›
›

Tổng quan các phương pháp xác định khuôn mặt người

Download
Tổng quan các phương pháp xác định khuôn  
mặt người  
Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phúc Doãn  
khuôn mặt, … [5, 6, 7, 32, 54, 95, 118,  
I. GIỚI THIỆU  
130].  
o
Nhận dạng người A [29, 38, 46, 55, 56, 58,  
60, 61] 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 ở  
trong môi trường bình thường cũng như  
trong bóng tối (sử dụng camera hồng  
ngoại).  
Hơn một thập kỷ qua có rất nhiều công trình  
nghiên cứu về bài toán xác định khuôn mặt người từ  
ảnh đen trắng, xám đến ảnh màu như ngày hôm nay.  
Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ  
có một khuôn mặt người nhìn thẳng vào thiết bị thu  
hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng.  
Cho đến ngày hôm nay bài toán mở rộng cho ảnh  
màu, có nhiều khuôn mặt trong cùng một ảnh, có  
nhiều tư thế thay đổi trong ảnh. Không những vậy  
mà còn mở rộng cả phạm vi từ môi trường xung  
quanh khá đơn giản (trong phòng thí nghiệm) cho  
đến môi trường xung quanh rất phức tạp (như trong  
tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều  
của con người.  
o
o
Hệ thống quan sát, theo dõi [35, 35, 106] và  
bảo vệ. Các hệ thống camera sẽ xác định  
đâu là con người và theo dõi con người đó  
xem họ có vi phạm gì không, ví dụ xâm  
phạm khu vực không được vào, ….  
Lưu trữ (rút tiền ATM, để biết ai rút tiền  
vào thời điểm đó), hiện nay có tình trạng  
những người bị người khác lấy mất thẻ  
ATM hay mất mã số PIN và những người  
ăn cắp này đi rút tiền, hoặc những người  
chủ thẻ đi rút tiền nhưng lại báo cho ngân  
hàng là mất thẻ và mất tiền. Các ngân hàng  
có nhu cầu khi có giao dịch tiền sẽ kiểm tra  
hay lưu trữ khuôn mặt người rút tiền để sau  
đó đối chứng và xử lý [66, 81, 98, 133].  
Thẻ căn cước, chứng minh nhân dân (Face  
Identification) [114].  
1.Định nghĩa bài toán xác định khuôn mặt  
người  
Xác định khuôn mặt người (Face Detection) là  
một kỹ thuật máy tính để xác định các vị trí và các  
kích thước của các khuôn mặt người trong các ảnh  
bất kỳ (ảnh kỹ thuật số). Kỹ thuật này nhận biết các  
đặc trưng của khuôn mặt và bỏ qua những thứ khác,  
như: tòa nhà, cây cối, cơ thể, … [105].  
o
o
2. Ứng dụng của phương pháp xác định khuôn  
mặt người  
Điều khiển vào ra: văn phòng, công ty, trụ  
sở, máy tính, Palm, …. Kết hợp thêm vân  
tay và mống mắt. Cho phép nhân viên được  
ra vào 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  
[44].  
Có nhiều ứng dụng đã được và đang thiết kế, tôi  
chỉ xin đưa ra một số loại ứng dụng sau:  
o
Hệ thống tương tác giữa người và máy:  
giúp những người bị tật hoặc khiếm khuyết  
có thể trao đổi. Những người dùng ngôn  
ngữ tay có thể giao tiếp với những 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  
o
An ninh sân bay, xuất nhập cảnh (hiện nay  
cơ quan xuất nhập cảnh Mỹ đã áp dụng).  
1
Dùng để xác thực người xuất nhập cảnh và  
kiểm tra có phải là nhân vật khủng bố  
không.  
II. PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT  
NGƯỜI  
Có nhiều nghiên cứu tìm phương pháp xác định  
khuôn mặt người, từ ảnh xám đến ngày nay là ảnh  
màu. Tôi sẽ trình bày một cách tổng quát nhất những  
hướng giải quyết chính cho bài toán, từ những  
hướng chính này nhiều tác giả thay đổi một số ý nhỏ  
bên trong để có kết quả mới.  
o
o
Tương lai sẽ phát triển các loại thẻ thông  
minh có tích hợp sẵn đặc trưng của người  
dùng trên đó, khi bất cứ người dùng khác  
dùng để truy cập hay xử lý tại các hệ thống  
sẽ được yêu cầu kiểm tra các đặc trưng  
khuôn mặt so với thẻ để biết nay có phải là  
chủ thẻ hay không.  
Dựa vào tính chất của các phương pháp xác định  
khuôn mặt người trên ảnh. Các phương pháp này  
được chia làm bốn [9] hướng tiếp cận chính. Ngoài  
bốn hướng này, nhiều nghiên cứu có khi liên quan  
đến không những một hướng tiếp cận mà có liên  
quan nhiều hơn một hướng chính:  
Tìm kiếm và tổ chức 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, …. Ví dụ:  
tìm các đoạn video có tổng thống Bush phát  
biểu, tìm các phim có diễn viên Lý Liên  
Kiệt đóng, tìm các trận đá banh có Ronaldo  
đá, … [50, 94, 134].  
o
Hướng tiếp cận dựa trên tri thức: Mã hóa các  
hiểu biết của con người về các loại khuôn mặt  
người thành các luật. Thông thường các luật  
mô tả quan hệ của các đặc trưng.  
o
Hướng tiếp cận dựa trên đặc trưng không  
thay đổi: Mục tiêu các thuật toán đi tìm các  
đặc trưng mô tả cấu trúc khuôn mặt người mà  
các đặc trưng này sẽ không thay đổi khi tư thế  
khuôn mặt, vị trí đặt thiết bị thu hình hoặc  
điều kiện ánh sáng thay đổi.  
o
Hiện nay có nhiều hướng tiếp cận để xác  
định một ảnh có phải là ảnh khỏa thân hay  
không? Khuôn mặt người được xem như  
một yếu tố để xác định cho một hướng tiếp  
cận mà được dùng gần đây [271, 272].  
Ứng dụng trong video phone [10].  
o
Hướng tiếp cận dựa trên so khớp mẫu: Dùng  
các mẫu chuẩn của khuôn mặt người (các mẫu  
này được chọn lựa và lưu trữ) để mô tả cho  
khuôn mặt người hay các đặc trưng khuôn mặt  
(các mẫu này phải chọn làm sao cho tách biệt  
nhau theo tiêu chuẩn mà các tác giả định ra để  
so sánh). Các mối tương quan giữa dữ liệu  
ảnh đưa vào và các mẫu dùng để xác định  
khuôn mặt người.  
o
o
Phân loại trong lưu trữ hình ảnh trong điện  
thoại di động. Thông qua bài toán xác định  
khuôn mặt người và trích đặc trưng, rồi dựa  
vào đặc trưng này để sắp xếp lưu trữ, giúp  
người sử dụng dễ dàng truy tìm khi cần  
thiết [69, 105].  
o
Kiểm tra trạng thái người lái xe có ngủ gật,  
mất tập trung hay không, và hỗ trợ thông  
báo khi cần thiết [109].  
o
Hướng tiếp cận dựa trên diện mạo: Trái  
ngược hẳn với so khớp mẫu, các mô hình (hay  
các mẫu) được học từ một tập ảnh huấn luyện  
trước đó. Sau đó hệ thống (mô hình) sẽ xác  
định khuôn mặt người. Hay một số tác giả còn  
gọi hướng tiếp cận này là hướng tiếp cận theo  
phương pháp học.  
o
o
Phân tích cảm xúc trên khuôn mặt [112].  
Trong lãnh vực thiết kế điều khiển robot  
[42, 43, 124, 151, 236].  
o
Hãng máy chụp hình Canon đã ứng dụng  
bài toán xác định khuôn mặt người vào máy  
chụp hình thế hệ mới để cho kết quả hình  
ảnh đẹp hơn, nhất là khuôn mặt người  
[277].  
1. Hướng tiếp cận dựa trên tri thức  
Trong hướng tiếp cận này, các luật sẽ phụ thuộc  
rất lớn vào tri thức của những tác giả nghiên cứu về  
bài toán xác định khuôn mặt người. Đây là hướng  
tiếp cận dạng top-down. Dễ dàng xây dựng các luật  
cơ bản để mô tả các đặc trưng của khuôn mặt và các  
quan hệ tương ứng. Ví dụ, một khuôn mặt thường có  
hai mắt đối xứng nhau qua trục thẳng đứng ở giữa  
khuôn mặt và có một mũi, một miệng. Các quan hệ  
2
của các đặc trưng có thể được mô tả như quan hệ về bản”, và “mức độ khác nhau giữa các giá trị xám  
khoảng cách và vị trí. Thông thường các tác giả sẽ trung bình của phần trung tâm và phần bao bên trên  
trích đặc trưng của khuôn mặt trước tiên để có được là đáng kể”. Độ phân giải thấp nhất (mức mộ) của  
các ứng viên, sau đó các ứng viên này sẽ được xác ảnh dùng để tìm ứng viên khuôn mặt mà còn tìm ở  
định thông qua các luật để biết ứng viên nào là các mức phân giải tốt hơn. Ở mức hai, xem xét biểu  
khuôn mặt và ứng viên nào không phải khuôn mặt. đồ histogram của các ứng viên để loại bớt ứng viên  
Thường áp dụng quá trình xác định để giảm số nào không phải là khuôn mặt, đồng thời dò ra cạnh  
lượng xác định sai.  
bao xung quanh ứng viên. Ở mức cuối cùng, những  
Một vấn đề khá phức tạp khi dùng hướng tiếp ứng viên nào còn lại sẽ được xem xét các đặc trưng  
cận này là làm sao chuyển từ tri thức con người sang của khuôn mặt về mắt và miệng. Hai ông đã dùng  
các luật một các hiệu quả. Nếu các luật này quá chi một chiến lược “từ thô đến mịn” hay “làm rõ dần”  
tiết (chặt chẽ) thì khi xác định có thể xác định thiếu để giảm số lượng tính toán trong xử lý. Mặc dù tỷ lệ  
các khuôn mặt có trong ảnh, vì những khuôn mặt chính xác chưa cao, nhưng đây là tiền đề cho nhiều  
này không thể thỏa mãn tất cả các luật đưa ra. nghiên cứu sau này [200].  
Nhưng các luật tổng quát quá thì có thể chúng ta sẽ  
Kotropoulos và Pitas [200] đưa một phương  
xác định lầm một vùng nào đó không phải là khuôn pháp tương tự [191, 261] dùng trên độ phân giải  
mặt mà lại xác định là khuôn mặt. Và cũng khó khăn thấp. Hai ông dùng phương pháp chiếu để xác định  
mở rộng yêu cầu từ bài toán để xác định các khuôn các đặc trưng khuôn mặt, Kanade đã thành công với  
mặt có nhiều tư thế khác nhau.  
phương pháp chiếu để xác định biên của khuôn mặt  
[191]. Với I(x,y) là giá trị xám của một điểm trong  
ảnh có kích thước m x n ở tại vị trí (x,y), các hàm để  
chiếu ảnh theo phương ngang và thẳng đứng được  
n
định nghĩa như sau: HI (x) = y=1I (x,y) và  
Hình 1: (a) Ảnh ban đầu có độ phân giải n=1;  
∑
(b), (c), và (d) Ảnh có độ phân giải n=4, 8, và 16.  
m
VI (y) = x=1I (x,y) . Dựa trên biểu đồ hình chiếu  
∑
ngang, có hai cực tiểu địa phương khi hai ông xét  
quá trình thay đổi độ đốc của HI, đó chính là cạnh  
bên trái và phải của hai bên đầu. Tương tự với hình  
chiếu dọc VI, các cực tiểu địa phương cũng cho ta  
biết vị trí miệng, đỉnh mũi, và hai mắt. Các đặc trưng  
này đủ để xác định khuôn mặt. Hình 3.a cho một ví  
dụ về cách xác định như trên. Cách xác định này có  
tỷ lệ xác định chính xác là 86.5% cho trường hợp chỉ  
có một khuôn mặt thẳng trong ảnh và hình nền  
không phức tạp. Nếu hình nền phức tạp thì rất khó  
tìm, hình 3.b. Nếu ảnh có nhiều khuôn mặt thì sẽ  
không xác định được, hình 3.c.  
Hình 2: Một lọai tri trức của người nghiên cứu phân tích trên khuôn mặt.  
Yang và Huang [261] dùng một phương thức  
theo hướng tiếp cận này để xác các khuôn mặt. Hệ  
thống của hai tác giả này bao gồm ba mức luật. Ở  
mức cao nhất, dùng một khung cửa sổ quét trên ảnh  
và thông qua một tập luật để tìm các ứng viên có thể  
là khuôn mặt. Ở mức kế tiếp, hai ông dùng một tập  
luật để mô tả tổng quát hình dáng khuôn mặt. Còn ở  
mức cuối cùng lại dùng một tập luật khác để xem xét  
ở mức chi tiết các đặc trưng khuôn mặt. Một hệ  
thống đa độ phân giải có thứ tự được dùng để xác  
định, hình 1. Các luật ở mức cao nhất để tìm ứng  
viên như: “vùng trung tâm khuôn mặt (phần tối hơn  
trong hình 2) có bốn phần với một mức độ đều cơ  
bản”, “phần xung quanh bên trên của một khuôn mặt  
(phần sáng hơn trong hình 2) có một mức độ đều cơ  
Hình 3: Phương pháp chiếu:  
(a) Ảnh chỉ có một khuôn mặt và hình nền đơn giản;  
(b) Ảnh chỉ có một khuôn mặt và hình nền phức tạp;  
(c) Ảnh có nhiều khuôn mặt  
3
Rodrigues và Buf [132] dùng phương pháp chọn  
các keypoint trong nhiều tỷ lệ khác nhau, đặc biệt  
tác giả chỉ dùng các keypoint dư thừa dựa trên nhiều  
độ phân giải. Dựa trên quan hệ hình học của các  
thành phần khuôn mặt, hai ông nhóm các keypoint  
lại để xác định khuôn mặt người.  
