NGHIÊN CỨU, PHÁT TRIỂN HỆ THỐNG NHẬN DIỆN KHUÔN MẶT PHỤC VỤ KIỂM SOÁT AN NINH TRONG TÒA NHÀ

75 42 0
NGHIÊN CỨU, PHÁT TRIỂN HỆ THỐNG NHẬN DIỆN KHUÔN MẶT PHỤC VỤ KIỂM SOÁT AN NINH TRONG TÒA NHÀ

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

HỌC VIỆN NÔNG NGHIỆP VIỆT NAM KHOA CƠ - ĐIỆN  ĐỒ ÁN TỐT NGHIỆP ĐỀ TÀI: NGHIÊN CỨU, PHÁT TRIỂN HỆ THỐNG NHẬN DIỆN KHN MẶT PHỤC VỤ KIỂM SỐT AN NINH TRONG TÒA NHÀ Giáo viên hướng dẫn : TS… Sinh viên thực hiện : … Msv : … Lớp : K60­TĐH Chuyên ngành : TỰ ĐỘNG HÓA Hà Nội – 2021 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng tôi, kết nghiên cứu trình bày đồ án trung thực, khách quan chưa dùng để bảo vệ cho đồ án môn học Tôi xin cam đoan giúp đỡ cho việc thực đồ án cám ơn, thơng tin trích dẫn đồ án rõ nguồn gốc Hà Nội, ngày tháng năm 2021 Tác giả đồ án … i LỜI CẢM ƠN Em xin cám ơn Ban giám đốc Học viện Nông nghiệp Việt Nam, Ban chủ nhiệm khoa Cơ-Điện tồn thể thầy, giáo tận tình dạy dỗ, giúp đỡ em thời suốt q trình học tập trường Học viện Nơng nghiệp Việt Nam Xin cảm ơn thầy cô trực tiếp giảng dạy em thầy cô gián tiếp giúp đỡ em trình tìm kiếm tài liệu cho việc thực đồ án tốt nghiệp Đặc biệt em xin trân trọng cảm ơn thầy TS … – Người tận tình hướng dẫn, cung cấp tài liệu truyền đạt nhiều ý kiến thiết thực suốt trình thực đồ án Những kinh nghiệm quý báu mà thầy truyền đạt hành trang vững giúp em tự tin nghề nghiệp sau Xin cảm ơn gia đình bạn bè ủng hộ, động viên, giúp đỡ em vượt qua khó khăn suốt thời gian vừa qua để em hồn thành nhiệm vụ học tập đồ án tốt nghiệp cách tốt Mặc dù có nhiều cố gắng với kiến thức hạn hẹp thời gian tiếp xúc với thực tế chưa nhiều, báo cáo đồ án em khơng thể tránh khỏi nhiều thiếu sót Em mong có ý kiến đóng góp thầy cô bạn kiến thức báo cáo hoàn thiện Em xin trân thành cảm ơn! Hà nội, ngày….tháng….năm 2021 Sinh viên … ii MỤC LỤC LỜI CAM ĐOAN I LỜI CẢM ƠN .II MỤC LỤC…… III DANH MỤC HÌNH ẢNH VI DANH MỤC BẢNG VIII MỞ ĐẦU 1 Đặt vấn đề Mục đích nghiên cứu đề tài Đối tượng nghiên cứu Nội dung phương pháp nghiên cứu .2 4.1 Nội dung 4.2 Phương pháp nghiên cứu Giới hạn đề tài Thời gian địa điểm thực .3 CHƯƠNG TỔNG QUAN ĐỀ TÀI 1.1 Tổng quan xử lý ảnh giám sát an ninh 1.1.1 An ninh khu vực sân bay, hàng không 1.1.2 Đảm bảo an ninh tồn nhà, khu dân cư, thị 1.1.3 Một số phương pháp đảm bảo an ninh iii 1.2 Tình hình thực tế ứng dụng xử lý ảnh vào giám sát an ninh nước……………………………………………………………………………… 1.2.1 Trên giới 10 1.2.2 Tại Việt Nam 11 1.3 Tổng quan nhận diện khuôn mặt 13 1.3.1 Bài toán nhận diện mặt người .13 1.3.2 Những khó khăn nhận dạng khuôn mặt 13 1.3.3 Cấu trúc xử lý hệ thống nhận dạng khuôn mặt 15 1.3.4 Các yếu tố để nhận diện khuôn mặt 16 1.4 Kết luận chương .18 CHƯƠNG NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 19 2.1 Yêu cầu thiết kế hệ thống nhận diện khuôn mặt đảm bảo an ninh tòa nhà… 19 2.2 Các phương pháp nhận diện khuôn mặt 19 2.2.1 Nhận diện khuôn mặt dựa tri thức 19 2.2.2 