CHƯƠNG 1 TỔNG QUAN Chương 2: Cơ sở lý thuyết. Chương này trình bày giới thiệu tổng quan về tổng quan về xử lý ảnh, các thư viện sử dụng; tìm hiểu lý thuyết các thuật toán nhận dạng: giải thuật Adaboost, đặc trưng Haar-like, giải thuật Facial Landmarks, khoảng cách Euclide… Chương 3: Tính toán thiết kế. Chương này trình bày tổng quan về kit Raspberry Pi 3, cách cài đặt hệ điều hành và thư viện cho kit. Chương 4: Thi công hệ thống Chương này trình bày về các chương trình và xây dụng bài toán phát hiện ngủ gật trên kit Raspberry Pi 3.
Chương 5: Kết quả, nhận xét và đánh giá Trình bày kết quả đạt được sau khi thực hiện, đánh giá, nhận xét những gì đã đạt và chưa đạt những gì so với mục tiêu đề ra. Chương 6: Kết luận và hướng phát triển Đưa ra kết luận về việc thực hiện đồ án, đồng thời đưa ra hướng phát triển để có được một đề tài hoàn thiện và đáp ứng được nhu cầu cho cuộc sống hiện đại như ngày nay. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 4 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2.
TỔNG QUAN VỀ XỬ LÝ ẢNH 2. Giới thiệu về xử lý ảnh [1] Trong những năm gần đây, xử lý ảnh là một nghành khoa học mới mẻ nhưng tốc độ phát triển nhanh chóng và được nghiên cứu, phát triển bởi các trung tâm nghiên cứu, các trường đại học. Và với rất nhiều ứng dụng khác nhau. Các phương pháp xử lý ảnh bắt đầu từ những ứng dụng chính như: nâng cao chất lượng độ sáng và độ phân giải của ảnh, phân tích ảnh.
Ứng dụng đầu tiên được biết đến đó chính là nâng cao chất lượng hình ảnh báo được truyền qua cáp từ Luân Đôn đến New York từ những năm 1920. Càng về sau, nhờ sự xuất hiện và phát hiện mạnh mẽ của máy tính đã tạo điều kiện cho các quá trình thực hiện các thuật toán xử lý ảnh được nâng cao và phát triển hơn. Các ứng dụng của xử lý ảnh càng được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau như: khôi phục hình ảnh, chỉnh sửa, điều chỉnh độ phân giải; trong lĩnh vực y tế; trong do thám, thám hiểm; truyền và mã hóa; thị giác máy tính, robot; xử lý màu; lĩnh vực nhận dạng. Các bước cần thiết trong xử lý ảnh.
Trước đây, hình ảnh được thu từ camera là các ảnh tương tự. Gần đây, với sự phát triển không ngừng của công nghệ, ảnh màu hoặc ảnh đen trắng được lấy từ camera, sau đó được chuyển trực tiếp qua ảnh số để dễ dàng cho các bước xử lý tiếp theo. Dưới đây sẽ mô tả về các bước trong xử lý ảnh.1: Các bước cơ bản trong xử lý ảnh. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP do an– Y SINH 4 CHƯƠNG 2.
CƠ SỞ LÝ THUYẾT Thu nhận ảnh: Ảnh được nhận qua camera màu hoặc trắng đen. Thông thường ảnh được nhận qua camera, video, máy scan. Tiền xử lý: Sau bộ thu nhận ảnh, hình ảnh có thể có độ tương phản thấp nên cần đưa vào bộ tiền xử lý để nâng cao chất lượng hình ảnh. Bộ tiền xử lý có chức năng lọc nhiễu, nâng độ tương phản để làm cho ảnh rõ hơn và sắc nét hơn.
