Hệ thống xác định và đánh giá trạng thái mắt người

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CNTT & TRUYỀN THÔNG



Nguyễn Thị Hƣơng

HỆ THỐNG XÁC ĐỊNH & ĐÁNH GIÁ
TRẠNG THÁI MẮT NGƢỜI


Chuyên ngành: Khoa học máy tính
Mã số: 60.48.01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH


NGƢỜI HƢỚNG DẪN KHOA HỌC
TS. Vũ Duy Linh


Thái Nguyên - 2013

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

ii

LỜI CẢM ƠN

Em xin trân trọng cảm ơn các thầy giáo, cô giáo trong Viện Công nghệ thông
tin, trường Đại học Công nghệ thông tin và truyền thông, Đại học Thái Nguyên
đã nhiệt tình giảng dạy và hết lòng giúp đỡ em trong quá trình học tập và
nghiên cứu đề tài.
Luận văn được hoàn thành tại trường Đại học Công nghệ thông tin và truyền
thông dưới sự hướng dẫn của TS Vũ Duy Linh. Em xin bày tỏ lòng kính trọng
và biết ơn sâu sắc tới thầy.
Em cũng xin chân thành cảm ơn các bạn đồng nghiệp phòng Khảo thí &
Đảm bảo chất lượng trường Đại học Hải Phòng đã tạo điều kiện giúp đỡ trong
quá trình hoàn thành luận văn này.
Sự quan tâm, giúp đỡ của gia đình và bạn bè, đặc biệt lớp Cao học K9C
trường Đại học Công nghệ thông tin và truyền thông đã cổ vũ, động viên em
trong suốt thời gian học tập và thực hiện đề tài.
Mặc dù có nhiều cố gắng song luận văn không thể tránh khỏi những thiếu
sót, tác giả mong nhận được sự đóng góp ý kiến của các thầy cô và các bạn.
Xin chân thành cảm ơn!

Thái Nguyên, tháng 01 năm 2013
Tác giả


Nguyễn Thị Hương

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

3

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “ Hệ thống xác định & đánh giá trạng thái

mắt ngƣời ” là do tôi tự tìm hiểu và đƣợc hoàn thành dƣới sự hƣớng dẫn của
thầy giáo TS Vũ Duy Linh






















Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

4
MC LC
MỞ ĐẦU i
CHƢƠNG I. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN XÁC ĐỊNH

MẶT NGƢỜI TRONG ẢNH SỐ 10
1.1. Xử lý ảnh và các vấn đề cơ bản trong xử lý ảnh. 10
1.1.1. Xử lý ảnh là gì? 10
1.1.2. Các vấn đề cơ bản trong xử lý ảnh 11
1.2. Chuẩn sinh trắc học ( Biometric ) 14
1.2.1. Định nghĩa chuẩn sinh trắc học : 14
1.2.2. Ứng dụng của chuẩn sinh trắc học 14
1.3. Bài toán xác định mặt ngƣời trong ảnh số. 17
1.3.1. Giới thiệu về bài toán xác định mặt ngƣời trong ảnh số 17
1.3.2. Định nghĩa bài toán xác định mặt ngƣời. 17
1.3.3. Các phƣơng pháp chính xác định mặt ngƣời 17
1.4. Ƣu điểm của việc xác định vị trí mắt 18
CHƢƠNG 2. CÁC PHƢƠNG PHÁP XÁC ĐỊNH VỊ TRÍ MẮT NGƢỜI
TRÊN KHUÔN MẶT 20
2.1. Xác định tọa độ mắt bằng cách sử dụng các so sánh mẫu 21
2.1.1. Phƣơng pháp 21
Bằng cách sử dụng hai mô hình 21
2.1.2. Những thuận lợi và khó khăn xác định vị trí mắt khi sử dụng phƣơng
pháp so sánh mẫu 26
2.2. Xác định tọa độ mắt sử dụng phƣơng pháp Moments 26
2.3. Xác định tọa độ mắt bằng cách sử dụng phƣơng pháp chiếu 33
2.4. Xác định tọa độ mắt sử dụng phƣơng pháp Knowledge 46
CHƢƠNG 3. XÂY DỰNG CHƢƠNG TRÌNH VÀ CÀI ĐẶT THỬ
NGHIỆM 47

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

5
3.1. Giới thiệu về Matlab 47
3.2. Thuật toán để phát hiện vị trí của mắt cho hình ảnh sắc nét 47

3.3. Mô tả các CSDL dùng cho thực nghiệm 53
3.3.1. CSDL ORL. 53
3.3.2. CSDL FERET. 54
3.3.3. CSDL SIMILAR. 55
3.3.4. CSDL BIOID. 56
3.4. Phƣơng pháp đánh giá độ chính xác: 57
3.5. Hệ thống đánh giá trạng thái mắt ngƣời 59
3.6. Cấu trúc hệ thống 63
KẾT LUẬN 66
TÀI LIỆU THAM KHẢO 67
















Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

6

DANH MC CÁC HÌNH VẼ, ẢNH CHP

Số hiệu
hình vẽ
Tên hình vẽ
Trang
1.1
Quá trình xử lý ảnh
3
1.2
Các giai đoạn trong xử lý ảnh
3
1.3
Các điểm trên khuôn mặt
12
2
Kết quả xác định các thông số khuôn mặt
13
2.1
Tìm kiếm trung tâm mắt sử dụng phƣơng pháp so sánh mẫu
14
2.2
Các biến thể của các mẫu dùng xác định vị trí mắt
15
2.3
Kết quả xác định vị trí của vùng mắt
16
2.4
Kết quả xác định vị trí của mắt bằng việc sử dụng mẫu b4
17

