phát triển hệ thống nhận dạng khuôn mặt ứng dụng trong các hệ thống quản lý nhân sự

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 I
MỤC LỤC
MỤC LỤC I

DANH SÁCH CÁC HÌNH VẼ IV

DANH SÁCH CÁC BẢNG BIỂU VI

DANH SÁCH CÁC TỪ VIẾT TẮT VII

LỜI NÓI ĐẦU 1

Chương 1 2

TỔNG QUAN VỀ HỆ THỐNG 2

1.1. Các phần tử cơ bản của hệ thống xử lý nhận dạng ảnh 2

1.2. Các vấn đề cơ bản trong xử lý nhận dạng ảnh 3

1.2.1. Một số khái niệm 3

1.2.2. Biểu diễn ảnh 4

1.2.3. Tăng cường ảnh - khôi phục ảnh 5

1.2.4. Biến đổi ảnh 6

1.2.5. Phân tích ảnh 7

1.2.6. Nhận dạng ảnh 8

1.2.7. Nén ảnh 8

1.3. Những vấn đề đặt ra với các hệ thống QLNS hiện nay 9

1.3.1. Mục đích và ý nghĩa của đề tài 12

1.4. Giới thiệu về hệ thống QLNS đề xuất 13

1.4.1. Sơ đồ khối 13

1.4.2. Các chức năng cơ bản của hệ thống 15

Chương 2 20

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 II
MODULE NHẬN DẠNG 20

KHUÔN MẶT VÀ ĐẶC TRƯNG BVLC 20

2.1. Cơ sở lý thuyết của bài toán nhận dạng khuôn mặt 20

2.2. Module nhận dạng khuôn mặt và đặc trưng BVLC 23

2.2.1. Module nhận dạng khuôn mặt 23

2.2.2. Đặc trưng BVLC 24

Chương 3 28

PHÂN TÍCH VÀ THIẾT KẾ 28

PHẦN MỀM QUẢN LÝ NHÂN SỰ 28

3.1. Giới thiệu phần mềm quản lý nhân sự 28

3.1.1. Tìm hiểu yêu cầu 28

3.1.2. Các chỉ tiêu về hệ thống quản lý nhân sự 31

3.2. Phân tích và thiết kế hệ thống 31

3.2.1. Phân tích hệ thống 31

3.2.2. Thiết kế hệ thống 34

3.2.3. Công cụ và ngôn ngữ lập trình 51

Chương 4 52

ĐÁNH GIÁ KẾT QUẢ ĐẠT ĐƯỢC VÀ 52

HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 52

4.1. Đặc trưng BVLC 52

4.1.1. Lựa chọn công cụ và ngôn ngữ lập trình 52

4.1.2. Vectơr BVLC 53

4.1.3. Hiệu suất của đặc trưng BVLC 54

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 III
4.1.4. Phần mềm QLNS 58

4.2. Đánh giá chung về hệ thống 67

4.2.1. Kết quả đạt được 67

4.2.2. Đánh giá chung về hệ thống 69

4.2.3. Hướng phát triển của đề tài 72

KẾT LUẬN 74

TÀI LIỆU THAM KHẢO 75

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 IV
DANH SÁCH CÁC HÌNH VẼ
Hình 1.2. Ảnh biến dạng do nhiễu 5

Hình 1.3. Ưu điểm của hệ thống QLNS bằng phần mềm 10

Hình 1.4. Hạn chế của hệ thống QLNS sử dụng công nghệ RFID 12

Hình 1.5. Sơ đồ khối hệ thống QLNS ứng dụng nhận dạng khuôn mặt 14

Hình 1.6. Mô hình hệ thống RFID cơ bản 18

Hình 2.1. Sơ đồ khối phương pháp nhận dạng khuôn mặt sử dụng bộ phân loại SVM
và các đặc trưng BDIP, BVLC 23

Hình 2.2. Phân loại BVLC 26

Hình 3.1. Mẫu lưu trữ nhân viên 29

Hình 3.2. Mẫu phiếu chấm công nhân viên 29

Hình 3.3. Mẫu bảng lương nhân viên 30

Hình 3.4. Biểu đồ phân cấp chức năng 32

Hình 3.5. Biểu đồ mức ngữ cảnh 33

Hình 3.6. Biểu đồ mức đỉnh 34

Hình 3.7. Sơ đồ thực thể liên kết ERD 36

Hình 3.8. Lưu đồ thuật toán nhập thông tin nhân viên 44

Hình 3.9. Lưu đồ thuật toán tìm thông tin nhân viên 45

Hình 3.10. Lưu đồ thuật toán sửa thông tin nhân viên 46

Hình 3.11. Lưu đồ thuật toán xóa thông tin nhân viên 47

Hình 3.12. Lưu đồ thuật toán thêm thông tin giao việc cho nhân viên 48

Hình 3.13. Lưu đồ thuật toán sửa thông tin giao việc cho nhân viên 49

Hình 3.14. Lưu đồ thuật toán xóa thông tin giao việc cho nhân viên 50

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 V
Hình 4.1. (a) Ảnh gốc; (b) Ảnh BVLC 53

