khuôn mt v mt và ming. Hai ông ã dùng mt chin lc “t thô
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 9
n mn” hay “làm rõ dn” gim s lng tính toán trong x lý. Mc dù t l
chính xác cha cao, nhng ây là tin cho nhiu nghiên cu sau này.
Hình 1-2: t loi tri trc ca ngi nghiên cu phân tích trên khuôn mt.
Kotropoulos và Pitas a mt phng pháp dùng trên phân gii thp.
Hai ông dùng phng pháp chiu xác nh các c trng khuôn mt. Kanade
ã thành công vi phng pháp chiu xác nh biên ca khuôn mt. Vi
I(x,y) là giá tr xám ca mt m trong nh có kích thc m x n ti v trí
(x,y), các hàm chiu nh theo phng ngang và thng ng c nh ngha
nh sau:
∑
−
= ),()(
1
yxIxHI
n
y
và
∑
−
= ),()(
1
yxIyVI
m
x
(1.1)
Hình 1-3: Phng pháp chiu:
(a) nh ch có mt khuôn mt và hình nn n gin;
(b) nh ch có mt khuôn mt và hình nn phc tp;
(c) nh có nhiu khuôn mt
a trên biu hình chiu ngang, có hai cc tiu cc b khi hai ông xét
quá trình thay i c ca HI, ó chính là cnh bên trái và phi ca hai bên
u. Tng t vi hình chiu dc VI, các cc tiu cc b cng cho ta bit v trí
ming, nh mi, và hai mt. Các c trng này xác nh khuôn mt.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 10
Hình 1-3.a là mt ví d v cách xác nh nh trên. Cách xác nh này có t l
xác nh chính xác là 86.5% cho trng hp ch có mt khuôn mt thng trong
nh và hình nn không phc tp. Nu hình nn phc tp thì rt khó tìm, nh là
hình 1-3.b. Nu nh có nhiu khuôn mt thì s không xác nh c, hình 1-3.c.
Hình 1-4: Chiu tng phn ng viên xác nh khuôn mt.
Mateos và Chicote dùng kt cu xác nh ng viên trong nh màu. Sau
ó phân tích hình dáng, kích thc, thành phn khuôn mt xác nh khuôn
t. Khi tìm c ng viên khuôn mt, hai ông trích các ng viên ca tng
thành phn khuôn mt, sau ó chiu tng phn này xác thc ó có phi là
thành phn khuôn mt hay không, hình 1-4. T l chính xác là hn 87%.
Berbar kt hp mô hình màu da ngi và xác nh cnh tìm ng viên
khuôn mt ngi. Sau ó kt hp các c trng và phng pháp chiu các ng
viên khuôn mt xung h trc ta xác nh ng viên nào tht s là khuôn
t ngi.
1.3.2. ng tip cn da trên c trng không thay i.
ây là hng tip cn theo kiu bottom-up. Các tác gi c gng tìm các c
trng không thay i ca khuôn mt ngi xác nh khuôn mt ngi. Da
trên nhn xét thc t: con ngi d dàng nhn bit các khuôn mt trong các t
th khác nhau và u kin ánh sáng khác nhau; do ó khuôn mt phi có các
thuc tính hay c trng không thay i. Theo nhiu nhiu nghiên thì ban u
phi xác nh các c trng khuôn mt ri ch ra có khuôn mt trong nh hay
không. Các c trng nh: lông mày, mt, mi, ming, và ng vin ca tóc
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 11
c trích bng phng pháp xác nh cnh. Trên c s các c trng này, xây
ng mt mô hình thng kê mô t quan h ca các c trng này và xác nh
tn ti ca khuôn mt trong nh. Mt vn ca các thut toán theo hng
tip cn c trng cn phi u chnh cho phù hp u kin ánh sáng, nhiu, và
che khut. ôi khi bóng ca khuôn mt s to thêm cnh mi, mà cnh này li
rõ hn cnh tht s ca khuôn mt, vì th nu dùng cnh xác nh s gp khó
khn.
1.3.2.1. Các c trng khuôn mt
Sirohey a mt phng pháp xác nh khuôn mt t mt nh có hình nn
phc tp. ây là phng pháp da trên ng biên, dùng phng pháp Candy
và heuristics loi b các cnh còn li duy nht mt ng bao xung quanh
khuôn mt. Mt hình ellipse dùng bao khuôn mt, tách bit vùng u và hình
n. T l chính xác ca thut toán là 80%.
Cng dùng phng pháp cnh nh Sirohey, Chetverikov và Lerch dùng
t phong pháp da trên blob và streak (hình dng git nc và sc xen k),
xác nh theo hng các cnh. Hai ông dùng hai blob ti và ba blob sáng
mô t hai mt, hai bên gò má, và mi. Mô hình này dùng các treak mô t hình
dáng ngoài ca khuôn mt, lông mày, và môi. Dùng nh có phân gii thp
theo bin i laplace xác nh khuôn mt thông qua blob.
Graf a ra mt phng pháp xác nh c trng ri xác nh khuôn mt
trong nh xám. Dùng b lc làm ni các biên, các phép toán hình thái hc
c dùng làm ni bt các vùng có cng cao và hình dáng chc chn
(nh mt). Thông qua biu tìm các nh ni bt ri xác nh các ngng
chuyn nh xám thành hai nh nh phân. Các thành phn dính nhau u xut
hin trong hai nh nh phân thì c xem là vùng ca ng viên khuôn mt ri
phân loi xem có phi là khuôn mt không. Phng pháp c kim tra trên các
nh ch có u và vai ca ngi. Tuy nhiên còn có mt vn ây là làm sao
s dng các phép toán hình thái và làm sao xác nh khuôn mt trên các vùng
ng viên.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 12
1.3.2.2. c trng kt cu
Khuôn mt con ngi có nhng kt cu riêng bit mà có th dùng
phân loi so vi các i tng khác. Augusteijn và Skufca cho rng hình dng
a khuôn mt dùng làm kt cu phân loi, gi là kt cu ging khuôn mt
(face-like texture). Có ba loi c trng c xem xét: màu da, tóc, và nhng
th khác. Hai ông dùng mng n-ron v mi tng quan cascade cho phân loi
có giám sát các kt cu, và mt ánh xc trng t t chc Kohonen gom
nhóm các lp kt cu khác nhau. Hai tác gi xut dùng phng pháp bu c
khi không quyt nh c kt cu a vào là kt cu ca da hay kt cu ca
tóc.
Dai và Nakano dùng mô hình SGLD xác nh khuôn mt ngi. Thông
tin màu sc c kt hp vi mô hình kt cu khuôn mt. Hai tác gi xây dng
thut gii xác nh khuôn mt trong không gian màu, vi các phn ta màu cam
xác nh các vùng có th là khuôn mt ngi. u m ca phng pháp này
là có th xác nh khuôn mt không ch chp thng và có th có râu và có kính.
Mark và Andrew dùng phân b màu da và thut toán DoG (Difference of
Gauss) tìm các ng viên, ri xác thc bng mt h thng hc kt cu ca
khuôn mt. Manian và Ross dùng bin i wavelet xây dng tp d liu kt
u ca khuôn mt trong nh xám thông qua nhiu phân gii khác nhau, kt
p xác sut thông kê xác nh khuôn mt ngi. T l chính xác là 87%, t
xác nh sai là 18%.
1.3.2.3. c trng sc màu ca da
Thông thng các nh màu không xác nh trc tip trên toàn b d liu
nh mà thng dùng tính cht sc màu ca da ngi (khuôn mt ngi) chn
ra c các ng viên có th là khuôn mt ngi (lúc này d liu ã thu hp áng
) xác nh khuôn mt ngi.
1.3.2.4. a c trng
n ây có nhiu nghiên cu s dng các c trng toàn cc nh: màu da
ngi, kích thc, và hình dáng tìm các ng viên khuôn mt, ri sau ó s
xác nh ng viên nào là khuôn mt thông qua các c trng cc b nh: mt,
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 13
lông mày, mi, ming, và tóc. Tùy mi tác gi s s dng tp c trng khác
nhau.
Yachida a ra mt phng pháp xác nh khuôn mt ngi trong nh
màu bng lý thuyt logic m. Ông dùng hai mô hình m mô t phân b màu
da ngi và màu tóc trong không gian màu CIE XYZ. Có nm mô dùng mô
hình dáng ca mt trong nh (mt thng và bn xoay xung quanh). Mi mô
hình là mt mu 2-chiu bao gm các ô vuông có kích thc m x n, mi ô có th
cha nhiu hn mt m nh. Hai thuc tính c gán cho mi ô là: t l màu
da và t l tóc, ch ra t l din tích vùng da trong ô so vi din tích ca ô. Mi
m nh sc phân loi thành tóc, khuôn mt, tóc/khuôn mt, và tóc/nn trên
s phân b ca mô hình, theo cách ó s có c các vùng ging khuôn mt
và ging tóc. Mô hình hình dáng ca u sc so sánh vi vùng ging khuôn
t và ging tóc. Nu tng t, vùng ang xét s tr thành ng viên khuôn mt,
sau ó dùng các c trng mt-lông mày và mi-ming xác nh ng viên
nào s là khuôn mt tht s.
Sobottka và Pitas dùng các c trng v hình dáng và màu sc xác nh
khuôn mt ngi. Dùng mt ngng phân n trong không gian màu HSV
xác nh các vùng có th là màu da ngi. Các thành phn dính nhau sc
xác nh bng thut toán tng vùng phân gii thô. Xem xét tin ng viên
nào va khp hình dng ellipse sc chn làm ng viên ca khuôn mt. Sau
ó dùng các c trng bên trong nh: mt và ming, c trích ra trên c s các
vùng mt và ming s ti hn các vùng khác ca khuôn mt, sau cùng phân loi
a trên mng n-ron bit vùng ng viên nào là khuôn mt ngi và vùng
nào không phi khuôn mt ngi. T l chính xác là 85%.
1.3.3. ng tip cn da trên so khp mu.
Trong so khp mu, các mu chun ca khuôn mt (thng là khuôn mt
c chp thng) sc xác nh trc hoc xác nh các tham s thông qua
t hàm. T mt nh a vào, tính các giá tr tng quan so vi các mu chun
ng vin khuôn mt, mt, mi và ming. Thông qua các giá tr tng quan
này mà các tác gi quyt nh có hay không có tn ti khuôn mt trong nh.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 14
ng tip cn này có li th là rt d cài t, nhng không hiu qu khi có s
thay i v t l, t th, và hình dáng.
1.3.3.1. Xác nh mu trc
Sakai ã c gng th xác nh khuôn mt ngi chp thng trong nh.
Ông dùng vài mu con v mt, mi, ming, và ng vin khuôn mt mô
hình hóa mt khuôn mt. Mi mu con c nh ngha trong gii hn ca các
n thng. Các ng thng trong nh c trích bng phng pháp xem xét
thay i gradient nhiu nht và so khp các mu con. u tiên tìm các ng viên
thông qua mi tng quan gia các nh con và các mu vng vin. Sau ó,
so khp vi các mu con khác. Hay nói mt cách khác, giai n u xem nh
là giai n s ch tìm ng viên, giai n th hai là giai n tinh ch
xác nh có tn ti hay không mt khuôn mt ngi. Ý tng này c duy trì
cho n các nghiên cu sau này.
Craw a ra mt phng pháp xác nh khuôn mt ngi da vào các mu
hình dáng ca các nh c chp thng (dùng v b ngoài ca hình dáng
khuôn mt). u tiên dùng phép lc Sobel tìm các cnh. Các cnh này s
c nhóm li theo mt s ràng buc. Sau ó, tìm ng vin ca u, quá trình
ng tc lp i lp li vi mi t l khác nhau xác nh các c trng
khác nh: mt, lông mày, và môi. Sau ó Craw mô t mt phng thc xác nh
dùng mt tp có 40 mu tìm các c trng khuôn mt và u khin chin
c dò tìm.
Sinha dùng mt tp nh các bt bin nh trong không gian nh mô t
không gian các mu nh. T tng chính ca ông da vào s thay i mc
sáng ca các vùng khác nhau ca khuôn mt (nh hai mt, hai má, và trán),
quan h v mc sáng ca các vùng còn li thay i không áng k. Xác nh
các cp t s ca mc sáng ca mt s vùng (mt vùng ti hn hay sáng hn)
cho ta mt lng bt bin khá hiu qu. Các vùng có sáng u c xem nh
t mu t s mà là mu thô trong không gian nh ca mt khuôn mt vi
thích hp ít dùng chn nh các c trng chính ca khuôn mt nh hai mt,
hai má, và trán. Lu gi thay i sáng ca các vùng trên khuôn mt trong
t tp thích hp vi các cp quan h sáng hn – ti hn gia các vùng nh.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 15
t khuôn mt c xác nh khi mt nh phù hp tt c các cp sáng hn – ti
n. Ý tng này xut phát t s khác bit ca cng gia các vùng k cc
, sau này c m rng trên c s bin i wavelet biu din cho xác nh
ngi i b, xác nh xe hi, xác nh khuôn mt. Ý tng ca Sinha còn c
áp dng cho h thng th giác ca robot. Hình 1-5 cho thy mu ni bt trong 23
quan hc nh ngha. Dùng các quan h này phân loi, có 11 quan h
thit yu (các mi tên màu en) và 12 quan h xác thc (các mi tên xám). Mi
i tên là mt quan h. Mt quan h tha mãn mu khuôn mt khi t l gia hai
vùng vt qua mt ngng và 23 quan h này vt ngng thì xem nh xác
nh c mt khuôn mt.
Phng pháp so khp mu theo th t xác nh khuôn mt ngi do
Miao trình bày. giai n u tiên, nh sc xoay t -20
o
n 20
o
vi mi
c là 5
o
và theo th t. Xây dng nh a phân gii, hình 1-1, ri dùng phép
toán Laplace xác nh các cnh. Mt mu khuôn mt gm các cnh mô t sáu
thành phn: hai lông mày, hai mt, mt mi, và mt ming. Sau ó áp dng
heuristic xác nh s tn ti ca khuôn mt trong nh, phng pháp này cho
phép xác nhiu khuôn mt, nhng kt qu không tt bng xác nh mt khuôn
t (chp thng hoc xoay) trong nh xám.
Hình 1-5: u khuôn mt, có 16 vùng và 23 quan h (các mi tên).
Wei và Lai dùng b lc phân n kt hp thut toán tìm láng ging gn
nht xác nh ng viên khuôn mt, tng viên này sau ó so khp vi các mu
ã xác nh trc bit ng viên có phi là khuôn mt hay không. T l chính
xác là 80%.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 16
Darrell dùng phân n tìm ng viên, dùng ng viên này xác nh
khuôn mt ngi da vào mu ri theo vt chuyn ng ca ngi.
Dowdall dùng ph ca màu da ngi xác nh ng viên. Sau ó chiu
các ng viên này so sanh vi các mu có trc xác nh ng viên nào là
khuôn mt ngi. Phng pháp này ch xác nh cho khuôn mt chp thng và
n thng, góc quay khong t -10
o
n 10
o
.
1.3.3.2. Các mu b bin dng
Yuille dùng các mu bin dng mô hình hóa các c trng ca khuôn
t, mô hình này có kh nng linh hot cho các c trng khuôn mt. Trong
ng tip cn này, các c trng khuôn mt c mô t bng các mu c
tham s hóa. Mt hàm nng lng (giá tr) c nh ngha liên kt các cnh,
nh, và thung lng trong nh tng ng vi các tham s trong mu. Mô hình
này cho kt qu tt khi ti gin hàm nng lng qua các tham s. Mt hn ch
a hng tip cn này là các mu bin dng phi c khi to trong phm vi
n các i tng xác nh.
Lanitis mô t mt phng pháp biu din khuôn mt ngi vi c hai thông
tin: hình dáng và cng . Ban u, tp nh c hun luyn vi các ng
vin mu nh là ng bao mt, mi, cm, má c gán nhãn. Dùng mt vector
mô t hình dáng, ây tác gi dùng mt mô hình phân b m (Point
Distribution Model – PDM) mô t vector hình dáng qua toàn b các cá th.
1.3.4. ng tip cn da trên din mo.
Trái ngc vi các phng pháp so khp mu vi các mu ã c nh
ngha trc bi nhng chuyên gia, các mu trong hng tip cn này c hc
các nh mu. Mt các tng quát, các phng pháp theo hng tip cn này áp
ng các k thut theo hng xác sut thng kê và máy hc tìm nhng c
tính liên quan ca khuôn mt và không phi là khuôn mt. Các c tính ã c
c trong hình thái các mô hình phân b, hay các hàm bit s có th dùng các
c tính này xác nh khuôn mt ngi. ng thi, bài toán gim s chiu
thng c quan tâm tng hiu qu tính toán cng nh hiu qu xác nh.
