ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN NĂM HỌC 2016 – 2017 ỨNG DỤNG QUẢN LÝ VÀO RA LỚP HỌC BẰNG NHẬN DIỆN KHUÔN MẶT

TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT
KHOA CÔNG NGHỆ THÔNG TIN – ĐIỆN – ĐIỆN TỬ

ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN
THAM GIA CUỘC THI SINH VIÊN NGHIÊN CỨU KHOA HỌC
NĂM HỌC 2016 – 2017

ỨNG DỤNG QUẢN LÝ VÀO RA LỚP HỌC
BẰNG NHẬN DIỆN KHN MẶT

Giảng viên hướng dẫn:
Nhóm Sinh viên thực hiện:

Trần Bá Minh Sơn
1. Nguyễn Xuân Cường
2. Phạm Minh Tiến
3.Nguyễn Hồng Anh
4.Nguyễn Quốc Thơng

Bình Dương, tháng 03 năm 2017


TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT
KHOA CÔNG NGHỆ THÔNG TIN – ĐIỆN – ĐIỆN TỬ

ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN
THAM GIA CUỘC THI SINH VIÊN NGHIÊN CỨU KHOA HỌC
NĂM HỌC 2016 - 2017

ỨNG DỤNG QUẢN LÝ VÀO RA LỚP HỌC
BẰNG NHẬN DIỆN KHN MẶT

Giảng viên hướng dẫn:
Nhóm Sinh viên thực hiện:

Trần Bá Minh Sơn
1. Nguyễn Xuân Cường
2. Phạm Minh Tiến
3.Nguyễn Hồng Anh
4.Nguyễn Quốc Thơng

Bình Dương, tháng 03 năm 2017


MỤC LỤC
LỜI NÓI ĐẦU ............................................................................................................................ 2
1.Giới thiệu ................................................................................................................................. 2
2.Mục tiêu ................................................................................................................................... 3
3.Phạm Vi ................................................................................................................................... 3
4.Đối Tượng ............................................................................................................................... 3
5.Phương Pháp Nghiên cứu ........................................................................................................ 3
+ Phương pháp nghiên cứu lý thuyết:..................................................................................... 3
+ Phương pháp nghiên cứu thực nghiệm: ............................................................................... 3
6. Nội dung và tiến độ nghiên cứu.............................................................................................. 4
NỘI DUNG ................................................................................................................................ 4
CHƯƠNG I KHẢO SÁT HIỆN TRẠNG, THU THẬP YÊU CẦU,CỞ SỞ LÝ LUẬN........... 4
1.1 Tổng quan về hệ thống ..................................................................................................... 4
1.1.1 Mô tả bài toán ............................................................................................................ 4
1.1.2 Giới thiệu bài toán nhận dạng khuôn mặt người ....................................................... 4
1.1.3 Ứng dụng của đề tài vào cơ sở thực tiễn ................................................................... 5
1.2.1 Yêu cầu các chức năng .............................................................................................. 6

1.3 Mô tả chức năng ............................................................................................................... 6
1.3.1 Chức năng nhận diện khuôn mặt. .............................................................................. 6
1.3.2 Chức năng kiểm tra việc vào ra lớp học. ................................................................... 7
1.3.3 Xuất danh sách chi tiết vào ra lớp học của sinh viên................................................. 7
1.4.2 Trích đặc trưng bằng phương pháp PCA ................................................................... 7
1.5 Phân tích phân lớp tuyến tính LDA .................................................................................. 9
1.6 Mẫu nhị phân cục bộ (LBP) ............................................................................................. 9
1.6.1 Mô tả kết cấu (Texture descriptor) ............................................................................ 9
1.6.2 Mẫu nhị phân cục bộ mở rộng ................................................................................... 9
1.6.3 Mẫu đồng nhất (uniform patterns) ............................................................................. 9
1.6.4 Áp dụng LBP mô tả khuôn mặt ................................................................................. 9
1.7 Support vector Machines (SVM) ...................................................................................... 9
1.7.1 Các khái niệm nền tảng ........................................................................................... 10
1.7.2 SVM tuyến tính ....................................................................................................... 10
1.7.3 SVM phi tuyến ........................................................................................................ 10
1.7.4 SVM cho vấn đề nhận dạng đa lớp .......................................................................... 10
1.8 ĐỀ XUẤT PHƯƠNG PHÁPNHẬN DẠNG MẶT NGƯỜI ......................................... 11
1.8.1 Phân tích bài tốn nhận dạng mặt người ................................................................. 11
1.8.1.1 Phát hiện khuôn mặt (face detection) ............................................................... 11
1.8.1.2 Tiền xử lý ảnh (preprocessing) ......................................................................... 11
1.8.1.3 Trích rút đặc trưng ( feature extraction) ........................................................... 11