Hình 4.2. Minh họa một số ảnh trong tập S
+
(hàng trên) 55

và tập S
-
negative (hàng dưới). 55

Hình 4.3. Ảnh đầu vào có độ tương phản thấp và sau khi cân bằng mức xám. 55

Hình 4.4. Đường cong ROC với đặc trưng BVLC 57

Hình 4.5. Giao diện dành cho người sử dụng 58

Hình 4.6. Giao diện dành cho người quản lý 59

Hình 4.7. Các chức năng Danh mục công việc, trình độ, và phòng ban 60

Hình 4.8. Chức năng quản lý thông tin cá nhân của nhân viên 61

Hình 4.9. Chức năng giao việc cho nhân viên 62

Hình 4.10. Chức năng chấm công cho nhân viên 63

Hình 4.11. Chức năng tính lương cho nhân viên 64

Hình 4.12. Chức năng giám sát chứng thực 65

Hình 4.13. Báo cáo về thông tin nhân viên 66

Hình 4.14. Giao diện module thu nhận thông tin đầu vào 68

Hình 4.15. Giao diện tổng thể của hệ thống QLNS 69

ứng dụng nhận dạng khuôn mặt và RFID 69

Hình 4.16. Các kết quả nghiên cứu đạt được 71





Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 VI
DANH SÁCH CÁC BẢNG BIỂU
Bảng 3.1. Bảng liệt kê các thuộc tính 35

Bảng 3.2. Bảng từ điển dữ liệu 39

Bảng 4.1. So sánh các wrapper kết nối OpenCV với .NET 53

Bảng 4.2. Kết quả kiểm tra 56

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 VII
DANH SÁCH CÁC TỪ VIẾT TẮT

STT

TỪ
VIẾT
TẮT
THUẬT NGỮ
TIẾNG ANH
THUẬT NGỮ
TIẾNG VIỆT
1 BDIP
Block Difference of Inverse
Probabilities
Sai lệch khối của xác suất
nghịch đảo

2 BVLC
Block Variation of Local
Correlation Coefficients
Sai lệch khối của các hệ số
tương quan cục bộ
3 DFD Data Flow Diagram Biểu đồ luồng dữ liệu
4 ERD Enity Relationship Diagram Biểu đồ quan hệ thực thể
5 FD Function Diagram Biểu đồ chức năng
6 LAN Local Area Network Mạng nội bộ
7 PCA
Principal Component
Analysis
Phân tích thành phần chủ yếu
8 RFID
Radio Frequency
Identification
Nhận dạng bằng sóng vô tuyến
9 ROC
Receiver Operating
Characteristic
Đặc tính hoạt động của đầu vào

10 SVM Support Vector Machine Vecto trợ giúp
11 QLNS Quản lý nhân sự
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 1
LỜI NÓI ĐẦU
Xử lý ảnh là một lĩnh vực nghiên cứu rộng và có rất nhiều ứng dụng trong thực tế.
Một trong những khía cạnh nghiên cứu của xử lý ảnh là nhận dạng khuôn mặt. Kỹ thuật

này cho phép chúng ta nhận dạng khuôn mặt người từ ảnh tĩnh hay video bằng cách so
sánh với kho dữ liệu có sẵn trong hệ thống. Với sự phát triển mạnh mẽ của công nghệ
thông tin và truyền thông, rất nhiều phương pháp nhận dạng khuôn mặt có độ chính xác
cao, hiệu quả và dễ sử dụng đã được áp dụng nhiều trong các hệ thống tương tác giữa
người và máy, đặc biệt là các hệ thống quản lý, đặc biệt là các hệ thống quản lý đòi hỏi có
độ bảo mật và có tính ưu việt như hệ thống quản lý nhân sự, quản lý hàng hóa, giám sát sân
bay. Để xây dựng được một hệ thống quản lý nói chung và quản lý nhân sự nói riêng với
những đòi hỏi về tính ưu việt, hiệu quả cao cũng như đảm bảo được các yêu cầu về an ninh
khắt khe, các nhà nghiên cứu và kỹ thuật đã tích hợp các công nghệ khác nhau như công
nghệ thông tin, tự động hóa, công nghệ không dây… trong cùng một hệ thống. Có thể nói
một trong những xu hướng phát triển chính của khoa học công nghệ hiện đại đó là tổng
hợp thành tựu của các lĩnh vực khác nhau để xây dựng một hệ thống đáp ứng được những
yêu cầu ngày càng cao của sản xuất và đời sống.
Dựa trên cơ sở của việc nghiên cứu và đề xuất một phương pháp nhận dạng khuôn
mặt mới có độ chính xác cao, em đã phát triển nghiên cứu của mình trong một ứng dụng về
quản lý nhân sự sử dụng nhận dạng khuôn mặt làm nền tảng hoạt động chính. Đề tài mà
em thực hiện trong luận văn là nghiên cứu đặc trưng BVLC sử dụng trong module nhận
dạng khuôn mặt và thiết kế phần mềm quản lý nhân sự ứng dụng cho phương pháp nhận
dạng khuôn mặt .
Em xin chân thành cảm ơn thầy giáo hướng dẫn PGS.TS Nguyễn Tiến Dũng đã có
những định hướng và góp ý quý báu đối với em, để em hoàn thành tốt luân văn của mình
với kết quả tốt nhất. Cuối cùng em xin cảm ơn gia đình và bạn bè đã giúp đỡ, động viên em
trong thời gian vừa qua.

Hà Nội, ngày tháng năm 2012
Học viên

Trần văn Huy
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 2
Chương 1
TỔNG QUAN VỀ HỆ THỐNG
1.1. Các phần tử cơ bản của hệ thống xử lý nhận dạng ảnh
Xử lý nhận dạng ảnh đã và đang được ứng dụng rộng rãi hiện nay. Để có thể
hình dung cấu hình một hệ thống xử lý nhận dạng ảnh chuyên dụng hay một hệ
thống xử lý nhận dạng ảnh dùng trong nghiên cứu, đào tạo, trước hết chúng ta sẽ
xem xét các bước cần thiết trong xử lý nhận dạng ảnh.
Trước hết là quá trình thu nhận nhận dạng ảnh. Ảnh có thể thu nhận qua
camera. Thường ảnh thu nhận qua camera là tín hiệu tương tự (loại camera ống kiểu
CCIR), nhưng cũng có thể là tín hiệu số hóa (loại CCD - Charge Coupled - Device).

