ĐẠI HỌC ĐÀ NẴNG
KHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
BÁO CÁO ĐỒ ÁN 5
ĐỀ TÀI: Ứng dụng nhận diện khn mặt .
Sinh viên thực hiện
: HỒNG ĐĂNG KHÁNH
THÁI VĂN LÂM
Giảng viên hướng dẫn : THS. NGUYỄN ANH TUẤN
Lớp : 17IT3
Lớp : 17IT3
Đà nẵng, tháng 07 năm 2020
2
MỞ ĐẦU
1. Lý do chọn đề tài:
Bối cảnh chung:
Việc quản lý thơng qua hình thức chấm vân tay tiềm ẩn nhiều bất cập
và rủi ro, nhất là trong thời điểm hiện nay. Tại sao lại có nhận định như
vậy? Hiện nay, dịch Covid – 19 đang ngày càng diễn biến phức tạp, Bộ Y
tế đã đưa ra khuyến cáo để người dân ý thức hơn trong việc bảo vệ sức
khỏe của bản thân và mọi người xung quanh. Trong đó, việc tiếp xúc nơi
cơng cộng sẽ gia tăng khả năng lây nhiễm cao hơn.
Do đó, việc nhân viên cơng sở đi làm chấm công bằng vân tay, cư
dân vào các tòa nhà, chung cư ấn thang máy bằng tay sẽ tiềm ẩn về nguy
cơ lây nhiễm virus chéo. Vì vậy, việc sử dụng hệ thống nhận diện khuôn
mặt bằng hệ thống AI trong các ứng dụng quản lý sẽ giúp cho việc quản
lý được diễn ra thuận lợi, nhanh chóng và đảm bảo an về sức khỏe.
Theo đó, mọi cư dân khi đến các tòa nhà chung cư, nhân viên đi làm
tại công ty, doanh nghiệp chỉ cần đưa khn mặt của mình trước thiết bị,
và trong vài giây, thiết bị sẽ thu nhận và xử lý thông tin nhanh chóng.
Đây thực sự là “giải pháp vàng” khơng chỉ trong thời điểm dịch Covid –
19 đang bùng phát, mà nó cịn là sự lựa chọn thơng minh trong thời đại
cách mạng 4.0.
Công nghệ nhân diện khuôn mặt hiện là một công nghệ đang được
sử dụng khá phổ biến tại các quốc gia phát triển. Cơng nghệ này có khả
năng xác định hoặc xác nhận một người từ hình ảnh kỹ thuật số được lấy
mẫu trước đó hoặc từ một khung hình trong một nguồn video khác. Và
hiện nay, tại thị trường Việt Nam, công nghệ này đã dần dần được sử
dụng tại một số hệ thống cửa hàng, khách sạn-resort.
1
Các phương pháp thực hiện:
Hệ thống sẽ nhận diện khn mặt một cách kín đáo bằng cách chụp
ảnh khuôn mặt của những ai bước vào một khu vực được xác định từ
camera giám sát. Công nghệ này, không cần sự tương tác (của người
muốn vào khu vực) và khơng có sự chậm trễ. Trong nhiều trường hợp
đối tượng hồn tồn khơng hay biết gì về q trình này. Họ không
cảm thấy “bị giám sát” hoặc rằng sự riêng tư của họ bị xâm phạm.
Phần mềm nhận dạng khuôn mặt sử dụng để phát hiện, nhận dạng
khuôn mặt, đối chiếu so sánh, đưa ra các cảnh báo khi phát hiện sự
trùng khớp giữa khuôn mặt phát hiện được với khn mặt mẫu có sẵn
trong cơ sở dữ liệu đăng ký trước. Tồn bộ q trình phát hiện, nhận
dạng và đối chiếu được tiến hành hoàn toàn tự động, khơng cần có sự
can thiệp của con người.
2. Mục tiêu và nhiệm vụ
Mục tiêu
Trong luận văn này chúng tôi sẽ đưa ra cái nhìn tổng quan các
phương pháp cho các hệ thống giải quyết các vấn đề về nhận diện khuôn
mặt trong điểm danh các em học sinh cũng như ứng dụng vào quản lí an
ninh tại các tịa nhà chung cư , bệnh viện , …
Một mục tiêu khác của đề tài sẽ là góp phần nghiên cứu và xây
dựng một ứng dụng có khả năng ứng dụng vào thực tế tại Việt Nam
nhằm ứng dụng CNTT vào trong đời sống trong thời đại cuộc cách mạng
công nghiệp 4.0 hiện nay.
