NHẬN DIỆN CHỚP MẮT VÀ CẢNH BÁO BUỒN NGỦ KHI LÁI XE TRÊN NỀN WINDOWS VÀ ANDROID

NHẬN DIỆN CHỚP MẮT VÀ CẢNH BÁO BUỒN NGỦ KHI LÁI XE TRÊN NỀN WINDOWS VÀ ANDROID Phát hiện buồn ngủ khi lái xe cũng là một trong những vấn đề quan trong khi tham gia giao thông bằng xe ô tô. Với thực trạng tai nạn giao thông và đặc điểm ngành nghề của những tài xế lái xe đường dài, vào ban đêm hay rạng sáng họ rất dễ rơi vào trạng thái buồn ngủ và gây ra tai nạn đáng tiếc. Nhận thấy sự cấp thiết của vấn đề trên, các hãng sản xuất xe lớn cũng dã phát triển những thiết bị cảnh báo như hệ thống cảnh báo mệt mỏi của MercedesBenz – Autonet, BMW từng đưa ra kế hoạch về hệ thống nhận diện người lái, Toyota và một số hãng xe Nhật Bản lại đưa ra ghế ngồi đo cảm biến áp suất tim mạch. Gần đây thì phương pháp phát hiện buồn ngủ dựa theo chu kỳ sinh học của mắt đã và đang được thực hiện như một ứng dụng của công nghệ xử lý ảnh

KHOA ÐIỆN – ÐIỆN TỬ

BỘ MÔN VIỄN THÔNG

LUẬN VĂN TỐT NGHIỆP

NHẬN DIỆN CHỚP MẮT VÀ CẢNH BÁO BUỒN NGỦ KHI LÁI XE TRÊN NỀN

-     

Số: /BKĐT Khoa: Điện – Điện tử Bộ Môn: Viễn Thông NHIỆM VỤ LUẬN VĂN TỐT NGHIỆP Họ và tên: LÊ THẾ HẢI MSSV: 40700665 Họ và tên: LÊ THANH HÒA MSSV: 40700884 Ngành: VIỄN THÔNG LỚP: DD07DV1 1 Đầu đề luận văn: “ Nhận diện chớp mắt và cảnh báo buồn ngủ khi lái xe trên nền Windows và Android ” 2 Nhiệm vụ ( Yêu cầu về nội dung và số liệu ban đầu):

3 Ngày giao nhiệm vụ luận văn:

4 Ngày hoàn thành nhiệm vụ:

5 Họ và tên người hướng dẫn: Phần hướng dẫn

Nội dung và yêu cầu LVTN đã được thông qua Bộ Môn

Ngày tháng năm 2011 CHỦ NHIỆM BỘ MÔN NGƯỜI HƯỚNG DẪN CHÍNH (Ký và ghi rõ họ tên) (Ký và ghi rõ họ tên) PHẦN DÀNH CHO KHOA, BỘ MÔN: Người duyệt (chấm sơ bộ):

Đơn vị:

Ngày bảo vệ:

Điểm tổng kết:

Ngày tháng năm 201…

PHIẾU CHẤM BẢO VỆ LVTN

(Dành cho người hướng dẫn)

1 Đề tài: “ Nhận diện chớp mắt và cảnh báo buồn ngủ khi lái xe trên nền Windows và Android ”

2 Họ tên người hướng dẫn: PGS TS HOÀNG ĐÌNH CHIẾN

3 Tổng quát về bản thuyết minh:

Số trang Số chương

Số bảng số liệu Số hình vẽ

Số tài liệu tham khảo Phần mềm tính toán

4 Tổng quát về các bản vẽ: - Số bản vẽ: .bản A1 .bản A2 .khổ khác - Số bản vẽ tay - Số bản vẽ trên máy tính

5 Những ưu điểm chính của LVTN:

6 Những thiếu sót chính của LVTN:

7 Đề nghị: Được bảo vệ , Bổ sung thêm để bảo vệ , Không được bảo vệ  8 3 câu hỏi sinh viên trả lời trước Hội Đồng: a)

b)

c)

9 Đánh giá chung (bằng chữ: giỏi, khá, TB): Điểm ……….

Ký tên (ghi rõ họ tên)

Ngày tháng năm 201…

PHIẾU CHẤM BẢO VỆ LVTN

(Dành cho người phản biện)

10 Đề tài: “ Nhận diện chớp mắt và cảnh báo buồn ngủ khi lái xe trên nền Windows và Android ”

11 Họ tên người phản biện:

12 Tổng quát về bản thuyết minh:

Số trang Số chương

Số bảng số liệu Số hình vẽ

Số tài liệu tham khảo Phần mềm tính toán

13 Tổng quát về các bản vẽ: - Số bản vẽ: .bản A1 .bản A2 .khổ khác - Số bản vẽ tay - Số bản vẽ trên máy tính

14 Những ưu điểm chính của LVTN:

15 Những thiếu sót chính của LVTN:

16 Đề nghị: Được bảo vệ , Bổ sung thêm để bảo vệ , Không được bảo vệ  17 3 câu hỏi sinh viên trả lời trước Hội Đồng: a)

b)

c)

18 Đánh giá chung (bằng chữ: giỏi, khá, TB): Điểm ……….

Ký tên (ghi rõ họ tên)

Lời đầu tiên, chúng em xin gửi đến Thầy, PGS TS Hoàng Đình Chiến lời cảm ơn chân thành và sâu sắc nhất Nhờ có sự hướng dẫn và giúp đỡ tận tình của Thầy trong suốt thời gian qua, chúng em đã có thể thực hiện và hoàn thành Đồ

Án Môn Học 2, Thực Tập Tốt Nghiệp và Luận Văn Tốt Nghiệp Những lời nhận xét, góp ý và hướng dẫn tận tình của Thầy đã giúp chúng em có một định hướng đúng đắn trong suốt quá trình thực hiện Đề tài, giúp chúng em nhìn ra được những ưu khuyết điểm của Đề tài và từng bước hoàn thiện hơn.

Đồng thời, chúng em xin trân trọng cảm ơn các Thầy Cô của Trường Đại Học Bách Khoa nói chung và của khoa Điện - Điện Tử nói riêng đã dạy dỗ chúng em suốt quãng thời gian ngồi trên ghế giảng đường Đại học Những lời giảng của Thầy Cô trên bục giảng đã trang bị cho em những kiến thức và giúp chúng em tích lũy thêm những kinh nghiệm.

Bên cạnh đó, chúng con cũng chân thành cảm ơn sự động viên và sự hỗ trợ của gia đình và cha mẹ trong suốt thời gian học tập Đặc biệt, chúng con xin gửi lời cảm ơn trân trọng nhất đến cha mẹ, người đã sinh ra và nuôi dưỡng chúng con nên người Sự quan tâm, lo lắng và hy sinh lớn lao của cha mẹ luôn là động lực cho chúng con cố gắng phấn đấu trên con đường học tập của mình Một lần nữa, chúng con xin gửi đến cha mẹ sự biết ơn sâu sắc nhất.

Cuối cùng, chúng tôi xin cảm ơn sự hỗ trợ và giúp đỡ của bạn bè trong thời gian học tập tại Trường Đại Học Bách Khoa và trong quá trình hoàn trình hoàn thành Luận Văn Tốt Nghiệp này.

Hồ Chí Minh, ngày 8 tháng 1 năm 2012

LÊ THẾ HẢI

LÊ THANH HÒA

Đề tài luận văn này xây dựng một phần mềm phát hiện chớp mắt và cảnh báo buồn ngủ cho người lái xe ở thời gian thực sử dụng camera kết nối với máy tính hay nạp trên hệ điều hành Android Theo những khảo sát thì ngủ gật sau vô lăng là nguyên nhân dẫn tới 30% số tai nạn xảy ra, đặc biệt với chuyến đi dài ngày Buồn ngủ có thể làm các tài xế lao ra vệ đường hoặc đâm vào đuôi xe khác Do đó cảnh báo tài xế khi có hiện tượng buồn ngủ là một vấn đề cấp thiết

và thiết thực nhằm làm giảm tị lệ tai nạn giao thông.

Trong khuôn khổ của luận văn, nhóm sẽ tập trung xây dựng một chương trình có thể ứng dụng vào thực tế để cảnh báo buồn ngủ khi lái xe Chương trình

sẽ được thực hiện trên 2 hệ điều hành Windows và Android Trên nền Windows chương trình sử dụng ngôn ngữ C và mã nguồn mở OpenCV2.1, trên nền Android sử dụng ngôn ngữ Java và mã nguồn mở OpenCV2.3.1 cho Android Chương trình trên cả hai nền hệ điều hành đều đáp ứng được độ chính xác và tốc độ thời gian thực trong những điều kiện khi lái xe Khi người lái xe ngủ và đóng mắt lại, lập tức sẽ có âm thanh cảnh báo nguy hiểm Đây là một trong những điểm mới khi mà việc cảnh báo lái xe buồn ngủ vẫn chưa được phổ biến ở Việt Nam.

Nhóm sinh viên thực hiện

LÊ THẾ HẢI

Đề mục Trang

Trang bìa i

Nhiệm vụ luận văn

Lời cảm ơn ii

Tóm tắt luận văn iii

Mục lục iv

Danh sách hình vẽ vii

Danh sách bảng biểu ix

Danh mục từ viết tắt x

Nội dung luận văn Phần mở đầu: Giới thiệu chung 1

Phần I: Lý thuyết tổng quan 4

Chương 1: Giới thiệu về thị giác máy tính 5

1.1 Thế nào là thị giác máy tính 6

1.2 Các ứng dụng của thị giác máy tính 7

1.3 Các thư viện thị giác máy tính mã nguồn mở 7

1.4 Thư viện mã nguồn mở OpenCV 7

1.4.1 Tổng quan về OpenCV 7

1.4.2 Những khả năng của OpenCV 8

1.4.3 Cấu tạo của OpenCV 9

Chương 2: Các khái niệm và nền tảng xử lý ảnh 10

2.1 Cấu trúc mắt người 11

2.2 Không gian màu 11

2.2.1 Không gian màu GRAY 12

2.2.2 Không gian màu HSV 12

2.2.3 Không gian màu XYZ 13

2.3 Ngưỡng ảnh 14

2.3.1 Ngưỡng toàn cục 14

2.3.2 Ngưỡng thích nghi 14

Chương 3: Một số thuật toán về nhận dạng 16

3.1.2 Hướng tiếp cận dựa trên đặc trưng không đổi 17

3.1.3 Hướng tiếp cận dựa trên so khớp mẫu 18

3.1.4 Hướng tiếp cận dựa trên diện mạo 18

3.2 Giải thuật AdaBoost và đặc trưng Haar của khuôn mặt 19

3.2.1 Giải thuật AdaBoost 19

3.2.2 Đặc trưng Haar-like của khuôn mặt 21

3.3 Giải thuật Adaptive Mean Shift 23

Chương 4: Giới thiệu về Android và máy ảo Dalvik 25

4.1 Lịch sử Android 26

4.2 Kiến trúc Android 27

4.2.1 Tầng ứng dụng 27

4.2.2 Application framework 27

4.2.3 Thư viện 28

4.2.4 Android Runtime 29

4.3 Máy ảo Dalvik 29

4.4 Các thành phần trong một chương trình Android 30

4.4.1 AndroidManifest.xml 30

4.4.2 File R.java 31

4.5 Chu kỳ ứng dụng Android 33

Chương 5: Android với OpenCV2.3.1 36

5.1 Cài đặt và sử dụng Android SDK trên Eclipse 37

5.5.1 Eclipse 37

5.5.2 Android SDK – NDK – JDK – JRE 38

5.2 Sử dụng OpenCV2.3.1 trên nền Android 39

5.2.1 JNI (JavaTM Native Interface) 39

5.2.2 JNA (JaveTM Native Access) 40

5.3 Các thành phần giao diện trong Android 41

5.3.1 View 41

5.3.2 ViewGroup 41

Phần II: Lập trình 48

Chương 6: Lập trình trên nền Windows 49

6.1 Sơ đồ giải thuật chương trình chính 50

6.2 Sơ đồ giải thuật một số chương trình con 52

6.2.1 Chương trình con phát hiện khuôn mặt 52

6.2.2 Chương trình con phát hiện tròng mắt 55

6.2.3 Chương trình con cảnh báo âm thanh 57

6.3 Kết quả chương trình chạy trên Windows 7 59

Chương 7: Lập trình trên nền Android 63

7.1 Sơ đồ giải thuật lớp SampleCvViewBase 64

7.2 Sơ đồ giải thuật một số hàm con 64

7.2.1 Hàm public FdView() 64

7.2.2 Hàm protected Bitmap processFrame() 66

7.3 Kết quả chương trình chạy trên Transformer TF101 và Galaxy i9003 68

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 72 PHỤ LỤC

TÀI LIỆU THAM KHẢO

Chương 1

Hình 1.1: M i quan h gi a th giác máy tính và các ngành liên quanối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan 6

Chương 2 Hình 2.1: C u t o m t ngấu tạo mắt người ạo mắt người ắt người ười 11i Hình 2.2: Không gian màu HSV 12

Hình 2.3: nh g c và ngẢnh gốc và ngưỡng thích nghi nó với một cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng thích nghi nó v i m t c a s 7x7, C=4ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ửa sổ 7x7, C=4 ổ 7x7, C=4 15

Ch ương 3 ng 3 Hình 3.1: Nh n d ng d a trên tri th cận dạng dựa trên tri thức ạo mắt người ựa trên tri thức ức 17