Hình 1.1. Các giai đoạn chính trong xử lý nhận dạng ảnh
Ảnh cũng có thể thu nhận từ vệ tinh qua các bộ phận cảm ứng (sensor), hay
ảnh, tranh được quét trên scanner. Tiếp theo là quá trình số hóa (Digitalizer) để biến
đổi tín hiệu tương tự sang giai đoạn xử lý, phân tích hay lưu trữ lại.
Quá trình phân tích nhận dạng ảnh thực chất bao gồm nhiều công đoạn nhỏ.
Trước hết là công việc tăng cường ảnh để nâng cao chất lượng ảnh. Do những
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 3
nguyên nhân khác nhau: có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sáng
hay do nhiễu, ảnh có thể bị suy biến. Do vậy cần phải tăng cường và khôi phục lại
ảnh để làm nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất
với trạng thái gốc, trạng thái trước khi ảnh bị biến dạng. Giai đoạn tiếp theo là phát
hiện các đặc tính như biên, phân vùng ảnh, trích chọn các đặc tính, v.v
Cuối cùng, tùy theo mục đích của ứng dụng, sẽ là giai đoạn nhận dạng, phân
lớp hay các quyết định khác. Các giai đoạn chính của quá trình xử lý nhận dạng ảnh
có thể mô tả ở hình 1.1.
Đối với một hệ thống xử lý nhận dạng ảnh thu nhận qua camera - camera

như là con mắt của hệ thống. Có 2 loại camera: camera ống loại CCIR và camera
CCD. Loại camera ứng với chuẩn CCIR quét ảnh với tần số 1/25 và mỗi ảnh gồm
625 dòng. Loại CCD gồm các photo điốt và làm tương ứng một cường độ sáng tại
một điểm ảnh ứng với một phần tử ảnh (pixel). Như vậy, ảnh là tập hợp các điểm
ảnh. Số pixel tạo nên một ảnh gọi là độ phân giải (resolution).
1.2. Các vấn đề cơ bản trong xử lý nhận dạng ảnh
Như đã đề cập trong phần giới thiệu, chúng ta đã thấy được một cách khái
quát các vấn đề chính trong xử lý nhận dạng ảnh. Để hiểu chi tiết hơn, trước tiên ta
xem xét hai khái niệm (thuật ngữ) thường dùng trong xử lý ảnh đó là Pixel (phần tử
ảnh) và grey level (mức xám), tiếp theo là tóm tắt các vấn đề chính.
1.2.1. Một số khái niệm
• Pixel (Picture Element): phần tử ảnh
Ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng. Để
có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hóa ảnh. Trong quá trình
số hóa, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình
lấy mẫu (rời rạc hóa về không gian) và lượng hóa thành phần giá trị mà thể về
nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau. Trong quá
trình này, người ta sử dụng khái niệm Picture element mà ta quen gọi hay viết là
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 4
Pixel - phần tử ảnh. Ở đây cũng cần phân biệt khái niệm pixel hay đề cập đến trong
các hệ thống đồ họa máy tính. Để tránh nhầm lẫn ta tạm gọi khái niệm pixel này là
pixel thiết bị. Khái niệm pixel thiết bị có thể xem xét như sau: khi ta quan sát màn
hình (trong chế độ đồ họa), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là
pixel. Mỗi pixel gồm một cặp tọa đội x, y và màu.
Cặp tọa độ x, y tạo nên độ phân giải (resolution). Như màn hình máy tính có
nhiều loại với độ phân giải khác nhau: màn hình CGA có độ phân giải là 320 x 200;
màn hình VGA là 640 x 350,
Như vậy, một ảnh là một tập hợp các điểm ảnh. Khi được số hóa, nó thường

được biểu diễn bởi bảng hai chiều I(n, p): n dòng và p cột. Ta nói ảnh gồm n × x
pixels. Người ta thường ký hiệu I(x, y) để chỉ một pixel. Thường giá trị của n chọn
bằng p và bằng 250. Hình 1.2 cho ta thấy việc biểu diễn một ảnh với độ phân giải
khác nhau. Một pixel có thể lưu trữ trên 1, 4, 8 hay 24 bit.
• Gray level: Mức xám
Mức xám là kết quả sự mã hóa tương ứng một cường độ sáng của mỗi điểm
ảnh với một giá trị số - kết quả của quá trình lượng hóa. Cách mã hóa kinh điển
thường dùng 16, 32 hay 64 mức. Mã hóa 256 mức là phổ dụng nhất do lý do kỹ
thuật. Vì 2
8
= 256 (0, 1, , 256), nên với 256 mức, mối pixel sẽ được mã hóa bởi 8
bít.
1.2.2. Biểu diễn ảnh
Trong biểu diễn ảnh, người ta thường dùng các phần tử đặc trưng của ảnh là
pixel. Nhìn chung, ta có thể xem một hàm hai biến chứa các thông tin như biểu diễn
của một ảnh. Các mô hình biểu diễn ảnh cho ta một mô tả lô gic hay định lượng các
tính chất của hàm này. Trong biểu diễn ảnh cần chú ý đến tính trung thực của ảnh
hoặc các tiêu chuẩn "thông minh" để đo chất lượng ảnh hoặc tính hiệu quả của các
kỹ thuật xử lý.
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 5
Việc xử lý ảnh số yêu cầu ảnh phải được mẫu hóa và lượng tử hóa. Thí dụ
một ảnh ma trận 512 dòng gồm khoảng 512 × 512 pixel. Việc lượng tử hóa ảnh là
một chuyển đổi tín hiệu tương tự sang tín hiệu số (Analog Digital Convert) của một
ảnh đã lấy mẫu sang một số hữu hạn mức xám.
Một số mô hình thường được dùng trong biểu diễn ảnh: Mô hình toán, mô
hình thống kê. Trong mô hình toán, ảnh hai chiều được biểu diễn nhờ các hàm hai
biến trực giao gọi là các hàm cơ sở. Các biến đổi này sẽ trình bày kỹ trong chương
3. Với mô hình thống kê, một ảnh được coi như một phần tử của một tập hợp đặc

trưng bởi các đại lượng như: kỳ vọng toán học, hiệp biến, phương sai, moment.
1.2.3. Tăng cường ảnh - khôi phục ảnh
Tăng cường ảnh là bước quan trọng, tạo tiền đề cho xử lý ảnh. Nó gồm một
loạt các kỹ thuật như: lọc độ tương phản, khử nhiễu, nổi màu, v.v

