บทที่ 1 บทนํา - prince of songkla...

1 Face Localization, Tracking and Identification?, Designed for Video Surveillance System

บทท 1 บทนา

1.1 ความเปนมา (Motivation) ในปจจบนเทคโนโลย ไดเขามามบทบาทในชวตประจาวนมากขน ผจดทาจงไดเลงเหนทจะนา

เทคโนโลยมาพฒนาตอไป โดยเฉพาะเทคโนโลยทางดานการรกษาความปลอดภย เพอพฒนาระบบ

รกษาความปลอดภยในองคกรหรอหนวยงานตางๆ ซงในอดตและปจจบนระบบรกษาความปลอดภยโดย

สวนใหญแลว จะใชรหสผานหรอบตรในการระบตวบคคล แตเนองจากเทคโนโลยมความเจรญกาวหนา

การใชแครหสผานหรอบตรตางๆ อาจจะไมปลอดภยได จงไดมการพสจนตวจรงของบคคลจากกลอง

วงจรปด ในการตรวจจบภาพและการระบตวบคคลโดยใชภาพใบหนา เพอชวยอานวยความสะดวก

ใหแกหนวยรกษาความปลอดภยในการคนหาและระบตวบคคล โดยใชศาสตรทางดานไบโอเมตรกซ

(Biometrics) มาทาการวเคราะห ซงเปนการผสมผสานเทคโนโลยทางดานชวภาพและทางการแพทย

กบเทคโนโลยทางคอมพวเตอรเขาดวยกน เพอใชเปนกระบวนการในการระบตวบคคล โดยไดใช

ลกษณะทางกายภาพทแตกตางกนของบคคล ไดแก ลายนวมอ ชองตาดา มานตา ฝามอ และรปหนา

และลกษณะทางพฤตกรรมในการตรวจสอบบคคลโดยอตโนมต

โครงงานชนนจะเกยวของกบการคนหาสวนของใบหนาจากกลองวงจรปด แลวตดเฉพาะสวน

ของใบหนานนเพอทาการวเคราะหตวบคคลวาเปนใบหนาของบคคลใด โดยนามาเปรยบเทยบกบใบหนา

ทมอยในฐานขอมล ซงจะใชหลกการประมวลผลภาพมาชวยในการพจารณา โครงงานนจะสามารถชวย

ในการพฒนาระบบความปลอดภยใหมประสทธภาพมากขน ซงไดแก ระบบรกษาความปลอดภยโดย

การตรวจจบภาพใบหนาคนราย ใชในการสบสวนสอบสวนคนราย และการทาทะเบยนประวตคนราย

ของกรมตารวจโดยใชภาพใบหนา เปนตน

1.2 วตถประสงคของโครงงาน วตถประสงคหลกของโครงงานน คอ การนาเอาภาพวดโอจากกลองวงจรปดมาทาการวเคราะห

เพอระบหาตาแหนงใบหนาของบคคล และทาการตดตาม (Tracking) ใบหนาเหลานน เพอการปรบปรง

คณภาพของใบหนา และเพอการคานวณคาดชนคณภาพของหนา เพอทาใหสามารถเลอกขอมลทด

ทสดในหนานนๆ จากทปรากฏได โดยในกรณทมคณภาพของขอมลดพอสมควร จะทาการจดจาใบหนา

ดวย


1.3 ขอบเขตของโครงงาน 1. การคนหาภาพใบหนาจากกลองวงจรปดในระยะทางโดยประมาณ 10 เมตร

2. มการปรบปรงคณภาพของใบหนาในระหวางการ Track

3. สามารถจดจาใบหนาไดในกรณทมขอมลเพยงพอ (ตองมตวชวดคณภาพของขอมลภาพใบหนา)

4. เกบบนทกใบหนาเฉพาะตอนทมคณภาพดทสด

1.4 แผนการดาเนนงาน

ภาคการศกษา/เดอน

ขนท

2/50 1/51 2/51

พ.ย. ธ.ค. ม.ค. ก.พ. ม.ย. ก.ค. ส.ค. ก.ย. พ.ย. ธ.ค. ม.ค. ก.พ.

1. ศกษาขอมลการทางานของ Motion Detection 2. ศกษาขอมลการทางานของ Point track 3. ศกษาอลกอรธม CAMShift และ Eigen Face 4. ดาเนนงานสวน Face Localization 5. ดาเนนงานสวน Face tracking 6. ดาเนนงานสวน Face quality index 7. ดาเนนงานสวน Face quality improvement 8. Integrate Program & Testing

ตารางท 1-1 แผนการดาเนนงาน



บทท 2 ความรพนฐาน

2.1 Image Processing Image Processing คอ การประมวลผลภาพดวยคอมพวเตอร เพอใหคอมพวเตอรทราบวาภาพ

นนคอภาพอะไร หรอมสงทสนใจอยในภาพหรอไม โดยทไมตองใชสายตาของคนมาชวยตดสน การคด

คานวณนนมหลายวธ ซงแตละวธกมประโยชนแตกตางกนไป ไมวาจะเปนการนาเอาสแตละจด (Pixel)

มาคด (Color), การคดคานวณเปนบรเวณหลายๆ จดรวมๆ กน (Area) เชน การดลวดลาย (Pattern,

Texture), การวเคราะหหารปราง (Shape) และการวเคราะหแบบอนๆ เพอหาคาทสามารถระบไดวา

ภาพนนมลกษณะอยางไร ซงจะนาไปสการตดสนไดวาสงนนเปนสงทกาลงคนหาหรอสนใจอยหรอไม

ในโครงงานชนนไดนาความรเรอง Image Processing มาใชประโยชนในดานการประมวลผล

ภาพจากกลองวดโอ ซงจะนามาวเคราะหตาแหนงของแตละจดส (Pixel) ในรปภาพแตละรปนนจะมการ

แบงเปนแถว (row) และคอลมน (column) และในตาแหนง x,y ใด ๆ นน จะเกบคาตาง ๆ เอาไว ไดแก

คาความเขมของแสง และเวลา ทาใหตองใชกระบวนการจดการเกยวกบรปภาพเขามาเกยวของ

2.2 OpenCV (Open Source Computer Vision Library) OpenCV เปนไลบรารสาหรบใชงานเรองการประมวลผลภาพ (Image Processing) ซงบาง

ความสามารถของ OpenCV สามารถทาภาพเบลอ หา threshold หา Histogram ของภาพได แต

ความสามารถโดยสวนใหญแลวจะทาการคนหาขอบของภาพ การตรวจสอบการเคลอนไหว และการทา

Image segmentation

นอกจากน OpenCV สามารถจดการกบขอมลแบบวดโอไดดวย เนองจาก OpenCV เปน

ชดคาสงทไมไดเปนตวโปรแกรม เมอตองการเรยกใชงานจงตองเขยนโปรแกรมเพอเรยกชดคาสง

เหลานน ซงภาษาทนยมเขยนคอภาษา C, C++ และภาษา Phyton ซง OpenCV จะประกอบดวยสอง

สวน คอ data structure ทใชในการเกบขอมลตาง ๆ อาท เชน รปภาพ เมตรกซ และพกด สาหรบอก

สวนคอ algorithm ซงจะใชในการประมวลผลตาง ๆ โดยเฉพาะการประมวลทางรปภาพ สาหรบใน

OpenCV จะประกอบดวยไลบรารอย 4 สวน ไดแก


CXCORE

เปนฟงกชนเบองตนทใชจดการเกยวกบจด ขนาด อาเรย (Array) หนวยความจา คาสงในการวาดภาพ การประกาศตวแปรภาพ เปนตน ตวอยางคาสงในการประกาศรปภาพ คอ IplImage, CvMat, CvMatND

