ĐẠI HỌC ĐÀ NẴNGKHOA CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

BAO CAO ĐỒ AN 5

ĐỀ TÀI: Ứng dụng nhận diện khuôn mặt .

Sinh viên thực hiện : HOÀNG ĐĂNG KHANH Lớp : 17IT3 THAI VĂN LÂM Lớp : 17IT3

Giảng viên hướng dẫn : THS. NGUYỄN ANH TUẤN

Đà nẵng, tháng 07 năm 2020

2

MỞ ĐẦU

1. Ly do chon đê tai:

Bôi canh chung:

Việc quản lý thông 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 công cộng sẽ gia tăng khả năng lây nhiễm cao hơn.

Do đó, việc nhân viên công 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 khuôn 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” không chỉ trong thời điểm dịch Covid – 19 đang bùng phát, mà nó còn là sự lựa chọn thông 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. Công 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

Cac phương phap thưc hiện:

Hệ thống sẽ nhận diện khuôn 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 không có sự chậm trễ. Trong nhiều trường hợp đối tượng hoàn toàn không hay biết gì về quá 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 khuôn mặt mẫu có sẵn trong cơ sở dữ liệu đăng ký trước. Toàn bộ quá trình phát hiện, nhận dạng và đối chiếu được tiến hành hoàn toàn tự động, không cần có sự can thiệp của con người. 

2. Mục tiêu va nhiệm vụ

Mục tiêuTrong 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 tòa 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 khuôn mặt người; các phương pháp, thuật toán nhận dạng được phát triển bằng ngôn 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 hô 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 thông tin của người đó từ một đoạn video đầu vào hoặc từ camera trực tiếp.

3. Đôi tương va phạm vi nghiên cứu

Đôi tương nghiên cứu

Ngôn 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 phap nghiên cứu

Nghiên cứu ly thuyếtĐọc, 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 thưc nghiệmNghiên cứu và xây dựng một chương trình mô phỏng lập trình bằng

ngôn ngữ lập trình Python và thư viện mã nguồn mở OpenCV.

3

5. Ý nghĩa khoa hoc va thưc tiễn của đê tai

Ý nghĩa khoa hoc va thưc tiễn đê tai

Về khoa họcTìm 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 khuôn mặt mang tính chính xác, nhanh, hiệu quả cao.

Về thực tiễn- Giúp người lập trình có cái nhìn tổng quát 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.

DANH MỤC CAC BẢNG

4

TrangBảng 2.2...............................................................................................13

5

DANH MỤC HÌNHTrang

Hình 3.1................................................................................................15Hình 4.1................................................................................................17Hình 4.2................................................................................................17Hình 4.3................................................................................................18Hình 4.4................................................................................................18Hình 4.5................................................................................................18

6

DANH MỤC CỤM TỪ VIẾT TẮT

STT Cụm từ Viết tắt1 Labled Faces in the Wild  LFW2 Công nghệ thông tin CNTT3 Artificial intelligence AI4 Face Recognition Grand Challenge FRGC

7

CHƯƠNG 1

NGHIÊN CỨU TỔNG QUAN

1.2 BÀI TOAN PHAT HIỆN KHUÔN MẶT NGƯƠI

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. Ngoài 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 CAC 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 khuôn 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 luôn 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 xuyên có

thể nhận dạng được gương mặt mặc dù có những trở ngại như ria mép, râu,

thay đổi kiểu tóc và thậm chí đeo kính râm"

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. Công nghệ Polar Rose có thể đoán 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 khuôn mặt của một ai đó trong đám đông và so sánh

nó với cơ sở dữ liệu trên toàn thế giới để nhận dạng và đặt tên cho một

khuôn mặt. Phần mềm được viết để phát hiện nhiều đặc điểm trên khuôn

mặt người. 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 khuôn mặt. Nó thực hiện điều này bằng cách đưa

hình ảnh của khuôn 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 toán đặc biệt có

thể được quét qua hầu như tất cả các cơ sở dữ liệu.  

Năm 2006, các thuật toán nhận dạng khuôn mặt mới nhất đã được

đánh giá trong Face Recognition Grand Challenge (FRGC). Hình ảnh

gương mặt, hình ảnh scan gương mặt 3D và ảnh iris độ phân giải cao, được

sử dụng trong các bài kiểm tra. Kết quả cho thấy rằng các thuật toán mới là

chính xác hơn 10 lần so với các thuật toán nhận dạng khuôn mặt của năm

2002 và chính xác hơn 100 lần so với các thuật toán của năm 1995. Một số

thuật toán 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 khuôn 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 toán và công 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

Tai 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. Ngoài ra còn có các chế độ gỡ lôi 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 lôi gây ra bởi việc gọi các hàm không chính xác hoặc sử dụng các đối tượng một cách không 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 không được ghi lại, không rõ ràng hoặc đã hết tài liệu, hãy cho tôi biết và tôi sẽ sửa nó.

