(TIỂU LUẬN) báo cáo THỰC tập cơ sở NGÀNH đề tài NHẬN DIỆN KHUÔN mặt để CHẤM CÔNG TRONG CÔNG TY

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN - - BÁO CÁO THỰC TẬP CƠ SỞ NGÀNH Mã lớp: 20212IT6046002 Đề tài: NHẬN DIỆN KHUÔN MẶT ĐỂ CHẤM CÔNG TRONG CÔNG TY GVHD: Th.S Lê Như Hiền Sinh viên: Nguyễn Trường Nam 2019601647 Lớp: Khoa Học Máy Tính 01 Khố: 14 Hà Nội – Năm 2021 MỞ ĐẦU Lý chọn đề tài Mục đích nghiên cứu Đối tượng nghiên cứu Nhiệm vụ nghiên cứu Giới hạn phạm vi nghiên cứu Những đóng góp môn học Chương 1: KHẢO SÁT HỆ THỐNG 1.1 GIỚI THIỆU ĐỀ TÀI 1.1.1 Tên Đề tài: Nhậ 1.1.2 Mục tiêu đầu tư 1.1.3 Thời gian thực h 1.2 MÔ TẢ HỆ THỐNG 1.2.1 1.2.2 mặt” Tổng quan hệ Đề xuất phương CHƯƠNG TỔNG QUAN VỀ NHẬN DIỆN KHN MẶT 2.1 Hệ thống nhận diện khn mặt [1] 2.2 Lịch sử công nghệ nhận dạng khuôn mặt[2] CHƯƠNG XÂY DỰNG ĐỀ TÀI 3.1 Tổng quan mô hình 3.1.1 Tìm hiểu Học 3.1.2 Bài tốn nhận 3.1.3 Các hướng tiếp 3.2 Xây dựng mơ hình 3.2.1 Phương pháp họ 3.2.2 Cơ sở liệu ản 3.2.3 Bộ huấn luyện n 3.3.4 Xây dựng mơ hì 3.3.4.1 Kiến trúc mạng nơ-ron tích chập KẾT LUẬN 4.1 Tính hiệu đề tài 4.2 Thuận lợi thực đề tài 4.3 Khó khăn thực đề tài 4.4 Rút kết luận TÀI LIỆU THAM KHẢO MỞ ĐẦU Lý chọn đề tài Hiện nay, biến đổi khí hậu, nhiễm khơng khí khiến thời tiết ngày thất thường, chất lượng khơng khí giảm sút, từ dễ dẫn đến nguy mắc lây lan nhiều loại bệnh nhiễm trùng đường hô hấp, cảm cúm Để góp phần ngừa dịch hiệu quả, giúp công việc không bị gián đoạn nhân viên bị bệnh phải nghỉ ốm, số biện pháp nhiều doanh nghiệp áp dụng sử dụng máy chấm công khuôn mặt Mục đích nghiên cứu Nhiều bệnh virus dễ lây lan bùng phát thành dịch nhiễm trùng đường hô hấp, cảm cúm, thủy đậu khả lây tiếp xúc trực tiếp với người bệnh mà biện pháp bảo hộ bị bắn dịch tiết chứa virus người bệnh ho, hắt vào đường hơ hấp cịn lây truyền bạn tiếp xúc với đồ vật người bệnh hay đồ vật mà người bệnh chạm vào Cụ thể, người bệnh ho, hắt hơi, nói chuyện dịch tiết chứa virus bị phát tán bên ngồi, sau bám bề mặt đồ vật Vì nhiều loại virus sống nhiều mơi trường ngồi nên người lành tiếp xúc tay với đồ vật có dính virus, sau khơng rửa tay mà lại chạm tay lên miệng, mũi, mắt có nguy nhiễm bệnh cao Đường lây nhiễm nguy hiểm việc đưa tay lên mặt nhiều người thường theo thói quen, có vơ thức tạo cho thói quen rửa tay thường xun Khi sử dụng máy chấm công vân tay, phần vân tay nhân viên phải chạm trực tiếp vào đầu quét vân tay máy thời gian vào, người xác nhận Khi dùng máy chấm cơng thẻ, trực tiếp để tay lên máy, song cự ly tiếp xúc gần, hồn tồn tránh khỏi trường hợp người chấm cơng chạm tay lên máy Trong trường hợp người chấm công trước bị bệnh vơ tình ho, hắt làm bắn giọt dịch tiết lên máy chấm công khơng thể loại trừ nguy lây bệnh người chấm công sau chạm tay vào vị trí có bám virus lại đưa tay lên mắt, mũi, miệng chưa rửa tay Trong đó, với máy chấm công khuôn mặt, người chấm công đứng cách máy xa, hồn tồn khơng phải chạm vào máy nên tránh việc nhiễm bệnh chạm vào vật dụng có dính virus q trình chấm cơng Vì lý này, chấm cơng cách nhận diện khuôn mặt biện pháp nhiều doanh nghiệp tin tưởng đánh giá cao để góp phần ngăn chặn tình trạng nhiều nhân viên bị ốm, phải nghỉ làm dài ngày, gây ảnh hưởng đến tiến độ công việc hiệu kinh doanh, sản xuất công ty mùa dịch bệnh nhiễm trùng đường hô hấp, cảm cúm, thủy đậu Đối tượng nghiên cứu Các cơng ty có nhu cầu chấm công Nhiệm vụ nghiên cứu Xây dựng hệ thống chấm công Giới hạn phạm vi nghiên cứu Các cơng ty có số lượng cơng nhân lớn Những đóng góp mơn học Xây dựng phương hướng phát triển, triển khai đề tài Chương 1: KHẢO SÁT HỆ THỐNG 1.1 GIỚI THIỆU ĐỀ TÀI 1.1.1 Tên Đề tài: Nhận diện khuôn mặt để chấm công công ty 1.1.2 Mục tiêu đầu tư Đề tài: Chấm công cho công ty, tập đồn,… Giảm thiểu hạn chế hình thức chấm cơng cũ qn thẻ với hình thức quