Toàn bộ series Nhận diện Idol:

• Phần 1 – Chuyện ngày xưa – về sự ra đời của Nhận Diện Idol
• Phần 2 – Kiến trúc và các công nghệ sử dụng
• Phần 3 – Nào mình cùng đi cào dữ liệu
• Phần 4 – Nhận diện khuôn mặt với Microsoft Cognitive Service
• Phần 5 – Testing thuật toán – Sự thật về độ chính xác 60-80%
• Phần 6 – Từ demo tới deploy – Vô Thai Kiếm (Serverless Architecture)

Ở phần 3, chúng ta đã có cơ sở dữ liệu của các VAV Idol xinh đẹp. Ở phần này, ban đầu mình cũng định hướng dẫn các bạn sử dụng trực tiếp API của Microsoft luôn.

Tuy vậy, mình nhận được nhiều feedback dạng: Sau không hướng dẫn cách code từ đầu bằng thuật toán mà lại sử dụng API? Xài API có gì hay ho cao siêu đâu?

Ờ mà cũng đúng thật, dùng API có gì cao siêu đâu nhỉ? Bản thân mình cũng không muốn các bạn chỉ biết cắm đầu dùng API mà không rõ cơ chế hoạt động bên trong.

Nhận diện khuôn mặt là một trong những ứng dụng phổ biến của Machine Learning. Nguyên tắc hoạt động của chúng cũng khá thú vị nên biết thêm một chút cũng không hại gì. Thôi thì tiện tay mình thêm tí “Học thuật” vào bài viết cho nó phức tạp hơn vậy.

Các bạn chịu khó đọc kĩ nguyên lý trước khi nhảy vào code nhé.

Vài lời về chuyện dùng API hay tự viết

• Thuật toán nhận diện khuôn mặt đã có cách đây… vài chục năm rồi. Việc implement thuật toán, code mẫu v…v rất dễ dàng tìm được trên mạng. Bản thân mình cũng từng tự implement từ đầu các thuật toán nhận diện này trên C++, MATLAB và C#. Xét cho cùng, việc tự tìm hiểu thuật toán, xem code mẫu và implement lại cũng… có gì hay ho cao siêu hơn dùng API đâu?
• Newton cũng tự nhận là muốn nhìn xa phải biết đứng trên vai người khổng lồ. Sao phải mất thời gian ngồi code đi code lại những thứ người khác đã làm… mấy chục năm trước?.
• Machine Learning là một lĩnh vực rất rộng lớn, phức tạp, cần nhiều thời gian để nắm vững. Đó là lý do Microsoft cho ra đời Cognitive API, giúp các công ty vừa và nhỏ hoặc developer ít kinh nghiệm có thể áp dụng thành quả của Machine Learning. Việc bạn code tay rồi khinh người khác dùng API  chẳng khác gì bạn tự leo Phanxipang rồi khing những người bỏ tiền đi cáp treo vậy =))
• Chuyên ngành của mình là Software Engineer, xây dựng phần mềm, chứ không phải là Computer Scientist, nặng về nghiên cứu. Do đó hướng chủ đạo của bài viết nhằm vào xây dựng hệ thống, giao tiếp giữa các thành phần chứ không nặng về thuật toán nhận diện.

Tuy vậy, bạn nào muốn chứng tỏ khả năng bản thân cứ viết bài chuyên sâu về thuật toán và cách code từ đầu, sau đó gửi mail cho mình nhé, mình sẽ bổ sung thêm vào bài viết ;).

Nhận diện hay “phát hiện”

Việt Nam ta chỉ dùng thuật ngữ “Nhận diện khuôn mặt” thật ra cũng không chính xác lắm. Trong thực tế, quá trình nhận diện bao gồm 2 quá trình chính là Face Detection (Tạm gọi là Phát hiện khuôn mặt) và Face Recognization (Nhận diện khuôn mặt). Mỗi quá trình lại sử dụng những thuật toán khác nhau.

1. Face Detection: Đây là quá trình phát hiện khuôn mặt trong ảnh. Các máy ảnh, camera smartphone hiện tại đều có chức năng này.

Có khá nhiều cách để phát hiện khuôn mặt: Thông qua màu sắc, cử động hoặc qua góc cạnh trong ảnh,…. Tuy nhiên, thuật toán được sử dụng phổ biến nhất hiện nay là Viola-Jones (Thư viện OpenCV hỗ trợ nhận diện khuôn mặt theo thuật toán này).

Thuật toán này bá đạo ở chỗ nó không chỉ nhận diện được khuôn mặt mà còn có thể nhận diện được đồ vậy, hình dạng. Cơ chế của nó khá đơn giản:

• Tạo ra một frame hình vuông, lần lượt di chuyển frame này khắp tấm ảnh gốc.
• Mỗi khi frame di chuyển, check xem khu vực trong frame có phải là khuôn mặt hay đồ vật hay không. (Bằng cách check các vùng sáng tối trong frame).
• Sau khi di chuyển hết tấm ảnh, tăng kích cỡ frame lên và scan lại từ đầu.
• Dừng thuật toán khi frame đủ lớn.

Nghe đơn giản vậy, nhưng đi sâu vào nghiên cứu các bạn sẽ thấy nó khá rắc rối với các thuật ngữ như: Haar Feature, Adaboost Training. Hệ thống phải được train với vài ngàn đến vài chục ngàn tấm ảnh để tìm ra đặc điểm của khuôn mặt người.

Tóm lại, dữ liệu đầu vào của quá trình này là một tấm ảnh. Dữ liệu đầu ra là vị trí và kích cỡ của các khuôn mặt trong ảnh.

 

2. Face Recognition: Đây mới là quá trình “nhận diện khuôn mặt”. Từ kết quả của phase trước, ta đã có các khuôn mặt trong ảnh. Các khuôn mặt này sẽ lần lượt được so sánh với các khuôn mặt đã có trong cơ sở dữ liệu để tìm khuôn mặt giống nhất.

Trên Facebook, những hình vuông trắng trắng sau khi up ảnh là kết quả của quá trình Face Detection. Facebook sẽ so sánh khuôn mặt trong hình vuông đó với khuôn mặt của những người quen của bạn và tìm khuôn mặt giống nhất.

Có vô số thuật toán nhận diện khuôn mặt, chúng được phát triển dựa trên các thuật toán cơ sở như: PDA, LCA, MDA, Kernel Method… Gần đây nhất Facebook vừa giới thiệu thuật toán DeepFace với độ chính xác khá… ảo diệu, vượt trội hơn hẳn các thuật toán trước đó.

Từ thuật toán đến API

Như các bạn đã thấy, việc đọc hiểu và implement thuật toán khá rắc rối và phức tạp, do đó người ta tạo ra API và thư viện. Một thư viện khá nổi tiếng, được cộng đồng sử dụng nhiều là OpenCV. OpenCV có thư viện cho C++, Java, C#. Theo kinh nghiệm của mình, thư viện này cài đặt cũng hơi rườm rà và chạy cũng khá nặng.

Với Microsoft Cognitive API, ta chỉ cần dùng RestAPI mà không cần cài đặt gì. Để đơn giản hơn cho người dùng, Microsoft API đã abstraction các thuật toán họ sử dụng nên ta có thể dùng API mà không cần quan tâm họ dùng thuật toán gì. Điều này có lợi là giúp API dễ tiếp cận hơn, nhưng cũng gây khó chịu cho những người muốn optimize để tăng độ chính xác.

Kết

Định thêm một số code minh họa cơ mà phần “giải trình” và “học thuật” chiếm hết bài viết rồi, thôi thì chúng ta cùng xem code minh họa ở bài sau nhé. Để chuẩn bị trước, các bạn có thể tự tìm hiểu về Face API của Microsoft ở đây nhé: https://www.microsoft.com/cognitive-services/en-us/face-api

 

Để tăng thêm tính “học thuật” cho bài viết, xin tặng thêm cái slide Prezi về nhận diện khuôn mặt ngày xưa của mình làm cho đồ án tốt nghiệp Đại Học . Chắc từ nay mình phải thêm chất “học thuật” vào bài viết kẻo người ta tưởng mình là Thạc Sĩ mà không có khả năng “học thuật” :'(.

Một số link tham khảo:

• https://facedetection.com/algorithms/
• https://en.wikipedia.org/wiki/Viola%E2%80%93Jones_object_detection_framework
• http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html
• http://www.face-rec.org/algorithms/