Thuật toan hoc may: Deep Learning Máy Vector Hô 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 hô 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 mô lớn. Một thuật toán 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 hô 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 Một thông báo qua đường ống cho liên thread và inter-

process thông tin liên lạc

11

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 hô 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 thông báo qua đường ống cho liên thread và inter-

process thông tin liên lạc Một công cụ được sử dụng để thực hiện các thuật toán sử

dụng mô hình tính toán 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 dòng 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 Hô 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 không giám sát cũng có thể khó khăn và tốn kém để sản xuất.

Tên bộ dữ liệu Mô tả ngắn gọnTrường

hợp

Định

dạngNhiệm vụ Đã tạo

Người

sáng tạo

FERET (công

nghệ nhận

dạng khuôn

mặt)

11338 hình ảnh của 1199 cá

nhân ở các vị trí khác nhau

và tại các thời điểm khác

nhau.

11.338 Hình ảnh

Phân loại,

nhận diện

khuôn mặt

2003

Bộ quốc

phòng Hoa

Kỳ

Cơ sở dữ liệu

khuôn mặt

Yale

Khuôn mặt của 15 cá nhân

trong 11 biểu hiện khác

nhau.

165 Hình ảnhNhận dạng

khuôn mặt1997

J. Yang và

cộng sự.

FaceScrub

Hình ảnh của các nhân vật

công cộng được chau chuốt

từ tìm kiếm hình ảnh.

107.818Hình ảnh,

văn bản

Nhận dạng

khuôn mặt2014

H. Ng et

al.

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, còn được gọi là hệ thống nhận dạng khuôn 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 khuôn mặt cụ thể cho mục đích nhận dạng và xác thực.

Hệ thống nhận dạng khuôn 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. Môi khuôn 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 quét một khuôn 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 khuôn mặt sử dụng một thuật toán, chẳng hạn như Kiểm tra nhà cung cấp nhận dạng khuôn mặt, có thể dự đoán liệu có một trận đấu dựa trên các điểm nút gật đầu trên khuôn mặt của một cá nhân hay không. 

Thông 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 quá trình đăng ký. Trích xuất - Dữ liệu duy nhất được trích xuất từ mẫu và mẫu

được tạo. So sanh - Mẫu sau đó được so sánh với một mẫu mới. Kết hơp - Hệ thống sau đó quyết định xem tính năng được trích

xuất từ mẫu mới có khớp hay không.

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. Mô hình đề xuất của hệ thống được thể hiện như sau:

Hình 3.1. Mô 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: May chủ , thiết bị di dộng, server quan lí dữ liệu, Thiết bị nhận diện khuôn mặt.

15

3.1. MÔI TRƯƠNG VÀ CÔNG CỤ SỬ DỤNGQua quá trình nghiên cứu để thực hiện demo cho đề tài này, tôi quyết

định chọn sử dụng: Ngôn ngữ lập trình Python Thư viện mã nguồn mở OpenCV

Các thuật toán Dlib, Labled Faces in the Wild.

3.2. Yếu tô tac động :

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, thông tin về đối tượng sẽ bị ảnh hưởng.

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.

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.

Tư thế đứng của đối tượng (nghiêng, xoay,…): tư thế của đối tượng sẽ xác định thông 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.

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 4THỰC NGHIỆM VÀ ĐANH GIA KẾT QUẢ

16

THỰC NGHIỆM TRÊN BÀI TOAN NHẬN DẠNG KHUÔN MẶT

Bao gồm các chức năng chính: Nhận dạng qua ảnh. Nhận dạng qua camera.

Hình 4.1

Hình 4.2

17

Hình 4.3Nhận dạng thông qua ảnh

Hình 4.4

Hình 4.5Nhận dạng thông qua webcam

18

Chương 5KẾT LUẬN & HƯỚNG PHAT TRIỂN

5.1 KẾT LUẬNĐề 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. Môi 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 quá mạnh.

Hệ thống không 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 PHAT TRIỂN

Sau đây là một số các cải tiến có thể được thực hiện trong tương lai của hệ thống này:

Chúng tôi 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 Trang19

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............................4Danh mục cac bang................................................................5Danh mục cac hình.................................................................6Danh mục cụm từ viết tắt......................................................7Chương 1 Nghiên cứu tổng quan 1.1 Bài toán phát hiện khuôn mặt người................................8 1.3 Tổng quan các kết quả nghiên cứu.............................8-10Chương 2 Cơ sở ly thuyết 2.1 Thư viện Dlib............................................................10-12 2.2 Labled Faces in the wild................................................13 2.3 Face_recognition ...........................................................14Chương 3 Phân tích hệ thông

3.1 Môi trường và công cụ...................................................163.2 Yếu tố tác động..............................................................16

Chương 4 Thưc nghiệm va đanh gia kết qua...............17-18Chương 5 Kết luận va hướng phat triển............................19

20

21