báo cáo thực tập tốt nghiệp xây dựng hệ thống điểm danh học sinh

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (12.22 MB, 67 trang )

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

<b>TRƯỜNG ĐẠI HỌC GIAO THÔNG V N T I TP.H CHÍ MINH </b>Ậ Ả Ồ

XÂY D NG H Ự Ệ THỐNG ĐIỂM DANH H C SINH Ọ

<b>Nơi thực tập : Công ty C ổ Phần TITKUL Giảng viên hướng dẫn : Th.S Tr n Anh Tu</b>ầ <b>ấn </b>

Sinh viên th c t<b>ự ập : Bùi Anh Khơi - 1751120086 Lâm Cao Sáng - 1751120102 </b>

Tp.Hồ Chí Minh, tháng 11 năm 2020

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

<b>LỜI C</b>ẢM ƠN

Lời đầu tiên chúng em xin g i l i cử ờ ảm ơn đến Khoa Công Ngh Thông Tin ệ –Trường Đại Học Giao Thông Vận Tải Tp.Hồ Chí Minh đã tạo điều kiện cho chúng em hồn thành t t khóa th c t p t t nghiố ự ậ ố ệp này. Chúng em cũng xin chân thành cảm ơn Công ty Cổ Phần TitKul cũng như thầy Trần Anh Tuấn đã quan tâm và hướng dẫn chúng em trong su t quá trình th c hiố ự ện đề tài này.

Do kinh nghi m và ki n th c chun mơn cịn h n ch cho nên không tránh ệ ế ứ ạ ếkhỏi thi u sót. Chúng em r t mong nhế ấ ận đượ ực s góp ý t các thừ ầy cô hướng d n và ẫgiám khảo.

Chúng em xin chân thành cảm ơn !

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

Chúng em xin cam k t m i n i dung trong báo cáo th c t p là do chúng em t ế ọ ộ ự ậ ựnghiên c u, tìm hi u và th c hiứ ể ự ện.

Mọi bài viết, tài liệu cũng như các thư viện chúng em sử dụng ho c nhặ ắc đến trong đồ án thì chúng em s nêu rõ trong ph n tài li u tham kh o. Chúng em xin cam ẽ ầ ệ ảđoan những gì chúng em thực hiện trong đồ án là sự thật và nếu có xảy ra gì chúng em xin ch u trách nghi m v lị ệ ề ời cam đoan c a mình. ủ

<b>Sinh viên th c hi n </b>ự ệBùi Anh Khôi & Lâm Cao Sáng

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

<b>NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN </b>

Ngày … tháng … năm …

<b>GIÁO VIÊN HƯỚNG D N </b>Ẫ

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

CHƯƠNG 2.CƠ SỞ LÝ THUYẾT ... 11

2.1 Một số khái ni m ... 11 ệ2.1.1 Phát hi n khuôn m t ... 11 ệ ặ2.1.2 Canh ch nh khuôn m t ... 11 ỉ ặ2.1.3 Mã hóa khn mặt ... 12

2.1.4 So sánh và tìm ra k t qu ... 12 ế ả2.2 Các thu t toán áp d ng ... 12 ậ ụ2.2.1 Phát hi n khuôn m t ... 12 ệ ặ2.2.2 Canh ch nh khuôn m t ... 18 ỉ ặ2.2.3 Mã hóa khn mặt ... 19

2.2.4 So sánh và tìm ra k t qu ... 19 ế ả2.3 Thuật toán Facenet Version 2 ... 20

2.3.1 Tìm hiểu khái ni m ... 20 ệ2.3.2 T p d u ... 20 ậ ữ liệ2.3.3 Model đã được huấn luy n ... 23 ệ2.3.4 Độ chính xác c a thu t tốn ... 24 ủ ậ2.4 Áp dụng thư viện face_recogntion ... 24

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

2.4.1 Phát hi n khuôn m t ... 24 ệ ặ2.4.2 Huấn luy n d u ... 26 ệ ữ liệ2.4.3 Nhận di n khuôn m t ... 26 ệ ặ2.4.4 Độ chính xác c a thu t tốn ... 27 ủ ậ

