Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC ĐIỆN LỰC

BÙI TIẾN CHIẾN

NHẬN DẠNG KHUÔN MẶT SỬ DỤNG MẠNG
NƠRON TRONG NGÔI NHÀ THÔNG MINH

LUẬN VĂN THẠC SĨ
KỸ THUẬT ĐIỀU KHIỂN & TỰ ĐỘNG HÓA

Hà Nội, năm 2024

BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC ĐIỆN LỰC

BÙI TIẾN CHIẾN

NHẬN DẠNG KHUÔN MẶT SỬ DỤNG MẠNG
NƠRON TRONG NGÔI NHÀ THÔNG MINH

Ngành : Kỹ thuật Điều khiển & Tự động hóa
Mã số : 8520216

LUẬN VĂN THẠC SĨ
KỸ THUẬT ĐIỀU KHIỂN & TỰ ĐỘNG HÓA
Người hướng dẫn khoa học: PGS.TS. Nguyễn Quang Hoan

Hà Nội, năm 2023

LỜI CẢM ƠN

Trước tiên, với tình cảm chân thành, em xin gửi lời cảm ơn sâu sắc tới PGS.TS.
Nguyễn Quang Hoan - người thầy đã tận tình chỉ dẫn, truyền đạt kiến thức chun mơn,
những tài liệu kỹ thuật và thường xuyên động viên, khích lệ giúp em hoàn thành luận
văn này.

Và em cũng xin gửi lời cảm ơn chân thành tới các thầy, cô là giảng viên của trường
Đại học Điện lực đã tận tình dạy dỗ và hướng dẫn cho em trong suốt quá trình học tập
thạc sĩ tại trường.

Hơn nữa, tôi chân thành cảm ơn tới lãnh đạo cơ quan, các bạn bè đồng nghiệp nơi
tơi đang cơng tác, gia đình và người thân đã tạo điều kiện thuận lợi để tơi được theo học
nâng cao trình độ kiến thức chun mơn của mình. Cảm ơn sự giúp đỡ, động viên của
bạn bè cùng lớp giúp tơi hồn thành khóa học.

Mặc dù bản thân đã rất nỗ lực, cố gắng để hoàn thành luận văn, song chắc chắn sẽ
khơng tránh khỏi những sai sót. Kính mong nhận được sự cảm thơng, chỉ bảo tận tình
của các quý thầy cô và các bạn để bản thân ngày càng được hoàn thiện hơn.

Tác giả xin chân thành cảm ơn!

Hà Nội, tháng 01 năm 2024.
TÁC GIẢ LUẬN VĂN

Bùi Tiến Chiến

LỜI CAM ĐOAN

Tôi tên là Bùi Tiến Chiến xin cam đoan: Luận văn thạc sĩ “Nhận dạng khuôn
mặt sử dụng mạng nơron trong ngôi nhà thông minh” là cơng trình nghiên cứu của

riêng tơi, dưới sự hướng dẫn khoa học trực tiếp của PGS.TS. Nguyễn Quang Hoan cùng
sự giúp đỡ và đóng góp ý kiến của các thầy, cơ trong Khoa tự động hóa Trường Đại học
Điện lực. Các kết quả nghiên cứu trình bày trong luận văn là trung thực và chưa từng
được công bố trong bất cứ một cơng trình nào khác. Tơi xin cam đoan các thơng tin trích
dẫn trong luận văn đều đã được chỉ rõ nguồn gốc.

Tơi xin chịu hồn tồn trách nhiệm về lời cam đoan này./.

Hà Nội, tháng 01 năm 2024.
TÁC GIẢ LUẬN VĂN

Bùi Tiến Chiến

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

MỤC LỤC

Nội dung ………………………………………………………………………...... Trang
LỜI CẢM ƠN ............................................................................................................................i
LỜI CAM ĐOAN .....................................................................................................................ii
MỤC LỤC ..................................................................................................................................i
DANH MỤC KÝ HIỆU CHỮ VIẾT TẮT ............................................................................iii
DANH MỤC BẢNG BIỂU ....................................................................................................iv
DANH MỤC HÌNH VẼ, HÌNH ẢNH ....................................................................................v
I. MỞ ĐẦU................................................................................................................................1
1. Lý do chọn đề tài...................................................................................................................1
2. Mục đích nghiên cứu ............................................................................................................1
3. Đối tượng nghiên cứu ...........................................................................................................1
4. Phạm vi nghiên cứu ..............................................................................................................1
5. Phương pháp nghiên cứu ......................................................................................................1

II. BỐ CỤC CỦA LUẬN VĂN...............................................................................................2
CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DẠNG MẶT NGƯỜI.........................................3
1.1. Lịch sử nghiên cứu về nhận dạng .....................................................................................3
1.2. Tình hình nghiên cứu trong và ngồi nước về nhận dạng...............................................4
1.3. Tổng quan về nhận dạng mặt người .................................................................................8
1.4. Kết luận chương 1..............................................................................................................9
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ NHẬN DẠNG MẶT NGƯỜI ...........................10
2.1. Mạng nơron nhân tạo.......................................................................................................10