CV

ใชในการประมวลผลและการวเคราะหรปภาพ ฟงกชนสวนใหญจะทางานกบพกเซลทเปนอาเรย 2 มต หรอทเราเรยกวาภาพนนเอง เชนการหาขอบหรอมม การทาฮสโตแกรม (Histogram) และการทาออพตคอลโฟลว (Optical Flow) เปนตน

Machine Learning

เปนไลบรารทรวมคลาสและฟงกชนทางสถต การแยกคลาส และการแบงกลมขอมล อลกอรทม (Algorithm) ทใชจะเขยนดวยภาษา C++ แตละอลกอรทมจะมคณลกษณะเดนแตกตางกนไป แตทงหมดจะใชคลาส CvStatModel รวมกน

HighGUI

เปนไลบรารทใชในการโหลด (Load) และบนทกภาพ ตดตอกบกลองวดโอ (VDO) การสรางหนาตางเพอแสดงภาพและทาลายภาพ การเปลยนขนาดและเคลอนยายหนาตาง รวมไปถงการตรวจสอบเมาส (Mouse) และแปนพมพ

2.3 Motion Detection เปนการกระทาในการตรวจหาการเคลอนไหวในระดบกายภาพ โดยการเคลอนทหรอการ

เคลอนไหวของวตถสามารถตรวจพบไดเมอมการเปลยนความเรวของวตถ กลาวคอ ระบบจะมการ

ตรวจจบการเคลอนไหวตลอดเวลา โดยจะมการวนรอบการทางานเรอย ๆ เพอนาขอมลภาพใหมทไดรบ

จากสวนตดตอกลองมาทาการประมวลผล ตรวจหาความแตกตางของพกเซลระหวางภาพใหมกบภาพ

เกาวามความแตกตางกนมากเกนกวาคาทตงไวหรอไม ถามความแตกตางกนมากระบบสามารถรบรได

วาเกดการเคลอนไหวขน

ซงในการตรวจหาการเคลอนทจะใชวธตรวจหาการเคลอนทของคนซงจะใชการหาความแตกตาง

ระหวางจดภาพ (Pixel difference) โดยมหลกการ คอ เฟรมภาพแตละภาพจะถกนาไปเปรยบเทยบกบ

ภาพอางองทกจดภาพตอจดภาพ ถาคาความแตกตางท จดภาพหนงมคามากกวาคาขดเรมเปลยน


ในการทางานจะเรมเมอทาการรบภาพจากกลองแลวแปลงเปนโมเดลส RGB ภาพแรกจะถก

เกบไวใชเปนภาพอางอง แลวนาภาพถดไปมาเปรยบเทยบกบภาพทอางอง ถาพบวาคาผลตางของภาพ

ทเปรยบเทยบกนนนมากกวา Threshold จะใหจดภาพนนเปนสขาวนนกคอวตถ แตถาผลตางนอยกวา

Threshold จะใหจดภาพนนเปนสดาซงเปนฉากหลงนนเอง ทกภาพทรบมาจะถกเกบไวเปนภาพอางอง

เพอใชเปรยบเทยบในครงถดไป โดยกระบวนการนจะเรยกวา Frame Differencing ดงรปท 2-1

สาหรบการเคลอนไหวของวตถวามการเคลอนไหวมากหรอนอยนน สามารถนาขนตอนของ

Frame Differencing มาทาการวเคราะหจดพกเซล โดยการนาจานวนพกเซลมาพลอตเปนกราฟ

กลาวคอ นาแถวในแตละแถวมาบวกกน และนาคอลมนของแตละคอลมนมาบวกกน แลวนาผลบวกท

ไดมาพลอตบนกราฟ สามารถแสดงไดดงรปท 2-2

รปท 2-1 Frame differencing

โดยการตรวจจบและวเคราะหการเคลอนไหวของภาพวดโอสามารถสรปขนตอนดงน

1. Frame differencing

2. Thresholding

3. Noise removal

4. Add up pixels on each line in the motion image


รปท 2-2 จานวนพกเซลในแตละแถวของการเคลอนทของรป

2.4 กราฟฮสโตแกรม (Histogram)

รปท 2-3 กราฟฮสโตแกรม

ฮสโตแกรม เปนกราฟแสดงจานวนพกเซลทความสวางตางๆ ของภาพ โดยแกนนอนเปนระดบ

ความสวางทแบงระดบเปน 256 ระดบ (มกเรยกวาระดบสเทา หรอ gray level) โดยมคาตงแต 0-255

โดยใหเปนชองๆ เหมอนกบอาเรยแบบ 1 มต แตละชองมความเขมประจาชอง ๆ นนเอาไว ชองแรกม

คาความเขมเปน 0 ชองตอไปเปน 1, 2, 3, 4 … ไปเรอย ๆ จนถง 255 ตามลาดบ เมอระดบสเทามคา

ตา (ดานซายมอ) หมายถงมความสวางนอย จะมองเหนเปนสดา คาระดบสเทามาก (ดานขวามอ)

หมายถงมความสวางมากจะมองเหนเปนสขาว สาหรบแกนตงของจะกราฟแสดงจานวนพกเซลในแตละ

ระดบ

2.5 Covariance Matrix Covariance Matrix คอ เมทรกของความแปรปรวนรวม เอาไวแทนความเบยงเบนและความ

เกยวเนองกนของหลายตวแปร คอถาทากบตวมนเองเพยงตวเดยว(หนงตวแปร) กจะกลายเปนแค

กาลงสองของความเบยงเบน ซงการหาเมทรกความแปรปรวนรวมน เพอใชในการหา Eigen Vector

และ Eigen Value ตอไปได ซงในทนใชคานวณเพอหาคาดชนคณภาพของหนา


2.6 Eigen Value Eigen Value คอ คาอตราสวนการผนแปรระหวางกลมตอการผนแปรภายในกลม ใชวด

ความสาคญเชงเปรยบเทยบของสมการวา สมการทไดมอานาจในการแบงแยกการเปนสมาชกของกลม

ไดดเพยงใด

นอกจากนแลว Eigen value จะใชในการคานวณคาในกระบวนการรจาใบหนา เพอนาคาท

คานวณไดไปสรางภาพใหมทมลกษณะเหมอนภาพตนแบบ (original) ซงคาดงกลาวจะมผลตอความ

คมชดของภาพทได กลาวไดวาการใช Eigen value ทมคาตาจะไมสามารถสรางภาพใหมทมลกษณะ

เหมอนภาพตนแบบได ในทางตรงกนขามเมอใช Eigen value ทมคาสงจะสามารถสรางภาพใหมทม

รายละเอยดของภาพมากพอทจะนาไปวเคราะหหาความคลายคลงและความแตกตางของใบหนาได และ

นาไปเปรยบเทยบกบภาพในฐานขอมลตอไป แตการใชคา Eigen value ในการสรางภาพนนจะตองม

ชวงของคา (range) ทเหมาะสม เพราะการใชคา Eigen value ในชวงทสงไปนน จะมการเกดสญญาณ

รบกวน (noise) ขน ทาใหภาพทไดไมคมชดกน

2.7 การตดตามภาพเคลอนไหวดวยวธการ CAMSHIFT CAMSHIFT เปนวธการหนงทใชในการตดตามวตถทเปนภาพเคลอนไหว โดยจะรบอนพตมาจาก

