1. Trang chủ
  2. » Kỹ Thuật - Công Nghệ

Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)

38 10 0

Đang tải... (xem toàn văn)

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

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Phần Mềm Điểm Danh Tự Động
Tác giả Ngô Chí Lộc, Võ Quang Trường
Người hướng dẫn TS. Phan Như Quân
Trường học Đại học Lạc Hồng
Chuyên ngành Cơ điện, điện tử
Thể loại Đồ án tốt nghiệp
Năm xuất bản 2022
Thành phố Đồng Nai
Định dạng
Số trang 38
Dung lượng 9,34 MB

Nội dung

ĐẠI HỌC LẠC HỒNG KHOA CƠ ĐIỆN ĐIỆN TỬ - ĐỒ ÁN TỐT NGHIỆP Đề tài: PHẦN MỀM ĐIỂM DANH TỰ ĐỘNG SVTH: NGƠ CHÍ LỘC VÕ QUANG TRƯỜNG GVHD: TS PHAN NHƯ QUÂN Đồng nai, 2022 MỞ ĐẦU Hiện nay, với phát triển xã hội, khu công nghiệp, nhà máy, công ty, sở giáo dục,…những nơi tập trung đông người với số lượng lên tới hàng trăm, hàng ngàn người Các phương pháp điểm danh truyền thống, sử dụng dấu vân tay, quét thẻ chứa đựng nhiều bất cập Như tốn thời gian, chen lấn dẫn đến ùn ứ, trễ dẫn đến nhiều trường hợp tiêu cực gây gổ, va chạm dẫn đến xơ sát Ngồi với tình tình dịch bệnh Covid-19 cịn diễn biến phức tạp nguy dịch lây lan cộng đồng cao Nắm bắt vấn đề Nhóm em thảo luận với giáo viên hướng dẫn Ts.Phan Như Quân thầy giao cho đề tài ứng dụng camera thực việc nhận diện khuôn mặt điểm danh tự động Xét theo yêu cầu đề tài, nhóm em thấy đề tài giải hầu hết vấn đề tồn đọng phương pháp điểm danh truyền thống Qua giúp cơng ty, trường học trụ sở làm việc nâng cao sở hạ tầng, bắt kịp với công nghệ thời đại 4.0 ngày Trong đồ án này, nhóm đồ án chúng em giải vấn đề nhận dạng khuôn mặt để điểm danh lưu liệu điểm danh vào chương trình excel để trích xuất liệu điểm danh cách dễ dàng LỜI CẢM ƠN Nhóm đồ án chúng em xin gửi lời cảm ơn đến thầy Phan Như Quân, giảng viên hướng dẫn trang bị cho em kiến thức, kỹ cần có để hồn thành đề tài Tuy nhiên trình nghiêm cứu đề tài, kiến thức chuyên ngành hạn chế nên nhóm chúng em cịn nhiều thiếu sót tìm hiểu, đánh giá trình bày đề tài Rất mong nhận quan góp ý thầy/cô thuộc hội đồng để tài em đầy đủ hoàn chỉnh Xin chân thành cảm ơn NHẬN XÉT MỤC LỤC Trang DANH MỤC CỤM TỪ VIẾT TẮT STT Cụm từ Cơ Sở Dữ Liệu Công nghệ thông tin Viết tắt CSDL CNTT Chương Giới thiệu 1.1 Tổng quan 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 (Face Recognition) Như biết, khn mặt đóng vai trị quan trọng q trình giao tiếp người với người, mang lượng thơng tin có giá trị, 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,… 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 Có hai phương pháp nhận dạng phổ biến nhận dạng dựa đặc trưng phần tử khuôn mặt biến đổi Gabor Wavelet mạng Neural, SVM,…và nhận dạng dựa xét tổng thể toàn khuôn mặt phương pháp PCA, LDA, LFA Ở thời điểm tại, quan, doanh nghiệp, trường học… thường sử dụng phổ biến phương pháp nhận diện tổng thể khn mặt để quản lý, kiểm sốt, điểm danh công nhân, nhân viên, học sinh,….bằng cách lập đồ đặc điểm khuôn mặt cá nhân mặt toán học lưu trữ dạng dấu khuôn mặt phát hiện.Công nghệ nhân diện gương mặt xác định điểm khuôn mặt, điểm dung để đo biến thể khuôn mặt chiều dài, chiều rộng, độ sâu,… Kết mang lại vô khả quan với nhiều ưu điểm vượt trội • Khơng tiếp xúc trực tiếp với