Hình 4: Chiếu từng phần ứng viên để xác định khuôn mặt.  
Fred [1140] dự trên tính chất đối xứng của  
khuôn mặt người, ông xem xét các phân bố trên  
histogram có tính chất gần đối xứng để xác định  
khuôn mặt người trong ảnh xám đơn có khuôn mặt  
chụp thẳng.  
Fan [82] phân đoạn ảnh màu để tìm cạnh thông  
qua thuật toán tăng vùng để xác định các ứng viên.  
Dùng đặc tính hình ellipse của khuôn mặt người để  
xác định ứng viên nào khuôn mặt người.  
Kim [65] kết hợp thuật toán watershed cho các  
ảnh có nhiều độ phângiải cùng mô hình màu da  
người để tìm ứng viên, rồi xác định khuôn mặt  
người trong video. Tỷ lệ chính xác khoảng 87-94%.  
Phương pháp chỉ xử lý cho các frame ảnh chỉ có một  
khuôn mặt và ảnh này phải chụp thẳng chỉ có đầu và  
vai.  
Berbar [279] kết hợp mô hình màu da người và  
xác định cạnh để tìm ứng viên khuôn mặt người. Sau  
đó kết hợp quan hệ các đặc trưng và phương pháp  
chiếu các ứng viên khuôn mặt xuống hai trục: dứng  
và ngang để xác định ứng viên nào thật sự là khuôn  
mặt người.  
2. Hướng tiếp cận dựa trên đặc trưng không  
thay đổi  
Sahbi và Boujemaa [8] sử dụng mạng neural học  
để ước lượng các tham số cho mô hình Gauss, mục  
đích để tìm ứng viên trên sắc màu da của người. Sau  
khi có ứng viên, hai ông chiếu lên hai trục: đứng và  
ngang để xác định khuôn mặt người.  
Đây là hướng tiếp cận theo kiểu bottom-up. Các  
tác giả cố gắng tìm các đặc trưng không thay đổi của  
khuôn mặt người để xác định khuôn mặt người. Dựa  
trên nhận xét thực tế, con người dễ dàng nhận biết  
các khuôn mặt và các đối tượng trong các tư thế  
khác nhau và điều kiện ánh sáng khác nhau, thì phải  
tồn tại các thuộc tính hay đặc trưng không thay đổi.  
Có nhiều nghiên cứu đầu tiên xác định các đặc trưng  
khuôn mặt rồi chỉ ra có khuôn mặt trong ảnh hay  
không. Các đặc trưng như: lông mày, mắt, mũi,  
miệng, và đường viền của tóc được trích bằng  
phương pháp xác định cạnh. Trên cơ sở các đặc  
trưng này, xây dựng một mô hình thống kê để mô tả  
quan hệ của các đặc trưng này và xác định sự tồn tại  
của khuôn mặt trong ảnh. Một vấn đề của các thuật  
tóan theo hướng tiếp cân đặc trưng cần phải điều  
chỉnh cho phù hợp điều kiện ánh sáng, nhiễu, và bị  
che khuất. Đôi khi bóng của khuôn mặt sẽ tạo thêm  
cạnh mới, mà cạnh này lại rõ hơn cạnh thật sự của  
khuôn mặt, vì thế nếu dùng cạnh để xác định sẽ gặp  
khó khăn.  
Có nhiều nghiên cứu sau này sử dụng phương  
pháp chiếu để xác định khuôn mặt người. Min [80]  
dùng mô hình màu da không tham số, Baskan [76],  
Mateos [74], và Nicponski [45] xây dựng bộ lọc, để  
tìm ứng viên khuôn mặt, sau đó chiếu lên hai trục để  
xác định các thành phần khuôn mặt để xác định ứng  
viên đó có phải là khuôn mặt hay không. Còn  
Mateos và Chicote [34] dùng kết cấu để xác định  
ứng viên trong ảnh màu. Sau đó phân tích hình dáng,  
kích thước, thành phần khuôn mặt để xác định  
khuôn mặt. Khi tìm được ứng viên khuôn mặt, hai  
ông trích các ứng viên của từng thành phần khuôn  
mặt, sau đó chiếu từng phần này để xác thực đó có  
phải là thành phần khuôn mặt hay không, hình 4. Tỷ  
lệ chính xác hơn 87%.  
Farhad và Abdolhorsein [136] dùng tri thức về  
histogram để xác định khuôn mặt trong các frame  
liên tục trong một đoạn video. Tương tự, Hidekazu  
và Mamoru [100, 139] cũng dùng histogram, nhưng  
hai ông dùng thuật giải di truyền (Genetic Algorithm  
– GA) lai như là một phương pháp tìm kiếm ngẫu  
nhiên dựa vào đỉnh của biểu đồ màu của ảnh.  
a) Các đặc trưng khuôn mặt  
Sirohey đưa một phương pháp xác định khuôn  
mặt từ một ảnh có hình nền phức tạp [240]. Phương  
pháp dựa trên cạnh (dùng phương pháp Candy [155]  
và heuristics để loại bỏ các cạnh để còn lại duy nhất  
4
một đường bao xung quanh khuôn mặt. Một hình trưng khác của khuôn mặt. Giống như xây dựng một  
ellipse dùng để bao khuôn mặt, tách biệt vùng đầu đồ thị quan hệ mỗi node của đồ thị tương ứng như  
và hình nền. Tỷ lệ chính xác của thuật tóan là 80%. các đặc trưng của một khuôn mặt, đưa xác suất vào  
Cũng dùng phương pháp cạnh như Sirohey, để xác định. Tỷ lệ xác định chính xác là 86%.  
Chetverikov và Lerch dùng một phưong pháp dựa  
Bên cạnh tính khỏang cách liên quan để mô tả  
trên blob và streak (hình dạng giọt nước và sọc xen quan hệ giữa các đặc trưng như Leung [154, 206].  
kẽ), để xác định theo hướng các cạnh [157]. Hai ông Kendall [195] và [212] dùng lý thuyết xác suất thống  
dùng hai blob tối và ba blob sáng để mô tả hai mắt, kê về hình dáng. Dùng hàm mật độ xác suất  
hai bên gò má, và mũi. Mô hình này dùng các treak (Probility Density Function - PDF) qua N điểm đặc  
để mô tả hình dáng ngoài của khuôn mặt, lông mày, trưng, tương ứng (xi, yi) là đặc trưng thứ i với giả sử  
và môi. Dùng ảnh có độ phân giải thấp theo biến dựa vào phân bố Gauss có 2N-chiều. Các tác giả áp  
đổi Laplace để xác định khuôn mặt thông qua blob.  
dụng phương thức cực đại khả năng (Maximum-  
Graf đưa ra một phương pháp xác định đặc Likelihood - ML) để xác định vị trí khuôn mặt. Một  
trưng rồi xác định khuôn mặt trong ảnh xám [180]. thuận lợi của phương pháp này là các khuôn mặt bị  
Dùng bộ lọc để làm nổi các biên, các phép tóan hình che khuất vẫn có thể xác định được. Nhưng phương  
thái học (morphology) được dùng để làm nổi bật các pháp không xác định được đa khuôn mặt trong ảnh.  
vùng có cường độ cao và hình dáng chắc chắn (như  
Yow và Cipolla [265, 266] trình bày một  
mắt). Thông qua histogram để tìm các đỉnh nổi bật phương thức dựa vào đặc trưng, dùng số lượng lớn  
để xác định các ngưỡng chuyển ảnh xám thành hai các dấu hiệu từ ảnh và cả dấu hiệu về ngữ cảnh. Đầu  
ảnh nhị phân. Các thành phần dính nhau đều xuất tiên dùng bộ lọc đạo hàm Gauss thứ hai, xác định  
hiện trong hai ảnh nhị phân thì được xem là vùng các điểm mấu chốt ở tại cực đại địa phương trong bộ  
của ứng viên khuôn mặt rồi phân loại xem có phải là lọc, rồi chỉ ra nơi có thể là đặc trưng. Giai đoạn hai,  
khuôn mặt không. Phương pháp được kiểm tra trên kiểm tra các cạnh xung quanh điểm mấu chốt và  
các ảnh chỉ có đầu và vai của người. Tuy nhiên còn nhóm chúng lại thành các vùng. Tiêu chuẩn để nhóm  
vấn đề, làm sao sử dụng các phép toán morphology các cạnh là gần và tương tự hướng và cường độ. Đo  
và làm sao xác định khuôn mặt trên các vùng ứng lường các đặc tính vùng như: chiều dài cạnh, cường  
viên.  
độ cạnh, và biến thiên cường độ được lưu trong một  
Leung trình bày một mô hình xác suất để xác vector đặc trưng. Từ dữ liệu đặc trưng khuôn mặt đã  
định khuôn mặt ở trong ảnh có hình nền phức tạp được huấn luyện, sẽ tính được giá trị trung bình và  
trên cơ sở một bộ xác định đặc trưng cục bộ và so ma trận hiệp phương sai của mỗi đặc trưng khuôn  
khớp đồ thị ngẫu nhiên [205]. Ý chính là xem bài mặt. Một vùng là ứng viên khuôn mặt khi khoảng  
toán xác định khuôn mặt như là bài toán tìm kiếm cách Mahalanobis giữa các vector đặc trưng đều  
với mục tiêu là tìm thứ tự các đặc trưng chắc chắn dưới một ngưỡng. Rồi thông qua mạng Bayes để xác  
của khuôn mặt để tạo thành giống nhất một mẫu định ứng viên có phải là khuôn mặt không. Tỷ lệ  
khuôn mặt. Dùng năm đặc trưng (hai mắt, hai lỗ chính xác là 85% [267], tuy nhiên mức độ sai là  
mũi, phần nối giữa mũi và miệng) để mô tả một 28%, và chỉ hiệu quả với hình khuôn mặt có kích  
khuôn mặt. Luôn tính quan hệ khoảng cách với các thước 60x60 điểm ảnh. Phương pháp này được dùng  
đặc trưng cặp (như mắt trái, mắt phải), dùng phân bố thêm với mô hình đường viền linh họat [158, 267].  
Gauss để mô hình hóa. Một mẫu khuôn mặt được  
Takacs và Wechsler trình bày một phương pháp  
đưa ra thông qua trung bình tương ứng cho một tập dựa trên tích đặc trưng võng mạc và cử động theo  
đa hướng, đa tỷ lệ của bộ lọc đạo hàm Gauss. Từ dao động nhỏ của mắt [250]. Thuật toán hoạt động  
một ảnh, các đặc trưng ứng viên được xác định bằng trên bản đồ hay vùng của các mấu chốt, mô hình hóa  
cách so khớp từng điểm ảnh khi lọc tương ứng với lưới võng mạc. Đầu tiên tính toán ước lượng thô  
vector mẫu (tương tự mối tương quan), chọn hai ứng vùng khuôn mặt trên cơ sở bộ lọc. Giai đoạn thứ hai  
viên đặc trưng đứng đầu để tìm kiếm cho các đặc  
5
tinh chế trên độ phân giải mịn hơn. Tỷ lệ sai là có thể có các tư thế, vị trí, tỷ lệ khác nhau. Tỷ lệ  
4.69%.  
Han phát triển một kỹ thuật trên cơ sở  
chính xác là 53%.  
Kruppa [21] dùng sắc màu của da người để tìm  
morphology để trích các đoạn giống mắt (eye- ứng viên, nhưng ông không xử lý cho từng điểm ảnh  
analogue) để xác định khuôn mặt người [182]. Ông theo cách thông thường, mà ông dùng mô hình màu  
nói rằng mắt và lông mày là đặc trưng nổi bật nhất da người trên từng phần nhỏ rồi xử lý phân đoạn  
và ổn định nhất của khuôn mặt con người, và nó rất trên đó. Sau khi có ứng viên khuôn mặt, ông dùng  
hữu dụng để xác định khuôn mặt người. Ông định một số đặc tính về hình dáng để xác định khuôn mặt  
nghĩa các đoạn giống mắt như là các cạnh trên người. Tỷ lệ chính xác là 85%.  
đường viền của mắt. Đầu tiên, các phép tóan  
Park dùng Gaze để tìm ứng viên góc mắt, miệng  
morphology như đóng, cắt bỏ sai khác, và phân và tâm mắt [27]. Ông xây dựng SVM đã được học  
ngưỡng để trích các điểm ảnh có giá trị cường độ trước đó để xác định các vị trí ứng viên có phải là  
thay đổi đáng kể. Các điểm ảnh này sẽ trở thành các góc mắt, miệng, và tâm mắt hay không để theo vết  
điểm ảnh giống mắt. Sau đó một tiến trình gán nhãn con mắt người.  
