Upload
others
View
10
Download
0
Embed Size (px)
Citation preview
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 KHUÔN MẶT
Giảng viên hướng dẫn: Trần Bá Minh Sơn
Nhóm Sinh viên thực hiện: 1. Nguyễn Xuân Cường
2. Phạm Minh Tiến
3.Nguyễn Hoàng Anh
4.Nguyễn Quốc Thông
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 KHUÔN MẶT
Giảng viên hướng dẫn: Trần Bá Minh Sơn
Nhóm Sinh viên thực hiện: 1. Nguyễn Xuân Cường
2. Phạm Minh Tiến
3.Nguyễn Hoàng Anh
4.Nguyễn Quốc Thông
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 ta 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 ta 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 ta 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 ta khuôn mặt ................................................................................. 9
1.7 Support vector Machines (SVM) ...................................................................................... 9
1.7.1 Các khái niệm nền tang ........................................................................................... 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 toán nhận dạng mặt người ................................................................. 11
1.8.1.1 Phát hiện khuôn mặt (face detection) ............................................................... 11
1.8.1.2 Tiền xử lý anh (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 giam 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 Mô hình sequence diagram ........................................................................................ 17
2.2.1 Mô hình đăng ký đăng nhập hệ thống ................................................................ 17
2.2.2 Mô 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 bang và kiểu dữ liệu thuộc tính ........................................................................ 20
CHƯƠNG III THIẾT KẾ GIAO DIỆN ................................................................................... 22
Giao diện đăng nhập ............................................................................................................. 22
Giao diện quan lý sinh viên: ................................................................................................. 23
Giao diện lưu trữ CSDL và nhận diện ................................................................................. 23
Giao diện xử lý training anh và lưu trữ CSDL ..................................................................... 24
CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN ....................................... 25
4.1 Đánh giá kết qua ........................................................................................................ 25
4.1.1 Kết qua đạt được ...................................................................................................... 25
4.1.2 Việc chưa đạt được ............................................................................................. 25
4.2 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 NÓI 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
quan lý điểm danh còn nhiều khó khăn, quan lý điểm danh còn nhiều thiếu sót cũng
như là lưu trữ còn chưa chặt chẽ. Với sự phát triển nhanh chóng của các loại máy móc
hiện đại như máy anh số, máy quay phim kỹ thuật số, máy vi tính,điện thoại thông
minh… thì lượng thông tin con người thu được dưới dạng hình anh là khá lớn. Xử lý
anh 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 anh cũ, ngày
nay các kỹ phương pháp xử lý anh đã mang lại những tiến bộ vượt bậc như nhận dạng
vân tay, nhận dạng khuôn mặt, nhận dạng đối tượng khi nó kết hợp với lĩnh vực trí tuệ
nhân tạo. Bên cạnh đó, vấn đề an ninh bao 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 khuôn 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 toàn khuôn 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 qua 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 giam rất nhiều chi phí
cũng như là quan lý thông 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 quan lý vào ra lớp học bằng nhận
dạng khuôn mặt đáp ứng các chức năng sau:
- Quan lý vào ra lớp học hiệu qua.
- Tính năng nhận dạng khuôn mặt.
- Giúp cho việc kiểm tra sĩ số lớp học nhanh.
- Quan 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 ca 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 khuôn 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:
- Khao sát những góc chụp camera
- Khao sát thời gian nhận diện gửi kết qua tra về máy chủ.
- Lập trình thiết kế ứng , cài đặt thuật toán trong môi trường thực nghiệm
4
6. Nội dung và tiến độ nghiên cứu
- Xây dựng cơ sở dữ liệu hình anh mẫu để nhận diện.
- So sánh anh của đối tượng được nhận diện với anh 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 Mô tả bài toán
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 không những thế bên
cạnh đó còn xay 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 môi trường đại học
Thủ Dầu Một nói riêng. Vì thế khi áp dụng công 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 toán nhận dạng khuôn 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 đòi hỏi sự tương tác có kiểm soát
hơn. Bài toán nhận dạng mặt người còn nhiều thách thức nên hàng năm trong & ngoài
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 anh mẫu. Có ba cơ sở dữ liệu anh 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 khuôn 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 toán hiệu qua 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 toán nhận dạng khuôn mặt như: Tư thế góc chụp, sự xuất
hiện hoặc thiếu một số thành phần của khuôn mặt, sự biểu cam của khuôn mặt, sự
che khuất, hướng của anh, điều kiện của anh...
Vì thế nhóm đưa ra những gia định và ràng buộc sau làm giam độ phức tạp của bài toán
như sau:
- Góc anh 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 anh nhỏ, khoang trăm anh.
- Ảnh được xét là anh số, nghĩa là anh mặt người được chụp từ các thiết bị như máy anh
số,camera,….Không xem xét các anh 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 KHUÔN 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 anh khuôn mặt .
1.2 Lưu CSDL.
1.3 Phân tích nhận diện hình anh.
1.4 Lưu thông 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 Bang 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 khoang thời gian nào.