Hình 3.2: Nh n d ng d a trên so kh p m uận dạng dựa trên tri thức ạo mắt người ựa trên tri thức ới một cửa sổ 7x7, C=4 ẫu 18

Hình 3.3: T p nh dùng đ hu n luy n m t ngận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ặt người ười 19i Hình 3.4: Phương pháp nhận dạng mặt người theo mạng Neuralng pháp nh n d ng m t ngận dạng dựa trên tri thức ạo mắt người ặt người ườii theo m ng Neuralạo mắt người 19

Hình 3.5: Mô hình phân t ng k t h p các b phân lo i y u xác đ nh khuôn m tầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ặt người 20 Hình 3.6: K t h p các b phân lo i y u thành b phân lo i m nhết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ạo mắt người 20

Hình 3.7: Đ cặt người tr ng Haar-like c b nư ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người 21

Hình 3.8: Đ c tr ng c nhặt người ư ạo mắt người 21

Hình 3.9: Đ c tr ng đặt người ư ười 21ng Hình 3.10: Đ c tr ng xung quanh tâmặt người ư 21

Hình 3.11: Cách tính Integral Image c a nhủa ảnh ảnh dùng để huấn luyện mặt người 22

Hình 3.12: Ví d cách tính nhanh các giá tr m c xám c a vùng D trên nhụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ức ủa ảnh ảnh dùng để huấn luyện mặt người 22

Hình 3.13: Gi i thu t Adaptive Mean Shiftảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức 23

Hình 3.14: Màu da c a khuôn m t (kênh H)ủa ảnh ặt người 24

Ch ương 3 ng 4 Hình 4.1: Android timeline 26

Hình 4.2: Cấu tạo mắt ngườiu trúc stack h ệ giữa thị giác máy tính và các ngành liên quan thối quan hệ giữa thị giác máy tính và các ngành liên quanng Android 27

Hình 4.3: Máy o Dalvikảnh dùng để huấn luyện mặt người 29

Hình 4.4: Chu kỳ ng d ng Androidức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh 33

Ch ương 3 ng 5 Hình 5.1: Ki n trúc Eclipseết hợp các bộ phân loại yếu xác định khuôn mặt 37

Hình 5.2: Cấu tạo mắt ngườiu trúc một cửa sổ 7x7, C=4t giao diệ giữa thị giác máy tính và các ngành liên quann ứcng dụ cách tính nhanh các giá trị mức xám của vùng D trên ảnhng Android 41

Hình 5.5: Bố trí widget trong RetaliveLayout 43

Hình 5.6: Bố trí widget trong TableLayout 43

Hình 5.7: ImageButon 45

Hình 5.8: Truyền d ữa thị giác máy tính và các ngành liên quan liệ giữa thị giác máy tính và các ngành liên quanu giữa thị giác máy tính và các ngành liên quana 2 Activity 46

Ch ương 3 ng 6 Hình 6.1: S đ gi i thu t chơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ương pháp nhận dạng mặt người theo mạng Neuralng trình chính 50

Hình 6.2: Phát hi n khuôn m t trong 1 frame nhệ giữa thị giác máy tính và các ngành liên quan ặt người ảnh dùng để huấn luyện mặt người 51

Hình 6.3: Phát hi n m t trong vùng m t đệ giữa thị giác máy tính và các ngành liên quan ắt người ặt người ượp các bộ phân loại yếu xác định khuôn mặt ắt người 51c c t Hình 6.4: S ơng pháp nhận dạng mặt người theo mạng Neural đ chồ giải thuật chương trình ương pháp nhận dạng mặt người theo mạng Neuralng trình con phát hi n khuôn m tệ giữa thị giác máy tính và các ngành liên quan ặt người 52

Hình 6.5: Phát hi n khuôn m t dùng Haar Cascadeệ giữa thị giác máy tính và các ngành liên quan ặt người 52

Hình 6.6: T l vùng ch a m t ph i trong khuôn m tỷ lệ vùng chứa mắt phải trong khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ức ắt người ảnh dùng để huấn luyện mặt người ặt người 53

Hình 6.7: Vùng ch a m t ph iức ắt người ảnh dùng để huấn luyện mặt người 53

Hình 6.8: Góc gi i h n c a Haar Cascade front faceới một cửa sổ 7x7, C=4 ạo mắt người ủa ảnh 53

Hình 6.9: Phát hi n khuôn m t dùng Camshiftệ giữa thị giác máy tính và các ngành liên quan ặt người 54

Hình 6.10: K t qu ch y ban đêmết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ạo mắt người 55

Hình 6.11: S đ chơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ương pháp nhận dạng mặt người theo mạng Neuralng trình con detect pupil 56

Hình 6.12: S đ gi i thu t ơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức hàm Void count_sleep() 57

Hình 6.13: S đ gi i thu t ơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức hàm Void alert_sleep() 58

Hình 6.14: S đ gi i thu t ơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức phát tín hi u âm thanh c nh báoệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người 59

Hình 6.15: Trườing h p không đeo kính ban ngày m t m và đóngợp các bộ phân loại yếu xác định khuôn mặt ắt người ở và đóng 60

Hình 6.16: Trườing h p không đeo kính ban đêm m t m và đóngợp các bộ phân loại yếu xác định khuôn mặt ắt người ở và đóng 60

Hình 6.17: Trườing h p đeo kính ban ngày m t m và đóngợp các bộ phân loại yếu xác định khuôn mặt ắt người ở và đóng 60

Hình 6.18: Trườing h p đeo kính ban đêm m t m và đóngợp các bộ phân loại yếu xác định khuôn mặt ắt người ở và đóng 61

Ch ương 3 ng 7 Hình 7.1: Sơ đồ giải thuật lớp SampleCvViewBase 64

Hình 7.2: Sơ đồ giải thuật Class FdView 65

Hình 7.3: Sơ đồ giải thuật hàm public FdView() 65

Hình 7.4: S đ gi i thu t hàm Bitmap processFrame()ơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức 66

Hình 7.5: S đ gi i thu t Pupil Detectơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức 67

Hình 7.6: Trườing h p không đeo kính dùng ợp các bộ phân loại yếu xác định khuôn mặt Galaxy i9003 69

DANH SÁCH BẢNG BIỂU

Chương 5

Bảng 5.1: Các thuột cửa sổ 7x7, C=4c tính của ảnha Intent 47

B ng 5.2: ảng 5.2: Các Action đã đượp các bộ phân loại yếu xác định khuôn mặtc đị giác máy tính và các ngành liên quannh nghĩa sẵn trong Intent 47

Chương 6 Bi u đ 6.1: ểu đồ 6.1: ồ 6.1: Trườing h p không đeo kính ban ngàyợp các bộ phân loại yếu xác định khuôn mặt 61

Bi u đ 6.2: ểu đồ 6.1: ồ 6.1: Trườing h p có đeo kính ban ngàyợp các bộ phân loại yếu xác định khuôn mặt 61

Bi u đ 6.3: ểu đồ 6.1: ồ 6.1: Trườing h p không đeo kính ban đêmợp các bộ phân loại yếu xác định khuôn mặt 62

Bi u đ 6.4: ểu đồ 6.1: ồ 6.1: Trườing h p có đeo kính ban đêmợp các bộ phân loại yếu xác định khuôn mặt 62

Bi u đ 6.5: ểu đồ 6.1: ồ 6.1: So sánh k t qu gi a các trết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ữa thị giác máy tính và các ngành liên quan ườing h pợp các bộ phân loại yếu xác định khuôn mặt 62

Ch ương 3 ng 7 B ng 7.1: ảng 5.2: Kết quả đo để đánh giá độ chính xác của chương trình 71

Biểu đồ 7.1: Trường hợp không đeo kính ban ngày 71

A

I

J

GIỚI THIỆU CHUNG

X lý nh là m t lĩnh v c mang tính khoa h c và công ngh Nó là m t ngành khoaửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ựa trên tri thức ọc và công nghệ Nó là một ngành khoa ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4

h c m i m so v i các ngành khoa h c khác nh ng t c đ phát tri n c a nó r t nhanh,ọc và công nghệ Nó là một ngành khoa ới một cửa sổ 7x7, C=4 # ới một cửa sổ 7x7, C=4 ọc và công nghệ Nó là một ngành khoa ư ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ủa ảnh ấu tạo mắt ngườikích thích các trung tâm nghiên c u ng d ng, đ c bi t là máy tính chuyên d ng cho xức ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ặt người ệ giữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ửa sổ 7x7, C=4

lý nh.ảnh dùng để huấn luyện mặt người

Đi sâu vào gi i quy t nh ng v n đ trong th c t nh an ninh qu c phòng, b oảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ề ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ư ối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người

m t d li u, c nh báo, robotic, khôi ph c 3D hay m t s ng d ng gi i trí khác Ngận dạng dựa trên tri thức ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ảnh dùng để huấn luyện mặt người ườii

ta nh n th y hi u năng c a x lý nh là r t l n so v i các h th ng thi t b cũ c ngận dạng dựa trên tri thức ấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ấu tạo mắt người ới một cửa sổ 7x7, C=4 ới một cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ồ giải thuật chương trình

k nh, chi phí s n xu t l n Do đó x lý nh ngày càng đề ảnh dùng để huấn luyện mặt người ấu tạo mắt người ới một cửa sổ 7x7, C=4 ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc chú tr ng nghiên c u vàọc và công nghệ Nó là một ngành khoa ứcphát tri n b i nh ng t p đoàn công nghi p l n và ngay c nhi u qu c gia trên th gi i.ể huấn luyện mặt người ở và đóng ữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ề ối quan hệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4

Đ c bi t đ i v i nh ng nhà s n xu t xe h i l n nh Honda, Mercedes – Benz,ặt người ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ấu tạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ới một cửa sổ 7x7, C=4 ưHuynDai… v n đ quan tr ng b c nh t là an toàn cho ngấu tạo mắt người ề ọc và công nghệ Nó là một ngành khoa ận dạng dựa trên tri thức ấu tạo mắt người ười ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnhi s d ng Đi kèm v i hới một cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan

th ng an toàn t i tân trên xe nh theo dõi tình tr ng ho t đ ng c a xe, h th ng anối quan hệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ư ạo mắt người ạo mắt người ột cửa sổ 7x7, C=4 ủa ảnh ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quantoàn c a Toyota có th c m nh n ngủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ườii đi b , tránh tai n n s d ng radar có bột cửa sổ 7x7, C=4 ạo mắt người ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ưới một cửa sổ 7x7, C=4csóng c milimet và camera stereo đ liên t c theo dõi nh ng gì đang phía trỡng thích nghi nó với một cửa sổ 7x7, C=4 ể huấn luyện mặt người ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ữa thị giác máy tính và các ngành liên quan ở và đóng ưới một cửa sổ 7x7, C=4c c aủa ảnhchi c xe, ch đ lái xe t đ ng hay nh ng ý tết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ựa trên tri thức ột cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ưở và đóngng phát tri n trong tể huấn luyện mặt người ương pháp nhận dạng mặt người theo mạng Neuralng lai nh theoưdõi s c kh e ngức $ ườii lái xe qua h th ng m i c a Toyota sẽ ki m soát các ch c năng timệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ủa ảnh ể huấn luyện mặt người ức

m ch c a ngạo mắt người ủa ảnh ườii lái thông qua cách c m vô - lăng và phát hi n tình hu ng x u ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người

Phát hi n bu n ng khi lái xe cũng là m t trong nh ng v n đ quan trong khiệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trình ủa ảnh ột cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ề

ngh c a nh ng tài x lái xe đề ủa ảnh ữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ườing dài, vào ban đêm hay r ng sáng h r t d r i vàoạo mắt người ọc và công nghệ Nó là một ngành khoa ấu tạo mắt người ễ rơi vào ơng pháp nhận dạng mặt người theo mạng Neural

tr ng thái bu n ng và gây ra tai n n đáng ti c ạo mắt người ồ giải thuật chương trình ủa ảnh ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt

Nh n th y s c p thi t c a v n đ trên, các hãng s n xu t xe l n cũng dã phátận dạng dựa trên tri thức ấu tạo mắt người ựa trên tri thức ấu tạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ấu tạo mắt người ề ảnh dùng để huấn luyện mặt người ấu tạo mắt người ới một cửa sổ 7x7, C=4tri n nh ng thi t b c nh báo nh h th ng c nh báo m t m i c a Mercedes-Benz –ể huấn luyện mặt người ữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ư ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan $ ủa ảnhAutonet, BMW t ng đ a ra k ho ch v h th ng nh n di nừng đưa ra kế hoạch về hệ thống nhận diện ư ết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ề ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ngườii lái, Toyota và m tột cửa sổ 7x7, C=4

s hãng xe Nh t B n l i đ a ra gh ng i đo c m bi n áp su t tim m chối quan hệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt người ạo mắt người ư ết hợp các bộ phân loại yếu xác định khuôn mặt ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ạo mắt người G n đây thìầng kết hợp các bộ phân loại yếu xác định khuôn mặt

phương pháp nhận dạng mặt người theo mạng Neuralng pháp phát hi n bu n ng d a theo chu kỳ sinh h c c a m t đã và đang đệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trình ủa ảnh ựa trên tri thức ọc và công nghệ Nó là một ngành khoa ủa ảnh ắt người ượp các bộ phân loại yếu xác định khuôn mặtc

th c hi n nh m t ng d ng c a công ngh x lý nh ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ư ột cửa sổ 7x7, C=4 ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ủa ảnh ệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

Trong ph m vi đ tài này, cũng s d ng m t trong nh ng ng d ng c a x lý nhạo mắt người ề ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ủa ảnh ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

đ phát hi n và c nh báo bu n ng b ng cách phát hi n tr ng thái đóng/m c a m t.ể huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ồ giải thuật chương trình ủa ảnh % ệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ở và đóng ủa ảnh ắt người

Đ c bi t, g n đây v i s phát tri n m nh mẽ c a h đi u hành Android, và s ph bi nặt người ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ựa trên tri thức ể huấn luyện mặt người ạo mắt người ủa ảnh ệ giữa thị giác máy tính và các ngành liên quan ề ựa trên tri thức ổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt

c a các thi t b c m tay nh GPS hay máy tính b ng ch đủa ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ư ảnh dùng để huấn luyện mặt người ỉ đường trên ô tô, một vấn đề ườing trên ô tô, m t v n đột cửa sổ 7x7, C=4 ấu tạo mắt người ề

r t m i c a đ tài này là th c hi n trên các thi t b đi d ng c m tay Vì tính th c ti nấu tạo mắt người ới một cửa sổ 7x7, C=4 ủa ảnh ề ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ựa trên tri thức ễ rơi vào

và s ựa trên tri thức m i mới một cửa sổ 7x7, C=4 # c a đ tài c n nhi u th i gian nghiên c u, chúng em đã th c hi n vàủa ảnh ề ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ề ời ức ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan

ki m tra hoàn thi n gi i thu t trên máy tính, sau đó chuy n đ i ngôn ng và n p đó lênể huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ể huấn luyện mặt người ổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ạo mắt ngườitrên thi t b c m tay ch y h đi u hành Android.ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ề

Hi n t i Vi t Nam, ch a có m t d án hay m t nghiên c u chính th c nào vệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ở và đóng ệ giữa thị giác máy tính và các ngành liên quan ư ột cửa sổ 7x7, C=4 ựa trên tri thức ột cửa sổ 7x7, C=4 ức ức ề

v n đ “C nh báo bu n ng b ng Camera và trên thi t b c m tay Android” tuy nhiênấu tạo mắt người ề ảnh dùng để huấn luyện mặt người ồ giải thuật chương trình ủa ảnh % ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặtnhu c u v nó l i r t c p thi t Cho nên nhi m v chính c a đ tài lu n văn này là gi iầng kết hợp các bộ phân loại yếu xác định khuôn mặt ề ạo mắt người ấu tạo mắt người ấu tạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ủa ảnh ề ận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt ngườiquy t v n đ trên và ng d ng vào th c t ết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ề ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt

Đ tài đề ượp các bộ phân loại yếu xác định khuôn mặtc chia làm 2 ph n g m 7 chầng kết hợp các bộ phân loại yếu xác định khuôn mặt ồ giải thuật chương trình ương pháp nhận dạng mặt người theo mạng Neuralng và ph l c:ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

PHẦN 1: LÝ THUYẾT TỔNG QUAN

Chương 1: Giới thiệu về thị giác máy tính

Chương 2: Các khái niệm và nền tảng xử lý ảnh

Chương 3: Một số thuật toán về nhận dạng

Chương 4: Giới thiệu về Android và máy ảo Dalvik

Chương 5: Android với OpenCV2.3.1

PHẦN 2: LẬP TRÌNH

Chương 6: Lập trình trên nền Windows

Chương 7: Lập trình trên nền Android

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Trong quá trình thực hiện, chắc chắn sẽ còn những thiếu sót trong đề tài Chúng em rấtmong nhận được sự góp ý của Thầy Cô và các bạn để đề tài ngày càng hoàn thiện hơn

Nhóm sinh viên th c hi nựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan

Lê Th H iết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người

Lê Thanh Hòa

LÝ THUYẾT TỔNG QUAN

Chương 1: Giới thiệu về thị giác máy tính

Chương 2: Các khái niệm và nền tảng xử lý ảnh Chương 3: Một số thuật toán về nhận dạng

Chương 4: Giới thiệu về Android và máy ảo Dalvik Chương 5: Android với OpenCV2.3.1

Giới thiệu về thị giác máy tính

1.1 Thế nào là thị giác máy tính 1.2 Các ứng dụng của thị giác máy tính 1.3 Các thư viện thị giác máy tính mã nguồn mở

Nội dung chính

1.1 Thế nào là thị giác máy tính

Th giác máy là m t lĩnh v c đã và đang phát tri n m nh mẽ trên th gi iị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ựa trên tri thức ể huấn luyện mặt người ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4

hi n nay Khái ni m v th giác máy tính – Computer Vision có liên quan t iệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ề ị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4nhi u ngành h c và có nhi u hề ọc và công nghệ Nó là một ngành khoa ề ưới một cửa sổ 7x7, C=4ng nghiên c u khác nhau K t nh ng năm 70ức ể huấn luyện mặt người ừng đưa ra kế hoạch về hệ thống nhận diện ữa thị giác máy tính và các ngành liên quan

c a th k 20 khi mà kh năng tính toán c a các máy tính tr nên m nh mẽ, nóủa ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt ỷ lệ vùng chứa mắt phải trong khuôn mặt ảnh dùng để huấn luyện mặt người ủa ảnh ở và đóng ạo mắt người

có th gi i quy t để huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ượp các bộ phân loại yếu xác định khuôn mặtc nh ng công vi c c n t i t c đ cao nh x lý các t p nhữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ư ửa sổ 7x7, C=4 ận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt ngườihay các đo n video thì th giác máy đạo mắt người ị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtc nh c đ n, nghiên c u và phát tri n choắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ức ể huấn luyện mặt người

đ n ngày nay ết hợp các bộ phân loại yếu xác định khuôn mặt

Th giác máy là m t lĩnh v c r t m i m đ i v i các nhà nghiên c u Vi tị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ựa trên tri thức ấu tạo mắt người ới một cửa sổ 7x7, C=4 # ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ức ở và đóng ệ giữa thị giác máy tính và các ngành liên quannam, nó ch m i xu t hi n g n đây trong các t ch c quân đ i và m t s vi nỉ đường trên ô tô, một vấn đề ới một cửa sổ 7x7, C=4 ấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ở và đóng ổ 7x7, C=4 ức ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quannghiên c u khác Vi c áp d ng th giác máy vào các ng d ng nghiên c u khoaức ệ giữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ức

h c đọc và công nghệ Nó là một ngành khoa ượp các bộ phân loại yếu xác định khuôn mặtc coi là m t kh i đ u cho ch ng đột cửa sổ 7x7, C=4 ở và đóng ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ặt người ườing phát tri n c a th giác máy cácể huấn luyện mặt người ủa ảnh ị giác máy tính và các ngành liên quan ở và đóng

trườing đ i h c hi n nay.ạo mắt người ọc và công nghệ Nó là một ngành khoa ệ giữa thị giác máy tính và các ngành liên quan

Th giác máy bao g m lý thuy t và các kỹ thu t liên quan nh m m c đíchị giác máy tính và các ngành liên quan ồ giải thuật chương trình ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức % ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

t o ra m t h th ng nhân t o có th nh n thông tin t các hình nh thu đạo mắt người ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ể huấn luyện mặt người ận dạng dựa trên tri thức ừng đưa ra kế hoạch về hệ thống nhận diện ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc

ho c các t p d li u đa chi u Máy móc càng ngày càng thông minh, nó không chặt người ận dạng dựa trên tri thức ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ề ỉ đường trên ô tô, một vấn đềthay con ngườii làm nh ng công vi c n ng nh c và nhàm chán mà nó còn có m tữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ặt người ọc và công nghệ Nó là một ngành khoa ột cửa sổ 7x7, C=4

s kh năng b t chối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ắt người ưới một cửa sổ 7x7, C=4c đ ng v t và con ngột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ườii M t trong s nh ng kh năng đóột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người

là nh n bi t đận dạng dựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ượp các bộ phân loại yếu xác định khuôn mặtc th gi i qua “m t” c a nó B ng vi c k t h p v i các mô hìnhết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ắt người ủa ảnh % ệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4khác n a nh máy h c, m ng n ron … giúp cho chúng d n ti n t i m t h th ngữa thị giác máy tính và các ngành liên quan ư ọc và công nghệ Nó là một ngành khoa ạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quannhân t o có nh ng quy t đ nh linh ho t và chính xác h n ạo mắt người ữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural

Lĩnh v c nghiên c u c a th giác máy r t r ng, và đ c đi m chung là cácựa trên tri thức ức ủa ảnh ị giác máy tính và các ngành liên quan ấu tạo mắt người ột cửa sổ 7x7, C=4 ặt người ể huấn luyện mặt ngườibài toán v th giác máy đ u không có m t đ bài chung và cách gi i quy t duyề ị giác máy tính và các ngành liên quan ề ột cửa sổ 7x7, C=4 ề ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt

nh t M i gi i pháp gi i quy t v n đ đấu tạo mắt người ) ảnh dùng để huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ề ượp các bộ phân loại yếu xác định khuôn mặtc m t k t qu nh t đ nh cho nh ngột cửa sổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ấu tạo mắt người ị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan

trườing h p c th Ta có th th y s tợp các bộ phân loại yếu xác định khuôn mặt ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ể huấn luyện mặt người ể huấn luyện mặt người ấu tạo mắt người ựa trên tri thức ương pháp nhận dạng mặt người theo mạng Neuralng quan gi a th giác máy v i các lĩnhữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4

Hình 1.1: M i quan h gi a th giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan

1.2 Các ứng dụng của thị giác máy tính

M t s ng d ng c a th giác máy vào các lĩnh v c đột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ủa ảnh ị giác máy tính và các ngành liên quan ựa trên tri thức ượp các bộ phân loại yếu xác định khuôn mặtc k đ n đây là: ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ở và đóng

- Đi u khi n ti n trình (ví d : trong các robot công nghi p, hay các thi t b ,ề ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan

xe t hành…) ựa trên tri thức

- Phát hi n s thay đ i (ví d : các thi t b giám sát…) ệ giữa thị giác máy tính và các ngành liên quan ựa trên tri thức ổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan

- T ch c thông tin (ví d : ch s kho d li u các nh ho c chu i nh liênổ 7x7, C=4 ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ỉ đường trên ô tô, một vấn đề ối quan hệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ặt người ) ảnh dùng để huấn luyện mặt người

t c…) ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

- Mô hình hoá đ i tối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng (ví d : quá trình ki m tra trong môi trụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ể huấn luyện mặt người ườing côngnghi p, x lý nh trong y h c) ệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa

- Tương pháp nhận dạng mặt người theo mạng Neuralng tác (đóng vai trò làm đ u vào cho thi t b trong quá trình tầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng tác

gi a ngữa thị giác máy tính và các ngành liên quan ườii và máy)

1.3 Các thư viện thị giác máy tính mã nguồn mở

Chúng ta có th t n d ng nh ng thành qu c a c ng đ ng mã ngu n mể huấn luyện mặt người ận dạng dựa trên tri thức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ủa ảnh ột cửa sổ 7x7, C=4 ồ giải thuật chương trình ồ giải thuật chương trình ở và đóng

đ áp d ng cho ng d ng th giác máy c a mình Hi n nay trên th gi i có r tể huấn luyện mặt người ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ủa ảnh ệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ấu tạo mắt ngườinhi u th vi n mã ngu n m cho chúng ta s d ng, c th là: ề ư ệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trình ở và đóng ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ể huấn luyện mặt người

đa d ng c a m t h th ng trí tu nhân t o Ngoài ra nó còn cung c p các c sạo mắt người ủa ảnh ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ấu tạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ở và đóng

thu t toán th giác máy tính thông qua các giao di n l p trình ng d ng m cận dạng dựa trên tri thức ị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ở và đóng ức

th p Nó đấu tạo mắt người ượp các bộ phân loại yếu xác định khuôn mặtc đóng gói và hoàn toàn mi n phí, ngễ rơi vào ườii dùng có th s n sàng sể huấn luyện mặt người ẵ ửa sổ 7x7, C=4

d ng cho nh ng m c đích khác nhau c a h ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ủa ảnh ọc và công nghệ Nó là một ngành khoa

Intel đ a ra phiên b n OpenCV đ u tiên vào năm 1999 Ban đ u, nó ch làư ảnh dùng để huấn luyện mặt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ỉ đường trên ô tô, một vấn đề

th vi n x lý nh c a Intel V sau, tính l thu c đó đã đư ệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ủa ảnh ề ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ượp các bộ phân loại yếu xác định khuôn mặtc lo i b và bây giạo mắt người $ ời

b n có th s d ng OpenCV nh m t th vi n đ c l p OpenCV là m t th vi nạo mắt người ể huấn luyện mặt người ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ư ột cửa sổ 7x7, C=4 ư ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ư ệ giữa thị giác máy tính và các ngành liên quan

đa n n t ng, nó ch p nh n c Windows và Linux, h n th n a g n đây là Macề ảnh dùng để huấn luyện mặt người ấu tạo mắt người ận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt người ơng pháp nhận dạng mặt người theo mạng Neural ết hợp các bộ phân loại yếu xác định khuôn mặt ữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặtOSX

1.4.2 Nh ng kh năng c a OpenCV ững khả năng của OpenCV ảng 5.2: ủa OpenCV

- Ảnh và vào ra video: nh và vào ra video:

Các giao di n này cho phép b n đ c d li u nh t các t p nh ho c t cácệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ọc và công nghệ Nó là một ngành khoa ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ừng đưa ra kế hoạch về hệ thống nhận diện ận dạng dựa trên tri thức ảnh dùng để huấn luyện mặt người ặt người ừng đưa ra kế hoạch về hệ thống nhận diệnvideo B n cũng có th t o file nh và video ạo mắt người ể huấn luyện mặt người ạo mắt người ảnh dùng để huấn luyện mặt người

- Th giác máy tính nói chung và các gi i thu t x lý nh (APIs m c th p và trung ị giác máy tính và các ngành liên quan ải thuật xử lý ảnh (APIs mức thấp và trung ật xử lý ảnh (APIs mức thấp và trung ử lý ảnh (APIs mức thấp và trung ải thuật xử lý ảnh (APIs mức thấp và trung ức thấp và trung ấp và trung bình):

S d ng các giao di n này, b n có th thí nghi m v i nhi u thu t toán thửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ể huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ề ận dạng dựa trên tri thức ị giác máy tính và các ngành liên quangiác nhân t o chu n mà b n không c n vi t code v chúng Chúng bao g m sạo mắt người ẩn mà bạn không cần viết code về chúng Chúng bao gồm sự ạo mắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ề ồ giải thuật chương trình ựa trên tri thức

dò tìm vi n, đề ườing th ng và góc, đi u ch nh elip, l y m u và nh ng bi n đ iẳng và góc, điều chỉnh elip, lấy mẫu và những biến đổi ề ỉ đường trên ô tô, một vấn đề ấu tạo mắt người ẫu ữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ổ 7x7, C=4khác nhau (Fourier r i r c, cosin r i r c và các bi n đ i kho ng cách), v.v… ời ạo mắt người ời ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

- Nh ng module th giác máy m c cao: ữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ở mức cao: ức thấp và trung

OpenCV bao g m vài kh năng m c cao Ngoài vi c dò tìm, nh n d ng vàồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ở và đóng ức ệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ạo mắt ngườitheo dõi khuôn m t nó còn bao g m c lu ng quang hoc (s d ng s di chuy nặt người ồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ồ giải thuật chương trình ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ựa trên tri thức ể huấn luyện mặt người

đ ng c a camera đ xác đ nh c u trúc 3D), đ nh c camera và hình kh i ột cửa sổ 7x7, C=4 ủa ảnh ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ấu tạo mắt người ị giác máy tính và các ngành liên quan ỡng thích nghi nó với một cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan

- Các gi i thu t trí tu nhân t o và d y h c máy: ải thuật xử lý ảnh (APIs mức thấp và trung ật xử lý ảnh (APIs mức thấp và trung ệ giữa thị giác máy tính và các ngành liên quan ạo và dạy học máy: ạo và dạy học máy: ọc máy:

Các ng d ng th giác máy tính thức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ườing đòi h i các ph$ ương pháp nhận dạng mặt người theo mạng Neuralng pháp d y h cạo mắt người ọc và công nghệ Nó là một ngành khoamáy ho c trí tu nhân t o (AI) khác M t vài trong s chúng s n có trong gói d yặt người ệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ẵ ạo mắt người

h c máy c a OpenCV ọc và công nghệ Nó là một ngành khoa ủa ảnh

- L y m u nh và các bi n đ i khung nhìn: ấp và trung ẫu ảnh và các biến đổi khung nhìn: ải thuật xử lý ảnh (APIs mức thấp và trung ến đổi khung nhìn: ổi khung nhìn:

Nó thườing có ích đ x lý m t t p đi m nh m t kh i OpenCV bao g mể huấn luyện mặt người ửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ể huấn luyện mặt người ư ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trìnhgiao di n cho nh ng s phân mi n sao chép nh, x lý ng u nhiên, h i ph c kíchệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ựa trên tri thức ề ảnh dùng để huấn luyện mặt người ửa sổ 7x7, C=4 ẫu ồ giải thuật chương trình ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

thưới một cửa sổ 7x7, C=4c yêu c u, làm vênh, quay và s d ng nh ng hi u ng ph i c nh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ức ối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người

- Các ph ương pháp tạo và phân tích ảnh nhị phân: ng pháp t o và phân tích nh nh phân: ạo và dạy học máy: ải thuật xử lý ảnh (APIs mức thấp và trung ị giác máy tính và các ngành liên quan

nh nh phân th ng xuyên đ c s d ng trong các h th ng quét đẢnh gốc và ngưỡng thích nghi nó với một cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan ười ượp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ể huấn luyện mặt người

ki m tra khuy t đi m hình d ng hay đ m các b ph n c a v t ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ủa ảnh ận dạng dựa trên tri thức

- Thao tác v i nh 3D ới ảnh 3D ải thuật xử lý ảnh (APIs mức thấp và trung

Các ch c năng này có ích cho phép ánh x và s xác đ nh v trí – hay v iức ạo mắt người ựa trên tri thức ị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4thi t b v t th ho c v i nhi u d ng phép chi u t m t camera đ n ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ể huấn luyện mặt người ặt người ới một cửa sổ 7x7, C=4 ề ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ột cửa sổ 7x7, C=4 ơng pháp nhận dạng mặt người theo mạng Neural

- Các thu t toán x lý nh, th giác máy và hi n th nh: ật xử lý ảnh (APIs mức thấp và trung ử lý ảnh (APIs mức thấp và trung ải thuật xử lý ảnh (APIs mức thấp và trung ị giác máy tính và các ngành liên quan ển thị ảnh: ị giác máy tính và các ngành liên quan ải thuật xử lý ảnh (APIs mức thấp và trung

OpenCV bao g m c toán h c cũ, các thu t toán đ i s tuy n tính, khoa h cồ giải thuật chương trình ảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ận dạng dựa trên tri thức ạo mắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ọc và công nghệ Nó là một ngành khoa

th ng kê và hình h c tính toán ối quan hệ giữa thị giác máy tính và các ngành liên quan ọc và công nghệ Nó là một ngành khoa

- Đ h a: ồ họa: ọc máy:

Các giao di n này cho phép b n vi t ch và vẽ trên nh Thêm vào các hàmệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người

Ví d , n u b n vi t m t chụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ương pháp nhận dạng mặt người theo mạng Neuralng trình dò tìm đ i tối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng, nó giúp ích cho các nhảnh dùng để huấn luyện mặt ngườinhãn v kích thề ưới một cửa sổ 7x7, C=4c và v trí c a chúng ị giác máy tính và các ngành liên quan ủa ảnh

- Các ph ương pháp tạo và phân tích ảnh nhị phân: ng pháp GUI:

OpenCV bao g m các giao di n c a s c a chính nó Trong khi đây là h nồ giải thuật chương trình ệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ổ 7x7, C=4 ủa ảnh ạo mắt người

ch so sánh t i cái gì có th đết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ể huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc làm trên m i n n t ng, h cung c p API đ n,) ề ảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ấu tạo mắt người ơng pháp nhận dạng mặt người theo mạng Neuralnhi u n n t ng đ hi n th nh, ch p nh n ngề ề ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ấu tạo mắt người ận dạng dựa trên tri thức ười ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnhi s d ng nh p vào qua chu tận dạng dựa trên tri thức ột cửa sổ 7x7, C=4hay bàn phím và th c hi n đi u khi n b ng thanh trựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ề ể huấn luyện mặt người % ượp các bộ phân loại yếu xác định khuôn mặtt

- C u trúc d li u và thu t toán: ấp và trung ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ật xử lý ảnh (APIs mức thấp và trung

V i nh ng giao di n này b n có th l u tr , tìm ki m, b o l u và thao tácới một cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ể huấn luyện mặt người ư ữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ư

m t cách hi u nghi m các danh sách l n, đ ng, đ th và cây ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trình ị giác máy tính và các ngành liên quan

- Ổn định dữ liệu: n đ nh d li u: ị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan

Các phương pháp nhận dạng mặt người theo mạng Neuralng pháp này cung c p các giao di n ti n l i cho các ki u l u trấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ư ữa thị giác máy tính và các ngành liên quankhác nhau c a d li u trên đĩa và khôi ph c chúng sau.ủa ảnh ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

1.4.3 C u t o OpenCV ấu tạo OpenCV ạo OpenCV

- CXCORE ch a các đ nh nghĩa ki u d li u c s Ví d , các c u trúc d li u choức ị giác máy tính và các ngành liên quan ể huấn luyện mặt người ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ở và đóng ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ấu tạo mắt người ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan

ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ượp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan cxtypes.h CXCORE cũng ch aức

đ i s tuy n tính và phạo mắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ương pháp nhận dạng mặt người theo mạng Neuralng pháp th ng kê, ch c năng duy trì và đi u khi nối quan hệ giữa thị giác máy tính và các ngành liên quan ức ề ể huấn luyện mặt ngườichu i M t s ít các ch c năng đ h a đ vẽ trên nh cũng đ) ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ức ồ giải thuật chương trình ọc và công nghệ Nó là một ngành khoa ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc đ t đây ặt người ở và đóng

- CV ch a các thu t toán v x lý nh và đ nh kích c camera Các ch c năng hìnhức ận dạng dựa trên tri thức ề ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ỡng thích nghi nó với một cửa sổ 7x7, C=4 ức

h a máy tính cũng đọc và công nghệ Nó là một ngành khoa ượp các bộ phân loại yếu xác định khuôn mặtc đ t đây ặt người ở và đóng

- CVAUX đượp các bộ phân loại yếu xác định khuôn mặtc mô t trong tài li u c a OpenCV nh ch a các mã cũ và thảnh dùng để huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ư ức ửa sổ 7x7, C=4nghi m Tuy nhiên, các giao di n đ n cho s nh n di n nh trong module này.ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ựa trên tri thức ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ở và đóngCode sau này chúng đượp các bộ phân loại yếu xác định khuôn mặtc chuyên d ng cho nh n di n m t và chúng đụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ặt người ượp các bộ phân loại yếu xác định khuôn mặt ứcc ng

d ng r ng rãi cho m c đích đó ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

- HIGHGUI và CVCAM đượp các bộ phân loại yếu xác định khuôn mặtc đ t trong cùng th m c là “otherlibs” ặt người ư ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh

- HIGHGUI ch a các giao di n vào ra c b n, nó cũng ch a các kh năng c a sức ệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ức ảnh dùng để huấn luyện mặt người ửa sổ 7x7, C=4 ổ 7x7, C=4

m r ng và vào ra video ở và đóng ột cửa sổ 7x7, C=4 CVCAM ch a các giao di n cho video truy c p quaức ệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức

Chương 2

Các khái niệm và nền tảng xử lý ảnh

2.1 Cấu trúc mắt người

2.3.1 Ngưỡng toàn cục 2.3.2 Ngưỡng thích nghi

Nội dung chính

2.1 Cấu trúc mắt người

M t là m t b ph n ph c t p c a c th con ngắt người ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ức ạo mắt người ủa ảnh ơng pháp nhận dạng mặt người theo mạng Neural ể huấn luyện mặt người ườii Ph n r t đen c a m t đầng kết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ủa ảnh ắt người ượp các bộ phân loại yếu xác định khuôn mặtc

n i v i m t l p g i là võng m c ho t đ ng gi ng nh film c a máy nh Võng m c làối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ới một cửa sổ 7x7, C=4 ọc và công nghệ Nó là một ngành khoa ạo mắt người ạo mắt người ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ư ủa ảnh ảnh dùng để huấn luyện mặt người ạo mắt người

m t t m màng m ng ch a các t bào th n kinh c m nh n ánh sáng n i v i m t sau c aột cửa sổ 7x7, C=4 ấu tạo mắt người $ ức ết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ặt người ủa ảnh

m t Các t bào th n kinh c m nh n ánh sáng c a võng m c chuy n đ i các tia sáng điắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ủa ảnh ạo mắt người ể huấn luyện mặt người ổ 7x7, C=4qua tròng t thành nh ng xung đi n và truy n chúng thông qua các dây th n kinh thửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ề ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quangiác t i vùng khá ki n c a não, n i mà hình nh đới một cửa sổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt ngườic c m nh n th y.ận dạng dựa trên tri thức ấu tạo mắt người

Hình 2.1: C u t o m t ng ấp và trung ạo và dạy học máy: ắt người ười i

Ví trí c a m t trên đ u quy t đ nh t m nhìn Có 2 lo i t m nhìn, t m nhìn c aủa ảnh ắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh

m t m t riêng bi t, và ph n che ph c a t m nhìn Khi 2 m t hai bên đ u, t m nhìnột cửa sổ 7x7, C=4 ắt người ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ủa ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ắt người ở và đóng ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt

h u nh toàn c nh, nh ng có m t ph n m t mát v s c m nh n 3 chi u Con ngầng kết hợp các bộ phân loại yếu xác định khuôn mặt ư ảnh dùng để huấn luyện mặt người ư ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ề ựa trên tri thức ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ề ườii có

t ng t m nhìn t 160 đ n 208 đ , kho ng 140 đ ho c h n cho m i m t.ổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ặt người ơng pháp nhận dạng mặt người theo mạng Neural ) ắt người

2.2 Không gian màu

Màu đượp các bộ phân loại yếu xác định khuôn mặtc hình thành t 2 nhân t là thành ph n màu s c và đ sáng Giá tr thànhừng đưa ra kế hoạch về hệ thống nhận diện ối quan hệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ắt người ột cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan

ph n màu c a m t đ i tầng kết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng xác đ nh thu c tính màu c a đ i tị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ủa ảnh ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng, đ sáng là thu cột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4tính c a môi trủa ảnh ườing ch a đ i tức ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng Đ i v i m t t m nh màu chúng ta có th nói vối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ấu tạo mắt người ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ềgiá tr c a c thành ph n màu s c và đ sáng.ị giác máy tính và các ngành liên quan ủa ảnh ảnh dùng để huấn luyện mặt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ắt người ột cửa sổ 7x7, C=4