t nh hay mt vector c trng xut phát t mt nh c xem nh mt bin
ngu nhiên x, và bin ngu nhiên có c tính là khuôn mt hay không phi
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 17
khuôn mt bi công thc tính theo các hàm mt phân lp theo u kin
p(x | khuôn mt) và p(x | không phi khuôn mt) . Có th dùng phân loi Bayes
hoc kh nng cc i phân loi mt ng viên là khuôn mt hay không phi
là khuôn mt. Không th cài t trc tip phân loi Bayes bi vì s chiu ca x
khá cao, bi vì p(x | khuôn mt) và p(x | không phi khuôn mt) là a thc, và
cha th hiu nu xây dng các dng tham s hóa mt cách t nhiên cho
p(x | khuôn mt) và p(x | không phi khuôn mt) . Có khá nhiu nghiên cu theo
ng tip cn này quan tâm xp x có tham s hay không có tham s cho
p(x | khuôn mt) và p(x | không phi khuôn mt) . Các tip cn khác trong
ng tip cn da trên din mo là tìm mt hàm bit s (nh: mt phng quyt
nh, siêu phng tách d liu, hàm ngng) phân bit hai lp d liu:
khuôn mt và không phi khuôn mt. Bình thng, các mu nh c chiu vào
không gian có s chiu thp hn, ri sau ó dùng mt hàm bit s (da trên các
o khong cách) phân loi, hoc xây dng mt quyt nh phi tuyn bng
ng n-ron a tng. Hoc dùng SVM (Support Vector Machine) và các
phng thc kernel, chiu hoàn toàn các mu vào không gian có s chiu cao
n d liu b ri rc hoàn toàn và ta có th dùng mt mt phng quyt nh,
phân loi các mu khuôn mt và không phi khuôn mt.
1.3.4.1. Eigenface.
Kohonen ã a ra phng pháp dùng vector riêng nhn dng khuôn
t, ông dùng mt mng n-ron n gin chng t kh nng ca phng
pháp này trên các nh ã c chun hóa. Mng n-ron tính mt mô t ca
khuôn mt bng cách xp x các vector riêng ca ma trn tng quan ca nh.
Các vector riêng sau này c bit n vi cái tên Eigenface. Kirby và Sirovich
chng t các nh có các khuôn mt có thc mã hóa tuyn tính bng mt s
ng va phi các nh c s. Tính cht này da trên bin i Karhunen-Lòeve,
mà còn c gi di mt cái tên khác là PCA và bin i Hotelling. Ý tng
này c xem là ca Pearson trình bày u tiên vào nm 1901 và sau ó là
Hotelling vào nm 1933. Cho mt tp các nh hun luyn có kích thc n x m
c mô t bi các vector có kích thc m x m, các vector c s cho mt không
gian con ti u c xác nh thông qua li bình phng trung bình khi chiu
các nh hun luyn vào không gian con này. Các tác gi gi tp các vector c s
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 18
i u này là nh riêng, sau ó gi cho n gin là vector riêng ca ma trn hip
phng sai, c tính t các nh khuôn mt ã vector hóa trong tp hun luyn.
u cho 100 nh, mà mi khuôn mt có kích thc 91x50 thì có th ch dùng 50
nh riêng, trong khi vn duy trì c mt kh nng ging nhau hp.
Turk và Pentland áp dng PCA xác nh và nhn dng khuôn mt.
ng t, dùng PCA trên tp hun luyn nh các khuôn mt sinh các nh
riêng (còn gi là eigenface) tìm mt không gian con (không gian khuôn mt)
trong không gian nh. Các nh khuôn mt c chiu vào không gian con này
và c gom nhóm li. Tng t các nh không có khuôn mt dùng hun
luyn cng c chiu vào cùng không gian con và gom nhóm li. Các nh khi
chiu vào không gian khuôn mt thì không b thay i tính cht c bn, trong
khi chiu các nh không có khuôn mt thì xut hin nhiu s khác nhau. Xác
nh s có mt ca mt khuôn mt trong nh thông qua tt c khong cách gia
các v trí trong nh và không gian nh. Khong cách này dùng xem xét có hay
không có khuôn mt ngi, kt qu khi tính toán các khong cách s cho ta mt
n v khuôn mt. Có th xác nh c t cc tiu cc b ca bn này.
Có nhiu nghiên cu v xác nh khuôn mt, nhn dng, và trích c trng t ý
ng vector riêng, phân rã, và gom nhóm.