2.5
Trích chọn vùng mắt trái bằng cách xử lý hai giai đoạn
18
2.6
Xác định tọa độ trung tâm trên hình ảnh nhị phân
19
2.7
Xác định tọa độ trung tâm dựa trên hai phƣơng pháp
21
2.8
Ảnh khuôn mặt, cho mà dự toán tọa độ mắt là sai
22
2.9
Ví dụ ƣớc tính chính xác của tọa độ mắt
23
2.10
Sử dụng các thành phần I2 để xác định trung tâm mắt
25
2.11
Thủ tục xác định tọa độ của mắt (biến thể "a").
28
2.12
Chức năng hoạt nghiệm
28
2.13
Kết quả xác định vị trí mắt sử dụng phƣơng pháp chiếu
30
2.14
Cửa sổ hàm W cho các phiên bản khác nhau của phép quay đầu
31

2.15
Hàm S và F cho các phiên bản khác nhau cảu phép quay đầu
32
2.16
Kết quả dùng phƣơng pháp đơn gian hóa
32
2.17
Một số kết quả xác định tọa độ mắt của CSDL ỎL
33
2.18
Mô hình khuôn mặt đƣợc sử dụng để thử nghiệm
34
2.19
Tính toán và xác minh tọa độ của mắt
34

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

7
2.20
Kết quả tính toán của mắt dòng vị trí trong mỗi nửa mặt
35
2.21
Bám sát vị trí của dòng mắt
38
2.22
Vị trí của dòng mắt trong mỗi nửa mặt.
38
2.23
Tính toán của mắt phối hợp trong chuỗi video

39
3.1
Sơ đồ khối của phƣơng pháp
41
3.2
Kết quả thuật toán xác định vị trí mắt ngƣời
45
3.3
Một số kết quả khác
45
3.4
CSDL ORL
46
3.5
Cơ sở dữ liệu hình ảnh khuôn mặt FERE
47
3.6
Mặt hình ảnh cơ sở dữ liệu tƣơng tự
49
3.7
Cơ sở dữ liệu hình ảnh khuôn mặt BIOID
49
3.8
Trung tâm phối hợp mắt và mối quan hệ giữa chúng
50
3.9
Định vị trí của mắt trên CSDL FERET
51
3.10
Xác định vị trí của mắt trên CSDL BIOID

51
3.11
Giai đoạn tỉnh táo sắp ngủ và ngủ
53
3.12
Đánh giá hƣớng quay theo vị trí mắt ngƣời
55
3.13
Hệ thống đánh giá trạng thái mắt ngƣời
57
3.14
Một ví dụ về việc đánh giá trạng thái của mắt
58









Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

8
MỞ ĐẦU
Thông tin con ngƣời thu nhận từ thế giới bên ngoài, đến hơn 80% đƣợc
ghi nhận bằng mắt tức là ở dạng ảnh. Vì vậy xử lý ảnh là một ngành khoa học
đã, đang và sẽ phát triển mạnh có ứng dụng rộng rãi trong khoa học và đời
sống thực tiễn nhƣ vẽ bản đồ, trong lĩnh vực quảng cáo, siêu thị, trong quân

sự….
Xác định mắt ngƣời trên khuôn mặt là một kỹ thuật máy tính để xác
định các vị trí và các kích thƣớc của mắt ngƣời trong các ảnh bất kỳ (ảnh kỹ
thuật số). Nhận dạng mắt ngƣời là một trong những công việc cơ sở chủ yếu
cho việc căn chỉnh mặt ngƣời và nhận dạng mặt ngƣời. Việc nhận dạng mắt
ngƣời này đang đối mặt với nhiều thách thức khác nhau nhƣ hƣớng nhìn, biểu
hiện cảm xúc của mặt ngƣời thay đổi và các điều kiện ánh sáng khác nhau
thay đổi. Hệ thống nhận dạng làm việc theo cơ chế so sánh ảnh mặt ngƣời đầu
vào với các ảnh mặt ngƣời đƣợc lƣu trữ trong CSDL(Face Recognition
System). Công nghệ nhận dạng mặt ngƣời là một trong những lĩnh vực phát
triển nhanh nhất trong các hệ thống sinh trắc học. Công nghệ sử dụng khuôn
mặt để nhận dạng và điểm đặc biệt là có thể thực hiện việc nhận dạng mà
không cần sự tƣơng tác với ngƣời nhƣ 1 số công nghệ khác(vân tay, con
ngƣơi…).
Ngày nay công nghệ nhận dạng mặt ngƣời đƣợc đƣa vào sử dụng trong
nhiều lĩnh vực trong cuộc sống nhƣ truy tìm tội phạm, đảm bảo an ninh, hộ chiếu
điện tử… Biometric là một phƣơng pháp nhận ra danh tánh của một ngƣời dựa
trên Physiological hoặc hành vi đặc trƣng,các tính năng đo đƣợc mặt, dấu vân
tay, bàn tay geometry, iris, retinal, giọng nói… biometric xác thực ngày càng
đƣợc sử dụng trong các lĩnh vực nhƣ ngân hàng, bán lẻ, quốc phòng, sản xuất, y
tế các ngành công nghiệp, chứng khoán, khu vực công, sân bay an ninh…Sự
phát triển của biometric trên cơ sở sử dụng mặt ngƣời ngày càng lớn.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

9
Xác định vị trí khuôn mặt là 1 trong những điều kiện quan trọng nhất
trong hệ thống nhận dạng mặt ngƣời. Hiệu suất làm việc của hệ thống phụ
thuộc vào việc xác định chính xác vị trí mặt ngƣời trong ảnh ở đầu vào cũng
nhƣ việc xác định vị trí mặt ngƣời khi xây dựng cơ sở dữ liệu cho hệ thống.

