Chương I TỔNG QUAN 1. Trước sự phát triển như vũ bão của khoa học kỹ thuật, ngành điều khiển học và tự động hóa đã có những bước tiến lớn. Điều khiển học và tự động hóa ngày càng đóng vai trò quan trọng trong việc tăng năng xuất lao động, giảm giá thành, tăng sự ổn định chất lượng của sản phẩm. Thêm vào đó, môi trường làm việc được cải thiện đặt biệt trong một số ngành nghề có tính chất độc hại nguy hiểm cho tính mạng con người: dò bom mìn, thao tác trong các nhà máy điện hạt nhân hoặc các khu vực có độ phóng xạ cao, thám hiểm mặt trăng sao hỏa, thám hiểm đáy biển sâu Trong xã hội công nghiệp ngày nay, việc ứng dụng các robot tự hành, các cánh tay máy, có khả năng hoạt động độc lập ngày càng phổ biến.
Để có khả năng thông minh đó, chúng phải có khả năng nhìn, nhận dạng các tình huống, xử lý tình huống như con người. Đáp ứng nhu cầu đó, xử lý ảnh đã tham gia vào điều khiển học và tự động hóa. Dữ liệu về hình ảnh có lượng thông tin lớn và chính xác hơn các loại dữ liệu từ các cảm biến khác.Điều này giúp cho việc giải quyết các vấn đề trong lĩnh vực điều khiển tự động dễ dàng hơn. Một trong những bài toán về xử lý ảnh phổ biến hiện nay là “phát hiện khuôn mặt người”.
Và đã được ứng dụng rộng rãi vào cuộc sống hiện nay như: • Hệ thống tương tác giữa người và máy: Giúp những người bị tật hoặc khuyết điểm có thể trao đổi. Những người dùng ngôn ngữ tay có thể giao tiếp với người bình thường. Những người bị bại liệt thông qua một số ký hiệu nháy mắt có thể biểu lộ những gì họ muốn. Đó là các bài toán điệu bộ của bàn tay (hand gesture), điệu bộ của khuôn mặt.
• Nhận dạng người A có phải là tội phạm truy nã hay không, giúp cơ quan an ninh quản lý tốt con người. Công việc nhận dạng có thể có thể ở trong môi trường bình thường cũng như trong bóng tối. • Thẻ căn cước, chứng minh nhân dân (Face identification) 2 • An ninh sân bay, xuất nhập cảnh ( hiện nay cơ quan an ninh xuất nhập cảnh Mỹ đã áp dụng). Dùng để xác thực người xuất nhập cảnh và kiểm tra có phải là nhân vật khủng bố hay không.
• Điều khiển vào ra: Văn phòng, công ty, trụ sở, máy tính…, kết hợp thêm vân tay và móng mắt. Cho phép nhân viên được vào ra nơi cần thiết, hay mỗi người sẽ đăng nhập máy tính cá nhân của mình mà không cần nhớ tên đăng nhập cũng như mật khẩu mà chỉ cần xác định thông qua khuôn mặt. • Tìm kiếm dữ liệu liên quan đến con người thông qua khuôn mặt người trên nhiều hệ cơ sở dữ liệu lưu trữ thật lớn như internet, các hãng truyền hình. Để phát hiện, nhận diện và cảnh báo, đảm bảo tính chính xác thì hệ thống cần phải có tốc độ xử lý nhanh, hoạt động như một hệ thống thời gian thực.Một sản phẩm tốt thì không bao giờ có những sai xót, nếu hệ thống phát hiện có chuyển động và nhận dạng mà hệ thống cảnh báo vẫn không hoạt động thì đó là việc không thể chấp nhận được.Vì vậy tốc độ nhanh và tính chính xác là 2 yếu tố quan trọng nhất trong việc xây dựng và thưc hiện hệ thống.2 Các kết quả nghiên cứu trong và ngoài nước đã công bố.1 Các kết quả nghiên cứu trong nước: a.
