Đang tải... (xem toàn văn)
Phát hiện khuôn mặt là một vấn đề cơ bản trong ngành học quan sát bằng máy tính
1 TĨM TẮT Phát hiện khn mặt là một vấn đề cơ bản trong ngành học quan sát bằng máy tính. Là một trong những giai đoạn của hệ thống nhận dạng mặt người cùng với nhiều ứng dụng rộng rãi và phổ biến khác như chỉ số hóa nội dung trong ảnh, hệ thống giám sát, hội thảo truyền hình…, phát hiện khn mặt đã và đang dành được sự quan tâm nghiên cứu của nhiều người trong suốt hai thập kỷ qua. Tuy nhiên, với những thách thức rất lớn gây ra do tính biến động của mơi trường cũng như tính biến đổi cao của khn mặt, phát hiện mặt người vẫn đang là một trong những vấn đề mở đối với các nhà nghiên cứu. Và cho đến nay vẫn chưa có một phương pháp nào thực sự giải quyết hết các thách thức của phát hiện khn mặt. Nhiều cải tiến, nhiều đề xuất đã được đưa ra nhằm cải thiện chất lượng phát hiện khn mặt. Và một trong những cải tiến đó là dựa trên những đặc điểm bất biến hoặc có sự biến động có thể phân vùng được của khn mặt mà màu da của con người chính là một trong những đặc điểm đó. Xuất phát từ ý tưởng kết hợp giữa màu da và một phương pháp phát hiện khn mặt hiệu quả, đồ án đã tập trung xây dựng một hệ thống kết hợp giữa hệ thống phát hiện khn mặt dựa trên mạng neural và phương pháp phân vùng màu da dựa trên mơ hình màu da có tham số sử dụng phân phố Gaussian. Hệ thống phát hiện được xây dựng về cơ bản có ngun tắc hoạt động theo mơ hình mạng neural kinh điển. Đó là mơ hình mạng neural Perceptron đa lớp, sử dụng thuật tốn lan truyền nguợc và phương pháp giảm gradient để học mạng. Về cơ bản kiến trúc mạng neural xây dựng khơng có gì thay đổi, tuy nhiên, ở đây chúng ta sẽ cải tiến kiến trúc một điểm với việc sử dụng thêm mơ hình xác suất dựa trên lý thuyết Bayes để có thể có sự mềm dẻo hơn trong việc đánh giá kết quả cuối cùng của mạng. Ngồi ra, đồ án cũng nêu ra một chiến thuật huấn luyện hợp lý, cho phép huấn luyện nhanh mà vẫn đảm bảo được tính THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 2 tổng qt và hiệu quả của mạng. Đó là chiến thuật huấn luyện mạng chủ động có học. Phương pháp phân vùng màu da được kết hợp vào hệ thống như là một giới hạn cho phép giảm khơng gian tìm kiếm, tức là khn mặt sẽ chỉ được tìm kiếm trên các vùng màu da. Việc phân vùng này đã giúp cho thời gian phát hiện của hệ thống cải thiện đáng kể, hơn nữa nó còn giúp cho hệ thống hoạt động hiệu quả hơn. Để giúp cho kết quả phát hiện được rõ ràng và chất lượng, đồ án cũng đã nêu ra các heuristic cụ thể phù hợp cho hệ thống, Những heursitic này dựa trên kết quả thực tế cũng như thống kê của q trình huấn luyện và kiểm thử hệ thống. Đồ án với tên gọi là “Hệ thống phát hiện khn mặt dựa trên mạng neural và phương pháp vân vùng màu da” được bộ cục làm năm mục chính. Chương I: Giới thiêu – Là chương giới thiệu, bao gồm ba phần nhỏ. Phần đầu là tổng quan các hướng tiếp cận, các phương pháp phát hiện mặt người đã được để xuất. Phần hai là tổng quan các phương pháp phân vùng màu da dựa trên tính chất điểm ảnh. Qua phần này với những đánh giá các phương pháp sẽ giúp chúng ta chọn được phương pháp phân vùng phù hợp cho hệ thống. Phần ba sẽ là cơ sở lý thuyết cơ bản nhất về mạng neural MPL và