กลองวดโอ แลวนามาเขากระบวนการ CAMSHIFT เพอสามารถทาการตรวจจบการเคลอนทของสงท

เราสนใจได ซง CAMSHIFT เปนวธการทงายและมประสทธภาพในการคานวณใบหนา และการตดตาม

วตถทมส ซงในการตดตามจะทาการตดตามวตถททาการเลอกหรอวตถทสนใจโดยใชคาสมาทาการ

ตดตาม จะเหนไดจากกราฟ Histogram ทแสดงทความสวางของภาพ ซงอลกอรธมนจะตดตามวตถทม

สใกลเคยงกบกราฟฮสโตแกรมของวตถทถกเลอกนนเอง

รปท 2-4 ภาพใบหนาจากวดโอและภาพ Gray Scale ของวตถทถกเลอก

รปท 2-5 การตดตามใบหนาตามทศทางทกาหนด


ดงนน CAMSHIFT จะใหการคานวณทมประสทธภาพ และมเครองมอทงาย ซงจะมการ

ตดตามทเปนอสระกนอย 4 ทศทาง ไดแก แกน X, แกน Y, แกน Z และแกนหมน ดงรปท 2-7

รปท 2-6 การตดตามใบหนาตามแกน X, Y, Z และแกนหมน

2.8 16การจดจาใบหนาดวยวธ EigenFace Eigenface เปนอลกอรธมหนงทใชในการรจาใบหนาและการระบตวบคคล ซงมพนฐานอยบน

หลกการของการวเคราะหองคประกอบหลก (Principal Component Analysis : PCA) โดยจะแทนภาพ

ใบหนาดวยสมการเชงเสนของเวคเตอรทตงฉากกน โดยการหา Eigen Vector ของเมทรกความ

แปรปรวนรวม (covariance matrix) ของรปภาพในฐานขอมลทงหมด โดยนาภาพในฐานขอมลแตละ

ภาพมาเกบขอมลแบบเวกเตอร แลวจงนามาหาเวกเตอรคาเฉลยของภาพ ซงภาพใบหนาทตองการทา

เปนแบบจาลองตองเปนระดบเทา (Gray Level) เนองจากใชหนวยความจาในการเกบขอมลนอยกวา

ภาพส ทาใหประหยดหนวยความจา เมอเทยบกบการเกบขอมลขอภาพส ทาใหภาพระดบ Gray

Level ใชเวลาในการประมวลผลทเรวกวาภาพส จงตองทาการแปลภาพทใชเปนภาพรปแบบสเทา โดย

อาศยการทางานของระบบส HSV (Hue Saturation Value) ซงเปนการพจารณาสโดยใช Hue

Saturation และ Value

ขนตอนการหา EigenFace แสดงได ดงน

2.8.1 แปลภาพแตละภาพใหจดอยในรปแบบของเวกเตอร

2.8.2 นาภาพทกภาพมาจดใหอยในรปแบบเมทรก จะไดเมทรก Ay ซงหมายถงขอมลภาพท i มต

ท j

⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢

⎣

⎡

nmnn

m

m

AAA

AAAAAA

.....

.

.

21

22221

11211

409620

==

mn


2.8.3 นาเมทรก Ay มาทาการหาคาเฉลยของแตละคอลมน ซงกคอหาคาเฉลยของทกๆ ภาพ

ใบหนาในแตละมต

∑=

=n

ijiA

njmean

1,

1 mj ≤≤1

2.8.4 หาคาเบยงเบนมาตรฐาน (Standard Deviation) ของขอมลภาพทกๆ ภาพในแตละมต

jjiji meanAC −= ,, mjni ≤≤≤≤ 1;1

2.8.5 นาคาเบยงเบนมาตรฐานมาสรางเมทรกของความแปรปรวนรวม (Covariance Matrix) เพอ

ใชในการคานวณหาคาไอเกนและเวกเตอรไอแกนตอไป

∑=

==n

ijijijjjj CCSS

12,1,2,11,2 mjjmj ≤≤≤≤ 21;11

Covariance matrix S = C x CT

2.8.6 นาเมทรกของความแปรปรวนรวมทไดมาคานวณคาไอเกนและเวกเตอรไอเกนโดยคาไอเกน

(Eigen Values)

tSS=λ

และเวกเตอรไอเกน (Eigen Vector)

λCSe =

2.8.7 ผลลพธจากการคานวณจะไดคาไอเกน ( λ ) และเวกเตอรไอเกน (e) ซงขอมลทงสองจะม

ความสมนย (Correspondence) ซงกนและกน

2.8.8 โดย V = [ v1 v2 v3 … vn ] เปนเมทรกทแตละหลกเปน Eigenvector ของ S ซง

Eigenvector vi เปนฐานหลก (basis) ของ row space แตสงทตองการคอ basis ของ

column space เนองจากภาพทเรานามาสรางเปนเมทรก A แตละภาพ ถกวางอยในแนว

หลก (column) จงทาการหาฐานหลกของ column space ของเมทรก A จากสมการ

jj

j Avuλ1

=


2.8.9 เมอ jλ คอ Eigenvalue ทสมพนธกบ Eigenvector jv โดยจะเรยกเวกเตอร ju วา

Eigenface เนองจากหลก (column) ของเมทรก A ประกอบดวยเวกเตอรของรปใบหนา

เพราะฉะนน ruuu ,..., เปน orthonomal basis ของ column space ของเมทรก A หรอ

ปรภมภาพใบหนา (Face space) ดงนน จะไดวา

, 21

nniiiji uwuwuwjmeanA 1),(2)2,(1)1,(1, ... +++=−

โดยท

jjiji ujmeanAw ,,),( −=

2.8.10 จะได ),( jiw เปนตวเลขทเกดจากภาพในฐานขอมลหมายเลขท i กบ Eigenface ท j ทาใหได

วา Ai,j สามารถเขยนแทนดวยคานาหนก

⎥⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢⎢

⎣

⎡

=Ω

ni

i

i

i

w

ww

,

2,

1,

M

2.8.11 การรจาใบหนาทาไดโดยนาคานาหนกมาเปรยบเทยบกบคา Euclidean norm ซง Euclidean

เปนคาทใชในการเปรยบเทยบระยะทางระหวางจดดงกลาวกบจดอน ๆ ทมอยในฐานขอมล

และหาคาทนอยทสดถงจะระบวาเปนบคคลนน

∑ Ω−Ω= ||)min(|| testi

รปท 2-7 ใบหนากอนหาคา Eigenfaces และภาพใบหนาไอเกน


2.9 การคนหาใบหนาดวยวธ Haar-Like เปนความสามารถหนงทใชในการคนหาวตถ ซงสามารถทาการคนหาวตถทเปนแนวตรง หรอม

การเอยงในลกษณะมมตาง ๆ ได

ลกษณะการจาลองรปแบบ Haar-Like มขอจากดทงหมด 14 กรณ ดงรปท 2-10 ซงไดแก

• ความสามารถของขอบ

• ความสามารถของเสน

• ความสามารถของบรเวณทลอมรอบจดตรงกลาง

รปท 2-8 รปแบบของ Haar-Like

ในการอางองการใชงานในสวนน ไดมการกาหนดแอพพลเคชนชอวา haartraining ภายใน

ไลบรารของ OpenCV นนเอง

2.10 ระบบส RGB

รปท 2-9 ระบบส RGB


ระบบส RGB เปนระบบสทเกดจากการรวมกนของแสงสแดง เขยวและนาเงนโดยมการรวมกน

แบบ Additive ซงโดยปกตจะนาไปใชในจอภาพแบบ CRT (Cathode ray tube) ในการใชงานระบบส

RGB ยงมการสรางมาตรฐานทแตกตางกนออกไปทนยมใชงานไดแต RGBCIE และ RGBNTSC

• ระบบสแบบ RGB ของ CIE

เปนระบบสทพฒนาขนโดย CIE (Commission International l 'Eclairage) ซงอางองสดวยสแดง

ท 700 nm สเขยวเทากบ 546.1 nm และสนาเงน 435.8 nm

• ระบบสแบบ RGB ของ NTSC

เปนระบบทพฒนาโดย NTSC (National Television System Committee) เพอใชสาหรบการ

แสดงภาพของจอภาพแบบ CRT เปนมาตรฐานสาหรบผผลตแบบ CRT ใหมลกษณะเดยวกน

2.11 ระบบส HSV ระบบส HSV (Hue Saturation Value) เปนการพจารณาสโดยใช Hue Saturation และ Value ซง