Nhiệm vụ
Để thực hiện được mục tiêu trên, đề tài này sẽ nghiên cứu về phương pháp
nhận dạng khn mặt người; các phương pháp, thuật tốn nhận dạng được
phát triển bằng ngơn ngữ lập trình Python tích hợp trên nền tảng thư viện
mã nguồn mở OpenCV .
Về lý thuyết
- Tìm hiểu về các phương pháp nhận diện khuôn mặt người được hỗ
trợ trên nền tảng thư viện mã nguồn mở OpenCV.
- Tìm hiểu về các thư viện Dlib, face recognition.
2
- Tìm hiểu Labled Faces in the Wild .
Về thực tiễn
- Nghiên cứu và xây dựng một chương trình demo có thể nhận dạng
con người và hiển thị thơng tin của người đó từ một đoạn video đầu vào
hoặc từ camera trực tiếp.
3. Đối tượng và phạm vi nghiên cứu
Đới tượng nghiên cứu
Ngơn ngữ lập trình Python
Thư viện mã nguồn mở OpenCV
Các thư viện , mã nguồn mở Dlib, Face_recognition và
Labled Faces in the Wild .
Phạm vi nghiên cứu
Nghiên cứu về các phương pháp và các ứng dụng nhận diện khuôn
mặt trên thế giới theo những bài báo và nghiên cứu khoa học và các ứng
dụng đang được sử dụng trong thực tế.
Chương trình demo sử dụng ngôn ngữ lập Python, thư viện mã
nguồn mở OpenCV trên nền tảng hệ điều hành Windows,Ubuntu,
MacOS...
4. Phương pháp nghiên cứu
Nghiên cứu lý thuyết
Đọc, phân tích, tổng hợp tài liệu từ những bài báo, các trang thông tin
và những nghiên cứu khoa học liên quan đã được công bố ở Việt Nam và
trên thế giới.
Nghiên cứu thực nghiệm
Nghiên cứu và xây dựng một chương trình mơ phỏng lập trình bằng
ngơn ngữ lập trình Python và thư viện mã nguồn mở OpenCV.
3
5. Ý nghĩa khoa học và thực tiễn của đề tài
Ý nghĩa khoa học và thực tiễn đề tài
Về khoa học
Tìm hiểu những bài báo và những nghiên cứu khoa học liên quan đã
được công bố trên thế giới, đề xuất một giải pháp cho việc giải quyết các
vấn đề về nhận diện khn mặt mang tính chính xác, nhanh, hiệu quả cao.
Về thực tiễn
- Giúp người lập trình có cái nhìn tổng qt các phương pháp có thể
ứng dụng cho hệ thống giải quyết các vấn đề về bất cập của những ứng
dụng nhận diện khuôn mặt trước đó.
4
DANH MỤC CÁC BẢNG
Trang
Bảng 2.2...............................................................................................13
5
DANH MỤC HÌNH
Trang
Hình 3.1................................................................................................15
Hình 4.1................................................................................................17
Hình 4.2................................................................................................17
Hình 4.3................................................................................................18
Hình 4.4................................................................................................18
Hình 4.5................................................................................................18
6
DANH MỤC CỤM TỪ VIẾT TẮT
STT
1
2
3
4
Cụm từ
Labled Faces in the Wild
Công nghệ thông tin
Artificial intelligence
Face Recognition Grand Challenge
Viết tắt
LFW
CNTT
AI
FRGC
7
CHƯƠNG 1
NGHIÊN CỨU TỔNG QUAN
1.2 BÀI TOÁN PHÁT HIỆN KHUÔN MẶT NGƯỜI
Các phương pháp chính phát hiện mặt người
Dựa vào tính chất của các phương pháp xác định mặt người trên ảnh,
các phương pháp này được chia thành bốn loại chính, tương ứng với bốn
hướng tiếp cận khác nhau. Ngồi ra cũng có rất nhiều nghiên cứu mà
phương pháp xác định mặt người không chỉ dựa vào một hướng mà có liên
quan đến nhiều hướng.
- Hướng tiếp cận dựa trên tri thức.
- Hướng tiếp cận dựa trên đặc trưng không thay đổi.
- Hướng tiếp cận dựa trên so sánh khớp mẫu.
- Hướng tiếp cận dựa trên diện mạo.
1.3 TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU
Những người tiên phong trong tự động nhận dạng khuôn mặt bao
gồm Woody Bledsoe, Helen Chan Wolf, và Charles Bisson.