thuật tốn lan truyền ngược. Đây là kiến trúc mạng và thuật tốn sẽ được sử dụng cho hệ thống mạng neural của đồ án. Chương II: Tổng thể hoạt động của hệ thống và vấn đề chuẩn bị cơ sở dữ liệu – Đây là chương miêu tả mơ hình thuật tốn hoạt động tổng thể nhất của hệ thống sẽ được xây dựng. Đồng thời sẽ đề cập vấn đề chuẩn bị và tiền xử lý cho các tập cơ sở dữ liệu đựoc dùng để huấn luyện mạng neural cũng như luyện tập phân vùng màu da. Đây là một trong những cơng việc quan trọng quyết định đến chất lượng của hệ thống. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 3 Chương III: Phát hiện khn mặt dựa trên mạng neural và phương pháp phân vùng màu da – Đây là chương quan trọng nhất của đồ án. Nó sẽ miêu tả đầy đủ kiến trúc hệ thống được xây dựng. Thuật tốn và phương pháp huấn luyện mạng neural. Thuật tốn và phương pháp huấn luyện phân vùng màu da. Và sẽ đề xuất ra những heuristic giúp cải thiện chất lượng phát hiện và thời gian chạy của hệ thống. Chương IV: Phân tích thiết kế và cài đặt chương trình Chưong V: Khảo sát thực nghiệm và đánh giá chương trình – Đây là chương sẽ miêu tả kết quả việc kiểm thử chương trình dựa trên bộ test chuẩn và bộ test tự tạo. Đồng thời sẽ có những đánh giá và nhận xét về kết quả của chương trình. Kết luận và hướng phát triển Trong phạm vi bài đồ án, với việc hệ thống được xây dựng trên một mạng neural đơn lẻ, vì vậy em đã tiến hành huấn luyện cho mạng nhận biết những khn mặt với tư thể nhìn thẳng (frontal), có độ nghiêng và góc quay khơng đáng kể. Các khn mặt có thể có nhiều trạng thái khác nhau. Các ảnh được dùng để kiểm thử bao gồm cả ảnh chân dung và ảnh tập thể. Ảnh khơng và có nhiễu (tự thêm) để kiểm tra thêm về tính hiệu quả của hệ thống. Các ảnh được kiểm thử có kích thước bao gồm 240 x 180, 320 x 240, 480 x 360 điểm ảnh. Với bộ test bao gồm 300 ảnh chân dung kích thước 320 x 240; 320 ảnh này đựoc thêm nhiễu, 320 ảnh này được thu nhỏ lại kích thước 240 x 180 để kiểm tra hệ thống có thể phát hiện các khn mặt có kích thước khác nhau, 320 ảnh này được thêm nhiễu. Ngồi tập ảnh chân dung chuẩn ra, chương trình còn test với 100 ảnh tập thể tự tạo với nhiều mục đích khác nhau. 100 ảnh này cũng được thêm nhiễu để tiến hành kiểm thử. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 4 CHƯƠNG I: GIỚI THIỆU 1. Tổng quan về các phương pháp phát hiện mặt người 1.1 Phát hiện mặt người và ứng dụng Nhận biết đối tượng nói chung và nhận biết mặt người nói riêng là bài tốn cơ bản và quan trọng trong lĩnh vực quan sát bằng máy tính. Nhận biết mặt nguời thu hút sự tập trung nghiên cứu của nhiều nhà nghiên cứu trong suốt nhiều thập kỷ qua. Tuy nhiên vẫn chưa có một hướng tiếp cận nào thực sự trọn vẹn mang lại hiệu quả và giải quyết hết các thách thức và tình huống trong vấn đề phát hiện mặt người, ngun nhân là do tính biến đổi cao của khn mặt con người. Chính vì vậy, đây vẫn là vấn đề mở và tiếp tục thu hút sự nghiên cứu sâu hơn với các kỹ thuật mới được đề xuất. Các kỹ thuật đã được áp dụng có thể chia thành một trong hai tiếp cận: so sánh sự phù hợp với các mơ hình hình học hai, ba chiều vào ảnh, hay phương pháp so sánh sự phù hợp các mơ hình khung nhìn vào ảnh có chứa khn mặt cần nhận biết. Các nghiên cứu trước đây cho thấy rằng các hương pháp dựa trên khung nhìn có thể nhận biết các khn mặt thẳng trong nền phức tạp một cách hiệu quả. Với mục đích tận dụng những ưu điểm của các kỹ thuật đã đuợc đề xuất, kết hợp chúng lại để có thể xây dựng đuợc một hệ thống phát hiện mặt người một cách hiệu quả. Đồ án đã tập trung vào vấn đề phát hiện mặt người trong ảnh màu tĩnh, nhằm kết hợp những đặc trưng của mặt người trong ảnh màu cụ thể là sử dụng kỹ thuật phân vùng màu da người trong ảnh màu kết hợp với hướng tiếp cận dựa trên khung nhìn với mục đích sử dụng mạng neural nhân tạo - một phương pháp tuy kinh điển nhưng vẫn rất mở và chứa đựng nhiều ưu điểm trong vấn đề nhận dạng, để xây dựng hệ thống phát hiện mặt người. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 5 Kỹ thuật phân vùng da nguời trong ảnh màu được áp dụng trong hệ thống nhận biết mặt người với mục đích cuối cùng là giảm khơng gian tìm kiếm mặt người trong ảnh, giúp cho hiệu năng hoạt động của hệ thống được nâng cao hơn. Còn ưu điểm nổi bật của mạng neural nhân tạo nói riêng và phướng tiếp cận dựa trên máy học nói chung trong việc phát hiện mặt nguời đó là có thể miêu tả và phát hiện khn mặt trong nhiều tình huống khác nhau. Những tình huống gặp phải khi phát hiện khn mặt bao gồm: Tư thế của khn măt (Pose): Khn mặt là nghìn thẳng (frontal), nghiêng một phần (partial profile) hay nghiêng hồn tồn (full profile). Khn mặt hướng thẳng đứng (upright) hay là khn mặt xoay một góc nào đó (rotate) Nội dung khn mặt: Khn mặt chứa đầy đủ các đặc trưng như mắt, mũi, miệng, tai hay thiếu một vài đặc trưng nào đó. Trạng thái của khn mặt: Đó chính là trạng thái tình cảm của khn mặt như cuời, khóc, tức giận… Đây là những tình huống mà các hướng tiệp cận khác phải mất nhiều cơng sức và phức tạp để có thể miêu tả được. Nhưng với mạng neural, thơng qua tập mẫu và q trình huấn luyện mạng hiệu quả, kết quả mang lại là có thể rất khả quan. Ứng dụng Cơng nghệ nhận biết mặt người có sự ứng dụng rộng rãi trong thực tế. Trong nhận dạng sinh trắc học, trong hội thảo truyền hình, trong chỉ số hố ảnh và cơ sở dữ liệu video, trong tương tác người máy. Nhận biết mặt người là giai đoạn đầu trong hệ thống nhận dạng mặt người. Hai bài tốn nhận biết và nhận dạng đối tượng có liên quan mật thiết. Hệ thống nhận dạng đối tượng có thể xây dựng mà khơng có tập bộ nhận biết đối tượng, mỗi bộ nhận biết phát hiện một đối tượng quan tâm. Tương tự, bộ nhận THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 6 biết đối tượng có thể được xây dựng mà khơng có hệ thống nhận dạng đối tượng; bộ nhận dạng đối tượng này cần phân biệt đối tượng mong muốn với mọi đối tượng khác có thể xuất hiện hay là lớp đối tượng chưa biết. Do đó hai bài tốn là như nhau, dù trong thực hành hầu hết các hệ thống nhận dạng đối tượng ít khi giải quyết nền tuỳ ý, và các hệ thống nhận biết đối tượng ít khi được huấn luyện trên đủ loại đối tượng để xây dựng hệ thống nhận dạng. Điểm chú trọng khác nhau của các bài tốn này dẫn đến các trình bày và thuật tốn khác nhau. Thơng thường, các hệ thống nhận dạng khn mặt làm việc bằng cách trước hết áp dụng bộ nhận biết khn mặt để định vị khn mặt, sau đó áp dụng thuật tốn nhận dạng để nhận diện khn mặt. 1.2 Các thách thức trong vấn đề phát hiện mặt người Việc nhận biết đối tượng là bài tốn xác định cửa sổ con của ảnh có thuộc về tập các ảnh của đối tượng quan tâm hay khơng. Do đó, đường biên quyết định của tập ảnh đối tượng phức tạp sẽ làm tăng độ khó của bài tốn và có thể tăng số lỗi nhận biết. Giả sử ta muốn phát hiện khn mặt nghiêng trong mặt phẳng ảnh, ngồi các khn mặt thẳng. Việc thêm các khn mặt nghiêng vào tập các ảnh ta muốn nhận biết làm tăng độ biến thiên của tập, và có thể làm tăng độ phức tạp của đường biên quyết định của tập ảnh. Độ phức tạp này làm bài tốn nhận biết khó hơn. Việc thêm ảnh mới vào tập ảnh đối tượng có thể làm đường biên quyết định đơn giản hơn và dễ học hơn. Có thể tưởng tượng điều này là đường biên quyết định được làm trơn bằng việc thêm các ảnh vào tập. Có nhiều nguồn biến đổi trong bài tốn nhận biết đối tượng, và cụ thể trong bài tốn nhận biết khn mặt. Có các nguồn biến đổi sau [6]: Biến đổi trong mặt phẳng ảnh: loại biến đổi ảnh khn mặt đơn giản nhất có thể được biểu diễn độc lập với khn mặt, bằng cách quay, dịch chuyển, biến đổi tỷ lệ và lấy đối xứng ảnh. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 7 Biến đổi độ sáng và ngữ cảnh: biến đổi do đối tượng và mơi trường gây ra, cụ thể các thuộc tính bề mặt của đối tượng và các nguồn sáng. Các thay đổi về nguồn sáng nói riêng có thể biến đổi hồn tồn vẻ bề ngồi của khn mặt. Biến đổi nền: Nhiều nhà nghiên cứu cho răng với kỹ thuật nhận dạng mẫu hiện nay, tiếp cận dựa trên khung nhìn để nhận biết đối tượng chỉ thích hợp cho các đối tượng có “đường biên ảnh có thể dự đốn được”. Khi đối tượng có hình dáng dự đốn được, ta có thể trích ra window chỉ chứa các pixel bên trong đối tượng, và bỏ qua nền. Biến đổi hình dáng: với khn mặt, loại biến đổi này bao gồm biểu lộ tình cảm khn mặt, miệng và mắt mở hay đóng, và hình dáng khn mặt của từng người. 1.3 Các vấn đề liên quan đến phát hiện mặt người Bên cạnh vấn đề phát hiện mặt người, có nhiều vấn đề khác có quan hệ mật thiết với phát hiện mặt người mà nhiều khi gây ra nhầm lẫn nếu khơng được tìm hiểu một cách kỹ càng. Những vấn đề đó bao gồm [7] Định vị khn mặt hay xác định vị trí khn mặt: Đây là vấn đề rất gần với vấn đề phát hiện mặt người. Nếu như phát hiện mặt người trong ảnh là phải trả lời các câu hỏi có tồn tại khn mặt trong ảnh hay khơng ? Nếu tồn tại thì tồn tại bao nhiêu khn mặt? Vị trí của khn mặt ở đâu ? Thì vấn đề định vị mặt người chỉ trả lời cho câu hỏi vị trí mặt người ở đâu trong một ảnh đã biết trước là có một mặt người . Như vậy có thể thấy, định vị khn mặt là một phần cơng việc của phát hiện mặt người. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 8 Phát hiện các đặc trưng của khn mặt: Đây là vấn đề cũng rất gần với vấn đề định vị khn mặt. Nó cũng giả thiết rằng chỉ có một khn mặt trong ảnh. Và việc phát hiện đặc trưng khn mặt là tìm ra vị trí của các đặc trưng như đơi mắt, mũi, miệng, mơi, tai… Bám sát khn mặt: Mục đích của vấn đề này là ước lượng liên tục sự thay đổi về vị trí và huớng của khn mặt trong một chuỗi ảnh thời gian thực. Nhận biết trạng thái khn mặt: Mục tiêu của vấn đề này là nhận biết trạng thái của khn mặt con người (hạnh phúc, tức giận, đau khổ…). Đây là vấn đề rất khó và thú vị vì trạng thái khn