1.8.1.4 Nhận dạng/Phân lớp. ........................................................................................ 12
1.8.1.5 Dữ liệu hệ thống nhận dạng. ............................................................................. 12
1.9 Đề xuất phương pháp nhận dạng kết hợp LBP-PCA-SVM............................................ 12
1.10 Áp dụng LBP trích rút đặc trưng & PCA để giảm số chiều. ........................................ 13
1.11 Áp dụng SVM phân lớp/nhận dạng .............................................................................. 13
1.12 Đánh giá phương pháp.................................................................................................. 15
CHƯƠNG II PHÂN TÍCH THIẾT KẾ HỆ THỐNG ............................................................... 16

2.1 Sơ đồ use-case ................................................................................................................ 16
2.2

Mơ hình sequence diagram ........................................................................................ 17

2.2.1

Mơ hình đăng ký đăng nhập hệ thống ................................................................ 17

2.2.2 Mơ hình chức năng nhận diện camera .................................................................... 18
2.2.3 Chức năng thông báo, chỉnh sửa danh sách điểm danh và cho các bộ phận ........... 18
2.3 Sơ đồ thực thể kết hợp .................................................................................................... 19
2.4 Cấu trúc bảng và kiểu dữ liệu thuộc tính ........................................................................ 20
CHƯƠNG III THIẾT KẾ GIAO DIỆN ................................................................................... 22
Giao diện đăng nhập ............................................................................................................. 22
Giao diện quản lý sinh viên: ................................................................................................. 23
Giao diện lưu trữ CSDL và nhận diện ................................................................................. 23
Giao diện xử lý training ảnh và lưu trữ CSDL ..................................................................... 24
CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN ....................................... 25
4.1

Đánh giá kết quả ........................................................................................................ 25

4.1.1 Kết quả đạt được ...................................................................................................... 25
4.1.2
4.2

Việc chưa đạt được ............................................................................................. 25
Hướng phát triển .................................................................................................... 25

DANH SÁCH CÁC KÍ TỰ , CHỮ VIẾT TẮT

CSDL

Cơ Sở Dữ Liệu

PK

PRIMARY KEY

PCA

Principal component analysis


2

LỜI NĨI ĐẦU
1.Giới thiệu
Hiện nay tình trạng trốn học,bỏ tiết học, không thực hiện đầy đủ nội quy tham gia đầy
đủ số tiết học trong các trường học nói chung và đại học Thủ Dầu Một nói riêng, việc
quản lý điểm danh cịn nhiều khó khăn, quản lý điểm danh cịn nhiều thiếu sót cũng
như là lưu trữ cịn chưa chặt chẽ. Với sự phát triển nhanh chóng của các loại máy móc
hiện đại như máy ảnh số, máy quay phim kỹ thuật số, máy vi tính,điện thoại thơng
minh… thì lượng thơng tin con người thu được dưới dạng hình ảnh là khá lớn. Xử lý
ảnh là một trong những lĩnh vực ngày càng được phổ biến trong đời sống xã hội.
Không chỉ dừng lại ở việc xử lý những vết nhòe, tái chế và phục hồi các ảnh cũ, ngày
nay các kỹ phương pháp xử lý ảnh đã mang lại những tiến bộ vượt bậc như nhận dạng
vân tay, nhận dạng khn mặt, nhận dạng đối tượng khi nó kết hợp với lĩnh vực trí tuệ

