CHƯƠNG I: TONG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ HƯỚNG TIEP CAN phòng, bật/tắt máy điều hòa, âm thanh khi người trong nhà có nhu cầu sử dụng, quan sát nhà từ xa qua camera, hệ thống an ninh bật còi hụ và phối hợp ánh sáng đèn trong nhà khi có người lạ xâm nhập và gửi tin nhắn báo cho chủ nha,.hé thông được thực hiện trên kịch bản đã soạn sẵn. Hệ thống an ninh nhìn chung chưa đưa được các bài toán về xử lý ảnh như phát hiện, nhận dạng, phân tích đối tượng vào các ứng dụng thông minh vào chức năng an ninh của nhà thông minh. Đây là động lực cho dé tài nghiên cứu và phát triển hệ thống dé ứng dụng trong thực tế, giúp cho những người Việt Nam có thể tiếp cận và sử dụng công nghệ phù hợp với kinh tế của mình.2 Các công trình nghiên cứu liên quan Trong Hước: Nhóm tác giả Châu Ngân Khánh và Đoàn Thanh Nghị đã kết hợp đặc trưng Haar-like và các đặc trưng cục bộ không, đổi (Scale — Invarant Feature Transform — SIFT) với mô hình phân tầng của Boost (Cascade of Boosted Classifiers - CBC) cho nhận dang mặt người. Để tăng tính chính xác nhóm tác giả đã dé xuất sử dung các thuật toán K láng giéng gan nhat (K Nearest Neighbor —kNN) với độ chính xác mà nhóm tác giả đạt được là 94.35%, kNN đảo ngược với 86.05% và Naïve Bayer Nearest Neighbor (NBNN) với 98.
Tác gia Dương Anh Hùng đã áp dụng thuật toán Local Binary Pattern (LBP) để rút trích đặc trưng khuôn mặt và giải thuật Principal Component Analysis (PCA) cho mục đích nhận dạng khuôn mặt, độ chính xác mà tác giả đạt được khi thực nghiệm trên bộ thư viện chuẩn Multiple Biometric Grand Challenge (MBGC) là trên 90% và đạt 70-80% trên cơ sở dữ liệu thu thập thực tế (7]. Tác giả Ta Thi Ai Nhi đã nghiên cứu các phương pháp AdaBoost kết hợp với Haar Like để phát hiện khuôn mặt, thuật toán MeanShift và CamShift cho mục đích theo vết, các thuật toán xác định chuyển động như Frame Difference, Running Gausian Average và Codebook. Kết quả mà tác giả thu được từ chương trình thực nghiệm trên 40 video mẫu từ bộ chuẩn video số Audio Video Interleave (AVI) với độ chính xác khoảng 80% [8]. 10 CHƯƠNG I: TONG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ HƯỚNG TIEP CAN Nhóm tác giả Trần Thanh Việt đã kết hợp phương pháp Optical Flow với phương pháp trích chon mẫu dé phát hiện và theo bám đối tượng di chuyền, nhưng độ chính xác thu được còn phụ thuộc vào môi trường như độ nhiễu, độ thay đổi ánh sáng, độ phản chiếu.
Tác giả Nguyễn Thành Trung đã đưa ra một phương pháp lai với mục đích xác định 20 điểm đặc trưng của khuôn mặt. Tác giả đã sử dụng các đặc trưng Haar like để xây dựng bộ luật xác định 6 điểm đặc trưng như hai mống mắt, hai điểm lỗ mũi và hai khée miệng. Đồng thời, tác giả cũng dùng bộ lọc Gabor kết hợp với phương pháp học máy Support Vector Machine (SVM) để xác định 14 điểm đặc trưng còn lại. Hệ thống thực nghiệm thu được trên bộ dữ liệu chuân Cohn Kanade với độ chính xác là 90% cho 6 điểm dựa trên hướng tiếp cận bằng luật, và 66.6% cho 14 điêm còn lại dựa trên đặc trưng Gabor và SVM [10].