mặt của từng người có thể là rất khác nhau trong cùng một trạng thái tâm lý. Nhận dạng khn mặt: Trong vấn đề này, chúng ta phải đối sánh khn mặt cần nhận dạng với các khn mặt có sẵn trong thư viện và tìm ra nhưng thơng tin cần thiết về khn mặt cần nhận dạng nếu nó có đăc trưng tương đồng với khn mặt nào đó trong thư viện. Thẩm tra và xác minh khn mặt: Đây là vấn đề nằm trong vấn đề nhận dạng khn mặt. Thơng thường sau khi nhận dạng khn mặt, người ta phải tiến hành một giai đoạn nữa gọi là thẩm tra và xác minh tính đúng đắn của khn mặt được nhận dạng. Nó cho phép tăng sự đúng đắn của vấn đề nhận dạng khn mặt. Trong những vấn đề nêu trên, có thể thấy nhận biết khn mặt và nhận dạng khn mặt là hai vấn đề cơ bản và có thể chứa đựng các vấn đề còn lại. Và thơng thường, nhận biết khn mặt sẽ là giai đoạn đầu của hệ thống nhận dạng khn mặt. Sự khác nhau cơ bản giữa phát hiện khn mặt với nhận dạng khn mặt đó là: Nếu như nhận dạng khn mặt là phân biệt những khn mặt khác nhau trong tập danh mục các khn mặt, còn nhận biết khn mặt đó là phân lớp đuợc đâu là danh mục các khn mặt và đâu là danh mục các ảnh khơng phải khn mặt. THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 9 1.4 Tổnq quan các hướng tiếp cận phát hiện khn mặt Trong suốt q trình hơn ba thập kỷ, đã có rất nhiều các hướng tiếp cận và xử lý khác nhau được đề xuất để giải quyết bài tốn phát hiện mặt người. Các hướng tiếp cận và xử lý thơng thường nhằm giải quyết những u cầu cụ thể và khác nhau ,trong từng ứng dụng cụ thể. Chính vì vậy có nhiều cách để có thể phân loại các phương pháp, các kỹ thuật, các hướng tiếp cận phát hiện khn mặt. Trong bài luận văn này, sẽ phân loại các hướng tiếp cận theo phương pháp được sử dụng nhiều nhất. Đó là chia các hướng tiếp cận theo hai hướng chính: Hướng tiếp cận dựa trên đặc trưng của ảnh (Feature-based) và hướng tiếp cận dựa trên thơng tin xuất hiện trên ảnh (Image-based). Các phương pháp, kỹ thuật phân chia theo cách này có thể nhìn thấy trong sơ đồ dưới đây [7]: THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN 10 Hình 1: Sơ đồ các hướng tiếp cận và phương pháp phát hiện mặt người 1.4.1 Hướng tiếp cận dựa trên đặc trưng của ảnh (Feature-based approaches) THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN [...]... là da người [8] Và thơng thường trong hướng tiếp cận phát hiện mặt người dựa trên thơng tin xuẩt hiện trong ảnh, thì màu da được sử dụng như một bước phân vùng các vùng ảnh có màu sắc giống màu da, điều đó cho phép giảm khơng gian tìm kiếm khn mặt, cải thiện hiệu năng của hệ thống tìm kiếm Do đó nhiều mơ hình đã được xây dựng để có thể phát hiện đựoc da người, Khi xây dựng hay mơ hình hóa một hệ thống. .. cứu con chính đó là phương pháp khơng gian con tuyến tính, phương pháp dựa vào mạng neural và phương pháp thống kê 1.4.2.1 Phương pháp khơng gian con tuyến tính (Linear Subspace Methods) Hình ảnh của khn mặt con người nằm trên một khơng gian con của tồn bộ khơng gian hình ảnh Để thể hiện khơng gian con này, người ta có thể sử dụng phương pháp về thần kinh, tuy nhiên vẫn có vài phương pháp có liên quan... trái, đường tóc hoặc mặt phải của khn mặt Việc gán nhãn này làm cho khả năng phát hiện chính xác khn mặt trong một bức ảnh với