nhân tạo. Bên cạnh đó, vấn đề an ninh bảo mật đang được yêu cầu khắc khe tại mọi
quốc gia trên thế giới. Các hệ thống xác định, nhận dạng con người được ra đời với độ
tin cậy cao. Một trong nhưng bài toán nhận dạng con người được quan tâm nhất hiện
nay đó là nhận dạng qua khn mặt. Có hai phương pháp nhận dạng phổ biến hiện nay
là nhận dạng dựa trên đặc trưng của các phần tử trên khuôn mặt như biển đổi Sóng
Wavelet (Gabor Wavelet) và Mạng Nơron (Neural Network), Support Vector Machine
(SVN),… và nhận dạng dựa trên xét tổng thể tồn khn mặt như phương pháp Phân
tích thành phần chính (Principal Component Analysis – PCA) phương pháp Phân tích
sự khác biệt tuyến tính (Linear Discriminant Analysis – LDA),kết quả nhận dạng cao
bởi nó hoạt động ổn định và có tính thích nghi cao khi dữ liệu đầu vào thay đổi
nhiều.Kết hợp với phương pháp nhận diện khuôn mặt vào trong việc nhận dạng và
điểm danh sinh viên ra vào lớp một cách tự động. Việc đó làm giảm rất nhiều chi phí
cũng như là quản lý thơng tin một cách chặt chẽ và nhanh chóng nhất. Đó là lí do
nhóm chọn đề tài: "XÂY DỰNG ỨNG DỤNG QUẢN LÝ VÀO RA LỚP HỌC
BẰNG NHẬN DẠNG KHUÔN MẶT"


3

2. Mục tiêu
Mục tiêu chính của đề tài là xây dựng một ứng dụng quản lý vào ra lớp học bằng nhận
dạng khuôn mặt đáp ứng các chức năng sau:
-

Quản lý vào ra lớp học hiệu quả.

-

Tính năng nhận dạng khuôn mặt.

-

Giúp cho việc kiểm tra sĩ số lớp học nhanh.

-

Quản lý thời gian lên lớp của sinh viên.

-

Hiện đại cách điểm danh.

3. Phạm Vi
Tập trung Nghiên cứu về nhận diện sinh viên vào ra lớp học ở cấp trường.
4. Đối Tượng
Tất cả những đối tượng có nhu cầu , ưu tiên trường đại học Thủ Dầu Một
5. Phương Pháp Nghiên cứu
+ Phương pháp nghiên cứu lý thuyết:
- Công nghệ ASP.NET, truy vấn SQL, phân tích thiết kế hệ thống.
- Các phương pháp nhận dạng khn mặt người
- Phân tích thành phần chính (PCA)
- Phân tích phân lớp tuyến tính LDA
- Mẫu nhị phân cục bộ (LBP)
- Support vector Machines (SVM)
+ Phương pháp nghiên cứu thực nghiệm:
- Khảo sát những góc chụp camera
- Khảo sát thời gian nhận diện gửi kết quả trả về máy chủ.
- Lập trình thiết kế ứng , cài đặt thuật tốn trong mơi trường thực nghiệm

4

6. Nội dung và tiến độ nghiên cứu
- Xây dựng cơ sở dữ liệu hình ảnh mẫu để nhận diện.
- So sánh ảnh của đối tượng được nhận diện với ảnh được lưu trong cơ sở dữ liệu.
- Truy xuất thông tin của đối tượng được nhận diện.
- Ghi nhận thời gian vào và ra.

NỘI DUNG
CHƯƠNG I KHẢO SÁT HIỆN TRẠNG, THU THẬP YÊU
CẦU,CỞ SỞ LÝ LUẬN
1.1 Tổng quan về hệ thống
1.1.1 Mơ tả bài tốn
Khi nói đến việc điểm danh từng sinh viên trong trường đại học thì mọi người chúng ta
đều nghĩ rằng chỉ điểm danh đơn thuần bằng giấy,bút,danh sách đã in sẵn... mà chưa
quan tâm đến việc áp dụng công nghệ mới vào việc điểm danh. Việc điểm danh truyền
thống gây ra rất nhiều vấn đề như : mất rất nhiều thời gian,chi phí khơng những thế bên
cạnh đó cịn xảy ra thêm các vấn đề như là thất lạc danh sách điểm danh, khó thống kê
trên số lượng sinh viên rất lớn của môi trường đại học nói chung và mơi trường đại học
Thủ Dầu Một nói riêng. Vì thế khi áp dụng cơng nghệ mới vào việc điểm danh thì sẽ tiết
kiệm rất nhiều thời gian , chi phí, rút ngắn được nhiều thời gian cho việc điểm danh ,
thống kê và nhiều vấn đề phát sinh. Với công nghệ nhận diện khuôn mặt thì việc điểm
danh sẽ trở lên tự động có khoa học hơn.
1.1.2 Giới thiệu bài tốn nhận dạng khn mặt người
Nhận dạng mặt người (Face recognition) được nghiên cứu từ nhưng năm 1980, là một
lĩnh vực nghiên cứu của ngành thị giác máy tính (Computer Vision), và cũng được xem
là một lĩnh vực nghiên cứu của ngành sinh trắc học (Biometrics) tương tự như nhận dạng
vân tay – Fingerprint recognition, hay nhận dạng mống mắt – Iris recognition. Trong