Không gian màu là m t mô hình toán h c mô t cách mà màu s c có th đột cửa sổ 7x7, C=4 ọc và công nghệ Nó là một ngành khoa ảnh dùng để huấn luyện mặt người ắt người ể huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc bi uể huấn luyện mặt người

di n nh nh ng con s , thông thễ rơi vào ư ữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ườing là 3 hay 4 nhân t Phát hi n m t đ i tối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng b ng%cách s d ng thu c tính màu s c c a nó có th không chính xác v i s thay đ i đ sángửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ắt người ủa ảnh ể huấn luyện mặt người ới một cửa sổ 7x7, C=4 ựa trên tri thức ổ 7x7, C=4 ột cửa sổ 7x7, C=4xung quanh, khi s thay đ i này cũng nh hựa trên tri thức ổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ưở và đóngng màu s c bi u ki n c a đ i tắt người ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng Màu

c a hình thủa ảnh ườing đượp các bộ phân loại yếu xác định khuôn mặtc bi u di n trong không gian màu RGB, thành ph n màu đ , xanhể huấn luyện mặt người ễ rơi vào ầng kết hợp các bộ phân loại yếu xác định khuôn mặt $

lá cây và xanh dương pháp nhận dạng mặt người theo mạng Neuralng đượp các bộ phân loại yếu xác định khuôn mặt ưc l u trong 3 ma tr n đ sáng phân bi t M i ma tr n có kíchận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ) ận dạng dựa trên tri thức

thưới một cửa sổ 7x7, C=4c nh hình RGB g c và m t đ c a đi m nh tư ối quan hệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ương pháp nhận dạng mặt người theo mạng Neuralng ng t m i ma tr n đ t oức ừng đưa ra kế hoạch về hệ thống nhận diện ) ận dạng dựa trên tri thức ể huấn luyện mặt người ạo mắt ngườimàu s c đi m nh th c t t i m t t a đ đắt người ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ột cửa sổ 7x7, C=4 ọc và công nghệ Nó là một ngành khoa ột cửa sổ 7x7, C=4 ượp các bộ phân loại yếu xác định khuôn mặtc cho Nh ng bi n thiên đ sáng môiữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4

trườing cũng làm thay đ i nhi u giá tr RGB c a đi m nh Vì th các không gian màuổ 7x7, C=4 ề ị giác máy tính và các ngành liên quan ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặtkhác phù h p h n v i thay đ i đ sáng môi trợp các bộ phân loại yếu xác định khuôn mặt ơng pháp nhận dạng mặt người theo mạng Neural ới một cửa sổ 7x7, C=4 ổ 7x7, C=4 ột cửa sổ 7x7, C=4 ườing nên đượp các bộ phân loại yếu xác định khuôn mặtc dùng

2.2.1 Không gian màu GRAY

M t nh m c xám ch đ n gi n là các màu s c ch là màu xám Lý do chuy n đ iột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ức ỉ đường trên ô tô, một vấn đề ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ắt người ỉ đường trên ô tô, một vấn đề ể huấn luyện mặt người ổ 7x7, C=4màu s c nh sang m c xám là lắt người ảnh dùng để huấn luyện mặt người ức ượp các bộ phân loại yếu xác định khuôn mặtng thông tin đượp các bộ phân loại yếu xác định khuôn mặtc cung c p ít nh t cho m i đi m nh.ấu tạo mắt người ấu tạo mắt người ) ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người

Th c t m t màu xám là do các thành ph n đ , xanh lá cây và xanh dựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt $ ương pháp nhận dạng mặt người theo mạng Neuralng có m t đận dạng dựa trên tri thức ột cửa sổ 7x7, C=4

b ng nhau trong không gian RGB, và vì nó c n đ đ nh rõ giá tr m t đ đ n cho m i% ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ơng pháp nhận dạng mặt người theo mạng Neural )

đi m nh trong khi ba m t đ c n đ xác đ nh cho m i đi m nh trong m t hình màu.ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ) ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4

M t chuy n đ i thông thột cửa sổ 7x7, C=4 ể huấn luyện mặt người ổ 7x7, C=4 ườing t RGB sang Gray là:ừng đưa ra kế hoạch về hệ thống nhận diện

Thông thườing, đ xám đột cửa sổ 7x7, C=4 ượp các bộ phân loại yếu xác định khuôn mặt ưc l u tr dữa thị giác máy tính và các ngành liên quan ưới một cửa sổ 7x7, C=4 ạo mắt ngườii d ng s nguyên 8 bit v i 256 màu xámối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4khác nhau t đen sang tr ng N u các m c đừng đưa ra kế hoạch về hệ thống nhận diện ắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ức ượp các bộ phân loại yếu xác định khuôn mặtc phân ph i nh nhau thì s khác bi tối quan hệ giữa thị giác máy tính và các ngành liên quan ư ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan

gi a m c xám liên ti p là t t h n đáng k so v i s nh n th c v m c xám c a m tữa thị giác máy tính và các ngành liên quan ức ết hợp các bộ phân loại yếu xác định khuôn mặt ối quan hệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ể huấn luyện mặt người ới một cửa sổ 7x7, C=4 ựa trên tri thức ận dạng dựa trên tri thức ức ề ức ủa ảnh ắt người

nh xám v n còn r t ph bi n trong kỹ thu t ngày nay và thu t toán x lý nh,Ảnh gốc và ngưỡng thích nghi nó với một cửa sổ 7x7, C=4 ẫu ấu tạo mắt người ổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ận dạng dựa trên tri thức ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt ngườichúng hoàn toàn đ đáp ng cho các v n đ vì th không c n s d ng x lý nh màuủa ảnh ức ấu tạo mắt người ề ết hợp các bộ phân loại yếu xác định khuôn mặt ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt ngườikhó khăn và ph c t p h n Ví d , cho phát hi n/nh n d ng đ i tức ạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ạo mắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng nh là khuônư

m t, s d ng khai tri n tr riêng c a nh ph i đặt người ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ủa ảnh ảnh dùng để huấn luyện mặt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc bi u di n nh ma trân đ n 2D vìể huấn luyện mặt người ễ rơi vào ư ơng pháp nhận dạng mặt người theo mạng Neural

th nh m c xám thết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ức ườing đượp các bộ phân loại yếu xác định khuôn mặtc dùng

2.2.2 Không gian màu HSV

H th ng đi u ph i màu HSV có mô hình là m t hình nón V trí d c xác đ nh đệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ề ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan ọc và công nghệ Nó là một ngành khoa ị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4sáng, v trí góc – màu s c, và góc (radian) – đ bão hòa Màu s c có t m t 0 t i 360ị giác máy tính và các ngành liên quan ắt người ột cửa sổ 7x7, C=4 ắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ới một cửa sổ 7x7, C=4

nh ng trong m t vài ng d ng nó có t m t 0 – 100%, đ bão hòa t m t 0 – 100%, vàư ột cửa sổ 7x7, C=4 ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diệnxác đ nh v trí tị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng đ i t các tr c d c đ n biên c a hình nón Giá tr đ sáng c a màuối quan hệ giữa thị giác máy tính và các ngành liên quan ừng đưa ra kế hoạch về hệ thống nhận diện ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ọc và công nghệ Nó là một ngành khoa ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ủa ảnh

s c và ph m vi c a nó có t m t 0 – 100%.ắt người ạo mắt người ủa ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện

(2.1)

Hình 2.2: Không gian màu HSV

Các h a sĩ thông thọc và công nghệ Nó là một ngành khoa ườing thích s d ng mô hình màu HSV thay th không gian màuửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt

c đi n nh RGB b i vì nó tổ 7x7, C=4 ể huấn luyện mặt người ư ở và đóng ương pháp nhận dạng mặt người theo mạng Neuralng t nh cách mà con ngựa trên tri thức ư ườii nh n d ng màu s c Ví d ,ận dạng dựa trên tri thức ạo mắt người ắt người ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnhchúng ta mu n thay đ i màu vàng chói sang màu xanh c a m t xe đang đi xu ng m tối quan hệ giữa thị giác máy tính và các ngành liên quan ổ 7x7, C=4 ủa ảnh ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4con đườing, nh ng chúng ta mu n nh hư ối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ưở và đóngng ph n còn l i c a khung c nh, bao g mầng kết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ủa ảnh ảnh dùng để huấn luyện mặt người ồ giải thuật chương trình

nh ng đi m sáng và bóng c a xe Vi c này là m t nhi m v khó trong RGB, nh ng nóư ể huấn luyện mặt người ủa ảnh ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ư

đ n gi n trong HSV B i vì đi m nh vàng c a xe có t m đ c tr ng c a s c, b t kơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ở và đóng ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ủa ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ặt người ư ủa ảnh ắt người ấu tạo mắt người ể huấn luyện mặt người

cườing đ ho c đ bão hòa, các đi m nh đó có th b cô l p d dàng và s c c a chúngột cửa sổ 7x7, C=4 ặt người ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ễ rơi vào ắt người ủa ảnh

b thay đ i, do đó cung c p m t màu khác cho xe H u h t các h th ng x lý hình nhị giác máy tính và các ngành liên quan ổ 7x7, C=4 ấu tạo mắt người ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

kỹ thu t s ho t đ ng trên nh RGB, ho t đ ng đã mô t phía trên sẽ đận dạng dựa trên tri thức ối quan hệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ạo mắt người ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc trình bàytrong 3 bưới một cửa sổ 7x7, C=4c:

- Chuy n đ i nh g c RGB sang HSV.ể huấn luyện mặt người ổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan

- Đi u ch nh giá tr s c.ề ỉ đường trên ô tô, một vấn đề ị giác máy tính và các ngành liên quan ắt người

- Cu i cùng, chuy n đ i nh đối quan hệ giữa thị giác máy tính và các ngành liên quan ể huấn luyện mặt người ổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4c s a đ i sang RGB.ổ 7x7, C=4

Nhi u gi i thu t phát hi n khuôn m t th c hi n d a trên phát hi n màu da trề ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ặt người ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ưới một cửa sổ 7x7, C=4c

M t quan ni m sai l m ph bi n là các mô hình khác nhau đột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ượp các bộ phân loại yếu xác định khuôn mặtc yêu c u cho nh ngầng kết hợp các bộ phân loại yếu xác định khuôn mặt ữa thị giác máy tính và các ngành liên quan

ch ng ngủa ảnh ườii khác nhau Th c t đi u này không đúng vì h u nh t t c m i ngựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ề ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ư ấu tạo mắt người ảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ười ầng kết hợp các bộ phân loại yếu xác định khuôn mặti g n

nh cùng màu s c Nh ng ngư ắt người ữa thị giác máy tính và các ngành liên quan ườii da màu h u nh bao g m t t c các giá tr S cho m tầng kết hợp các bộ phân loại yếu xác định khuôn mặt ư ồ giải thuật chương trình ấu tạo mắt người ảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4

t m gi i h n c a giá tr màu s c Nh là m t k t qu , giá tr màu s c c a hình có thầng kết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ạo mắt người ủa ảnh ị giác máy tính và các ngành liên quan ắt người ư ột cửa sổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ắt người ủa ảnh ể huấn luyện mặt ngườidùng trong gi i thu t phát hi n khuôn m t.ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ặt người

2.2.3 Không gian màu XYZ

Không gian màu XYZ cho phép màu s c đắt người ượp các bộ phân loại yếu xác định khuôn mặtc bi u di n dể huấn luyện mặt người ễ rơi vào ưới một cửa sổ 7x7, C=4 ạo mắt ngườii d ng h n h p c a 3) ợp các bộ phân loại yếu xác định khuôn mặt ủa ảnhgiá tr nhân t kích X, Y và Z Các nhân t kích thích xu t phát t th c t là k t qu nh nị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ừng đưa ra kế hoạch về hệ thống nhận diện ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức

th c màu s c t võng m c c a m t đáp ng v i 3 lo i kích thích Sau khi th nghi m,ức ắt người ừng đưa ra kế hoạch về hệ thống nhận diện ạo mắt người ủa ảnh ắt người ức ới một cửa sổ 7x7, C=4 ạo mắt người ửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quancác CIE thi t l p m t b gi s b XYZ mà tết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ơng pháp nhận dạng mặt người theo mạng Neural ột cửa sổ 7x7, C=4 ương pháp nhận dạng mặt người theo mạng Neuralng ng v i cách ho t đ ng c a võng m cức ới một cửa sổ 7x7, C=4 ạo mắt người ột cửa sổ 7x7, C=4 ủa ảnh ạo mắt người

m t.ắt người

Các CIE xác đ nh s b đ t t c ánh sáng nhìn th y ánh x vào h n h p X, Y, Z vàị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ấu tạo mắt người ảnh dùng để huấn luyện mặt người ấu tạo mắt người ạo mắt người ) ợp các bộ phân loại yếu xác định khuôn mặt

do đó Y x p x tấu tạo mắt người ỉ đường trên ô tô, một vấn đề ương pháp nhận dạng mặt người theo mạng Neuralng quan v i đ sáng bi u ki n c a m t màu s c Nói chung, các h nới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ột cửa sổ 7x7, C=4 ắt người )

h p c a các thành ph n X, Y và Z đợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ượp các bộ phân loại yếu xác định khuôn mặtc dùng đ mô t m t màu s c nh là t l ph nể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ắt người ư ỉ đường trên ô tô, một vấn đề ệ giữa thị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặttrăm l n h n 0, trong m t s trới một cửa sổ 7x7, C=4 ơng pháp nhận dạng mặt người theo mạng Neural ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ườing h p l n h n 100%.ợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ơng pháp nhận dạng mặt người theo mạng Neural