thiết bị nhận dạng • Tính bảo mật cao sai số thấp • u cầu xử lý yêu cầu nhận dạng sinh trắc học khác • Nhiều ứng dụng thực tiễn Hiện thị trường có ứng dụng có sẵn điện thoại di động Face First, Railer, … hay thiết bị Dahahi 01, Dahahi 02,… Chính nhờ yếu tố trên, nhóm chúng em đưa ý tưởng tạo phần mềm nhận diện khuôn mặt điểm danh Phần mềm viết tảng Python thông qua chương trình Visual Studio Code 1.2 Giới hạn nghiên cứu Tìm hiểu ứng dụng chương trình lập trình Visual Studio Code Python Tìm hiểu ứng dụng trình thư viện python để viết phần mềm Xây dựng dự án phần mềm ứng dụng nhận dạng khuôn mặt theo thời gian thực 1.3 Phương pháp, kết 1.3.1 Phương pháp Nghiên cứu phương pháp, thuật toán phục vụ cho việc phát nhận dạng khuôn mặt người ảnh Nghiên cứu thư viện Python Tự tạo thư viện ảnh cách thu thập thông qua chụp camera lấy liệu khn mặt hình ảnh cung cấp Tìm hiểu nhận dạng khn mặt (Face Recognition) 1.3.2 Kết Khi camera bắt hình khn mặt hiển thị tên độ xác so sánh với ảnh lưu thư viện trước Lưu liệu điểm danh như: tên, ngày tháng, thời gian tình trạng (có mặt trễ) vào excel để dễ dàng quản lí Chương Nghiên cứu tổng quan 2.1 Hệ thống xác định khuôn mặt áp dụng vào thực tế 2.1.1 Định nghĩa Xác định khuôn mặt người (Face Detection) kỹ thuật máy tính để xác định vị trí kích thước khuôn mặt người ảnh Kỹ thuật nhận biết đặc trưng khn mặt bỏ qua thứ khác, như: tịa nhà, cối, thể… 2.1.2 Một số phương pháp xác định khuôn mặt người Trên thực tế người ta hay chia phương pháp nhận dạng mặt làm loại: phương pháp tiếp cận toàn cục (global, Eigenfaces-PCA, Fisherfaces-LDA), phương pháp tiếp cận dựa đặc điểm cục (local feature based, LBP, Gabor wavelets) phương pháp lai (hybrid, kết hợp hai phương pháp toàn cục local feature) Phương pháp dựa đặc điểm cục chứng minh ưu việt làm việc điều kiện khơng có kiểm sốt nói lịch sử phát triển nhận dạng mặt (A never ending story) phát triển phương pháp trích chọn đặc trưng (feature extractrion methods) sử dụng hệ thống dựa feature based Các ứng dụng cụ thể nhận dạng mặt dựa mơ hình nhận dạng: identification (xác định danh tính, tốn 1-N), verification (xác thực danh tính, toán 1-1) Trong toán identification, ta cần xác định danh tính ảnh kiểm tra, cịn tốn verification ta cần xác định ảnh có thuộc người hay khơng 2.1.3 Bài tốn nhận dạng mặt người Hệ thống nhận dạng mặt người hệ thống nhận vào ảnh, đoạn video (một dịng hình ảnh liên tục) webcam Qua xử lý, tính tốn hệ thống xác định vị trí mặt người (nếu có) ảnh xác định người số người mà hệ thống biết (qua trình học) người lạ Trước nhận dạng mặt người, chương trình phải chuẩn bị trước liệu thô Bao gồm hình ảnh có chứa khn mặt người lấy trực tiếp thơng qua camera Từ hệ thống nhận diện khuôn mặt bắt đầu so sánh khn mặt lưu trước khn mặt hiển thị camera Hình 2.1 Hệ thống nhận diên khuôn mặt Hệ thống tạo cách sử dụng trình lâph trình Python Python có thư viện hổ trợ cho hệ thống nhận diện khn mặt như: Opencv, face_recognition giúp cho việc lập trình dễ dàng gặp lỗi sử dụng Hình 2.2 Thư viện nhận diện khn mặt 2.1.4 Kiến trúc hệ thống nhận dạng mặt người Một hệ thống nhận dạng mặt người thông thường bao gồm bốn bước xử lý sau: Phát khuôn mặt (Face Detection) Phân