Hình 1.2. Ảnh biến dạng do nhiễu
Hình 1.2 ở trên cho ta thí dụ về sự biến dạng của ảnh do nhiễu.
Khôi phục ảnh là nhằm loại bỏ các suy giảm (degradation) trong ảnh. Với
một hệ thống tuyến tính, ảnh của một đối tượng có thể biểu diễn bởi:
g(x, y) =
+∞
-∞
∫
+∞
-∞
∫ h(x, y; α, β)f(α, β)dαd(β + η(x, y))
Trong đó:
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 6
- η(x, y) là hàm biểu diễn nhiễu cộng.
- f(α, β) là hàm biểu diễn đối tượng.
- g(x, y) là ảnh thu nhận.
- h((x, y; α, β) là hàm tán xạ điểm (Point Spread Function - PSF).
Một vấn đề khôi phục ảnh tiêu biểu là tìm một xấp xỉ của f(α, β) khi PSF của
nó có thể đo lường hay quan sát được, ảnh mờ và các tính chất sác xuất của quá
trình nhiễu.
1.2.4. Biến đổi ảnh
Thuật ngữ biến đổi ảnh (Image Transform) thường dùng để nói tới một lớp
các ma trận đơn vị và các kỹ thuật dùng để biến đổi ảnh. Cũng như các tín hiệu một

chiều được biểu diễn bởi một chuỗi các hàm cơ sở, ảnh cũng có thể được biểu diễn
bởi một chuỗi rời rạc các ma trận cơ sở gọi là ảnh cơ sở. Phương trình ảnh cơ sở có
dạng:
A*
k.1
= a
k
a
l
*T
, với a
k
là một thứ k của ma trận A. A là ma trận đơn vị. Có nghĩa là A
A
*T
= I. Các A*
k.l
định nghĩa ở trên, với k, l = 0,1, , N-1 là ảnh cơ sở. Có nhiều
loại biến đổi được dùng như:
- Biến đổi Fourier, Sin, Cosin, Hadamard,
- Tích Kronecker (*).
- Biến đổi KL (Karhumen Loeve): biến đổi này có nguồn gốc từ khai miền
của các quá trình ngẫu nhiên gọi là phương pháp trích chọn các thành phần chính.
Do phải xử lý nhiều thông tin, các phép toán nhân và cộng trong khai triển là
khá lớn. Do vậy, các biến đổi trên nhằm làm giảm thứ nguyên của ảnh để việc xử lý
ảnh được hiệu quả hơn.
Trong xử lý ảnh, việc phân tích có thể được đơn giản hơn khá nhiều do làm
việc với ma trận khối gọi là tích Kronecker.
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 7
• Ma trận khối là ma trận mà phân tử của nó lại là một ma trận.








A
1 1

A
in 1

A
1 2

A
in 1





A
1.n

A

in n

Ma trận A
với A
ij
là ma trận m × n; i = 1, 2, , m và j = 1, 2, , n.
• Tích Kronecker
Cho A là ma trận kích thước M
1
× M
2
và B là ma trận kích thước N
1
× N
2
.
Tích Kronecker của A và B ký hiệu là A⊗ B là ma trận khối được định
nghĩa: A⊗ B
Với a
i.j
là các phần tử của ma trận A.







1
3

2
4







1
1

1
-1

Thí dụ; ma trận A ma trận B
thì A⊗ B =








1
3
1
3

2
4
2
4

1
3
-1
-3

2
4
-2
-4

1.2.5. Phân tích ảnh
Phân tích ảnh liên quan đến việc xác định các độ đo định lượng của một ảnh
để đưa ra một mô tả đầy đủ về ảnh. Các kỹ thuật được sử dụng ở đây nhằm mục
đích xác định biên của ảnh. Có nhiều kỹ thuật khác nhau như lọc vi phân hay dò
theo quy hoạch động.
Người ta cũng dùng các kỹ thuật để phân vùng ảnh. Từ ảnh thu được, người
ta tiến hành kỹ thuật tách (split) hay hợp (fusion) dựa theo các tiêu chuẩn đánh giá
như: màu sắc, cường độ, v.v Các phương pháp được biết đến như Quad-Tree,
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 8
mảnh hóa biên, nhị phân hóa đường biên. Cuối cùng, phải kể đến các kỹ thuật phân
lớp dựa theo cấu trúc.
1.2.6. Nhận dạng ảnh