Đối sánh mẫu 20 2.2.3 Nhận diện khn mặt dựa ngoại hình 20 2.2.4 Nhận diện khuôn mặt dựa chuyển động 21 2.2.5 Nhận diện khn mặt dựa tính 22 2.3 Sơ đồ công nghệ hệ thống nhận diện khuôn mặt .22 2.4 Các thiết bị phần cứng sử dụng 23 2.4.1 Webcam Logitech 23 2.4.2 Máy tính mini NUC 24 iv 2.5 Phần mềm thuật toán sử dụng 26 2.6 Lưu đồ thuật toán .45 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 51 3.1 Xây dựng phần cứng hệ thống 51 3.2 Xây dựng chương trình cho hệ thống nhận diện khn mặt phục vụ kiểm sốt an ninh tịa nhà 51 3.2.1 Các bước xây dựng hệ thống C# 51 3.2.2 Giao diện hoạt động hệ thống 54 3.3 Một số kết thực nghiệm .57 3.4 Kết đạt 60 3.5 Kết chưa đạt .60 3.6 Đánh giá .60 3.7 Kết luận chương .60 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 61 TÀI LIỆU THAM KHẢO 62 PHỤ LỤC .64 v DANH MỤC HÌNH ẢNH Hình 1 Kiểm sốt an ninh khu vực bay [1] Hình Kiểm sốt an ninh tòa nhà [2] .6 Hình Kiểm sốt an ninh sử dụng người kết hợp camera giám sát [3] Hình Nhận diện vân tay [4] Hình Cơng nghệ nhận diện mống mắt [5] Hình Nhận diện khuôn mặt [6] .10 Hình Giám sát an ninh nhận diện khuôn mặt Trung Quốc [7] 11 Hình Hình ảnh cảnh báo gửi tin nhắn xảy tình [8] 12 Hình Hệ thống giám sát an ninh giao thông [9] 13 Hình 10 Hệ thống nhận dạng mặt người [10] 14 Hình 11 Các bước hệ thống nhận dạng khn mặt 16 Hình Sơ đồ nguyên lý hoạt động hệ thống .20 Hình 2 Webcam Logitech HD C270 [11] 21 Hình Máy tính mini NUC [12] .22 Hình Ngơn ngữ lập trình C# [13] 23 Hình SSD toán phát đối tượng [14] 24 Hình Ví dụ đánh giá khung hình SSD [14] .25 Hình Kiến trúc SSD [14] 26 Hình Cấu trúc lớp kết nối Yolo [14] 26 Hình 10 Cách tính jaccard overlap [14] .27 Hình 11 Một số hình ảnh chạy thực nghiệm SSD [14] 27 Hình 12 Bộ phân loại tuyến tính [15] 29 Hình 13 Phân tích tuyến tính [15] 29 Hình 14 SVM tuyến tính cứng [15] 30 Hình 15 Vector hỗ trợ [15] 31 Hình 16 Dữ liệu khơng thể phân tích tuyến tính [16] 31 Hình 18 Chuyển đổi liệu phân tách tuyến tính [16] 32 Hình 20 Hàm phân biệt phi tuyến tính [16] .33 vi Hình 21 Phân biệt SVM [16] 34 Hình 22 Một số lỗi đào tạo đơn giản [16] 34 Hình 23 SVM tuyến tính mềm [16] 35 Hình 24 Hình ảnh hiển thị cách điểm liệu tương tự thường tồn gần [17] .38 Hình 25 Lưu đồ thuật tốn hệ thống nhận diện khn mặt 46 Hình 26 Sơ đồ thuật toán KNN (1) 47 Hình 27 Sơ đồ hệ thống cảnh báo .48 Hình Sơ đồ khối phần cứng hệ thống 50 Hình Tạo project 51 Hình Chọn Windows Form App(.NET Framework) .51 Hình Khởi tạo thơng tin app 52 Hình Giao diện với 1-ToolBox, 2-Giao diện chính, 3-Thơng tin quản lý giao diện 52 Hình Giao diện viết code cho ứng dụng 53 Hình 10 Hệ thống dạy thuật tốn KNN .54 Hình 11 Giao diện hệ thống nhận diện khuôn mặt 54 Hình 12 Chọn mơ hình huấn luyện 55 Hình 13 Mục Setting hệ thống 55 Hình 14 Các bước huấn luyện mơ hình .56 Hình 15 Một số kết thu sau trình huấn luyện .57 vii DANH MỤC BẢNG Bảng Bảng hiển thị liệu tạo ngẫu nhiên 36 Bảng 2 Bảng thống kê phần