Phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần

Phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần Đào Vũ Chiến Trường Đại học Công nghệ Khoa Công nghệ thông tin Luận văn Thạc sĩ ngành: Hệ thống thông tin; Mã số: 60 48 05

Phát hiện mặt người trong ảnh theo hướng

tiếp cận thành phần

Đào Vũ Chiến

Trường Đại học Công nghệ Khoa Công nghệ thông tin Luận văn Thạc sĩ ngành: Hệ thống thông tin; Mã số: 60 48 05

Người hướng dẫn: PGS TS Đỗ Năng Toàn

Năm bảo vệ: 2011

Abtract: Khái quát về xử lý ảnh và phát phát hiện mặt người trong ảnh: giới

thiệu tổng quan về các khái niệm căn bản trong lĩnh vực xử lý ảnh và của bài toán phát hiện mặt người trong ảnh, xác định bài toán và những khó khăn gặp phải khi giải quyết bài toán này Phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần: giới thiệu một số kĩ thuật phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần (Sử dụng kỹ thuật PCA - Principal Components Analysis, phương pháp sử dụng đặc trưng Haar kết hợp Adaboost, dựa trên đặc trưng không thay đổi, dựa trên so khớp mẫu) Trình bày chương trình thử nghiệm: xác định yêu cầu của bài toán, phân tích thiết

kế và giới thiệu chức năng chính, cài đặt thử nghiệm một chương trình phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần

Keywords: Xử lý ảnh; Hệ thống thông tin; Công nghệ thông tin; Nhận dạng

hình ảnh

Content

Hơn một thập kỷ vừa qua, thế giới đã chứng kiến sự xuất hiện của rất nhiều công trình nghiên cứu về bài toán xác định khuôn mặt người, từ ảnh đen trắng, xám đến ảnh màu, từ ảnh tĩnh đến những dữ liệu ảnh thu nhận được từ camera như ngày hôm nay Phát hiện khuôn mặt trong ảnh số là vấn đề đang được quan tâm và phát triển Nhiều hướng tiếp cận, nhiều phương pháp được nghiên cứu và đề xuất để phát hiện khuôn mặt trong ảnh hoặc chuỗi ảnh Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều của con người

Bài toán xác định khuôn mặt người (Face Detection) là một phần quan trọng trong bài toán nhận dạng mặt người, một bài toán liên quan đến rất nhiều ứng dụng trong thực tế đời sống Sau đây là một số ứng dụng đã và đang được thiết kế:

 Hệ thống phát hiện tội phạm: camera được đặt tại một số điểm công cộng như: siêu thị, nhà sách, trạm xe buýt, sân bay, Khi phát hiện được sự xuất hiện của các đối tượng là tội phạm, hệ thống sẽ gởi thông điệp về cho trung tâm xử lý

 Hệ thống theo dõi nhân sự trong một đơn vị: giám sát giờ ra vào của từng nhân viên và chấm công

 Hệ thống giao tiếp người máy: thay thế việc tương tác giữa người và máy theo những cách truyền thống như: Bàn phím, chuột, thay vào đó là sử dụng các giao tiếp trực quan: Biểu cảm khuôn mặt, dấu hiệu, cử chỉ bằng tay (visual input, visual interaction)

 Hệ thống tìm kiếm thông tin trên ảnh, video dựa trên nội dung (chỉ mục theo người) Chẳng hạn như: Đài truyền hình Việt Nam (VTV) có một kho dữ liệu video tin tức khá lớn cần tìm kiếm nhanh những đoạn video nào có G Bush hoặc Bin Laden

 Các hệ thống bảo mật dựa trên thông tin trắc sinh học: Mặt người, vân tay, thay vì xác nhận mật khẩu, khoá,

Đề tài được tổ chức thành ba chương với nội dung:

Chương 1 Khái quát về xử lý ảnh và phát phát hiện mặt người trong ảnh: Giới thiệu tổng quan về các khái niệm căn bản trong lĩnh vực xử lý ảnh và

của bài toán phát hiện mặt người trong ảnh, xác định bài toán và những khó khăn gặp phải khi giải quyết bài toán này

Chương 2 Phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần: Giới thiệu một số kĩ thuật phát hiện mặt người trong ảnh theo hướng tiếp

cận thành phần

Chương 3 Chương trình thử nghiệm: Xác định yêu cầu của bài toán, phân

tích thiết kế và giới thiệu chức năng chính, cài đặt thử nghiệm một chương trình phát hiện mặt người trong ảnh theo hướng tiếp cận thành phần

Reference:

Tiếng Việt

[1] Trần Lê Hồng Dũ ( 2005 ), “Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm”,

Khoa Công nghệ thông tin, ĐH Khoa học tự nhiên, Đại học quốc gia thành phố

Hồ Chí Minh

[2] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan

Phúc Doãn , “Tổng quan các phương pháp xác định khuôn mặt người”

[3] Đỗ Năng Toàn, Phạm Việt Bình (2007), "Giáo trình xử lý ảnh", ĐH Thái

Nguyên

[4] Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai (2008), “Trích chọn đặc

trưng wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng Việt”,

Viện công nghệ thông tin Hà Nội

Tiếng Anh

[5] Bernhard Froba and Walter Zink, On the Combination of Different Template

Matching Stategies for Fast Face Detection”, MCS 2001, LNCS 2096, pp

418-428, Springer-Verlag Berlin Heidelberg, 2001

[6] D.G Kendall, “Shape Manifolds, Procrustean Metrics, and Complex Projective

Shapes”, Bull London Math Soc, vol 16, pp 81-121, 1984

[7] Daniel Keren, Margarita Osadchy and Craig Gotsman, “Antifaces: A Novel,

Fast Method for Image Detection”, IEEE Transaction on Pattern Analysis and

Machine Intelligence, vol 23, no 7, IEEE, 2001

[8] Fuzhen Huang and Jianbo Su, “Multiple Face Contour Detection Using

adaptive Flows”, Sinobiometrics 2004, LNCS 3338, pp 137-143,

Springer-Verlag Berlin Heidelberg, 2004

[9] Gary G Yen and Nethrie Nithianandan, “Automatic Facial Feature Extraction

Using Edge Distribution and Genetic Search”, International Journal of

Computational Intelligence and Applications, vol 3, no 1, pp 89-100, Imperial College Press, 2003

[10] H Rowley, S Baluja, T Kanade, “Neural network-based face detection”,

IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol

20, No 1, pp 23-38, Jan 1998

[11] H.P Graf, T Chen, E Petajan, and E Cosatto, “Locating Faces and Facial

Parts”, Proc First Int’l Workshop Automatic Face and Gesture Recognition,

pp 41-46, 1995

[12] Hannes Kruppa, Martin A Bauer, and Bernt Schiele, “Skin Patch Detection in

Real-World Images”, DAGM 2002, LNCS 2449, pp 109-116, Springer- Verlag

Berlin Heidelberg, 2002

[13] Hideaki Sato, Katsuhiro Sakamoto, Yasue Mitsukura, and Norio

Akamatsu, “Face Edge Detection System by Using the GAs”, KES 2004, LNAI

3213, pp 847-852, Springer-Verlag Berlin Heidelberg, 2004

[14] J Canny, “A Computational Approach to Edge Detection”, IEEE Trans Pattern

Analysis and Machine Intelligence, vol 8, no 6, pp 679-698, June 1986

[15] J Sobottka and I Pitas, “Segmentation and Tracking of Faces in Color

Images”, Proc Second Int’l Conf Automatic Face and Gesture Recognition,

pp 236-241, 1996

[16] Jin Ok Kim, Jin Soo Kim, and Chin Hyun Chung, “Face Region Dectection on

Skin Chrominance from Color Images by Facial Features”, ICADL 2004,

LNCS 3334, pp 646, Springer-Verlag Berlin Heidelberg, 2004

[17] K C Yow, R Cipolla, “Feature-Based Human Face Detection”, Image and

Vision Computing, Vol 15, No 9, pp 713-735, 1997

[18] K Lam and H Yan, “Fast Algorithm for Locating Head Boundaries,”