Hue คอคาสของสหลก(แดง เขยวและนาเงน)ในทางปฏบตจะอยระหวาง 0 และ 255 ซงถา Hue มคา

เทากบ 0 จะแทนสแดงและเมอ Hue มคาเพมขนเรอย ๆ สกจะเปลยนแปลงไปตามสเปกตรมของสจนถง

256 จงจะกลบมาเปนสแดงอกครง ซงสามารถแทนใหอยในรปขององศาได ดงนคอ สแดง = 0 องศา ส

เขยวเทากบ 120 องศา สนาเงนเทากบ 240 องศา Hue สามารถคานวณไดจากระบบส RGB ไดดงน

Redh = red – min(red,green,blue)

Greenh = green – min(red,green,blue)

Blueh = blue – min(red,green,blue)

2-10 ระบบส HSV


จากลกษณะโมเดลของระบบ Hue พบวาจะมคาอยางนอยหนงคาทจะเทากบ 0 แตถามสองคาเทากบ 0 แลว hue จะเปนมมของส(คาส)มคาเปนไปตามสทสามและถาทงสามสมคาเทากบ 0 แลวจะทาใหไมมคาของ Hue หรอสทไดจะมคาเทากบสขาวนนเอง ตวอยางเชน จอภาพขาว-ดา ถาเกดมสใดสหนงมคาเทากบ 0 จะทาใหคาสทไดเปนไปตามสทเหลอ การใหนาหนกในการพจารณาเมอสแดงมคาเทากบ 0

hh

hhgreenblue

)green(120)blue(240+

×+×

Saturation คอความบรสทธของสซงถา Saturation มคาเทากบ 0 แลวสทไดจะไมม Hue ซงจะเปนสขาวลวนแตถา Saturation มคาเทากบ 255 แสดงวาจะไมมแสงสขาวผสมอยเลย

Saturation สามารถคานวณไดดงน

bue)green,max(red,blue)green,min(red,blue)green,max(red,saturation −=

Value คอความสวางของส ซงสามารถวดไดโดยคาความเขมของความสวางของแตละสทประกอบกนสามารถคานวณไดจาก

Value = max(red,green,blue)


บทท 3 รายละเอยดการทางาน

3.1 กระบวนการทางาน ในการดาเนนเรมตนเราจะรบภาพจากกลองวดโอเขามา แลวนาภาพทไดแตละเฟรมมาเขาส

กระบวนการทางานในแตละขนตอน ซงรายละเอยดการทางานเปนจะแบงออกเปน 4 สวน คอ สวนท

หนงจะทาการคนหาใบหนา สวนทสองจะทาการตดตามใบหนา สวนทสามจะทาการหาดชนคณภาพ

หนา และสวนทสจะใชในการระบตวบคคลจากใบหนา โดยในสวนทสจะทาในกรณทมคณภาพหนาด

ทสด นนคอ จะทาหรอไมทากได โดยขนตอนตางๆ สามารถแสดงไดดงน

3.1.1 Face Localization

เปนสวนของการคนหาใบหนา โดยจะรบภาพมาจากกลองซงอยในรปไฟลวดโอ แลวนาภาพ

ใบหนาทไดจากกลองมาเขาสกระบวนการคนหาใบหนาตามหลกการ haarcascade ซงใชอลกอรธม

Haar-like ในการคนหาใบหนา หลงจากไดสวนของใบหนาแลวจะทาการวาดกรอบระบสวนทเปนใบหนา

แลวทาการแสดงผลออกมา

3.1.2 Face Tracking

การทางานในสวนนจะทางานหลงจากทไดทาการคนหาใบหนาเรยบรอยแลว ซงจะใชอลกอรธม

ของ CAMSHIFT มาทาการตดตามสวนของใบหนาทไดทาการคนหาไว โดยอลกอรธมนจะใชในการ

ตดตามภาพเคลอนไหวในจดทเราสนใจได ซงในการตดตามจะมการปรบปรงคณภาพใบหนาทใชในการ

ตดตาม ซงจะมตวชวดขอมลของคณภาพใบหนานเพอใชในการจดจาใบหนาตอไป

3.1.3 Index Quality

เปนการวดคณภาพใบหนาทจะใชในการตดตาม โดยทาการทดลองคานวณคา Eigen Values

และคา Covariance Matrix ของใบหนาในลกษณะตางๆ เพอทดสอบวาสามารถนาคาดงกลาว มาใช

เปนดชนวดคณภาพหนาทดทสดหรอไม เนองจากคาทงสองมความสาคญในเรองของการรจาใบหนา

โดยใชอลกอรธม Eigenfaces ดวย


3.1.4 Face Identification

การทางานในสวนนจะเปนสวนสดทายททางาน ซงจะทาการระบใบหนาจากใบหนาทคนหาไว

วาเปนใบหนาของใคร โดยในกรณนจะทางานกตอเมอคณภาพของใบหนาดพอสมควร ซงการทจะระบ

ไดวาเปนใบหนาของใครนน จะตองทาการรจาใบหนานนกอน โดยการรจาใบหนาจะใชอลกอรธม

EigenFace มาทาการวเคราะห ซงจะตองมการสรางแบบจาลองใบหนาไวในฐานขอมลโดยใช

กระบวนการของ EigenFace เพอนามาเปรยบเทยบกบหนาทไดคนหาไววาเหมอนกนหรอไม ซงการ

รจาใบหนา จะทาไดโดยนาคานาหนกของรปทตองการกบรปภาพใบหนาไอเกนมาเปรยบเทยบกบคา

Euclidean norm และหาคาทนอยทสดถงจะระบวาเปนบคคลนน

Flow chart สรปขนตอนการทางานของโปรแกรม

เรมตน

ภาพ Input

กระบวนการ Face Identification

จบการทางาน

Index Quality

ดทสดหรอไม

กระบวนการ Face Localization

แสดงผล

ใช

กระบวนการ Face Tracking

ไมใช

รปท 3-1 Flow chart สรปขนตอนการทางานของโปรแกรม


3.2 ดาเนนงานในสวน Face Localization

เปนสวนของการคนหาใบหนา โดยจะรบภาพจะกลองวดโอเขามาวเคราะหระบตาแหนงใบหนา

แลวนาภาพทไดมาคานวณหาสวนของใบหนา โดยใชอลกอรธม Haar-Like ในการคนหา สาหรบ

ฟงกชนทใชในการคนหาใบหนา คอ CvHaarDetectObjects ซงอยในไลบรารของ OpenCV และไดม

รปแบบไฟล xml ทใชในการระบสวนของใบหนาอย 4 รปแบบดวยกน ไดแก

• Haarcascade_frontalface_alt.xml

• Haarcascade_frontalface_alt2.xml

• Haarcascade_frontalface_alt_tree.xml

• Haarcascade_frontalface_default.xml

โดยในการเขยนโปรแกรมในสวนน จะเลอกรปแบบไฟล xml มาเพยงรปแบบเดยว นนคอแบบ

haarcascade_frontalface_alt2.xml เนองจากเปนรปแบบ xml ทดทสดในการหาใบหนาแนวตรง ซงใน