2.1.1. Nơron nhân tạo .........................................................................................................10
2.1.2. Phân loại mạng nơron nhân tạo ...............................................................................13
2.1.3. Các phương thức học của mạng nơron nhân tạo ....................................................14
2.2. Mạng nơron tích chập CNN ............................................................................................16
2.2.1. Cấu trúc cơ bản của một mạng nơron tích chập .....................................................16
2.2.2. Đặc trưng chung của các mạng CNN......................................................................17
2.2.3. Các mạng CNN tiêu biểu .........................................................................................18
2.3. Mạng nơron Hopfield rời rạc ..........................................................................................19
2.3.1. Cấu trúc của mạng Hopfield ....................................................................................19
2.3.2. Luật học của mạng Hopfield....................................................................................20
2.3.3. Tính ổn định của mạng Hopfield.............................................................................20
2.4. Mạng nơron có bộ nhớ liên kết hai chiều BAM ............................................................21
2.4.1 Cấu trúc của mạng BAM ..........................................................................................21
2.4.2. Luật học của mạng BAM.........................................................................................24
2.4.3. Ổn định của mạng BAM..........................................................................................24
2.5. Đánh giá bằng phương pháp ma trận nhầm lẫn .............................................................26
2.6. Lựa chọn phương án giải quyết bài toán ........................................................................27

Bùi Tiến Chiến
-i-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

2.6.1. Lựa chọn giải thuật...................................................................................................27
2.6.2. Đặt bài toán ...............................................................................................................27
2.6.3. Giới hạn bài toán.......................................................................................................27
2.7. Kết luận chương 2............................................................................................................28
CHƯƠNG 3: THỬ NGHIỆM MẠNG NƠRON ĐỂ NHẬN DẠNG MẶT NGƯỜI .......29
3.1. Thu thập dữ liệu cho mạng nơron...................................................................................29
3.2. Thiết kế mạng BAM để nhận dạng mặt người...............................................................31
3.3. Thử nghiệm mạng BAM để nhận dạng mặt người........................................................32
3.3.1. Xác định các đặc trưng đầu vào...............................................................................32
3.3.2. Xác định các đặc trưng đầu ra .................................................................................33
3.3.3. Mã hóa đặc trưng đầu vào và đầu ra .......................................................................35
3.3.4. Pha học ......................................................................................................................36
3.3.5. Nhận dạng xuôi và ngược các mẫu đã học .............................................................37
3.4. Thử nghiệm khả năng chịu lỗi của mạng BAM.............................................................40
3.5. Đánh giá khả năng nhận mẫu của mạng BAM ..............................................................51
3.6. Kết luận chương 3............................................................................................................53
CHƯƠNG 4: MÔ PHỎNG VÀ SỬ DỤNG MẠNG BAM CHO NGÔI NHÀ.................54
4.1. Mô phỏng nhận dạng khuôn mặt người bằng ngôn ngữ Python ..................................54
4.1.1. Quá trình huấn luyện ảnh và lưu đồ nhận dạng khuôn mặt người ........................54
4.1.2. Kết quả của chương trình nhận dạng khn mặt người.........................................54
4.2. Xây dựng mơ hình mở/đóng cửa cho ngơi nhà thông minh..........................................59
4.2.1. Thiết bị ngoại vi kết nối với mạng BAM qua ngôn ngữ Python...........................59
4.2.2. Cơ chế mở/đóng cửa cho ngơi nhà thơng minh......................................................60
4.2.3. Mơ hình lý thuyết mở/đóng cửa cho ngơi nhà thơng minh....................................61
4.2.4. Mơ hình thực tế mở/đóng cửa cho ngơi nhà thơng minh.......................................66
4.3. Kết luận chương 4............................................................................................................67
III. TỔNG LUẬN ...................................................................................................................68
1. Kết luận chung ....................................................................................................................68

2. Hướng phát triển của đề tài ................................................................................................68
IV. TÀI LIỆU THAM KHẢO ...............................................................................................69
V. PHỤ LỤC ...........................................................................................................................70
Phụ lục 1: Các mẫu ảnh hợp lệ...........................................................................................70
Phụ lục 2: Các mẫu được huấn luyện ................................................................................73
Phụ lục 3: Các mẫu ảnh không hợp lệ ...............................................................................74
Phụ lục 4: Giới thiệu sơ bộ về ngôn ngữ Python ..............................................................75
Phụ lục 5: Định nghĩa các cơng thức tính tốn bằng ngơn ngữ Python ..........................76
Phụ lục 6: Chương trình huấn luyện ảnh bằng ngôn ngữ Python....................................83
Phụ lục 7: Thử nghiệm nhận dạng mặt người bằng ngôn ngữ Python............................84
Phụ lục 8: Tính tốn khả năng chịu lỗi của mạng BAM bằng ngôn ngữ Python ...........86

Bùi Tiến Chiến
-ii-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

DANH MỤC KÝ HIỆU CHỮ VIẾT TẮT

Chữ viết tắt Tiếng Anh Tiếng việt

3D 3-Dimension. 3 chiều.
AI
ANN Artificial Intelligence. Trí tuệ nhân tạo.
BAM
CNN Artificial Neural Network. Mạng nơron nhân tạo.
CSDL
SKM Bidirectional Associative Memories. Bộ nhớ liên kết hai chiều.
KGN
DLNN Convolutional Neural Network. Mạng nơron tích chập.

