9316_4.3.21. Tìm hiểu các kĩ thuật áp dụng cho bài toán nhận dạng kí tự người câm

luận văn tốt nghiệp

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN CÔNG NGHỆ PHẦN MỀM

ĐINH BÁ THẮNG – ĐẶNG BÁC VĂN

TÌM HIỂU CÁC KỸ THUẬT
ÁP DỤNG CHO BÀI TOÁN
NHẬN DẠNG KÝ HIỆU NGƯỜI CÂM

KHÓA LUẬN CỬ NHÂN TIN HỌC

TP.HCM, NĂM 2005

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN CÔNG NGHỆ PHẦN MỀM

ĐINH BÁ THẮNG – 0112446
ĐẶNG BÁC VĂN – 0112454

TÌM HIỂU CÁC KỸ THUẬT
ÁP DỤNG CHO BÀI TOÁN
NHẬN DẠNG KÝ HIỆU NGƯỜI CÂM

KHÓA LUẬN CỬ NHÂN TIN HỌC

GIÁO VIÊN HƯỚNG DẪN
T.S DƯƠNG ANH ĐỨC
Th.S NGUYỄN TRI TUẤN

NIÊN KHÓA 2001 – 2005

LỜI NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………

LỜI NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………

Lời cảm ơn
Chúng em xin chân thành cảm ơn Khoa Công nghệ Thông tin, trường Đại học
Khoa học Tự nhiên TP.HCM đã tạo điều kiện cho chúng em thực hiện đề tài luận văn
tốt nghiệp này.
Chúng em xin gửi lời cảm ơn sâu sắc đến Tiến sĩ Dương Anh Đức, Thạc sĩ
Nguyễn Tri Tuấn và Thạc sĩ Lê Đình Duy đã tận tình hướng dẫn chúng em trong suốt
thời gian thực hiện đề tài. Qua thời gian được các thầy hướng dẫn, chúng em đã biết
cách làm việc khoa học hơn, biết cách “Khi em viết ra một cái gì không phải của em thì
em phải cho người khác biết cái đó là của ai”, cũng như “Khi em nói kết quả em đạt
được là khá tốt thì phải nó rõ tốt là tốt thế nào”.
Chúng em xin chân thành cảm ơn các Thầy Cô trong Khoa đã truyền đạt cho
chúng em những kiến thức quý báu trong những năm học vừa qua, giúp chúng em có
được một nền tảng lý thuyết vững chắc để có thể tiếp tục theo học hay đi tìm việc làm.
Chúng con xin được bày tỏ lòng biết ơn sâu sắc đối với Ông Bà, Cha Mẹ, người
luôn luôn quan tâm chăm sóc cả về mặt vật chất lẫn tinh thần, luôn tạo điều kiện cho
chúng con chuyên tâm học tập và nghiện cứu.
Cuối cùng, xin được nói lời cảm ơn chân thành đến các anh chị và các bạn đã giúp
đỡ, khích lệ cũng như phê bình, góp ý, giúp chúng em hoàn thành công việc một cách
tốt nhất.
Tuy chúng em đã nổ lực hết sức mình và hoàn thành luận văn, nhưng chắc chắn
luận văn vẫn còn nhiều thiếu sót. Chúng em rất mong nhận được sự góp ý, chỉ bảo tận
tình của các Thầy Cô và các bạn để chúng em có thể tiếp tục thực hiện những gì do
chính chúng em viết ra trong mục “hướng phát triển” của khóa luận này.
Thành phố Hồ Chí Minh, Tháng 7/2005
Nhóm SV thực hiện
Đinh Bá Thắng – Đặng Bác Văn

Lời nói đầu

Sự ra đời của máy tính đã giúp ích rất nhiều cho công việc và cuộc sống của con
người. Với máy tính, con người có thể soạn thảo văn bản, nghe nhạc, xem phim, thiết
kế đồ họa, xử lý ảnh, biên tập phim … Tuy nhiên, việc giao tiếp giữa con người và máy
tính phụ thuộc chủ yếu vào bàn phím và chuột, và hầu như con người luôn phải ngồi
trước máy tính. Dần dần, các nhà sản xuất thấy được sự bất tiện và đã tạo ra bàn phím
và chuột không dây với mong muốn mang lại sự tự do hơn cho người dùng. Tuy nhiên,
bàn phím không dây thì vẫn là bàn phím, con người cũng chỉ có thể tương tác với máy
tính thông qua hệ thống 104 phím. Con người chỉ thật sự được “giải phóng” khi việc
tương tác với máy tính được thực hiện thông qua các cử chỉ trong cuộc sống hàng ngày,
tức là máy tính phải “hiểu” được các cử chỉ của con người. Đó chính là vấn đề đặt ra
cho bài toán nhận dạng và phân loại cử chỉ. Cho đến thời điểm hiện nay, dù đã có
nhiều cách tiếp cận khác nhau cho bài toán này, nhưng dường như vẫn chưa có một hệ
thống nhận dạng cử chỉ nào thực sự hiệu quả.