Xác định chính xác vị trí mắt ngƣời giúp cho các phƣơng pháp xử lý
ảnh mặt ngƣời đƣợc dễ dàng hơn. Ví dụ sau khi xác định đƣợc vị trí mắt
ngƣời có thể sử dụng để xác định đƣờng đối xứng của khuôn mặt, xây dựng
model của khuôn mặt, sử dụng trong các bài toán đánh giá trạng thái của mắt
ngƣời, chuẩn hóa khuôn mặt theo chuẩn Sinh trắc học.
Đó là lý do mà em chọn đề tài “ Hệ thống xác định & đánh giá trạng thái
mắt ngƣời ”.
Luận văn đƣợc trình bày gồm có 3 chƣơng:
 Chƣơng 1 . Tổng quan về xử lý ảnh và bài toán xác định mặt ngƣời.
 Chƣơng 2 . Các phƣơng pháp xác định vị trị mắt ngƣời
Gồm có : 4 phƣơng pháp
1. Xác định tọa độ mắt sử dụng mẫu so sánh.
2. Xác định tọa độ mắt sử dụng phƣơng pháp Moments.
3. Xác định tọa độ mắt sử dụng phƣơng pháp chiếu.
4. Xác định tọa độ mắt sử dụng phƣơng pháp Knowlegde.
 Chƣơng 3 . Xây dựng chƣơng trình và cài đặt

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

10
CHƢƠNG I. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN XÁC
ĐỊNH MẶT NGƢỜI TRONG ẢNH SỐ
1.1. Xử lý ảnh và các vấn đề cơ bản trong xử lý ảnh.
1.1.1. Xử lý ảnh là gì?
Quá trình xử lý ảnh đƣợc xem nhƣ là quá trình thao tác ảnh đầu vào
nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh
có thể là một ảnh “tốt hơn” hoặc một kết luận.

Hình 1.1 Quá trình xử lý ảnh
Mục đích của xử lý ảnh gồm:
- Biến đổi ảnh, làm tăng chất lƣợng ảnh.
- Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá các nội dung của ảnh.
Nhận biết và đánh giá đƣợc nội dung của ảnh là để phân biệt đƣợc đối
tƣợng này với đối tƣợng khác, từ đó ta có thể mô tả đƣợc ảnh ban đầu. Có
một số phƣơng pháp nhận dạng nhƣ: nhận dạng cạnh của một số đối tƣợng
trên ảnh, tách cạnh, phân đoạn hình ảnh …. Các kỹ thuật này đƣợc ứng dụng
nhiều trong y học nhƣ: xử lý tế bào, nhiễm sắc thể; nhận dạng chữ viết trong
văn bản…






Hình 1.2: Các giai đoạn trong xử lý ảnh
Ảnh
Xử lý ảnh

Ảnh “tốt hơn”
Kết luận
Lƣu trữ
Tiền
xử lý
lylý
Trích
chọn đặc
điểm
Hệ quyết định

Thu nhận ảnh
(Scanner, Camera,
Senssor )
Hậu xử lý
Đối sánh rút
ra kết luận

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

11
1.1.2. Các vấn đề cơ bản trong xử lý ảnh
* Ảnh và điểm ảnh:
- Điểm ảnh đƣợc xem nhƣ là dấu hiệu hay cƣờng độ sáng tại một tọa độ
trong không gian của đối tƣợng ảnh.
- Ảnh đƣợc xem nhƣ là tập hợp các điểm ảnh. Ảnh đƣợc biểu diễn bởi
một mảng số thực hai chiều (I
i j
) có kích thƣớc (m x n), trong đó mỗi phần tử
I
i j
(i = 1…m; j = 1…n) biểu đồ mức xám của ảnh tại vị trí (i, j) tƣơng ứng.
Ảnh đƣợc gọi là ảnh nhị phân nếu các giá trị chỉ nhận 0 hoặc 1.
* Mức xám: Mức xám là kết quả sự mã hóa tƣơng ứng một cƣờng độ
sáng của mỗi điểm ảnh với một giá trị số - kết quả của quá trình lƣợng hóa.
Cách mã hóa thƣờng dùng là 16, 32 hay 64 mức, mã hóa 256 mức là phổ
dụng nhất.
*
Đối tƣợng ảnh: Trong quá trình xử lý ảnh, một ảnh đƣợc thu nhận vào
máy phải đƣợc mã hóa, vì vậy ảnh phải đƣợc lƣu trữ thế nào sao cho các ứng
dụng khác nhau có thể thao tác trên các loại dữ liệu này. Một số dạng ảnh đã