5

khi nhận dạng vân tay và mống mắt có thể áp dụng trên thực tế một cách rộng rãi thì
nhận dạng mặt người vẫn còn nhiều thách thức. So với nhận dạng vân tay và mống mắt,
nhận dạng mặt có nguồn dữ liệu phong phú hơn và ít địi hỏi sự tương tác có kiểm sốt
hơn. Bài tốn nhận dạng mặt người còn nhiều thách thức nên hàng năm trong & ngồi
nước vẫn có nhiều nghiên cứu về các phương pháp nhận dạng mặt người. Để thử nghiệm
phương pháp chúng ta cần có một cơ sở dữ liệu ảnh mẫu. Có ba cơ sở dữ liệu ảnh mẫu
phổ biến là: Cơ sở dữ liệu AT&T, Cơ sở dữ liệu Yale A, Cơ sở dữ liệu Yale B Bài toán
nhận dạng khn mặt có thể áp dụng rộng rãi trong nhiều ứng dụng thực tế khác nhau.
1.1.3 Ứng dụng của đề tài vào cơ sở thực tiễn
Trong đề tài này, nhóm tập trung tìm kiếm và đề xuất một thuật tốn hiệu quả nhận dạng
khuôn mặt nhằm kiểm tra việc vào ra lớp học của sinh viên trường đại học Thủ Dầu
Một.Do các khó khăn của bài tốn nhận dạng khn mặt như: Tư thế góc chụp, sự xuất
hiện hoặc thiếu một số thành phần của khuôn mặt, sự biểu cảm của khuôn mặt, sự
che khuất, hướng của ảnh, điều kiện của ảnh...
Vì thế nhóm đưa ra những giả định và ràng buộc sau làm giảm độ phức tạp của bài tốn
như sau:
- Góc ảnh trực diện (frontal) hoặc gần như trực diện, không bị che khuất (no occlusion)
- Ảnh được chụp trong điều kiện ánh sáng bình thường.
- Cơ sở dữ liệu ảnh nhỏ, khoảng trăm ảnh.
- Ảnh được xét là ảnh số, nghĩa là ảnh mặt người được chụp từ các thiết bị như máy ảnh
số,camera,….Không xem xét các ảnh mặt người nhân tạo như vẽ, điêu khắc …


6

1.2.1 Yêu cầu các chức năng
CÁC CHỨC NĂNG CỦA CHƯƠNG TRÌNH
PHẦN MỀM ĐIỂM DANH NHẬN DIỆN BẰNG KHN MẶT

A.Các chức năng tổng quát
1.Nhận diện khuôn mặt.
2. Chức năng kiểm tra việc vào ra lớp học.
3.Xuất danh sách chi tiết vào ra lớp học của sinh viên.
B.Phân rã các chức năng nhỏ trong các chức năng tổng quát
1.Nhận Diện Khuôn Mặt
1.1Chụp hình ảnh khn mặt .
1.2 Lưu CSDL.
1.3 Phân tích nhận diện hình ảnh.
1.4 Lưu thơng tin nhận diện điểm danh.
2. Chức năng kiểm tra việc vào ra lớp học
2.1 Lưu các thông tin điểm danh từng học sinh vào Các Bảng trên server .
2.2 Lưu Các lần ra vào lớp trong suốt buổi học .
2.3Xuất thông tin các sinh viên có trong lớp học tại thời gian hiện tại.
2.4 Sinh viên có mặt trong lớp ở khoảng thời gian nào.
3. Thông báo danh sách điểm danh cho các bộ phận quản lý
3.1 Xuất ra danh sách các thời gian chi tiết của từng sinh viên.
1.3 Mô tả chức năng
1.3.1 Chức năng nhận diện khuôn mặt.
Mô tả:Hệ thống camera tự động chụp hình ảnh ,gửi về máy chủ sau đó máy chủ dùng
thuật tốn nhận diện khn mặt của thư viện OpenCV ,EmguCV để nhân diện những
khuôn mặt đã được chụp bởi camera
- Trình tự thực hiện:
1.Camera chụp hình ảnh.
2.Camera truyền hình ảnh cần phân tích về máy chủ.
3. Máy chủ phân tích nhận diện hình ảnh.
4.Lưu cơ sở dữ liệu thông tin đã nhận diện.
- Kết quả: Nhận diện các sinh viên .

7

1.3.2 Chức năng kiểm tra việc vào ra lớp học.
Mô tả: Phát hiện ra những sinh viên đã vào lớp sau đó ghi vào cơ sở dữ liệu.
- Trình tự thực hiện:
1. Máy chủ nhận hình ảnh và phân tích
- Kết quả: Điểm danh được sinh viên đã vào ra lớp học.
1.3.3 Xuất danh sách chi tiết vào ra lớp học của sinh viên.
- Mô tả: Bộ Phận kiểm tra thông tin chi tiết sinh viên theo lớp,khoa và theo ngày giờ
bằng cách truy cập vào website quản lý thiết kế riêng.
- Trình tự thực hiện:
1. Truy cập vào website để xem thông tin
- Kết quả: xem và quản lý được thông tin chi tiết vào ra của sinh viên
1.4 Các phương pháp nhận dạng khn mặt người
1.4.1 Phân tích thành phần chính (PCA)
Phân tích thành phần chính là phương pháp lâu đời nhất và cũng là phương pháp phổ
biến nhất khi nghiên cứu nhận dạng khn mặt. Phân tích thành phần chính là một
kỹ thuật phân tích biến đổi được nghiên cứu khá rộng rãi và biết đến nhiều. Thuật toán
này lần đầu tiên được giới thiệu bởi Pearson (1901), và được phát triển một cách độc
lập bởi Hotelling (1933). Ý tưởng chính của thuật tốn phân tích thành phần chính là
giảm số chiều của tập dữ liệu có sự tương quan lớn giữa các biến. Mặc dù giảm số
chiều của biến nhưng vẫn duy trùy sự biến đổi nhiều nhất có thể của tập dữ liệu ban đầu.
Thực chất của PCA là giải quyết bài tốn tìm trị riêng và vector riêng cho ma trận đối
xứng.
1.4.2 Trích đặc trưng bằng phương pháp PCA
+ Trích chọn đặc trưng PCA và huấn luyện
- Nhận các khuôn mặt từ cơ sở dữ liệu – tập luyện
Đầu tiên chúng ta sẽ đọc cơ sở dữ liệu và nhận vào các ảnh luyện Ii . Các ảnh luyện ở đây đều
là ảnh mặt, điều kiện quan trọng là chúng có mặt ở tâm ảnh và có cùng kích thước với nhau.
Giả sử có M ảnh, khi đó i=1..M.

Sau đó ta tương ứng mỗi ảnh Ii với một vector Γi
Ii (ảnh N×N) → Γi(vector 𝑁2 ×1)


8
- Tính tốn giá trị trung bình
Giá trị vector trung bình:

Với M là số ảnh trong tập luyện, Γi là vector 1 chiều (𝑁2 ×1) đại diện cho mỗi ảnh.
Ψ là vector trung bình (kích thước 𝑁2 ×1)của tập tất cả các Γi trên;
Ψ còn được gọi là vector trung bình mặt của tập luyện.
- Trừ đi giá trị trung bình
Sai số của các ảnh so với giá trị vector mặt trung bình được tính tốn theo cơng thức:
Φi = Γi – Ψ (*)
Trong đó: Φi là vector sai số ứng với mỗi ảnh, Γi là vectot 1 chiều của các ảnh,
Ψ là vector trung bình mặt.
- Tính ma trận hiệp biến
Ma trận hiệp biến được tính theo cơng thức sau:

1

Trong đó C là ma trận hiệp biến (kích thước 𝑁2 × 𝑁2 ) 𝐴 = √𝑀[𝛷1𝛷2. . . 𝛷𝑛 ]
A là ma trận 𝑁2 × 𝑀, 𝚽n là giá trị sai số được tính ở cơng thức (*).
- Tính các trị riêng và vector đặc trưng của ma trận hiệp biến
Để tính các trị riêng và vector đặc trưng của ma trận hiệp biến ta phải tính với ma trận C hay
chính là tính cho ma trận 𝐴𝐴𝑇 . Tuy nhiên điều này là không khả thi, do C là ma trận 𝑁2 × 𝑁2
nên số chiều là quá lớn, khối lượng tính tốn là vơ cùng nhiều (đặc biệt khi kích thước ảnh
luyện lớn thì N lớn, 𝑁2 và 𝑁2 × 𝑁2 là cực kì lớn)
Ta nhận thấy 2 ma trận 𝐴𝐴𝑇 và 𝐴𝑇 𝐴 ln có chung trị riêng và vector đặc trưng thì có liên hệ
với nhau bởi biểu thức ui = Avi mà ma trận 𝐴𝑇 𝐴 lại có số chiều ít hơn hẳn (ma trận M×M)