FRGC Database. Cơ sở dữ liệu.

IBM Number of Faces. Số khuôn mặt.

IOS Don't Memorize. Không ghi nhớ.
IoT
PCA Deep Learning Neural Network. Mạng nơron học sâu.
PIN
RNN Face Recognition Grand Challenge. Thách thức lớn đối với nhận dạng
SOM khuôn mặt.

International Business Machines Công ty cổ phần máy kinh doanh
Corporation. quốc tế.

Iphone Operating System. Hệ điều hành của hãng Apple.

Internet of Things. Internet vạn vật.

Principle Component Analysis. Phân tích thành phần chính.

Personal Identification Number. Số định danh cá nhân.

Recurrent Neural Networks. Mạng nơron hồi quy.

Self-Organizing Map. Ánh xạ tự tổ chức.

Bùi Tiến Chiến
-iii-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

DANH MỤC BẢNG BIỂU

Tên bảng Trang

Bảng 2.1: Các hàm truyền H(s) thường dùng........................................................................11
Bảng 2.2: Một số hàm phi tuyến thường được dùng trong các mơ hình nơron. .................12
Bảng 2.3: Ma trận nhầm lẫn. ..................................................................................................26
Bảng 3.1: Mã hóa đặc trưng đầu vào và xác định đầu ra......................................................30
Bảng 3.2: Bảng tính tốn đặc trưng đầu vào. ........................................................................33
Bảng 3.3: Bảng tính tốn nhãn đầu ra....................................................................................34
Bảng 3.4: Mã hóa đặc trưng đầu vào và đầu ra.....................................................................35
Bảng 3.5: Đặc trưng đầu vào và đầu ra mã hóa dạng lưỡng cực. ........................................36
Bảng 3.6: Véc tơ nhận dạng xuôi và ngược của các mẫu đã học.........................................37
Bảng 3.7: Kết quả BAM nhận dạng mẫu đã huấn luyện theo chiều xuôi. ..........................38
Bảng 3.8: Kết quả BAM nhận dạng mẫu đã huấn luyện theo chiều ngược. .......................39
Bảng 3.9: Tính tốn khả năng chịu lỗi của mạng BAM với 04 mẫu đã học.......................41
Bảng 3.10: Nhận dạng mẫu chưa được học sử dụng mạng BAM. ......................................50
Bảng 3.11: Ma trận nhầm lẫn cho nhận dạng mẫu đã được học..........................................51
Bảng 3.12: Ma trận nhầm lẫn cho nhận dạng mẫu sai số từ 01 tới 06 bit. ..........................52
Bảng 4.1: Tổng hợp các mẫu đã được huấn luyện và chưa được huấn luyện.....................58

Bùi Tiến Chiến
-iv-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thơng minh

DANH MỤC HÌNH VẼ, HÌNH ẢNH

Tên hình vẽ, hình ảnh Trang

Hình 1.1: Một số ví dụ ứng dụng nhận dạng sinh trắc học.....................................................4
Hình 1.2: Cơ chế DeepFace của Facebook. ............................................................................6
Hình 1.3: Cơ chế nhận dạng mặt người của FindFace............................................................7
Hình 2.1: Mơ hình một nơron nhân tạo. ................................................................................10
Hình 2.2: Mơ hình mạng nơron truyền thẳng một lớp..........................................................13
Hình 2.3: Mơ hình tổng qt mạng nơron truyền thẳng nhiều lớp. .....................................13
Hình 2.4: Mơ hình mạng nơron phản hồi. .............................................................................14
Hình 2.5: Mơ hình học có giám sát........................................................................................14
Hình 2.6: Mơ hình học củng cố..............................................................................................15
Hình 2.7: Mơ hình học khơng giám sát. ................................................................................15
Hình 2.8: Cấu trúc cơ bản của một mạng nơron tích chập. ..................................................16
Hình 2.9: Cấu trúc mạng Hopfield rời rạc.............................................................................19
Hình 2.10: Cấu trúc mạng BAM............................................................................................21
Hình 2.11: Mơ hình mạng BAM với đầu vào X. ..................................................................22
Hình 2.12: Mơ hình mạng BAM với đầu vào Y. ..................................................................23
Hình 3.1: Mơ hình mạng liên kết hai chiều BAM, số nơ ron vào/ra bằng m*n=6*5.........31
Hình 3.2: Mơ tả các đặc điểm trên khn mặt người. ..........................................................32
Hình 4.1: Lưu đồ huấn luyện ảnh...........................................................................................54
Hình 4.2: Lưu đồ thuật tốn nhận dạng mặt người. ..............................................................54
Hình 4.3: Q trình nhận dạng với SKM <> 1, ảnh khơng hợp lệ. .....................................55
Hình 4.4: Quá trình nhận dạng với SKM = 1, ảnh chưa huấn luyện. ..................................56
Hình 4.5: Quá trình nhận dạng với SKM = 1, ảnh đã huấn luyện. ......................................57
Hình 4.6: Thiết bị ngoại vi cho tín hiệu đèn thơng báo. .......................................................59
Hình 4.7: Cơ chế mở/đóng mạch điều khiển khi chưa có tín hiệu thơng báo đúng............60
Hình 4.8: Cơ chế mở/đóng mạch điều khiển khi đã có tín hiệu thơng báo đúng................60
Hình 4.9: Mơ hình mở/đóng cửa khi chưa có tín hiệu nhận dạng đúng. .............................61
Hình 4.10: Mơ hình tạo trễ để mở cửa khi đã có tín hiệu nhận dạng đúng. ........................62
Hình 4.11: Mơ hình mở cửa khi đã có tín hiệu nhận dạng đúng..........................................63