J.Electronic Imaging, vol 3, no 4, pp 351-359, 1994

[19] Kang Ryoung Park, “Gaze Detection System by Wide and Auto Pan/Tilt

Narrow View Camera”, DAGM 2003, LNCS 2781, pp 76-83, Springer- Verlag

Berlin Heidelberg, 2003

[20] Kenji Iwata, Hitoshi Hongo, Kazuhiko Yamamoto, and Yoshinori Niwa,

“Robust Facial Parts Detection by Using Four Directional Features and Relaxation Matching“, KES 2003, LNAI 2774, pp 882-888, Springer-Verlag

Berlin Heidelberg, 2003

[21] Kim-Fung Jang, Ho-Man Tang, Michael R Lyu, and Irwin King, “A Face

Processing System Based on Committee Machine: The Approach and Experimental Results“, CAIP 2003, LNCS 2756, pp.614-622, Springer-Verlag

Berlin Heidelberg, 2003

[22] Klaus J Kirehberg, Oliver Jeorsky and Robert W Frischholz, “Genetic Model

Optimization for Hausdorff Distance-Based Face Localization”, Biometric

Authentication, LNCS 2359, pp 103-111, Springer-Verlag Berlin Heidelberg,

2002

[23] Mark Everingham and Andrew Zisserman, “Automated Person Identification in

Video”, CIVR 2004, LNCS 3115, pp 289-298, Springer-Verlag Berlin

Heidelberg, 2004

[24] P Sinha, “Object Recognition via Image Invariants: A Case Study”,

Investigative Ophthalmology and Visual Science, vol 35, no 4, pp 1735-1740,

1994

[25] P Sinha, “Processing and Recognizing 3D Forms,” PhD thesis, Massachusetts

Inst of Technology, 1995

[26] Rein-Lien Hsu, Mohamed abdel-Mottaleb, and Anil K Jain, “Face Detection in

Color Images”, IEEE Transaction on Pattern Analysis and Machine Intelligent,

vol 24, no 5, pp 696-706, 2002

[27] Rogerio S Feris, Jim Gemmell, Kentaro Toyama, and Volker Kruger,

“Hierarchical Wavelet Networks for Facial Feature Localization”, Proceedings

of Fifth IEEE International Conference on Automatic Face and Gesture Recognition, pp 118-123, 2002

[28] S A Sirohey, “Human Face Segmentation and Identification, Technical

Report”, CS-TR-3176, Univ of Maryland, 1993

[29] Shou-Der Wei and Shang-Hong Lai, “An Efficient Algorithm for Detecting

Faces from Color Images”, PCM 2002, LNCS 2532, pp 1177-1184, Springer-

Verlag Berlin Heidelberg, 2002

[30] Stephen C Y Chan and Paul H Lewis, “A Pre-filter Enabling Fast Frontal

Face Detection”, Visual’99,LNCS 1614, pp 777-785, Springer-Verlag Berlin

Heidelberg, 1999

[31] T Darrell, G Gordon, M Harville, and J Woodfill, “Integrated Person

Tracking Using Stereo, Color, and pattern Detection”, International Journal of

Computer Vision 37(2), 175-185, Kluwer Academic Publishers, the Netherlands, 2000

[32] T.K Leung, M.C Burl, and P Perona, “Finding Faces in Cluttered Scenes

Using Random Labeled Graph Matching”, Proc Fifth IEEE Int’l Conf

Computer Vision, pp 637-644, 1995

[33] http://www.ieev.org/2010/03/adaboost-haar-features-face-detection.html, truy cập ngày cuối cùng 1/11/2011