Bên cạnh đó, bài toán nhận dạng mặt người đang đạt được một kết quả rất khả
quan với mô hình Cascade of Boosted Classifiers do Viola và Jones [1] đề nghị. Mô
hình này đạt hiệu quả cao cả về độ chính xác lẫn thời gian nhận dạng. Eng Jon [14] đã
áp dụng mô hình này lên bài toán nhận dạng bàn tay và cũng đạt được kết quả tốt.

Mục tiêu của khóa luận này là thử áp dụng mô hình Cascade of Boosted
Classifiers lên bài toán phân loại cử chỉ với hi vọng nó cũng sẽ đạt được kết quả tốt
như trên bài toán nhận dạng mặt người và nhận dạng bàn tay. Luận văn được trình bày
trong 6 chương với bố cục như sau:
• Chương 1-Mở đầu: Nêu lên tầm quan trọng của bài toán phân loại cử chỉ và
mô tả sơ bộ phạm vi bài toán mà khóa luận này sẽ giải quyết. Đồng thời giới
điểm sơ qua các cách tiếp cận hiện có với các ưu khuyết điểm của chúng và giới
thiệu về mô hình sử dụng trong khóa luận này.

• Chương 2-Giới thiệu bài toán phân loại cử chỉ: Phát biểu cụ thể và mô tả chi
tiết phạm vi bài toán sẽ giải quyết, giải thích tại sao lại chọn mô hình Cascade
of Boosted Classifiers.
• Chương 3-Cơ sở lý thuyết: Trình bày về AdaBoost, Haar Feature, mô hình
Cascade of Classifiers, khái niệm Integral Image, từ đó hình thành nên cấu trúc
Cascade of Boosted Classifiers. Tiếp đó là phần giới thiệu các ứng dụng của mô
hình và một số nhận xét, đánh giá.
• Chương 4-Áp dụng mô hình Cascade of Boosted Classifiers: Trình bày chi
tiết cách áp dụng mô hình cascade lên bài toán phân loại cử chỉ.
• Chương 5-Kết quả thử nghiệm: Giới thiệu về tập huấn luyện, cách thu thập
mẫu, cách tiến hành và kết quả huấn luyện, đồng thời so sánh đối chiếu với kết
quả của người khác.
• Chương 6-Tổng kết: Tóm tắt các kết quả nghiên cứu, những gì đã đạt được,
những gì còn hạn chế và nêu ra hướng phát triển trong tương lai.

1
Mục Lục
Chương 1
Mở đầu ………………………………………………………………………………………….6
Chương 2
Giới thiệu về hệ thống phân loại cử chỉ……………………………………………12
Chương 3
Các cơ sở lý thuyết………………………………………………………………………..15
3.1
Tiếp cận Boosting………………………………………………………………………………..15
3.2
AdaBoost……………………………………………………………………………………………16
3.3
Haar Feature ……………………………………………………………………………………….20
3.4
Cascade of Classifiers ………………………………………………………………………….24
3.5
Cascade of Boosted Classifiers ……………………………………………………………..25
3.6
Đánh giá …………………………………………………………………………………………….26
Chương 4
Phân loại cử chỉ với Cascade of Boosted Classifiers………………………….29
4.1
Bộ nhận dạng 1 cử chỉ………………………………………………………………………….29
4.1.1
Tập huấn luyện……………………………………………………………………………..29
4.1.2
Đặc trưng……………………………………………………………………………………..31
4.1.3
Xây dựng bộ nhận dạng với AdaBoost…………………………………………….32
4.1.4
Cascade of Boosted Classifiers……………………………………………………….36
4.1.5
Hoạt động của bộ nhận dạng cử chỉ…………………………………………………38
4.2
Bộ phân loại cử chỉ………………………………………………………………………………41
Chương 5
Kết quả thử nghiệm……………………………………………………………………….43
5.1
Tập huấn luyện……………………………………………………………………………………43
5.2
Cách tiến hành huấn luyện ……………………………………………………………………47
5.3
Kết quả thử nghiệm ……………………………………………………………………………..49
5.4
So sánh và đánh giá……………………………………………………………………………..53
Chương 6
Tổng kết ………………………………………………………………………………………56
6.1
Kết luận ……………………………………………………………………………………………..56
6.2
Hướng phát triển………………………………………………………………………………….57