Hình 4.12: Mơ hình thời gian nghỉ khi đã có tín hiệu nhận dạng đúng. ..............................64
Hình 4.13: Mơ hình đóng cửa khi đã có tín hiệu nhận dạng đúng.......................................65
Hình 4.14: Mơ hình đấu nối mạch in để mở/đóng cửa cho ngơi nhà. .................................66
Hình 4.15: Hình ảnh thực tế của mơ hình để mở/đóng cửa cho ngôi nhà...........................66

Bùi Tiến Chiến
-v-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

I. MỞ ĐẦU
1. Lý do chọn đề tài

- Cùng với thời đại công nghiệp 4.0 hiện nay, ứng dụng của mạng nơron là một trong
những miền trí tuệ nhân tạo (AI), Internet vạn vật (IoT) đang có tính thời sự và phát triển,
thu hút được sự quan tâm của nhiều nhà khoa học.

- Ứng dụng nhận dạng mặt người ngày càng được các nhà nghiên cứu chú trọng phát
triển và sử dụng nó trong nhiều lĩnh vực từ khoa học đến đời sống hàng ngày.

- Vì vậy, học viên chọn đề tài: “Nhận dạng khuôn mặt sử dụng mạng nơron trong
ngơi nhà thơng minh”.

2. Mục đích nghiên cứu

Nghiên cứu, thử nghiệm phương pháp nhận dạng mặt người sử dụng mạng nơron nhớ
liên kết hai chiều BAM. Qua đó, so sánh kết quả đạt được, đánh giá độ chính xác của
phương pháp.

3. Đối tượng nghiên cứu

- Nghiên cứu các phương pháp nhận dạng, chọn phương pháp mới.
- Nghiên cứu mạng noron hồi quy, thuật toán nhớ liên kết hai chiều.
- Dùng ảnh mặt người có sẵn trong thư viện ảnh là cơ sở dữ liệu để thử nghiệm.

4. Phạm vi nghiên cứu

- Cấu trúc, luật học của mạng nơron nhân tạo.
- Cấu trúc, luật học, tính ổn định mạng BAM.
- Thử nghiệm mạng BAM trong bài toán nhận dạng mặt người (thử nghiệm với 04
mẫu người ngẫu nhiên trong tổng số giới hạn danh sách mẫu, mỗi mẫu có 06 đặc trưng).
- Đánh giá khả năng nhớ mẫu của mạng BAM.
- Sử dụng mạng nơ ron BAM ứng dụng cho ngôi nhà thông minh.

5. Phương pháp nghiên cứu

- Phương pháp phân tích và thiết kế một hệ điều khiển thơng minh, sử dụng khả năng
nhớ mẫu của mạng BAM cùng với các phần mềm có mã nguồn mở để nhận dạng mặt
người.

- Phương pháp mô phỏng.

Bùi Tiến Chiến
-1-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

II. BỐ CỤC CỦA LUẬN VĂN

Luận văn gồm 04 chương, qua mỗi chương đều có kết luận riêng của từng chương.

Sau khi chọn mơ hình được chọn và tính tốn, sử dụng phương pháp ma trận nhầm lẫn để
đánh giá mơ hình, xét kết quả của mơ hình sử dụng mạng BAM nhận dạng mặt người và
đề xuất hướng nghiên cứu, phát triển tiếp theo của đề tài. Cụ thể, về cơ bản của mỗi chương
được tóm tắt như sau:

Chương 1: Tổng quan về nhận dạng mặt người

1.1. Lịch sử nghiên cứu về nhận dạng.
1.2. Tình hình nghiên cứu trong và ngoài nước về nhận dạng.
1.3. Tổng quan về nhận dạng mặt người.
1.4. Kết luận chương 1.