đƣợc chuẩn hóa nhƣ: GIF, BMP, PCX, ; mỗi kiểu lƣu trữ ảnh đều có điểm
riêng. Tùy theo vùng các giá trị xám của điểm ảnh mà các ảnh đƣợc phân chia
ra thành ảnh màu, ảnh xám, ảnh nhị phân. Khi trên một ảnh chỉ có giá trị 0
hoặc 1 thì ta nói đó là ảnh nhị phân hoặc ảnh đen trắng và các điểm ảnh của nó
gọi là điểm ảnh nhị phân. Việc đếm các điểm ảnh trên ảnh nhị phân đã qua biến
đổi tạo điều kiện thuận lợi cho việc tách ra các đặc tính. Để tạo ra một ảnh nhị
phân từ ảnh đa cấp xám ta dùng phƣơng pháp tách ngƣỡng. Các giá trị nằm ở
trên ngƣỡng đƣợc gán giá trị 1 còn ở bên dƣới ngƣỡng thì đƣợc gán giá trị 0.
- Kỹ thuật tách ngƣỡng: Ngƣỡng

trong kỹ thuật tách ngƣỡng thƣờng
đƣợc cho bởi ngƣời sử dụng. Kỹ thuật tìm, tách ngƣỡng tự động nhằm tìm ra
ngƣỡng

một cách tự động dựa vào Histogram theo nguyên lý trong vật lý là
vật thể tách làm 2 phần nếu tổng độ lệch trong từng phần là tối thiểu.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

12
Giả sử ta có ảnh I ~ kích thƣớc m x n; G ~ số mức xám của ảnh kể cả
khuyết thiếu; t(g) ~ số điểm ảnh có mức xám ≤ g.
0
1
( ) . ( ) ~
()
g
i
m g i h i
tg




mômen quán tính trung bình có mức xám ≤ g
Hàm f:
 
2
()
()
( ) ( ) ( 1)
()
g f g
tg
f g m g m G
m n t g
  



Tìm

sao cho:
01
( ) ax { ( )}
gG
f g m f g
  


 Nắn chỉnh biến dạng

Ảnh thu nhận thƣờng bị biến dạng do các thiết bị quang học và điện tử.
Để khắc phục, ngƣời ta sử dụng các phép chiếu, các phép chiếu thƣờng đƣợc
xây dựng trên tập các điểm điều khiển.
 Khử nhiễu
Có hai loại nhiễu cơ bản trong quá trình thu nhận ảnh:
 Nhiễu hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi.
 Nhiễu ngẫu nhiên: là dạng vết bẩn không rõ nguyên nhân nên có thể khắc
phục bằng các phép lọc.
 Chỉnh mức xám
Nhằm khắc phục tính không đồng đều của hệ thống gây ra, thông thƣờng
có hai hƣớng tiếp cận:
 Giảm số mức xám: thực hiện bằng cách nhóm các mức xám gần nhau thành
một bó. Trƣờng hợp chỉ có hai mức xám thì chính là chuyển về ảnh đen trắng.
 Tăng số mức xám: thực hiện nội suy ra các mức xám trung gian bằng kỹ
thuật nội suy. Kỹ thuật này nhằm tăng độ mịn của ảnh.
 Phân tích ảnh
Là khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh.
Trong phân tích ảnh việc trích chọn đặc điểm là một bƣớc quan trọng, các đặc

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

13
điểm của đối tƣợng đƣợc trích chọn tùy theo mục đích nhận dạng trong quá
trình xử lý ảnh. Một số đặc điểm của ảnh nhƣ: đặc điểm không gian, đặc điểm
biến đổi, đặc điểm biên và đƣờng biên.
 Nhận dạng ảnh
Nhận dạng ảnh là quá trình liên quan đến các mô tả đối tƣợng mà ngƣời
ta muốn đặc tả nó. Quá trình nhận dạng thƣờng đi sau quá trình trích chọn các
đặc tính chủ yếu của đối tƣợng. Nhận dạng tự động, mô tả đối tƣợng, phân
loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy,

đƣợc ứng dụng trong nhiều ngành khoa học khác nhau.
Hệ thống nhận dạng tự động bao gồm ba khâu tƣơng ứng với ba giai
đoạn chủ yếu sau: thu nhận dữ kiệu và tiền xử lý, biểu diễn dữ liệu, nhận dạng
và ra quyết định. Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:
Đối sánh mẫu dựa trên các đặc trƣng đƣợc trích chọn, phân loại thống kê, đối
sánh cấu trúc, phân loại dựa trên mạng nơron nhân tạo.
 Nén ảnh
Lƣợng thông tin để biểu diễn cho một ảnh là rất lớn, vì vậy nén ảnh
nhằm giảm thiểu không gian lƣu trữ, thƣờng đƣợc tiến hành theo cả hai
khuynh hƣớng là nén có bảo toàn và nén không bảo toàn thông tin. Nén
không bảo toàn thì thƣờng có khả năng nén cao hơn nhƣng có khả năng phục
hồi kém hơn. Các cách nén ảnh:
 Nén ảnh thống kê: Dựa vào việc thống kê tần xuất xuất hiện của giá trị các
điểm ảnh, trên cơ sở đó mà có chiến lƣợc mã hóa thích hợp. Ví dụ: mã nén
*.TIF.
 Nén ảnh không gian: Dựa vào vị trí không gian của các điểm ảnh để tiến
hành mã hóa. Kỹ thuật này dựa vào sự giống nhau của các điểm ảnh trong các
vùng gần nhau. Ví dụ: mã nén *.PCX.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

14
 Nén ảnh sử dụng phép biến đổi: Tiếp cận theo hƣớng nén không bảo toàn,
kỹ thuật này thƣờng nén hiệu quả hơn. Ví dụ: nén *.JPG.
 Nén ảnh Fractal: sử dụng tính chất Fractal của các đối tƣợng ảnh, thể hiện
sự lặp lại của các chi tiết. Kỹ thuật nén sẽ tính toán để chỉ cần lƣu trữ phần
gốc của ảnh và quy luật sinh ra ảnh theo nguyên tắc Fractal.
1.2. Chuẩn sinh trắc học ( Biometric )
1.2.1. Định nghĩa chuẩn sinh trắc học :
Công nghệ Sinh trắc học (Biometric) – là một công nghệ sử dụng

những thuộc tính vật lý hoặc các mẫu hành vi, các đặc điểm sinh học đặc
trƣng nhƣ dấu vân tay, mẫu mống mắt, giọng nói, khuôn mặt, dáng đi,… để
nhận diện con ngƣời
1.2.2. Ứng dụng của chuẩn sinh trắc học
 Vân tay
Đầu thế kỷ XIX, phát hiện khoa học vẫn còn đƣợc công nhận bởi hai
tính năng quan trọng: Đầu tiên, hai phong cách khác nhau sống núi mẫu vân
tay (Ridge Hoa văn) là khác nhau từ khác có dấu vân tay sống núi của phong
cách sống giống nhau. Nghiên cứu này giúp nhận dạng dấu vân tay tại có thể
có của tội phạm áp dụng chính thức. Thế kỷ XX, các sixties, nhƣ là máy tính
có thể xử lý đồ họa, ngƣời ta bắt đầu xem xét các máy tính để xử lý các dấu
vân tay, vân tay tự động AFIS Hệ thống xác định trong các lĩnh vực thực thi
pháp luật của nghiên cứu, ứng dụng này bắt đầu tới.
Một yêu cầu hệ thống sinh trắc học tốt một cách nhanh chóng và hiệu
quả trong thời gian thực để hoàn thành quá trình nhận dạng của nó. Tất cả các
hệ thống sinh trắc học bao gồm các quá trình điều trị một số sau đây: mua lại,
giải mã, so sánh và kết hợp. Các dấu vân tay cùng công nhận chế biến, bao
gồm chụp ảnh dấu vân tay, vân tay xử lý hình ảnh, tính năng khai thác, tính

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

15
năng phù hợp hơn với quá trình. Những lợi thế của việc sử dụng phƣơng pháp
dấu vân tay đƣợc, đáng tin cậy của nó thuận tiện và dễ dàng đƣợc chấp nhận.
 Võng mạc của mắt
Phân tích các đặc tính phức tạp và độc đáo của công nghệ sinh trắc
học mắt đƣợc chia thành hai khu vực riêng biệt: các công nghệ nhận dạng
mống mắt, và công nhận iris công nghệ. Iris đƣợc bao quanh bởi một lớp mô
màu mống mắt. Iris công nhận hệ thống sử dụng camera để chụp mẫu, sau đó
các dữ liệu thu thập bởi phần mềm này để so sánh với các mẫu lƣu trữ. Là

giác mạc mắt ở dƣới cùng của lớp tế bào máu. Giác mạc là quét để kiểm tra
mật độ thấp hồng ngoại để nắm bắt đặc điểm độc đáo của giác mạc này.
Chúng tôi biết các khu vực ở trung tâm của giác mạc đều đƣợc kiểm tra, các
tế bào máu do đó sẽ là phƣơng thức duy nhất của capturing. Iris công nghệ
nhận dạng sinh trắc học đƣợc coi là tốt nhất. Tuy nhiên, mặc dù độ chính xác
cao, mọi ngƣời thƣờng nghĩ rằng công nghệ này là không thuận tiện. Vì vậy,
rất khó để có đƣợc chấp nhận phổ quát của ngƣời dùng cuối. Giác mạc đã
đƣợc quét bằng máy quét cần thiết để đọc thông tin giác mạc trong thẳng
đứng cố định của nó. Scanner cho mắt và mù mắt giác mạc và với ngƣời dân
là không hợp lệ.
 Bề mặt lỗ
Hệ thống nhận dạng khuôn mặt bằng cách phân tích các tính năng mặt
của hình dạng độc đáo, mô hình và vị trí để xác định ngƣời dân. Về cơ bản có
hai cách để xử lý dữ liệu: máy ảnh và lập bản đồ nhiệt. Standard camera video
đƣợc xây dựng từ máy ảnh để chụp hình ảnh khuôn mặt. Phân tích kỹ thuật
của nhiệt vẽ các mạch máu dƣới da xảy ra các mô hình nhiệt. Việc kháng cáo
của sinh trắc học là nó có thể đƣợc con ngƣời-máy tính tƣơng tác. Tuy nhiên,
hệ thống này là rất không đáng tin cậy và đắt tiền. Ví dụ, nó không thể phân
biệt giữa các cặp sinh đôi hoặc sinh ba, không thể nhận ra những lý lẽ làm