“Nhận dạng mặt người trên Matlab” của Võ Hồng Hoan Trong đề tài tác giả đã sữ dụng thuật toán PCA để nhận dạng khuôn mặt, từ đó xây dựng chương trình tìm kiếm một bức ảnh có khuôn mặt một người trong tập ảnh cơ sở giống với khuôn mặt của người trong bức ảnh cần kiểm tra bằng ngôn ngữ Matlab. “Nhận dạng mặt người dùng SVM và mạng nơron” của Nguyễn Thành Thái. Ở đề tài này, tác giả tập trung nghiên cứu hai phân lớp ảnh SVM và mạng nơron để áp dụng cho bài toán nhận dạng mặt người. Từ đó, đưa ra một ứng dụng thực tế là xác định một đối tượng có phải là học sinh của trường THPT Nguyễn Hữu Cầu hay không, để minh họa cho tính khả thi của hai phương pháp nêu trên.
“Thuật toán phát hiện chuyển động” của Đào Ngọc Anh. 3 Đề tài đã tìm hiểu các phương pháp mô hình hỗn hợp nền thích nghi, mô hình không tham số thích nghi, mô hình sử dụng từ điển (code-book) thích nghi thời gian thực.Giả lập chuyển động để tạo ra ảnh lối vào khi nghiên cứu các đặc tính cần đánh giá.Làm chủ được thuật toán phát hiện chuyển động trên cơ sở sử dụng các phương pháp khác nhau để mô hình hóa nền. “Nhận dạng khuôn mặt” của Mai Hữu Lợi Tác giả thực hiện mô phỏng hệ thống nhận dạng khuôn mặt sử dụng thuật toán PCA (Principal Component Analysis) để rút trích đặc trưng áp dụng cho quá trình nhận dạng khuôn mặt, từ đó xây dựng 2 chương trình: chương trình nhận dạng gương mặt từ bộ dữ liệu ảnh tĩnh lấy từ ORL và chương trình nhận dạng trực tiếp từ wedcam.2 Các kết quả nghiên cứu ngoài nước. Ở các nước khác trên thế giới, các nghiên cứu đã tiếp cận đề tài theo nhiều hướng khác nhau, trong đó có những công trình nghiên cứu sau: d.
Công trình nghiên cứu của Viola và Jones [5]: Nghiên cứu này mô tả phương pháp nhận dạng vật thể, xử lý ảnh tốc độ rất nhanh và có độ chính xác rất cao. Viola và Jones đã đề xuất 3 điểm nổi bật: + Thứ nhất là khái niệm “Itergral image” cho phép tính toán các đặc điểm nhận dạng rất nhanh. + Thứ hai là thuật toán AdaBoost cho phép lựa chọn những đặc điểm quan trọng và phân tầng phân loại hoạt động hiệu quả. + Thứ ba là phương pháp kết hợp những bộ phân loại thành những tầng cho phép những vùng phông nền không chứa vật thể bị loại nhanh ngay từ những tầng đầu và dành nhiều thời gian hơn cho việc tính toán những vùng có vật thể.
Cách tiếp cận mới này đã cho phép giảm thời gian tính toán trong khi vẫn đàm bảo được tỉ lệ nhận dạng cao khoảng gần 94%, tốc độ tăng khoàng 15 lần so với những nghiên cứu trước. Do những đặc điểm nổi trội trên nên mô hình có thể được áp dụng cho những ứng dụng thời gian thực. “Contours finding and Background removal” của Ivano Zanchetta Nghiên cứu đã đề cập đến kỹ thuật trừ nền và phát hiện đường biên để đánh dấu vật chuyển động trong nền cho trước. Nghiên cứu đã thấy ưu thế về tốc độ xử lý của kỹ thuật trừ nền để phát hiện chuyển động và có khả năng ứng dụng thời gian thực rất tốt.