Chương 2: Cơ sở lý thuyết về nhận dạng mặt người

2.1. Mạng nơron nhân tạo.
2.2. Mạng nơron tích chập CNN.
2.3. Mạng nơron Hopfield rời rạc.
2.4. Mạng nơron có bộ nhớ liên kết hai chiều BAM.
2.5. Đánh giá bằng phương pháp ma trận nhầm lẫn.
2.6. Lựa chọn phương án để giải quyết bài toán.
2.7. Kết luận chương 2.

Chương 3: Thử nghiệm mạng nơron để nhận dạng mặt người

3.1. Thu thập dữ liệu cho mạng nơron.
3.2. Thiết kế mạng BAM để nhận dạng mặt người.
3.3. Thử nghiệm mạng BAM để nhận dạng mặt người.
3.4. Thử nghiệm khả năng chịu lỗi của mạng BAM.
3.5. Đánh giá khả năng nhận mẫu của mạng BAM.
3.6. Kết luận chương 3.

Chương 4: Mô phỏng và sử dụng mạng BAM cho ngôi nhà

4.1. Mô phỏng nhận dạng khuôn mặt người bằng phần mềm Python.
4.2. Xây dựng mơ hình mở/đóng cửa cho ngôi nhà thông minh.
4.3. Kết luận chương 4.

Bùi Tiến Chiến
-2-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

CHƯƠNG 1:
TỔNG QUAN VỀ NHẬN DẠNG MẶT NGƯỜI
1.1. Lịch sử nghiên cứu về nhận dạng

Trong năm 1964 và 1965, Bledsoe, cùng với Helen Chan và Charles Bisson, bắt đầu
ý tưởng sử dụng máy tính để nhận ra khuôn mặt của con người. Với một cơ sở dữ liệu lớn
các hình ảnh và một bức ảnh, vấn đề là phải lựa chọn từ cơ sở dữ liệu là một tập hợp nhỏ
các hồ sơ hình ảnh như vậy có chứa các hình ảnh ăn khớp với bức ảnh đưa ra.

Năm 1966, công việc này được tiếp tục tại Viện nghiên cứu Stanford, chủ yếu bởi
Peter Hart. Trong các thí nghiệm thực hiện trên một cơ sở dữ liệu hơn 2.000 bức ảnh, máy
tính ln vượt trội so với con người khi thể hiện cùng một nhiệm vụ nhận dạng.

Năm 1997, hệ thống được phát triển bởi Christophvonder Malsburg và các sinh viên
sau đại học của trường Đại học Bochum ở Đức và Đại học Nam California tại Mỹ, Viện
Công nghệ Massachusetts và Đại học Maryland. Hệ thống Bochum được phát triển thơng
qua tài trợ bởi Phịng Thí Nghiệm Nghiên cứu Quân đội Hoa Kỳ. Phần mềm này được bán
với cái tên ZN-Face và sử dụng trong các nhà điều hành sân bay và các địa điểm đông đúc

khác. Phần mềm này "đủ mạnh mẽ để nhận dạng được gương mặt từ các góc nhìn ít lý
tưởng hơn. Nó cũng thường xuyên có thể nhận dạng được gương mặt mặc dù có những trở
ngại như ria mép, râu, thay đổi kiểu tóc và thậm chí đeo kính râm".

Năm 2006, các thuật toán nhận dạng khuôn mặt mới nhất đã được đánh giá trong Face
Recognition Grand Challenge (FRGC). Hình ảnh gương mặt, hình ảnh scan gương mặt 3D
và ảnh iris độ phân giải cao, được sử dụng trong các bài kiểm tra. Kết quả cho thấy rằng các
thuật tốn mới là chính xác hơn 10 lần so với các thuật tốn nhận dạng khn mặt của năm
2002 và chính xác hơn 100 lần so với các thuật toán của năm 1995. Một số thuật tốn đã có
thể nhận dạng tốt hơn người tham gia trong việc nhận diện khn mặt và duy nhất có thể xác
định từng người trong các cặp song sinh giống hệt nhau.

Năm 2007, công ty Identix từ Minnesota, đã phát triển một phần mềm là FaceIt.
FaceIt có thể nhận ra khn mặt của một ai đó trong đám đơng và so sánh nó với cơ sở dữ
liệu trên tồn thế giới để nhận dạng và đặt tên cho một khuôn mặt. Phần mềm được viết để
phát hiện nhiều đặc điểm trên khuôn mặt người.

Bùi Tiến Chiến
-3-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngơi nhà thơng minh

1.2. Tình hình nghiên cứu trong và ngoài nước về nhận dạng

Những năm gần đây, công nghệ sinh trắc học đã vượt qua các rào cản lớn như chi phí,
cách thức vận hành, khả năng truy cập, và cùng với độ chính xác cao trong giải pháp xác
thực. Cũng như bất kỳ công nghệ bảo mật nào, nhận dạng sinh trắc học cũng khơng phải là
giải pháp hồn hảo. Nhưng chắc chắn rằng, nhận dạng sinh trắc học khơng cịn là hình ảnh
của tương lai mà đang hiện hữu ngày càng rõ nét trong cuộc sống hiện tại.