Ngoài nước: Arundhati Das và cộng sự cải tiến các đặc trưng của Haar like kết hợp với giải thuật AdaBoost vào hệ thống thực nghiệm của nhóm tác giả. Hệ thống được thực hiện trên Camera của máy tính với độ phân giải 1366x768 trong thời gian thực. Từ video thu hình trực tiếp, một khuôn mặt người thì được phát hiện và được đánh dấu những vùng trên khuôn mặt như khuôn mặt, mắt. Sự cải tiến của nhóm tác giả góp phần làm cho hệ thống có thể phát hiện ra khuôn mặt người trong những điều kiện môi trường phức tạp như sự thay đổi độ sáng tối của khung nền, khuôn mặt bị che khuất, độ nghiên của khuôn mặt, đeo kính với độ chính xác trung bình thu được là 80% [11].Adbur Rahim cùng với nhóm cộng sự đã nghiên cứu phương pháp Local Binary Patterns cùng với lược đồ Histograms trên ảnh tĩnh xám đề nhận diện khuôn mặt, khai thác đặc trưng và phân tích đặc trưng.
Kết quả thực nghiệm của hệ thống dựa trên sự phân tích hình ảnh khuôn được kiểm tra với những tập ảnh trong cơ sở dữ liệu với độ chính xác là 100% [12]. Guanglei Sheng va Wenze Li đã nghiên cứu các giải thuật dựa trên các đặc trưng hình vuông của Haar like trong kỹ thuật phát hiện khuôn mặt. Nhóm tác giả đã chỉnh lại kích thước của tập ảnh huấn luyện của mỗi đặc trưng hình vuông để 1 CHƯƠNG I: TONG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ HƯỚNG TIEP CAN được phân lớp yếu; chọn những phân lớp yếu đó thực hiện những cải tiến để thu được những phân lớp mạnh bằng thuật toán AdaBoost. Kết quả thực nghiệm của nhóm tác giả cho thấy sự phát hiện có thể nhanh hơn và phát hiện khuôn mặt người một cách chính xác trên hình ảnh tĩnh xám với tỷ lệ chính xác thu được qua quá trình thực nghiệm là 92.
Sự phát hiện mắt người là một phần của khuôn mặt người mà khá nhạy cảm của sự khác nhau về ánh sáng và cử chỉ đưới điều kiện môi trường phức tạp. Để giải bài toán xác định vị trí mắt người trong điều kiện môi trường phức tạp: Ping Zhang và cộng sự đã dựa vào giải thuật Adaboost và thông tin trên tỉ lệ ảnh xám giải thuật phát hiện mắt của con người. Các tiến trình mà nhóm tác giả thực hiện bốn bước. Đầu tiên nhóm tác giả thu thập những mẫu ảnh chứa mắt khác nhau thực hiện căng bằng tỉ lệ xám.
Từ một cơ sở dữ liệu chọn một số lượng nhỏ đặc trưng Haar like sản xuất ra một phân lớp mạnh và hiệu quả. Thứ hai, nhóm tác giả dùng một phương pháp của tháp phân lớp tạo thành một tháp phân lớp phức tạp hơn nhiều. Và sau đó, dùng ngưỡng của tỉ lệ xám làm phương tiện thực hiện tiền xử lý. Cuối cùng là áp dụng một phân lớp thực hiện phát hiện mắt trong phạm vi khuôn mặt của con người.
Kết quả thu được từ thực nghiệm với tỉ lệ nhận dạng là 91% [1]. Nam 2010, Microsoft đã giới thiệu sản phâm Kinect, với Camera RGB — D với giá rẻ đầu tiên. Kèm theo đó, Microsoft cũng đã cung cấp một thư viện cho việc phát hiện người và xương người. Tuy nhiên, có thể do độ biến thiên của thước đo độ sâu khi đối tượng ở quá xa so với camera, thư viện này chỉ phát hiện người khi họ ở trong khoản cách từ 0.