Nhận dạng ảnh là quá trình liên quan đến các mô tả đối tượng mà người ta
muốn đặc tả nó. Quá trình nhận dạng thường đi sau quá trình trích chọn các đặc tính
chủ yếu của đối tượng. Có hai kiểu mô tả đối tượng:
- Mô tả tham số (nhận dạng theo tham số).
- Mô tả theo cấu trúc (nhận dạng theo cấu trúc).
Trên thực tế, người ta đã áp dụng kỹ thuật nhận dạng khá thành công với
nhiều đối tượng khác nhau như: nhận dạng ảnh vân tay, nhận dạng chữ (chữ cái,
chữ số, chữ có dấu).
Nhận dạng chữ in hoặc đánh máy phục vụ cho việc tự động hóa quá trình đọc
tài liệu, tăng nhanh tốc độ và chất lượng thu nhận thông tin từ máy tính.
Nhận dạng chữ viết tay (với mức độ ràng buộc khác nhau về cách viết, kiểu
chữ, v.v ) phục vụ cho nhiều lĩnh vực.
Ngoài 2 kỹ thuật nhận dạng trên, hiện nay một kỹ thuật nhận dạng mới dựa
vào kỹ thuật mạng nơron đang được áp dụng và cho kết quả khả quan.
1.2.7. Nén ảnh
Dữ liệu ảnh cũng như các dữ liệu khác cần phải lưu trữ hay truyền đi trên
mạng. Như đã nói ở trên, lượng thông tin để biểu diễn cho một ảnh là rất lớn. Trong
phần 1.1 chúng ta đã thấy một ảnh đen trắng cỡ 512 × 512 với 256 mức xám chiếm
256K bytes. Do đó làm giảm lượng thông tin hay nén dữ liệu là một nhu cầu cần
thiết. Nhiều phương pháp nén dữ liệu đã được nghiên cứu và áp dụng cho loại dữ
liệu đặc biệt này.
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 9
1.3. Những vấn đề đặt ra với các hệ thống QLNS hiện nay
Các hệ thống QLNS hiện nay được sử dụng rất phổ biến và rộng rãi từ trong
các công sở, xí nghiệp, nhà máy cho đến các cơ quan tổ chức Nhà nước, trường học,
bệnh viện, khách sạn…[1]. Có thể nói các hệ thống QLNS đã mang lại một cuộc
cách mạng trong lĩnh vực quản lý, không những giảm thời gian và chi phí so với
việc quản lý thủ công mà còn nâng cao hiệu quả và độ chính xác rất cao. Với những

đòi hỏi mới phát sinh trong quá trình sử dụng mà các hệ thống QLNS ngày càng
được tăng cường thêm nhiều chức năng mới, giảm lao động trực tiếp của con người,
tăng hiệu quả quản lý. Từ những chức năng đơn giản ban đầu như lưu trữ thông tin,
tìm kiếm, bổ sung và xóa thông tin khỏi hệ thống, các phần mềm quản lý thông
minh hiện nay còn cho phép người dùng có thể thực hiện nhiều bài toán nghiệp vụ
trên đó, đặc biệt có thể thực hiện việc chấm công và tính lương một cách chính xác
và trung thực.
Tuy nhiên, các hệ thống QLNS đang được áp dụng hiện nay vẫn tồn tại một
số hạn chế:
Thứ nhất, với các hệ thống quản lý thuần túy xây dựng trên các kỹ thuật lập
trình phần mềm thì việc chấm công, tính lương cho nhân viên sẽ khó thực hiện được
do không giám sát được thời gian đi, về và thời gian làm việc của nhân viên, đặc
biệt là ở các công ty lớn, số lượng nhân viên nhiều. Để tính được lương theo ngày
công một cách chính xác với nhân viên thì hệ thống QLNS cần có khả năng ghi lại
thời gian đến, thời gian ra về, thời gian đó sẽ được lưu lại trong hệ thống để từ đó
tính ra thời gian làm việc của nhân viên. Với các hệ thống phần mềm thuần túy, việc
nhập dữ liệu về thời gian đi và về của nhân viên phải thực hiện bằng tay và không
thể xử lý tự động được. Do đó nhu cầu đặt ra là cần tự động hóa quá trình nhập dữ
liệu và xử lý dự liệu đối với các hệ thống quản lý giám sát. Điều này có thể được
giải quyết bằng cách áp dụng một công nghệ nhận dạng tự động đó là công nghệ
nhận dạng bằng sóng điện từ RFID. Mỗi người dùng mà ở đây là mỗi nhân viên sẽ
được phát một thẻ RFID với một mã số duy nhất, mỗi khi ra vào công ty hoặc các
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 10
phòng ban, người sử dụng chỉ cần quẹt thẻ qua một đầu đọc RFID, thông tin về mã
số thẻ sẽ xác định nhân viên đó và thời gian quẹt thẻ sẽ được lưu vào trong hệ thống
để từ đó biết được thời điểm vào ra của các nhân viên và giải quyết được việc chấm
công và tính lương một cách tự động. RFID là một công nghệ nhận dạng điện tử
thông qua sóng vô tuyến được áp dụng rộng rãi trong nhiều hệ thống QLNS hiện

nay ở Việt Nam.

Hình 1.3. Ưu điểm của hệ thống QLNS bằng phần mềm
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 11
Thứ hai,việc áp dụng công nghệ RFID vào hệ thống QLNS tuy có thể giải
quyết được bài toán chấm công và tính lương nhưng vẫn tồn tại một nhược điểm có
thể làm ảnh hưởng đến kết quả xử lý. Đó là trong trường hợp các nhân viên có thể
mượn thẻ của nhau để ra vào công ty hoặc chỉ đơn giản là cầm nhầm thẻ của nhau,
cả hai điều đó đều làm mất đi độ chính xác của việc giám sát để xác định thời gian
làm việc, tiền đề của bài toán chấm công tính lương. Hoặc trường hợp xấu hơn có
thể có là người ngoài công ty sẽ sử dụng thử RFID của nhân viên trong công ty để
ra vào trái phép, các tài sản của công ty trong thời gian này khó có thể đảm bảo an
toàn. Điều này đặt ra một bài toán kỹ thuật đòi hỏi tăng cường độ chính xác của
thông tin đầu vào cho hệ thống quản lý, khắc phục các thiếu sót và nhầm lẫn trong
quá trình giám sát truy nhập hệ thống của các nhân viên trong công ty.
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 12