để sinh các đoạn giống mắt. Các đoạn này được  
Sato [67] dùng quan hệ đường viền ở cằm của  
dùng để chỉ dẫn tìm kiếm các vùng tiềm năng có thể khuôn mặt. Tác giả chia làm hai trường hợp: thon  
là khuôn mặt qua kết hợp các đặc tính hình học của dài và tròn để xem xét. Tác giả dùng GA để xem xét  
mắt, mũi, lông mày, và miệng. Các vùng này sẽ mối tương quan của đường cong, hình dáng khuôn  
được một mạng neural xem xét có phải là khuôn mặt mặt để xác định khuôn mặt.  
không, giống [48]. Theo tác giả tỷ lệ chính xác là  
Chai và Ngan [708] xây dựng phương pháp xác  
định khuôn mặt người dựa trên đặc trưng về: quan  
94%.  
Amit đưa ra phương thức xác định khuôn mặt hệ hình học, mật độ, độ chói trong ảnh màu chỉ có  
dựa trên hình dáng và áp dụng cho các khuôn mặt đầu và vai của ứng viên để xác định. Kim [47] cũng  
chụp thẳng [145]. Có hai giai đoạn để xác định phân đoạn để tìm ứng viên khuôn mặt, nhưng xác  
khuôn mặt người: tập trung và phân loại chi tiết. thực khuôn mặt thông qua các cấu trúc các đặc trưng  
Làm có thứ tự các mảnh cạnh, các mảnh này được mắt, mũi, miệng, và đường viền của ứng viên.  
trích từ bộ xác định cạnh đơn giản thông qua sự  
Jang [53] dùng phân bố màu da để phân đoạn  
khác biệt cường độ là quá trình tập trung. Khi có các tìm ứng viên rồi dùng các đặc trưng hình học để xác  
ứng viên từ quá trình trên, dùng thuật toán CART định khuôn mặt.  
[152] để xây dựng một cây phân loại từ các ảnh để  
huấn luyện, để xem xét ứng viên nào là khuôn mặt trưng mới, đó là đặc trưng về độ cong của các đường  
người. trên khuôn mặt để giải quyết vấn đề điều kiện ánh  
Christian và Jonh [135] xây dựng một loại đặc  
Jin [90] dùng cấu trúc hình học của khuôn mặt sáng. Từ đặc trưng cong này, hai ông quay lại  
người để tìm ứng viên khuôn mặt trong ảnh xám và phương pháp PCA để xác định khuôn mặt.  
hình nền không phức tạp. Mỗi ảnh chỉ có một khuôn  
Juan và Narciso [111] xây dựng một không gian  
mặt người, nhưng tư thế điều kiện ánh sáng, không màu mới YCg’Cr’ để lọc các vùng là ứng viên khuôn  
cố định. Tỷ lệ chính xác khỏang 94.25% và thời gian mặt dựa trên sắc thái của màu da người. Sau khi có  
khá nhanh.  
ứng viên, hai ông dùng các quan hệ về hình dáng  
Chan và Lewis [16] dùng kỹ thuật lọc để loại khuôn mặt, mức độ cân đối của các thành phần  
bớt tác động của ánh sáng, sau đó phân đoạn để tìm khuôn mặt để xác định khuôn mặt người. Tương tự,  
vị trí các ứng viên là con mắt. Từ các ứng viên này Chang và Hwang [127] cũng dùng một phương thức  
xây dựng mạng neural như Rowley [48] để xác định như [111], tỷ lệ chính xác hơn 80% trong ảnh xám.  
khuôn mặt người. Phương pháp này có thể xác định  
Dae và Nam [116] xem xét các đặc trưng không  
nhiều khuôn mặt trong một ảnh, các khuôn mặt này thay đổi khi thay đổi tư thế của khuôn mặt bằng  
cách xem xét các quan hệ hình học. Sau đó ước  
6
lượng các tư thế của khuôn mặt rồi xây dựng dữ liệu  
để xác định thông qua PCA. Tỷ lệ chính xác là 76%.  
Jin [128] xây dựng một bộ lọc để xác định ứng  
viên khuôn mặt người theo màu da người. Từ ứng  
viên này tác giả xác định khuôn mặt người theo hình  
dáng khuôn mặt và các quan hệ đặc trưng về thành  
phần khuôn mặt, với mắt phải được chọn làm gốc  
tọa độ để xét quan hệ. Tỷ lệ chính xác cho khuôn  
mặt chụp thẳng trên 80%.  
c) Sắc màu của da  
Thông thường các ảnh màu không xác định trực  
tiếp trên toàn bộ dữ liệu ảnh mà các tác giả dùng  
tính chất sắc màu của da người (khuôn mặt người)  
để chọn ra được các ứng viên có thể là khuôn mặt  
người (lúc này dữ liệu đã thu hẹp đáng kể) để xác  
định khuôn mặt người. Tôi sẽ trình bày chi tiết về  
mô hình hóa màu da người ở một bài sau.  
d) Đa đặc trưng  
Gần đây có nhiều nghiên cứu sử dụng các đặc  
trưng toàn cục như: màu da người, kích thước, và  
hình dáng để tìm các ứng viên khuôn mặt, rồi sau đó  
sẽ xác định ứng viên nào là khuôn mặt thông qua  
dùng các đặc trưng cục bộ (chi tiết) như: mắt, lông  
mày, mũi, miệng, và tóc. Tùy mỗi tác giả sẽ sử dụng  
tập đặc trưng khác nhau [70, 186].  
b) Kết cấu  
Khuôn mặt con người có những kết cấu riêng  
biệt mà có thể dùng để phân loại so với các đối  
tượng khác. Augusteijn và Skufca cho rằng hình  
dạng của khuôn mặt dùng làm kết cấu phân loại  
[147], gọi là kết cấu giống khuôn mặt (face-like  
texture). Tính kết cấu qua các đặc trưng thống kê thứ  
tự thứ hai (SGLD) [183] trên vùng có kích thước  
16x16 điểm ảnh. Có ba loại đặc trưng được xem xét:  
màu da, tóc, và những thứ khác. Hai ông dùng mạng  
neural về mối tương quan cascade [170] cho phân  
loại có giám sát các kết cấu và một ánh xạ đặc trưng  
tự tổ chức Kohonen [199] để gom nhóm các lớp kết  
cấu khác nhau. Hai tác giả đề xuất dùng phương  
pháp bầu cử khi không quyết định được kết cấu đưa  
vào là kết cấu của da hay kết cấu của tóc.  
Yachida đưa ra một phương pháp xác định  
khuôn mặt người trong ảnh màu bằng lý thuyết logic  
mờ [156, 259, 260]. Ông dùng hai mô hình mờ để  
mô tả phân bố màu da người và màu tóc trong không  
gian màu CIE XYZ. Năm mô hình hình dạng của  
đầu (một thẳng và bốn xoay xung quanh) để mô tả  
hình dáng của mặt trong ảnh. Mỗi mô hình hình  
dạng là một mẫu 2-chiều bao gồm các ô vuông có  
kích thước mxn, mỗi ô có thể chứa nhiều hơn một  
điểm ảnh. Hai thuộc tính được gán cho mỗi ô là: tỷ  
lệ màu da và tỷ lệ tóc, chỉ ra tỷ lệ diện tích vùng da  
(tóc) trong ô so với diện tích của ô. Mỗi điểm ảnh sẽ  
được phân loại thành tóc, khuôn mặt, tóc/khuôn mặt,  
và tóc/nền trên cơ sở phân bố của mô hình, theo  
cách đó sẽ có được các vùng giống khuôn mặt và  
giống tóc. Mô hình hình dáng của đầu sẽ được so  
sánh với vùng giống khuôn mặt và giống tóc. Nếu  
tương tự, vùng đang xét sẽ trở thành ứng viên khuôn  
mặt, sau đó dùng các đặc trưng mắt-lông mày và  
mũi-miệng để xác định ứng viên nào sẽ là khuôn  
mặt thật sự.  
Dai và Nakano dùng mô hình SGLD để xác định  
khuôn mặt người [165]. Thông tin màu sắc được kết  
hợp với mô hình kết cấu khuôn mặt. Hai tác giả xây  
dựng thuật giải xác định khuôn mặt trong không  
gian màu, với các phần tựa màu cam để xác định các  
vùng có thể là khuôn mặt người. Một thuận lợi của  
phương pháp này là có thể xác định khuôn mặt  
không chỉ chụp thẳng và có thể có râu và có kính.  
Mark và Andrew [12] dùng phân bố màu da và  
thuật toán DoG (a Difference of Gauss) để tìm các  
ứng viên, rồi xác thực bằng một hệ thống học kết  
cấu của khuôn mặt.  
Sobottka và Pitas dùng các đặc trưng về hình  
dáng và màu sắc để xác định khuôn mặt người [241].  
Dùng một ngưỡng để phân đoạn trong không gian  
màu HSV để xác định các vùng có thể là màu da  
người (vùng giống màu da người) [251, 252], các  
tiền ứng viên. Các thành phần dính nhau sẽ được xác  
định bằng thuật toán tăng vùng ở độ phân giải thô.  
Xem xét tiền ứng viên nào vừa khớp hình dạng  
Manian và Ross [88] dùng biến đổi wavelet để  
xây dựng tập dữ liệu kết cấu của khuôn mặt trong  
ảnh xám thông qua nhiều độ phân giải khác nhau kết  
hợp xác suất thông kê để xác định khuôn mặt người.  
Mỗi mẫu sẽ có chín đặc trưng. Tỷ lệ chính xác là  
87%, tỷ lệ xác định sai là 18%.  
7
ellipse sẽ được chọn làm ứng viên của khuôn mặt. blob. Mỗi vector đặc trưng bao gồm tọa độ ảnh và  
Sau đó dùng các đặc trưng bên trong như: mắt và sắc  
miệng, được trích ra trên cơ sở các vùng mắt và  
màu  
được  
chuẩn  
hóa,  
r
g
X = (x,y,  
,
) [218, 243]. Dùng  
miệng sẽ tối hơn các vùng khác của khuôn mặt, sau  
cùng phân loại dựa trên mạng neural để biết vùng  
ứng viên nào là khuôn mặt người và vùng nào không  
phải khuôn mặt người. Tỷ lệ chính xác là 85%.  
Dựa vào mức độ cân xứng của các mẫu khuôn  
mặt người để xác định khuôn mặt người [154]. Một  
bộ phân loại màu da/không phải màu da dùng trong  
không gian màu YES cho phép làm mịn các vùng kề  
có đường cong không mịn, sau khi lọc các vùng có  
thể là màu da người. Một mẫu khuôn mặt dạng  
ellipse được dùng để xem xét mức độ tương tự của  
các vùng có cùng màu da người với mẫu này thông  
qua khoảng cách Hausdorff [188]. Sau cùng, xác  
định tâm mắt thông qua các hàm tính giá trị dựa trên  
quan hệ cân đối của khuôn mặt và vị trí hai mắt.  
Đỉnh của mũi và tâm của miệng được ước lượng qua  
khoảng cách tâm mắt. Mặt hạn chế của phương pháp  
này là chỉ xác định trên ảnh chụp thẳng khuôn mặt,  
chỉ có duy nhất một khuôn mặt trong ảnh, và xác  
định được vị trí của cả hai mắt. Cũng có tác giả dùng  
phương pháp tương tự để giải quyết [245].  
r + g+ b r + g+ b  
một thuật toán tạo các vùng liên kết lại với nhau để  
tăng kích thước của blob và xem xét nếu ứng viên  
dạng blob nào thỏa mãn hình dáng kích thước khuôn  
mặt thì xem đó là khuôn mặt.  
Phạm vi và màu sắc được Kim [197] dùng để  
xác định khuôn mặt người. Tính biểu đồ chênh lệch  
rồi phân đoạn dựa trên biểu đồ histogram với giả  
thuyết các điểm ảnh là nền sẽ có cùng độ sâu và số  
lượng sẽ nhiều hơn các điểm ảnh trong đối tượng.  
Dùng phân bố Gauss trong không gian màu RGB đã  
được chuẩn hóa, được các ứng viên rồi dùng phân  
loại để xác định cuối cùng ứng viên nào là khuôn  
mặt người. Cùng các tiếp cận này có Darrell [84].  
Hsu được xem là người khá thành công khi xác  
định khuôn mặt người trong ảnh màu [1, 96]. Ông  
xây dựng một bộ phân loại để xác định các vị trí của  
ứng viên mắt và miệng dựa trên sắc màu đặc trưng  
của mắt và miệng. Trên quan hệ về khoảng cách của  
hai mắt và miệng để xác định ứng viên nào sẽ là  
khuôn mặt thông qua biến đổi Hough để có ứng viên  
nào gần giống dạng ellipse nhất.  
Trái ngược với phương pháp xử lý trên điểm  
ảnh, một phương pháp được xây dựng trên cấu trúc,  
màu sắc, và liên quan hình học đã được đề nghị  
[262]. Đầu tiên dùng phân đoạn đa tỷ lệ [144] để  
trích các vùng đồng đều trong ảnh dựa vào mô hình  
màu da người theo Gauss để có được các vùng có  
màu cùng với màu da người, gom các vùng này vào  
trong các vùng có hình dạng ellipse. Một vùng có  
hình dạng ellipse được xác định là một khuôn mặt  
người nếu tồn tại mắt miệng trong vùng đó. Tác giả  
cho biết có thể xác định các khuôn mặt ở các hướng  
khác nhau khi có thêm các đặc trưng phụ như: râu,  
mắt kính.  
Jesorsky [270] xác định cạnh của các đối tượng  
trong ảnh rồi so sánh hình dáng kết hợp dùng  
khoảng cách Hausdorff để đo mức độ tương tự của  
khuôn mặt người với các mẫu. Sau đó Kirchberg  
[17] cải tiến dùng mô hình Gen (Genetic Model) để  
phát sinh mô hình khuôn mặt người từ dữ liệu lộn  
xộn sau khi phân đoạn trong ảnh xám kết hợp  
khoảng cách Hausdorff. Mức độ chính xác khỏang  
85%.  