tập liệu chiều cao cân nặng SOCR 37 Bảng Bảng đánh giá độ xác hệ thống dựa góc chụp khuôn mặt 57 Bảng Bảng đánh giá độ xác hệ thống dựa độ sáng khuôn mặt 58 Bảng 3 Bảng đánh giá độ xác hệ thống dựa khoảng cách camera khuôn mặt .58 Bảng Bảng đánh giá độ xác hệ thống dựa tỷ lệ che khuất khuôn mặt 59 Bảng Bảng đánh giá độ xác hệ thống dựa tốc độ di chuyển đối tượng .59 viii MỞ ĐẦU Đặt vấn đề Với phát triển không ngừng khoa học công nghệ, đặc biệt với điện thoại thông minh ngày đại sử dụng phổ biến đời sống người làm cho lượng thông tin thu hình ảnh ngày tăng Theo đó, lĩnh vực xử lý ảnh trọng phát triển, ứng dụng rộng rãi đời sống xã hội đại Không dừng lại việc chỉnh sửa, tăng chất lượng hình ảnh mà với cơng nghệ xử lý ảnh giải toán nhận dạng chữ viết, nhận dạng dấu vân tay, nhận dạng khn mặt… Một tốn nhiều người quan tâm lĩnh vực xử lý ảnh nhận dạng khn mặt Hệ thống nhận dạng khuôn mặt ứng dụng máy tính tự động xác định nhận dạng người từ hình ảnh kỹ thuật số khung hình video từ nguồn video Một cách để thực điều so sánh đặc điểm khn mặt chọn trước từ hình ảnh sở liệu khuôn mặt Như biết, khn mặt đóng vai trị quan trọng trình giao tiếp người với người, mang lượng thơng tin giàu có, chẳng hạn từ khn mặt xác định giới tính, tuổi tác, chủng tộc, trạng thái cảm xúc, đặc biệt xác định mối quan hệ với đối tượng (có quen biết hay khơng) Do đó, tốn nhận dạng khn mặt đóng vai trị quan trọng nhiều lĩnh vực đời sống ngày người hệ thống giám sát, quản lý vào ra, tìm kiếm thơng tin người tiếng,…đặc biệt an ninh, bảo mật Có nhiều phương pháp nhận dạng khuôn mặt để nâng cao hiệu suất nhiên dù hay nhiều phương pháp vấp phải thử thách độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng tham số mơi trường Bài tốn Nhận diện khn mặt bao gồm nhiều toán khác như: phát mặt người, đánh dấu, trích chọn (rút) đặc trưng, gán nhãn, phân lớp Trong thực tế, nhận dạng khuôn mặt người hướng nghiên cứu nhiều nhà khoa học quan tâm, nghiên cứu để ứng dụng thực tiễn Hình Tạo project Bước 2: Chọn Winform (application) để tạo ứng dụng cho chương trình Hình 3 Chọn Windows Form App(.NET Framework) Bước 3: Đặt tên cho ứng dụng vị trí lưu Hình Khởi tạo thông tin app 52 Bước 4: Vào giao diện thiết kế visual studio Hình Giao diện với 1-ToolBox, 2-Giao diện chính, 3-Thơng tin quản lý giao diện Bước 5: Bắt đầu nạp code cho ứng dụng Hình Giao diện viết code cho ứng dụng Điều mà hầu hết người dùng OpenCV Rybnikov đưa vào phát hành thức OpenCV cơng cụ dị tìm khn mặt dựa học sâu, xác hơn: Mơ-đun mạng nơ-ron sâu mơ hình Caffe Prototxt- file định nghĩa kiến trúc mơ hình thư viện caffe Caffemodel – Mơ hình phát khuôn mặt Bây ta bắt đầu với yêu cầu C# OpenCv Emgu Bước 1: Tạo tên tệp C#, gọi FaceDetection.cs Bước 2: Tải mơ hình tạo đốm màu từ hình ảnh ta có sẵn Bước 3: Chuyển blob qua mạng để phát dự đoán 53 Bước 4: Lặp lại phát vẽ khung hình xung quanh khn mặt phát 4.1 Cài đặt nhận diện khn mặt với hình ảnh 