Trong chương này, chúng ta sẽ thảo luận về các giải pháp cho một vấn đề: Đưa ra mô tả ba chiều về khuôn mặt, tư thế và đặc tính phản xạ của khuôn mặt và hình ảnh truy vấn 2D, làm cách nà
Trang 1HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN II
MÔN HỌC: XỬ LÝ ẢNH
ĐỀ TÀI : MÔ HÌNH CHIẾU SÁNG NHẬN DẠNG KHUÔN MẶT
Giảng viên hướng dẫn : PGS TS Lê Hoàng Thái
Thực hiện báo cáo : Trần Minh Thông - N18DCCN218
Lớp: D18CQCN02-N
Trang 2I:MỞ ĐẦU
Những thay đổi về ánh sáng có thể tạo ra sự thay đổi lớn về hình dáng của các khuôn mặt, như được mô tả trong Hình 7.1 Đặc điểm của sự thay đổi này là cơ bản để hiểu cách giải thích các tác động của ánh sáng đối với nhận dạng khuôn mặt Trong chương này, chúng ta sẽ thảo luận về các giải pháp cho một vấn đề: Đưa ra mô tả ba chiều về khuôn mặt, tư thế và đặc tính phản xạ của khuôn mặt và hình ảnh truy vấn 2D, làm cách nào chúng ta có thể xác định hiệu quả liệu điều kiện ánh sáng tồn tại có thể gây ra mô hình này để tạo ra hình ảnh truy vấn? Chúng tôi mô tả các phương pháp giải quyết vấn đề này bằng cách tạo ra các biểu diễn tuyến tính, đơn giản của tập hợp tất cả các hình ảnh mà một khuôn mặt có thể tạo
ra trong mọi điều kiện ánh sáng Các kết quả này có thể được sử dụng trực tiếp trong hệ thống nhận dạng khuôn mặt chụp các mô hình 3D của tất cả các cá nhân cần được nhận dạng Chúng cũng có tiềm năng được sử dụng trong các hệ thống nhận dạng so sánh các hình ảnh 2D chính xác nhưng làm như vậy bằng cách sử dụng kiến thức chung về hình dạng khuôn mặt 3D
Một cách để đo những khó khăn do ánh sáng gây ra, hoặc bất kỳ sự thay đổi nào, là số bậc tự do cần thiết để mô tả nó Ví dụ: tư thế của một khuôn mặt so với máy ảnh có sáu bậc tự do — ba phép quay và ba phép tịnh tiến Biểu hiện trên khuôn mặt có vài chục bậc tự do nếu người ta xem xét số lượng cơ có thể co lại để thay đổi biểu cảm Để mô tả ánh sáng chiếu vào khuôn mặt, chúng ta phải mô tả cường độ ánh sáng chiếu vào từng điểm trên khuôn mặt từ mỗi hướng Tức là ánh sáng là một hàm của vị trí và hướng, nghĩa là ánh sáng có vô số bậc tự do Tuy nhiên, trong chương này, chúng tôi sẽ chỉ ra rằng các hệ thống hiệu quả có thể tính đến các ảnh hưởng của việc chiếu sáng sử dụng ít hơn 10 bậc tự do Điều này có thể có tác động đáng kể đến tốc độ và độ chính xác của hệ thống nhận dạng
Trang 3II: NỀN TẢNG VỀ PHẢN XẠ VÀ ÁNH SÁNG
Cụ thể, theo định luật Lambert, nếu một tia sáng có cường độ l đến từ hướng
ul đến một điểm bề mặt có albedo ρ và hướng pháp tuyến vr, cường độ i phản xạ bởi điểm do ánh sáng này là
Nếu chúng ta sửa ánh sáng và bỏ qua ρ ngay bây giờ, thì ánh sáng phản xạ
điểm đó sẽ là tổng thể so với đóng góp cho mỗi hướng Nếu chúng ta ký hiệu k (u · v) = max (u · v, 0), chúng ta có thể viết:
trong đó biểu thị sự tích hợp trên bề mặt của hình cầu
III:TÁI TẠO VỚI HÌNH DẠNG TRƯỚC
Các phương pháp trước đây sử dụng các bộ sưu tập hình ảnh để tái tạo 3D, điều quan tâm là khám phá các phương pháp có thể khôi phục hình dạng khuôn mặt chỉ từ một hình ảnh duy nhất Gần đây, Kemelmacher – Shlizerman và Basri
đã đề xuất một cách tiếp cận khai thác kiến thức trước đây về hình dạng thô của các khuôn mặt để giải quyết vấn đề tái tạo một góc nhìn đơn lẻ đã được đặt ra
Thuật toán thu được đầu vào là hình ảnh của một khuôn mặt sẽ được tái tạo lại theo mô hình 3D (hình dạng và góc cạnh) của một số khuôn mặt khác nhau Một mô hình như vậy có thể mô tả từng cá nhân có sẵn hình dạng 3D hoặc mô hình
“trung bình” của một bộ sưu tập Sau đó, thuật toán cố gắng tái tạo lại hình dạng của khuôn mặt trong hình ảnh đầu vào về cơ bản bằng cách giải quyết một hình dạng từ bài toán đổ bóng (SFS) Tuy nhiên, trong khiSFS là sai và giải pháp của nó yêu cầu kiến thức về điều kiện ánh sáng, thuộc tính điện trở (albedo) của đối tượng được tái tạo và độ lệch ranh giới (tức là giá trị độ sâu tại các điểm cực trị), thuật toán này ước tính giá trị của chúngbằng cách khai thác sự tương tự của mô hình đầu vào với hình dạng mong muốn
Trang 4Cụ thể, Kemelmacher – Shlizerman và Basri tìm kiếm giải pháp cho vấn đề tối ưu hóa sau:
IV: KẾT LUẬN
Ánh sáng có thể phức tạp tùy ý, nhưng trong nhiều trường hợp, tác dụng của
nó là không Khi các đối tượng là Lambertian, chúng tôi chỉ ra rằng một không gian con tuyến tính 9D đơn giản có thể chụp tập hợp các hình ảnh mà chúng tạo ra Điều này giải thích kết quả thực nghiệm trước đó Nó cũng cung cấp cho chúng tôi một cách mới và hiệu quả để hiểu các tác động của phản xạ Lambertian như của mộtbộ lọc thông thấp trên ánh sáng Hơn nữa, chúng tôi chỉ ra rằng không gian 9D này có thể được tính toán trực tiếp từ một mô hình, dưới dạng các hàm đa thức bậc thấp của các chuẩn bề mặt được chia tỷ lệ của nó Mô tả nàycho phép chúng tôi tạo
ra các thuật toán nhận dạng hiệu quả mà chúng tôi biết rằng chúng tôi đang sử dụng giá trị gần đúng chính xác của hình ảnh của mô hình Ngoài ra, chúng ta có thể sử dụng công thức điều hòa để phát triển các thuật toán tái tạo nhằm khôi phục hình dạng 3D và các góc của vật thể Chúng tôi đánh giá hiệu quả của các thuật toán nhận dạng của mình bằng cách sử dụng cơ sở dữ liệu gồm các mô hình và hình ảnh của các khuôn mặt thật
V: TÀI LIỆU THAM KHẢO
Handbook of Face Recognition