nên ta sẽ chuyển đổi về ma trận 𝐴𝑇 𝐴.
Sau khi tính tốn ta được M vector đặc trưng của 𝐴𝐴𝑇 (ui = Avi) tương ứng với M giá trị
riêng. Chuẩn hóa các vector đặc trưng ui về vector đơn vị:
||ui || =1
- Lựa chọn các thành phần và xây dựng vector đặc trưng
Để giảm thiểu tối đa số chiều cũng như giảm độ phức tạp tính tốn, ta chỉ giữ lại K vector đặc
trưng (tương ứng K giá trị riêng lớn nhất). Khi đó mỗi khn mặt sau khi trừ đi giá trị trung
bình sẽ được đại diện bởi K vector đặc trưng:


9

Mỗi khuôn mặt training Φi sẽ được biểu diễn bởi một vector:

Trong đó 𝑤𝑖𝑗 (j=1..K) là các trọng số tương ứng với K vector đặc trưng, 𝛺𝑖 là vector đại diện
cho khn mặt thứ i trong tập luyện.

1.5 Phân tích phân lớp tuyến tính LDA
1.6 Mẫu nhị phân cục bộ (LBP)
LBP là một tốn tử kernel 3×3, nó tổng qt hóa cấu trúc khơng gian cục bộ của một
ảnh. Ojala và các đồng nghiệp đã giới thiệu phương pháp LBP và chỉ ra khả năng phân
tách cao của chúng cho sự phân lớp vân. Bởi vì khả năng phân tách và chi phí tính
tốn thấp, LBP trở nên rất phổ biến trong nhận dạng mẫu LBP đã được áp dụng cho
phát hiện khuôn mặt, nhận dạng khuôn mặt, xác thực khuôn mặt, truy vấn ảnh.
1.6.1 Mô tả kết cấu (Texture descriptor)

1.6.2 Mẫu nhị phân cục bộ mở rộng

1.6.3 Mẫu đồng nhất (uniform patterns)
1.6.4 Áp dụng LBP mô tả khuôn mặt

Việc áp dụng mô tả khuôn mặt bằng LBP được Ahonen và các cộng sự thực hiện năm
2006. Ý tưởng của phương pháp là chia hình hảnh khn mặt thành các khối, sau đó
tính tốn các histogram tương ứng với các khối. Cuối cùng kết hợp các histogram này
lại với nhau để có được vector đặc trưng cho khn mặt.

1.7 Support vector Machines (SVM)
SVM là một phương pháp phân lớp xuất phát từ lý thuyết học thống kê. Thuật toán
SVM lần đầu tiên được Vladimir Vapnik đề xuất. Sau đó, Corinna Cortes cùng với


10

Vladimir Vapnik đề xuất hình thức chuẩn hiện nay. SVM có nhiều tính năng ưu việt so
với các phương pháp cổ điển khác: dễ dàng xử lý, xử lý với tính ổn định cao trên dữ
liệu phức tạp, có thể có số chiều lớn và quan trọng hơn cả là khả năng xử lý tổng quát..
1.7.1 Các khái niệm nền tảng

1.7.2 SVM tuyến tính

1.7.3 SVM phi tuyến

1.7.4 SVM cho vấn đề nhận dạng đa lớp

Hình 1.1.7.4 :Cấu Trúc 1 cây nhị phân cho nhận dạng 8 lớp


11

1.8 ĐỀ XUẤT PHƯƠNG PHÁPNHẬN DẠNG MẶT NGƯỜI

1.8.1 Phân tích bài toán nhận dạng mặt người
Một hệ thống nhận dạng mặt người thông thường gồm các bước sau đây:

1.8.1.1 Phát hiện khuôn mặt (face detection)
Phát hiện khuôn mặt là quá trình xác định vị trí khu vực khn mặt trong hình ảnh và
sẽ lấy ra tất cả các khn mặt trong một hình ảnh.