4.2 Cài đặt nhận diện khuôn mặt với camera 3.2.2 Giao diện hoạt động hệ thống a) Khởi tạo hệ thống Hình Hệ thống dạy thuật tốn KNN Khi kích hoạt hệ thống nhận dạng, tiến hành chạy dạy thuật toán KNN với bước lấy liệu, khởi tạo thuật toán KNN dạy mơ hình KNN, sau hiển thị giao diện hệ thống b) Giao diện hệ thống Giao diện hệ thống nhận diện khuôn mặt chia làm vùng:  Vùng bên trái nơi sử dụng nút mở ảnh, video (Open Image, Open video), mở camera (Camera), huấn luyện SVM (Train SVM), lựa chọn mơ hình KNN SVM, mục cài đặt hệ thống Setting  Vùng trung tâm nơi hiển thị ảnh mở ảnh hiển thị video mở camera  Vùng bên phải nơi điền trích xuất thơng tin xác định từ ảnh video hệ thống huấn luyện, nhận diện Giao diện thiết kế đơn giản, thân thiện dễ sử dụng cho người dùng Hình Giao diện hệ thống nhận diện khuôn mặt 54 Ở mục hình 3.9 người dùng hồn tồn lựa chọn cho mơ hình để thực huấn luyện KNN hay SVM Hình Chọn mơ hình huấn luyện Trong mục Setting cho phép người dùng cài đặt ngưỡng phát hiện, ngưỡng mơ hình email nhận thơng tin hệ thống Hình 10 Mục Setting hệ thống c) Hoạt động hệ thống - Huấn luyện mơ hình nhận diện khn mặt ứng dụng Face Recognition thực qua bước hình 55 Hình 11 Các bước huấn luyện mơ hình Bước 1: Mở ảnh video cần huấn luyện Vào Open Image (hoặc Open video), sau chọn ảnh (video) muốn kiểm tra Lưu ý: Do giới hạn hệ thống đề tài nên yêu cầu ảnh nạp vào tối thiểu HD tỉ lệ khuôn mặt ảnh chiếm khoảng 1/10 khung hình Bước: Ảnh (video) cần huấn luyện hiển thị vùng trung tâm Sau ảnh mở, hiển thị vùng trung tâm, hệ thống phát vị trí khn mặt cách xuất khung màu xanh vào vùng chứa khuôn mặt ảnh vào hiển thị báo đỏ “Unknown” cho biết khơng nhận diện đối tượng ảnh Chính ta thực dạy cho hệ thống Bước 3: Ghi thông tin cho ảnh vào vùng thông tin Khi vùng phát khn mặt xác, ta ghi lại thông tin đối tượng vào vùng INFORMATION Bước 4: Vào mục Setting để cài đặt cho hệ thống Bước 5: Điều chỉnh ngưỡng phù hợp cài đặt email nhận kết Setting Emaij cài đặt email người muốn theo dõi, quản lý hệ thống Hệ thống có cảnh báo chuyển thông tin đến email Bước 6: Lựa chọn mơ hình huấn luyện KNN SVM Bước 7: Chọn Train để bắt đầu trình huấn luyện Bước 8: Quá trình huấn luyện hiển thị cmd Dưới số kết nhận diện sau trình huấn luyện thực tế thân Kết nhận diện khuôn mặt hiển thị cách xuất hình chữ 56 nhật màu xanh lục vùng chưa khuôn mặt (khuôn mặt nằm trọn khung chữ nhật màu xanh) kèm theo thông tin người nhận diện Hình 12 Một số kết thu sau trình huấn luyện 3.3Một số kết thực nghiệm Bảng Bảng đánh giá độ xác hệ thống dựa góc chụp khn mặt STT Góc chiếu Nhận dạng Nhận dạng sai Không nhận camera với (%) (%) dạng (%) khôn mặt (độ) 10 12.30 28.90 58.80 30 41.01 39.8 19.19 60 82.25 5.25 12.5 90 94.48 5.52 120 96.04 1.24 2.72 180 98.20 1.80 70.71 12.83 16.46 Tỷ lệ trung bình Qua kết trên, ta thấy hệ thống đạt kết tốt góc chiếu camera với khuôn mặt nằm khoảng từ 90 đến 180 độ, nhằm đảm bảo thu nhiều