Mỗi đặc trưng sinh trắc dùng nhận dạng có ưu - nhược điểm và độ chính xác nhất
định. Tùy từng hoàn cảnh và yêu cầu thực tiễn mà lựa chọn phương pháp phù hợp nhưng
phải đảm bảo các yếu tố:

- Tính phổ biến: Mọi người đều có đặc trưng sinh trắc này;

- Tính riêng biệt: Các cá thể khác nhau thì đặc trưng này khác nhau;

- Tính ổn định: Đặc trưng sinh trắc này không thay đổi theo thời gian;

- Tính thu thập: Đặc trưng này có thể đo và lượng hóa được.

a) Nhận dạng mống mắt. b) Nhận dạng mặt người.

c) Nhận dạng vân tay. d) Nhận dạng tĩnh mạch lịng bàn tay.

Hình 1.1: Một số ví dụ ứng dụng nhận dạng sinh trắc học.

Bùi Tiến Chiến
-4-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngơi nhà thơng minh

Ngồi ra người ta còn xét đến các yếu tố như:

- Hiệu năng: Khả năng nhận dạng chính xác, tốc độ nhận dạng; các tài nguyên cần
thiết để đạt được tốc độ và độ chính xác mong muốn; các nhân tố môi trường hoạt động
ảnh hưởng đến tốc độ và độ chính xác trong nhận dạng.

- Tính chấp nhận: Mọi người vui lòng chấp nhận phương pháp sử dụng các đặc trưng

sinh trắc trong đời sống hàng ngày của họ.

- Khả năng phá hoại: Là mức độ khó/dễ đánh lừa hệ thống nhận dạng.

Một số phương pháp nhận dạng sinh trắc học đang được sử dụng (Hình 1.1) là những
phương pháp có độ tin cậy cao. Để nhận dạng tăng khả năng chính xác thì hệ thống nhận
dạng phải kết hợp nhiều đặc trưng sinh trắc với nhau.

Ở Việt Nam, nhận dạng vẫn là lĩnh vực khá mới. Dù có nhiều nghiên cứu về nhận
dạng đã đạt được những thành tựu nhất định, nhưng nhìn chung vẫn chưa đạt được kết quả
cần thiết để có thể tạo ra các sản phẩm mang tính ứng dụng cao. Có thể kể đến một số cơng
trình nghiên cứu:

- Cơng trình nghiên cứu của Nguyễn Quang Hoan, Vũ Thị Thềm, Bùi Đình Quân,
"Khả năng nhớ mẫu của mạng nơ ron hồi quy" Tạp chí Khoa học và Cơng nghệ Đại học
Sư phạm Hưng Yên, 2017, về khả năng nhớ và nhận dạng đối tượng sử dụng mạng hồi quy
liên kết hai chiều. Đề tài và bài báo chưa có ứng dụng phần cứng [5].

- Cơng trình nghiên cứu của Lê Hồi Bắc cùng một số cộng sự đã xây dựng thành
công “Hệ thống hỗ trợ quyết định trên mạng nơron và logic mờ”. Tích hợp trong hệ hỗ trợ
ra quyết định, xây dựng một số hệ thống hỗ trợ quyết định phục vụ trong lĩnh vực khoa
học, giáo dục, kinh tế, môi trường, quốc phòng, an ninh…

- Cơng trình nghiên cứu của Nguyễn Sĩ Dũng, Lê Hồi Quốc “Một số thuật toán về
huấn luyện Neural Network trên cơ sở phương pháp Conjugate Gradient”, Đại học Công
nghiệp Thành phố Hồ Chí Minh và Đại học Bách khoa Thành phố Hồ Chí Minh.

Trên thế giới có rất nhiều hệ thống nhận dạng đã và đang được ứng dụng rất hiệu quả
như: Via Voice của IBM, Speech Recognition Engine của Microsoft, Hidden Markov
Model Toolkit của đại học Cambridge… Ngoài ra, một số hệ thống nhận dạng khác cũng

Bùi Tiến Chiến
-5-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh
khá phát triển và đều hướng tới người dùng trong tất cả các lĩnh vực như: Khoa học hình
sự, Kinh doanh, Quản lý, Multimedia…

Công nghệ nhận dạng mặt người với nhiều ứng dụng, nhiều tính năng, dễ sử dụng, có
thể cài đặt trên nhiều loại thiết bị khác nhau. Nó khơng dừng lại ở mức ứng dụng trong
nghiên cứu khoa học hình sự, an ninh mà ngày càng ứng dụng nhiều vào đời sống như xác
định số lượng người trong một phạm vi hay một số ứng dụng đa phương tiện khác trên
thiết bị di động...

Hình 1.2: Cơ chế DeepFace của Facebook.
Dự án nghiên cứu mới của Facebook có tên là DeepFace với tính năng bảo mật “xác
minh trên mặt người”. Phần mềm này có thể nhận ra hai hình ảnh hiển thị mặt người giống
nhau, trái ngược với "nhận dạng mặt người" - sử dụng cơ chế hình ảnh duy nhất. Để thực
hiện điều này. Hình 1.2 mơ tả q trình nhận dạng mặt người của DeepFace. Khi phát hiện
ảnh có hình mặt người, hệ thống nhận diện sẽ tạo ra các sơ đồ 3D chi tiết mặt người, sau
đó chuyển mơ hình này thành định dạng phẳng với các bộ lọc màu để nhận diện các chi
tiết trên mặt.
Trước đó, Google và Sony cũng đã ứng dụng cơng nghệ nhận dạng mặt người trong
các phần mềm của họ, tương ứng là Picasa và Picture Motion Browser. Tuy nhiên, tất cả
mới chỉ dừng lại ở việc tạo sự thuận tiện cho người sử dụng.
Năm 2015, Công ty NTechLab thuộc Liên bang Nga đã gây ấn tượng mạnh khi vượt
qua Google và nhiều công ty lớn về cơng nghệ khác. Với phần mềm có tên FindFace cho

Bùi Tiến Chiến
-6-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngơi nhà thơng minh

kết quả nhận dạng chính xác lên đến 73% với cơ cở dữ liệu 1 triệu hình ảnh. Độ chính xác
đạt 95% với kho dữ liệu ảnh 10.000 tấm ảnh.

Người được yêu cầu Tìm kiếm trong CSDL Người phù hợp

Hình 1.3: Cơ chế nhận dạng mặt người của FindFace.

Cơ chế nhận dạng của FindFace được mơ tả trong Hình 1.3. Nó sử dụng tập ảnh mẫu
có các trạng thái biểu cảm khác nhau của một người để xác định những đặc điểm không
thay đổi hoặc thay đổi không đáng kể để ghi dấu mặt người.

Trên lĩnh vực điện thoại di động, ứng dụng nhận dạng mặt người để mở máy đã có
trong hệ điều hành Android 4.x, thành quả thu được của Google sau thắng lợi trong cuộc
chiến bằng sáng chế trước các đối thủ cạnh tranh. Cùng thời điểm đó, Apple cũng đã tiết
lộ bằng sáng chế khóa và mở khóa các dịng sản phẩm của hãng ứng dụng cơng nghệ nhận
dạng mặt người.

Ngày nay, có thể dễ dàng nhận ra ứng dụng công nghệ nhận dạng mặt người trong
việc điều tra tội phạm, kiểm tra hành khách ở sân bay, xác thực truy cập vào hệ thống…,
trên các mạng xã hội, trò chơi thực tế ảo…Tuy nhiên, trong nhiều lĩnh vực khác, nhận dạng
mặt người đang vướng phải những vấn đề liên quan đến pháp lý, đặc biệt là ở Mỹ và các
nước phát triển ở châu Âu. Việc Facebook phải tắt hồn tồn tính năng nhận dạng mặt
người ở châu Âu vào tháng 10/2012 do vi phạm quyền tự do cá nhân chỉ mới là sự khởi
đầu. Rõ ràng, công nghệ nhận dạng mặt người vẫn chưa thể được ứng dụng một cách rộng
rãi trong tất cả các lĩnh vực của cuộc sống.

Bùi Tiến Chiến

-7-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

1.3. Tổng quan về nhận dạng mặt người

Mỗi khuôn mặt của mỗi người có sự độc đáo và nét đặc trưng riêng biệt. Hệ thống nhận
dạng khn mặt là việc dùng máy tính để tự động xác định hoặc nhận dạng một người nào đó
từ một bức hình ảnh kỹ thuật số hoặc có thể hình ảnh từ video của một nguồn video. Máy tính
so sánh các đặc điểm khn mặt từ hình ảnh được chụp lại với CSDL về khuôn mặt được lưu
trữ trước đó.

Trong tất cả các phép đo sinh trắc học, nhận dạng khuôn mặt được coi là tự nhiên nhất. Bởi
vì chúng ta thường nhận ra bản thân và những người khác bằng cách nhìn vào khn mặt, chứ
khơng ai nhìn vào dấu vân tay của ngón tay cái và mống mắt cả. Cơng nghệ nhận diện khn
mặt đang trở nên phổ biến trên tồn thế giới. Các hệ thống công nghệ trên khuôn mặt có thể
khác nhau, nhưng nhìn chung, chúng đều có cách thức hoạt động như sau:

Ø Bước 1: Nhận diện khuôn mặt

Máy ảnh phát hiện và định vị hình ảnh của trên khn mặt của một người hoặc của người
trong một đám đông. Người được nhận diện khn mặt phải nhìn thẳng vào máy quét, máy
ảnh nhận diện.

Ø Bước 2: Phân tích khn mặt

Tiếp theo, máy ảnh, máy quét sẽ chụp lại hình ảnh của khn mặt người đó và tiến hành
phân tích. Hầu hết cơng nghệ nhận dạng khn mặt sử dụng trên hình ảnh 2D thay vì 3D vì
hình ảnh 2D phân tích thuận tiện hơn trong cơ sở dữ liệu (vì hình ảnh được lưu trữ trong cơ sở
dữ liệu thông thường là hình ảnh 2D). Phần mềm tiến hành đọc hình dạng khuôn mặt của bạn.