CHƯƠNG 3.PHÂN TÍCH, THIẾT KẾ, TRIỂN KHAI MƠ HÌNH ... 28

3.1 Phân tích ... 28

3.1.1 Phân tích lu ng dồ ữ liệu ... 28

3.1.2 Phần C ng ... 29 ứ3.1.3 Màn hình hiển th ... 30 ị3.1.4 Camera ... 30

3.1.5 Máy tính nội bộ ... 31

3.2 Thiết kế ự d a trên yêu c u ... 31 ầ3.2.1 Phân tích yêu c u ... 31 ầ3.3 Thiết kế cơ sở ữ liệ d u ... 35

3.4 Xây dựng Services v i ASP .NET Core và MS SQL Server ... 36 ớ3.4.1 RESTful web API apps ... 36

3.4.2 SignalR Core trong ASP .NET Core ... 38

3.6 C u hình và publish mã ngu n lên IIS trên hấ ồ ệ điều hành Windows ... 51

3.6.1 T ng quan ... 51 ổ3.6.2 Mơi trường và cơng c l p trình ... 52 ụ ậ3.6.3 Triển khai ... 52 3.7 Quản lý mã ngu n v i Git ... 54 ồ ớ

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

3.7.1 T ng quan ... 54 ổ3.7.2 Môi trường và công cụ ậ l p trình ... 55 3.8 Triển khai trên website và ng dứ ụng di động ... 55 3.8.1 Website ... 55 3.8.2 Ứng dụng trên điện tho i ... 55 ạCHƯƠNG 4.KẾT LUẬN VÀ HƯ NG PHÁT TRIỂN ... 57 Ớ4.1 Kết quả đạt được ... 57 4.2 Kết luận ... 60 4.2.1 Lợi ích ... 60 4.2.2 H n ch ... 60 ạ ế4.3 Hướng phát tri n ... 61 ểTÀI LIỆU THAM KH O ... 62Ả

Ảnh 2-1 Ảnh đầu vào ... 13 Ảnh 2-2 Ảnh đoạ ệnh thực thi ... 14 n lẢnh 2-3 Kết quả thu được ... 14 Ảnh 2-4 Ảnh đầu vào ... 15 Ảnh 2-5 Đoạ ệnh thực thi kết hợp thư viện face_recognition ... 15 n lẢnh 2-6 Kết quả đạt được ... 16 Ảnh 2-7 Ảnh đầu vào ... 17 Ảnh 2-8 Đoạ ệnh thực thi kết hợp thư viện face_recognition ... 18 n lẢnh 2-9 Kết quả thu được ... 18 Ảnh 2-10 Sáu mươi tám điểm khác nhau ở trên mặt áp dụng thuật toán Face Landmark Estimation... 19 Ảnh 2-11 Thư mục con chứa các b c ảnh về một người ... 21 ứẢnh 2-12 Thư mục con chứa các b c ảnh về một người ... 22 ứẢnh 2-13 Ảnh một ngư i ... 23 ờẢnh 2-14 Kết quả thu được ... 23 Ảnh 2-15 Đoạ ệnh thực thi ... 25 n lẢnh 2-16 Kết quả thu được ... 25 Ảnh 2-17 Kết quả thu được ... 26 Ảnh 3-1 Luồng dữ liệu ... 28

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

Ảnh 4-15 Hiển th thông tin học sinh ... 50 ịẢnh 4-16 Hiển th thơng tin học sinh ... 53 ịẢnh 4-17 Cấu hình IIS để publish... 53

Ảnh 4-18 Publish mã nguồn ... 54

Ảnh 5-1 Trang chủ website ... 55

Ảnh 5-2 Giao diện ứng dụng trên điện thoại ... 56

Ảnh 6-1 Tham gia cuộc thi “D án Đự ổi m i sáng tạo ứng dụng Trí Tuệ nhân tạo ( AI ) ớTP.HCM 2020” ... 57

Ảnh 6-2 Trưng bày sản phẩm t i Trung tâm thông tin và thống kê khoa học và công ạnghệ Tp.HCM ... 58