แตละรปแบบนนสามารถนามาระบตาแหนงใบหนาไดเหมอนกน แตอาจจะคนหาไดในองศาทแตกตาง

กนไปบาง เมอคนหาใบหนาเจอจะทาการเลอกบรเวณของใบหนาโดยการวาดกรอบสเหลยมในสวนของ

ใบหนานน


รปท 3-2 ภาพทไดจากการคนหาสวนของใบหนา

รปท 3-3 ภาพทคนหาใบหนาไมพบ

จากผลการรนโปรแกรม จะไดวา โปรแกรมจะทาการวาดกรอบสวนของใบหนา เมอมการเจอ

ใบหนานนดงรปท 3-2 แตจะคนหาใบหนาไมพบหากมการบงใบหนาในบางสวนไว ดงรปท 3-3

3.2.1 การแยกเฉพาะสวนของใบหนา (Face Extarction)

การแยกเฉพาะสวนของใบหนาเปนการทา Face Extraction โดยจะแสดงเฉพาะสวนของใบหนาทคนหาพบนนแยกไปอกหนงหนาตาง ซงในการเลอกสวนของใบหนานนถอวาเปนการเลอกสวนทสนใจหรอเลอกสวนทตองการนนเอง เนองจากฟงกชนใน OpenCV ไดมฟงกชนทชอวา cvSetImageROI เปนฟงกชนทใชเลอกบรเวณทสนใจ จากนนจงนาสวนทแยกไปแสดงผลอกหนงหนาตาง


รปท 3-4 ภาพทไดจากการคนหาสวนของใบหนา และการแยกสวนของใบหนาออกมา

สวนทผดพลาด

รปท 3-5 แสดงสวนทผดพลาดจากการแยกสวนของใบหนาออกมา

จากรปท 3-4 และ 3-5 ในการเลอกบรเวณทสนใจนน อาจจะมการเลอกขนาดทแตกตางกนไป ทาใหหนาจอแสดงผลในสวนของใบหนาทแยกออกมานนอาจจะไมเทากน จงตองปรบขนาดใหมความเทากนกอน โดยเลอกใชฟงกชน cvResize ซงเปนฟงกชนทใชในการปรบขยายหรอลดขนาดของภาพนนเอง ซงผลลพธทไดในหนาตางทแยกเฉพาะสวนของใบหนานน จะมขนาดเทากนหมดทกภาพดงแสดงในรปท


รปท 3-6 การคนหาสวนของใบหนา และการแยกสวนของใบหนาหลงจากใชคาสง cvResize


3.3 ดาเนนงานในสวน Face Tracking เปนสวนของการตดตามใบหนาทมลกษณะเปนภาพเคลอนไหว เพอตดตามการเปลยนแปลง

ของใบหนา โดยงานในสวนนไดนาอลกอรธมของ CAMSHIFT ทใชในการตดตามวตถมาประยกตใชกบ

การตดตามใบหนา โดยจะทาการรวมโปรแกรมสวนทไดคนหาใบหนากบสวนทใชในการตดตามวตถเขา

ดวยกน เพอทจะใหโปรแกรมสามารถตดตามในสวนของใบหนาได ซงในการทางานของโปรแกรมนน

เมอโปรแกรมในสวนแรกคนหาสวนของใบหนาเจอเรยบรอยแลว กจะทาการตดตามสวนของใบหนานน

ใหโดยอตโนมต นนคอ หากมการคนหาใบหนาพบขนอก ในสวนของการตดตามใบหนานน จะตงคา

เรมตนของใบหนาขนมาใหม แลวทาการตดตามใบหนานนอกครง โดยอลกอรธมของ CAMSHIFT จะ

ทาการ Initial สงทตองการตดตามขนมาใหมทกครง เพอใหการตดตามวตถทตองการมความแมนยา

มากขนนนเอง ซงโดยปกตแลวอลกอรธมแบบ CAMSHIFT จะตองทาการเลอกบรเวณทตองการใหม

การตดตาม โดยการคลกเมาสรอบวตถทตองการใหมการตดตามในหนาตางทแสดงรปภาพของวตถนน

นอกจากน ไดมการแสดงผลของกราฟฮสโตแกรมในบรเวณทถกเลอกนนกคอสวนของใบหนา

ดวย สาหรบฟงกชนทใชในการตดตามวตถคอ cvCamShift และฟงกชนทใชสรางกราฟฮสโตแกรม คอ

cvCreateHist ซงทงสองฟงกชนจะอยในไลบรารของ OpenCV

ตวอยางผลการทางานโปรแกรม

รปท 3-6 ภาพทไดจากการตดตามใบหนาและกราฟฮสโตแกรมของสวนใบหนา


รปท 3-7 ภาพทไดจากการตดตามใบหนาและกราฟฮสโตแกรมของสวนใบหนา (ตอ)

จากรปท 3-7 จะเหนไดวาโปรแกรมจะทาการตดตามสวนของใบหนา เมอใบหนามการเคลอนท และกราฟฮสโตแกรมกจะมการเปลยนแปลงตามความเขมของแสงในบรเวณใบหนานนดวย

จากผลการรนโปรแกรมนน จะเหนไดวาในการตดตามใบหนาในบางหนาอาจจะตดตามใบหนา

ไดไมถก จงไดปรบปรงโปรแกรมใหสามารถตดตามใบหนาไดแมนยามากขน โดยแสดงวธการทางาน

ไดดงรปท 3-8


รปท 3-8 แสดงวธการตดตามใบหนา

นนคอ เมอมการตดตามใบหนา จนพบวามการคนหาใบหนาใหมกจะทาการตดตามใบหนาใน

เฟรมใหมนนเรอย ๆ โดยจะใชวธการนในการตดตามใบหนา จะทาใหการตดตามใบหนาไดผลดยงขน

• ตวอยางผลการทางานโปรแกรม หลงจากไดทาการปรบปรงอลกอรธม

รปท 3-8 ภาพทไดจากการตดตามใบหนาหลงจากปรบปรงอลกอรธม


รปท 3-9 ภาพทไดจากการตดตามใบหนาหลงจากปรบปรงอลกอรธม(ตอ)

3.4 ดาเนนงานในสวนของการหาดชนคณภาพใบหนา โดยงานในสวนนไดทดลองทาการหาคา Eigen Value และ Covariance Matrix ของรปภาพ

ใบหนาในลกษณะตางๆ เพอใชในการเปรยบเทยบวาลกษณะของใบหนานน ๆ มความแปรผนไปใน

ทศทางใด เพอใชเปนคาดชนคณภาพใบหนาทดทสดทจะใชในการระบตวบคคลในขนตอนตอไปได

เนองจากคา Eigen Value และ Covariance Matrix เปนคาทใชในการจดจาใบหนาโดยใชอลกอรธม

Eigenfaces ซงจากการศกษาเรอง Eigenfaces ไดมการใช คา Eigen Value และ Covariance Matrix

ในการคานวณ จงตงสมมตฐานไดวา คา Eigen Value และ Covariance Matrix สามารถใชเปนดชนใน

การหาคณภาพใบหนาทดทสด สาหรบฟงกชนทใชหาคา Eigen Value ชอวาฟงกชน

cvCalcEigenObjects และฟงกชนทใชหาคา Covariance Matrix ชอวาฟงกชน cvCalcCovarMatrixEx

