Luận văn Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm

Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 38 CHƯƠNG 5 THỬ NGHIỆM VÀ KẾT QUẢ 5.1 Thử nghiệm Chương trình được cài đặt trên môi trường lập trình Microsoft Visual C++ 6.0. Sử dụng thư viện mã nguồn mở OpenCV [33] và thư viện xử lý ảnh của Intel [34] (Intel Image Processing Library). Máy tính sử dụng có cấu hình Petium IV 1.4 GHz, bộ nhớ 512MB, hệ điều hành Microsoft Windows XP Professional. Tập ảnh sử dụng là tập ảnh chụp khuôn mặt thẳng của Markus Weber [32]. Toàn bộ tập dữ liệu có tổng cộng 450 ảnh. 200 được sử dụng để huấn luyện và 250 ảnh còn lại dùng để kiểm thử. Tập ảnh Huấn luyện Kiểm thử 450 200 250 Bảng 5.1 Phân chia ảnh trong tập ảnh 5.2 Kết quả Chúng tôi thử nghiệm trên hai cách chọn đặc trưng lồi lõm. Cách thứ nhất dùng đặc trưng lồi lõm không dùng kèm đặc trưng độ sáng. Và cách thứ hai, dùng đặc trưng lồi lõm kèm theo đặc trưng độ sáng. Trong hai thử ngiệm này, hai thuật toán hoàn toàn giống nhau. Điểm khác nhau duy nhất là hàm tính độ tương đồng giữa hai nút. Thử nghiệm 1 sử dụng hàm tính độ tương đồng định nghĩa ở công thức 3.15. Còn trong thử nghiệm 2 sử dụng hàm tính độ tương đồng giữa hai nút theo công thức 3.10. Các thử nghiệm dưới đây chỉ rút trích đặc trưng lồi lõm 2 cấp: σ1 = 20 và σ2 = 120. Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 39 Kết quả kiểm thử được trình bày trong bảng sau: Thử nghiệm Số ảnh Đúng Sai Tỷ lệ sai Độ chính xác Thời gian 1 250 182 68 27.2% 72.8% 0.6s 2 250 203 47 18.8% 81.2% 0.6s Bảng 5.2 Kết quả thử nghiệm đặc trưng 2 mức Chúng tôi thực hiện tiếp cùng hai thử nghiệm tương tự như trên với các đặc trưng lồi lõm với 3 mức σ1 = 20 , σ2 = 60, và σ3 = 120. Kết quả thu được được trình bày dưới bảng sau: Thử nghiệm Số ảnh Đúng Sai Tỷ lệ sai Độ chính xác Thời gian 1 250 197 53 21.2% 78.8% 0.8s 2 250 224 26 10.4% 89.6% 0.8s Bảng 5.3 Kết quả thử nghiệm đặc trưng 3 mức Ngoài ra, chương trình còn được thử nghiệm trên tập dữ liệu không phải là khuôn mặt, tập dữ liệu loại đối tượng [35]. Tập dữ liệu này gồm các hình ảnh nhà, xe gắn máy, và máy bay. Mỗi loại được kiểm thử trên 112 ảnh. Loại đối tượng Số ảnh Không phát hiện Phát hiện khuôn mặt Tỷ lệ sai Độ chính xác Thời gian Nhà 120 115 5 4.17% 95.83% 0.8s Xe gắn máy 112 111 1 0.9% 99.1% 0.8s Máy bay 115 114 1 0.87% 99.13% 0.8s Bảng 5.4 Kết quả thử nghiệm trên ảnh không chứa khuôn mặt 5.3 Nhận xét Các kết quả cho thấy việc sử dụng đặc trưng cùng với thông tin về độ sáng sẽ cho kết quả tốt hơn. Và việc xây dựng các cây 3 lớp sẽ tăng độ chính xác đang kể so với việc chỉ rút trích đặc trưng cây 2 lớp. Tuy nhiên việc rút trích đặc trưng nhiều lớp làm cho quá trình xử lý tính toán chậm chạp hơn. Phần 5.4 sẽ giới thiệu một số kết quả tiêu biểu của thuật toán. Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 40 5.4 Một số kết quả tiêu biểu (a) Ảnh nguồn (b) Ảnh kết quả (c) Gaussian σ = 220 (d) Các vùng lồi lõm ở mức 20 (e) Gaussian σ = 260 (f) Các vùng lồi lõm ở mức 60 (g) Gaussian σ = 2120 (h) Các vùng lồi lõm ở mức 120 Hình 5.1 Một trường hợp đúng Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 41 (a) Ảnh nguồn (b) Ảnh kết quả (c) Gaussian σ = 220 (d) Các vùng lồi lõm ở mức 20 (e) Gaussian σ = 260 (f) Các vùng lồi lõm ở mức 60 (g) Gaussian σ = 2120 (h) Các vùng lồi lõm ở mức 120 Hình 5.2 Một trường hợp phát hiện sai Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 42 Hình 5.3 (a) ảnh khuôn mặt trên nền phức tạp Hình 5.3 (b) ảnh khuôn mặt ngạc nhiên Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 43 Hình 5.3 (c) ảnh khuôn mặt có râu Hình 5.3 (d) ảnh khuôn mặt bị quay 180o Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 44 Hình 5.3 (e) không phát hiện được khuôn mặt nào trong ảnh chụp nhà lấy từ tập [35] Hình 5.3 (f) không phát hiện được khuôn mặt nào trong ảnh chụp máy bay lấy từ tập [35] Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm Trần Lê Hồng Dũ Trang 45 Hình 5.3 (g) không phát hiện được khuôn mặt nào trong ảnh chụp xe gắn máy lấy từ tập [35]