Trong năm 1964 và 1965, Bledsoe, cùng với Helen Chan và Charles
Bisson, bắt đầu ý tưởng sử dụng máy tính để nhận ra khn mặt của con
người .Với một cơ sở dữ liệu lớn các hình ảnh (thực tế là một cuốn sách ảnh
thẻ) 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. Sự thành công của phương pháp này có thể được đo bằng tỷ lệ danh
sách câu trả lời trên số lượng các hồ sơ trong cơ sở dữ liệu. Sau đó Bledsoe
rời PRI vào năm 1966. 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
8
Đến khoảng năm 1997, hệ thống được phát triển bởi Christoph von der
Malsburg và các sinh viên sau đại học của trường Đại học Bochum ở Đức
và Đại học Nam California tại Mỹ đã thể hiện vượt trội so với hầu hết các
hệ thống của Viện Công nghệ Massachusetts và Đại học Maryland xếp hạng
theo sau.. Phần mềm này được bán với cái tên ZN-Face và sử dụng bởi các
khách hàng như Deutsche Bank và 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 xun 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"
Trong khoảng tháng 1 năm 2007, tìm kiếm hình ảnh đã là "dựa trên
ký tự xung quanh bức ảnh", ví dụ, đoạn văn kế bên đề cập đến các nội dung
hình ảnh. Cơng nghệ Polar Rose có thể đốn từ một bức ảnh, trong khoảng
1,5 giây, bất kỳ người nào sẽ trông như thế nào trong không gian ba chiều,
và khẳng định rằng họ "sẽ yêu cầu người dùng nhập tên của những người
mà họ nhận ra trong ảnh online" để giúp xây dựng một cơ sở dữ liệu
Identix, một công ty 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 khn
mặt người. Nó có thể phát hiện khoảng cách giữa hai mắt, chiều rộng của
mũi, hình dạng của xương gò má, độ dài của đường viền của hàm dưới và
nhiều đặc điểm khác trên khn mặt. Nó thực hiện điều này bằng cách đưa
hình ảnh của khn mặt vào một faceprint, một mã số đại diện cho gương
mặt của con người. Phần mềm nhận dạng khuôn mặt trước kia thường phải
dựa trên một hình ảnh 2D với người cần nhận dạng gần như phải trực tiếp
đối mặt với máy ảnh. Bây giờ, với FaceIt, một hình ảnh 3D có thể được so
sánh với một hình ảnh 2D bằng cách chọn 3 điểm cụ thể trên tấm hình 3D
9
và chuyển đổi nó thành một hình ảnh 2D sử dụng một thuật tốn đặc biệt có
thể được qt qua hầu như tất cả các cơ sở dữ liệu.
Năm 2006, các thuật tốn nhận dạng khn 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 toán 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
khuôn mặt và duy nhất có thể xác định từng người trong các cặp song sinh
giống hệt nhau.
Hình ảnh độ phân giải thấp của khn mặt có thể được tăng cường
bằng cách sử dụng khuôn mặt ảo giác. Các cải tiến cao hơn trong hình có
độ phân giải cao, máy ảnh megapixel trong vài năm gần đây đã giúp giải
quyết vấn đề thiếu độ phân giải.
CHƯƠNG 2
CƠ SỞ LÝ THUYẾT
2.1 Thư viện Dlib:
Dlib là bộ công cụ C ++ hiện đại chứa các thuật tốn và cơng cụ
học máy để tạo phần mềm phức tạp trong C ++ để giải quyết các vấn đề
trong thế giới thực. Nó được sử dụng trong cả ngành công nghiệp và học
thuật trong nhiều lĩnh vực bao gồm robot, thiết bị nhúng, điện thoại di động
và môi trường điện toán hiệu năng cao lớn. Cấp phép nguồn mở của
Dlib cho phép bạn sử dụng nó trong bất kỳ ứng dụng nào, miễn phí.
10
Tài liệu:
Không giống như nhiều dự án nguồn mở, dự án này cung cấp tài
liệu đầy đủ và chính xác cho mọi lớp và chức năng. Ngồi ra cịn
có các chế độ gỡ lỡi kiểm tra các điều kiện tiên quyết được ghi lại
cho các chức năng. Khi điều này được kích hoạt, nó sẽ bắt được
phần lớn các lỗi gây ra bởi việc gọi các hàm không chính xác
hoặc sử dụng các đối tượng một cách khơng chính xác.