ซงฟงกชนทงสองอยในไลบรารของ OpenCV


สาหรบการทดลองไดจาลองรปภาพใบหนาในลกษณะตาง ๆ ไดแก

• ภาพใบหนาทมความคมชดแตกตางกน

• ภาพใบหนาทมความมวแตกตางกน

• ภาพใบหนาทมขนาดแตกตาง

• ภาพใบหนาทมความมดแตกตางกน

• ภาพใบหนาในลกษณะตางๆ

• ภาพใบหนาเมอมการเอามอมาบงใบหนา

ผลการทดลองหาคา Eigen Value และ Covariance Matrix ของใบหนา

ภาพทมความสวางแตกตางกน

ภาพ

คา

Eigen Value 1,579,996,416.0 12,622,675.0 2,557,988.75 97,229.26 13.382360

Covariance Matrix 2,762,207,488.0 1,561,357,440.0 916,959,872.0 2,680,863,232.0 433,113,536.0

ภาพทมความมวแตกตางกน

ภาพ

คา

Eigen Value 22,671,292.0 4,125,949.5 211,163.5 70,695.1 0.022160

Covariance Matrix 2,762,207,488.0 2,697,942,272.0 2,709,244,160.0 2,672,838,656.0 2,643,839,293.0 ตารางท 3-1(a) ภาพใบหนาทใชในการหาคา Eigen Value และ Covariance Matrix ของใบหนานน


ภาพทม noise

ภาพ

คา

Eigen Value 86,442,928.0 41,895,700.0 26,060,432.0 15,420,118.0 -0.541953

Covariance Matrix 2,795,376,896.0 2,780,413,696.0 2,739,516,928.0 2,674,934,272.0 2,606,874,624.0

ภาพทมขนาดแตกตางกน

ภาพ

คา

Eigen Value 1,387,930,752.0 31,852,960.0 73,072,584.0 41,856,384.0 -13.962813


ตารางท 3-1(b) ภาพใบหนาทใชในการหาคา Eigen Value และ Covariance Matrix ของใบหนานน



ภาพทมมอบงใบหนา

ตารางท 3-1(c) ภาพใบหนาทใชในการหาคา Eigen Value และ Covariance Matrix ของใบหนานน

ภาพ

คา

Eigen Value 2,205,268,224.0 1,769,098,752.0 500,690,912.0 354,363,872.0 -3.088268


ภาพใบหนาในรปแบบตางๆ

ภาพ

คา

ลกษณะของภาพ ภาพมด ภาพมว ภาพทม noise ภาพทมขนาดใหญ ภาพมอบงหนา

Eigen Value -107,374,176.0 -107,374,176.0 -107,374,176.0 -107,374,176.0 -107,374,176.0

Covariance Matrix 903,776,000.0 1,523,389,056.0 1,558,337,408.0 1,778,572,416.0 3,237,350,656.0


สรปผลการทดลองหาคา Eigen Value และคา Covariance Matrix ของใบหนา

จะเหนไดวา เมอเลอกเฉพาะสวนของใบหนามาทาการคานวณหาคา Eigen Value นน คา Eigen Value ไมสามารถบอกไดวา ใบหนาในลกษณะตาง ๆ นน มความแปรผนในลกษณะใด แตคา Covariance Matrix สามารถบอกไดวารปใบหนาในลกษณะตาง ๆ นน มความแปรผนไปในลกษณะใดได โดยจากการทดลองสามารถสรปไดดงน

• ถาภาพใบหนามความคมชดมากขน จะทาใหคา Covariance Matrix มากขน

• ถาภาพใบหนามความเบลอมากขน จะทาใหคา Covariance Matrix ลดลง

• เมอมการเอามอมาบงใบหนา ในลกษณะตางๆ จะทาใหคา Covariance Matrix มคามาก

• ถาใบหนามความเลกลง จะทาใหคา Covariance Matrix ลดลง

• ถาใบหนามความมดมากขน จะทาใหคา Covariance Matrix ลดลง

จากการทดลอง จะไดวาภาพใบหนาทมคณภาพดทสดจะมคา Covariance Matrix ทสง นนคอ

เปนภาพใบหนาทมขนาดใหญ และมความสวางของใบหนา สาหรบภาพใบหนาทมคณภาพไมดหรอ

เปนภาพใบหนาทไมชด จะมคา Covariance Matrix ทนอยกวาเมอเทยบกบภาพใบหนาทชดกวา จาก

การทดลองดงกลาวเปนผลใหสามารถนาคา Covariance Matrix มาเปรยบเทยบกบลกษณะของใบหนา

ตาง ๆ ทจะใชในการเกบขอมลใบหนาทดทสดของบคคลทผานกลองได เพอใชในการระบตวบคคลใน

ขนตอนตอไปได

หมายเหต

ภาพใบหนาเมอมการเอามอมาบงใบหนานน โดยปกตแลวเมอมการคนหาใบหนาจะคนหา

ใบหนาในลกษณะเชนนไมพบ ซงคาทไดจากการคานวณจะมคามากหรอนอยนน จะไมนามาตดสนใน

การวเคราะหหาคณภาพใบหนาทดทสด


3.5 ดาเนนงานในสวนการคนหาใบหนาทดทสด งานในสวนนจะเขยนโปรแกรมเพอประยกตคาดชนคณภาพหนาทดทสดทไดจากการทดลองใน

ขนตอนกอนหนานมาประยกตใชกบภาพเคลอนไหว ใหมการทางานแบบ Real-time โดยสามารถแสดง

แผนผงการทางานได ดงรปท 3-10

Flow chart การทางานของโปรแกรมคนหาใบหนาทดทสด

เรมตน

Floiw chart การทางานของโปรแกรมคนหาใบหนาทดทสด รปท 4-4 Flow chart การทางานของโปรแกรมคนหาใบหนาทดทสด

ภาพ Input

เกบหนาทดทสด


คา Covariance Matrix ใหม >

คา Covariance Matrix เดม

หาคา Covariance Matrix

ไมใช คนหาใบหนาพบ

ใช

ใช

ไมใช

รปท 3-10 Flow chart การทางานของโปรแกรมคนหาใบหนาทดทสด


ตวอยางผลการทางานโปรแกรม

Covariance Matrix : 591,464,448.0 Covariance Matrix : 569,806,016.0

ภาพมว ภาพทม noise มาก

รปท 3-11 ใบหนาทใชในการเป เทยบคา Covariance Matrix รยบ

Covariance Matrix : 617,418,048.0

รปท 3-12 ใบหนาทมคา Covariance Matrix มากทสด

จากรปท 3-11 จะแสดงหนาตางของใบหนาทไดคนพบใบหนาเจอจากภาพอนพตทรบเขามา และ

จากรปท 3-12 จะแสดงสวนของหนาตางของใบหนาทชดทสด จะเหนไดวาภาพใบหนาทมคา

Covariance Matrix มาก โปรแกรมจะแสดงรปใบหนานนขนในหนาตางของใบหนาทชดทสด ถงแมวา

จะเจอใบหนาจากภาพอนพตทรบเขามาอกกตามหากมคา Covariance Matrix นอยกวากจะไมทาการ

แสดงในหนาตางของใบหนาทชดทสดนนเอง


3.6 ปรบปรงการทางานโปรแกรม ในการทางานสวนกอนหนานไดใชคา Covariance Matrix เพยงคาเดยวเทานนทใชในการ

เปรยบเทยบรปใบหนาในแตละรป โดยการทางานในสวนนจะทาการหาคาเฉลยของคา Covariance

Matrix ของใบหนา และหาคาความเบยงเบนของใบหนาทเปลยนแปลงไปดวย

การหาคาเฉลยของคา Covariance Matrix ของใบหนา

โดยหาจากสตร

คาเฉลย ( ) = เมอ n คอจานวนหนา μ ∑=n

1i n

Matrix[i] Covariance

รปท 3-13 หนาจอแสดงผลการคานวณคา Covariance Matrix และคาเฉลยของคา Covariance Matrix