Yen và Nithianandan [66] dùng GA để trích các  
đặc trưng khuôn mặt, như mắt (lông mày), mũi, và  
miệng. Áp dụng hình thái khuôn mặt giống hình  
ellipse để xác định khuôn mặt bằng GA trong ảnh  
màu. Phương pháp này cho phép giải quyết trong  
điều kiện ánh sáng khác nhau, tư thế khuôn mặt khác  
nhau.  
Kauth trình bày một biểu diễn dạng blob để trích  
đặc trưng, mà đặc trưng này dùng tô tả có ý nghĩa  
cấu trúc của đa phổ của ảnh chụp từ vệ tinh [194].  
Mỗi vector đặc trưng tại một điểm ảnh bao gồm các  
tọa độ của điểm ảnh và liên quan theo các thành  
phần phổ (hay các thành phần kết cấu). Các điểm  
ảnh này được gom nhóm bằng cách dùng vector đặc  
trưng để có các vùng dính liền nhau, hoặc có dạng  
Chang [89] xem xét tính đa dạng vẻ mặt của  
khuôn mặt người. Từ đây ông xây dựng mạng  
wavelet tích cực (Active Wavelet Network) để trích  
các đặc trưng của khuôn mặt rồi dùng hai phương  
8
pháp làm giảm số chiều của không gian đặc trưng là Sau đó tiếp tục tìm miệng và lông mày để xác định  
LLE (Locally Linear Embedding) và LE (Lipschitz ứng viên này có phải là khuôn mặt người hay không.  
Embedding) và học cấu trúc đa dạng này để xác định  
a) Xác định các mẫu trước  
khuôn mặt.  
Sakai đã cố gắng thử xác định khuôn mặt người  
Daidi và Irek [117] trích các đặc trưng của  
chụp thẳng trong ảnh [232]. Ông dùng vài mẫu con  
khuôn mặt bằng sơ đồ phân bố tham số để xác định  
về mắt, mũi, miệng, và đường viền khuôn mặt để mô  
khuôn mặt người. Tỷ lệ chính xác cho ảnh xám và  
hình hóa một khuôn mặt. Mỗi mẫu con được định  
khuôn mặt được chụp thẳng là 91.4%.  
nghĩa trong giới hạn của các đoạn thẳng. Các đường  
Ehsan và Jonh [125] dùng tập hệ số Gabor  
thẳng trong ảnh được trích bằng phương pháp xem  
wavelet ở các hướng khác nhau để trích các đặc  
xét thay đổi gradient nhiều nhất và so khớp các mẫu  
trưng của khuôn mặt. Sau đó dùng entropy cục bộ để  
con. Đầu tiên tìm các ứng viên thông qua mối tương  
xác định khuôn mặt trong ảnh xám và khuôn mặt  
quan giữa các ảnh con và các mẫu về đường viền.  
được chụp thẳng hay tựa thẳng nhưng có các vị trí  
Sau đó, so khớp với các mẫu con khác. Hay nói một  
khác nhau. Tỷ lệ chính xác là 94%.  
cách khác, giai đoạn đầu xem như là giai đoạn sơ  
Bao [281, 282] dùng sắc thái màu da người để  
chế để tìm ứng viên, giai đọan thứ hai là giai đoạn  
xác định ứng viên trong ảnh màu. Tác giả đã xây  
tinh chế để xác định có tồn tại hay không một khuôn  
dựng các luật mờ dựa vào hai loại đặc trưng: (1) bên  
mặt người. Ý tưởng này được duy trì cho đến các  
ngoài và (2) bên trong. Đặc trưng bên ngoài gồm: tỷ  
nghiên cứu sau này.  
lệ chiều cao, diện tích, chu vi, mức độ tròn, … Đặc  
Craw đưa ra một phương pháp xác định khuôn  
trưng bên trong gồm: quan hệ mức độ cân đối của  
mặt người dựa vào các mẫu về hình dáng của các  
hai mắt và miệng cũng như tỷ lệ khoảng cách với  
ảnh được chụp thẳng (dùng vẻ bề ngoài của hình  
khuôn mặt. Phương pháp này cho phép xác định  
dáng khuôn mặt) [163]. Đầu tiên dùng phép lọc  
khuôn mặt ở nhiều tư thế, vị trí, mức độ nghiêng  
Sobel để tìm các cạnh. Các cạnh này sẽ được nhóm  
khác nhau trong môi trường phức tạp. Đặc biệt, tác  
lại theo một số ràng buộc. Sau đó, tìm đường viền  
giả đã xây dựng bộ điều khiển mờ để tách các khuôn  
của đầu, quá trình tương tự được lặp đi lặp lại với  
mặt dính lẫn nhau. Tỷ lệ chính xác khoảng 87%-  
mỗi tỷ lệ khác nhau để xác định các đặc trưng khác  
89%.  
như: mắt, lông mày, và môi. Sau đó Craw mô tả một  
3. Hướng tiếp cận dựa trên so khớp mẫu  
phương thức xác định dùng một tập có 40 mẫu để  
tìm các đặc trưng khuôn mặt và điều khiển chiến  
lược dò tìm [164].  
Trong so khớp mẫu, các mẫu chuẩn của khuôn  
mặt (thường là khuôn mặt được chụp thẳng) sẽ được  
xác định trước hoặc xác định các tham số thông qua  
một hàm. Từ một ảnh đưa vào, tính các giá trị tương  
quan so với các mẫu chuẩn về đường viền khuôn  
mặt, mắt, mũi và miệng. Thông qua các giá trị tương  
quan này mà các tác giả quyết định có hay không có  
tồn tại khuôn mặt trong ảnh. Hướng tiếp cận này có  
lợi thế là rất dễ cài đặt, nhưng không hiệu quả khi tỷ  
lệ, tư thế, và hình dáng thay đổi (đã được chứng  
minh). Nhiều độ phân giải, đa tỷ lệ, các mẫu con, và  
các mẫu biến dạng được xem xét thành bát biến về  
tỷ lệ và hình dáng.  
Govindaraju đề nghị một phương thức xác định  
khuôn mặt người có hai giai đọan để phát sinh các  
giả thuyết khuôn mặt và kiểm tra nó [177, 178, 179].  
Một mô hình khuôn mặt được xây dựng trong các  
giai đoạn xác định đặc trưng bằng các cạnh. Các  
đặc trưng được mô tả như các đường cong của phía  
bên trái, đường viền tóc, phía bên phải của khuôn  
mặt được chụp thẳng. Dùng phép toán Marr-Hildreth  
để xác định cạnh. Sau đó dùng một bộ lọc để loại bỏ  
các đối tượng không tham gia vào xây dựng khuôn  
mặt. Liên kết các cặp của các đoạn đường viền trên  
cơ sở mức độ kề và các hướng liên quan. Xác định  
các góc để phân đoạn đường viền thành các đường  
cong đặc trưng. Gán nhãn các đường cong đặc trưng  
bằng cách kiểm tra thuộc tính hình học và các vị trí  
Oh [119] phân đoạn để tìm ứng viên khuôn mặt,  
tác giả dùng các mẫu mặt có trước để so khớp với  
các vùng quan tâm để tìm vị trí mắt trong ứng viên.  
9
liên quan trong láng giềng của nó. Nối các cặp của mặt (như hai mắt, hai má, và trán), quan hệ về mức  
các đường cong đặc trưng thông qua các cạnh nếu độ sáng của các vùng còn lại thay đổi không đáng  
các thuộc tính của nó tương thích. So sánh các tỷ lệ kể. Xác định các cặp tỷ số của mức độ sáng của một  
của các cặp thuộc tính cho một cạnh và ấn địng một số vùng (một vùng tối hơn hay sáng hơn) cho ta một  
giá trị tương ứng. Nếu giá trị của một nhóm của ba lượng bất biến khá hiệu quả. Các vùng có độ sáng  
đường cong đặc trưng (với các nhãn khác nhau) thấp đều được xem như một mẫu tỷ số mà là mẫu thô  
thì nhóm này sẽ trở thành một giả thuyết. Khi xác trong không gian ảnh của một khuôn mặt với độ  
định khuôn mặt trong các bài báo thì thông tin phụ thích hợp ít dùng để chọn như các đặc trưng chính  
sẽ được dùng thêm đó là số lượng người trong ảnh của khuôn mặt như hai mắt, hai má, và trán. Lưu giữ  
để chọn giả thuyết tối ưu [178] . Tỷ lệ chính xác của thay đổi độ sáng của các vùng trên khuôn mặt trong  
phương pháp này là 70%, tuy nhiên các khuôn mặt một tập thích hợp với các cặp quan hệ sáng hơn – tối  
phải được chụp thẳng và không bị che khuất. hơn giữa các vùng nhỏ. Một khuôn mặt được xác  
Venkatranman và Govindaraju dùng cách tiếp cận định khi một ảnh thỏa tất cả các cặp sáng hơn – tối  
tương tự, nhưng dùng wavelet để trích cạnh [257].  
hơn. Ý tưởng này xuất phát từ sự khác biệt của  
Tsukamoto trình bày một mô hình hiệu quả khi cường độ giữa các vùng kề cục bộ, sau này được mở  
dùng mẫu khuôn mặt (QMF) [253, 254]. Trong rộng trên cơ sở biến đổi wavelet để biểu diễn cho  
QMF , mỗi ảnh mẫu được chia thành nhiều khối, các xác định người đi bộ, xác định xe hơi, xác định  
đặc trưng hiệu quả được ước lượng cho mỗi khối. khuôn mặt [222]. Ý tưởng của Sinha còn được áp  
Tham số hóa một mẫu khuôn mặt theo: lightness và dụng cho hệ thống thị giác của robot [151, 236].  
edgeness là các đặc trưng trong mô hình. Sau đó Hình 5 cho thấy mẫu nổi bật trong 23 quan hệ được  
dùng các mẫu (đã được chia thành các khối) để tính định nghĩa. Dùng các quan hệ này để phân loại, có  
giá trị faceness (mức độ là khuôn mặt) ở tại mọi vị 11 quan hệ thiết yếu (các mũi tên màu đen) và 12  
trí của ảnh. Một khuôn mặt được xác định khi giá trị quan hệ xác thực (các mũi tên xám). Mỗi mũi tên là  
faceness vượt một ngưỡng đã được cho trước.  
một quan hệ. Một quan hệ thỏa mãn mẫu khuôn mặt  
Hình chiếu được dùng như các mẫu để xác định khi tỷ lệ giữa hai vùng vượt qua một ngưỡng và 23  
khuôn mặt người [233]. Dùng PCA (phân tích thành quan hệ này vượt ngưỡng thì xem như xác định  
phần chính – Principal Component Analysis - PCA) được một khuôn mặt.  
để có một tập hình chiếu cơ bản từ các mẫu khuôn  
mặt, hình chiếu được mô tả như một mảng các bit.  
Dùng đặc trưng hình chiếu riêng kết hợp biến đổi  
Hough để xác định khuôn mặt người. Sau đó một  
phương pháp xác định dựa trên đa loại mẫu để xác  
định các thành phần của khuôn mặt được trình bày  
[244]. Phương pháp này định nghĩa một số giả  
Hình 5: Một mẫu khuôn mặt, có 16 vùng và 23 quan hệ (các mũi tên).  
thuyết để mô tả các khả năng của các đặc trưng  
Phương pháp so khớp mẫu theo thứ tự để xác  
định khuôn mặt người do Miao trình bày [214]. Ở  
giai đoạn đầu tiên, ảnh sẽ được xoay từ -20o đến 20o  
với mỗi bước là 5o và theo thứ tự. Xây dựng ảnh đa  
độ phân giải, hình 1, rồi dùng phép tóan Laplace để  
xác định các cạnh. Một mẫu khuôn mặt gồm các  
cạnh mô tả sáu thành phần: hai lông mày, hai mắt,  
một mũi, và một miệng. Sau đó áp dụng heuristic để  
xác định sự tồn tại của khuôn mặt trong ảnh, phương  
pháp này cho phép xác nhiều khuôn mặt, nhưng kết  
khuôn mặt. Với một khuôn mặt sẽ có một tập giả  
thuyết, lý thuyết DepsterShafer [166]. Dùng một  
nhân tố tin cậy để kiểm tra sự tồn tại hay không của  
các đặc trưng của khuôn mặt, và kết hợp nhân tố tin  
cậy này với một độ đo để xem xét có hay không có  
khuôn mặt trong ảnh.  
Sinha dùng một tập nhỏ các bất biến ảnh trong  
không gian ảnh để mô tả không gian các mẫu ảnh  
[238, 239]. Tư tưởng chính của ông dựa vào sự thay  
đổi mức độ sáng của các vùng khác nhau của khuôn  
10  
quả không tốt bằng xác định một khuôn mặt (chụp  
thẳng hoặc xoay) trong ảnh xám.  
Iwata [39] xây dựng mẫu mỗi đặc trưng gồm  
bốn đặc trưng theo bốn hướmg: ngang, bên phải phía  
Wei và Lai [78] dùng bộ lọc để phân đoạn kết trên, đứng, và bên trái phía trên của khuôn mặt chụp  
hợp thuật toán tìm láng giềng gần nhất xác định ứng thẳng hoặc gần thẳng trong ảnh xám. Để so khớp  
viên khuôn mặt, từ ứng viên này sau đó so khớp với từng phần của mẫu kết hợp xác suất các láng giềng.  
các mẫu đã xác định trước để biết ứng viên có phải Tỷ lệ chính xác của phương pháp này là gần 99%.  
là khuôn mặt hay không. Tỷ lệ chính xác là 80%.  
