Luận Văn Thạc Sĩ: Nghiên Cứu Phát Hiện Và Theo Dõi Khuôn Mặt Trên Smartphone Trong Lĩnh Vực Điều Khiển Và Tự Động Hóa

Phát hiện khuôn mặt và theo dõi khuôn mặt có ứng dụng rộng rãi trong các lĩnh vực như bảo mật, quân sự và giải trí. Tuy nhiên, việc triển khai các thuật toán này trên smartphone gặp nhiều thách thức do hạn chế về phần cứng. Đề tài này tập trung vào việc tối ưu hóa các thuật toán như Haar-like, CamShift, và bộ lọc Particle để đạt hiệu quả cao trên thiết bị di động.

Mục tiêu chính của đề tài là xây dựng một hệ thống phát hiện và theo dõi khuôn mặt thời gian thực trên smartphone. Hệ thống này sẽ tích hợp các thuật toán tiên tiến như Haar-like và CamShift để đảm bảo độ chính xác và tốc độ xử lý. Đề tài cũng hướng đến việc khắc phục các vấn đề như khuôn mặt bị che khuất hoặc nhiễu màu da.

Mô hình Cascade của Viola và Jones là một phương pháp hiệu quả để phát hiện khuôn mặt dựa trên các đặc trưng Haar-like và thuật toán Adaboost. Mô hình này sử dụng một chuỗi các bộ phân loại để loại bỏ nhanh các vùng không chứa khuôn mặt, giúp tăng tốc độ xử lý.

CamShift là một thuật toán cải tiến từ MeanShift, được sử dụng để theo dõi khuôn mặt dựa trên màu sắc. Tuy nhiên, thuật toán này có nhược điểm là dễ bị sai lệch khi màu nền gần giống màu da. Để khắc phục, đề tài đề xuất kết hợp CamShift với bộ lọc Particle để dự đoán vị trí khuôn mặt chính xác hơn.

Thuật toán CamShift được cải tiến bằng cách tích hợp thêm bộ lọc Particle để dự đoán vị trí khuôn mặt dựa trên mô hình chuyển động. Phương pháp này giúp giảm thiểu sai lệch khi khuôn mặt bị che khuất hoặc khi màu nền gần giống màu da.

Thuật toán đề xuất được tích hợp vào hệ thống phát hiện và theo dõi khuôn mặt trên smartphone sử dụng nền tảng iOS. Thư viện OpenCV được sử dụng để triển khai các thuật toán xử lý hình ảnh và học máy, đảm bảo hiệu suất cao trên thiết bị di động.

Các thử nghiệm cho thấy thuật toán đề xuất đạt độ chính xác cao trong việc phát hiện và theo dõi khuôn mặt, ngay cả trong điều kiện khuôn mặt bị che khuất hoặc nhiễu màu da. Hệ thống cũng đáp ứng được yêu cầu thời gian thực trên smartphone.

Kết quả của đề tài được so sánh với các công trình nghiên cứu khác trong lĩnh vực nhận diện khuôn mặt và theo dõi khuôn mặt. Thuật toán đề xuất cho thấy ưu thế về độ chính xác và tốc độ xử lý, đặc biệt là trên nền tảng công nghệ di động.

Đề tài đã giải quyết được các vấn đề chính trong phát hiện và theo dõi khuôn mặt trên smartphone, bao gồm việc xử lý khuôn mặt bị che khuất và nhiễu màu da. Thuật toán đề xuất cho thấy hiệu quả cao trong điều kiện thời gian thực.

Hướng phát triển tiếp theo của đề tài bao gồm việc tối ưu hóa thuật toán để giảm thiểu tài nguyên phần cứng và mở rộng ứng dụng vào các lĩnh vực như an ninh, giám sát và công nghệ thông minh.