đoạn khuôn mặt (Face Alignment hay Segmentation) Trích chọn đặc trưng (Feature Extraction) Nhận dạng (Recognition) hay Phân lớp khn mặt (Face Clasaification) Hình 2.3 Các bước hệ thống nhận dạng 2.1.5 Hạn chế, tồn phương pháp Bài toán nhận dạng mặt người toán nghiên cứu từ năm 70 Tuy nhiên, tốn khó nên nghiên cứu chưa đạt kết mong muốn Chính thế, vấn đề nhiều nhóm giới quan tâm nghiên cứu Khó khăn tốn nhận dạng mặt người kể đến sau: • Tư chụp, góc chụp: Ảnh chụp khn mặt thay đổi nhiều góc chụp camera khuôn mặt Chẳng hạn như: chụp thẳng, chụp chéo bên trái hay chụp chéo bên phải, chụp từ xuống, chụp từ lên, v.v… Với tư khác nhau, thành phần khuôn mặt mắt, mũi, miệng bị khuất phần chí khuất hết • Sự xuất thiếu số thành phần khuôn mặt: Các đặc trưng như: râu mép, râu hàm, mắt kính, v.v… xuất khơng Vấn đề làm cho tốn trở nên khó nhiều • Sự biểu cảm khuôn mặt: Biểu cảm khuôn mặt người làm ảnh hưởng đáng kể lên thông số khuôn mặt Chẳng hạn, khuôn mặt người, khác họ cười sợ hãi, v.v… • Sự che khuất: Khn mặt bị che khuất đối tượng khác khn mặt khác • Hướng ảnh (pose variations): Các ảnh khn mặt biến đổi nhiều với góc quay khác trục camera Chẳng hạn chụp với trục máy ảnh nghiêng làm cho khuôn mặt bị nghiêng so với trục ảnh 10 Đồ án nhóm em sử dụng ngơn ngữ lập trình Python[2] viết mơi trường lập trình Visual Studio Code[3] Ngồi cần phải cài đặt thư viện Opencv[4] Sau khởi tạo chương trình, phải cài đặt thư viện vào Visual Studio Code bảng sau: Bảng 4.1 Cài đặt thư viện Cài đặt thư viện Opencv Cài đặt thư viện Numpy Cài đặt thư viện Image Cài đặt thư viện nhận diện khuôn mặt Pip install opencv-python Pip install numpy Pip install image Pip install face_recognition 4.2.2 Viết mã nguồn Do có hai chương trình nên mã nguồn phân hai loại: • Mã nguồn phụ tạo thư viện ảnh có tên “dataSet” • Mã nguồn dùng để nhận diện gương mặt lưu liệu 4.2.2.1 Mã nguồn phụ Bảng 4.2 Mã nguồn chương trình phụ Đầu tiên phải xác nhận chương trình sử dụng thư viện tiến hành gán vào với câu lênh “import”: Theo chuyên gia, việc gán thư viện đầu mã nguồn giúp cho việc phát lỗi cách dễ dàng mạch lạc import cv2 import numpy as np import os 24 face_cascade = cv2.CascadeClassifier Đây hàm dùng để truy cập (cv2.data.haarcascades vào thư viện opencv +"haarcascade_frontalface_default.xml") Đây hàm dùng để nhập tên cap = cv2.VideoCapture(0) cho hình ảnh lưu giữ vào id = input("Nhap ID: ") thư viện name = input("Nhap Ten: ") while(True): ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) Đây hàm dùng để kẻ khung faces = cho khuôn mặt face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,0), 2) Đây hàm dùng để kiểm tra xem có thư mục có tên if not os.path.exists('dataSet'): “dataSet” hay không Nếu os.makedirs('dataSet') không tạo thư mục có tên “dataSet” Đây hàm dùng để lưu hình cv2.imwrite("dataSet/" + str(name)+".jpg", ảnh vào thư mục “dataSet” với gray[y: y+h, x:x+w]) tên định dạng jpg Sau hoàn thành mã nguồn, tiến hành chạy thử chương trình thành sau: Hình 4.6 Nhập tên ID Sau nhập tên, hệ thống bắt đầu truy cập camera bắt đầu phát khn mặt Hệ thống định hình khn mặt khoảng giây 25 Hình 4.7 Nhận diện khn mặt Nếu q trình định hình khn mặt, người sử dụng quay mặt hệ thống tạm ngưng Đến có lại khn mặt tiếp tục định hình Yêu cầu trình định hình gương mặt phải cố định khoảng giây 26 H ình 4.8 Khơng nhận diện khn mặt Sau hồn tất q trình nhận diện, hệ thống tự động lưu hình ảnh vào thư mục chọn “dataSet” với tên hình ảnh tương ứng nhập Hình 4.9 Hình ảnh lưu vào thư viện Chương trình quan trọng tạo thư viện, nơi mà chương trình so sánh gương mặt video hình ảnh từ thư viện 27 trình phát gương mặt nhận diện gương mặt Tên lưu hình ảnh lúc đóng vai trị quan trọng trình nhận diện gương mặt sau 4.2.2.2 Mã nguồn Bảng 4.3 Mã nguồn import cv2 import numpy as np Đây lệnh gọi thư import face_recognition viện import os from datetime import datetime from PIL import Image path = 'dataSet' images = [] classNames = [] Đây hàm truy cập vào myList = os.listdir(path) thư viện hình ảnh print(myList) Lưu ý folder thu for cl in myList: viện phải đúng, curImg = cv2.imread(f'{path}/{cl}') không gặp lỗi images.append(curImg) classNames.append(os.path.splitext(cl)[0]) print(classNames) Đây hàm đọc ảnh thư viện def findEncodings(images): encodeList = [] for img in images: img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) encode = face_recognition.face_encodings(img)[0] encodeList.append(encode) return encodeList 28 Đây hàm truy cập vào camera, sau phát khuôn mtặ tiến hành kẻ khung cho khuôn mặt Đồng thời hiển thị tên khuôn mặt trùng với khuôn mặt thư viện ảnh cap = cv2.VideoCapture(0) while True: success, img = cap.read() #img = captureScreen() imgS = cv2.resize(img, (0,0),None,0.25,0.25) imgS = cv2.cvtColor(imgS, cv2.COLOR_BGR2RGB) facesCurFrame = face_recognition.face_locations(imgS) encodesCurFrame = face_recognition.face_encodings(imgS,faces CurFrame) # so sánh ghi nhận ID for encodeFace,faceLoc in zip(encodesCurFrame,facesCurFrame): matches = face_recognition.compare_faces(encodeList Known,encodeFace) faceDis = face_recognition.face_distance(encodeListK nown,encodeFace) #print(faceDis) matchIndex = np.argmin(faceDis) # get index of value is true # vẽ khung hiển thị tên if matches[matchIndex]: name = classNames[matchIndex].upper() valmin = "{}".format(round(100*(1faceDis[matchIndex]))) #print(valmin) y1,x2,y2,x1 = faceLoc y1, x2, y2, x1 = y1*4,x2*4,y2*4,x1*4 cv2.rectangle(img,(x1,y1),(x2,y2), (0,255,0),2) cv2.rectangle(img,(x1,y2-35),(x2,y2), (0,255,0),cv2.FILLED) cv2.putText(img,name + ' - ' + valmin +'%',(x1+6,y26),cv2.FONT_HERSHEY_PLAIN,1, 29 Đây hàm dùng để truy cập lưu liệu vào file excel Dữ liệu bao gồm tên, ngày tháng, thời gian độ giống khuôn mặt Đây hàm cho thấy camera bắt đầu hoạt động Đây hàm Khi camera hoạt động nhấn phím tắt “q” chương trình ngưng hoạt động def Attendance(name,valmin): with open('Excel\\Diem_danh.csv','r+') as f: myDataList = f.readlines() nameList = [] for line in myDataList: entry = line.split(',') nameList.append(entry[0]) #if name not in nameList: now = datetime.now() dtString = now.strftime('%d/%m/%Y, %H:%M:%S') f.writelines(f'\n{name},{dtString}, {valmin}') encodeListKnown = findEncodings(images) print('Endcoding OK Loading camera ') if(cv2.waitKey(1) & 0xFF == ord('q')): break cv2.imshow('Camera 01',img) cv2.waitKey(1) Sau hồn thành, tiến hành chạy chương trình thu kết