1.3.4.2. ng Neural.
ng n-ron c áp dng khá thành công trong các bài toán nhn dng
u, nh: nhn ký t, i tng, robot tng vn hành. Xác nh khuôn mt
ngi có th xem là bài toán nhn dng hai loi mu, có nhiu kin trúc mng
-ron ã c trình bày. Mt thun li khi dùng mng n-ron xác nh
khuôn mt là tính kh thi ca h thng hc khi có s phc tp trong lp ca các
u khuôn mt. Tuy nhiên, mt u tr ngi là các kin trúc mng u tng
quát, khi áp dng thì phi xác nh rõ ràng s lng tng, s lng node, t l
c, …, cho tng trng hp c th
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 19
Hình 1-6: Mô hình mng N-ron theo Rowley
Agui trình bày mng n-ron x lý có th t. Giai n u, dùng hai mng
con song song mà d liu vào là các giá tr cng ca nh ban u và các giá
tr cng ca nh ã c lc bng thut toán lc Sobel vi ca s lc 3x3.
u vào ca mng giai n hai bao gm d liu u ra t hai mng con và
các giá trc trng ã c trích ra, nh: c trng lch chun ca các giá
trm nh trong mu a vào, mt t l ca sm nh trng trên tng s
m nh (ã chuyn sang nh nh phân) trong mt ca s, và c trng thit yu
hình hc. Mt giá tr xut ti giai n hai cho bit có tn ti hay không
khuôn mt ngi trong vùng a vào. Qua kinh nghim, tác gi ch ra rng nu
các nh cùng mt kích thc thì mi dùng phng pháp này c.
Propp và Samal phát trin mng n-ron xác nh khuôn mt ngi sm
nht. Mng n-ron ca hai ông gm bn tng vi 1,024 u vào, 256 u k tip
trong tng n th nht, tám u k tip trong tng n th hai, và hai u ra.
ng t nh mng n-ron x lý theo th tc a ra sau ó. Phng
pháp ca Soulie duyt mt nh a vào vi mng n-ron có thi gian tr (kích
thc ca s là 20x25 m nh) xác nh khuôn mt. Dùng bin i wavelet
phân rã nh các phn có kích thc khác nhau xác nh khuôn mt.
Vaillant dùng mng n-ron dng xon xác nh khuôn mt ngi. u
tiên to các nh mu khuôn mt và không phi khuôn mt có kích thc 20x20.
Dùng mt mng n-ron, mng này ã c hun luyn, tìm các v trí tng
i ca các khuôn mt các t l khác nhau. Ri dùng mt mng khác xác
nh v trí chính xác ca các khuôn mt. Mng u tiên dùng tìm các ng
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 20
viên khuôn mt, ri dùng mng th hai xác nh ng viên nào tht s là
khuôn mt.
Burel và Carel dùng mng n-ron a tng có ít mu hn vi thut toán
Kohenen’s SOM hc các mu khuôn mt và hình nn, mà các mu này ã
c phân loi trc. Giai n xác nh khuôn mt bao gm duyt trên mi
nh ã c bin i tnh bàn u các phân gii khác nhau. ti mi v
trí và kích thc ca s duyt, u chnh sáng. Mi ca sã c chun
hóa sc phân loi bng MLP.
Theo ánh giá các phng pháp dùng mng n-ron xác nh khuôn mt
ngi ca nhiu tác gi, thì nghiên cu ca Rowley c xem là tt nht i vi
nh xám. Mt mng a tng c dùng hc các mu khuôn mt và không
phi khuôn t các nh tng ng (da trên quan h cng , v mt không
gian ca các m nh) trong khi Sung dùng mng n-ron xác nh mt hàm
bit s cho mc ích phân loi mu có phi là khuôn mt hay không da vào
o khong cách. Hai ông cùng s dng nhiu mng n-ron và mt s phng
thc quyt nh ci thin kt qu, trong khi Burel và Carel dùng mt mng
n, Vaillant dùng hai mng phân loi. Có hai thành phn chính x lý:
nhiu mng n-ron (xác nh mu nào là khuôn mt) và mt mô un quyt
nh (a ra quyt nh cui cùng t nhiu kt qu xác nh).
Hình 1-7: i din ca mi lp khuôn mt. Mi i din tng ng tâm ca
t nhóm.