đặt trưng khuôn mặt 57 Bảng Bảng đánh giá độ xác hệ thống dựa độ sáng khuôn mặt STT Nhiệt độ màu ánh sáng (K) 20000 10000 8000 6000 4000 3000 2500 1800 Tỷ lệ trung bình Tỷ lệ nhận diện (%) 42.13 73.24 98.06 98.86 82.24 62.22 32.14 12.02 62.61 Như hệ thống thích hợp với ánh sáng trời mây đèn huỳnh quang ánh sáng ban ngày Bảng 3 Bảng đánh giá độ xác hệ thống dựa khoảng cách camera khuôn mặt STT 10 Khoảng cách tới khuôn mặt (m) 0.2 0.5 10 Tỷ lệ trung bình Tỷ lệ nhận diện (%) 52.30 98.02 98.48 98.46 98.68 95.24 82.56 68.46 43.21 22.01 75.74 Như khoảng cách phù hợp camera đối tượng nhận diện nằm khoảng từ 0,5 đến mét Bảng Bảng đánh giá độ xác hệ thống dựa tỷ lệ che khuất khuôn mặt STT Tỉ lệ che khuôn 58 Tỷ lệ nhận diện 10 mặt (%) 10 15 20 25 50 75 90 100 Tỷ lệ trung bình (%) 98.48 98.42 90.02 88.14 70.64 68.82 46.32 12.16 2.68 57.56 Qua bảng thấy tỉ lệ che khuất khn mặt khung hình phải đảm bảo che khuất khơng q 15 % khn mặt thu kết xác Bảng Bảng đánh giá độ xác hệ thống dựa tốc độ di chuyển đối tượng STT Tốc độ di chuyển Tỷ lệ nhận diện 10 (m/s) 5.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 (%) 1.62 1.84 8.02 12.08 42.44 74.64 96.48 98.02 98.24 98.68 53.2 Tỷ lệ trung bình Qua bảng ta thấy hệ thống hoạt động xác đối tượng di chuyển với tốc độ trung bình m/s cho kết tốt 3.4Kết đạt - Thiết kế hoàn thiện hệ thống nhận diện khuôn mặt đảm bảo yêu cầu đề - Có thêm kiến thức kỹ thuật, thuật toán SSD, KNN, SVM - Tạo ứng dụng có tính thiết thực nhu cầu sử dụng cao tương lai 59 3.5Kết chưa đạt - Giao diện đơn giản, cần thể rõ sử dụng với ứng dụng - Tính thẩm mĩ chưa cao 3.6Đánh giá - Hệ thống hoạt động yêu cầu - Hệ thống nhận dạng nhanh, xác 3.7Kết luận chương Kết thúc chương 3, ta hoàn thiện hệ thống nhận diện khuôn mặt phục vụ giám sát an ninh Tiến hành kiểm tra, chạy hệ thống đạt độ xác đảm bảo yêu cầu toán Từ ta có đánh giá định, trực quan hệ thống để xác định hướng phát triển cho đề tài sau 60 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Thiết kế hệ thống nhận diện khuôn mặt đề tài thú vị Hiện tương lai không Việt Nam mà toàn Thế Giới nhu cầu việc xử lý, nhận dạng khuôn mặt tự động đã, ngày phổ biến tất ngành nghề Về ưu điểm hệ thống vừa kiểm tra nhận dạng hình ảnh, video, webcam trực tiếp huấn luyện SVM hệ thống Tuy nhiên thời gian gấp rút việc hoàn thiện sản phẩm nên sản phẩm số hạn chế thiết kế cịn đơn, chưa có tính thẩm mĩ cao Và lần thực đề tài nên có nhiều thiếu sót, nhiều bước thiết kế cịn chưa hồn chỉnh Về hướng phát triển sản phẩm hệ thống nhận diện khn mặt đồ án cần hồn thiện giao diện để dễ thích ứng với mục đích sử dụng chấm cơng cơng ty, điểm danh trường học, xác nhận danh tính quan,.