การหาคาเฉลยของคา Covariance Matrix นน เพอนาคาเฉลยทคานวณไดไปเปรยบเทยบกบ

คา Covariance Matrix ของหนาใหมๆอยเสมอ หากคาทไดใกลเคยงกบคาเฉลยมากทสด แสดงวา

ใบหนานนเปนใบหนาทดทสด แตมขอจากดของคา Covariance Matrix ดวย เนองจากวาถาคา

Covariance Matrix มคาสงมาก ภาพทไดจะเปนภาพทคอนขางสวางหรออาจจะเปนภาพเบลอเนองจาก

มสขาวอยในภาพมาก เปนผลใหแสดงภาพใบหนาทดทสดผดไป จงตองมการกาหนดชวงทตองการ

โดยสามารถคานวณไดโดยการหาคาความเบยงเบนของคา Covariance Matrix นนเอง


การหาคาความเบยงของคา Covariance Matrix ของใบหนา

โดยหาจากสตร

ความเบยงเบน ( ) = เมอ n คอจานวนหนา σ( )

n

n

1iMatrix[i] Covariance

2∑=

−μ

รปท 3-14 หนาจอแสดงผลการคานวณคา Covariance Matrix และคาความเบยงเบนของคา Covariance Matrix

จากผลการรนโปรแกรมโดยหาคา Covariance Matrix และคาความเบยงเบนนน จะไดวาคา

Covariance Matrix มคามากกวาคาความเบยงเบนประมาณสบเทา จงตองหาคาคงทททาใหคาความ

เบยงเบนอยประมาณชวงของคา Covariance Matrix และกาหนดใหมการทดสอบชวงของใบหนาทด

ทสดตงแตชวงคา + mn ถง + m(n+1) ซง คอคาเฉลยของคา Covariance Matrix, m

คอคาคงท , n คอชวงทสนใจมคาตงแต 0,1,2,… และ คอคาความเบยงเบน โดยชวงคาทสนใจ

จะตองเปนชวงคาทมากกวาคาเฉลยของคา Covariance Matrix ดวย เนองจากในสวนกอนหนานทเคย

ทาการทดลองนนจะไดวาคา Covariance Matrix ทมคานอยจะไดใบหนาทไมชดนนเอง

μ σ μ σ μ

σ

μ σ /15

รปท 3-15 กราฟแสดงชวงคาทใชในการเลอกใบหนาทดทสด

ชวงคาทใชในการเลอกใบหนาทดทสด


จากการทดลอง จะไดวา ชวงทมใบหนาดทสดไดแกชวงคาตงแตคาเฉลยของ Covariance

Matrix( ) ถงคาความเบยงเบน/15( /15) นนคอ ตงแตชวงแรกท n = 0 ถง n = 1 และคาคงท m =

1/15 นนเอง โดยสามารถแสดงชวงทสนใจไดดงรปท 3-15 และแสดงขนตอนการทางานใน

กระบวนการนไดดงรปท 3-16

μ σ

Flow chart การทางานของโปรแกรมคนหาใบหนาทดทสด

เรมตน

รปท 3-2 รปท 3-16 Flow chart การทางานของโปรแกรมคนหาใบหนาทดทสด

ภาพ Input

เกบหนาทดทสด


ชวงคา Covariance Matrix ทม

ใบหนาดทสด

หาคา Covariance Matrix

ไมใช คนหาใบหนาพบ

ใช

ใช

ไมใช

หาคาเฉลยของ Covariance Matrix

หาคาความเบยงเบนของ Covariance Matrix


ตวอยางผลการทางานของโปรแกรม

3.6.1 เมอเปรยบเทยบโดยใชคาเฉลยของคา Covariance Matrix

รปท 3-17 หนาจอแสดงการตดตามใบหนา

รปท 3-18 หนาจอแสดงการคนหาใบหนาปจจบน


รปท 3-19 หนาจอแสดงใบหนาทดทสด

รปท 3-20 กราฟแสดงคา Covariance Matrix (สขาว) และคาเฉลยของคา Covariance Matrix (สเหลอง)

จากรปท 3-17 ถง รปท 4-20 เปนการแสดงผลของการคนหาใบหนาทดทสด โดยการนา

คาเฉลยของคา Covariance Matrix มาเปรยบเทยบ โดยชวงทตองการคอชวงของคา Covariance

Matrix ทมมากกวาคาเฉลยของคา Covariance Matrix ซงจากการรนโปรแกรมจะเหนไดวาสามารถ

แสดงผลใบหนาทดสดออกมาได แตภาพใบหนาทดทสดทแสดงผลออกมานนมความไมเสถยรพอ

เนองจากในบางครงถาคา Covariance Matrix มคาสงกวาคาเฉลยของคา Covariance Matrix มากๆ

แลว จะมการแสดงผลใบหนานนออกมา จงไมสามารถบอกไดวาเปนใบหนาทดทสดหรอไม


3.6.2 ความผดพลาดจากการหาหนาทดทสดโดยใชคาเฉลยของคา Covariance Matrix




รปท 3-23 หนาจอแสดงการคนหาใบหนาทดทสด

รปท 3-24 กราฟแสดงคา Covariance Matrix (สขาว) และคาเฉลยของคา Covariance Matrix (สเหลอง)

จากรปท 3-21 ถง รปท 3-24 เปนการแสดงผลของโปรแกรมเมอมการหาใบหนาทดทสด

ผดพลาด ซงในกระบวนการทผดพลาดนเปนการเลอกใบหนาทดทสดโดยการเปรยบเทยบคาทมากกวา

คาเฉลยของคา Covariance Matrix นนเอง เนองจากวาภาพทมแสงสวางคอนขางมาก คา Covariance

Matrix จะมคาสง จงแสดงผลใบหนานนในหนาตางของใบหนาทดทสดออกมา


3.6.3 เมอเปรยบเทยบโดยใชคาเฉลยของ Covariance Matrix และคาเบยงเบน




รปท 3-27 หนาจอแสดงใบหนาทดทสด

รปท 3-28 กราฟแสดงคา Covariance Matrix (สขาว) ,คาเฉลยของคา Covariance Matrix (สเหลอง)

และคาเบยงเบนของคา Covariance Matrix (สแดง)

จากรปท 3-25 ถง รปท 3-28 เมอมการรนโปรแกรมจะไดวาภาพทรบเขามานนมใบหนาท

คอนขางมว นนแสดงวาเปนใบหนาทไมชด แตในหนาจอทแสดงใบหนาทดทสดนน(รปท 3-25) ยงคง

แสดงใบหนาทมคณภาพใบหนาดหรอเปนใบหนาทชดทสดนนเอง เนองจากวาไดกาหนดชวงคาทจะม

ใบหนาทดทสด จงทาใหภาพทไดจากหนาตางของใบหนาทดทสดมความแมนยามากขน สวนกราฟใน

รปท 3-28 จะแสดงคา Covariance Matrix (สขาว), คาเฉลยของคา Covariance Matrix (สเหลอง), คา

เบยงเบนของคา Covariance Matrix (สแดง) และเสนสขาวในแนวตงจะแสดงคา Covariance Matrix ท

เปนของใบหนาทดทสด


3.7 การทดสอบหาใบหนาทดทสดกบใบหนาหลายแบบ ไดทาการทดสอบการคนหาใบหนาทดทสดจากผทดสอบ 4 คน ซงไดทดสอบโดยการอดวดโอ

30 เฟรมตอวนาท โดยความยาวของวดโอมความยาว 1 นาท ซงในการทดสอบของแตละคนนน ได

ทดสอบใบหนาในหลายลกษณะ ไดแก ใบหนาตรง ใบหนาเอยง ใบหนาทเลก และใบหนาทมความ

ความมว เปนตน ซงสามารถวาดกราฟของคา Covariance Matrix ของใบหนาในลกษณะตางๆ พรอม

ทงคาเฉลยของคา Covariance Matrix และคาความเบยงเบนของคา Covariance Matrix/15 + คาเฉลย