Hình 1-7, thành phn u tiên ca phng pháp này là mt mng n-ron
nhn mt vùng nh có kích thc 20x20 m nh và xut ra mt giá tr trong
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 21
khong t -1 n 1. Khi a vào mt nh, nu kt qu gn -1 thì ngha là mu
này không phi là khuôn mt ngi, nhng nu kt qu gn 1 thì ây chính là
khuôn mt ngi. xác nh khuôn mt có kích thc ln hn 20x20 m
nh, c chn mt t l duyt, sau ó xác nh, ri li thay i t l (bin thiên
l này do ngi xây dng quyt nh). Gn 1050 mu khuôn mt có kích
thc, hng, v trí, và cng khác nhau dùng hun luyn mng. S gán
nhãn cho mt, nh ca mi, góc cnh, và tâm ca ming ri dùng chun hóa
khuôn mt v cùng mt t l, hng, và v trí. Thành phn th hai là phng
pháp trn các xác nh chng chéo nhau và a ra quyt nh. Phép toán logic
(AND/OR) là mt quyt nh n gin nht và phng pháp bu cc dùng
tng tính hiu qu. Rowley a nhiu cách gii quyt bài toán khác nhau vi
chi phí tính toán ít hn Sung và Poggio nhng t l chính xác cao hn. Mt gii
n ca phng pháp ca Rowley và Sung là có th xác nh khuôn mt chp
thng và ta thng (nghiêng u). Sau ó Rowley ci tin có th xác nh
khuôn mt b xoay bng mng nh hng (Router Network), hình 1-8, s thêm
tin trình xác nh hng khuôn mt và xoay v li t th chun (chp thng),
tuy nhiên khi quay li d liu nh trên thì t l chính xác li gim i, ch còn
khong 76.9%.
Hình 1-8: t ví d cho d liu vào và d liu ra ca mng nh hng.
1.3.4.3. Support Vector Machine (SVM).
Support Vector Machine (SVM) là mt k thut hc c Vapnik xut.
Phng pháp này rt hiu qu vi tp d liu ln, nhng li gp khó khn khi
n phi mô t li chính xác các khuôn mt ( vì tính bin thiên ca khuôn mt).
Osuna áp dng phng pháp này u tiên xác nh khuôn mt ngi.
SVM c xem nh là mt kiu mi dùng hun luyn phân loi theo hàm a
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 22
thc. Trong khi hu ht các phng pháp khác dùng hun luyn phân loi
(Mng Bayes, Nueral, RBF) u dùng tiêu chí ti thiu li hun luyn (ri ro do
kinh nghim), trong khi SVM dùng quy np (c gi là ti thiu ri ro cu
trúc), mc tiêu là làm ti thiu mt bao bên trên trên li tng quát. Mt phân loi
SVM là mt phân loi tuyn tính, dùng mt mt phng tách d liu. Da trên
t kt hp có các trng s ca mt tp con nh các vector hun luyn, các
vector này c gi là support vector. c lng mt phng tng ng vi
vic gii mt bài toán tuyn tính bc hai. Osuna ã phát trin mt phng pháp
hiu qu hun luyn mt SVM vi t l ln áp dng cho bài toán xác nh
khuôn mt ngi. Ông dùng 10,000,000 mu có kích thc 19x19 m nh, h
thng ca ông có t l li ít hn Sung và Poggio, nhng nhanh hn gn 30 ln.
SVM cng có th dùng xác nh khuôn mt ngi và ngi i b vi phân tích
Wavelet.
1.3.4.4. ng lc tha (Sparse Network of Winnows - SNoW).
ây là phng pháp do Yang xut, dùng xác nh khuôn mt
ngi vi các c trng khác nhau và biu din trong các t th khác nhau, di
u kin ánh sáng khác nhau. SNoW là mt mng tha dùng các hàm tuyn tính
và dùng lc cp nht lut. Phng pháp này thích hp cho hc trong min khi
các c trng tim nng to các quyt nh sai khác nhau mà không bit mc
u tiên. T l li là 5.9%, hiu qu cng nh các phng pháp khác.
1.3.4.5. AdaBoost
AdaBoost là mt phân loi mnh phi tuyn phc H
M
(x), c xây dng t
M phân loi yu. Mc tiêu ca Adaboost là hc mt dãy các phân loi yu. Gi
có mt tp N mu hun luyn ã c gán nhãn {(x
1
,y
1
), …, (x
N
,y
N
)}, vi y
i
là nhãn tng ng ca mu x
i
∈ R
n
. Tính mt phân b ca các mu hun luyn
[w1,…, wN] cp nht trong sut quá trình hc. Sau bc lp m, mu khó phân
loi (x
i
,y
i
) có trng s mi w
i
(m)
, n bc lp th (m+1), mu này s có tm
quan trng hn. Viola và Jones dùng AdaBoost kt hp cascade xác nh
khuôn mt ngi vi các c trng dng Haar wavelet-like. Tc x lý khá
nhanh và t l chính xác hn 80% trên nh xám.