sau: Hình 4.10 Camera hoạt động 30 H ình 4.11 Nhận diện điểm danh Lúc camera bắt khuôn mặt hiển thị tên trùng với tên hình ảnh lưu thư viện Camera lúc bắt tối đa ba gương mặt, giúp cho trình nhận diện điểm danh cách nhanh chóng thuận lợi Dữ liệu lúc hiển thị lưu liên tục Vì cần phải định dạng lưu lại thành bảng điểm danh hoàn chỉnh 4.2.3 Định dạng liệu file excel Truy cập vào file excel, lúc liệu lưu liên tục nên tên đối tượng bị lặp lại nhiều lần sau: 31 Hình 4.12 Dữ liệu lưu vào excel Sử dụng lệnh “Remove duplicates”, liệu lọc khơng cịn bị trùng lặp Hình 4.13 Dữ liệu sau lọc Sau đó, mở file excel chuẩn bị sẵn 32 Hình 4.14 File excel chuẩn bị sẵn File liên kết với file liệu gốc tích hợp sẵn hàm điệu kiện giúp cho việc xác định đối tượng có mặt hay trễ Từ đưa định cách xác cơng 33 Chương Kết luận phát triển 5.1 Kết luận Báo cáo đồ án trình bày kiến thức để giải tốn nhận dạng khn mặt người Riêng phương pháp nhận dạng mặt người thư viện OpenCV trình bày chương Từ kết cho thấy, độ xác chương trình đạt 70% nhận dạng Tuy nhiên, thời gian hạn chế nên chương trình cịn nhiều khuyết điểm nhiều ý tưởng chưa thực Để chương trình sử dụng thực tế cần nhiều thời gian nghiên cứu giải vấn đề gặp phải, thực ý tưởng để nâng cao tốc độ, hiệu suất độ xác chương trình Các ý tưởng mới: Thực điểm danh camera giám sát lớp học Không cần phải thực chỉnh tay thơng thường Vì dùng webcam điểm danh có nhiều hạn chế định 5.2 Hướng phát triển Trong tương lai, phần mềm nhận dạng khn mặt điểm danh phát triển vượt bậc, dùng thuật tốn xử lí ảnh tốt để nhận dạng khuôn mặt cách xác Có thể giám sát chủ động theo thời gian thực tất đối tượng phạm vi Áp dụng giải toán kẹt xe cách giám sát, kiểm sốt lưu lượng lưu thơng mật độ xe từ đưa cảnh báo hướng dẫn Các hệ thống nhận dạng khuôn mặt nghiên cứu triển khai cho phận an ninh sân bay Dữ liệu từ hệ thống nhận dạng khn mặt thu thập lưu trữ mà đối tượng không hay biết Thơng tin sau bị tin tặc kẻ truy cập với mục đích xấu 34 Chương PHỤ LỤC 6.1 Code chương trình import cv2 import numpy as np import face_recognition import os from datetime import datetime from PIL import Image #Hàm truy cập vào thư viện hình ảnh path = 'dataSet' images = [] classNames = [] myList = os.listdir(path) print(myList) for cl in myList: curImg = cv2.imread(f'{path}/{cl}') images.append(curImg) classNames.append(os.path.splitext(cl)[0]) print(classNames) #hàm truy cập vào camera kẻ khung cho khuôn mặt def findEncodings(images): encodeList = [] for img in images: img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) encode = face_recognition.face_encodings(img)[0] encodeList.append(encode) return encodeList #Hàm truy cập vào file Excel lưu liệu def Attendance(name,valmin): with open('Excel\\Diem_danh.csv','r+') as f: myDataList = f.readlines() nameList = [] for line in myDataList: entry = line.split(',') nameList.append(entry[0]) #if name not in nameList: now = datetime.now() dtString = now.strftime('%d/%m/%Y, %H:%M:%S') f.writelines(f'\n{name},{dtString},{valmin}') 35 #Hàm thông báo camera bắt đầu hoạt động encodeListKnown = findEncodings(images) print('Endcoding OK Loading camera ') #Hàm truy cập camera, vẽ khung hiển thị tên đối tượng cap = cv2.VideoCapture(0) while True: success, img = cap.read() #img = captureScreen() imgS = cv2.resize(img,(0,0),None,0.25,0.25) imgS = cv2.cvtColor(imgS, cv2.COLOR_BGR2RGB) facesCurFrame = face_recognition.face_locations(imgS) encodesCurFrame = face_recognition.face_encodings(imgS,facesCurFrame) # so sánh ghi nhận ID for encodeFace,faceLoc in zip(encodesCurFrame,facesCurFrame): matches = face_recognition.compare_faces(encodeListKnown,encodeFace) faceDis = face_recognition.face_distance(encodeListKnown,encodeFace) #print(faceDis) matchIndex = np.argmin(faceDis) # get index of value is true # vẽ khung hiển thị tên if matches[matchIndex]: name = classNames[matchIndex].upper() valmin = "{}".format(round(100*(1-faceDis[matchIndex]))) #print(valmin) y1,x2,y2,x1 = faceLoc y1, x2, y2, x1 = y1*4,x2*4,y2*4,x1*4 cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2) cv2.rectangle(img,(x1,y2-35),(x2,y2),(0,255,0),cv2.FILLED) cv2.putText(img,name + ' - ' + valmin +'%',(x1+6,y26),cv2.FONT_HERSHEY_PLAIN,1,(255,255,255),2) Attendance(name,valmin) #Hàm thoát if(cv2.waitKey(1) & 0xFF == ord('q')): break cv2.imshow('Camera 01',img) cv2.waitKey(1) 36 6.2 Code chương phụ import cv2 import numpy as np import os #Hàm truy cập vào thư viện Opencv face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades +"haarcascade_frontalface_default.xml") cap = cv2.VideoCapture(0) #Hàm truy cập camera, kẻ khung khuôn mặt, nhập tên chụp ảnh để lưu vào thư viện id = input("Nhap ID: ") name = input("Nhap Ten: ") #insertOrUpdate(id,name) sampleNum = while(True): ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,0), 2) if not os.path.exists('dataSet'): os.makedirs('dataSet') sampleNum +=1 cv2.imwrite("dataSet/" + str(name)+".jpg", gray[y: y+h, x:x+w]) cv2.imshow('frame', frame) cv2.waitKey(1) if sampleNum > 100: break; cap.release() cv2.destroyAllWindows() 37 DANH MỤC TÀI LIỆU THAM KHẢO Nhận diện khuôn mặt python OpenCV Nhận diện khuôn mặt với Python OpenCV phần Kỹ thuật nhận dạng face Recognition Thị giác máy tính http://timesoft.vn/Tin_Tuc/thiet-bi-nhan-dien-khuon-mat.html [1]: Camera Webcam 1080p Rapoo C260 - hãng, giá rẻ (thegioididong.com) [2]: Visual Studio Code - Code Editing Redefined [3]: Welcome to Python.org [4]: Home - OpenCV 38 ... danh truyền thống Qua giúp công ty, trường học trụ sở làm việc nâng cao sở hạ tầng, bắt kịp với công nghệ thời đại 4.0 ngày Trong đồ án này, nhóm đồ án chúng em giải vấn đề nhận dạng khuôn mặt... trường học? ?? thường sử dụng phổ biến phương pháp nhận diện tổng thể khn mặt để quản lý, kiểm sốt, điểm danh công nhân, nhân viên, học sinh,….bằng cách lập đồ đặc điểm khuôn mặt cá nhân mặt toán học. .. định đối tượng có mặt hay trễ Từ đưa định cách xác cơng 33 Chương Kết luận phát triển 5.1 Kết luận Báo cáo đồ án trình bày kiến thức để giải toán nhận dạng khuôn mặt người Riêng phương pháp nhận

Ngày đăng: 15/06/2022, 16:00

HÌNH ẢNH LIÊN QUAN

Hình 2.1 Hệ thống nhận diên khuôn mặt - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 2.1 Hệ thống nhận diên khuôn mặt (Trang 9)
Hình 2.2 Thư viện nhận diện khuôn mặt - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 2.2 Thư viện nhận diện khuôn mặt (Trang 9)
