Luận án Xác định khuôn mặt người trong ảnh màu bằng logic mờ - Phạm Thế Bảo, ĐH KHTN

Phát hiện khuôn mặt là một nhiệm vụ nền tảng trong thị giác máy tính, có ý nghĩa quan trọng trong nhiều ứng dụng thực tế. Từ các hệ thống giao tiếp người-máy trực quan hơn đến camera giám sát an ninh, khả năng xác định và định vị khuôn mặt người là điều cần thiết. Lĩnh vực phân tích biểu cảm khuôn mặt, tổ chức và quản lý thư viện ảnh cũng phụ thuộc vào công nghệ này. Ngay cả trong công nghệ robot, việc nhận diện con người và tương tác tự nhiên cũng đòi hỏi khả năng phát hiện khuôn mặt. Nhận dạng khuôn mặt, một bước tiến xa hơn, chỉ có thể thực hiện được sau khi khuôn mặt đã được phát hiện. Do đó, đây là một bài toán cốt lõi, tạo tiền đề cho sự phát triển của nhiều công nghệ AI tiên tiến. Việc xác định chính xác vị trí và kích thước khuôn mặt trong ảnh là mục tiêu chính, nhưng cũng là thách thức lớn. Các yếu tố như thay đổi tư thế, điều kiện ánh sáng khác nhau, biểu cảm đa dạng và sự che khuất một phần khuôn mặt đều gây khó khăn đáng kể. Phát triển một phương pháp hiệu quả và mạnh mẽ giúp nâng cao độ chính xác của toàn bộ hệ thống xử lý hình ảnh và nhận dạng. Nhu cầu về một giải pháp đáng tin cậy vẫn là ưu tiên hàng đầu.

Nhiều kỹ thuật đã được nghiên cứu và phát triển để giải quyết bài toán phát hiện khuôn mặt. Các phương pháp dựa trên kiến thức sử dụng một tập hợp các quy tắc được định nghĩa trước. Quy tắc này mô tả các đặc điểm cấu trúc của khuôn mặt con người. Phương pháp dựa trên đặc trưng tập trung vào việc trích xuất các thuộc tính hình ảnh. Bao gồm cạnh, đường viền, và màu da. Các bộ phân loại thống kê sử dụng thuật toán học máy. Ví dụ như máy vector hỗ trợ (SVM), Adaboost, và mạng nơ-ron. Chúng học các mẫu từ dữ liệu huấn luyện. Mô hình màu da thường được sử dụng như một bước tiền xử lý. Chúng giúp nhanh chóng xác định các vùng có khả năng là da người. Mỗi phương pháp đều có ưu và nhược điểm riêng. Một số đạt độ chính xác cao trong môi trường được kiểm soát. Tuy nhiên, hiệu suất của chúng có thể giảm đáng kể. Điều này xảy ra khi đối mặt với điều kiện thực tế phức tạp. Việc tìm kiếm một phương pháp mạnh mẽ, có khả năng thích ứng cao vẫn là mục tiêu quan trọng. Đặc biệt đối với các ảnh màu có độ đa dạng cao. Các phương pháp cần có khả năng xử lý hiệu quả nhiễu và các biến đổi không mong muốn.

Logic mờ cung cấp một khung lý thuyết mạnh mẽ. Nó được thiết kế để xử lý sự không chắc chắn và mơ hồ trong dữ liệu. Khác với logic Boolean truyền thống chỉ có hai giá trị (đúng/sai), logic mờ cho phép các giá trị chân lý nằm trong khoảng liên tục từ 0 đến 1. Một hệ thống mờ cơ bản bao gồm ba thành phần chính: mờ hóa, suy luận mờ và giải mờ. Hàm thành viên mờ định nghĩa mức độ thuộc về của một phần tử vào một tập mờ. Các luật mờ biểu diễn kiến thức dưới dạng các quy tắc “IF-THEN”. Quy trình mờ hóa chuyển đổi đầu vào sắc nét thành các giá trị mờ. Suy luận mờ áp dụng các luật để tạo ra kết quả mờ. Cuối cùng, quy trình giải mờ chuyển đổi kết quả mờ trở lại thành một giá trị sắc nét. Logic mờ đặc biệt phù hợp cho các bài toán mà thông tin đầu vào không rõ ràng hoặc không đầy đủ. Phát hiện khuôn mặt trong ảnh màu thường chứa nhiều thông tin nhiễu và không chắc chắn. Do đó, logic mờ có tiềm năng lớn trong việc cải thiện khả năng thích ứng của hệ thống. Nó giúp đưa ra quyết định thông minh dựa trên các thông số không chính xác hoàn toàn.