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

16
ngƣời sử dụng cuối cùng không thể xác định đƣợc kính không đeo kính với
cùng một ngƣời.
 Âm thanh
Xác định đƣợc dựa trên đặc điểm sinh lý âm thanh và hành vi sử dụng
của ngƣời phát biểu của giọng nói và các mẫu ngôn ngữ. Nó khác với công
nghệ nhận dạng giọng nói không phải là để nói những lời tự đƣợc xác định.
Nhƣng chỉ có thông qua phân tích các tính năng thoại, chẳng hạn nhƣ tần số

của âm thanh để xác định các loa. Bài phát biểu công nhận công nghệ cho
phép mọi ngƣời có thể có khả năng nói tiếng nói để kiểm soát truy cập vào
khu vực hạn chế. Ví dụ, điện thoại quay số ngân hàng, các dịch vụ cơ sở dữ
liệu, mua sắm hoặc voice mail, và truy cập đến các thiết bị bí mật. Một ngƣời
bị cảm lạnh có thể sai một từ chối công nhận không sử dụng hệ thống nhận
dạng giọng nói.
 . Chữ ký
Chữ ký công nhận, còn đƣợc gọi là việc xác định chữ ký cơ khí. Nó
phân tích các cây bút di chuyển, chẳng hạn nhƣ tăng tốc, áp lực, chỉ đạo,
chiều dài của đột quỵ, chứ không phải là chữ ký của các hình ảnh bản thân.
Sự khác biệt chính giữa chữ ký cơ học của các bộ phận khác nhau của chữ ký,
một số, phong tục khác là khác nhau trong mỗi chữ ký. Việc sử dụng chữ ký
đã đƣợc chấp nhận rộng rãi, trong các ứng dụng khác nhau, từ Tuyên ngôn
Độc lập vào thẻ tín dụng có thể đƣợc nhìn thấy. Tuy nhiên, vấn đề công nhận
chữ ký vẫn còn tồn tại trong quá trình đạt đƣợc sự công nhận để sử dụng theo
cách thức và ký đo lặp. Hệ thống kiểm soát đã đƣợc lập trong một số cách để
chấp nhận thay đổi.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

17
1.3. Bài toán xác định mặt ngƣời trong ảnh số.
1.3.1. Giới thiệu về bài toán xác định mặt ngƣời trong ảnh số
Trong những năm qua, có rất nhiều công trình nghiên cứu về bài toán
nhận dạng mặt ngƣời. Các nghiên cứu đi từ bài toán đơn giản, từ việc nhận
dạng một mặt ngƣời trong ảnh đen trắng cho đến mở rộng cho ảnh mầu và có
nhiều mặt ngƣời trong ảnh. Đến nay các bài toán xác định mặt ngƣời đã mở
rộng với nhiều miền nghiên cứu nhƣ nhận dạng khuôn mặt, định vị khuôn
mặt, xác định trạng thái mắt ngƣời, theo dõi mặt ngƣời hay nhận dạng cảm
xúc mặt ngƣời…

Phát hiện mặt ngƣời trong ảnh là phần đầu tiên của một hệ thống nhận
dạng mặt ngƣời. Các hệ thống nhận dạng khuôn mặt đƣợc bắt đầu xây dựng
từ những năm 1970, tuy nhiên do còn hạn chế về các luật xác định mặt ngƣời
nên chỉ đƣợc áp dụng trong một số ứng dụng nhƣ nhận dạng thẻ căn cƣớc. Nó
chỉ đƣợc phát triển mạnh mẽ từ những năm 1990 khi có những tiến bộ trong
công nghệ video và ngày nay thì các ứng dụng của xác định mặt ngƣời đã trở
nên phổ biến trong cuộc sống.
1.3.2. Định nghĩa bài toán xác định mặt ngƣời.
Xác định khuôn mặt ngƣời là một kỹ thuật máy tính để xác định các vị trí
và kích thƣớc của các khuôn mặt ngƣời trong các ảnh số bất kì. Kỹ thuật này
nhận biết các đặc trƣng của khuôn mặt và bỏ qua những thứ khác xung quanh
đối tƣợng nhƣ: tòa nhà, cây cối, cơ thể…
1.3.3. Các phƣơng pháp chính xác định mặt ngƣời
Dựa vào tính chất của các phƣơng pháp xác định mặt ngƣời trên ảnh, các
phƣơng pháp này đƣợc chia thành bốn loại chính, tƣơng ứng với bốn hƣớng
tiếp cận khác nhau. Ngoài ra cũng có rất nhiều nghiên cứu mà phƣơng pháp
xác định mặt ngƣời không chỉ dựa vào một hƣớng mà có liên quan đến nhiều
hƣớng.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

18
 Hướng tiếp cận dựa trên tri thức: Dựa vào các thuật toán, mã hóa các
đặc trƣng và quan hệ giữa các đặc trƣng của khuôn mặt thành các luật.
Đây là hƣớng tiếp cận theo kiểu top-down
 Hướng tiếp cận dựa trên đặc trưng không thay đổi: Xây dựng các thuật
toán để tìm các đặc trƣng của khuôn mặt mà các đặc trƣng này không
thay đổi khi tƣ thế khuôn mặt hay vị trí đặt camera thay đổi.
 Hướng tiếp cận dựa trên so sánh khớp mẫu: Dùng các mẫu chuẩn của
khuôn mặt (các mẫu này đã đƣợc chọn và lƣu trữ) để mô tả các khuôn

mặt hay các đặc trƣng của khuôn mặt (các mẫu này đƣợc chọn tách biệt
theo tiêu chuẩn đã đƣợc các tác giả đề ra để so sánh). Phƣơng pháp này
có thể dùng để xác định vị trí hay dò tìm khuôn mặt trên ảnh.
 Hướng tiếp cận dựa trên diện mạo: Trái ngƣợc với hƣớng tiếp cận dựa
trên khuôn mẫu, các mô hình (hay các mẫu) sẽ đƣợc học từ một tập ảnh
huấn luyện mà thể hiện tính chất tiêu biểu của sự xuất hiện của mặt
ngƣời trong ảnh. Sau đó hệ thống (mô hình) sẽ xác định mặt ngƣời.
Phƣơng pháp này còn đƣợc biết đến với tên gọi tiếp cận theo các phƣơng
pháp học máy.
1.4. Ƣu điểm của việc xác định vị trí mắt
 Trích những đặc tính khuôn mặt
Đối với việc rút trích những đặc tính, mắt là đặc tính quan trọng của
khuôn mặt. Do đó, chúng ta cần nghiên cứu để tìm và xác định nó. Lý do mà
chúng ta phải nghiên cứu nó là vì:
- Mắt là nguồn thông tin quan trọng về tình trạng của con ngƣời.
- Sự xuất hiện của mắt là ít thay đổi nhất trên khuôn mắt.
- Việc biết vị trí của mắt cho phép chúng ta chỉ ra đƣợc tỷ lệ của khuôn mặt.
- Việc định vị chính xác mắt giúp ta chỉ ra đƣợc những đặc tính khác
trên khuôn mặt.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