3. Thông báo danh sách điểm danh cho các bộ phận quan 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 ta:Hệ thống camera tự động chụp hình anh ,gửi về máy chủ sau đó máy chủ dùng
thuật toán nhận diện khuôn 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 anh.
2.Camera truyền hình anh cần phân tích về máy chủ.
3. Máy chủ phân tích nhận diện hình anh.
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 ta: 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 anh 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 quan lý thiết kế riêng.
- Trình tự thực hiện:
1. Truy cập vào website để xem thông tin
- Kết quả: xem và quan lý được thông tin chi tiết vào ra của sinh viên
1.4 Các phương pháp nhận dạng khuôn 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 khuôn 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 toán phân tích thành phần chính là
giam số chiều của tập dữ liệu có sự tương quan lớn giữa các biến. Mặc dù giam 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 giai quyết bài toán 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 anh luyện Ii . Các anh luyện ở đây đều
là anh mặt, điều kiện quan trọng là chúng có mặt ở tâm anh và có cùng kích thước với nhau.
Gia sử có M anh, khi đó i=1..M.
Sau đó ta tương ứng mỗi anh Ii với một vector Γi
Ii (anh N×N) → Γi(vector 𝑁2 ×1)
8
- Tính toán giá trị trung bình
Giá trị vector trung bình:
Với M là số anh trong tập luyện, Γi là vector 1 chiều (𝑁2 ×1) đại diện cho mỗi anh.
Ψ là vector trung bình (kích thước 𝑁2 ×1)của tập tất ca 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 anh so với giá trị vector mặt trung bình được tính toán theo công thức:
Φi = Γi – Ψ (*)
Trong đó: Φi là vector sai số ứng với mỗi anh, Γi là vectot 1 chiều của các anh,
Ψ là vector trung bình mặt.
- Tính ma trận hiệp biến
Ma trận hiệp biến được tính theo công thức sau:
Trong đó C là ma trận hiệp biến (kích thước 𝑁2 × 𝑁2 ) 𝐴 =
1
√𝑀[𝛷1𝛷2. . . 𝛷𝑛 ]
A là ma trận 𝑁2 × 𝑀, 𝚽n là giá trị sai số được tính ở công 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 phai tính với ma trận C hay
chính là tính cho ma trận 𝐴𝐴𝑇 . Tuy nhiên điều này là không kha thi, do C là ma trận 𝑁2 × 𝑁2
nên số chiều là quá lớn, khối lượng tính toán là vô cùng nhiều (đặc biệt khi kích thước anh
luyện lớn thì N lớn, 𝑁2 và 𝑁2 × 𝑁2
là cực kì lớn)
Ta nhận thấy 2 ma trận 𝐴𝐴𝑇 và 𝐴𝑇𝐴 luôn có chung trị riêng và vector đặc trưng thì có liên hệ
với nhau bởi biểu thức ui = Avi mà ma trận 𝐴𝑇𝐴 lại có số chiều ít hơn hẳn (ma trận M×M)
nên ta sẽ chuyển đổi về ma trận 𝐴𝑇𝐴.
Sau khi tính toán 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 giam thiểu tối đa số chiều cũng như giam độ phức tạp tính toán, ta chỉ giữ lại K vector đặc
trưng (tương ứng K giá trị riêng lớn nhất). Khi đó mỗi khuôn 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 𝑤𝑗𝑖 (j=1..K) là các trọng số tương ứng với K vector đặc trưng, 𝛺𝑖 là vector đại diện
cho khuôn 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 toán tử kernel 3×3, nó tổng quát hóa cấu trúc không gian cục bộ của một
anh. Ojala và các đồng nghiệp đã giới thiệu phương pháp LBP và chỉ ra kha năng phân
tách cao của chúng cho sự phân lớp vân. Bởi vì kha năng phân tách và chi phí tính
toán 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 anh.
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 ta khuôn mặt bằng LBP được Ahonen và các cộng sự thực hiện năm
2006. Ý tưởng của phương pháp là chia hình hanh khuôn mặt thành các khối, sau đó
tính toán các histogram tương ứng với các khối. Cuối cùng kết hợp các histogram này
lại với nhau để có được vector đặc trưng cho khuôn 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 ca là kha năng xử lý tổng quát..
1.7.1 Các khái niệm nền tang
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 khuôn mặt trong hình anh và
sẽ lấy ra tất ca các khuôn mặt trong một hình anh.
1.8.1.2 Tiền xử lý ảnh (preprocessing)
Bước này nhằm mục đích lọc nhiễu, nâng cao chất lượng anh, trong bước này bao gồm
các bước : Căn chỉnh anh, 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
anh mặt để trích xuất các thông tin đặc trưng cho anh,kết qua là mỗi anh 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 anh – đó là anh 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 anh 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 anh đã biết
danh tính được chiếu vào không gian con ở bước training.. Sau khi thực hiện chiếu tập
reference vào không gian con, hệ thống lưu lại kết qua là một ma trận với mỗi cột của
ma trận là một vector tương ứng với anh (định danh đã biết) để thực hiện nhận dạng
(hay phân lớp). Nhận dạng (hay phân lớp) được thực hiện với tập các anh 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 anh chia làm 49 khối, mỗi chiều của anh chia làm 7 phần kích thước của anh
khuôn mặt trước khi rút đặc trưng cần là 126x147px.