Keren [33] xây dựng khái niệm Antifaces để xác  
Darrell [84] dùng phân đoạn đề tìm ứng viên, định khuôn mặt người (tổng quát cho các đối tượng  
dùng ứng viên này để xác định khuôn mặt người dựa 3-chiều). Dựa trên nhiều loại mẫu kết hợp giả thuyết  
vào mẫu rồi theo vết chuyển động của người.  
phân bố xác suất để tìm những đối tượng không có  
Dowdall dùng phổ của màu da người để xác mối tương quan để tìm khuôn mặt người. Ông cho  
định ứng viên. Sau đó chiếu các ứng viên này để so biết, phương pháp này nhanh hơn eigenface và SVM  
sanh với các mẫu có trước để xác định ứng viên nào và mức độ chính xác gần tương đương.  
là khuôn mặt người. Phương pháp này chỉ xác định  
cho khuôn mặt chụp thẳng và gần thẳng, góc quay định ứng viên khuôn mặt khi so khớp với các mẫu  
khoảng từ -10o đến 10o [86].  
đã học trước. Sau đó tác giả dùng mạng wavelet thứ  
Feris [59] dùng mạng wavelet thứ nhất để xác  
Holst xây dựng một hệ thống từ các mẫu với các hai để xác định các thành phần như mắt, mũi, và  
đặc trưng kép [92]: (1) thành phần, gồm: mắt, mũi, miệng thông qua các đặc trưng góc cạnh. Từ các  
và miệng; (2) hình dáng khuôn mặt, trên độ phân thành phần này xem xét tính hòa hợp để có quyết  
giải thấp. Ông dùng hai phương pháp tìm kiếm trong định cuối cùng ứng viên nào là khuôn mặt người.  
không gian dữ liệu của mình để xác định khuôn mặt  
b) Các mẫu bị biến dạng  
Yuille dùng các mẫu biến dạng để mô hình hóa  
người.  
các đặc trưng của khuôn mặt, mô hình này có khả  
năng linh hoạt cho các đặc trưng khuôn mặt [268].  
Trong hướng tiếp cận này, các đặc trưng khuôn mặt  
được mô tả bằng các mẫu được tham số hóa. Một  
hàm năng lượng (giá trị) được định nghĩa để liên kết  
các cạnh, đỉnh, và thung lũng trong ảnh để tương  
ứng với các tham số trong mẫu. Mô hình này tốt  
nhất khi tối thiểu hàm năng lượng qua các tham số,  
Mặc dù kết quả tốt với mẫu biến dạng trong theo vết  
đối tượng trên đặc trưng không mô hình theo lưới,  
một hạn chế của hướng tiếp cận này là các mẫu biến  
Hình 6: Phân nhóm dữ liệu khuôn mặt  
dạng phải được khởi tạo trong phạm vi gần các đối  
và nhóm dữ liệu không phải khuôn mặt.  
tượng để xác định.  
Froba và Zink lọc cạnh ở độ phân giải thấp rồi  
Một hướng tiếp cận dựa trên dường gấp khúc  
dùng biến đổi Hough để so khớp mẫu theo hướng  
(snake) [193, 208] và các mẫu để xác định khuôn  
cạnh để xác định hình dáng khuôn mặt ở dạng chụp  
mặt [202]. Đầu tiên một ảnh sẽ được làm xoắn lại  
hình thẳng ở dạng xám. Tỷ lệ chính xác trên 91%  
bởi một lọc làm mờ rồi dùng phép toán morphology  
[25].  
để làm nổi bật cạnh lên. Dùng một đường gấp khúc  
Shu và Jain xây dựng ngữ nghĩa khuôn mặt [85].  
có n điểm ảnh (giá trị n nhỏ) để tìm và ước lượng  
Ngữ nghĩa theo hình dáng và vị trí các thành phần  
các đọan cong nhỏ. Mỗi khuôn mặt được xấp xỉ  
khuôn mặt. Hai ông từ bộ ngữ nghĩa này xây dựng  
bằng một ellipse và biến đổi Hough, rồi tìm một  
một đồ thị quan hệ để dễ dàng so khớp khi xác định  
ellipse nổi trội nhất. Một tập có bốn tham số mô tả  
khuôn mặt người.  
nột ellipse được dùng như ứng viên để xác định  
11  
khuôn mặt. Với mỗi ứng viên, một phương thức  
tương tự như phương thức mẫu biến dạng [268]  
dùng để xác định các đặc trưng ở mức chi tiết. Nếu  
tìm thấy số lượng đáng kể các đặc trưng khuôn mặt  
và thỏa tỷ lệ cân đối thì xem như đã xác định được  
một khuôn mặt. Lam và Yan cũng dùng đường gấp  
khúc để xác định vị trí đầu với thuất toán greedy để  
cực tiểu hóa hàm năng lượng [203].  
4. Hướng tiếp cận dựa trên diện mạo  
Trái ngược với các phưong pháp so khớp mẫu  
với các mẫu đã được định nghĩa trước bởi những  
chuyên gia, các mẫu trong hướng tiếp cận này được  
học từ các ảnh mẫu. Một các tổng quát, các phương  
pháp theo hướng tiếp cận này áp dụng các kỹ thuật  
theo hướng xác suất thống kê và máy học để tìm  
những đặc tính liên quan của khuôn mặt và không  
phải là khuôn mặt. Các đặc tính đã được học ở trong  
hình thái các mô hình phân bố hay các hàm biệt số  
nên dùng có thể dùng các đặc tính này để xác định  
khuôn mặt người. Đồng thời, bài toán giảm số chiều  
thường được quan tâm để tăng hiệu quả tính toán  
cũng như hiệu quả xác định.  
Thay vì dùng đường gấp khúc thì Huang và Su  
[13] dùng lý thuyết dòng chảy để xác định đường  
viền khuôn mặt dựa trên đặc tính hình học. Hai ông  
dùng lý thuyết tập đồng mức (Level Set) để loang từ  
các khởi động ban đầu để có được các khuôn mặt  
người.  
Lanitis mô tả một phương pháp biểu diễn khuôn  
mặt người với cả hai thông tin: hình dáng và cường  
độ [204]. Bắt đầu với các tập ảnh được huấn luyện  
với các đường viền mẫu như là đường bao mắt, mũi,  
cằm/má được gán nhãn. Dùng một vector các điểm  
mẫu để mô tả hình dáng. Tác giả dùng một mô hình  
phân bố điểm (Point Distribution Model – PDM) để  
mô tả vector hình dáng qua toàn bộ các cá thể. Dùng  
tiếp cận như Kirby và Sirovich [198] để mô tả cường  
độ bề ngòai của hình dáng đã được chuẩn hóa. Một  
PDM có hình dáng như khuôn mặt dùng để xác định  
khuôn mặt bằng mô hình hình dáng tích cực (Active  
Shape Model - ASM) để tìm kiếm và ước lượng vị  
trí khuôn mặt cũng như các tham số về hình dáng.  
Các mảnh của khuôn mặt được làm biến dạng về  
hình dáng trung bình rồi trích các tham số cường độ.  
Các tham số hình dáng và cường độ được dùng để  
phân loại. Cootes và Taylor áp dụng cách tiếp cận  
này để xác định khuôn mặt [161]. Đầu tiên, hai ông  
định nghĩa nột vùng hình chữ nhật chứa các đặc  
trưng quan tâm. Dùng phân tích nhân tố [146] làm  
vừa các đặc trưng huấn luyện để có một hàm phân  
bố. Có đuợc các đặc trưng là ứng viên nếu độ đo xác  
suất vượt qua một ngưỡng khi dùng ASM. Sau khi  
huấn luyện xong có thể xác định khuôn mặt người.  
Hướng tiếp cận theo ASM được mở rộng bằng hai  
lọc Kalman để ước lượng các tham số về hình dáng  
và cường độ dùng để theo vết khuôn mặt người  
[169].  
Có nhiều phương pháp áp dụng xác suất thống  
kê để giả quyết. Một ảnh hay một vector đặc trưng  
xuất phát từ một ảnh được xem như một biến ngẫu  
nhiên x, và biến ngẫu nhiên có đặc tính là khuôn mặt  
hay không phải khuôn mặt bởi công thức tính theo  
các hàm mật độ phân lớp theo điều kiện  
và  
.
p(x | khoâng phaûi khuoân maët)  
p(x | khuoân maët)  
Có thể dùng phân loại Bayes hoặc khả năng cực đại  
để phân loại một ứng viên là khuôn mặt hay không  
phải là khuôn mặt. Không thể cài đặt trực tiếp phân  
loại Bayes bởi vì số chiều của x khá cao, bởi vì  
và  
p(x | khuoân maët)  
p(x | khoâng phaûi khuoân maët)  
là đa phương thức, và chưa thể hiểu nếu xây dựng  
các dạng tham số hóa một cách tự nhiên cho  
p(x | khuoân maët) và  
.
p(x | khoâng phaûi khuoân maët)  
Có khá nhiều nghiên cứu theo hướng tiếp cận này  
quan tâm xấp xỉ có tham số hay không có tham số  
cho  
p(x | khuoân maët)  
và  
p(x | khoâng phaûi khuoân maët).  
Các tiếp cận khác trong hướng tiếp cận dựa trên  
diện mạo là tìm một hàm biệt số (như: mặt phẳng  
quyết định, siêu phẳng để tách dữ liệu, hàm ngưỡng)  
để phân biệt hai lớp dữ liệu: khuôn mặt và không  
phải khuôn mặt. Bình thường, các mẫu ảnh được  
chiếu vào không gian có số chiều thấp hơn, rồi sau  
đó dùng một hàm biệt số (dựa trên các độ đo khoảng  
cách) để phân loại [255], hoặc xây dựng mặt quyết  
định phi tuyến bằng mạng neural đa tầng [48]. Hoặc  
dùng SVM (Support Vector Machine) và các  
phương thức kernel, chiếu hoàn toàn các mẫu vào  
12  
không gian có số chiều cao hơn để dữ liệu bị rời rạc các ảnh không có khuôn mặt thì xuất hiện sự khác  
hoàn toàn và ta có thể dùng một mặt phẳng quyết nhau cũng không ít. Xác định sự có mặt của một  
định phân loại các mẫu khuôn mặt và không phải khuôn mặt trong ảnh thông qua tất cả khoảng cách  
khuôn mặt [220].  
giữa các vị trí trong ảnh và không gian ảnh. Khoảng  
cách này dùng để xem xét có hay không có khuôn  
mặt người, kết quả khi tính toán các khoảng cách sẽ  
cho ta một bản đồ về khuôn mặt. Có thể xác định  
được từ cực tiểu địa phương của bản đồ này. Có  
nhiều nghiên cứu về xác định khuôn mặt, nhận dạng,  
và trích đặc trưng từ ý tưởng vector riêng, phân rã,  
và gom nhóm. Sau đó Kim [23] phát triển cho ảnh  
màu, bằng cách phân đoạn ảnh để tìm ứng để không  
gian tìm kiếm bớt đi.  
a) Eigenface  
Kohonen đã đưa ra phương pháp dùng vector  
riêng để nhận dạng khuôn mặt [199], ông dùng một  
mạng neural đơn giản để chứng tỏ khả năng của  
phương pháp này trên các ảnh đã được chuẩn hóa.  
Mạng neural tính một mô tả của khuôn mặt bằng  
cách xấp xỉ các vector riêng của ma trận tương quan  
của ảnh. Các vector riêng sau này được biết đến với  
cái tên Eigenface.  