Để tìm các khuôn mặt trong hình ảnh HOG này, tất cả những gì chúng ta phải làm là tìm phần hình ảnh của chúng ta trông giống nhất với mẫu HOG đã biết được trích xuất từ một loạt các khuôn mặt đào tạo khác:  - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
t ìm các khuôn mặt trong hình ảnh HOG này, tất cả những gì chúng ta phải làm là tìm phần hình ảnh của chúng ta trông giống nhất với mẫu HOG đã biết được trích xuất từ một loạt các khuôn mặt đào tạo khác: (Trang 15)
Hình 3. 1: Ảnh input bước 1 - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 3. 1: Ảnh input bước 1 (Trang 15)
Hình 3.3 Kết quả của thuật toán HOG - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 3.3 Kết quả của thuật toán HOG (Trang 16)
Hình 3.5 Ảnh kết quả sau bước 2 - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 3.5 Ảnh kết quả sau bước 2 (Trang 17)
Hình 3.4 68 điểm mốc trên khuôn mặt - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 3.4 68 điểm mốc trên khuôn mặt (Trang 17)
Hình 4.1 Sơ đồ lắp đặt hệ thống - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.1 Sơ đồ lắp đặt hệ thống (Trang 20)
Hình 4.2 Camera được sử dụng trong hệ thống - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.2 Camera được sử dụng trong hệ thống (Trang 21)
Hình 4.4 Sơ đồ thực hiện chương trình chính - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.4 Sơ đồ thực hiện chương trình chính (Trang 22)
• Lấy video từ camera và hiển thị lên màn hình. - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
y video từ camera và hiển thị lên màn hình (Trang 23)
Bảng 4.1 Cài đặt thư viện Cài đặt - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Bảng 4.1 Cài đặt thư viện Cài đặt (Trang 24)
cho hình ảnh được lưu giữ vào thư viện - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
cho hình ảnh được lưu giữ vào thư viện (Trang 25)
Hình 4.7 Nhận diện được khuôn mặt - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.7 Nhận diện được khuôn mặt (Trang 26)
Hình 4.9 Hình ảnh đã lưu vào thư viện - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.9 Hình ảnh đã lưu vào thư viện (Trang 27)
Sau khi hoàn tất quá trình nhận diện, hệ thống sẽ tự động lưu hình ảnh vào thư mục đã chọn là “dataSet” với tên hình ảnh tương ứng như khi nhập - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
au khi hoàn tất quá trình nhận diện, hệ thống sẽ tự động lưu hình ảnh vào thư mục đã chọn là “dataSet” với tên hình ảnh tương ứng như khi nhập (Trang 27)
Bảng 4.3 Mã nguồn chính - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Bảng 4.3 Mã nguồn chính (Trang 28)
Hình 4.10 Camera hoạt động - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.10 Camera hoạt động (Trang 30)
Hình 4.12 Dữ liệu được lưu vào excel - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.12 Dữ liệu được lưu vào excel (Trang 32)
Hình 4.13 Dữ liệu sau khi được lọc Sau đó, mở file excel đã được chuẩn bị sẵn.  - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.13 Dữ liệu sau khi được lọc Sau đó, mở file excel đã được chuẩn bị sẵn. (Trang 32)
Hình 4.14 File excel được chuẩn bị sẵn - Đồ án khoa cơ điện, điện tử, đại học lạc hồng (18)
Hình 4.14 File excel được chuẩn bị sẵn (Trang 33)

TỪ KHÓA LIÊN QUAN

w