Ảnh 6-3 Trưng bày, trình diễn cơng nghệ hội thảo gi i thiệu công nghệ cớ ần thơ 2020 58 Ảnh 6-4 Tham dự chương trình Ngày Hội Doanh Nghiệp Cơng Nghệ Thơng Tin Và Trí Tuệ Nhân Tạo Thành Ph H Chí Minh ... 59 ố ồẢnh 6-5 Tham gia triễn lãm sản phẩm t i Ngày h i khởi nghiệp đổi m i sáng tạo ạ ộ ớTechFest Mekong 2020 ... 59

Ảnh 6-6 Tham gia triễn lãm tại Liên hoan tuổi trẻ sáng tạo thành Phố Hồ Chí Minh .. 60

<b>DANH M C B</b>Ụ <b>ẢNG </b>Bảng 4-1 B ng các thả ực thể và di n giễ ải ý nghĩa ... 36

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

<b>1.1 Thông tin v ề đơn vị thực tậ –p Công ty C ổ Phần TitKul </b>

Công ty C ổ Phần TitKul ( TitKul ) là doanh nghi p vệ ừa đi vào hoạt động không lâu.

TitKul là công ty hoạt động trong lĩnh vực công ngh thông tin chuyên t o ra ệ ạcác s n phả ẩm đáp ứng nhu c u hi n nay c a cu c sầ ệ ủ ộ ống cũng như là cung cấp các giải pháp của doanh nghiệp khi có yêu cầu. Các lĩnh vực mà công ty hướng tới như :

1. Trí tu nhân tệ ạo 2. Internet v n vạ ật 3. Xây d ng website ự4. Ứng dụng di động Thông tin liên h : ệ

1. Công ty C ổ Phần TitKul

➢ Tổng giám đốc: Bà Nguyễn Thị An➢ Địa chỉ:

o Trụ s ở chính: 11/2B Bình Đức, Phường 15, Quận 8, Thành phố H Chí Minh, Vi t Nam ồ ệ

o Văn phịng: 131c Nguyễn Khối, Phường 1, Qu n 4, Thành ậphố H Chí Minh,Vi t Nam ồ ệ

➢ Điện tho i: 0938.806.388 ạ2. Email: 3. Website:

<b>1.2 Thông tin v v trí th c t p </b>ề ị ự ậ

1. Vị trí thự ậc t p: Nhân viên l p trình ậ

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

Lĩnh vực công nghệ thông tin hiện nay rất rộng lớn và có nhiều chuyên ngành khác nhau. M i chuyên ngành s ỗ ẽ có đặc điểm và tính chất riêng bi ệt.

Ngồi các lĩnh vực thơng dụng hiện nay như lập trình website, lập trình ứng dụng, … bên cạnh đó hiện nay đã và đang xuất hiện các lĩnh vực mới như:

1. Thị giác máy tính 2. Machine Learning 3. Internet v n vân ạ4. Deep Learning 5. …

Các lĩnh vực mới xuất hiện này còn nhiều mới lạ với mọi người. Các lĩnh vực này c n t o ra các s n ph m thi t thầ ạ ả ẩ ế ực đáp ứng nhu c u cầ ủa người sử d ng và ụ đào tạo ngu n nhân l c phát tri n sau này. ồ ự ể

Trí tu nhân t o là m t chuyên ngành r ng l n thu c ngành công ngh thông ệ ạ ộ ộ ớ ộ ệtin. Trí tu nhân tệ ạo ngày nay đang ngày càng phổ biến t ừ đờ ối s ng hằng ngày đến nghiên c u các vứ ấn đề cấp thiết.

Lĩnh vực trí tuệ nhân tạo có thể chia ra nhiều lĩnh vực như Deep Learning, Machine Learning, Computer Vision, …

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

Trong đó nhận diện và phát hi n khuôn mệ ặt đang ngày càng phổ ến hơn. biNhận di n và phát hi n khuôn m t ch m i phát triệ ệ ặ ỉ ớ ển và đề ậ c p gần đây do các kỹ thu t còn h n ch . Hiậ ạ ế ện nay độ chính xác cũng như các cơng nghệ hỗ trợ ngày một nhiều khi n cho vi c th c hi n d ế ệ ự ệ ễ dàng hơn.