Kirby và Sirovich chứng tỏ các ảnh có các  
khuôn mặt có thể được mã hóa tuyến tính bằng một  
b) Hướng tiếp cận dựa trên phân bố  
Sung và Poggio phát triển một hệ thống xác định  
số lượng vừa phải các ảnh cơ sở [198]. Tính chất khuôn mặt người dựa trên phân bố [246, 247], chứng  
này dựa trên biến đổi Karhunen-Lòeve [176, 192, tỏ bằng cách dùng phân bố các các mẫu ảnh cùng  
211], mà còn được gọi dưới một cái tên khác là PCA một lớp đối tượng có thể được học từ các mẫu  
[189] và biến đổi Hotelling [104]. Ý tưởng này được negative và positive. Hệ thống của hai ông bao gồm  
xem là của Pearson trình bày đầu tiên vào năm 1901 hai thành phần: mô hình phân bố của các mẫu là  
[223] và sau đó là Hotelling vào năm 1933 [185]. khuôn mặt/không phải khuôn mặt và một phân loại  
Cho một tập các ảnh huấn luyện có kích thước n x đa tầng dựa vào thị giác. Mỗi mẫu là khuôn mặt và  
m được mô tả bởi các vector có kích thước m x m, không phải là khuôn mặt được chuẩn hóa và xử lý  
các vector cở sở cho một không gian con tối ưu thành ảnh có kích thước 19 x 19 điểm ảnh và xem  
được xác định thông qua lỗi bình phương trung bình như một vector hay mẫu có 361-chiều. Sau đó các  
khi chiếu các ảnh huấn luyện vào không gian con mẫu được nhóm vào các nhóm, mỗi nhóm gồm sáu  
này. Các tác giả gọi tập các vector cơ sở tối ưu này mẫu cùng loại là khuôn mặt hoặc nhóm không phải  
là ảnh riêng sau đó gọi cho đơn giản là vector riêng là khuôn mặt bằng thuật toán k-trung bình (k-mean),  
của ma trận hiệp phương sai được tính từ các ảnh hình 6. Mỗi nhóm sẽ được mô tả như một hàm  
khuôn mặt đã vector hóa trong tập huấn luyện. Nếu Gauss đa chiều với một ảnh trung bình và ma trận  
cho 100 ảnh, mà mỗi khuôn mặt có kích thước hiệp phương sai. Hình 7 cho thấy cách tính khoảng  
91x50 thì có thể chỉ dùng 50 ảnh riêng, trong khi cách của hai ông. Hai độ đo khoảng cách dùng để  
vẫn duy trì được một khả năng giống nhau hợp lý tính khoảng cách giữa ảnh đưa vào và tâm của  
(giữ được 95% tính chất).  
nhóm. Thành phần khoảng cách đầu tiên là khoảng  
Turk và Pentland áp dụng PCA để xác định và cách Mahalanobis được chuẩn hóa giữa hình chiếu  
nhận dạng khuôn mặt [255]. Tương tự [198], dùng của mẫu cần kiểm tra và tâm của nhóm, tính trong  
PCA trên tập huấn luyện ảnh các khuôn mặt để sinh không gian con có số chiều thấp hơn, được mô tả  
các ảnh riêng (còn gọi là eigenface) để tìm một bằng 75 vector riêng lớn nhất. Thành phần khoảng  
không gian con (không gian khuôn mặt) trong không cách thứ hai là khoảng cách Euclide giữa mẫu cần  
gian ảnh. Các ảnh khuôn mặt được chiếu vào không kiểm tra và hình chiếu của nó trong không gian con  
gian con này và được gom nhóm lại. Tương tự các có 75- chiều này. Dùng hai khoảng cách này để xác  
ảnh không có khuôn mặt dùng để huấn luyện cũng định khoảng cách từ mẫu cần kiểm tra đến tâm một  
được chiếu vào cùng không gian con và gom nhóm nhóm. Từ nay chúng ta có thể biết mẫu cần kiểm tra  
lại. Các ảnh khi chiếu vào không gian khuôn mặt thì gần nhóm nào nhất. Bước cuối cùng dùng mạng đa  
không bị thay đổi tính chất cơ bản, trong khi chiếu tầng (Multilayer Perceptron Network – MLP) để  
13  
phân loại dựa vào 12 cặp khoảng cách (có 12 nhóm) này đuợc áp dụng cho xác định khuôn mặt, mã hóa  
khi mạng này đã được huấn luyện trước đó. Dễ dàng khuôn mặt, và nhận dạng. So sánh với hướng tiếp  
chọn mẫu khuôn mặt để huấn luyện, nhưng không eigenface cổ điển [255], phương pháp này cho thấy  
dễ để chọn mẫu không phải là khuôn mặt để huấn hiệu quả hơn trong xác định và nhận dạng khuôn  
luyện. Dùng phương pháp bootstrap để giả giải mặt [196].  
quyết vấn đề này. Bắt đầu từ tập nhỏ không phải  
Yang sử dụng một hỗn hợp nhiều phân tích hệ số  
khuôn mặt trong tập mẫu huấn luyện huấn luyện làm tiêu chí xác định khuôn mặt. Phân tích hệ số  
MLP. Dùng bộ xác định khuôn mặt người để xác (Factor Analysis – FA) là một phương pháp thống  
định mặt người trên một dãy các ảnh ngẫu nhiên, sau kê để mô hình hóa tính hiệp biến cấu trúc của dữ  
đó chọn các mẫu không phải khuôn mặt người mà bị liệu có số chiều cao bằng cách dùng mố lượng nhỏ  
xác định là khuôn mặt người xem như là mẫu không các biến tiềm tàng. FA cũng tương tự PCA trong vài  
phải khuôn mặt người mới để huấn luyện tiếp tục. khía cạnh. Tuy nhiên, PCA không giống FA, không  
Phương pháp này bỏ qua vấn đề chọn mẫu nào trong định nghĩa một mô hình mật độ thích hợp cho dữ  
các mẫu để tăng tính hiệu quả, có nhiều nghiên cứu liệu. Hơn nữa, PCA không hiệu quả khi có nhiễu  
sau này về vấn đề này [48, 220].  
độc lập trong các đặc trưng của dữ liệu. Tổng hợp từ  
[148, 150, 167, 168] cho thấy các mẫu được chiếu từ  
các lớp khác nhau vào không gian con PCA thường  
có thể không hiệu quả. Trong các trường hợp khi các  
mẫu có một cấu trúc chắc chắn, dùng PCA sẽ cho  
kết quả khá tốt. Hinton dùng FA để nhận dạng các  
con số, ông đã so sánh FA và PCA [184]. Một mô  
hình hỗn hợp của các phân tích hệ số được mở rộng  
để nhận dạng khuôn mặt người [174]. Cả hai nghiên  
cứu đều cho thấy FA tốt hơn PCA. Từ tư thế, hướng,  
cảm xúc, và ảnh hưởng ánh sáng trên diện mạo của  
khuôn mặt người, phân bố các khuôn mặt trong  
không gian ảnh có thể được biểu diễn tốt hơn bằng  
một mô hình mật độ đa phương thức khi mỗi  
phương thức giữ các đặc tính chắc chắn của diện  
mạo chắc chắn của khuôn mặt. Họ đã trình bày một  
mô hình theo xác suất khi dùng một hỗn hợp các  
phân tích hệ số (Mixture of Factor Analyzer – MFA)  
để xác định khuôn mặt người. Dùng thuật toán EM  
để ước lượng các tham số trong mô hình hỗn hợp.  
Hình 7: (a) Khoảng cách giữa mẫu cần kiểm tra và các nhóm;  
(b) hai thành phần khoảng cách.  
Moghaddam và Pentland đưa ra một mô hình học  
theo xác suất dựa trên ước lượng mật độ trong không  
gian có số chiều cao bằng không gian riêng [216].  
Hai ông dùng PCA để tìm không gian con để mô tả  
tốt nhất một tập các mẫu khuôn mặt người. Phương  
pháp này vẫn giữ lại các mối tương quan tuyến tính  
chính trong dữ liệu và loại bỏ các thứ yếu khác.  
Phương pháp này phân rã một không gian vector  
thành hai không gian con mà hai không gian con này  
loại trừ lẫn nhau và cũng bổ sung cho nhau: không  
gian con chính (không gian đặc trưng) và phần bù  
trực giao. Vì thế, mục tiêu mật độ được phân rã làm  
hai thành phần: mật độ trong không gian chính (dựa  
vào các thành phần chính) và phần bù trực giao,  
hình 8. Xây dựng hệ thống học dựa vào Gauss nhiều  
biến và Gauss hỗn hợp, hệ thống này học dựa trên  
thống kê các đặc trưng cục bộ của một khuôn mặt.  
Dùng các mật độ xác suất để xác định khuôn mặt  
trên cơ sở ước lượng khả năng cực đại. Phươngpháp  
Hình 8: Phân rã một ảnh khuôn mặt vào không gian chính F  
và phần bù trực giao -F--.  
Phương pháp thứ hai [263] dùng biệt số tuyến  
tính Fisher (Fisher’s Linear Discriminant – FLD) để  
chiếu các mẫu từ không gian ảnh có số chiều cao  
sang một không gian đặc trưng có số chiều thấp hơn.  
14  
Và trên cơ sở phân tích biệt số tuyến tính, các tác giả  
đã xây dựng phương pháp Fisherface [148] và  
những phương pháp khác [249, 269] giải quyết tốt  
hơn phương pháp Eigenface [255] trong nhận dạng  
khuôn mặt. Khi dùng FLD để phân loại mẫu sẽ tốt  
hơn PCA khi chiếu. Do đó, kết quả phân loại trong  
không gian con đã được chiếu có thể khá hơn các  
phương pháp khác (ở [213] trình bày rõ về kích  
thước tập huấn luyện). Trong phương thức thứ hai,  
các tác giả đã phân rã các mẫu huấn luyện khuôn  
mặt và không phải khuôn mặt vào trong vài lớp con  
bằng ánh xạ tự tổ chức Kohonen (Kohonen’s Self  
Organizing Map – SOM) [199]. Hình 9 cho thấy một  
đại diện của mỗi lớp khuôn mặt. Từ các mẫu được  
gán nhãn lại, tính các ma trận các giá trị rời rạc về  
tính chất mẫu ở trong lớp hay ở giữa lớp, bằng cách  
đó phát sinh phép chiếu tối ưu trên cơ sở FLD. Mỗi  
nhóm con, mô hình họa mật độ như một phương  
thức Gauss với các tham số trong Gauss được ước  
lượng bằng phương pháp cực đại hóa khả năng  
[167]. Quét trên toàn bộ ảnh đưa vào bằng một cửa  
sở rồi tính xác suất mức độ phụ thuộc lớp. Dùng luật  
quyết định dựa trên cực đại hóa khả năng để xác  
định có phải là khuôn mặt hay không. Cả hai  
phương pháp trong [263] có tỷ lệ chính xác là 92.3%  
cho MFA và 93.6% khi dùng FLD.  
c) Mạng Neural  
Mạng neural được áp dụng khá thành công trong  
các bài toán nhận dạng mẫu, như: nhận ký tự, đối  
tượng, robot tự vận hành. Xác định khuôn mặt người  
có thể xem là bài toán nhận dạng hai loại mẫu, có  
nhiều kiến trúc mạng neural đã được trình bày. Một  
thuận lợi khi dùng mạng neural để xác định khuôn  
mặt là tính khả thi của hệ thống học khi có sự phức  
tạp trong lớp của các mẫu khuôn mặt. Tuy nhiên,  
một điều trở ngại là các kiến trúc mạng đều tổng  
quát, khi áp dụng thì phải xác định rõ ràng số lượng  
tầng, số lượng node, tỷ lệ học, …, cho từng trường  
hợp cụ thể, hình 10.  
Hình 10: Mô hình mạng Neural theo Rowley  
Agui trình bày mạng neural xử lý có thứ tự  
[143]. Gia đoạn đầu dùng hai mạng con song song  
mà dữ liệu vào là các giá trị cường độ của ảnh ban  
đầu và các giá trị cường độ của ảnh đã được lọc  
bằng thuật toán lọc Sobel với cửa sổ lọc 3x3. Đầu  
vào của mạng ở giai đoạn hai bao gồm dữ liệu đầu ra  
từ hai mạng con và các giá trị đặc trưng đã được  
trích ra, như: đặc trưng độ lệch chuẩn của các giá trị  
điểm ảnh trong mẫu đưa vào, một tỷ lệ của số điểm  
ảnh trắng trên tổng số điểm ảnh (đã chuyển sang ảnh  
nhị phân) trong một cửa sổ, và đặc trưng thiết yếu về  
hình học. Một giá trị xuất tại giai đoạn hai cho biết  
có tồn tại hay không khuôn mặt người trong vùng  
đưa vào. Qua kinh nghiệm, tác giả chỉ ra rằng nếu  
các ảnh cùng một kích thước thì mới dùng phương  
pháp này được.  
Propp và Samal phát triển mạng neural để xác  
định khuôn mặt người sớm nhất [224]. Mạng neural  
của hai ông gồm bốn tầng với 1,024 đầu vào, 256  
đầu kế tiếp trong tầng ẩn thứ nhất, tám đầu kế tiếp  
trong tầng ẩn thứ hai, và hai đầu ra. Tương tự như  
mạng neural xử lý theo thứ tự được đưa ra sau đó  
[251]. Phương pháp của Soulie [242] duyệt một ảnh  
đưa vào với mạng neural có thời gian trễ [258] (kích  
thước cửa số là 20x25 điểm ảnh) để xác định khuôn  
mặt. Dùng biến đổi wavelet để phân rã ảnh các phần  
Hình 9: Đại diện của mỗi lớp khuôn mặt.  
Mỗi đại diện tương ứng tâm của một nhóm.  
Choi [31] xây dựng hệ thống xác định khuôn mặt  
người trong ảnh màu bằng đặc trưng của mắt người  
thông qua phân đoạn để xác định ứng viên khuôn  
mặt dựa trên phân bố màu da của khuôn mặt.  
15  
có kích thước khác nhau để xác định khuôn mặt.  