(2.2)

Vi c s d ng thành ph n Z c a không gian màu XYZ cho hình nh khuôn m t, tínhệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ảnh dùng để huấn luyện mặt người ặt ngườitoán tr riêng cho vi c phát hi n m t cho k t qu t t h n thay vì dùng thang đo GRAYị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural

2.3.1 Ng ưỡng toàn cục ng toàn c c ục

Ngưỡng thích nghi nó với một cửa sổ 7x7, C=4ng toàn c c là m t phụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ương pháp nhận dạng mặt người theo mạng Neuralng th c chuy n đ i m t nh gam màu xám sangức ể huấn luyện mặt người ổ 7x7, C=4 ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

nh nh phân, là m t lo i đ c bi t gam màu xám ch có duy nh t 2 giá tr đi m nh đenảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ạo mắt người ặt người ệ giữa thị giác máy tính và các ngành liên quan ỉ đường trên ô tô, một vấn đề ấu tạo mắt người ị giác máy tính và các ngành liên quan ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người

và tr ng, dùng giá tr ngắt người ị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng cho toàn b nh M t hay nhi u ngột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ề ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng có th xác đ nhể huấn luyện mặt người ị giác máy tính và các ngành liên quancho hình nh đ có th phân c t Đ i v i giá tr ngảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ể huấn luyện mặt người ắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng đ n m i đi m nh đơng pháp nhận dạng mặt người theo mạng Neural ) ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc sosánh v i ngới một cửa sổ 7x7, C=4 ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng này và n u cết hợp các bộ phân loại yếu xác định khuôn mặt ườing đ c a đi m nh cao h n ngột cửa sổ 7x7, C=4 ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ơng pháp nhận dạng mặt người theo mạng Neural ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng, đi m nh để huấn luyện mặt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtcthi t l p màu tr ng (hay đen), đ u ra cũng tết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ương pháp nhận dạng mặt người theo mạng Neuralng t n u nó th p h n ngựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng, nó đượp các bộ phân loại yếu xác định khuôn mặtcthi t l p màu đen (hay tr ng) Đ i v i nhi u giá tr ngết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ề ị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng thì có m t d i cột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ườing đột cửa sổ 7x7, C=4sáng đượp các bộ phân loại yếu xác định khuôn mặtc thi t l p màu tr ng trong khi vùng hình nh ngoài d i đết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ắt người ảnh dùng để huấn luyện mặt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc thi t l p màuết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thứcđen Thông thườing ngưỡng thích nghi nó với một cửa sổ 7x7, C=4ng toàn c c v i nhi u m c có th đụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ới một cửa sổ 7x7, C=4 ề ức ể huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc bi u đi n nh sau:ể huấn luyện mặt người ễ rơi vào ư

Z là giá tr cị giác máy tính và các ngành liên quan ườing đ sáng.ột cửa sổ 7x7, C=4

2.3.2 Ng ưỡng toàn cục ng thích nghi

Ngưỡng thích nghi nó với một cửa sổ 7x7, C=4ng toàn c c dùng nh là m t ngụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ư ột cửa sổ 7x7, C=4 ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng c đ nh cho t t c các đi m nh trongối quan hệ giữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ấu tạo mắt người ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ảnh dùng để huấn luyện mặt ngườihình và do đó ch ho t đ ng n u bi u đ cỉ đường trên ô tô, một vấn đề ạo mắt người ột cửa sổ 7x7, C=4 ết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ồ giải thuật chương trình ườing đ sáng c a các hình nh đ u vào baoột cửa sổ 7x7, C=4 ủa ảnh ảnh dùng để huấn luyện mặt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt

g m nh ng đ nh đồ giải thuật chương trình ữa thị giác máy tính và các ngành liên quan ỉ đường trên ô tô, một vấn đề ượp các bộ phân loại yếu xác định khuôn mặtc chia tương pháp nhận dạng mặt người theo mạng Neuralng ng đ thi t k đ i tức ể huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng và n n Do đó, nó khôngề

th gi i quy t v i nh ng th ch a trong hình, ví d : m t đ chênh l ch ánh sáng l n.ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ữa thị giác máy tính và các ngành liên quan ức ức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4

(2.3)

M t khác, vùng ngặt người ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng thích nghi ch n ngọc và công nghệ Nó là một ngành khoa ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng khác nhau cho m i đi m nh d a trên) ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ựa trên tri thức

t m c a giá tr cầng kết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ị giác máy tính và các ngành liên quan ườing đ sáng trong vùng lân c n nó Đi u này cho phép ngột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức ề ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng c aủa ảnh

m t t m hình mà bi u đ cột cửa sổ 7x7, C=4 ấu tạo mắt người ể huấn luyện mặt người ồ giải thuật chương trình ườing đ toàn c c không bao g m đ nh phân bi t và là m tột cửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ồ giải thuật chương trình ỉ đường trên ô tô, một vấn đề ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4

k t qu đ gi i quy t v n đ c a s thay đ i đi u ki n ánh sáng trong hình.ết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ề ủa ảnh ựa trên tri thức ổ 7x7, C=4 ề ệ giữa thị giác máy tính và các ngành liên quan

Có m t vài cách cho vi c tính toán vùng giá tr ngột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng:

Đi m quan tr ng trong ngể huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng thích ng là ch n đúng kích c khu v c cho m iức ọc và công nghệ Nó là một ngành khoa ỡng thích nghi nó với một cửa sổ 7x7, C=4 ựa trên tri thức )

đi m nh Kích thể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ưới một cửa sổ 7x7, C=4 ủa ảnhc c a khu v c này ph i đ l n đ bao đ đi m nh n i và n n, doựa trên tri thức ảnh dùng để huấn luyện mặt người ủa ảnh ới một cửa sổ 7x7, C=4 ể huấn luyện mặt người ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ổ 7x7, C=4 ề

đó m t ngột cửa sổ 7x7, C=4 ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng th p sẽ đấu tạo mắt người ượp các bộ phân loại yếu xác định khuôn mặtc ch n M t khác, ch n nh ng vùng quá l n có th vi ph mọc và công nghệ Nó là một ngành khoa ặt người ọc và công nghệ Nó là một ngành khoa ữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ể huấn luyện mặt người ạo mắt ngườicác gi đ nh v kho ng chi u sáng đ ng đ u Trong m t s trảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ề ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ồ giải thuật chương trình ề ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ườing h p, giá tr ngợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4ngthích nghi có th để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt ngườic c i thi n b ng cách tr đi m t giá tr không đ i t giá tr trungệ giữa thị giác máy tính và các ngành liên quan % ừng đưa ra kế hoạch về hệ thống nhận diện ột cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan ổ 7x7, C=4 ừng đưa ra kế hoạch về hệ thống nhận diện ị giác máy tính và các ngành liên quanbình mean – C Xem xét bi u đ giá tr cể huấn luyện mặt người ồ giải thuật chương trình ị giác máy tính và các ngành liên quan ườing đ sáng ngột cửa sổ 7x7, C=4 ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng thích nghi là ngoài ph mạo mắt người

vi lu n văn này.ận dạng dựa trên tri thức

Hình 2.3: nh g c và ng Ảnh và vào ra video: ối quan hệ giữa thị giác máy tính và các ngành liên quan ưỡng thích nghi nó với một cửa sổ 7x7, C=4 ng thích nghi nó v i m t c a s 7x7, C=4 ới ảnh 3D ột cửa sổ 7x7, C=4 ử lý ảnh (APIs mức thấp và trung ổi khung nhìn:

(2.4)

Chương 3

Một số thuật toán về nhận dạng

3.1 Các phương pháp nhận dạng khuôn mặt người

3.1.1 Hướng tiếp cận dựa trên tri thức 3.1.2 Hướng tiếp cận dựa trên đặc trưng không đổi 3.1.3 Hướng tiếp cận dựa trên so khớp mẫu

3.1.4 Hướng tiếp cận dựa trên diện mạo 3.2 Giải thuật AdaBoost và đặc trưng Haar của khuôn mặt 3.2.1 Giải thuật AdaBoost

3.2.2 Đặc trưng Haar-like của khuôn mặt 3.3 Giải thuật Adaptive Mean Shift

Nội dung chính

3.1 Các phương pháp nhận dạng khuôn mặt người

3.1.1 H ướng tiếp cận dựa trên tri thức ng ti p c n d a trên tri th c ếp cận dựa trên tri thức ận dựa trên tri thức ựa trên tri thức ức

Trong hưới một cửa sổ 7x7, C=4ng ti p c n này, các lu t sẽ ph thu c r t l n vào tri th c c a nh ngết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ận dạng dựa trên tri thức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ấu tạo mắt người ới một cửa sổ 7x7, C=4 ức ủa ảnh ữa thị giác máy tính và các ngành liên quantác gi nghiên c u v bài toán xác đ nh khuôn m t ngảnh dùng để huấn luyện mặt người ức ề ị giác máy tính và các ngành liên quan ặt người ườii Đây là hưới một cửa sổ 7x7, C=4ng ti p c n d ngết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ạo mắt ngườitop-down D dàng xây d ng các lu t c b n đ mô t các đ c tr ng c a khuôn m t vàễ rơi vào ựa trên tri thức ận dạng dựa trên tri thức ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ặt người ư ủa ảnh ặt ngườicác quan h tệ giữa thị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng ng Ví d , m t khuôn m t thức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ặt người ườing có hai m t đ i x ng nhau quaắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ức

tr c th ng đ ng gi a khuôn m t và có m t mũi, m t mi ng ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ẳng và góc, điều chỉnh elip, lấy mẫu và những biến đổi ức ở và đóng ữa thị giác máy tính và các ngành liên quan ặt người ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan

Hình 3.1: Nh n d ng d a trên tri th c ật xử lý ảnh (APIs mức thấp và trung ạo và dạy học máy: ựa trên tri thức ức thấp và trung

M t v n đ khá ph c t p khi dùng hột cửa sổ 7x7, C=4 ấu tạo mắt người ề ức ạo mắt người ưới một cửa sổ 7x7, C=4ng ti p c n này là làm sao chuy n t triết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ể huấn luyện mặt người ừng đưa ra kế hoạch về hệ thống nhận diện

th c con ngức ườii sang các lu t m t cách hi u qu N u các lu t này quá chi ti t ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt thì khixác đ nh có th xác đ nh thi u các khuôn m t có trong nh, vì nh ng khuôn m t nàyị giác máy tính và các ngành liên quan ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ặt người ảnh dùng để huấn luyện mặt người ữa thị giác máy tính và các ngành liên quan ặt ngườikhông th th a mãn t t c các lu t đ a ra Nh ng các lu t t ng quát quá thì có thể huấn luyện mặt người $ ấu tạo mắt người ảnh dùng để huấn luyện mặt người ận dạng dựa trên tri thức ư ư ận dạng dựa trên tri thức ổ 7x7, C=4 ể huấn luyện mặt ngườichúng ta sẽ xác đ nh l m m t vùng nào đó không ph i là khuôn m t mà l i xác đ nh làị giác máy tính và các ngành liên quan ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ặt người ạo mắt người ị giác máy tính và các ngành liên quankhuôn m t Và cũng khó khăn m r ng yêu c u t bài toán đ xác đ nh các khuôn m tặt người ở và đóng ột cửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ặt người

có nhi u t th khác nhau.ề ư ết hợp các bộ phân loại yếu xác định khuôn mặt

3.1.2 H ướng tiếp cận dựa trên tri thức ng ti p c n d a trên đ c tr ng không đ i ếp cận dựa trên tri thức ận dựa trên tri thức ựa trên tri thức ặc trưng không đổi ư ổi

Đây là hưới một cửa sổ 7x7, C=4ng ti p c n theo ki u bottom-up Các tác gi c g ng tìm các đ c tr ngết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ắt người ặt người ưkhông thay đ i c a khuôn m t ngổ 7x7, C=4 ủa ảnh ặt người ười ể huấn luyện mặt ngườii đ xác đ nh khuôn m t ngị giác máy tính và các ngành liên quan ặt người ườii D a trên nh n xétựa trên tri thức ận dạng dựa trên tri thức

th c t , con ngựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ười ễ rơi vàoi d dàng nh n bi t các khuôn m t và các đ i tận dạng dựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng trong các t thư ết hợp các bộ phân loại yếu xác định khuôn mặtkhác nhau và đi u ki n ánh sáng khác nhau, thì ph i t n t i các thu c tính hay đ cề ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ồ giải thuật chương trình ạo mắt người ột cửa sổ 7x7, C=4 ặt người

tr ng không thay đ i Có nhi u nghiên c u đ u tiên xác đ nh các đ c tr ng khuôn m tư ổ 7x7, C=4 ề ức ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ặt người ư ặt người

mi ng, và đệ giữa thị giác máy tính và các ngành liên quan ườing vi n c a tóc đề ủa ảnh ượp các bộ phân loại yếu xác định khuôn mặtc trích b ng ph% ương pháp nhận dạng mặt người theo mạng Neuralng pháp xác đ nh c nh Trên c sị giác máy tính và các ngành liên quan ạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ở và đóngcác đ c tr ng này, xây d ng m t mô hình th ng kê đ mô t quan h c a các đ c tr ngặt người ư ựa trên tri thức ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ặt người ưnày và xác đ nh s t n t i c a khuôn m t trong nh M t v n đ c a các thu t toánị giác máy tính và các ngành liên quan ựa trên tri thức ồ giải thuật chương trình ạo mắt người ủa ảnh ặt người ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ấu tạo mắt người ề ủa ảnh ận dạng dựa trên tri thứctheo hưới một cửa sổ 7x7, C=4ng ti p c n đ c tr ng c n ph i đi u ch nh cho phù h p đi u ki n ánh sáng,ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ặt người ư ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ảnh dùng để huấn luyện mặt người ề ỉ đường trên ô tô, một vấn đề ợp các bộ phân loại yếu xác định khuôn mặt ề ệ giữa thị giác máy tính và các ngành liên quannhi u, và b che khu t Đôi khi bóng c a khuôn m t sẽ t o thêm c nh m i, mà c nh nàyễ rơi vào ị giác máy tính và các ngành liên quan ấu tạo mắt người ủa ảnh ặt người ạo mắt người ạo mắt người ới một cửa sổ 7x7, C=4 ạo mắt người

l i rõ h n c nh th t s c a khuôn m t, vì th n u dùng c nh đ xác đ nh sẽ g p khóạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ạo mắt người ận dạng dựa trên tri thức ựa trên tri thức ủa ảnh ặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ặt ngườikhăn