1.8.1.2 Tiền xử lý ảnh (preprocessing)
Bước này nhằm mục đích lọc nhiễu, nâng cao chất lượng ảnh, trong bước này bao gồm
các bước : Căn chỉnh ảnh, chuẩn hóa ánh sáng

1.8.1.3 Trích rút đặc trưng ( feature extraction)
Ở bước này một phương pháp trích chọn đặc điểm như: mẫu nhị phân cục bộ – LBP
(hay Gabor wavelets, Gradient, Discrete Cosine Transform …) sẽ được sử dụng với
ảnh mặt để trích xuất các thơng tin đặc trưng cho ảnh,kết quả là mỗi ảnh sẽ được biểu
diễn dưới dạng một vector.đề tài nhóm chọn chủ yếu trình bày về phương pháp Local
Binary Pattern mục


12

1.8.1.4 Nhận dạng/Phân lớp.
Bước nhận dạng (recognition) hay phân lớp (classification), tức là xác định danh tính
(identity) hay nhãn (label) của ảnh – đó là ảnh của ai. Trong Báo Cáo trình bày về
phương pháp phương pháp SVM

1.8.1.5 Dữ liệu hệ thống nhận dạng.
Dữ liệu hệ thống nhận dạng được chia làm 3 tập
▪ Tập huấn luyện (training set),
▪ Tập tham chiếu (reference set)

▪ Tập để nhận dạng (probe set).
Trong nhiều hệ thống, tập training trùng với tập reference (trong báo cáo này tập huấn
luyện trùng với tập training). Tập training gồm các ảnh được dùng để huấn luyện,
thông thường tập này được dùng để sinh ra một không gian con là một ma trận và
phương pháp hay được sử dụng là PCA, LDA…Tập reference gồm các ảnh đã biết
danh tính được chiếu vào khơng gian con ở bước training.. Sau khi thực hiện chiếu tập
reference vào không gian con, hệ thống lưu lại kết quả là một ma trận với mỗi cột của
ma trận là một vector tương ứng với ảnh (định danh đã biết) để thực hiện nhận dạng
(hay phân lớp). Nhận dạng (hay phân lớp) được thực hiện với tập các ảnh probe.

1.9 Đề xuất phương pháp nhận dạng kết hợp LBP-PCA-SVM
Hiện tại có nhiều phương pháp kết hợp để nhận dạng khuôn mặt như trên đề cập.Nhóm
sẽ trình bày về phương pháp nhận dạng mặt người bằng cách kết hợp ba phương pháp
LBP, PCA & SVM, ứng dụng việc kết hợp ba phương pháp nhận dạng

Sơ đồ kết hợp các phương pháp


13

1.10 Áp dụng LBP trích rút đặc trưng & PCA để
giảm số chiều.
Trong báo cáo ảnh chia làm 49 khối, mỗi chiều của ảnh chia làm 7 phần kích thước của ảnh
khuôn mặt trước khi rút đặc trưng cần là 126x147px.
Các bước thực hiện trích rút đặc trưng khn mặt:

Các bước thực hiện trích rút đặc trưng

1.11 Áp dụng SVM phân lớp/nhận dạng
Sử dụng SVM nhiều lớp với chiến lược one-vs-one (Theo nghiên cứu của Chih-Wei

Hsu và Chih-Jen Lin [11] chiến lược one-vs-all cho kết quả không được tốt), sử dụng
với hàm nhân là Radial basic funtion (RBF) để nhận dạng (Theo kết quả thực nghiệm
hàm nhân RBF cho tỉ lệ nhận dạng cao nhất)


14

Sơ đồ phân lớp nhận dạng sử dụng SVM


15

1.12 Đánh giá phương pháp

Đồ thị tỉ lệ nhận dạng phương pháp PCA và LDA trên tập AT&T
Đối với sinh viên trường thì để lấy tập dữ liệu ảnh lớn như vậy là rất khó. Sau khi thử
nghiệm với phương pháp LBP, SVM, PCA với số lượng ảnh mẫu/người từ 3 trở lên,
kết quả cũng rất khả quan.

Tỉ lệ nhận dạng theo số lượng ảnh mẫu phương pháp LBP-PCA- SVM trên CSDL
AT&T & Yale A


16

CHƯƠNG II PHÂN TÍCH THIẾT KẾ HỆ THỐNG
2.1 Sơ đồ use-case

Sơ đồ 1: Sơ đồ use case mô tả chức năng của 2 actor Camera và Máy chủ .