Rất nhiều chương trình ví dụ được cung cấp
Tôi coi tài liệu là phần quan trọng nhất của thư viện . Vì vậy, nếu
bạn tìm thấy bất cứ điều gì khơng được ghi lại, khơng rõ ràng
hoặc đã hết tài liệu, hãy cho tôi biết và tôi sẽ sửa nó.
Thuật toán học máy:
Deep Learning
Máy Vector Hỗ trợ dựa trên SMO thông thường để phân
loại và hồi quy.
Các phương pháp giảm thứ hạng để phân loại và hồi quy quy mô
lớn.
Máy vectơ liên quan để phân loại và hồi quy.
Công cụ multiclass classification.
Một Multiclass SVM.
Một công cụ để giải quyết vấn đề tối ưu hóa liên quan đến các
máy vectơ hỗ trợ cấu trúc .
Các công cụ cấu trúc SVM để sequence labeling.
Các công cụ cấu trúc SVM để giải các assignment problems.
Các công cụ SVM cấu trúc để phát hiện đối tượng trong ảnh cũng
như các công cụ học sâu hơn mạnh hơn (nhưng chậm hơn) để phát
hiện đối tượng .
Các công cụ SVM cấu trúc để ghi nhãn các nút trong biểu đồ.
Một triển khai SVM-Rank quy mơ lớn.
Một thuật tốn hồi quy RLS kernel trực tuyến.
Một thuật toán phân loại SVM trực tuyến.
Semidefinite Metric Learning .
Một công centroid estimator / trình phát hiện nhân trung tâm
nhân trực tuyến và phân loại vector hỗ trợ ngoại tuyến.
Các thuật toán phân cụm: linear hoặc kernel k-means, Chinese
Whispers, và Newman clustering. .
Radial Basis Function Networks.
Multi layer perceptrons.
Luồng
Thư viện cung cấp API phân luồng di động và đơn giản
11
Một thông báo qua đường ống cho liên thread và interprocess thơng tin liên lạc
Một đối tượng hẹn giờ có khả năng tạo ra các sự kiện thường
xuyên cách nhau theo thời gian
Threaded objects
Threaded functions
Parallel for loops
Một thread_pool với sự hỗ trợ cho tương lai.
Mạng
Thư viện cung cấp API ổ cắm TCP di động và đơn giản
Một đối tượng giúp bạn tạo các máy chủ dựa trên TCP
Các đối tượng iostream và streambuf cho phép các socket TCP
tương tác với thư viện iostreams C ++
Một đối tượng máy chủ HTTP đơn giản mà bạn có thể sử dụng
để nhúng máy chủ web vào các ứng dụng của mình
Một thơng báo qua đường ống cho liên thread và interprocess thông tin liên lạc
Một công cụ được sử dụng để thực hiện các thuật toán sử
dụng mơ hình tính tốn song song hàng loạt (BSP)
Tiện ích chung
Một đối tượng an toàn kiểu để chuyển đổi giữa các thứ tự byte
lớn và nhỏ
Một phân tích cú pháp dịng lệnh với khả năng phân tích và
Validate dòng lệnh với các loại khác nhau của các đối số và các
tùy chọn
Một phân tích cú pháp XML
Một đối tượng có thể thực hiện chuyển đổi cơ sở64
Nhiều lớp container
Hỗ trợ nối tiếp
Nhiều đối tượng quản lý bộ nhớ thực hiện các chiến lược tổng
hợp bộ nhớ khác nhau
Một công cụ cho phép bạn dễ dàng gọi C ++ từ MATLAB.
12
2.2 Labled Faces in the Wild:
Những bộ dữ liệu này được sử dụng cho nghiên cứu máy học và đã
được trích dẫn trong các tạp chí học thuật đánh giá ngang hàng . Dữ liệu là
một phần không thể thiếu trong lĩnh vực học máy. Những tiến bộ chính
trong lĩnh vực này có thể là kết quả của những tiến bộ trong thuật toán học
tập (như học sâu ), phần cứng máy tính và, ít trực quan hơn, có sẵn các bộ
dữ liệu đào tạo chất lượng cao. Bộ dữ liệu đào tạo được dán nhãn chất
lượng cao cho giám sát và bán giám sátCác thuật toán học máy thường khó
sản xuất và tốn kém vì cần nhiều thời gian để dán nhãn dữ liệu. Mặc dù
chúng không cần phải được dán nhãn, các bộ dữ liệu chất lượng cao
cho việc học tập khơng giám sát cũng có thể khó khăn và tốn kém để sản
xuất.