…Ngồi với tình hình dịch bệnh tại, mà người ta phải sử dụng trang khắp nơi để đảm bảo an tồn, hi vọng ta phát triển hệ thống nhận diện khuôn mặt sử dụng trang nhằm xử lý việc nhận dạng tự động mà đảm bảo sức khỏe cho cộng đồng Trong trình thực đồ án em gặp khơng khó khăn việc cài đặt thiết bị, lên ý tưởng thực hiện…nhưng với nhiệt tình giúp đỡ sinh viên thầy … em hồn thành đồ án tốt nghiệp Em xin gửi lời cảm ơn chân thành đến thầy thầy cô ban hội đồng hướng dẫn tạo điều kiện cho em hoàn thiện đồ án cách tốt 61 TÀI LIỆU THAM KHẢO Phạm Công Ngô, “Lập trình C# từ đến nâng cao”, Nhà xuất giáo dục Pgs Ts Nguyễn Linh Giang, "Giáo trình xử lý ảnh", Trường Đại học Bách khoa Hà Nội Nguyễn Thanh Tuấn, "Deep Learning bản" https://iq.opengenus.org/understand-support-vector-machine-in-depth/ https://towardsdatascience.com/machine-learning-basics-with-the-k-nearestneighbors-algorithm-6a6e71d01761 Nguồn ảnh: https://thietbikiemsoat.vn/giai-phap-kiem-soat-ra-vao-hieu-qua-cho-khu-vuc-sanbay/ https://asahijapan.com/quy-trinh-quan-li-an-ninh-toa-nha/ http://baovelegia.com/dich-vu-het-han.tb https://camerabaongan.com/ https://www.thegioididong.com/hoi-dap/cong-nghe-quet-mong-mat-771818 https://anninhviet.vn/giai-phap-an-ninh/giai-phap-nhan-dien-khuon-mat/ https://www.thegioididong.com/hoi-dap/cong-nghe-quet-mong-mat-771818 https://ecocloud.vn/ai-smart-warning/ https://smartvision.vnpt.vn/vi/success-story 10 https://luci.vn/tim-hieu-ve-he-thong-nhan-dang-khuon-mat/ 11 https://www.logitech.com/vi-vn/products/webcams/c270-hd-webcam.960000584.html 12 https://www.24h.com.vn/cong-nghe-thong-tin/intel-trinh-lang-may-tinh-mini- nuc-moi-c55a983348.html 13 https://blog.itnavi.com.vn/c-la-gi/ 14 https://viblo.asia/p/tim-hieu-ve-ssd-multibox-real-time-object-detection3P0lPEPG5ox 15 https://viblo.asia/p/hoc-may-trong-mo-hinh-hoi-quy-tuyen-tinh-phan-loai-tuyentinh-ByEZkxAqlQ0 16 https://machinelearningcoban.com/2017/04/09/smv/ 17 https://machinelearningcoban.com/2017/01/08/knn/ 62 63 PHỤ LỤC namespace FaceRecognition { class FaceDetection { public struct ModelFaceDetetion { public string ConfigPath; public string ModelPath; } public struct FaceLocation { public double score; public Rectangle bbox; } Net m_net = new Net(); float m_fScore = 0.35f; public FaceDetection(ModelFaceDetetion _model) { try { m_net = DnnInvoke.ReadNetFromCaffe(_model.ConfigPath, _model.ModelPath); if (CudaInvoke.HasCuda) // check if cuda is available { m_net.SetPreferableBackend(Emgu.CV.Dnn.Ba ckend.Cuda); m_net.SetPreferableTarget(Target.Cuda); } } catch(Exception ex) { Console.WriteLine("Khong the khoi tao FaceDetection\nLoi: " + ex.Message); } } _lLocal = new List(); FaceLocation _Local = new FaceLocation(); Mat blob = DnnInvoke.BlobFromImage(_mImg, 1, new Size(300, 300), new MCvScalar(104.0, 177.0, 123.0), false, false); m_net.SetInput(blob); var _netOut = m_net.Forward(); 64 Mat _detectionMat = new Mat(_netOut.SizeOfDimension[2], _netOut.SizeOfDimension[3], Emgu.CV.CvEnum.DepthType.Cv32F, 1, _netOut.DataPointer, 0); List _detectionArray = ArrayTo2DList(_detectionMat.GetData()); if (_detectionArray[i][2] > m_fScore) { _Local.score = _detectionArray[i][2]; _Local.bbox.X = (int)(_detectionArray[i] [3] * _mImg.Width); _Local.bbox.Y= (int)(_detectionArray[i] [4] * _mImg.Height); _Local.bbox.Width = (int) ((_detectionArray[i][5]_detectionArray[i][3]) * _mImg.Width); _Local.bbox.Height = (int) ( (_detectionArray[i][6]_detectionArray[i][4]) * _mImg.Height); _lLocal.Add(_Local); CvInvoke.Rectangle(_mImg, _Local.bbox, new MCvScalar(0, 255, 0), thickness: 1); } m_ModelDetection = new FaceDetection.ModelFaceDetetion(); m_ModelDetection.ConfigPath = @"C:\Users\Bao Bao\source\repos\FaceRecognition\Model\deploy.prototxt.txt"; m_ModelDetection.ModelPath = @"C:\Users\Bao Bao\source\repos\FaceRecognition\Model\res10_300x300_ssd_iter _140000.caffemodel"; m_FaceLoca = new FaceDetection(m_ModelDetection); m_FaceLocation = new List(); btnTracking.Enabled = false; m_bDetectStatus = false; private void btnOpenImg_Click(object sender, EventArgs e) { if (m_Camera != null) { m_Camera.Dispose(); // Dong camera m_Camera = null; } try { OpenFileDialog fp = new OpenFileDialog(); if(fp.ShowDialog()== DialogResult.OK) { 65 m_mMainImage = new Mat(fp.FileName); // chuyen ten file sang dinh dang anh ptbMainShow.Image = m_mMainImage.ToBitmap(); // Hien thi anh khung hinh chinh } btnTracking.Enabled = true; } catch(Exception ex) { Console.WriteLine(" Khong the mo anh.\nLoi: " + ex.Message); } } private void btnCamera_Click(object sender, EventArgs e) { if (m_Camera == null) { m_Camera = new VideoCapture(0); } m_Camera.ImageGrabbed += ProcessFrame; m_Camera.Start(); btnTracking.Enabled = true; } private void ProcessFrame(object sender, EventArgs e) { try { m_Camera.Retrieve(m_mFrame, 0); m_mMainImage = m_mFrame; var Drawn = m_FaceLoca.Detect(m_mMainImage, ref m_FaceLocation); ptbMainShow.Image = Drawn.ToImage().AsBitmap(); } catch (Exception ex) { Console.WriteLine("Khong the mo camera, kiem tra lai.\n Loi:" + ex.Message); } } 66 ... hệ thống nhận diện khuôn mặt phục vụ giám sát an ninh? ?? này, phạm vi mơ hình em thực việc phát nhận diện khuôn mặt để đảm bảo an ninh tịa nhà Trong hệ thống liệu có lưu trữ ảnh khuôn mặt thông... ninh nên em thực nghiên cứu đề tài ? ?Nghiên cứu, phát triển hệ thống nhận dạng khuôn mặt giám sát an ninh tòa nhà? ?? Mục tiêu đồ án hướng đến xây dựng hệ thống nhận diện khuôn mặt đảm bảo thông... chất lượng nhận diện khuôn mặt khoảng thời gian đủ ngắn em chọn thực đề tài: ? ?Nghiên cứu ,phát triển hệ thống nhận diện khn mặt phục vụ kiểm sốt an ninh tòa nhà ” làm đề tài nghiên cứu bảo vệ đồ

Ngày đăng: 17/03/2022, 17:39

Mục lục

    DANH MỤC HÌNH ẢNH

    2. Mục đích nghiên cứu của đề tài

    3. Đối tượng nghiên cứu

    4. Nội dung và phương pháp nghiên cứu

    4.2. Phương pháp nghiên cứu

    5. Giới hạn đề tài

    6. Thời gian và địa điểm thực hiện

    CHƯƠNG 1. TỔNG QUAN ĐỀ TÀI

    1.1 Tổng quan về xử lý ảnh trong giám sát an ninh

    1.1.1 An ninh khu vực sân bay, hàng không

Tài liệu cùng người dùng

Tài liệu liên quan