2
Phụ lục A: Các thuật ngữ liên quan …………………………………………………………………….59
Phụ lục B: Các chương trình dùng cho huấn luyện ……………………………………………….62
Phụ lục C: Các chương trình tiện ích…………………………………………………………………..66
Tài liệu tham khảo…………………………………………………………………………………………….67

3
Danh sách hình
Hình 1 – Hệ thống 24 cử chỉ…………………………………………………………………………………8
Hình 2 – Bộ phân loại cử chỉ………………………………………………………………………………..8
Hình 3 – Bộ phân loại được tạo thành từ sự kết hợp các bộ nhận dạng…………………….10
Hình 4 – Hệ thống 24 cử chỉ……………………………………………………………………………….13
Hình 5 – Boosting……………………………………………………………………………………………..16
Hình 6 – Strong classifier H(x) xây dựng bằng AdaBoost………………………………………17
Hình 7 – Haar Feature cơ bản……………………………………………………………………………..21
Hình 8 – Haar Feature cho mặt người ………………………………………………………………….21
Hình 9 – SAT(x,y) và cách tính tổng các điểm ảnh trong một hình chữ nhật bất kì……22
Hình 10 – Haar Feature xoay 45º do Lienhart đề nghị……………………………………………23
Hình 11 – RSAT(x,y) và cách tính tổng các điểm ảnh trong một hình chữ nhật xoay 1
góc 45º…………………………………………………………………………………………………………….23
Hình 12 – Cascade of Classifiers…………………………………………………………………………25
Hình 13 – Bộ nhận dạng cử chỉ A ……………………………………………………………………….29
Hình 14 – Các mẫu positive cho bộ nhận dạng chữ A ……………………………………………30
Hình 15 – Các mẫu negative (B, C, D) cho bộ nhận dạng chữ A……………………………..30
Hình 16 – Tập huấn luyện của các weak classifiers………………………………………………31
Hình 17 – Các Haar Feature sử dụng trong bộ nhận dạng 1 cử chỉ…………………………..31
Hình 18 – Cách chọn weak classifier của AdaBoost………………………………………………34
Hình 19 – Chọn ngưỡng θ dựa vào min detection rate……………………………………………35
Hình 20 – Các vùng ảnh không liên quan (nét mảnh) sẽ bị loại ngay từ những stages
đầu tiên……………………………………………………………………………………………………………39
Hình 21 – Khắc phục trường hợp nhiều vùng ảnh kế cận nhau bằng cách lấy vùng ảnh
trung bình ………………………………………………………………………………………………………..39
Hình 22 – Đối với các vùng ảnh lồng nhau, các vùng ảnh bên trong sẽ bị loại bỏ……..40

4
Hình 23 – Các cử chỉ giống nhau trong hệ thống 24 cử chỉ…………………………………….41
Hình 24 – Cấu trúc bộ phân loại cử chỉ……………………………………………………………….42
Hình 25 – Hình chụp bằng Webcam…………………………………………………………………….43
Hình 26 – Hình chụp chữ B………………………………………………………………………………..44
Hình 27 – Tiêu điểm của cử chỉ B……………………………………………………………………….44
Hình 28 – Hình chữ B sau khi cắt………………………………………………………………………..45
Hình 29 – Biểu đồ Hit Rate ………………………………………………………………………………..46
Hình 30 – Biểu đồ False Alarm …………………………………………………………………………..46
Hình 31 – Sự khác biệt giữa bộ nhận dạng huấn luyện trên ảnh background có và không
có các bộ phận cơ thể (bên trái là không và bên phải là có) ……………………………………47
Hình 32 – Kết quả có được khi đưa cử chỉ ‘U’ và ‘F’ vào bộ nhận dạng cử chỉ ‘B’………48
Hình 33 – Các cử chỉ trong tập test thứ nhất …………………………………………………………50
Hình 34 – Các cử chỉ trong tập test thứ hai …………………………………………………………..50
Hình 35 – Biểu đồ thống kê Hit Rate của 24 bộ nhận dạng trên tập test gồm 592 hình 52
Hình 36 – Kết quả thử nghiệm của Viola và Jones ………………………………………………..53
Hình 37 – Hệ thống 8 cử chỉ trong bài toán của Kolsch………………………………………….53
Hình 38 – Biểu đồ so sánh Hit Rate giữa ký hiệu Victory với cử chỉ V ……………………54
Hình 39 – Biểu đồ so sánh Hit Rate giữa ký hiệu LPalm với cử chỉ L ……………………..54
Hình 40 – Vài kết quả test của bộ nhận dạng cử chỉ A (cử chỉ B là một trường hợp false
alarm) ……………………………………………………………………………………………………………..55