Hình 1.4. Hạn chế của hệ thống QLNS sử dụng công nghệ RFID
Trước những hạn chế còn tồn tại ở các hệ thống hiện thời, để xây dựng được
một hệ thống QLNS đáp ứng được đầy đủ các chức năng cơ bản và đảm bảo được
cho bài toán chấm công và tính lương một cách chính xác nhất, nâng cao tính bảo
mật và an toàn cho hệ thống, em đã lựa chọn đề tài “Hệ thống quản lý nhân sự
ứng dụng nhận dạng khuôn mặt và RFID”.
1.3.1. Mục đích và ý nghĩa của đề tài
Như đã đề cập ở trên, mục đích của em khi chọn đề tài đó là muốn xây dựng
hoàn thiện một hệ thống QLNS khắc phục được những tồn tại thiếu sót của các hệ

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 13
thống trước đó, sử dụng các công nghệ hiện đang rất phát triển vào một lĩnh vực có
tính áp dụng cao trong thực tế. Hệ thống được xây dựng sẽ đáp ứng những mục đích
cơ bản đề ra như sau:
• Thực hiện đầy đủ chức năng của một bài toán QLNS thông thường, cho
phép nhập, sửa, xóa, quản lý thông tin về các nhân viên trong công ty.
• Đảm bảo được yêu cầu bài toán chấm công tính lương, thông tin đầu vào
được xác thực và tính toán chính xác.
• Quản lý truy nhập vào các phòng ban quan trọng thông qua cơ chế phân
quyền người sử dụng.
1.4. Giới thiệu về hệ thống QLNS đề xuất
Hệ thống được xây dựng sẽ bao gồm các module chính được thể hiện qua sơ
đồ khối tổng quan dưới đây, tiếp theo dó sẽ là phần chú thích cụ thể về các module
và chức năng của từng module trong hệ thống.
1.4.1. Sơ đồ khối

Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 14

Hình 1.5. Sơ đồ khối hệ thống QLNS ứng dụng nhận dạng khuôn mặt
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 15
1.4.2. Các chức năng cơ bản của hệ thống
1.4.2.1. Ho
ạ
t

độ
ng c
ủ
a h
ệ
th
ố
ng
H
ệ
th
ố
ng s
ẽ
ho
ạ
t
độ
ng c
ơ
b
ả
n theo chu trình sau:
H
ệ
th
ố
ng bao g
ồ
m hai ph

ầ
n chính là xác th
ự
c thông tin
đầ
u vào và ph
ầ
n
m
ề
m QLNS. Module xác th
ự
c thông tin
đầ
u vào g
ồ
m có webcam
để
ch
ụ
p
ả
nh
ng
ườ
i s
ử
d
ụ
ng,

đầ
u
đọ
c th
ẻ
RFID
đọ
c thông tin v
ề
mã th
ẻ

đ
ã
đượ
c n
ạ
p trong th
ẻ
, c
ơ

s
ở
d
ữ
li
ệ
u ch
ứ

a mã th
ẻ
RFID c
ủ
a các nhân viên và c
ơ
s
ở
d
ữ
li
ệ
u khuôn m
ặ
t.
Đầ
u
vào s
ẽ
là khuôn m
ặ
t ng
ườ
i s
ử
d
ụ
ng và th
ẻ
RFID

đượ
c x
ử
lý cùng m
ộ
t th
ờ
i
đ
i
ể
m. a
đượ
c
đư
a vào.
FaceID là giá tr
ị
RFID serial
đượ
c gán cho m
ộ
t Face image nh
ấ
t
đị
nh và
đượ
c th
ự

c hi
ệ
n khi xây d
ự
ng c
ơ
s
ở
d
ữ
li
ệ
u; v
ớ
i FaceID
đượ
c tr
ả
v
ề
t
ừ
RFID
Database, h
ệ
thPh
ầ
n m
ề
m QLNS s

ẽ
d
ự
a trên thông tin
đầ
u vào là khuôn m
ặ
t ng
ườ
i
s
ử
d
ụ
ng và mã th
ẻ
RFID
để
th
ự
c hi
ệ
n các ch
ứ
c n
ă
ng ti
ế
p theo.
1.

Thu nh
ậ
n thông tin
ả
nh ng
ườ
i dùng và s
ố
th
ẻ
RFID.
2.

S
ố
th
ẻ
RFID
đượ
c
đư
a vao RFID Database
để
ki
ể
m tra s
ự
t
ồ

n t
ạ
i và
tính h
ợ
p l
ệ
.
3.

N
ế
u h
ợ
p l
ệ
, RFID Database tr
ả
v
ề
cho h
ệ
th
ố
ng FaceID t
ươ
ng
ứ
ng v
ớ

i
RFID serial v
ừố
ng s
ẽ
l
ấ
y ra FaceID Image t
ừ
Face Database.
4.

Sau các b
ướ
c trên, h
ệ
th
ố
ng
đ
ã có
đượ
c User image và FaceID image
t
ươ
ng
ứ
ng v
ớ
i RFID serial.