Phân đoạn ảnh: Còn gọi là phân vùng ảnh. Là tách một ảnh đầu vào thành các vùng thành phần nhỏ hơn để biểu diễn phân tích và nhận dạng ảnh. Biểu diễn ảnh và mô tả ảnh: Ảnh đã được phân loại chứa nhiều điểm ảnh của vùng ảnh. Việc biến đổi các số liệu này thành dạng thích hợp cho việc xử lý tiếp theo của máy tính.
Chúng ta phải tìm các vùng đặc trưng của ảnh, tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc để làm cơ sở cho sự phân biệt giữa lớp đối tượng này với lớp đối tượng khác trong phạm vi của ảnh mà chúng ta nhận được. Nhận dạng và nội suy ảnh: Nhận dạng ảnh là quá trình xác định ảnh. Bằng cách so sánh mẫu với mẫu chuẩn đã được lưu trữ từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng.
Các mô hình toán học về ảnh được phân loại với hai dạng cơ bản: Nhận dạng theo tham số. Nhận dạng theo cấu trúc. Cơ sở tri thức: Như đã biết, ảnh là một đối tượng phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh. Trong nhiều quá trình xử lý và phân tích ảnh.
Ngoài việc đơn giản hóa các phương pháp toán học để đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo phương pháp trí tuệ con người. Cho nên, cơ sở tri thức được phát huy và được xử lý theo pháp trí tuệ con người ở nhiều khâu khác nhau. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 5 do an CHƯƠNG 2. Các thành phần cơ bản của hệ thống ảnh Hình 2.2: Các thành phần cơ bản của hệ thống xử lý ảnh.
Bộ phận thu nhận ảnh: Máy quay (Camera), máy quét (scaners) chuyên dụng, các bộ cảm biến ảnh. Phần cứng xử lý ảnh chuyên dụng: Bộ số hóa (chuyển đổi ảnh truyền thống từ bên ngoài thành dạng dữ liệu số mà máy tính có thể hiểu được). Phần cứng thực hiện các thao tác cơ bản để nâng cao tốc độ xử lý ảnh. Máy tính: Thiết bị thông thường hoặc chuyên dụng.
Bộ phận lưu trữ: Bắt buộc phải có. Lưu trữ tạm thời để phục vụ và sử dụng cho quá trình xử lý hiện tại. Lưu trữ vĩnh viễn là lưu trữ dữ diệu, truy cập không thường xuyên. Bộ phận hiện thị: Màn hình máy tính.
In ấn: Ghi lại ảnh: máy in, máy chiếu. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP do an– Y SINH 6 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2. Các vấn đề cơ bản trong xử lý ảnh [1] 2. Ảnh và điểm ảnh Ảnh số là một tập hợp nhiều điểm ảnh, mỗi điểm ảnh được gọi là một pixel.
Điểm ảnh là một phần tử của ảnh số tại tọa độ (x, y) biểu diễn một màu sắc nhất định (có thể là độ xám với ảnh đen trắng). Mỗi điểm ảnh được xem như là một chấm nhỏ li ti trong một tấm ảnh. Bằng phương pháp đo lường và thống kê một lượng lớn các điểm ảnh, chúng ta có thể tái cấu trúc các điểm ảnh này thành một ảnh mới gần giống với ảnh ban đầu. Độ phân giải của ảnh Độ phân giải của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiện thị.
Khoảng cách giữa các điểm ảnh sao cho mắt người vẫn thấy được sự liên tục của ảnh. Độ phân giải được phân bố theo trục x và y trong không gian hai chiều. Với cùng một ảnh, độ phân giải càng cao thì ảnh càng chứa nhiều thông tin và sắc nét hơn. Ví dụ như hình bên dưới.3: Độ phân giải của ảnh.
Ở hình a có độ phân giải là 960x640 pixels, hình b có độ phân giải là 220x147 pixels. Cho thấy rằng, với độ phân giải càng cao thì độ sắc nét của ảnh càng cao và hình ảnh càng rõ nét. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 7 do an CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2. Mức xám của ảnh Một điểm ảnh có hai đặc trưng cơ bản đó chính là vị trí (x, y) của điểm ảnh và độ xám của ảnh.
Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại thời điểm đó.4: Sự khác nhau giữa ảnh màu và ảnh xám. Với hình a là ảnh màu và hình b là ảnh xám. Biến đổi ảnh Trong xử lý ảnh do số điểm ảnh lớn hơn các tính toán nhiều (độ phức tạp tính toán cao) đòi hỏi dung lượng bộ nhớ lớn, thời gian tính toán lâu. Các phương pháp khoa học kinh điển áp dụng cho xử lý ảnh hầu như khó khả thi.
Người ta sử dụng các phép toán tương đương hoặc biến đổi sang miền xử lý khác để dể tính toán, sau khi đã xử lý dể dàng, dùng biến đổi ngược để đưa về miền xác định ban đầu, các biến đổi thường gặp trong xử lý ảnh bao gồm: - Biến đổi Fourier, Cosin, Sin. - Biến đổi (mô tả) ảnh bằng tích chập, tích Kronecker. - Các biển đổi khác như KL (Karhumen Loeve), Hadamard. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 8 do an CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2.
GIẢI THUẬT ADABOOST [5] AdaBoost là một bộ phân loại mạnh phi tuyến phức dựa trên hướng tiếp cận boosting được Freund và Schapire đưa ra vào năm 1995. Adaboost cũng hoạt động trên nguyên tắc kết hợp tuyến tính các “weak classifiers” để hình thành một “strong classifier”. Là một cải tiến của tiếp cận boosting, AdaBoost sử dụng thêm khái niệm trọng số (weight) để đánh dấu các mẫu khó nhận dạng. Trong quá trình huấn luyện, cứ mỗi “weak classifier” được xây dựng, thuật toán sẽ tiến hành cập nhật lại trọng số để chuẩn bị cho việc xây dựng “weak classifier” kế tiếp: tăng trọng số của các mẫu bị nhận dạng sai và giảm trọng số của các mẫu được nhận dạng đúng bởi “weak classifier” vừa xây dựng.
Bằng cách này “weak classifer” sau có thể tập trung vào các mẫu mà các “weak classifiers” trước nó làm chưa tốt. Sau cùng, các “weak classifers” sẽ được kết hợp tùy theo mức độ tốt của chúng để tạo nên “strong classifier”. Viola và Jones dùng AdaBoost kết hợp các bộ phân loại yếu sử dụng các đặc trưng Haar-like theo mô hình phân tầng (cascade) như sau: BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 9 do an CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Hình 2.11: Mô hình phân tầng kết hợp các bộ phân loại yếu Trong đó, hk là các bộ phân loại yếu, được biểu diễn như sau: 1 𝑛ế𝑢 𝑝𝑘 𝑓𝑘 (𝑥) < 𝑝𝑘 𝜃𝑘 ℎ 𝑘 (𝑥 ) = { (2.6) 0 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖 x: cửa sổ con cần xét Ok: ngưỡng (O = teta) fk: giá trị của đặc trưng Haar-like pk: hệ số quyết định chiều của phương trình AdaBoost sẽ kết hợp các bộ phân loại yếu thành bộ phân loại mạnh như sau: H(x) = sign(a1h1(x) +a2h2(x) +. + anhn(x)) (a = alpha) BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 10 do an CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Với: at >= 0 là hệ số chuẩn hoá cho các bộ phân loại yếu Hình 2.12: Kết hợp các bộ phân loại yếu thành bộ phân loại mạnh 2.
ĐẶC TRƯNG HAAR-LIKE [5] Đặc trưng Haar-like được sử dụng trong việc nhận dạng đối tượng trong ảnh số được phát biểu bởi Viola và Jones gồm 4 đặc trưng cơ bản để xác định một đối tượng trong ảnh. Mỗi đặc trưng Haar-like là sự kết hợp gồm 2 hoặc 3 khối chữ nhật mang giá trị “đen” hoặc “trắng”.