3.1.3 H ướng tiếp cận dựa trên tri thức ng ti p c n d a trên ếp cận dựa trên tri thức ận dựa trên tri thức ựa trên tri thức so kh p m u ớng tiếp cận dựa trên tri thức ẫu

Trong so kh p m u, các m u chu n c a khuôn m t (thới một cửa sổ 7x7, C=4 ẫu ẫu ẩn mà bạn không cần viết code về chúng Chúng bao gồm sự ủa ảnh ặt người ườing là khuôn m t đặt người ượp các bộ phân loại yếu xác định khuôn mặtc

ch p th ng) sẽ đụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ẳng và góc, điều chỉnh elip, lấy mẫu và những biến đổi ượp các bộ phân loại yếu xác định khuôn mặtc xác đ nh trị giác máy tính và các ngành liên quan ưới một cửa sổ 7x7, C=4c ho c xác đ nh các tham s thông qua m t hàm Tặt người ị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ừng đưa ra kế hoạch về hệ thống nhận diện

m t nh đ a vào, tính các giá tr tột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ư ị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng quan so v i các m u chu n v đới một cửa sổ 7x7, C=4 ẫu ẩn mà bạn không cần viết code về chúng Chúng bao gồm sự ề ườing vi nềkhuôn m t, m t, mũi và mi ng Thông qua các giá tr tặt người ắt người ệ giữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng quan này mà các tác giảnh dùng để huấn luyện mặt ngườiquy t đ nh có hay không có t n t i khuôn m t trong nh Hết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ồ giải thuật chương trình ạo mắt người ặt người ảnh dùng để huấn luyện mặt người ưới một cửa sổ 7x7, C=4ng ti p c n này có l i thết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt

là r t d cài đ t, nh ng không hi u qu khi t l , t th , và hình dáng thay đ i Nhi uấu tạo mắt người ễ rơi vào ặt người ư ệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ỷ lệ vùng chứa mắt phải trong khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ư ết hợp các bộ phân loại yếu xác định khuôn mặt ổ 7x7, C=4 ề

đ phân gi i, đa t l , các m u con, và các m u bi n d ng đột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ỷ lệ vùng chứa mắt phải trong khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan ẫu ẫu ết hợp các bộ phân loại yếu xác định khuôn mặt ạo mắt người ượp các bộ phân loại yếu xác định khuôn mặtc xem xét thành b t bi nấu tạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt

v t l và hình dáng.ề ỷ lệ vùng chứa mắt phải trong khuôn mặt ệ giữa thị giác máy tính và các ngành liên quan

Hình 3.2: Nh n d ng d a trên so kh p m u ật xử lý ảnh (APIs mức thấp và trung ạo và dạy học máy: ựa trên tri thức ới ảnh 3D ẫu ảnh và các biến đổi khung nhìn:

3.1.4 H ướng tiếp cận dựa trên tri thức ng ti p c n d a trên di n m o ếp cận dựa trên tri thức ận dựa trên tri thức ựa trên tri thức ện mạo ạo OpenCV

Trái ngượp các bộ phân loại yếu xác định khuôn mặtc h n v i so kh p m u, các mô hình (hay các m u) đẳng và góc, điều chỉnh elip, lấy mẫu và những biến đổi ới một cửa sổ 7x7, C=4 ới một cửa sổ 7x7, C=4 ẫu ẫu ượp các bộ phân loại yếu xác định khuôn mặtc h c t m t t pọc và công nghệ Nó là một ngành khoa ừng đưa ra kế hoạch về hệ thống nhận diện ột cửa sổ 7x7, C=4 ận dạng dựa trên tri thức

ảnh dùng để huấn luyện mặt người ấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ưới một cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ặt người ười

m t s tác gi còn g i hột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ưới một cửa sổ 7x7, C=4ng ti p c n này là hết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ưới một cửa sổ 7x7, C=4ng ti p c n theo phết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ương pháp nhận dạng mặt người theo mạng Neuralng pháp h c.ọc và công nghệ Nó là một ngành khoa

Hình 3.3: T p nh dùng đ hu n luy n m t ng ật xử lý ảnh (APIs mức thấp và trung ải thuật xử lý ảnh (APIs mức thấp và trung ển thị ảnh: ấp và trung ệ giữa thị giác máy tính và các ngành liên quan ặt người ười i

Sau đó h th ng sẽ t ng h p t t c các đ c tình c a khuôn m t con ngệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ổ 7x7, C=4 ợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ảnh dùng để huấn luyện mặt người ặt người ủa ảnh ặt người ườii nh :ư

m t, mũi, mi ng,…thành m t vector riêng ắt người ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4

Quá trình nh n d ng sẽ th c hi n theo các phận dạng dựa trên tri thức ạo mắt người ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ương pháp nhận dạng mặt người theo mạng Neuralng pháp nh m ng Neural.ư ạo mắt người

Hình 3.4: Ph ương pháp tạo và phân tích ảnh nhị phân: ng pháp nh n d ng m t ng ật xử lý ảnh (APIs mức thấp và trung ạo và dạy học máy: ặt người ười i theo m ng Neural ạo và dạy học máy:

3.2 Giải thuật AdaBoost và đặc trưng Haar của khuôn mặt

3.2.1 Gi i thu t AdaBoost ảng 5.2: ận dựa trên tri thức

AdaBoost là m t b phân lo i m nh phi tuy n ph c d a trên hột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ạo mắt người ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ức ựa trên tri thức ưới một cửa sổ 7x7, C=4ng ti p c nết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức

nguyên t c k t h p tuy n tính các weak classifiers đ hình thành m t strong classifier.ắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ột cửa sổ 7x7, C=4

Là m t c i ti n c a ti p c n boosting, AdaBoost s d ng thêm khái ni m tr ng sột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ọc và công nghệ Nó là một ngành khoa ối quan hệ giữa thị giác máy tính và các ngành liên quan(weight) đ đánh d u các m u khó nh n d ng Trong quá trình hu n luy n, c m iể huấn luyện mặt người ấu tạo mắt người ẫu ận dạng dựa trên tri thức ạo mắt người ấu tạo mắt người ệ giữa thị giác máy tính và các ngành liên quan ức )weak classifiers đượp các bộ phân loại yếu xác định khuôn mặtc xây d ng, thu t toán sẽ ti n hành c p nh t l i tr ng s đ chu nựa trên tri thức ận dạng dựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ận dạng dựa trên tri thức ạo mắt người ọc và công nghệ Nó là một ngành khoa ối quan hệ giữa thị giác máy tính và các ngành liên quan ể huấn luyện mặt người ẩn mà bạn không cần viết code về chúng Chúng bao gồm sự

b cho vi c xây d ng weak classifier k ti p: tăng tr ng s c a các m u b nh n d ngị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ọc và công nghệ Nó là một ngành khoa ối quan hệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ẫu ị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ạo mắt ngườisai và gi m tr ng s c a các m u đảnh dùng để huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ối quan hệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ẫu ượp các bộ phân loại yếu xác định khuôn mặtc nh n d ng đúng b i weak classifier v a xâyận dạng dựa trên tri thức ạo mắt người ở và đóng ừng đưa ra kế hoạch về hệ thống nhận diện

classifiers trưới một cửa sổ 7x7, C=4c nó làm ch a t t Sau cùng, các weak classifers sẽ đư ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtc k t h p tùy theoết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt

m c đ t t c a chúng đ t o nên strong classifier Viola và Jones dùng AdaBoost k tức ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ể huấn luyện mặt người ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt

h p các b phân lo i y u s d ng các đ c tr ng Haar-like theo mô hình phân t ngợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ặt người ư ầng kết hợp các bộ phân loại yếu xác định khuôn mặt

Hình 3.5: Mô hình phân t ng k t h p các b phân lo i y u xác đ nh khuôn m t ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ến đổi khung nhìn: ợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo và dạy học máy: ến đổi khung nhìn: ị giác máy tính và các ngành liên quan ặt người

Trong đó, hk là các b phân lo i y u, đột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ượp các bộ phân loại yếu xác định khuôn mặtc bi u di n nh sau: ể huấn luyện mặt người ễ rơi vào ư

x: c a s con c n xét ửa sổ 7x7, C=4 ổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt

θk: ngưỡng thích nghi nó với một cửa sổ 7x7, C=4ng

fk: giá tr c a đ c tr ng Haar-like ị giác máy tính và các ngành liên quan ủa ảnh ặt người ư

pk: h s quy t đ nh chi u c a phệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ề ủa ảnh ương pháp nhận dạng mặt người theo mạng Neuralng trình

AdaBoost sẽ k t h p các b phân lo i y u thành b phân lo i m nh nh sau:ết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ạo mắt người ư

V i: aới một cửa sổ 7x7, C=4 t ≥ 0 là h s chu n hoá cho các b phân lo i y u.ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ẩn mà bạn không cần viết code về chúng Chúng bao gồm sự ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt

(3.2)(3.1)

Hình 3.6: K t h p các b phân lo i y u thành b phân lo i m nh ến đổi khung nhìn: ợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo và dạy học máy: ến đổi khung nhìn: ột cửa sổ 7x7, C=4 ạo và dạy học máy: ạo và dạy học máy:

3.2.2 Đ c tr ng Haar-like c a khuôn m t ặc trưng không đổi ư ủa OpenCV ặc trưng không đổi

Do Viola và Jones công b , g m 4 đ c tr ng c b n đ xác đ nh khuôn m t ngối quan hệ giữa thị giác máy tính và các ngành liên quan ồ giải thuật chương trình ặt người ư ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ặt người ườii

M i đ c tr ng Haar–like là s k t h p c a hai hay ba hình ch nh t "tr ng" hay "đen") ặt người ư ựa trên tri thức ết hợp các bộ phân loại yếu xác định khuôn mặt ợp các bộ phân loại yếu xác định khuôn mặt ủa ảnh ữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ắt người

Hình 3.7: Đ c ặt người tr ng Haar-like c b n ư ơng pháp tạo và phân tích ảnh nhị phân: ải thuật xử lý ảnh (APIs mức thấp và trung

Đ s d ng các đ t tr ng này vào vi c xác đ nh khuôn m t ngể huấn luyện mặt người ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ặt người ư ệ giữa thị giác máy tính và các ngành liên quan ị giác máy tính và các ngành liên quan ặt người ườii, 4 đ t tr ngặt người ưHaar-like c b n đơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc m r ng ra, và đở và đóng ột cửa sổ 7x7, C=4 ượp các bộ phân loại yếu xác định khuôn mặtc chia làm 3 t p đ c tr ng nh sau:ận dạng dựa trên tri thức ặt người ư ư

Hình 3.8: Đ c tr ng c nh ặt người ư ạo và dạy học máy:

Hình 3.9: Đ c tr ng đ ặt người ư ười ng

Hình 3.10: Đ c tr ng xung quanh tâm ặt người ư

Dùng các đ c tr ng trên, ta có th tính đặt người ư ể huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc giá tr c a đ c tr ng Haar-like là sị giác máy tính và các ngành liên quan ủa ảnh ặt người ư ựa trên tri thứcchênh l ch gi a t ng c a các pixel c a các vùng đen và các vùng tr ng nh trong côngệ giữa thị giác máy tính và các ngành liên quan ữa thị giác máy tính và các ngành liên quan ổ 7x7, C=4 ủa ảnh ủa ảnh ắt người ư

f(x) = T ng vùng đen (các m c xám c a pixel) - T ng vùng tr ng (các m c xám c a pixel) ổi khung nhìn: ức thấp và trung ủa pixel) - Tổng vùng trắng (các mức xám của pixel) ổi khung nhìn: ắt người ức thấp và trung ủa pixel) - Tổng vùng trắng (các mức xám của pixel)

S d ng giá tr này, so sánh v i các giá tr c a các giá tr pixel thô, các đ c tr ng Haar-ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ị giác máy tính và các ngành liên quan ủa ảnh ị giác máy tính và các ngành liên quan ặt người ưlike có th tăng/gi m s thay đ i in-class/out-of-class (bên trong hay bên ngoài l pể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ựa trên tri thức ổ 7x7, C=4 ới một cửa sổ 7x7, C=4

khuôn m t ngặt người ườii), do đó sẽ làm cho b phân lo i d h n Nh v y ta có th th y r ng,ột cửa sổ 7x7, C=4 ạo mắt người ễ rơi vào ơng pháp nhận dạng mặt người theo mạng Neural ư ận dạng dựa trên tri thức ể huấn luyện mặt người ấu tạo mắt người %