Luận án giới thiệu một phương pháp xác định khuôn mặt mới. Phương pháp này áp dụng nguyên lý logic mờ để tăng cường độ chính xác và mạnh mẽ. Mục tiêu chính là xử lý hiệu quả sự mơ hồ và không chắc chắn của dữ liệu ảnh. Phương pháp đề xuất kết hợp thông minh các đặc trưng màu sắc và hình thái của khuôn mặt. Các ngưỡng cứng, thường được sử dụng trong các phương pháp truyền thống, được thay thế hoàn toàn. Logic mờ cho phép đánh giá linh hoạt mức độ thuộc về của một điểm ảnh hoặc vùng ảnh vào một đặc trưng nào đó. Hệ thống mờ được thiết kế để đưa ra quyết định thông minh về sự hiện diện của khuôn mặt. Quyết định này dựa trên sự kết hợp phức tạp của nhiều đặc trưng đã được mờ hóa. Đây là một cách tiếp cận hứa hẹn cho bài toán phát hiện khuôn mặt. Phương pháp hướng đến việc giảm thiểu tỷ lệ lỗi sai. Đồng thời, cải thiện đáng kể khả năng tổng quát hóa trên các ảnh đa dạng. Việc tích hợp logic mờ giúp hệ thống phản ứng tốt hơn. Nó phản ứng với các biến đổi về điều kiện ánh sáng, biểu cảm và môi trường.

Mô hình màu da đóng vai trò cực kỳ quan trọng trong giai đoạn tiền xử lý của phát hiện khuôn mặt. Chúng giúp xác định nhanh chóng các vùng trong ảnh có khả năng là da người, từ đó giảm thiểu không gian tìm kiếm. Nhiều mô hình màu da đã được phát triển, sử dụng các không gian màu khác nhau. Ví dụ phổ biến bao gồm RGB (Red, Green, Blue), YCbCr (Luminance, Chroma Blue, Chroma Red), HSV (Hue, Saturation, Value) và HSL (Hue, Saturation, Lightness). Mỗi không gian màu có những ưu và nhược điểm riêng khi xử lý màu da. Không gian màu YCbCr thường được ưa chuộng. Nó có khả năng tách bạch thành phần độ chói (Y) và sắc độ (Cb, Cr). Điều này giúp giảm thiểu ảnh hưởng của biến đổi ánh sáng. HSV cũng hữu ích cho việc mô tả màu sắc theo cách trực quan, gần với cảm nhận của con người. Tuy nhiên, việc sử dụng các ngưỡng cứng cho các kênh màu thường không hiệu quả. Chúng khó có thể bao phủ hết sự đa dạng của các tông màu da khác nhau trên thế giới. Do đó, việc phân loại màu da hiệu quả vẫn là một thách thức. Nó đòi hỏi sự linh hoạt và khả năng thích ứng cao của hệ thống. Nghiên cứu này tập trung vào việc cải thiện quá trình phân loại này bằng logic mờ.

Các phương pháp phát hiện khuôn mặt truyền thống đối mặt với nhiều hạn chế đáng kể. Chúng thường dựa vào các ngưỡng cố định hoặc mô hình cứng nhắc, ít khả năng thích ứng. Điều này dẫn đến hiệu suất thấp khi áp dụng trong môi trường thực tế phức tạp. Sự thay đổi về ánh sáng, tư thế khuôn mặt, biểu cảm khác nhau đều ảnh hưởng tiêu cực đến độ chính xác. Ngay cả sự che khuất một phần khuôn mặt cũng gây khó khăn. Khó khăn trong việc trích xuất và xác định các đặc trưng quan trọng. Các thuật toán học máy, mặc dù mạnh mẽ, thường yêu cầu một lượng lớn dữ liệu huấn luyện. Dữ liệu này phải rất đa dạng để đạt được hiệu quả tốt. Tuy nhiên, việc thu thập và gán nhãn dữ liệu này tốn kém và mất thời gian. Khả năng tổng quát hóa của chúng có thể bị hạn chế. Đặc biệt với các tình huống mới hoặc chưa từng xuất hiện trong dữ liệu huấn luyện. Ngoài ra, các hệ thống này thường nhạy cảm với nhiễu trong ảnh. Nhiễu có thể dẫn đến kết quả sai lệch. Do đó, cần một cách tiếp cận mạnh mẽ hơn. Một cách tiếp cận có thể xử lý sự không chắc chắn và mơ hồ tốt hơn. Logic mờ là một giải pháp tiềm năng.