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 23
1.3.4.6. c vi FloatBoost
Li và Zhang a ra mt khái nim mi ó là FloatBoost. Phng pháp này
c da trên phân loi boosting t l li cc tiu. Nhng phng pháp này
cho phép quay lui sau khi ti mi bc khi hc bng AdaBoost ã cc tiu c
l li trc tip, cc tiu theo hàm m. Có hai vn gp khi dùng phng
pháp AdaBoost:
- Th nht: AdaBoost cc tiu theo hàm m ti biên qua tp hun luyn.
ây là tin li, tuy nhiên mc tiêu cui cùng trong các ng dng dùng
phân loi mu thì thng là cc tiu mt giá tr trc tip (tuyn tính) kt
p vi t l li. Mt phân loi mnh c hc bng AdaBoost thì gn
m ti u ca ng dng trong u kin t l li.
- Th hai: AdaBoost li mt thách thc nu dùng phân loi yu hc.
c phân loi ti u khi dùng phân loi yu cn c lng mt
không gian c trng, u này là vn khó, c bit khi s chiu ca
không gian khá ln.
Mt thut toán hc yu có hiu qu và d dùng thì rt cn thit.
FloatBoost xem nh mt cu ni gia mc tiêu ca hc boosting thông thng
(cc i biên) và nhiu ng dng dùng cc tiu t l li thông qua vic kt hp
phng pháp tìm kim Floating và AdaBoost kt hp k thut quay lui.
1.3.4.7. Mô hình Markov n (Hidden Markov Model – HMM).
Samaria và Young dùng HMM 1-chiu (hình 1-9) và 2-chiu (hình 1-10)
trích c trng khuôn mt dùng nhn dng khuôn mt. HMM khai thác
u trúc ca khuôn mt tuân theo các chuyn tip trng thái. T các cùng có c
trng quan trng nh: tóc, trán, mt, mi, và ming, hai ông phân tích theo t
nhiên t trên xung di, mi vùng c thit k thành mt trng thái 1-chiu.
i nh c phân n chun thành nm vùng theo th t t trên xung di
o thành nm trng thái.
t gi thuyt quan trng ca mô hình Markov n là các mu có thc
c tính hóa nh các tin trình ngu nhiên có tham s và các tham s này c
c lng chính xác, ây là mt trong nhng nh ngha rõ ràng. Khi phát trin
Khóa lun tt nghip Tìm hiu mt s phng pháp phát hin khuôn mt trong nh
Lê Hng Chuyên _ CT701 Trang: 24
HMM gii quyt bài toán nhn dng mu, phi xác nh rõ có bao nhiêu trng
thái n u tiên cho hình thái mô hình. Sau ó, hun luyn HMM hc xác sut
chuyn tip gia các trng thái t các mu, mà mi mu c mô t nh mt
chui các quan sát. Mc tiêu hun luyn HMM là cc i hóa xác sut ca quan
sát t d liu hun luyn bng cách u chnh các tham s trong mô hình HMM
thông qua phng pháp phân n Viterbi chun và các thut toán
Baum Welch. Mt cách trc quan, có th chia mt mu khuôn mt ngi thành
nhiu vùng khác nhau nhu, mt, mi, ming, và cm. Có th nhn dng mt
u khuôn mt ngi bng mt tin trình xem xét các vùng quan sát theo mt
th t thích hp (t trên xung di, t trái qua phi). Thay vì tin tng vào
c chính xác v trí l dùng cho các phng pháp da trên so khp hay
a trên din mo (ni xut hin các c trng nh mt và mi cn xác nh v
trí l tt ly c toàn b chi tit ca c trng). Mc tiêu ca hng tip cn
này là kt hp các vùng c trng khuôn mt vi các trng thái ca mô hình.
Thng các phng pháp da vào HMM s xem xét mt mu khuôn mt nh
t chui các vector quan sát, vi mi vector là mt dãy các m nh,
hình 1-9a và hình 1-10. Trong quá trình hun luyn và kim tra, mi nh c
quét theo mt th t và mt quan sát c xem nh mt khi các m nh,
hình 1-9a và hình 1-10. Áp dng mt nh hng theo xác sut chuyn t
trng thái này sang trng thái khác, hình 1-9b, d liu nh c mô hình hóa
ng phân b Gauss nhiu bin. Mt chui quan sát bao gm tt c giá tr cng
t mi khi. Kt qu xut ra cho bit quan sát thuc lp nào. HMM c
dùng nhn dng khuôn mt ngi và xác nh khuôn mt ngi.