1.3.2 Tầm quan trọng

Áp d ng các công ngh ụ ệ nhận di n khuôn m t vào cu c s ng h ng ngày s giúp ệ ặ ộ ố ằ ẽcho rút ng n thắ ời gian và cũng như là công sức của con người. Giúp c i thi n hiả ệ ệu năng và độ chính xác c a viủ ệc làm mong muốn.

Hiện nay các ng d ng áp d ng th giác máy tính cịn h n ch và ít ph ứ ụ ụ ị ạ ế ổ biến vì nhiều lý do như:

1. Hạn chế về thơng tin: Rất khó để tiế p cận các bài báo cáo hay các đề tài nghiên cứu.

2. Hạn chế về kỹ thu t: Hiện nay việc nghiên c u và áp d ng thị giác máy ậ ứ ụtính địi hỏi người nghiên cứu phải có kiến thức vững vàng về chun ngành c a mình. Sủ ự hiểu biết ngồi chun mơn như về lĩnh vực tốn học, …

3. …

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

Vì v y vi c nghiên c u và áp d ng th giác máy tính vào d án th c t là mậ ệ ứ ụ ị ự ự ế ột phần quan tr ng, giúp th giác máy tính càng ngày càng phọ ị ổ biến trong đờ ống i shằng ngày nói chung và nh n di n khn m t nói riêng. ậ ệ ặ

1.3.3 Lý do chọn đề tài

Hiện nay việc điểm danh hay ch m công ấ ở các trường h c, cơng ty hay xí nghiọ ệp đang có nhiều điểm bất cập. Dẫn đến s m t mát v kinh t ự ấ ề ế cũng như nguồn nhân lực c a tủ ổ chức đó.

Đồng th i, tình hình d ch b nh Covid-ờ ị ệ 19 đang còn diễn bi n ph c t p. Vi c tiế ứ ạ ệ ếp xúc tr c ti p hay qua máy chự ế ấm công theo cách điểm danh thông thường s d ẽ ễdàng lây lan d ch b nh. Vì v y hị ệ ậ ệ thống điểm danh b ng khuôn m t sằ ặ ẽ giảm tối thiểu tiếp xúc giúp h n ch lây lan d ch b nh. ạ ế ị ệ

Việc điểm danh học sinh cũng khơng tránh khỏi những vấn đề trên. Cần tìm cách kh c ph c và c i tiắ ụ ả ến giúp cho nhà trường tối ưu hơn về ngân sách cũng như thời gian.

Các điểm bất cập có thể được nhắc tới như: sai sót, nhầm lẫn, tốn kém chỗ lưu trữ, …

1. Khi s ố lượng học sinh đi học c a mủ ột trường vào m t thộ ời điểm quá đông khiến cho người điểm danh sẽ không thể nhớ hết những học sinh mình đã điểm danh hay quên những học sinh chưa được điểm danh gây ra sai sót.

2. Khi điểm danh xong nhà trường ln phải lưu trữ lại bằng giấy và phải có một khơng gian lưu trữ để có thể lưu trữ ại các thông tin đã điểm ldanh. Vi c này khi n cho t n kém chi phí v m t gi y tệ ế ố ề ặ ấ ờ cũng như tốn kém không gian lưu trữ.

</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">

3. Kết qu mong muả ốn đạt được là t o ra m t muạ ộ ỗi tên đi từ điểm có ánh sáng sáng hơn đế ối hơn.n t C lứ ặp đi lặp lại như vậy cho đến h t khung hình hay ếbức ảnh.

4. Sau đó thuật tốn sẽ so sánh với các dữ liệu có sẵn đã được huấn luyện từ trước và so sánh để phát hiện ra khuôn mặt.

Sau khi áp d ng thu t tốn vào phát hi n khn mụ ậ ệ ặt chúng em thấy có độ chính xác cao hơn cũng như không bị quá ảnh hưởng bởi ánh sáng.