Các bước thực hiện trích rút đặc trưng khuôn 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 qua không được tốt), sử dụng
với hàm nhân là Radial basic funtion (RBF) để nhận dạng (Theo kết qua 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 anh lớn như vậy là rất khó. Sau khi thử
nghiệm với phương pháp LBP, SVM, PCA với số lượng anh mẫu/người từ 3 trở lên,
kết qua cũng rất kha 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 ta chức năng của 2 actor Camera và Máy chủ .
Sơ đồ 2 : Sơ đồ use case mô ta chức năng của actor Bộ Phận Quan Lý
17
2.2 Mô hình sequence diagram
2.2.1 Mô hình đăng ký đăng nhập hệ thống
Hình 2.1. Mô hình đăng ký
_ Dòng 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 thông
tin vào trong CSDL, nếu dữ liệu đúng thì hệ thống sẽ phan 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 Mô hình chức năng nhận diện camera
Hình 2.2 Mô hình chức năng nhận diện camera
Dòng sự kiện : Camera nhận diện hình anh gửi về Controller xử lý , kiểm tra xem hình
anh người cần nhận diện đã có trong CSDL chưa, nếu có rồi thì tra kết qua nhận
diện,nếu không 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 thông 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 thông báo kết qua 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 Description
MaSV Varchar(15) No PK
Lop Varchar(6) Yes
Ho Nvarchar(20) Yes
Ten Nvarchar(20) Yes
Table: GIANGVIEN (Giảng Viên)
Field Name Data Type Null Key Description
MaGV Varchar(15) No PK
Password NVarchar(100) Yes
Ho Nvarchar(20) Yes
Ten Nvarchar(20) Yes
Table: MONHOC (Môn Học)
Field Name Data Type Null Key Description
MaMH Varchar(5) No PK
TenMH Nvarchar(80) Yes
SoTC int Yes
Table: LOP(Lớp)
Field Name Data Type Null Key Description
MaLop Varchar(8) No PK
TenLop Nvarchar(80) Yes
Table: KHOA (Khoa)
Field Name Data Type Null Key Description
MaKhoa Varchar(5) No PK
TenKhoa Nvarchar(80) Yes
21
Table: IMAGES(Hình Ảnh)
Field Name Data Type Null Key Description
IDIMG Varchar(5) No PK
LinkIMG Nvarchar(500) Yes
Table: DIEMDANH(Điểm Danh)
Field Name Data Type Null Key Description
MaDD Varchar(8) No PK Mã điểm danh này là mỗi môn sinh
viên có mỗi mã
MaGV Varchar(15) Yes FK
MaSV Varchar(15) Yes
MaMH Varchar(5) Yes
MaLop Varchar(8) Yes
Table: CTDIEMDANH(Chi Tiết Điểm Danh)
Field Name Data Type Null Key Description
MaDD Varchar(8) No PK Mã Điểm Danh
NgayDD Datetime Yes 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
22
Table: CTDIEMDANH(Chi Tiết Điểm Danh)
Field Name Data Type Null Key Description
MaDD Varchar(8) No PK Kết Nối Với Mã Điểm danh của bang
chi tiết điểm danh
NgayHT Datetime Yes Ngày hiện Tại Đang Học
TrangThaiHT Int Có hoặc không,nếu có trong lớp giá
trị sẽ là có và ngược lại cập nhật khi
sinh viên này ra vào lớp
CHƯƠNG III THIẾT KẾ GIAO DIỆN
Giao diện đăng nhập
23
Giao diện quản lý sinh viên:
Giao diện lưu trữ CSDL và nhận diện
24
Giao diện xử lý training ảnh và lưu trữ CSDL
25
CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN
4.1 Đánh giá kết quả
4.1.1 Kết quả đạt được
- Thực hiện được việc quan lý vào ra lớp học một cách khoa học,
- Lưu trữ được thông tin các sinh viên đi học một cách tự động theo phòng học
- Nhận diện được hình anh các sinh viên một cách khá tốt qua nhận diện khuôn
mặt
- Thống kê được danh sách các sinh viên vào ra lớp học một cách nhanh chóng
4.1.2 Việc chưa đạt được
- Việc nhận diện các khuôn mặt còn hạn chế một số góc nhìn .
- Thuật toán sử dụng chưa được tối ưu
4.2 Hướng phát triển
- Cai thiện thuật toán để việc nhận diện được nhanh hơn
- Cai thiện góc nhìn để camera bắt được đầy đủ góc khía cạnh khuôn mặt