Đó là lý do và động lực lớn cho nhóm tác giả Anh-Tuan Nghiem va Francois Bremond đã dé xuất một giải thuật trừ khung nền đặc biệt dành cho độ sâu của video từ camera RGB-D. Được nhúng trong một bộ thư viện phát hiện người, nó không phải là phân loại đối tượng và khung nên tại mức pixel mà cung cấp thông tin hữu ích cho thư viện để khử nhiễu. Độ nhiễu chỉ được khử khi thư viện có tất cả thông tin từ việc trừ khung nên, sự phân loại và theo vết đối tượng. Trong thực nhiệm của nhóm tác giả, giải thuật trừ khung nên vượt trội so với Gaussian Mixture Model (GMM), là một giải thuật trừ khung nên phô biến, trong việc phát hiện người và khử nhiễu.
Kết quả thực nghiệm 12 CHƯƠNG I: TONG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ HƯỚNG TIEP CAN của nhóm tác giả có thể vẫn phát hiện người với khoảng cách xa hơn 4.5m với một ít sai số [15].Rivlin và cộng sự đã mô tả một hệ thống phân tích sự di chuyền của đối tượng. Hệ thống được kiểm thử thên một cơ sở dữ liệu lớn hơn 100 chuỗi hình hiển thị sự đi chuyển của người, vật, xe và cây bằng giải thuật SVM. Hệ thống là sự trích xuất ra những tính năng tĩnh và động của các đối tượng di chuyển và dùng chúng dé phân loại giữa các đối tượng đã được định nghĩa trước. Hệ thống gồm các nội dung chính: khởi tạo và cập nhật nền, phát hiện và theo vết đối tượng, phân tích đối tượng là người hay vật [I6].
Paul Viola và Michael Jones đã nghiên cứu và mô tả cách tiếp cận một hệ thống máy học dành cho việc phát hiện đối tượng một cách trực quan với khả năng xử lý ảnh cực kỳ nhanh và đạt được tỉ lệ phát hiện cao. Nhóm tác giả đã có những đóng góp quan trọng cho những công trình nghiên cứu sau này. Đầu tiên là nhóm tác giả đã giới thiệu một thể hiện mới của hình ảnh được gọi là “Integral Image” (hình ảnh tích phân) cho phép các đặc trưng được sử dụng bởi sự dò tìm của nhóm tác giả để được tính toán một cách rất nhanh. Thứ hai là một giải thuật học, dựa vào AdaBoost, chọn một số lượng nhỏ các đặc trưng trực quan quan trọng từ một tập lớn và nâng suất của sự phân lớp cực kỳ hiểu quả.
Đóng góp thứ ba là một phương pháp cho sự kết hợp tăng độ phân loại phức tạp hơn trong một tháp (cascade) cái mà cho phép vùng nên của hình thì được loại bỏ một cách nhanh chóng dựa vào sự tính toán trên những vùng đối tượng triển vọng. Nhóm tác giả đã thực hiện ứng dụng trong thời gian thực, sự dò tìm chạy 15 frames/giây không cần sự sắp xép hình ảnh hoặc dò theo màu da [17].3 Hướng tiếp cận Hiện nay có rất nhiều phương pháp phát hiện và nhận dạng đối tượng như: người, xe, vật,.Các hướng tiếp cận mà hiện nay các nhà khoa học và các nhà nghiên cứu đã và đang nghiên cứu như sau: Hướng tiếp cận dựa vào các đặc trưng cơ bản: Đây là phương pháp dựa vào các thành phần cơ bản trên khuôn mặt như: mắt, mũi, miệng, màu đa. Trong phương 13 CHƯƠNG I: TONG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ HƯỚNG TIEP CAN pháp này có 2 hướng tiếp cận khác nhau: từ dưới lên (Bottom — up) và từ trên xuống (top — down). Từ dưới lên (Bottom — up): hướng tiếp cận này có gắng xác định từng đặc trưng và nhóm chúng lại và kiểm tra.
Phương pháp này có nhược điểm là các đặc trưng sẽ bị ảnh hưởng bởi các yêu tố về chất lượng ảnh và độ sáng tối của ảnh, ưu điểm là không bị ảnh hưởng bởi hướng xoay và di chuyển của khuôn mặt. Từ trên xuống (top — down): hướng tiếp cận này tạo ra một mẫu về khuôn mặt theo nhiều chiều như: 2 chiều, 3 chiều, sau đó tìm kiếm trên toàn bộ ảnh để ghép mẫu đã tạo ra với những thành phan trên ảnh.