Hàm thành viên mờ là yếu tố cốt lõi trong bất kỳ hệ thống logic mờ nào. Chúng đóng vai trò định nghĩa mức độ mà một đối tượng hoặc một giá trị thuộc về một tập mờ cụ thể. Trong bối cảnh phát hiện khuôn mặt, các hàm này xác định mức độ một pixel hoặc một vùng ảnh thể hiện một đặc trưng nhất định. Ví dụ, mức độ một pixel có màu da, hoặc mức độ một vùng có hình dạng mắt hay miệng. Hàm thành viên thường có các dạng hình học như hình tam giác, hình thang, hoặc hình chuông (Gaussian). Việc lựa chọn dạng hàm phù hợp phụ thuộc vào bản chất của đặc trưng đang được mô hình hóa. Phạm vi và hình dạng của hàm được xác định dựa trên phân tích dữ liệu và kinh nghiệm chuyên gia. Quá trình điều chỉnh các tham số của hàm thành viên là rất quan trọng. Nó ảnh hưởng trực tiếp đến hiệu suất và độ chính xác của toàn bộ hệ thống. Các hàm thành viên cho phép hệ thống xử lý các giá trị liên tục. Chúng không cần phải đưa ra quyết định 'có' hoặc 'không' một cách tuyệt đối. Điều này giúp hệ thống linh hoạt hơn trong quá trình nhận dạng khuôn mặt, đặc biệt trong môi trường có nhiều nhiễu và biến đổi.

Hệ thống luật mờ là nơi chứa đựng kiến thức chuyên gia. Kiến thức này được sử dụng để đưa ra phán đoán về sự hiện diện của khuôn mặt trong ảnh. Các luật mờ được biểu diễn dưới dạng các quy tắc 'IF [điều kiện mờ] THEN [kết luận mờ]'. Ví dụ, một luật có thể là: 'IF màu da LÀ ấm VÀ hình dạng LÀ tròn THEN ĐÂY LÀ khuôn mặt'. Điều kiện mờ thường dựa trên đầu ra của các hàm thành viên, mô tả các đặc trưng đã được mờ hóa. Các luật này được thiết kế để kết hợp nhiều đặc trưng khác nhau. Chúng bao gồm màu sắc, kết cấu và các đặc điểm hình thái của khuôn mặt. Việc xây dựng một tập luật mờ chặt chẽ và nhất quán là chìa khóa. Nó đảm bảo độ chính xác cao trong quá trình phát hiện. Đồng thời, giảm thiểu các sai sót. Số lượng và nội dung của các luật cần được tối ưu hóa. Mục tiêu là đạt được sự cân bằng tối ưu giữa hiệu quả và chi phí tính toán. Hệ thống luật mờ giúp mô hình hóa tư duy con người. Đặc biệt trong việc nhận diện các mẫu không rõ ràng hoặc không hoàn hảo. Điều này làm cho hệ thống trở nên mạnh mẽ hơn trong các tình huống thực tế.

Quy trình ra quyết định của một hệ thống mờ thường bao gồm ba bước cơ bản và liên tiếp. Bước đầu tiên là mờ hóa (fuzzification) các đầu vào sắc nét. Trong đó, các giá trị pixel hoặc các thông số đặc trưng được chuyển đổi thành mức độ thuộc về các tập mờ tương ứng. Ví dụ, một giá trị màu sắc cụ thể sẽ được đánh giá mức độ 'ấm', 'sáng' hay 'tối'. Bước thứ hai là suy luận mờ (fuzzy inference). Tại đây, các luật mờ đã được thiết lập sẽ được áp dụng. Các mức độ thuộc về của đầu vào mờ được kết hợp theo các quy tắc IF-THEN. Từ đó tính toán mức độ kích hoạt cho mỗi luật và tạo ra một tập hợp các kết luận mờ. Bước cuối cùng là giải mờ (defuzzification). Các giá trị mờ thu được từ quá trình suy luận sẽ được chuyển đổi trở lại thành một đầu ra sắc nét duy nhất. Đầu ra này thường là một điểm số hoặc xác suất. Nó biểu thị khả năng một vùng ảnh là khuôn mặt. Các phương pháp giải mờ phổ biến bao gồm trọng tâm (centroid), trung vị (bisector) hoặc giá trị trung bình tối đa (mean of maxima). Quy trình ba bước này cho phép hệ thống đưa ra quyết định mạnh mẽ. Quyết định dựa trên thông tin không đầy đủ hoặc không chính xác, vượt qua các hạn chế của logic nhị phân truyền thống.