5
Danh sách bảng
Bảng 1 – Kết quả huấn luyện với 3 kích thước của mẫu positive …………………………….45
Bảng 2 – Kết quả huấn luyện qua 3 lớp của bộ nhận dạng cử chỉ B…………………………49
Bảng 3 – Kết quả thu được của bộ nhận dạng cử chỉ A trên 2 tập test………………………50
Bảng 4 – Kết quả thử nghiệm của 24 bộ nhận dạng trên tập test gồm 592 hình…………52

Chương 1. Mở đầu
6

Chương 1
Mở đầu
Mặc dù nền công nghệ thông tin vẫn phát triển liên tục với tốc độ vũ bão nhưng
chúng ta vẫn còn một chặng đường rất dài để có thể giao tiếp một cách hoàn toàn tự
nhiên với máy tính như giao tiếp giữa con người với nhau. Cách giao tiếp tự nhiên nhất
với máy tính chính là dùng giao tiếp thông qua tiếng nói và cử chỉ. Trong khi lĩnh vực
nhận dạng tiếng nói đã đạt được những thành công đáng kể trong vòng 10 năm gần đây
thì lĩnh vực nhận dạng cử chỉ vẫn còn tụt lại phía sau. Tuy nhiên, ngôn ngữ cử chỉ lại
chính là ngôn ngữ chuyển tải thông tin giữa người và người một cách trọn vẹn nhất.
Nếu giả sử chúng ta phát triển được một hệ thống nhận dạng tiếng nói kết hợp với nhận
dạng cử chỉ thì chúng ta hoàn toàn có thể thay thế chuột hay bàn phím bằng một hệ
thống sử dụng ngôn ngữ tự nhiên điều khiển máy tính thông qua bộ giao tiếp bằng lệnh
dựa trên cử chỉ và giọng nói.
Trong cuộc sống hàng ngày, nhận dạng cử chỉ có thể giúp cho việc giao tiếp giữa
người bình thường với người khiếm thính dễ dàng hơn, vì máy tính sẽ giúp người bình
thường không cần hiểu hệ thống kí hiệu của người khiếm thính, một ngôn ngữ không
phải dễ học. Trong công nghiệp và sản xuất, chỉ cần trang bị cho các robot hệ thống
camera, việc điều khiển robot sẽ trở nên đơn giản hơn bao giờ hết. Trong lĩnh vực đồ
họa 3 chiều, ta có thể dùng một số động tác yêu cầu máy tính xoay mô hình theo ý
muốn của mình.Trong công việc văn phòng, nhận dạng cử chỉ giúp ta có thể yêu cầu
máy tính thực thi một chương trình, mở một bài hát, gởi một lá thư … chỉ với một vài
cử chỉ ra hiệu từ xa. Trong lĩnh vực giải trí, các trò chơi thực tế ảo (Virtual Reallity) –
các trò chơi mà người chơi điều khiển hành động nhân vật bằng chính hành động của
mình – luôn có sức cuốn hút đặc biệt với người chơi.

Chương 1. Mở đầu
7
Cùng với nhận dạng âm thanh, tiếng nói và xử lý ngôn ngữ, nhận dạng cử chỉ
giúp máy tính thực sự trở nên “người” hơn – điều mà các nhà khoa học đang miệt mài
nghiên cứu với hi vọng sẽ đạt được trong một tương lai không xa.
Tuy nhiên, chính các ứng dụng to lớn trên khiến cho bài toán thực sự là một thách
thức. Để có thể được đưa vào sử dụng, một hệ thống trước hết phải hiểu đúng các cử
chỉ của con người, tức là nó phải nhận dạng được chính xác các cử chỉ đó. Một hệ
thống xoay mô hình không đúng với ý của chuyên viên đồ họa, hay một con robot
chuyên làm sai chỉ thị thì khó có thể được chấp nhận.
Bên cạnh đó, để có thể tương tác với người dùng, hệ thống nhận dạng xây dựng
phải là hệ thống thời gian thực, phải xử lý nhanh. Một chuyên viên đồ họa sẽ không
chấp nhận một hệ thống cần đến 30 giây để xoay mô hình của họ. Một con robot sẽ
không được chấp nhận nếu nó cần đến 20 giây để hiểu ra rằng nó phải làm một việc gì
đó ngay lập tức. Hay như trong một cuộc giao tiếp, nếu một hệ thống phải mất đến 10
giây cho mỗi cử chỉ mà người khiếm thính ra dấu thì nó cũng không thể được chấp
nhận.
Bài toán nhận dạng cử chỉ có thể chia làm 2 loại chính: nhận dạng cử chỉ tĩnh và
nhận dạng cử chỉ động. Cử chỉ tĩnh là các cử chỉ ứng với một tư thế cố định của một
bàn tay, còn cử chỉ động là chuyển động theo một quỹ đạo nhất định của một hay hai
bàn tay. Nhận dạng cử chỉ động bao hàm cả nhận dạng cử chỉ tĩnh và một số xử lý trên
chuyển động nên hết sức phức tạp. Khóa luận này chỉ tập trung vào bài toán nhận dạng
cử chỉ tĩnh.
Hệ thống phân loại cử chỉ xây dựng trong khóa luận này là một hệ thống có khả
năng nhận dạng và phân loại 24 cử chỉ ứng với 24 kí tự trong bảng chữ cái (trừ chữ J
và Z do đòi hỏi chuyển động của bàn tay)

Chương 1. Mở đầu
8

Hình 1 – Hệ thống 24 cử chỉ

Hình 2 – Bộ phân loại cử chỉ
Bộ phân loại có thể được ứng dụng để xây dựng hệ thống hoạt động dựa trên 1 webcam
dùng để theo dõi chuyển động của bàn tay. Khi người dùng ra dấu với 1 cử chỉ, hệ
thống sẽ rút trích một khung hình chính trong số các khung hình mô tả toàn bộ quá
trình ra dấu của nguời dùng được webcam ghi lại và đưa nó vào bộ phân loại cử chỉ.
Bộ phân loại sẽ cho kết quả phân loại là nó thuộc về cử chỉ nào hay nó không nằm
trong hệ thống 24 cử chỉ. Từ đó có thể phát triển thêm để hệ thống thực hiện một số
chức năng cụ thể khi nhận được các cử chỉ tương ứng từ người dùng.
Bài toán đặt ra 2 khó khăn lớn: nhận dạng không những phải chính xác mà còn
phải nhanh bởi vì hệ thống hoạt động theo thời gian thực. Yêu cầu về tính chính xác
cũng là khó khăn của bất cứ một bài toán nhận dạng nào. Riêng đối với bài toán phân