19
Từ trung tâm của mắt, chúng ta có thể xác định đƣợc những điểm
chuẩn khác.

Hình 1.3 Các điểm trên khuôn mặt
Trong đó : Khuôn mặt có 27 điểm, 13 điểm trích ra từ hình ảnh (màu xanh),
14 điểm suy luận ra (màu đỏ)
Hiện nay, có rất nhiều bài toán liên quan tới việc xác định vị trí mắt

ngƣời: Xác định trạng thái mắt nhắm hay mở (hệ thống đặt trên ô tô để kiểm
soát lái xe, hay hệ thống kiểm tra bảo vệ ngủ tại các cơ quan quan trọng, xác
định hƣớng nhìn của khuôn mặt dựa trên vị trí mắt, xây dựng model khuôn
mặt…










Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

20
CHƢƠNG 2. CÁC PHƢƠNG PHÁP XÁC ĐỊNH VỊ TRÍ MẮT NGƢỜI
TRÊN KHUÔN MẶT
Trong chƣơng này sẽ giới thiệu một số phƣơng pháp phát hiện mắt và
xác định tọa độ của mắt trung tâm.
Mắt là một trong những chỗ tiếp xúc với những nơi biến dạng trên một
khuôn mặt (ví dụ nhƣ bằng cách biểu hiện trên khuôn mặt) và đặc biệt : một
phần khác đối mặt với thay đổi nhƣ vậy sắc nét. Tìm kiếm mắt là thao tác
chính,nó phụ thuộc tính toán thêm tham số mặt. Ví dụ về các thông số, mà có
thể xác định là: Tam giác nơi kiểm tra một khuôn mặt, đặc điểm trên khuôn
mặt, tọa độ của các mắt trung tâm và trục đối xứng khuôn mặt, khoảng cách
giữa các trung tâm của mắt.

Hình 2 . Kết quả xác định các thông số khuôn mặt

Trục đối xứng khuôn mặt có thể đƣợc xác định từ ví dụ trên cơ sở tọa
độ của các mắt trung tâm hay góc của mắt. Tuy nhiên, hiệu quả của phƣơng
pháp phát hiện mắt (hoặc xác định tọa độ của mắt góc) là giới hạn thông qua
đôi mắt có thể đóng cửa hoặc ảnh hƣởng của kính.
Có rất nhiều phƣơng pháp tiếp cận đƣợc biết đến phát hiện mắt và xác
định tọa độ của các mắt trung tâm, dƣới đây em chỉ mô tả cơ bản một số thuật
toán mà dựa trên:
 So sánh mẫu
 Phƣơng pháp Moments
 Phƣơng pháp chiếu
 Phƣơng pháp Knowledge

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

21
2.1. Xác định tọa độ mắt bằng cách sử dụng các so sánh mẫu
2.1.1. Phƣơng pháp
Bằng cách sử dụng hai mô hình, một trong những nơi có thể chính xác
bản địa hoá mắt trên khuôn mặt. Ví dụ về cách tiếp cận nhƣ vậy cho thấy trên
hình 2.1 ta thấy:
1- Hình ảnh ban đầu
2- Mẫu của một phần trung tâm của khuôn mặt
3- Mẫu mắt trái của con ngƣời
4- Kết quả của địa phƣơng hoá khu vực mặt từ mẫu 2
5- Vùng mặt, nơi mắt đã tìm thấy và kết quả xác định vị trí của mắt trái
6- Xác định mắt trung tâm bằng cách sử dụng đƣờng chéo của hình
chữ nhật để mô tả khu vực xác định vị trí mắt.

Hình 2.1 Tìm kiếm trung tâm mắt sử dụng phương pháp so sánh mẫu
Trong ví dụ này, mắt trung tâm là giao điểm đƣờng chéo của hình chữ

nhật trên khu vực xác định vị trí mắt. Đây cũng là trung tâm của hình chữ
nhật - điểm này đƣợc đặt ở giữa của chiều rộng và chiều cao của hình chữ
nhật. Từ kết quả này, tính chính xác độ tính toán tọa độ của mắt phụ thuộc
vào độ chính xác của việc trích vùng mắt và đối xứng của vùng liên quan với
con ngƣời đƣợc xác định vị trí mắt. Mặt khác, tính chính xác của trích chọn
của vùng mắt và đối xứng của nó phụ thuộc vào chất lƣợng của các mẫu và
thích nghi với mắt trên hình ảnh đƣa vào.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