Màu da là một đặc trưng mạnh mẽ và được sử dụng rộng rãi trong các hệ thống phát hiện khuôn mặt. Tuy nhiên, đặc trưng này rất nhạy cảm. Nó dễ bị ảnh hưởng bởi các yếu tố như điều kiện ánh sáng, bóng đổ và sự đa dạng về sắc tộc. Hệ thống mờ cung cấp một giải pháp hiệu quả. Nó xử lý tốt sự biến đổi và không chắc chắn này. Kỹ thuật trích chọn đặc trưng màu sắc thường bắt đầu bằng việc chuyển đổi không gian màu. Ví dụ, từ RGB sang YCbCr hoặc HSV, các không gian màu này thường làm nổi bật các thành phần màu sắc liên quan đến da. Sau đó, các hàm thành viên mờ được áp dụng. Chúng xác định mức độ một pixel cụ thể phù hợp với đặc trưng màu da. Ví dụ, xác định mức độ một pixel có giá trị 'Cb cao' và 'Cr trung bình' trong không gian YCbCr. Quá trình này tạo ra một bản đồ độ mờ về da. Bản đồ này chỉ ra các vùng trong ảnh có khả năng là da người. Phương pháp này giảm thiểu sự phụ thuộc vào các ngưỡng cứng truyền thống. Nó cho phép hệ thống linh hoạt hơn. Hệ thống dễ dàng thích nghi với các tông màu da khác nhau. Khả năng xử lý nhiễu và các biến thể ánh sáng cũng được cải thiện đáng kể.

Bên cạnh màu sắc, các đặc trưng hình thái đóng vai trò cực kỳ quan trọng trong việc xác định khuôn mặt. Các đặc trưng này bao gồm tỷ lệ khung hình của khuôn mặt, độ mịn của vùng da. Cũng như sự hiện diện và vị trí tương đối của các điểm mấu chốt như mắt, mũi và miệng. Hệ thống mờ có thể được ứng dụng để đánh giá các đặc trưng hình thái này một cách linh hoạt. Ví dụ, có thể định nghĩa hàm thành viên cho 'tỷ lệ khuôn mặt hợp lý' hoặc 'độ mịn của vùng da mặt'. Các bộ lọc xử lý ảnh được áp dụng để phát hiện cạnh và đường viền. Chúng giúp tìm kiếm các cấu trúc hình học cơ bản của khuôn mặt. Thông tin này sau đó được mờ hóa. Nó được sử dụng làm đầu vào cho các luật mờ. Logic mờ giúp tổng hợp thông tin từ các đặc trưng hình thái. Ngay cả khi các đặc trưng này không hoàn hảo hoặc bị biến dạng. Nó vẫn đưa ra một đánh giá đáng tin cậy về sự hiện diện của khuôn mặt. Điều này đặc biệt hữu ích trong các tình huống thực tế. Đặc biệt khi khuôn mặt bị che khuất một phần hoặc có biểu cảm phức tạp.

Để đạt được độ chính xác cao nhất trong phát hiện khuôn mặt, việc kết hợp hiệu quả các đặc trưng là điều cần thiết. Các đặc trưng màu sắc và hình thái thường bổ sung cho nhau. Hệ thống logic mờ cung cấp một khung lý tưởng cho việc tích hợp các nguồn thông tin đa dạng này. Các luật mờ có thể được thiết kế để kết nối logic giữa 'màu da phù hợp' và 'hình thái khuôn mặt đúng'. Ví dụ, một luật có thể nói: 'IF màu da LÀ ấm VÀ có hai vùng mắt TƯƠNG ĐỐI VỊ TRÍ PHÙ HỢP THEN ĐÂY LÀ khuôn mặt'. Điều này tạo ra một quyết định mạnh mẽ và đáng tin cậy hơn. Hàm thành viên mờ và luật mờ được thiết kế cẩn thận. Chúng đảm bảo mỗi đặc trưng đóng góp đúng mức vào quyết định cuối cùng. Quá trình này giúp loại bỏ hiệu quả các vùng báo động sai (false positives). Đồng thời, củng cố các vùng có khả năng cao là khuôn mặt. Kết quả là một hệ thống phân loại khuôn mặt chính xác hơn. Nó cũng có khả năng chống nhiễu tốt hơn. Hệ thống cũng hoạt động hiệu quả trong các điều kiện môi trường khác nhau.