Theo đánh giá các phương pháp dùng mạng  
Vaillant dùng mạng neural dạng xoắn để xác định neural để xác định khuôn mặt người của nhiều tác  
khuôn mặt người [256]. Đầu tiên tạo các ảnh mẫu giả, thì nghiên cứu của Rowley [48, 231] được xem  
khuôn mặt và không phải khuôn mặt có kích thước là tốt nhất đối với ảnh xám. Một mạng đa tầng được  
20x20. Dùng một mạng neural, mạng này đã được dùng để học các mẫu khuôn mặt và không phải  
huấn luyện, để tìm các vị trí tương đối của các khuôn từ các ảnh tương ứng (dựa trên quan hệ  
khuôn mặt ở các tỷ lệ khác nhau. Rồi dùng một cường độ, về mặt không gian của các điểm ảnh)  
mạng khác để xác định vị trí chính xác của các trong khi Sung [246] dùng mạng neural để xác định  
khuôn mặt. Mạng đầu tiên dùng để tìm các ứng viên một hàm biệt số cho mục đích phân loại mẫu có phải  
khuôn mặt, rồi dùng mạng thứ hai để xác định ứng là khuôn mặt hay không dựa vào độ đo khoảng cách.  
viên nào that sự là khuôn mặt. Burel và Carel dùng Hai ông cùng dùng nhiều mạng neural và vài  
mạng neural đa tầng có ít mẫu hơn với thuật toán phương thức quyết định để cải thiện kết quả, trong  
Kohenen’s SOM để học các mẫu khuôn mặt và hình khi Burel và Carel [153] dùng một mạng đơn, và  
nền, mà các mẫu này đã được phân loại trước. Giai Vaillant [256] dùng hai mạng để phân loại. Có hai  
đoạn xác định khuôn mặt bao gồm duyệt trên mỗi thành phần chính để xử lý: nhiều mạng neural (xác  
ảnh đã được biến đổi từ ảnh bàn đầu ở các độ phân định mẫu nào là khuôn mặt) và một mô đun để quyết  
giải khác nhau. Ở tại mỗi vị trí và kích thước cửa sổ định (đưa ra quyết định cuối cùng từ nhiều kết quả  
duyệt, điều chỉnh độ sáng. Mỗi cửa sổ đã được xác định). Hình 9, thành phần đầu tiên của phương  
chuẩn hóa sẽ được phân loại bằng MLP.  
pháp này là một mạng neural nhận một vùng ảnh có  
Feraud và Bernier dùng mạng neural kết hợp tự kích thước 20x20 điểm ảnh và xuất ra một giá trịc  
động [171, 172, 173]. Ý tưởng dựa trên [201] mạng trong khoảng từ -1 đến 1. Khi đưa vào một ảnh, nếu  
kết hợp tự động có năm tầng thì có thể biểu diễn một kết quả gần -1 thì nghĩa là mẫu này không phải là  
phân tích thành phần chính phi tuyến. Dùng một khuôn mặt người, nhưng nếu kết quả gần 1 thì đây  
mạng kết hợp tự động để xác định các khuôn mặt chính là khuôn mặt người. Để xác định khuôn mặt  
chụp thẳng rồi mở rộng bằng cách xoay 60 độ từ trái có kích thước lớn hơn 20x20 điểm ảnh, cứ chọn một  
sang phải khuôn mặt chụp thẳng, mạng này sẽ tận tỷ lệ rồi duyệt rồi xác định, rồi lại thay đổi tỷ lệ  
dụng các trọng số khi xây dựng với dữ liệu khuôn (biến thiên tỷ lệ này do người xây dựng quyết định).  
mặt chụp thẳng cho các tư thế mới. Hai ông cho biết Gần 1050 mẫu khuôn mặt có kích thước, hướng, vị  
kết quả cũng tương tự [231]. Phương pháp này cũng trí, và cường độ khác nhau dùng để huấn luyện  
dùng cho LISTEN [159] và MULTRAK [149].  
mạng. Sẽ gán nhãn cho mắt, đỉnh của mũi, góc cạnh,  
Lin xây dưng mạng neural quyết định trên cơ sở và tâm của miệng rồi dùng để chuẩn hóa khuôn mặt  
xác suất (Probabilistic Decision-based Neural về cùng một tỷ lệ, hướng, và vị trí. Thành phần thứ  
Network – PDBNN) [209]. Kiến trúc của PDBNN hai là phương pháp trộn các xác định chồng chéo  
thì tương tự một mạng có hàm trên nền tảng tương nhau và đưa ra quyết định. Phép toán logic  
tự tia (Radial Basis Function – RBF) với các luật (AND/OR) là một quyết định đơn giản nhất và  
học được hỗ trợ xác suất. Thay vì chuyển toàn bộ phương pháp bầu cử được dùng để tăng tính hiệu  
ảnh khuôn mặt thành một vector có các giá trị cường quả. Rowley [48] đưa nhiều cách giải quyết bài toán  
độ để huấn luyện cho mạng neural, ông sẽ trích quyết khác nhau nhưng chi phí tính toán ít hơn Sung  
vector đặc trưng dựa trên cường độ và thông tin và Poggio nhưng tỷ lệ chính xác cao hơn.  
cạnh trong vùng khuôn mặt có chứa lông mày, mắt,  
Một giới hạn của phương pháp của Rowley [48]  
và mũi. Hai vector đặc trưng đã được trích thì đưa và Sung [246] là chí có thể xác định khuôn mặt chụp  
vào hai PDBNN và hợp nhất các kết quả để có kết thẳng và tựa thẳng (nghiêng đầu). Sau đó Rowley  
quả phân loại. Trên cơ sở 23 ảnh của Sung và [49] cải tiến để có thể xác định khuôn mặt bị xoay  
Poggio [248]. Ông đã cho một số kết quả so sánh bằng mạng định hướng (Router Network), hình 11,  
với các mạng khác [48, 248].  
sẽ thêm tiến trình xác định hướng khuôn mặt và  
16  
xoay về lại tư thế chuẩn (chụp thẳng), tuy nhiên khi Ông dùng 10,000,000 mẫu có kích thước 19x19  
quay lại dữ liệu như trên thì tỷ lệ chính xác lại giảm điểm ảnh, hệ thống của ông có tỷ lệ lỗi ít hơn Sung  
đi, chỉ còn khoảng 76.9%.  
và Poggio [247], nhưng nhanh hơn gần 30 lần. SVM  
cũng có thể dùng xác định khuôn mặt người và  
người đi bộ với phân tích Wavelet [219, 221, 222].  
Shihong và Masato sử dụng biến đổi wavelet  
Gabor để trích đặc trưng của khuôn mặt cũng như  
không phải khuôn mặt để đưa vào cho SVM học  
[15].  
Kang và Lee [14] xây dựng ứng dụng cho robot  
đi bộ vượt qua con người và chướng ngại vật dựa  
trên xác định khuôn mặt. Hai ông dùng phân đoạn  
nổi kết hợp SVM để phân loại. Tương tự Kui và  
Silva [22] cũng xây dựng ứng dụng cho phòng thông  
minh bằng cách xác định khuôn mặt người dựa trên  
eigenface để làm dự liệu cho SVM học phân loại.  
Bileschi và Heisele [18] dùng độ phân giải thấp  
để học thành phần khuôn mặt trong ảnh xám với các  
khuôn mặt chụp thẳng hoặc tựa thẳng cho SVM để  
xác định khuôn mặt. Trong khi Terrillon [20] dùng  
tính chất màu da người để tìm ứng viên kết hợp  
SVM và các mô men Fourier-Mellin trực giao để  
giải quyết. Thay vì lọc đơn giản, Shu-Fai và Kwan-  
Yee [72] dùng QuaTree để tìm ứng viên khuôn mặt  
người trong ảnh màu. Sau đó kết hợp wavelet phân  
tích mẫu cho SVM học trong nhiều tỷ lệ. Đa phần  
khi cho SVM học, các tác giả đều dùng hai lớp  
khuôn mặt và không phải khuôn mặt để học. Wang  
[75] chỉ dùng một lớp khuôn mặt trong ảnh màu để  
xác định khuôn mặt người. Tỷ lệ chính xác khoảng  
81%. Fang và Qiu [83] kết hợp SVM và thuật toán  
leo đồi để xác định khuôn mặt. Zhang và Zhao [51]  
xây dựng SVM dựa trên histogram của khuôn mặt  
và không phải khuôn mặt để xác định khuôn mặt. Tỷ  
lệ chính xác khoảng 92% cho khuôn mặt chụp thẳng  
hoặc gần thẳng trong ảnh màu. Je lại xây dựng nhiều  
SVM để xác định khuôn mặt người theo thứ tự quyết  
định kết hợp phương pháp bầu cử trong ảnh màu  
[30].  
Hình 11: Một ví dụ cho dữ liệu vào và dữ liệu ra của mạng định hướng.  
Lee [71] phát triển ý tưởng của Rowley [48] cho  
xác định khuôn mặt trong ảnh màu. Ông dùng mô  
hình màu da người bằng Gauss để xác định các ứng  
viên, sau đó loại bớt những ứng viên nào không thỏa  
mãn tính chất hình dáng gần giống hình ellipse. Cuối  
cùng ông dùng một mạng neural đã được huấn luyện  
để xác định khuônmặt người. Tỷ lệ xác định chính  
xác là 88.9%, còn tỷ lệ xác định sai là 11.1%.  
Dựa trên nghiên cứu của Rowley [48], Hazem  
[108] cải tiến để tốc độ xử lý tăng lên đáng kể.  
Kwolek [131] dùng bộ lọc Gabor để trích đặc  
trưng, dùng đặc trưng này để huấn luuyện cho mạng  
neural xoắn. Mạng neural xoắn là mạng neural mà  
mỗi node ở mỗi tầng có thể liên kết với các làng  
giềng cục bộ tầng phía trước của nó. Tỷ lệ chính xác  
là 87.5%.  
d) SVM  
Support Vector Machine (SVM) đã được Osuna  
[220] áp dụng đầu tiên để xác định khuôn mặt  
người. SVM được xem như là một kiểu mới dùng  
huấn luyện để phân loại theo hàm đa thức. Trong khi  
hầu hết các phương pháp khác huấn luyện để phân  
loại (Mạng Bayes, Nueral, RBF) đều dùng tiêu chí  
tối thiểu lỗi huấn luyện (rủi ro do kinh nghiệm),  
trong khi SVM dùng quy nạp (được gọi là tối thiểu  
rủi ro cấu trúc), mục tiêu là làm tối thiểu một bao  
bên trên trên lỗi tổng quát. Một phân loại SVM là  
một phân loại tuyến tính, dùng một siêu phẳng để  
tách dữ liệu. Dựa trên một kết hợp có các trọng số  
của một tập con nhỏ các vector huấn luyện, các  
vector này được gọi là support vector. Ước lượng  
siêu phẳng thì tương đương giải một bài toán tuyến  
tính bậc hai. Osuna [220] đã phát triển một phương  
pháp hiệu quả để huấn luyện một SVM với tỷ lệ lớn  
để áp dụng cho bài toán xác định khuôn mặt người.  
Julien [129] xây dựng một cấu trúc SVM mới  
gồm nhiều SVM kết nối song song với nhau học dữ  
liệu từ không gian eigenface. Tỷ lệ chính xác hơn  
93% trong ảnh xám với khuôn mặt đơn được chụp  
thẳng.  
17  
e) Mạng lọc thưa  
gian có số chiều thấp hơn (dùng PCA để xây dựng)  
và lượng tử hóa thành một tập các mẫu có giới hạn,  
và thống kê mỗi vùng đã được chiếu, các thống kê  
này được ước lượng từ các mẫu được chiếu xuống  
không gian có số chiều nhỏ hơn, để mã hóa diện  
mạo cục bộ. Khi tỷ lệ khả năng lớn hơn tỷ lệ của các  
xác suất ưu tiên thì có khuôn mặt người. Ông cũng  
cho thấy so sánh giữa phương pháp này và [48],  
hướng tiếp cận này cho phép xác định các khuôn  
mặt bị xoay và nhìn nghiêng. Schneiderman và  
Kanade sau đó kết hợp biến đổi wavelet để xác định  
các khuôn mặt nhìn nghiêng và xe hơi [58].  
Yang đề xuất một phương pháp dùng mạng lọc  
dư thưa (Sparse Network of Winnows – SNoW)  
[181, 230] để xác định khuôn mặt người với các đặc  
trưng khác nhau và biểu diễn trong các tư thế khác  
nhau, và dưới điều kiện ánh sáng khác nhau [264].  
Đồng thời nghiên cứu phương pháp học sơ khai tốt  
như thế nào khi dùng các đặc trưng đa tỷ lệ. SNoW  
là một mạng thưa dùng các hàm tuyến tính và dùng  
lọc để cập nhật luật [210]. Phương pháp này thích  
hợp cho học trong miền khi các đặc trưng tiềm năng  
tạo các quyết định sai khác nhau mà không biết mức  
độ ưu tiên. Một vài đặc tính của kiến trúc học này là  
rất hiếm dữ liệu có phân chung, có chỉ định các đặc  
trưng và liên kết trong dữ liệu, kỹ thuật quyết định,  
và cập nhật luật hiệu quả. Tỷ lệ lỗi là 5.9%, hiệu quả  
cũng như các phương pháp khác [48, 160, 220, 237].  
Gundimada [4] dựa trên kiến trúc SNoW để xây  
dựng ba mạng, mạng thứ nhất phân loại dựa trên  
phân bố cường độ, hai mạng dựa trên phân bố màu  
da người để tìm ứng viên kết hợp phương pháp làm  
nổi bật cạnh. Xây dựng các mẫu đầy đủ tư thế của  
khuôn mặt, mỗi bộ phân loại sẽ tương ứng cho một  
hướng, mỗi hướng lệch nhau 10o.  
Rickert cũng dùng cách chọn các đặc trưng cục  
bộ [229]. Các đặc trưng cục bộ được trích ra bằng  
cách áp dụng các bộ lọc đa tỷ lệ và nhiều độ phân  
giải trên dữ liệu ảnh đưa vào. Dùng phương pháp  
gom nhóm dữ liệu và một Gauss hỗn hợp để tìm  
phân bố của các vector đặc trưng. Sau khi huấn  
luyện cho mô hình và tinh chế, tính khả năng của  
các vector đặc trưng của các ảnh để phân loại.  
Phương pháp này cho kết quả tốt cho xác định  
khuôn mặt người cũng như xe hơi.  
Thang [77] xác định khuôn mặt người thông qua  
phân loại mạng Bayes kết hợp, hay còn gọi là mạng  
Bayes có cấu trúc như rừng (Forest-Structured  
Bayesian Network), để xác định các biệt số. Kết hợp  
phương pháp Bagging để xây dựng phân loại tích  
hợp nhằm xác định khuôn mặt người trong ảnh xám.  