5. D
ữ
ki
ệ
n này
đượ
c
đư
a vào module ch
ứ
ng th
ự
c khuôn m
ặ
t
để
th
ự
c hi
ệ
n
ch
ứ
ng th
ự
c.
5.1. N
ế
u 2 d
ữ

ki
ệ
n này so kh
ớ
p (matched), quá trình
đă
ng nh
ậ
p thành
công, thông tin
đă
ng nh
ậ
p s
ẽ

đượ
c c
ậ
p nh
ậ
t vào ph
ầ
n m
ề
m QLNS
(thông tin
đă
ng nh
ậ

p bao g
ồ
m
ả
nh khuôn m
ặ
t, thông tin th
ẻ
RFID
đ
ã
s
ử
d
ụ
ng, th
ờ
i gian
đă
ng nh
ậ
p).
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 16
5.2. N
ế
u 2 d
ự
ki

ệ
n này không so kh
ớ
p, h
ệ
th
ố
ng
đư
a ra c
ả
nh báo và
cho phép
đă
ng nh
ậ
p l
ạ
i.
6.

Ph
ầ
n m
ề
m QLNS s
ẽ
có Staff Database, v
ớ
i thông tin

đượ
c tr
ả
v
ề
sau
quá trình
đă
ng nh
ậ
p thành công (
ả
nh khuôn m
ặ
t, thông tin th
ẻ
RFID
đ
ã s
ử
d
ụ
ng, th
ờ
i gian
đă
ng nh
ậ
p) s
ẽ

đượ
c x
ử
lý
để
th
ự
c hi
ệ
n các ch
ứ
c
n
ă
ng: Qu
ả
n lý nhân viên, ch
ấ
m công tính l
ươ
ng và k
ế
t xu
ấ
t các báo
cáo
đị
nh k
ỳ

.
1.4.2.2. Ph
ươ
ng pháp nh
ậ
n d
ạ
ng và xác th
ự
c khuôn m
ặ
t s
ử
d
ụ
ng trong h
ệ

th
ố
ng

Để
nh
ậ
n d
ạ
ng khuôn m
ặ
t, hi

ệ
n nay có 2 ph
ươ
ng pháp ch
ủ
y
ế
u [2]:
- Nh
ậ
n d
ạ
ng d
ự
a trên các
đặ
c tr
ư
ng c
ủ
a các ph
ầ
n t
ử
trên khuôn m
ặ
t (Feature
based face recognition). Ph
ươ
ng pháp này nh

ậ
n d
ạ
ng khuôn m
ặ
t d
ự
a trên các
đặ
c
tr
ư
ng hình h
ọ
c c
ủ
a các chi ti
ế
t trên m
ộ
t khuôn m
ặ
t( nh
ư
v
ị
trí, di
ệ
n tích, hình d
ạ

ng
c
ủ
a m
ắ
t, m
ũ
i, mi
ệ
ng, ) và m
ố
i quan h
ệ
gi
ữ
a chúng (nh
ư
kho
ả
ng cách c
ủ
a hai m
ắ
t,
kho
ả
ng cách c
ủ
a hai lông mày, ).
- Nh

ậ
n d
ạ
ng d
ự
a trên xét t
ổ
ng th
ể
khuôn m
ặ
t (Appearance based face
recognition). Ph
ươ
ng pháp này s
ẽ
xem m
ỗ
i b
ứ
c
ả
nh khuôn m
ặ
t có kích th
ướ
c RxC
là m
ộ
t vector trong không gian RxC chi

ề
u. Ta s
ẽ
xây d
ự
ng m
ộ
t không gian m
ớ
i có
chi
ề
u nh
ỏ
h
ơ
n sao cho khi bi
ể
u di
ễ
n trong không gian
đ
ó, các
đặ
c
đ
i
ể
m chính c
ủ

a
m
ộ
t khuôn m
ặ
t không b
ị
m
ấ
t
đ
i. Trong không gian
đ
ó, các
ả
nh c
ủ
a cùng m
ộ
t ng
ườ
i
s
ẽ

đượ
c t
ậ
p trung l
ạ

i thành m
ộ
t nhóm g
ầ
n nhau và cách xa các nhóm khác.
Ngoài ra còn có m
ộ
t s
ố
ph
ươ
ng pháp khác nh
ư
:
-

Nh
ậ
n d
ạ
ng 2D: Elastic Bunch Graph, Active Appearance Model.
-

Nh
ậ
n d
ạ
ng 3D: 3D Morphable Model.
Trong h
ệ

th
ố
ng này, ph
ươ
ng pháp nh
ậ
n d
ạ
ng khuôn m
ặ
t
đượ
c ti
ế
n hành qua
hai giai
đ
o
ạ
n:
Thứ nhất, là quá trình nh
ậ
n d
ạ
ng khuôn m
ặ
t (Face detection) cho phép tìm ra
v
ị
trí và kích th

ướ
c c
ủ
a khuôn m
ặ
t trong m
ộ
t b
ứ
c
ả
nh s
ố
ho
ặ
c trong các hình
ả
nh
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 17
đượ
c
đượ
c ghi l
ạ
i b
ở
i camera. Quá trình này c
ầ

n
đả
m b
ả
o nh
ậ
n d
ạ
ng
đ
úng khuôn
m
ặ
t, phân bi
ệ
t t
ố
t y
ế
u t
ố
khuôn m
ặ
t v
ớ
i các y
ế
u t
ố
không ph

ả
i khuôn m
ặ
t nh
ư
nhà
c
ử
a, cây c
ố
i… Module nh
ậ
n d
ạ
ng khuôn m
ặ
t
đượ
c xây d
ự
ng d
ự
a trên vi
ệ
c s
ử
d
ụ
ng
2