Trường
Tên bộ dữ liệu
Người
Nhiệm vụ
hợp
FERET (cơng
Định
Mơ tả ngắn gọn
Đã tạo
dạng
sáng tạo
11338 hình ảnh của 1199 cá
Phân loại,
nghệ nhận
nhân ở các vị trí khác nhau
11.338
dạng khn
Bộ quốc
Hình ảnh
nhận diện
2003
và tại các thời điểm khác
khn mặt
mặt)
phịng Hoa
Kỳ
nhau.
Khn mặt của 15 cá nhân
Cơ sở dữ liệu
Nhận dạng
trong 11 biểu hiện khác
165
Hình ảnh
khn mặt Yale
J. Yang và
1997
khn mặt
cộng sự.
nhau.
Hình ảnh của các nhân vật
H. Ng et al.
Hình ảnh,
FaceScrub
cơng cộng được chau chuốt
Nhận dạng
107.818
2014
văn bản
khn mặt
từ tìm kiếm hình ảnh.
Bảng 2.2
13
2.3 Face_recognition :
Nhận dạng khuôn mặt là một công nghệ sinh trắc học được sử dụng
để thiết lập một danh tính cá nhân và có khả năng nhận dạng và xác
minh duy nhất một người. Nó sử dụng một ứng dụng máy tính, cịn
được gọi là hệ thống nhận dạng khn mặt, để trích xuất hình ảnh kỹ
thuật số từ hình ảnh, khung hình video hoặc quét 3D và tạo một bản
sao, một bộ các phép đo đặc trưng của cấu trúc khuôn mặt, nhận dạng
duy nhất một người khn mặt cụ thể cho mục đích nhận dạng và xác
thực.
Hệ thống nhận dạng khn mặt có thể sử dụng hình ảnh 2D / 3D
hoặc nguồn cấp dữ liệu video để tạo hình ảnh kỹ thuật số, thiết lập
bản in và nhận diện khuôn mặt bằng cách so sánh hình ảnh kỹ thuật
số của nó với bản in trong cơ sở dữ liệu. Mỡi khn mặt đều có một
số cột mốc của thành phố và hệ thống sẽ đánh dấu những điểm này là
điểm nút của điểm. Một khuôn mặt người có thể có tới 80 điểm
này. Họ đại diện cho các lĩnh vực quan tâm trên khuôn mặt mà hệ
thống đo lường.
Một số ví dụ về các phép đo này sẽ là, khoảng cách giữa hai mắt,
chiều rộng của mũi, độ sâu của hốc mắt và hơn thế nữa. Các phép đo
này sẽ được lưu trữ trong cơ sở dữ liệu dưới dạng bản in.
Khi hệ thống qt một khn mặt, nó sẽ so sánh tất cả các phép đo
này với các bản ghi, bản in, trong cơ sở dữ liệu.
Các hệ thống nhận dạng khn mặt sử dụng một thuật tốn, chẳng
hạn như Kiểm tra nhà cung cấp nhận dạng khn mặt, có thể dự đốn
liệu có một trận đấu dựa trên các điểm nút gật đầu trên khuôn mặt
của một cá nhân hay khơng.
Thơng thường, có một quy trình gồm 4 giai đoạn liên quan đến hoạt
động của công nghệ này:
Chụp - Một mẫu vật lý hoặc hành vi được hệ thống chụp lại
trong q trình đăng ký.
Trích xuất - Dữ liệu duy nhất được trích xuất từ mẫu và mẫu
được tạo.
So sánh - Mẫu sau đó được so sánh với một mẫu mới.
Kết hợp - Hệ thống sau đó quyết định xem tính năng được trích
xuất từ mẫu mới có khớp hay khơng.
14
CHƯƠNG 3
PHÂN TÍCH HỆ THỐNG
Chương này trình bày giải pháp đề xuất để giải quyết bài toán đặt ra
gồm các khối quan trọng và các chi tiết cần được thực hiện. Mơ hình đề
xuất của hệ thống được thể hiện như sau:
Hình 3.1. Mơ hình tổng quan hệ thống đề xuất
Có thể thấy rằng hệ thống bao gồm 4 khối chức năng chính (module)
riêng biệt cụ thể: Máy chủ , thiết bị di dộng, server quản lí dữ liệu, Thiết
bị nhận diện khuôn mặt.
15
3.1. MƠI TRƯỜNG VÀ CƠNG CỤ SỬ DỤNG
Qua q trình nghiên cứu để thực hiện demo cho đề tài này, tơi quyết
định chọn sử dụng:
Ngơn ngữ lập trình Python
Thư viện mã nguồn mở OpenCV
Các thuật toán Dlib, Labled Faces in the Wild.