Tỷ lệ chính xác hơn 90%.  
f) Phân loại Bayes  
Trái ngược với các phương pháp trong [48, 220,  
248] dựa vào diện mạo trên toàn khuôn mặt,  
Schneiderman và Kanade mô tả một phân loại naive  
Bayes để uớc lượng xác suất để nối các diện mạo tại  
vị trí cục bộ trên khuôn mặt và vị trí của các mẫu  
khuôn mặt người (các vùng con trên khuôn mặt)  
trong nhiều độ phân giải [73, 237]. Hai ông nhấn  
mạnh tính chất diện mạo khuôn mặt ở vị trí cục bộ  
bởi vì với vài mẫu ở vị trí cục bộ của một đối tượng  
sẽ có tính chất duy nhất, cường độ xung quanh mẫu  
mắt thì đặc biệt hơn ở vị trí má. Đây là hai lý do để  
dùng phân loại naive Bayes (không xem xét thống  
kê những phụ thuộc giữa các vùng). Đầu tiênphân  
loại này cung cấp ước lượng tốt hơn của các hàm  
mật độ có điều kiện của các vùng này. Thứ hai, một  
phân loại Bayes cung cấp một dạng hàm của theo  
xác suất để nhận thống kê của diện mạo ở vị trí cục  
bộ và vị trí của nó trên đối tượng. Tại mỗi tỷ lệ, một  
ảnh khuôn mặt người được phân rã làm bốn vùng  
hình chữ nhật con. Chiếu các vùng này xuống không  
Nam và Rhee [110, 123] xây dựng mạng Bayes  
học phân loại theo ngữ cảnh: màu da, ánh sáng, và  
kết cấu khuôn mặt và kết hợp mạng FuzzyARTđể  
xác định khuôn mặt người trong ảnh. Hai tác giả này  
cũng dùng thêm khoảng cách Mahalanobis [122] khi  
kết hợp mạng RBF và FuzzyART để xác định khuôn  
mặt có nhiều tỷ lệ khác nhau. Hai tác giả phát triển  
bằng cách dùng nhiều phân loại Bayes để chọn ứng  
viên thông qua các đặc trưng thông tin về cường độ  
và kết cấu của khuôn mặt [126]. Tỷ lệ chính xác hơn  
87%.  
Lee và Kim [120] dùng đặc trưng Haar wavelet  
1-chiều để huấn luyện cho mạng Bayes để xác định  
nhiều khuôn mặt chụp thẳng trong ảnh xám thông  
qua PDF của các mẫu khuônmặt người và mẫu  
18  
không phải khuôn mặt người. Tỷ lệ chính xác là tự và một quan sát được xem như một khối các điểm  
98%. ảnh, hình 12a và hình 13. Áp dụng một định hướng  
Zhu [97] dùng wavelet để trích các tham số đặc theo xác suất để chuyển từ trạng thái này sang trạng  
trưng dựa vào histogram rồi dùng mạng Bayes đã thái khác, hình 12b, dữ liệu ảnh được mô hình hóa  
được học để xác định khuôn mặt người trong nhiều bằng phânbố Gauss nhiều biến. Một chuỗi quan sát  
tỷ lệ khác nhau.  
bao gồm tất cả giá trị cường độ từ mỗi khối. Kết quả  
Duy Nguyen [280] dùng bộ lọc Sobel để xác xuất ra cho biết quan sát thuộc lớp nào. HMM được  
định các đặc trưng rồi dùng phân loại naive Bayes dùng để nhận dạng khuôn mặt người và xác định  
như Schneiderman và Kanade để xác định khuôn khuôn mặt người. Samaria [235] dùng năm trạng  
mặt người.  
thái tương ứng năm vùng, hình 12b để mô hình hóa  
tiến trình xác định khuôn mặt người. Ông huấn  
luyện từng vùng cho HMM. Mỗi tình trạng sẽ phụ  
trách xem xét vùng tương ứng để đưa ra quyết định  
phù hợp. Nếu kết quả xem xét cuối cùng vượt qua  
một ngưỡng thì quan sát này sẽ là khuôn mặt người.  
g) Mô hình Markov ẩn  
Một giả thuyết quan trọng của mô hình Markov  
ẩn (Hidden Markov Model – HMM) là các mẫu có  
thể được đặc tính hóa như các tiến trình ngẫu nhiên  
có tham số và các tham số này được ước lượng  
chính xác, đây là một trong những định nghĩa rõ  
ràng. Khi phát triển HMM để giải quyết bài toán  
nhận dạng mẫu, phải xác định rõ có bao nhiêu trạng  
thái ẩn đầu tiên cho hình thái mô hình. Sau đó, huấn  
luyện HMM học xác suất chuyển tiếp giữa các trạng  
thái từ các mẫu, mà mỗi mẫu được mô tả như một  
chuỗi các quan sát. Mục tiêu huấn luyện HMM là  
Hình 12: Mô hình Markov ẩn:  
(a) các vector quan sát để huấn luyện cho HMM;  
(b) năm trạng thái ẩn.  
Samaria và Young dùng HMM 1-chiều (hình  
cực đại hóa xác suất của quan sát từ dữ liệu huấn 12) và 2-chiều (hình 13) để trích đặc trưng khuôn  
luyện bằng cách điều chỉnh các tham số trong mô mặt dùng để nhận dạng khuôn mặt [234, 235]. HMM  
hình HMM thông qua phương pháp phân đoạn khai thác cấu trúc của khuôn mặt tuân theo các  
Viterbi chuẩn và các thuật toán Baum-Welch [227]. chuyển tiếp trạng thái. Từ các cùng có đặc trưng  
Sau khi huấn luyện xong, dựa vào xác suất để xác quan trọng như: tóc, trán, mắt, mũi, và miệng, hai  
định một quan sát thuôc lớp nào.  
ông phân tích theo tự nhiên từ trên xuống dưới, mỗi  
Một cách trực quan, có thể chia một mẫu khuôn vùng được thiết kế thành một trạng thái 1-chiều. Mỗi  
mặt người thành nhiều vùng khác nhau như đầu, ảnh được phân đoạn chuẩn thành năm vùng theo thứ  
mắt, mũi, miệng, và cằm. Có thể nhận dạng một mẫu tự từ trên xuống dưới tạo thành năm trạng thái. Hai  
khuôn mặt người bằng một tiến trình xem xét các ông dùng phân đoạn Viterbi thay cho phân đoạn  
vùng quan sát theo một thứ tự thích hợp (từ trên chuẩn và các tham số trong HMM được tái ước  
xuống dưới, từ trái qua phải). Thay vì tin tưởng vào lượng bằng thuật toán Baum-Welch. Tương tự  
mức độ chính xác vị trí lề để dùng cho các phương [234], Nefian và Hayes dùng HMM và biến đổi  
pháp dựa trên so khớp hay dựa trên diện mạo (nơi Karhunen Lòeve (Karhunen Lòeve Tranform –  
xuất hiện các đặc trưng như mắt và mũi cần xác định KLT) để xác định khuôn mặt người và nhận dạng  
vị trí lề tốt để lấy được toàn bộ chi tiết của đặc [217]. Thay vì dùng các giá trị cường độ thô, các  
trưng). Mục tiêu của hướng tiếp cận này là kết hợp vector quan sát sẽ bao gồm các hệ số (dùng KLT để  
các vùng đặc trưng khuôn mặt với các trạng thái của có) thì kết quả sẽ tốt hơn [234], và tỷ lệ chính xác  
mô hình. Thường các phương pháp dựa vào HMM khi dùng HMM 2-chiều (hình 13) là 90%.  
sẽ xem xét một mẫu khuôn mặt như một chuỗi các  
vector quan sát, với mỗi vector là một dãy các điểm  
ảnh, hình 12a và hình 13. Trong quá trình huấn  
luyện và kiểm tra, một ảnh được quét theo một thứ  
19  
Hammersley-Clifford, một MRF có thể được đặc  
tính hóa tương đương bằng một phân bố Gibbs và  
các tham số thường cực đại hóa sau khi ước lượng  
[225]. Như một sự lựa chọn, các phân khuôn mặt  
người và không phải khuôn mặt có thể được ước  
lượng qua các histogram. Dùng thông tin quan hệ  
Kullback, tiến trình Markov cực đại hóa biệt số trên  
cơ sở thông tin giữa các lớp để xác định khuôn mặt  
người [160, 207].  
Hình 13: Xác định khuôn mặt bằng HMM các trạng thái, mỗi trạng thái  
lại có những trạng thái nhỏ bên trong: trạng thái trán có ba trạng thái nhỏ  
bên trong; trạng thái mắt có năm trạng thái nhỏ bên trong.  
Lew áp dụng thông tin quan hệ Kullback [162]  
kết hợp hàm xác suất p(x) khi mẫu là khuôn mặt  
người và q(x) khi mẫu không phải là khuôn mặt  
người để xác định khuôn mặt người [207]. Ông dùng  
100 cá thể khuôn mặt người gồm chin quang cảnh để  
ước lượng phân bố của khuôn mặt. Dùng 143,000  
mẫu không phải khuôn mặt để ước lượng hàm mật  
độ xác suất (PDF) thông qua histogram. Từ đây  
chọn được các điểm ảnh giàu thông tin nhất (Most  
Informative Pixel – MIP) để cực đại hóa thông tin  
quan hệ Kullback giữa p(x) và q(x) (có được một  
phân tách lớp cưc đại). Phân bố MIP tập trung ở các  
vùng mắt và miệng, nhưng bỏ qua vùng mũi. MIP  
được dùng để có được các đặc trưng tuyến tính dùng  
cho phân loại và mô tả bằng phương pháp của  
Fukunage và Koontz [175]. Dùng một cửa sổ duyệt  
trên tòan bộ ảnh để xây dựng khoảng cách từ không  
gian khuôn mặt (Distance From Face Space –  
DFFS), được định nghĩa ở [283]. Nếu DFFS đến  
không gian con khuôn mặt ngắn hơn khoảng cách  
đến không gian con không phải khuôn mặt, hình 8,  
thì xem như đã xác định được khuôn mặt trong cửa  
sổ.  
Rajagopalan đưa ra hai phương pháp xác suất để  
xác định khuôn mặt người [228]. Tương phản với  
[248], dùng một tập các Gauss nhiều biến để mô  
hình hóa phân bố của khuôn mặt người, phưong  
pháp đầu tiên trong [228] dùng htống kê có thứ tự ở  
mức cao hơn (Higher Order Statistic - HOS) để ước  
lượng cường độ. Tương tự [248], các phân bố không  
biết của khuôn mặt và không phải không mặt được  
gom nhóm bằng sáu hàm cường độ dựa trên HOS  
của các mẫu. Như trong [246], sử dụng tri giác nhiều  
tầng để phân loại, một vector đưa vào xử lý gồm  
mười hai đo lường khoảng cách giữa mẫu ảnh và  
mười hai nhóm. Tiếp cận này dựa trên cơ sở sinh  
một dãy quan sát từ ảnh rồi dùnh HMM học các  
tham số tương ứng. Kết quả của ông cho thấy cả hai  
phương pháp HOS và HMM đều có kết quả xác định  
khuôn mặt người cao hơn [48, 248], nhưng nhiều  
xác định nhầm hơn.  
Filareti dùng đặc trưng sắc màu kết hợp thông  
tin về độ sâu của ảnh làm dữ liệu đầu vào dạy cho  
HMM để xác định khuôn mặt người [63]. Phương  
pháp này cho phép giải quyết vấn đề về điều kiện  
hình nền, độ sáng, che khuất, tư thế khuôn mặt.  
Hong [121] xây dựng mô hình Markov ẩn học  
dữ liệu dựa trên các đặc trưng Haar-like để xác định  
khuôn mặt người. Tỷ lệ chính xác là 96%.  
Thông tin quan hệ Kullback cũng được  
Colmenarez và Huang dùng để cực đại hóa biệt số  
trên cơ sở thông tin giữa các mẫu negative và  
positive của khuôn mặt [160]. Phân tích các ảnh từ  
tập huấn luyện của mỗi lớp (lớp khuôn mặt người và  
lớp không phải khuôn mặt người) như các quan sát  
trong tiến trình ngẫu nhiên và đaược đặc tính hóa  
bằng hai hàm xác suất. Hai ông dùng một học các  
quá trình xử lý Markov rời rạc để mô hình các mẫu  
khuôn mặt và hình nền rồi ước lượng mô hình xác  
suất tương ứng. Quá trình học được chuyển thành  
bài tóan tối ưu để chọn được tiến trình cực đại biệt  
số trên cơ sở thông tin giữa hai lớp. Tính tỷ lệ khả  
h) Hướng tiếp cận lý thuyết thông tin  
Thuộc tính trong không gian của mẫu khuôn mặt  
có thể được mô hình hóa qua nhiều diện mạo khác  
nhau. Dùng ngữ cảnh để phân đoạn là một phương  
pháp hiệu quả, xác định ngữ cảnh thông qua các  
điểm ảnh lân cận. Lý thuyết trường ngẫu nhiên  
Markov (Markov Random Field – MRF) cung cấp  
một tiện lợi và cách phù hợp để mô hình hóa các  
thực thể dựa vào ngữ cảnh như các điểm ảnh và các  
đặc trưng có mối tương quan. Theo định lý  
20  
Tải về để xem bản đầy đủ
pdf 28 trang yennguyen 27620 Free
Download
Bạn đang xem 20 trang mẫu của tài liệu "Tổng quan các phương pháp xác định khuôn mặt người", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

  • pdftong_quan_cac_phuong_phap_xac_dinh_khuon_mat_nguoi.pdf