ʻ Face detection and recognition using hidden Markov modelsʼ của Nefian, Hayes. Các tác giả sử dụng mô hình Makov ẩn (HMM) trong việc nhận dạng và phát hiện gương mặt. Các vector quan sát được sử dụng để mô tả các trạng thái của HMM thu được bằng cách sử dụng hệ số của biến đổi Karhunen-Loeve (KLT). Phương pháp nhận dạng khuôn mặt được trình bày trong đề tài làm giảm đáng kể độ phức tạp trong tính toán của hệ thống nhận dạng khuôn mặt, đồng thời tăng tốc độ nhận dạng khuôn mặt.Bài viết giới thiệu một cách tiếp cận mới trong việc phát hiện khuôn mặt dựa trên HMM.3 Nhiệm vụ của đề tài.1 Yêu cầu của đề tài Mục tiêu của đề tài là thiết kế một mô hình giám sát và nhận diện người một cách tự động bằng công nghệ nhận dạng mặt người kể cả khi gương mặt bị che một phần như đeo kính hoặc mang khẩu trang.
Yêu cầu của hệ thống là phải hoạt động ổn định, phát hiện nhận dạng nhanh, hoạt động trong nhiều môi trường khác nhau như : đủ sáng, thiếu sáng, chói sáng,….Khối xử lý trung tâm phải phát hiện được gương mặt một hoặc nhiều người ở các góc độ khác nhau như : nhìn chính diện, nhìn nghiêng, nhìn từ bên trái, nhìn từ bên phải, đồng thời phải phát hiện được gương mặt có đeo kính, đeo khẩu trang, hay tóc phủ nhiều.2 Nội dung cần thực hiện Đề tài nghiên cứu và phát triển mô hình phát hiện và nhận dạng khuôn mặt người dựa trên thư viện thị giác máy tính mã nguồn mở OpenCVdo Intel phát triển. Hệ thống được xây dựng dựa trên camera AI để nhận dạng mặt người và gửi danh sách điểm danh về địa chỉ email của người dùng,. Đề tài tập trung nghiên cứu các vấn đề cơ bản sau : 5 1. Tìm hiểu thư viện thị giác máy tính mã nguồn mở OpenCV.
Tìm hiểu kỹ thuật rút trích đặc trưng Harr-like theo mô hình phân tầng cascade. Tìm hiểu thuật toán Adaboots trong việc huấn luyện đặc trưng gương mặt. Ứng dụng camera AI để xây dựng hệ thống nhận dạng mặt người 6 Chương 2 CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH 2.1 Phương pháp xử lý ảnh. Xử lý ảnh là một khoa học còn tương đối mới mẻ so với nhiều ngành khoa học khác, nhất là trên qui mô công nghiệp, song trong xử lý ảnh đã bắt đầu xuất hiện những máy tính chuyên dụng.
Để có thể hình dung cấu hình một hệ thống xử lý ảnh chuyên dụng hay một hệ thống xử lý ảnh dùng trong nghiên cứu, đào tạo, trước hết chúng ta sẽ xem xét các bước cần thiết trong xử lý ảnh. Trước hết là quá trình thu nhận ảnh. Ảnh có thể thu nhận qua camera. Thường ảnh thu nhận qua camera là tín hiệu tương tự (loại camera ống kiểu CCIR), nhưng cũng có thể là tín hiệu số hoá (loại CCD - Charge Coupled Device).1 Các giai đoạn chính trong xử lý ảnh Ảnh cũng có thể thu nhận từ vệ tinh qua các bộ cảm ứng (sensor), hay ảnh, tranh được quét trên scanner.
Chi tiết về quá trình thu nhận ảnh sẽ được mô tả trong chương 2. Tiếp theo là quá trình số hoá (Digitalizer) để biến đổi tín hiệu tương tự sang tín hiệu rời rạc (lấy mẫu) và số hoá bằng lượng hoá, trước khi chuyển sang giai đoạn xử lý, phân tích hay lưu trữ lại. 7 Qúa trình phân tích ảnh thực chất bao gồm nhiều công đoạn nhỏ. Trước hết là công việc tăng cường ảnh để nâng cao chất lượng ảnh.
Do những nguyên nhân khác nhau: có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu, ảnh có thể bị suy biến. Do vậy cần phải tăng cường và khôi phục lại ảnh để làm nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất với trạng thái gốc- trạng thái trước khi ảnh bị biến dạng. Giai đoạn tiếp theo là phát hiện các đặc tính như biên, phân vùng ảnh, trích chọn các đặc tính, v.