Với ngơn ng l p trình ữ ậ Python đã hỗ trợ thư viện face_recognition, có tích hợp sẵn thu t toán HOG. Khi áp d ng do thu t tốn khơng th s d ng GPU nên có ậ ụ ậ ể ử ụtốc độ xử lý sẽ chậm hơn khi có GPU.

Ví d và k t qu ụ ế ả đạt được:• Ảnh đầu vào:

Ảnh 2-7 Ảnh đầu vào

• Đoạn l nh th c hi n b ng trình so n th o mệ ự ệ ằ ạ ả ặc định c a Python: ủ

</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">

2.2.3 Mã hóa khn m t ặ

Ở bước đã có khn mặt đã phát hiện, đã loại bỏ nhiễu và canh ch nh phù h p. ỉ ợÁp dụng thư viện face_recognition của Python để mã hóa khn m t. Thuặ ật tốn s mã hóa khn m t thành m t m ng mẽ ặ ộ ả ột trăm hai mươi tám giá tr . Viị ệc mã hóa này m t khá là nhi u thấ ề ời gian cũng như sức m nh cạ ủa máy tính đang dùng. Việc dành nhi u th i gian cho vi c mã hóa càng nhiề ờ ệ ều thì có độ chính xác càng cao.

</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">

gần nhau. Có bao nhiêu bức ảnh được hu n luyấ ện ban đầu s có b y nhiêu tẽ ấ ọa độtương ứng. Các tọa độ từ các bức ảnh của một người sẽ có các tọa độ x và y gần nhau và n m thành t ng c m hoằ ừ ụ ặc đơi khi dữ liệu có th b nhiể ị ễu.

Để tính tốn s s dẽ ử ụng tham s k là số ố người hàng xóm g n nhầ ất có nghĩa là k điểm g n nh t với tầ ấ ọa độ x và y của khuôn mặt. Sau đó thuật tốn sẽ so sánh và tìm ra k t qu phù hế ả ợp.

Khi s d ng thu t tốn KNN có r t nhiử ụ ậ ấ ều ưu điểm cũng như khuyết điểm. ới Vưu điểm thì thu t tốn KNN s d dàng d ậ ẽ ễ ự đoán kết qu m i m t cách nhanh chóng. ả ớ ộVới nhược điểm thì thuật tốn KNN dễ bị sai khi giá trị k nhỏ nằm trong vùng nhiễu và do phải tính tốn kho ng cách giả ữa các điểm nên thuật toán càng chạy chậm khi giá tr k càng cao. ị

<b>2.3 Thuật toán Facenet Version 2 </b>

2.3.1 Tìm hi u khái ni m ể ệ

MTCNN là t ừ viết t t c a Multi-task Cascaded Convolutional Networks. M ng ắ ủ ạMTCNN bao g m 3 l p CNN x p ch ng lên nhau. M i l p s có c u trúc khác ồ ớ ế ồ ỗ ớ ẽ ấnhau và đảm nhi m các nhi m v khác nhau. ệ ệ ụ

Kết qu sau khi áp d ng thuả ụ ật toán MTCNN đầu ra sẽ trả v k t quề ế ả các điểm trên mặt như: mắt, mũi, miệng, …

Thuật tốn Facenet s ln ln hu n luy n và nh n di n nh ng tẽ ấ ệ ậ ệ ữ ấm ảnh có kích thước gi ng nhau và nhố ất định.

Để nh n di n khn mặt đó là ai thì thuật tốn s áp d ng thu t toán SVM. ậ ệ ẽ ụ ậ2.3.2 Tập d u ữ liệ

Để có th áp d ng thu t tốn Facenet chúng ta c n có d u ể ụ ậ ầ ữ liệ huấn luy n t ệ ừ đầu vào là các b c hình ch a khuôn m t cứ ứ ặ ủa người muốn phát hiện.

</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">

Trước khi hu n luy n nên t o mấ ệ ạ ột thư mục chứ ấa t t cả các thư mục con. Trong từng thư mục con sẽ lưu trữ các bức ảnh về đúng một người. Tránh để xảy ra sai sót khi m t ộ người có cùng hai thư mục con.