khơng gian phức tạp và có nhiều khn mặt Một trong những phương pháp được biết đến đó là phương pháp gán nhãn của Govindaraju, phương pháp này sử dụng hệ số vàng của khn mặt lý tưởng , đó là hệ số giữa độ dài và độ rỗng của khn mặt: (I.1) Sử dụng phương pháp này, người ta đã... câu hỏi trên, còn việc xử lý vùng da như thế nào cho việc phát hiện mặt người, sẽ đề cập đến trong chương sau, với một phương pháp cụ thể được chọn để sử dụng cho bài đồ án này Phương pháp được được đề ập trong phần này là phương pháp phát hiện da người dựa trên đặc tính điểm ảnh, nghĩa là sẽ phân lớp điểm ảnh thành hai lớp, lớp là lớp điểm anh có thuộc màu da và lớp kia khơng phải là màu da Các điểm... khn mặt từ dữ liệu của FERET, tỉ lệ dò là 97% Jebara và Pentland đã đưa kĩ thuật này vào hệ thống truy tìm khn mặt người dựa vào cả màu sắc, 3D và thơng tin về chuyển động Một cách tiếp cận tương tự là PCA được áp dụng cho tập hợp khn mặt và mẫu giống khn mặt, cùng với tiêu chuẩn lựa chọn dựa vào tỉ lệ giống nhau Samal và Iyengar đưa ra cách dò khn mặt PCA dựa trên hình chiếu khn mặt Thay vì khn mặt. .. Hướng tiếp cận sử dụng phương pháp thống kê (Statistical Approachs) Bên cạnh phương pháp sử dụng khơng gian con tuyến tính và phương pháp sử dụng mạng Nơron, còn có một số phương pháp khác tiếp cận theo hướng thống kê để nhận biết khn mặt Những phương pháp này dựa trên cơ sở lý thuyết thơng tin, lý thuyết về SVM (Support Vector Machine) và các luật xác suất của Bayes SVM là phương pháp do Vladimir N Vapnik... eigen và kết hợp với 26 THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN kĩ thuật xử lí hình ảnh tiêu chuẩn Họ ghi nhận tỉ lệ dò là 92% trên tập hợp 129 hình ảnh (66 hình ảnh khn mặt thực và 63 hình ảnh thơng thường), trong đó khn mặt chiếm hầu hết hình ảnh 1.4.2.2 Phương pháp dựa vào mạng Neural Mạng neural đã trở thành một kỹ thuật phổ biến trong vấn đề nhận dạng khn mặt và tất nhiên là trong cả nhận biết khn mặt Mạng neural. .. độ nét và vị trí của khn mặt Kỹ thuật dò tìm dựa vào đường biên này còn được áp dụng để phát hiện cặp kính trên khn mặt Trong hướng tiếp cận phát hiện mặt người dựa vào đường biện, những đường biên cần được gán nhãn và được phù hợp với mơ hình khn mặt được sắp xếp để có thể giúp chúng ta xác minh sự đúng đắn của việc phát hiện đó Người ta có thể thiết lập sự gán nhãn biên đó bằng các sử dụng mặt trái,... tương đồng của màu pixel với màu da của mơ hình 14 THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN Một ưu điểm của mơ hình màu dựa vào phương pháp thống kê đó là sự sai khác về màu của những đối tượng mới có thể được phù hợp vào mơ hình bằng phương pháp huấn luyện Sử dụng phương pháp này, sự nhận biết màu có thể sẽ hiệu quả hơn, chống lại sự thay đổi của các nhân tố mơi trường như là điều kiện chiếu sáng và đặc tính riêng... hóa một hệ thống phát hiện hay phân tách vùng màu da với mục đích sử dụng cho việc phát hiện mặt người, người ta thường đặt 32 THƯ VIỆN ĐIỆN TỬ TRỰC TUYẾN ra ba vấn đề chính [7] Thứ nhất là mơ hình đó được xây dựng trong khơng gian màu nào, thứ hai là hàm phân phối của màu da được mơ hình hóa chính xác đến mức độ nào và cuối cùng là sẽ xử lý vùng màu da được phân vùng cho nhận biết mặt người như thế