đặ
c tr
ư
ng v
ề
k
ế
t c
ấ
u BDIP và BVLC
đượ
c tính toán t
ừ

ả
nh d
ữ
li
ệ
u
đầ
u vào, sau
đ
ó s
ẽ
phân lo
ạ
i chúng vào các mômen
đặ
c tr

ư
ng r
ồ
i s
ử
d
ụ
ng b
ộ
phân lo
ạ
i SVM
để

xác
đị
nh khuôn m
ặ
t. Ph
ươ
ng pháp này
đ
ã
đượ
c th
ử
nghi
ệ
m trên nhi
ề

u t
ậ
p hình
ả
nh
v
ớ
i các
đ
i
ề
u ki
ệ
n khác nhau v
ề
h
ướ
ng,
độ
sáng và cho t
ỷ
l
ệ
nh
ậ
n d
ạ
ng chính xác
luôn cao h
ơ

n 95%.
Thứ hai, là quá trình xác th
ự
c khuôn m
ặ
t. Quá trình này cho phép
đố
i chi
ế
u
hình
ả
nh thu
đượ
c sau b
ướ
c nh
ậ
n d
ạ
ng khuôn m
ặ
t và các hình
ả
nh l
ấ
y ra t
ừ
c
ơ

s
ở
d
ữ

li
ệ
u r
ồ
i
đư
a ra quy
ế
t
đị
nh ch
ấ
p nh
ậ
n hay t
ừ
ch
ố
i vi
ệ
c
đă
ng nh
ậ
p vào h

ệ
th
ố
ng.
Đố
i
v
ớ
i h
ệ
th
ố
ng k
ế
t h
ợ
p nh
ậ
n d
ạ
ng khuôn m
ặ
t v
ớ
i th
ẻ
RFID thì module này s
ẽ
ch
ỉ

c
ầ
n
so sánh hình
ả
nh sau b
ướ
c thu nh
ậ
n v
ớ
i
ả
nh trong c
ơ
s
ở
d
ữ
li
ệ
u c
ủ
a ng
ườ
i mang th
ẻ

RFID
đ

ó. Có hi
ề
u thu
ậ
t toán có th
ể
áp d
ụ
ng cho bài toán này nh
ư
Eigenface s
ử

d
ụ
ng PCA, Fisherface s
ử
d
ụ
ng LDA.
1.4.2.3. Công ngh
ệ
th
ẻ
RFID
ứ
ng d
ụ
ng trong thu nh
ậ

n thông tin
Công ngh
ệ
nh
ậ
n d
ạ
ng b
ằ
ng sóng vô tuy
ế
n RFID là m
ộ
t công ngh
ệ
phát tri
ể
n
r
ấ
t m
ạ
nh m
ẽ
trong l
ĩ
nh v
ự
c nh
ậ

n d
ạ
ng t
ự

độ
ng thu th
ậ
p d
ữ
li
ệ
u AIDC. Nh
ậ
n d
ạ
ng
t
ự

độ
ng (Automatic Identification) là m
ộ
t thu
ậ
t ng
ữ
ch
ỉ
các công ngh

ệ
t
ự

độ
ng dùng
để
giúp các máy nh
ậ
n d
ạ
ng các
đố
i t
ượ
ng. Nh
ậ
n d
ạ
ng t
ự

độ
ng th
ườ
ng
đượ
c th
ự
c

hi
ệ
n b
ằ
ng cách t
ự

độ
ng b
ắ
t d
ữ
li
ệ
u.
Đ
ó là cách mà ng
ườ
i qu
ả
n lý mu
ố
n nh
ậ
n d
ạ
ng
các
đố
i t

ượ
ng, b
ắ
t thông tin v
ề
ch
ỉ
nh và b
ằ
ng cách nào
đ
ó thu nh
ậ
n d
ữ
li
ệ
u
đư
a vào
máy tính thay vì nh
ậ
p d
ữ
li
ệ
u b
ằ
ng tay. M
ụ

c tiêu c
ủ
a Auto-ID là t
ă
ng tính hi
ệ
u qu
ả
,
gi
ả
m l
ỗ
i d
ữ
li
ệ
u
đầ
u vào và gi
ả
m s
ứ
c lao
độ
ng trong vi
ệ
c nh
ậ
n d

ạ
ng. Các công ngh
ệ

Auto-ID bao g
ồ
m: mã v
ạ
ch (Bar codes), nh
ậ
n d
ạ
ng ti
ế
ng nói, nh
ậ
n d
ạ
ng khuôn m
ặ
t,
m
ộ
t s
ố
công ngh
ệ
sinh tr
ắ
c h

ọ
c (Biometric), nh
ậ
n d
ạ
ng
đặ
c tr
ư
ng quang h
ọ
c OCR
và nh
ậ
n d
ạ
ng nhãn vô tuy
ế
n RFID.
Nhận dạng khuôn mặt ứng dụng trong các quản lý nhân sự

Trần văn Huy – Kỹ thuật điện tử – K3 18
Trong h
ệ
th
ố
ng QLNS này, chúng em
đ
ã tích h
ợ

p công ngh
ệ
nh
ậ
n d
ạ
ng b
ằ
ng
sóng vô tuy
ế
n RFID
để
t
ă
ng
độ
chính xác,
đả
m b
ả
o yêu c
ầ
u an ninh
đồ
ng th
ờ
i t
ạ
o

s
ự
linh ho
ạ
t cho h
ệ
th
ố
ng.
H
ệ
th
ố
ng RFID g
ồ
m ba b
ộ
ph
ậ
n c
ấ
u thành [3]:
•
Th
ẻ
RFID (RFID tag)
đượ
c t
ạ
o nên b

ở
i vi chip (IC) và anten,
đượ
c g
ắ
n vào
đố
i t
ượ
ng c
ầ
n nh
ậ
n d
ạ
ng, trong h
ệ
th
ố
ng này th
ẻ
RFID s
ẽ

đượ
c c
ấ
p phát cho
các nhân viên.
• Đầ

u
đọ
c RFID (RFID reader)
•
Module x
ử
lý RFID database trong ph
ầ
n m
ề
m QLNS.

Hình 1.6. Mô hình hệ thống RFID cơ bản