3.2. Yếu tố tác động :
Chương 1
Các yếu tố làm ảnh
hưởng tới kết quả nhận
dạng:
Ánh sáng: Ảnh kỹ thuật số biểu diễn cường độ sáng của
đối tượng, do đó khi ánh sáng thay đổi, thơng tin về đối tượng sẽ bị
ảnh hưởng.
Chương 2
Cự ly của đối tượng so với camera: khoảng cách đối
tượng so với camera sẽ xác định số pixel ảnh quy định nên khuôn
mặt.
Chương 3
Cảm xúc biểu cảm trên khuôn mặt: các nét biểu cảm
cảm xúc trên khuôn mặt gây ra nhiễu, việc loại nhiễu này vẫn chưa
có phương pháp hiệu quả.
Chương 4
Tư thế đứng của đối tượng (nghiêng, xoay,…): tư thế
của đối tượng sẽ xác định thơng tin của đối tượng đó. Việc tư thế
thay đổi quá lớn sẽ làm thay phần lớn thông tin về đối tượng, dẫn
đến kết quả nhận dạng sai.
Chương 5
Trang phục của đối tượng: Kết quả nhận dạng có thể bị
ảnh hưởng lớn nếu như đối tượng có các trang phục khác biệt so với
mẫu như đeo kính, đội mũ,…
Chương 6
16
Chương 4
THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
THỰC NGHIỆM TRÊN BÀI TOÁN NHẬN DẠNG KHUÔN MẶT
Bao gồm các chức năng chính:
Nhận dạng qua ảnh.
Nhận dạng qua camera.
Hình 4.1
17
Hình 4.2
Hình 4.3
Nhận dạng thơng qua ảnh
Hình 4.4
18
Hình 4.5
Nhận dạng thơng qua webcam
Chương 5
KẾT LUẬN & HƯỚNG PHÁT TRIỂN
5.1 KẾT LUẬN
Đề tài đã phát triển một hệ thống đơn giản gồm 4 phần, cụ thể là (a)
Xử lý ảnh và video đầu vào, (b) Phân chia thành các khung, (d) Phát hiện
khuôn mặt người dùng, và (e) hiển thị tên. Mỡi thành phần này có thể được
thực hiện bằng các thuật toán cụ thể khác nhau dựa trên các yêu cầu.
Tuy nhiên hệ thống vẫn còn một số hạn chế sau:
Hệ thống không hoạt động, nếu thời điểm nhận diện có vào ban đêm
và nơi có ánh sáng q mạnh.
Hệ thống khơng hoạt động cần chi phí đầu vào cao để thiết lập các hệ
thống cần thiết.
Hoạt động chưa hoàn toàn hiệu quả với người sử dụng khẩu trang và
kính mát.
5.2 HƯỚNG PHÁT TRIỂN
Sau đây là một số các cải tiến có thể được thực hiện trong tương lai của
hệ thống này:
19
Chúng tơi sẽ cố gắn giảm chi phí và giá thành của ứng dụng, tối ưu
hóa ứng dụng
ối ưu nhận diện trong các điều kiện khó khăn như ánh sáng , đeo
khẩu trang ,… và thêm thông tin như lớp, giới tính, ID … trong thời
gian tới.
MỤC LỤC
Mở đầu
Trang
1.Lý do chọn đề tài............................................................1-2
2.Mục tiêu và nhiệm vụ........................................................2
3.Đối tượng và phạm vi nghiên cứu......................................3
4.Phương pháp nghiên cứu...................................................3
5.Ý nghĩa khoa học và thực tiễn của đề tài...........................4
Danh mục các bảng..............................................................5
Danh mục các hình...............................................................6
Danh mục cụm từ viết tắt.....................................................7
Chương 1 Nghiên cứu tổng quan
1.1 Bài tốn phát hiện khn mặt người...............................8
1.3 Tổng quan các kết quả nghiên cứu.............................8-10
Chương 2 Cơ sở lý thuyết
2.1 Thư viện Dlib..........................................................10-12
2.2 Labled Faces in the wild...............................................13
2.3 Face_recognition .........................................................14
Chương 3 Phân tích hệ thớng
3.1 Mơi trường và cơng cụ.................................................16
20
3.2 Yếu tố tác động.............................................................16
Chương 4 Thực nghiệm và đánh giá kết quả...............17-18
Chương 5 Kết luận và hướng phát triển...........................19
21