22
Các biến thể của mẫu, nó đƣợc sử dụng xác định vị trí vùng mắt, đƣợc trình
bày trên hình 2.2

1
2
3
4

a


b
c

d

Hình 2.2 Các biến thể của các mẫu dùng xác định vị trí mắt

Trong hình 2.3 trình bày kết quả xác định vị trí của vùng mắt trên hình

ảnh khuôn mặt từ cơ sở dữ liệu ORL. Nhiều biến thể của các mẫu đƣợc sử
dụng:
- Ví dụ đầu tiên - mẫu b1 từ hình 2.2 (chiết xuất từ khuôn mặt thực), và
các mẫu nhân tạo c4 và b4 từ hình 2.2.
- Ví dụ thứ hai - mẫu nhân tạo của bộ phận trung tâm của khuôn mặt và
các mẫu c4 và c2 từ hình 2.2.
Ta có thể thấy trên hình 2.3 rằng kết quả nhận đƣợc của vùng mắt xác
định vị trí hiển thị cao hiệu quả và hữu ích thực tế của phƣơng pháp so sánh
các mẫu (bất kể là đã lựa chọn mắt trái hoặc mắt phải).Ta có thể biết chắc
chắn rằng kết quả xác định vị trí không phụ thuộc vào biến thể của mẫu đƣợc
sử dụng. Tuy nhiên, một trong những chú ý là những trở ngại trên khuôn mặt
(mắt đóng và kính) có ảnh hƣởng đáng kể vào kết quả xác định vị trí. Bên
cạnh đó, ta có thể nhận thấy thiếu đối xứng của vùng đƣợc xác định vị trí chú
ý con ngƣời của mắt. Kết quả từ đó, mà không phải luôn luôn có thể tìm thấy

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

23
trung tâm của mắt đƣợc rút ra trên các vùng bằng phƣơng tiện chính giữa của
hình chữ nhật.
Do đó, để xác định tọa độ trung tâm của mắt nói chung trong trƣờng hợp là
cần thiết sau các bƣớc:
1. Sử dụng các mẫu giống nhau nhƣ hình dạng của mắt ngƣời;
2. Thay đổi thủ tục tìm vùng mắt;
3. Sử dụng thêm toán tử xác định vị trí của mắt trung tâm bên trong các
khu vực đƣợc xác định.
Mẫu
1
2
3

4

Hình 2.3 Kết quả xác định vị trí của vùng mắt

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

24
Ảnh hƣởng của hình dạng mẫu trên kết quả xác định vị trí của mắt (đối
xứng của vùng mắt ) đƣợc trình bày trên hình 2.4, nơi mà mẫu b4 từ hình 2.2
đã đƣợc sử dụng để xác định vị trí của mắt.
Hình 2.4 cho thấy kết quả xác định vị trí của vùng mắt và tìm kiếm trung
tâm mắt bằng cách sử dụng mẫu b4 cho khuôn mặt mà không có kính là tốt
hơn nhiều so với kết quả giới thiệu vào hình 2.3. Hầu nhƣ trong mọi mẫu học
sinh đƣợc đặt ở trung tâm của khu vực đƣợc giải nén. Cho rằng lý do xác định
tọa độ trung tâm của mắt có thể đƣợc thực hiện trên cơ sở ƣớc lƣợng trung
tâm của khu vực chiết xuất.
Hầu hết các mẫu giống nhau nhƣ hình dạng của mắt ngƣời tự nhiên có
thể đƣợc tìm thấy trong kỹ thuật văn học dành những vấn đề của biểu thức
phân tích (khuôn mặt biểu thức phân tích).

Hình 2.4. Kết quả xác định vị trí của mắt bằng việc sử dụng mẫu b4
Thêm các toán tử xác định vị trí của vùng mắt trung tâm bên trong các
khu vực đƣợc giải nén có thể dựa vào: hai giai đoạn (ba giai đoạn) tìm thủ tục
tƣơng tự vào thuật toán đƣợc trình bày trên hình 2.1, kim tự tháp của hình ảnh
đầu vào, thủ tục sử dụng nhiều mẫu, tìm kiếm dọc theo các khu vực mắt xoắn

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

25
ốc bằng phƣơng tiện của các mẫu, sử dụng sự tƣơng quan lẫn nhau giữa các

mẫu và khu vực dƣới nó.
Thay đổi tìm kiếm quá trình của vùng mắt trên khuôn mặt có thể dựa vào
thủ tục hai giai đoạn, nơi vào giai đoạn đầu tiên của mắt đƣợc tính toán, giai
đoạn sau tìm kiếm mắt dọc theo dòng này - độ lệch từ dòng mắt trong tìm
kiếm quá trình  5 điểm ảnh không thể lớn hơn.
Kết quả tìm kiếm vùng mắt nghĩa là sử dụng hai giai đoạn dùng mô hình
c4 đƣợc trình bày trên hình 2.5, nơi đƣờng ngang dòng mắt, và vùng đƣợc
giải nén mắt đƣợc đánh dấu bằng các hình chữ nhật. Trên hình ta có thể thấy
rằng mặc dù sử dụng các mẫu không tốt nhất (mẫu c4) có thể nhận đƣợc kết
quả rất tốt xác định vị trí của mắt.

Hình 2.5 Trích chọn vùng mắt trái bằng cách xử lý hai giai đoạn
Ta thấy rằng, trong ví dụ trình bày tọa độ dọc theo 10% độ dài khuôn
mặt. Vì lý do đó mà sự so sánh trong trình tự hai giai đoạn đƣợc xem nhƣ là
nhỏ hơn trình tự một giai đoạn nơi mà phối hợp dọc theo trục Y thay đổi trong
phạm vi 40% của chiều dài khuôn mặt.