Để đánh giá khách quan và chính xác hiệu suất của một hệ thống phát hiện khuôn mặt, việc sử dụng một cơ sở dữ liệu ảnh đa dạng là bắt buộc. Cơ sở dữ liệu này cần bao gồm các bức ảnh chụp dưới nhiều điều kiện khác nhau. Ví dụ, ảnh với nhiều tư thế khuôn mặt, biểu cảm đa dạng. Điều kiện ánh sáng khác nhau (sáng, tối, ngược sáng) cũng cần được tính đến. Sự hiện diện của nhiều khuôn mặt trong một ảnh hoặc chỉ một khuôn mặt cũng là yếu tố quan trọng. Kích thước khuôn mặt khác nhau, từ nhỏ đến lớn, cũng phải được xem xét. Ngoài ra, sự đa dạng về dân tộc, độ tuổi và giới tính cũng góp phần vào tính toàn diện của cơ sở dữ liệu. Các bức ảnh trong cơ sở dữ liệu phải được chọn lọc và gắn nhãn cẩn thận. Việc này đảm bảo tính khách quan và độ tin cậy của quá trình thử nghiệm. Một cơ sở dữ liệu mạnh mẽ giúp đánh giá chính xác khả năng tổng quát hóa và độ mạnh mẽ của phương pháp đề xuất. Dữ liệu huấn luyện và dữ liệu kiểm thử phải được phân chia rõ ràng để tránh hiện tượng quá khớp (overfitting). Điều này đảm bảo rằng kết quả đánh giá phản ánh đúng hiệu suất thực tế của hệ thống trên dữ liệu chưa từng thấy.

Hệ thống phát hiện khuôn mặt người bằng logic mờ đã được thử nghiệm rộng rãi. Các thử nghiệm được thực hiện trên cơ sở dữ liệu ảnh đa dạng đã được chuẩn bị kỹ lưỡng. Kết quả thực nghiệm cho thấy hiệu suất đáng kể của phương pháp đề xuất. Đặc biệt trong việc xử lý các tình huống phức tạp và không lý tưởng. Các tiêu chí đánh giá chính bao gồm độ chính xác (accuracy), độ nhạy (recall/sensitivity) và độ đặc hiệu (precision). Các chỉ số này phản ánh khả năng của hệ thống trong việc phát hiện đúng khuôn mặt. Đồng thời, giảm thiểu cả lỗi bỏ sót (false negatives) và lỗi báo động sai (false positives). Kết quả đạt được đã được so sánh với các phương pháp phát hiện khuôn mặt hiện có. Các phương pháp này bao gồm cả phương pháp truyền thống và một số thuật toán học máy. Hệ thống logic mờ cho thấy khả năng cạnh tranh cao. Thậm chí vượt trội trong một số điều kiện cụ thể. Khả năng thích ứng cao của hệ thống mờ được chứng minh rõ ràng. Điều này là nhờ việc xử lý linh hoạt thông tin không chính xác và mơ hồ. Nó cho phép hệ thống duy trì hiệu suất tốt trong môi trường thực tế đầy thách thức.

Phương pháp logic mờ mở ra nhiều tiềm năng phát triển và cải tiến trong tương lai. Hệ thống có thể được tinh chỉnh để xử lý tốt hơn các tình huống cực đoan. Ví dụ như khuôn mặt bị che khuất nặng, điều kiện ánh sáng quá khắc nghiệt, hoặc góc nhìn đặc biệt. Một hướng đi đầy hứa hẹn là việc kết hợp logic mờ với học sâu (deep learning). Học sâu có khả năng tự động học các đặc trưng phức tạp từ dữ liệu. Logic mờ có thể giúp diễn giải và làm mềm các quyết định của mạng nơ-ron. Cải thiện tốc độ xử lý là một mục tiêu quan trọng. Điều này cần thiết để ứng dụng hệ thống trong các tác vụ thời gian thực. Ví dụ, giám sát video hoặc robot di động. Mở rộng khả năng của hệ thống để không chỉ phát hiện khuôn mặt tổng thể. Mà còn phát hiện các bộ phận khuôn mặt cụ thể như mắt, mũi, miệng. Đó cũng là một hướng nghiên cứu tiềm năng. Mục tiêu cuối cùng là xây dựng một hệ thống phát hiện khuôn mặt mạnh mẽ hơn. Hệ thống có khả năng thích ứng cao, hiệu quả và có thể triển khai trên nhiều nền tảng khác nhau, đóng góp vào sự phát triển của thị giác máy tính.