Luận Văn Tìm hiểu bài toán phát hiện trạng thái mắt của mặt người trong ảnh

Đồ án tốt nghiệp năm 2013
Đề tài: Tìm hiểu bài toán phát hiện trạng thái mắt của mặt người trong ảnh




MỤC LỤC
DANH MỤC HÌNH VẼ 3
LỜI CẢM ƠN 3
MỞ ĐẦU 4
Chương 1: KHÁI QUÁT VỀ XỬ LÍ ẢNH VÀ PHÁT HIỆN MẮT CỦA MẶT
NGƯỜI TRONG ẢNH . 6
1.1 Khái quát về xử lý ảnh . 6
1.1.1 Xử lý ảnh là gì? . 6
1.1.2 Các vấn đề cơ bản trong xử lý ảnh 6
1.1.2.1 Một số khái niệm cơ bản . 6
1.1.2.2 Nắn chỉnh biến dạng . 7
1.1.2.3 Khử nhiễu 8
1.1.2.4 Chỉnh mức xám . 8
1.1.2.5 Trích chọn đặc điểm 8
1.1.2.6 Nhận dạng . 9
1.1.2.7 Nén ảnh . 11
1.2 Phát hiện trạng thái mắt của mặt người trong ảnh . 13
1.2.1 . Giới thiệu . 13
1.2.2. Phát hiện mặt người trong ảnh . 13
1.2.3. Phát hiện mắt người trong ảnh . 14
1.2.4. Phát hiện trạng thái mặt người theo một số phương pháp 15
Chương 2: PHÁT HIỆN MẮT CỦA MẶT NGƯỜI TRONG ẢNH 17
2.1 Phát hiện mắt . 17
2.1.1 Phát hiện mặt người . 18
2.1.2. Phát hiện vị trí mắt ban đầu 19
2.2. Kiểm tra mắt sử dụng hỗ trợ máy vector 20
2.2.1. Những khái niệm cơ bản về SVM 21
2.2.1.1. Khái niệm cơ bản về SVM . 21
2.2.1.2. Bài toán phân lớp . 22
2.2.1.3. Phân lớp tuyến tính 22
2.2.1.4. SVM và phân cách với khoảng cách lớn nhất . 23
2.2.1.5. Không gian đặc trưng. 25
2.2.2 Cơ sở lý thuyết SVM . 26
2.2.2.1. Bài toán phân 2 lớp với SVM 26
2.2.2.2. Bài toán phân nhiều lớp với SVM . 30
2.2.2.3. Trường hợp dữ liệu không thể phân tách được 31
2.2.3. Huấn luyện SVM 33
2.2.4. Phát hiện trạng thái mắt với SVM 34
Chương 3: KẾT QUẢ THỰC NGHIỆM 35
3.1 Bài toán 35
3.2. Các bước thực hiện . 36
3.3. Giao diện chương trình và kết quả thực nghiệm 37
PHẦN KẾT LUẬN 41
TÀI LIỆU THAM KHẢO 43




MỞ ĐẦU
Trong thời đại hiện nay, sự phát triển của CNTT kéo theo sự phát triển của
nhiều lĩnh vực khác, làm tăng số lượng giao dịch thông tin trên internet. Thông tin
ngày một nhiều, tốc độ thay đổi cũng chúng cũng cực kì nhanh, hoạt động của các
lĩnh vực cũng đặt ra xử lý một khối lượng thông tin đồ sộ. Một yêu cầu lớn đặt ra là
làm thế nào để tổ chức, tìm kiếm thông tin một cách hiệu quả và phân loại thông tin
là một trong những giải pháp hợp lý cho yêu cầu này. Nếu xử lý và phân loại dữ
liệu thủ công là điều không tưởng với số lượng dữ liệu khổng lồ như vậy. Giải pháp
được đặt ra là sử dụng máy tính để tự động phân loại các thông tin. Kỹ thuật SVM
được đánh giá là công cụ mạnh và tinh vi nhất hiện nay cho những bài toán phân
lớp phi tuyến. Nhiều ứng dụng đã và đang được xây dựng trên kỹ thuật SVM rất
hiệu quả, trong đó có những bài toán trong lĩnh vực xử lý ảnh như phát hiện, nhận
dạng mặt người.
Trong khi đó, trong lĩnh vực xử lý ảnh, các bài toán liên quan đến khuôn mặt
luôn đóng vai trò quan trọng, tính thực tiễn cao.
Trong đề tài “TÌM HIỂN BÀI TOÁN PHÁT HIỆN TRẠNG THÁI MẮT
CỦA MẶT NGƯỜI TRONG ẢNH” này em sẽ trình bày lý thuyết về kỹ thuật
SVM, một kĩ thuật phân lớp hiện đại và hiệu quả và ứng dụng của nó trong lĩnh vực
xử lý ảnh, cụ thể là bài toán phát hiện mắt của mặt người trong ảnh.
Đề tài tổ chức thành 3 chương:
Chương 1: KHÁI QUÁT VỀ XỬ LÍ ẢNH VÀ PHÁT HIỆN MẮT CỦA
MẶT NGƯỜI TRONG ẢNH
Chương 2: PHÁT HIỆN MẮT CỦA MẶT NGƯỜI TRONG ẢNH
Chương 3: KẾT QUẢ THỰC NGHIỆM




TÀI LIỆU THAM KHẢO
[1]. Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo trình xử lý ảnh, Nhà xuất bản Đại
học Thái Nguyên.
[2]. Lương Mạnh Bá, Nguyễn Thanh Thủy (2007), Nhập môn xử lý ảnh số, Nhà
xuất bản KHKT.
[3]. Trần Phước Long, Nguyễn Văn Lượng (2003), Nhận dạng người dựa vào thông
tin khuôn mặt xuất hiện trên ảnh, Luận văn tốt nghiệp cử nhân tin học. Luận văn tốt
nghiệp cử nhân tin học khoa CNTT, ĐH KHTN TP HCM.
[4]. Nguyễn Hải Châu(2009), Phát hiện mặt người trong ảnh và ứng dụng, Luận
văn tốt nghiệp cử nhân công nghệ thông tin khoa CNTT, ĐH Công nghệ ĐH Quốc
Gia Hà Nội.
[5]. Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai, Trích chọn đặc trưng
wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng việt, Bài báo
khoa học, Viện Công Nghệ Thông Tin Hà Nội.
[6]. Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai, Trích chọn đặc trưng
wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng việt, Bài báo
khoa học, Viện Công Nghệ Thông Tin Hà Nội.
[7]. Ignas Kukenys, Brendan McCane (2008), Support Vector Machines for Human
Face Detection, Christchurch New Zealand.
[8]. [4] X. Xie, R. Sudhakar, H. Zhuang, On improving eye feature extraction using
deformable templates, Pattern Recognit. 27 (1994) 791–799.
[9] K.M. Lam, H. Yan, Locating and extracting the eye in human face images,
Pattern Recognit. 29 (1996) 771–779.
[10]. Computer Vision and Image Understanding 98 (2005) 124–154, Robust realtime eye detection and tracking under variable lighting conditions and various face
orientations.