ของคา Covariance Matrix โดยผลการทดสอบแสดงไดดงรปท 3-29 และ 3-32

รปท 3-29 ตวอยางใบหนาททดสอบ(ซาย), ใบหนาทดทสด(ขวา) และกราฟทแสดงคาตางๆ



จากการทดสอบในขางตน จะไดวา เมอมการทดสอบกบใบหนาอนทมลกษณะแตกตางกนนน

สามารถหาใบหนาทดทสดของแตละคนได จากการทดสอบในสวนนจงสามารถทจะไปประยกตใชเพอทา

การคนหาใบหนาทดทสดหลายๆ หนาพรอมกนได และสามารถอางองการหาใบหนาทดทสดได โดย

การคานวณคา Covariance Matrix นนเอง

3.8 การแสดงผลการตดตามใบหนาและการคนหาใบหนาทดทสดภายในหนาจอเดยวกน

จากโปรแกรมในสวนกอนหนานไดแสดงหนาตางของการทางานไวหลายหนาตาง เพอความสะดวกของการแสดงผล ไดจดทาหนาจอเพยงหนาเดยว โดยภายในหนาจอนนไดแสดงสวนของการตดตามใบหนา และสวนของใบหนาทดทสดไวในหนาจอเดยวในสวนของมมขวาลาง ซงฟงกชนทใชในการแสดงผลใหสามารถแสดงไดหลายภายในหนาจอเดยวกนนน คอ cvWarpAffine สาหรบผลการทางานโปรแกรมสามารถแดงได ดงรปท 3-33


รปท 3-33 การตดตามใบหนาและสวนของใบหนาทดทสด


จากผลการทางานของโปรแกรม จะเหนไดวาสามารถแสดงสวนของใบหนาทดทสดได โดยถาคนหาใบหนาทดทสดพบ จะยงคงคางใบหนานนอย จนกวาจะพบใบหนาทดทสดใหม ซงจะไดวาใบหนาทมคณภาพไมดหรอใบหนาทไมชด กจะไมแสดงผลในสวนของภาพมมขวาลาง จะไดวาจะแสดงผลเฉพาะสวนของใบหนาทดทสดเทานน

3.9 ทดสอบกบสวนจรง เปนการนาสวนของโปรแกรมทไดเขยนขนรวมเขากบระบบ โดยการปรบปรงโปรแกรมใหเขยน

โปรแกรมในเชงวตถได จากนนจงไดทดสอบโดยการใชโปรแกรม VsMonitor และ VsScanner ซงเปน

โปรแกรมทสามารถวเคราะหระบบไดหลายกลอง จะเหนไดวา สามารถรวมระบบการคนหาใบหนาทด

ทสดได ทาใหสามารถใชงานไดจรงได โดยจะแสดงการคนหาใบหนาทดทสดของกลองแตละตวทมม

ขวาลาง และสามารถแสดงการตดตามสวนของใบหนาดวย ซงสามารถจาลองการทางานของโปรแกรม

VsMonitor ไดดงรปท 3-34 จากงานในสวนนจงสามารถนาไปประยกตใชกบกลองวงจรปดได เพราะ

สามารถเลอกชนดของกลองทจะใชในการวเคราะหได

รปท 3-34 โปรแกรม VsMonitor


บทท 4 สรปผลและขอเสนอแนะ

4.1 สรปผล • สามารถคนหาใบหนาโดยใชอลกอรธม Haar-like ซงเปนอลกอรธมทใชในการคนหาวตถท

ตองการ

• ทาการตดตามใบหนาเมอมการคนหาใบหนาเจอดวยอลกอรธม Camshift ซงเปนอลกอรธมท

ใชในการตดตามวตถ โดยในทนกคอสวนของใบหนานนเอง

• ทาการคนหาดชนทจะใชเปนตวชวดคณภาพของใบหนา โดยจากการทาโครงงานจะไดวา

สามารถนาคา Covariance Matrix ของใบหนา มาทาการคานวณ แลวใชในการเปรยบเทยบ

คณภาพของใบหนา แลวแสดงผลลพธของใบหนาทดทสดได

• ในการคนหา ตดตาม และคนหาดชนทเปนตวชวดของคณภาพใบหนานน จะทาในกรณทม

ใบหนาเพยงใบหนาเดยวเทานน

• ในการเลอกชวงคา Covariance Matrix ทเหมาะสมนน จะตองหาคาเฉลยของคา Covariance

Matrix เพอดการเกาะกลมของคา Covariance Matrix และใชคาความเบยงเบนของคา

Covariance Matrix มาใชในการเลอกชวงทเหมาะสม ซงสามารถแสดงใบหนาทดทสดไดแมนยา

มากยงขน เมอเปรยบเทยบโดยไมมการเลอกชวงคาทเหมาะสมนนเอง

4.2 ปญหาและอปสรรค

• ในการหาคณภาพใบหนาทดทสดนน มปญหาในเรองความความสวางของภาพทไดรบมา

เนองจากความสวางของภาพมผลตอการคานวณคา Covariance Matrix ซงเปนดชนในการหา

คณภาพใบหนาทดทสด เพราะภาพใบหนาใดมความสวางมากคา Covariance Matrix จะมคา

มากดวย จงเปนผลใหในบางครงของการหาคณภาพของหนาทดทสดนนมความผดพลาด ทา

ใหตองกาหนดชวงของคา Covariance Matrix ทเหมาะสม

• ในการวาดกราฟเพอแสดงคา Covariance Matrix นน เมอดจากกราฟแลวอาจจะไมเหนความ

แตกตางของคานนมาก เนองจากวาคา Covariance Matrix เปนจานวนทมคามาก โดยไดนา


• คณภาพของกลอง Webcam ทใชในการทาโครงงานมความละเอยดไมสงมากนก

4.3 ขอเสนอแนะ/แนวทางการพฒนาตอ

• ในการคนหาใบหนาควรจะใชอลกอรธมทใชในการคนหาใบหนาไดแมนยามากยงขน เพอใหการ

คานวณคาตาง ๆ ทไดจากภาพของใบหนานนถกตองมากยงขนดวย

• ประยกตการคนหาใบหนาจากหนาใบเดยวใหสามารถ คนหาไดหลายใบหนา และสามารถ

ตดตามใบหนาไดหลาย ๆ ใบหนา

• พฒนาโปรแกรมใหมการทางานทแมนยามากยงขน

• เมอไดภาพหนาทดทสด อาจจะใชในการรจาใบหนา

• สามารถนาไปประยกตใชกบกลองวดโอวงจรปดในระบบรกษาความปลอดภยได


บรรณานกรม

[1] Gary R. Bradski, Computer Vision Face Tracking For Use in a Perceptual User Interface.

[2] Gary R. Bradski and Adrian Kaeble, 2008, Learning OpenCV Computer Vision with the

OpenCV Library, USA.

[3] Paul Viola and Michael Jones, 2001, Rapid Object Detection using a Boosted

Cascade of Simple Feature.

[4] Rainer Lienhart and Jochen Maydt, An Extended Set of Haar-like Feature for Rapid

Object Detection, USA.

[5] ธมาภรณ เจรญรบ และอนาวล ตสวรรณ, 2550, Face Recognition .

[6] ตตยา สวรรณบบผา, ภานสา เชมากรณ และสนต ถาวรวภาส, 2545, Face Recognition.

บทที่ 1 บทนํา - prince of songkla...

Documents