Sơ đồ 2 : Sơ đồ use case mô tả chức năng của actor Bộ Phận Quản Lý


17

2.2

Mơ hình sequence diagram

2.2.1 Mơ hình đăng ký đăng nhập hệ thống

Hình 2.1. Mơ hình đăng ký
_ Dịng sự kiện: ở trang chủ, Admin sẽ nhấp vào “Đăng ký”, hệ thống sẽ chuyển sang
trang đăng ký, ở đây hệ thống yêu cầu admin nhập đầy đủ thông tin theo yêu cầu, sau
khi admin nhập đầy đủ thông tin vào nhấp vào nút”Đăng ký” thì hệ thống sẽ gửi thơng
tin vào trong CSDL, nếu dữ liệu đúng thì hệ thống sẽ phản hồi lại cho admin là đăng ký
thành công và sẽ chuyển qua trang đăng nhập, ngược lại hệ thống sẽ báo lỗi vào yêu cầu
Admin nhập lại.


18

2.2.2 Mơ hình chức năng nhận diện camera

Hình 2.2 Mơ hình chức năng nhận diện camera
Dịng sự kiện : Camera nhận diện hình ảnh gửi về Controller xử lý , kiểm tra xem hình
ảnh người cần nhận diện đã có trong CSDL chưa, nếu có rồi thì trả kết quả nhận
diện,nếu khơng có thì controller nhận diện và lưu hệ thống CSDL.
2.2.3 Chức năng thông báo, chỉnh sửa danh sách điểm danh và cho các bộ phận

Hình 2.3 Chức năng thông báo, chỉnh sửa danh sách điểm danh và cho các bộ phận


19

Dòng sự kiện : Các bộ phận thực hiện thao tác kiểm tra thông tin điểm danh trên diao
diện điểm danh sinh viên , sau đó controller sẽ thực hiện yêu cầu kiểm tra xem thông
tin cần lấy trong CSDL nếu có thì xuất thơng tin về giao diện. Các bộ phận tiếp tục từ
thông tin đã nhận được thực hiện các thao tác thêm xóa sửa , controller điều khiển
nhận các yêu cầu và thực hiện thao tác trên CSDL. Sau đó thơng báo kết quả ra giao
diện.

2.3 Sơ đồ thực thể kết hợp


20

2.4 Cấu trúc bảng và kiểu dữ liệu thuộc tính

Table: SINHVIEN (Sinh Viên)
Field Name

Data Type

Null Key

MaSV

Varchar(15)

No

Lop

Varchar(6)

Yes

Ho

Nvarchar(20)

Yes

Ten

Nvarchar(20)

Yes

Description

PK

Table: GIANGVIEN (Giảng Viên)
Field Name

Data Type

Null Key

MaGV

Varchar(15)

No

Password

NVarchar(100)

Yes

Ho

Nvarchar(20)

Yes

Ten

Nvarchar(20)

Yes

Description

PK

Table: MONHOC (Môn Học)

Field Name

Data Type

Null Key

MaMH

Varchar(5)

No

TenMH

Nvarchar(80)

Yes

SoTC

int

Yes

Description

PK

Table: LOP(Lớp)
Field Name

Data Type

Null Key

MaLop

Varchar(8)

No

TenLop

Nvarchar(80)

Yes

Description

PK

Table: KHOA (Khoa)
Field Name

Data Type

Null Key

MaKhoa

Varchar(5)

No

TenKhoa

Nvarchar(80)

Yes

PK

Description


21

Table: IMAGES(Hình Ảnh)
Field Name

Data Type

Null Key

IDIMG

Varchar(5)

No

LinkIMG

Nvarchar(500)

Yes

Description

PK

Table: DIEMDANH(Điểm Danh)
Field Name

Data Type

Null Key

MaDD

Varchar(8)

No

PK

Description
Mã điểm danh này là mỗi mơn sinh
viên có mỗi mã

MaGV

Varchar(15)

Yes

MaSV

Varchar(15)

Yes

MaMH

Varchar(5)

Yes

MaLop

Varchar(8)

Yes

FK

Table: CTDIEMDANH(Chi Tiết Điểm Danh)
Field Name

Data Type

Null Key

MaDD

Varchar(8)

No

NgayDD

Datetime

Yes

PK

Description
Mã Điểm Danh
Ngày Điểm Danh, Điểm Danh Vào
Ngày nào

SoNV

int

Yes

Số Ngày Vắng

NgayBDMH

Datetime

Yes

Ngày Bắt Đầu Môn Học

NgayKTMH

Datetime

Yes

Ngày Kết Thúc Môn Học