Nhận dạng mặt người với giải thuật Haar like feature – cascade of boosted classifiers và đặc trưng SIFT =

Abstract

Trong bài này, chúng tôi trình bày phương pháp kết hợp Haar Like Feature - Cascade of Boosted Classifiers(CBC) và các đặc trưng cục bộ không đổi (Scale-Invariant Feature Transform - SIFT), cho nhận dạng mặt người trực tuyến. Các đặc trưng Haar Like kết hợp thuật toán AdaBoost và mô hình phân tầng Cascade cho phép phát hiện và rút trích ảnh khuôn mặt nhanh và chính xác. Ảnh khuôn mặt được biểu diễn bằng các đặc trưng cục bộ không đổi (SIFT), không bị thay đổi trước những biến đổi tỷ lệ ảnh, tịnh tiến, phép quay, không bị thay đổi một phần đối với phép biến đổi hình học affine (thay đổi góc nhìn) và mạnh với những thay đổi về độ sáng, sự nhiễu và che khuất. Để nhận dạng đối tượng, chúng tôi đề xuất sử dụng các thuật toán k láng giềng (k Nearest Neighbor – kNN), kNN đảo ngược và Bayes thơ ngây với láng giềng (Naive Bayes Nearest Neighbor – NBNN). Kết quả thử nghiệm trên tập dữ liệu thực tế (gồm ảnh khuôn mặt của 20 người – mỗi người gồm 20 ảnh) cho thấy các phương pháp kNN, kNN đảo ngược và NBNN đạt được độ chính xác lần lượt là 82.40%, 85.11% và 92.63%.