Các ảnh được hu n luy n nên là các bấ ệ ức ảnh th ng nh t v d ng chuố ấ ề ạ ẩn như loại ảnh png hay jpg. Ảnh được hu n luy n không quá nh và không quá l n. Vi c mấ ệ ỏ ớ ệ ột bức ảnh quá chi ti t hay nh raw s mang l i tế ả ẽ ạ ốc độ ử x lý ch m cho thu toán. ậ ật

Số lượng bức ảnh trong một thư mục con càng nhiều thì thời gian huấn luyện càng lâu nhưng khi nhận diện có kh ả năng sẽ tăng độ chính xác cao hơn.

Ảnh 2- 11 Thư mục con ch a các bứ ức ảnh về một người

Sau khi áp d ng thu t toán hu n luy n dụ ậ ấ ệ ữ liệu. Ta sẽ thu được các bức ảnh ch ỉcó khn m t cặ ủa người đó.

</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">

Ảnh 2- 12 Thư mục con ch a các bứ ức ảnh về một người

Số lượng ảnh m c trung bình s mang l i k t qu tứ ẽ ạ ế ả ốt hơn. Số lượng ảnh c a mủ ột người nên có khoảng hơn ba trăm t m hình ấ ở nhi u góc cề ạnh, hướng, ánh sáng, …

Số lượng ảnh quá lớn cũng gây nên việc tăng dung lượng lưu trữ nhưng chỉ xảy ra ở thời kỳ đầu c a hủ ệ thống. Sau này khi s d ng hử ụ ệ thống chỉ c n s dầ ử ụng dữliệu đã được hu n luyấ ện.

Ví d v m t b c hình có khn m t cụ ề ộ ứ ặ ủa người muốn hu n luy n ấ ệ

</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">

Ảnh 2- 13 Ảnh một người

Sau khi được huấn luy n phát hiệ ện khuôn măt. Ta thu được khuôn mặt như sau:

Ảnh 2- 14 Kết qu ả thu được 2.3.3 Model đã được huấn luyện

Hiện nay có hai model đã được huấn luy n sệ ẵn mang l i k t qu t t : ạ ế ả ố• 20180408-102900. T p d ậ ữ liệu được sử dụng là CASIA-Webface. • 20180402-114759. T p d ậ ữ liệu được sử dụng là VGGFace2.

</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">

<small>24 </small>2.3.4 Độ chính xác c a thu t tốn ủ ậ

Thuật tốn có độ chính xác khá là cao. Độ chính xác của thuật toán tùy thuộc vào nhi u y u tề ế ố khác nhau như ánh sáng, màu sắc hay độ tương phản lúc nhận diện

Để tăng độ chính xác khi nhận di n cệ ần ánh sàng đầy đủ. Ánh sáng khơng được q chói hay q sáng. Phơng nền đành sau ít đối tượng hay vật có hình giống khn mặt người. Phơng n n có th m t màu thì s mang l i k t qu tề ể ộ ẽ ạ ế ả ốt hơn. Khi áp d ng thu t toán này vào th c ti n cho thụ ậ ự ễ ấy độ chính xác m c trung ở ứbình. Có th áp d ng vào th c tiể ụ ự ễn nhưng chưa đạt những vấn đề ớ v i yêu c u cao. ầDễ b ịnhận di n sai. ệ

<b>2.4 Áp d</b>ụng thư việ<b>n face_recogntion </b>

Thư viện face_recognition đã hỗ trợ hầu hết các bước trong công nghệ nhận diện khuôn m t. ặ

Thư viện được vi t và xây d ng b i r t nhi u lế ự ở ấ ề ập trình viên khác nhau. Thư viện face_recognition xây d ng tự ừ thư viện dlib. Thư viện dlib là thư viện c a ngôn ủngữ ậ l p trình C++ dành cho Deep Learning hay Machine Learning, ... Theo báo cáo của thư viện thì thư viện này có độ chính xác khá cao. Trong điều ki n thích ệhợp có th ể đạt hơn 90%.

Thư viện face_recognition cũng hỗ trợ k t n i và nh n di n trên các thi t b ế ố ậ ệ ế ị như ipcamera, raspberry- pi.

Thư viện được đánh hơn 30 nghìn sao trên github và được nhiều người s d ng. ử ụ2.4.1 Phát hi n khn m t ệ ặ

Thuật tốn cung c p r t nhiấ ấ ều phương pháp để phát hiện khuôn m ặt.

Như đã đề cập trong các phần trước của đề tài. Chúng ta có thể áp dụng các kỹ thuật như HOG, MTCNN, …

</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">

<small>25 </small>Ví d ụ thực hi n và kệ ết qu ả đạt được:

• Đoạn l nh th c hi n b ng trình so n th o mệ ự ệ ằ ạ ả ặc định c a Python: ủ

Ảnh 2- 15 Đoạn l nh th c thi ệ ự• Kết quả thu được:

Ảnh 2- 16 Kết qu ả thu được

</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">

<small>26 </small>2.4.2 Huấn luy n d u ệ ữ liệ

Với đề tài chúng em sử dụng dữ liệu khuôn m t c a b dặ ủ ộ ữ liệu VGGFACE2. Chúng em đã sử dụng kho ng d u khuôn m t cả ữ liệ ặ ủa 500 ngườ ớ ấi v i r t nhi u bề ức ảnh khác nhau v tề ừng người một.

Thời gian hu n luy n b d ấ ệ ộ ữ liệu kéo dài khoảng hai mươi bốn tiếng. Chúng em cũng đã thử huấn luyện một người m i vào b d ớ ộ ữ liệu sau đó dữ liệu mới cần thời gian nhiều hơn trước để huấn luyện. Đây cũng là một khó khăn khi áp dụng thuật tốn này.

Sau khi hu n luy n xong chúng ta s có m file. Chúng ta có th s d ng file ấ ệ ẽ ột ể ử ụnày m t cách d dàng và mang ộ ễ ở b t k ấ ỳ đâu nếu mu n. Không c n ph i hu n luyố ầ ả ấ ện lại khi lắp đặt hay chuy n sang máy khác. ể

2.4.3 Nhận diện khuôn mặt

Áp d ng giao di n và h ụ ệ ệ thống vào nh n di n khuôn m ậ ệ ặt.

Ảnh 2- 17 Kết qu ả thu được

</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">

<small>27 </small>2.4.4 Độ chính xác c a thu t tốn ủ ậ

Khi áp d ng vào th c t cho th y thuụ ự ế ấ ật toán đạt yêu cầu cao v chính xác. ề độCó th ể nhận di n chính xác v i t p d ệ ớ ậ ữ liệu có nhiều người.

Để tăng độ chính xác cần tăng thời gian huấn luyện t p d ậ ữ ệu ban đầu. Khi linhận di n có th ệ ể tăng độ chính xác bằng cách tăng các tham số của thuật toán. Việc tăng các tham số này sẽ giúp tăng độ chính xác nhưng lại giảm hiệu năng của chương trình.

Thư viện khi được áp d ng trong nghiên c u và theo báo cáo c a tác gi ụ ứ ủ ả đã kiểm định thì có độ chính xác rất cao đơi khi đạt trên 90%.

Cũng như thuật toán Facenet Version 2 vi c có mệ ột khơng gian để nhận diện tốt s giúp cho vi c nh n diẽ ệ ậ ện đúng hơn và cũng như giúp tăng độ chính xác.

</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">

1. Học sinh 2. Giáo viên 3. Phụ huynh 3.1.1.1 Học sinh

Học sinh là tác nhân chính trong d án. ự

Khi học sinh đi học đến trường. m i cỞ ỗ ổng trường sẽ đượ ắp đặt camera đểc lbắt khuôn m t c a h c sinh. ặ ủ ọ

Khi có h c sinh xu t hi n trong camera. H ọ ấ ệ ệ thống s quét và phát hiẽ ện được các khn m t có trong khung hình. ặ

</div>