Chương 1. Mở đầu
9
loại cử chỉ thì việc phân loại chính xác lại càng khó khăn hơn bởi vì trong số 24 cử chỉ,
có rất nhiều cử chỉ giống nhau (chẳng hạn như A, E, S và T).
Để có thể đạt độ chính xác cao, trước hết hệ thống phải có các đặc trưng (feature)
tốt. Hệ thống phải biết chọn đặc trưng như thế nào để có thể biểu diễn tốt được thông
tin đối tượng cần nhận dạng. Đồng thời, đặc trưng phải được tính toán nhanh, để không
làm chậm công việc nhận dạng. Thêm vào đó, hệ thống phải có phương pháp học hiệu
quả, có khả năng nhận dạng tốt các mẫu mới chứ không chỉ làm tốt trên các mẫu đã
học (vấn đề về generalization).
Để có thể đạt được các mục tiêu trên, đã có nhiều cách tiếp cận được đưa ra.
Freeman sử dụng đặc trưng Orientation Histogram [15] với thời gian tính toán nhanh,
nhưng lại đòi hỏi mẫu nhận dạng phải là mẫu chụp cận cảnh của bàn tay. Đồng thời
cách này không áp dụng được khi hệ thống có các cử chỉ tương tự nhau, vì các cử chỉ
tương tự nhau cho Orientation Histogram giống nhau.
Bowden và Sarhadi [16] sử dụng mô hình nonlinear PDM (nonlinear point
distribution model) để biểu diễn được nhiều thông tin về bàn tay. Nhưng việc huấn
luyện bằng PDM nói chung khó đạt được sự vững chắc.
Ngoài ra, còn có cách tiếp cận dựa trên màu sắc của da trên bàn tay [17] bởi vì
màu da tương đối thuần nhất. Đây cũng không phải một cách tiếp cận tốt vì các bộ
nhận dạng xây dựng trên đặc trưng là màu da rất nhạy cảm với ánh sáng, và hệ thống
sẽ nhận dạng sai khi mẫu đưa vào có chứa các đối tượng khác có màu giống với màu
da..
Nhìn chung, trong các cách tiếp cận trên đều có chung một hạn chế là không thể
đạt được sự cân đối giữa khả năng nhận dạng và thời gian xử lý. Trong khi đó, hiện có
một mô hình đang đạt được sự cân đối giữa 2 mặt này và hiện đang được Viola và
Jones áp dụng rất thành công trong lĩnh vực nhận dạng mặt người: mô hình Cascade of
Boosted Classifiers với đặc trưng sử dụng là Haar Feature [1] (mô hình cascade này
do chính Viola và Jones đề nghị).

Chương 1. Mở đầu
10
Cascade of Boosted Classifiers là một cấu trúc cây mà ở mỗi tầng là một classifier
(bộ phân loại). Classifier này được xây dựng bằng thuật toán AdaBoost trên nguyên tắc
sự kết hợp của nhiều weak classifiers (các bộ phân loại đơn giản chỉ cần có độ chính
xác trên 50%) sẽ tạo ra một strong classifier (bộ phân loại có độ chính xác cao). Đặc
trưng sử dụng là Haar Feature, là một tập các hình chữ nhật thể hiện mối liên hệ giữa
các vùng ảnh với nhau (mô hình này sẽ được trình bày chi tiết trong chương 3). Bên
cạnh đó, mô hình này cũng đã được Eng Jon áp dụng lên bài toán nhận dạng bàn tay
[14] với kết quả khả quan.
Bài toán phân loại cử chỉ khá giống với bài toán nhận dạng bàn tay của Eng Jon.
Một bộ phân loại cử chỉ có thể được xây dựng từ nhiều bộ nhận dạng cử chỉ, trong đó,
mỗi bộ nhận dạng ứng với 1 cử chỉ cụ thể.

Hình 3 – Bộ phân loại được tạo thành từ sự kết hợp các bộ nhận dạng
Khóa luận này xây dựng các bộ nhận dạng cho từng cử chỉ theo mô hình Cascade
of Boosted Classfiers và dựa theo bộ nhận dạng cho từng nhóm bàn tay của Eng Jon
[14]. Do vấn đề của bài toán nhận dạng bàn tay, các bàn tay có thể ở nhiều tư thế khác
nhau, Eng Jon đã sử dụng thuật toán K-mediod để tiến hành phân cụm cho tập huấn
luyện và mỗi cụm như vậy sẽ được xây dựng một bộ nhận dạng cho nó. Còn đối với
từng bộ phân loại cử chỉ, khóa luận này giới hạn bàn tay phải ở tư thế cố định và phải
được chụp chính diện, do đó sẽ không cần đến thuật toán K-mediod.