Công nghệ nhận diện khn mặt sẽ phân tích các yếu tố chính bao gồm độ sâu của hốc
mắt, khoảng cách giữa hai mắt, hình dạng của gị má, khoảng cách từ trán đến cằm và đường
viền của môi, tai và cằm. Mục đích là để xác định các điểm mốc trên khn mặt, đây chính là
chìa khóa để phân biệt khn mặt của bạn với khuôn mặt của những người khác.

Ø Bước 3: Mã hóa hình ảnh thành dữ liệu

Q trình chụp khn mặt sẽ chuyển đổi những hình ảnh khn mặt thành một tập hợp
thông tin kỹ thuật số (dữ liệu) dựa trên các đặc điểm trên khn mặt của người đó. Phân tích
khn mặt của bạn về cơ bản được chuyển đổi thành cơng thức tốn học. Mã hóa hình ảnh,
đặc điểm khuôn mặt thành mã số duy nhất giống như cách nhận diện dấu vân tay, đối với mỗi
người thì khuôn mặt của họ là duy nhất.

Ø Bước 4: Tìm một kết quả phù hợp

Sau đó, khn mặt của bạn sẽ được so sánh với cơ sở dữ liệu của các khuôn mặt đã biết
khác trước (đã được lưu trong cơ sở dữ liệu).

Bùi Tiến Chiến
-8-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

1.4. Kết luận chương 1

Chương này đã trình bày tổng quan về lịch sử nghiên cứu về nhận dạng, các nghiên
cứu trong và ngồi nước về nhận dạng nói chung, nhận dạng bằng cơng nghệ sinh trắc học
nói riêng và hướng phát triển của nó. Các đặc trưng chủ yếu trên gương mặt dùng để nhận
dạng, một số đặc điểm của ảnh mặt người dùng làm đầu vào cho hệ thống nhận dạng mặt

người và trình bày tổng quan về nhận dạng mặt người.

Bùi Tiến Chiến
-9-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

CHƯƠNG 2:
CƠ SỞ LÝ THUYẾT VỀ NHẬN DẠNG MẶT NGƯỜI
2.1. Mạng nơron nhân tạo
2.1.1. Nơron nhân tạo

Nơron nhân tạo là mô hình xử lý thơng tin được mơ phỏng dựa trên hoạt động của hệ
thống thần kinh sinh vật. Nơron sinh vật có cấu trúc khá phức tạp, trung bình não chứa trên
15 tỷ nơron, trong khi đó một nơron nhân tạo được xây dựng từ ba thành phần chính, đó
là: Bộ tổng các liên kết đầu vào, động học tuyến tính, phi tuyến động học được mơ tả trong
Hình 2.1.

Hình 2.1: Mơ hình một nơron nhân tạo.

Bộ tổng hợp tất cả các liên kết đầu vào mơ tả tồn bộ thế năng tác động ở thân nơron,
có thể mơ tả như sau:

( )= ( )+ ( )+ (2.1)

Đầu vào của phần động học là ( ). Đầu ra của nó ( ) gọi là đầu ra tương tự. Hàm
truyền tương ứng của phần động học tuyến tính có thể mơ tả dưới dạng biến đổi Laplace
như sau:

Bùi Tiến Chiến

-10-

Nhận dạng khuôn mặt sử dụng mạng nơron trong ngôi nhà thông minh

( ) = ( ). ( ) ℎ () (2.2)
( )= ( )

Các hàm H(s) thường dùng được liệt kê trong Bảng 2.1.

;Trong đó:
: là số lượng tín hiệu đầu vào.
: trọng liên kết vào ngoài, là hệ số mô tả mức độ liên kết giữa các đầu vào.
: mức trọng phản hồi.

q : hằng số, còn gọi là ngưỡng, xác định mức chuyển đổi.
(. ) : hàm tương tác đầu ra hay còn gọi là hàm truyền đạt.
( ) : các đầu vào ngồi, mơ tả tín hiệu vào từ các đầu nhạy thần kinh hoặc từ các

nơron khác đưa vào; m là số đầu vào; = 1, . . . , .
( ) : đầu ra nơron mô tả tín hiệu đưa ra.
( ) : phần động học tuyến tính.
( ) : bộ tổng liên kết.
- Phần phi tuyến: Các đầu ra của các nơron sinh vật là các xung, có giới hạn chặn.

Trong mô phỏng, để đảm bảo hệ ổn định đầu ra người ta thường gán hàm chặn ở lối ra cho
các tín hiệu ở mỗi đầu ra của nơron nhân tạo. Hàm chặn thường ở dạng phi tuyến với hàm

(. ). Như vậy, đầu ra có đặc trưng của một hàm:

( )= ( ) = () + (2.3)

Bảng 2.1: Các hàm truyền H(s) thường dùng.

() 11 1 (− )
1− ( )= ( − )
Quan hệ
vào ra ( )= ( ) () ()
= () + ( )= ( )

Bùi Tiến Chiến
-11-