đ tính các giá tr c a đ c tr ng Haar-like, ta ph i tính t ng c a các vùng pixel trên nh.ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ủa ảnh ặt người ư ảnh dùng để huấn luyện mặt người ổ 7x7, C=4 ủa ảnh ảnh dùng để huấn luyện mặt người

Nh ng đ tính toán các giá tr c a các đ c tr ng Haar-like cho t t c các v trí trên như ể huấn luyện mặt người ị giác máy tính và các ngành liên quan ủa ảnh ặt người ư ấu tạo mắt người ảnh dùng để huấn luyện mặt người ị giác máy tính và các ngành liên quan ảnh dùng để huấn luyện mặt ngườiđòi h i chi phí tính toán khá l n, không đáp ng đ$ ới một cửa sổ 7x7, C=4 ức ượp các bộ phân loại yếu xác định khuôn mặtc cho các ng d ng đòi h i th iức ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh $ ời

gian th c Do đó Viola và Jones đ a ra m t khái ni m g i là Integral Image, là m t m ngựa trên tri thức ư ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ọc và công nghệ Nó là một ngành khoa ột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người

2 chi u v i kích thề ới một cửa sổ 7x7, C=4 ưới một cửa sổ 7x7, C=4c b ng v i kích c a nh c n tính các đ c tr ng Haar-like, v i m i% ới một cửa sổ 7x7, C=4 ủa ảnh ảnh dùng để huấn luyện mặt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ặt người ư ới một cửa sổ 7x7, C=4 )

ph n t c a m ng này đầng kết hợp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ủa ảnh ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc tính b ng cách tính t ng c a đi m nh phía trên (dòng-1)% ổ 7x7, C=4 ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người

và bên trái (c t-1) c a nó B t đ u t v trí trên, bên trái đ n v trí dột cửa sổ 7x7, C=4 ủa ảnh ắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện ị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ưới một cửa sổ 7x7, C=4i, ph i c a nh,ảnh dùng để huấn luyện mặt người ủa ảnh ảnh dùng để huấn luyện mặt người

vi c tính toán này đ n thu n ch đ a trên phép c ng s nguyên đ n gi n, do đó t c đệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ỉ đường trên ô tô, một vấn đề ựa trên tri thức ột cửa sổ 7x7, C=4 ối quan hệ giữa thị giác máy tính và các ngành liên quan ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4

th c hi n r t nhanh.ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người

Hình 3.11: Cách tính Integral Image c a nh ủa pixel) - Tổng vùng trắng (các mức xám của pixel) ải thuật xử lý ảnh (APIs mức thấp và trung

Sau khi đã tính đượp các bộ phân loại yếu xác định khuôn mặtc Integral Image, vi c tính t ng các giá tr m c xám c a m tệ giữa thị giác máy tính và các ngành liên quan ổ 7x7, C=4 ị giác máy tính và các ngành liên quan ức ủa ảnh ột cửa sổ 7x7, C=4vùng b t kỳ nào đó trên nh th c hi n r t đ n gi n theo cách sau: ấu tạo mắt người ảnh dùng để huấn luyện mặt người ựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ơng pháp nhận dạng mặt người theo mạng Neural ảnh dùng để huấn luyện mặt người

Gi s ta c n tính t ng các giá tr m c xám c a vùng D nh trong hình 4, ta có thảnh dùng để huấn luyện mặt người ửa sổ 7x7, C=4 ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ổ 7x7, C=4 ị giác máy tính và các ngành liên quan ức ủa ảnh ư ể huấn luyện mặt người

Hình 3.12: Ví d cách tính nhanh các giá tr m c xám c a vùng D trên nh ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ị giác máy tính và các ngành liên quan ức thấp và trung ủa pixel) - Tổng vùng trắng (các mức xám của pixel) ải thuật xử lý ảnh (APIs mức thấp và trung

Ti p theo, đ ch n các đ c tr ng Haar-like dùng cho vi c thi t l p ngết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ọc và công nghệ Nó là một ngành khoa ặt người ư ệ giữa thị giác máy tính và các ngành liên quan ết hợp các bộ phân loại yếu xác định khuôn mặt ận dạng dựa trên tri thức ưỡng thích nghi nó với một cửa sổ 7x7, C=4ng, Viola

và Jones s d ng m t phửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ột cửa sổ 7x7, C=4 ương pháp nhận dạng mặt người theo mạng Neuralng pháp máy h c đọc và công nghệ Nó là một ngành khoa ượp các bộ phân loại yếu xác định khuôn mặtc g i là AdaBoost AdaBoost sẽ k tọc và công nghệ Nó là một ngành khoa ết hợp các bộ phân loại yếu xác định khuôn mặt

h p các b phân lo i y u đ t o thành m t b phân lo i m nh V i b phân lo i y uợp các bộ phân loại yếu xác định khuôn mặt ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt ể huấn luyện mặt người ạo mắt người ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ạo mắt người ạo mắt người ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ạo mắt người ết hợp các bộ phân loại yếu xác định khuôn mặt

ch cho ra câu tr l i chính xác ch h n vi c đoán m t cách ng n nhiên m t chút, còn bỉ đường trên ô tô, một vấn đề ảnh dùng để huấn luyện mặt người ời ỉ đường trên ô tô, một vấn đề ơng pháp nhận dạng mặt người theo mạng Neural ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ẫu ột cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4phân lo i m nh có th đ a ra câu tr l i chính xác trên 60%.ạo mắt người ạo mắt người ể huấn luyện mặt người ư ảnh dùng để huấn luyện mặt người ời

3.3 Gi i thu t Adaptive Mean Shift ảng 5.2: ận dựa trên tri thức

Thu t toán Adaptive Mean Shift đận dạng dựa trên tri thức ượp các bộ phân loại yếu xác định khuôn mặtc dùng cho vi c phát hi n khuôn m t và d aệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ặt người ựa trên tri thứctrên kỹ thu t phi tham s cho vi c gia tăng đ chênh l ch m t đ đ tìm cách th c phânận dạng dựa trên tri thức ối quan hệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ột cửa sổ 7x7, C=4 ệ giữa thị giác máy tính và các ngành liên quan ận dạng dựa trên tri thức ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ức

b xác su t đối quan hệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ượp các bộ phân loại yếu xác định khuôn mặtc g i là thu t toán mean shift Khi khuôn m t đọc và công nghệ Nó là một ngành khoa ận dạng dựa trên tri thức ặt người ượp các bộ phân loại yếu xác định khuôn mặtc phát hi n trongệ giữa thị giác máy tính và các ngành liên quanchu i videos, thu t toán mean shift đ) ận dạng dựa trên tri thức ượp các bộ phân loại yếu xác định khuôn mặtc đi u ch nh đ gi i quy t v i v n đ thay đ iề ỉ đường trên ô tô, một vấn đề ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ết hợp các bộ phân loại yếu xác định khuôn mặt ới một cửa sổ 7x7, C=4 ấu tạo mắt người ề ổ 7x7, C=4phân b xác su t màu đ ng S đ kh i c a thu t toán nh sau:ối quan hệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ột cửa sổ 7x7, C=4 ơng pháp nhận dạng mặt người theo mạng Neural ồ giải thuật chương trình ối quan hệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ận dạng dựa trên tri thức ư

Hình 3.13: Gi i thu t Adaptive Mean Shift ải thuật xử lý ảnh (APIs mức thấp và trung ật xử lý ảnh (APIs mức thấp và trung

Đ s d ng CAMSHIFT cho vi c phát hi n các đ i tể huấn luyện mặt người ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ối quan hệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtng màu trong m t đo nột cửa sổ 7x7, C=4 ạo mắt ngườivideo, m t nh phân b xác su t c a màu đột cửa sổ 7x7, C=4 ảnh dùng để huấn luyện mặt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ấu tạo mắt người ủa ảnh ượp các bộ phân loại yếu xác định khuôn mặtc thi t k (màu da trong trết hợp các bộ phân loại yếu xác định khuôn mặt ết hợp các bộ phân loại yếu xác định khuôn mặt ườing h p phátợp các bộ phân loại yếu xác định khuôn mặt

hi n khuôn m t) trong đo n video ph i đệ giữa thị giác máy tính và các ngành liên quan ặt người ạo mắt người ảnh dùng để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặt ạo mắt ngườic t o ra Đ làm để huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặtc đi u này, đ u tiênề ầng kết hợp các bộ phân loại yếu xác định khuôn mặt

d ng không gian màu HSV Không gian màu HSV tách r i s c (màu s c) t đ bão hòaụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ời ắt người ắt người ừng đưa ra kế hoạch về hệ thống nhận diện ột cửa sổ 7x7, C=4màu và đ sáng M u màu có th đột cửa sổ 7x7, C=4 ẫu ể huấn luyện mặt người ượp các bộ phân loại yếu xác định khuôn mặt ạo mắt ngườic t o ra b ng cách l y bi u đ 1D c a kênh màu% ấu tạo mắt người ể huấn luyện mặt người ồ giải thuật chương trình ủa ảnh

s c.ắt người

V vi c phát hi n khuôn m t d a trên m u màu da, vùng da t ngề ệ giữa thị giác máy tính và các ngành liên quan ệ giữa thị giác máy tính và các ngành liên quan ặt người ựa trên tri thức ẫu ừng đưa ra kế hoạch về hệ thống nhận diện ườii dùng đượp các bộ phân loại yếu xác định khuôn mặtc

l y m u b i phấu tạo mắt người ẫu ở và đóng ương pháp nhận dạng mặt người theo mạng Neuralng th c ngức ườii dùng đ ch nh tâm m t c a h trong m t khung trênể huấn luyện mặt người ỉ đường trên ô tô, một vấn đề ặt người ủa ảnh ọc và công nghệ Nó là một ngành khoa ột cửa sổ 7x7, C=4màn hình trong su t quá trình kh i đ ng Ngu n màu s c t đi m nh c a da trongối quan hệ giữa thị giác máy tính và các ngành liên quan ở và đóng ột cửa sổ 7x7, C=4 ồ giải thuật chương trình ắt người ừng đưa ra kế hoạch về hệ thống nhận diện ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ủa ảnh

t m hình đấu tạo mắt người ượp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt ngườic l y m u t kênh H và ch a trong m t bi u đ 1D Khi quá trình l y m uẫu ừng đưa ra kế hoạch về hệ thống nhận diện ức ột cửa sổ 7x7, C=4 ể huấn luyện mặt người ồ giải thuật chương trình ấu tạo mắt người ẫuhoàn t t, bi u đ đấu tạo mắt người ể huấn luyện mặt người ồ giải thuật chương trình ượp các bộ phân loại yếu xác định khuôn mặt ưc l u cho vi c s d ng sau này Trong su t quá trình ho t đ ng,ệ giữa thị giác máy tính và các ngành liên quan ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ối quan hệ giữa thị giác máy tính và các ngành liên quan ạo mắt người ột cửa sổ 7x7, C=4

bi u đ màu da để huấn luyện mặt người ồ giải thuật chương trình ượp các bộ phân loại yếu xác định khuôn mặt ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnhc s d ng nh là m t m u ho c b ng tra, đ chuy n đi m nh c aư ột cửa sổ 7x7, C=4 ẫu ặt người ảnh dùng để huấn luyện mặt người ể huấn luyện mặt người ể huấn luyện mặt người ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ủa ảnh

nh ng video t i sang m t xác su t tữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ột cửa sổ 7x7, C=4 ấu tạo mắt người ương pháp nhận dạng mặt người theo mạng Neuralng ng c a nh da m t Vi c này đức ủa ảnh ảnh dùng để huấn luyện mặt người ặt người ệ giữa thị giác máy tính và các ngành liên quan ượp các bộ phân loại yếu xác định khuôn mặtc th c hi nựa trên tri thức ệ giữa thị giác máy tính và các ngành liên quancho m i khung video S d ng ph) ửa sổ 7x7, C=4 ụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh ương pháp nhận dạng mặt người theo mạng Neuralng th c này, t m xác su t trong các bức ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ấu tạo mắt người ưới một cửa sổ 7x7, C=4 ời ạo mắt người ừng đưa ra kế hoạch về hệ thống nhận diệnc r i r c t

0 đ n giá tr xác su t t i đa c a đi m nh là 1 V i 8 bits màu s c, t m này t 0 – 255.ết hợp các bộ phân loại yếu xác định khuôn mặt ị giác máy tính và các ngành liên quan ấu tạo mắt người ối quan hệ giữa thị giác máy tính và các ngành liên quan ủa ảnh ể huấn luyện mặt người ảnh dùng để huấn luyện mặt người ới một cửa sổ 7x7, C=4 ắt người ầng kết hợp các bộ phân loại yếu xác định khuôn mặt ừng đưa ra kế hoạch về hệ thống nhận diện

Đ i v i không gian màu HSV, v n đ x y ra khi đ sáng th p B i vì đ sáng th pối quan hệ giữa thị giác máy tính và các ngành liên quan ới một cửa sổ 7x7, C=4 ấu tạo mắt người ề ảnh dùng để huấn luyện mặt người ột cửa sổ 7x7, C=4 ấu tạo mắt người ở và đóng ột cửa sổ 7x7, C=4 ấu tạo mắt người

Hình 3.14: Màu da c a khuôn m t (kênh H) ủa pixel) - Tổng vùng trắng (các mức xám của pixel) ặt người