Chương 1. Mở đầu
11
Sau khi xây dựng được các bộ nhận dạng cho từng cử chỉ, bộ phân loại cử chỉ sẽ được
xây dựng từ các bộ nhận dạng này. Tuy nhiên, chúng sẽ không được kết hợp một cách
tuần tự như trong hình 3 mà bản thân các cử chỉ cũng được phân thành nhóm do sự
giống nhau giữa một số cử chỉ trong hệ thống 24 cử chỉ. Sự giống nhau này sẽ được
xác định thông qua kết quả của quá trình thử nghiệm.
Các phần tiếp theo của luận văn sẽ lần lượt trình bày các vấn đề liên quan.
Chương 2 giới thiệu cặn kẽ hơn về bài toán, các vấn đề đặt ra, các cách tiếp cận và lý
do tại sao chọn mô hình cascade. Chương 3 trình bày cơ sở lý thuyết của cách tiếp cận
cascade, thuật toán AdaBoost và Haar Feature cùng với các ứng dụng thành công của
chúng. Chương 4 là phần áp dụng mô hình lên bài toán phân loại cử chỉ, bao gồm cách
huấn luyện , hệ thống các Haar Features sử dụng cùng với cấu trúc cây cascade và
cách kết hợp các bộ nhận dạng cử chỉ để hình thành bộ phân loại. Chương 5 là kết quả
thử nghiệm và chương 6 là các đánh giá và hướng phát triển của luận văn.

Chương 2. Giới thiệu về hệ thống phân loại cử chỉ
12
Chương 2
Giới thiệu về hệ thống phân loại cử chỉ
Như đã trình bày ở phần trên, những ứng dụng to lớn của bài toán phân loại cử chỉ
mang lại nhiều khó khăn không nhỏ, việc giải quyết nó đòi hòi kiến thức cả về nhận
dạng lẫn máy học. Trong đó, 2 mục tiêu lớn sau cùng chính là độ chính xác và tốc độ.
Hệ thống nhận dạng phải có được các đặc trưng tốt, chứa đựng được nhiều thông tin về
đối tượng. Đối với các cử chỉ, tuy có thể sử dụng các đặc trưng về hình học như chiều
của ngón tay hay đường bao, nhưng các đặc trưng này không phải lúc nào cũng rõ ràng
và đủ tin cậy để phân biệt bàn tay với các đối tượng xung quanh, đặc biệt là dưới các
điều kiện chiếu sáng khác nhau.
Đã có nhiều cách tiếp cận giải quyết vấn đề này. Freeman đã sử dụng đặc trưng
Orientation Histogram [15] để nhận dạng cử chỉ. Orientation Histogram có ưu điểm là
có thể tính toán nhanh và Freeman đã xây dựng được một hệ thống nhận dạng cử thời
gian thực dựa trên đặc trưng này. Đồng thời, đặc trưng này giúp cho hệ thống hoạt
động hiệu quả ở môi trường điều kiện chiếu sáng khác nhau vì Orientation Histogram
tương đối độc lập với điều kiện chiếu sáng. Tuy nhiên, Orientation Histogram chỉ áp
dụng được trên tập các cử chỉ hoàn toàn khác nhau, vì các cử chỉ giống nhau cũng sẽ
cho Orientation Histogram tương tự nhau. Đồng thời, khi tiến hành nhận dạng, bàn tay
phải chiếm gần trọn mẫu đưa vào, nếu mẫu đưa vào là một không gian lớn trong đó
chứa bàn tay (kích thước nhỏ) thì histogram lấy được sẽ không phải đặc trưng của bàn
tay, dẫn đến kết quả phân loại sai. Bowden và Sarhadi [16] thì sử dụng mô hình
nonlinear PDM để biểu diễn được nhiều thông tin về bàn tay. Nhưng việc huấn luyện
bằng PDM nói chung khó đảm bảo được tỉ lệ nhận dạng cao và không đủ tính tổng quát.
Nolker và Nitter [18] sử dụng Local Linear Mapping (LLN) Neural Network để ánh xạ
hình chụp 2 chiều về tọa độ 3 chiều theo Parametric Self-Organizing Map (PSOM). Từ
đó lưu được nhiều thông tin về bàn tay, giúp có thể nhận dạng cử chỉ từ nhiều góc độ

Chương 2. Giới thiệu về hệ thống phân loại cử chỉ
13
khác nhau. Dù vậy, hệ thống này lại không đạt được hiêu quả về mặt thời gian. Nhìn
chung các cách tiếp cận này không đạt được sự cân đối giữa 2 mục tiêu đề ra ban đầu.
Mục tiêu của khóa luận này là xây dựng được một hệ thống có khả năng phân loại
nhanh và chính xác hệ thống 24 cử chỉ:

Hình 4 – Hệ thống 24 cử chỉ
Hệ thống phân loại gồm 3 phần chính:
1. Module huấn luyện: xây dựng bộ nhận dạng cho từng cử chỉ (Sign Detector). Bộ
nhận dạng này được tổ chức theo cấu trúc Cascade of Boosted Classfiers, một
cascade tree mà mỗi tầng là một strong classifier được xây dựng bằng Gentle
AdaBoost [4] – một biến thể của thuật toán AdaBoost. Mỗi classifier này là một
chuỗi các weak classifiers – các classifier đơn giản chỉ cần có độ chính xác trên
50% – mỗi weak classifier sẽ gồm 1 haar feature và 1 ngưỡng để phân loại. Kết
quả trả ra của module này là các tập tin dữ liệu ứng với cấu trúc cascade tree tạo
thành.
2. Module nhận dạng cử chỉ: tạo lại cascade tree từ tập tin của bộ nhận dạng đã
xây dựng để tiến hành nhận dạng. Ví dụ sử dụng tập tin của bộ nhận dạng cử chỉ
A thì ta sẽ được A-Detector, việc nhận dạng sẽ là nhận dạng một vùng ảnh có
phải cử chỉ A hay không. Module này nhận vào một ảnh, trích ra tất cả các vùng
ảnh với vị trí và kích thước khác nhau, đưa chúng vào cascade tree và trả ra các

Chương 2. Giới thiệu về hệ thống phân loại cử chỉ
14
hình chữ nhật ứng với các vùng ảnh được bộ nhận dạng đánh giá là cử chỉ. Việc
nhận dạng ở khâu này được áp dụng thêm một số phương pháp heuristic nhằm
tăng detection rate và giảm false alarm cho hệ thống.
3. Bộ phân loại cử chỉ: kết hợp các bộ nhận dạng cử chỉ để thực hiện phân loại. Bộ
phân loại sẽ nhận vào một ảnh và cho biết trong ảnh đó có chứa những cử chỉ
nào (cho biết vị trí của vùng ảnh tương ứng với các cử chỉ).
Lý do mà khóa luận này chọn Cascaded of Boosted Classifiers với Haar Feature là:
1. Haar Feature [2] phản ánh được tốt thông tin về đối tượng, đồng thời có thể
tính toán nhanh nhờ khái niệm Integral Image [1] do Viola đưa ra.
2. AdaBoost chạy nhanh và giúp nâng cao tỉ lệ nhận dạng.
3. Cấu trúc cascade cho phép loại nhanh các mẫu background đơn giản ngay từ
những stages đầu tiên, giúp rút ngắn thời gian nhận dạng, đồng thời đáp ứng tốt
nhất với độ phức tạp gia tăng của các mẫu cần nhận dạng, loại nhanh các mẫu
background có độ phức tạp thấp bằng các bộ phân loại đơn giản trước khi gọi
đến các bộ phân loại phức tạp giúp giảm thiểu false alarm..
Tính hiệu quả của mô hình này đã được thực tế chứng minh thông qua thành công của
Viola & Jones và Eng Jon. Ngoài ra, Mathias Kolsch và Matthew Turk [6,7] đã áp
dụng kết hợp AdaBoost với biến đổi Fourier lên bài toán nhận dạng cử chỉ tĩnh, tuy chỉ
tiến hành thử nghiệm trên tập cử chỉ hạn chế (chỉ có 8 cử chỉ) nhưng đã đạt được kết
quả đáng khích lệ: detection rate đạt 95% với false alarm là 10-4.
Trong chương tiếp theo, chúng ta sẽ tìm hiểu cụ thể về AdaBoost, Haar Feature
và mô hình Cascade of Classifiers, từ đó tìm hiểu về Cascade of Boosted Classifiers.

Chương 3. Các cơ sở lý thuyết
15
Chương 3
Các cơ sở lý thuyết
3.1 Tiếp cận Boosting
Boosting là kỹ thuật dùng để tăng độ chính xác cho các thuật toán học (Learning
algorithm). Nguyên lý cơ bản của nó là kết hợp các weak classifiers thành một strong
classifier. Trong đó, weak classifier là các bộ phân loại đơn giản chỉ cần có độ chính
xác trên 50%. Bằng cách này, chúng ta nói bộ phân loại đã được “boost”.
Xét một bài toán phân loại 2 lớp (mẫu cần nhận dạng sẽ được phân vào 1 trong 2 lớp)
với D là tập huấn luyện gồm có n mẫu. Trước tiên, chúng ta sẽ chọn ngẫu nhiên ra n1
mẫu từ tập D (n1

Đánh giá post

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *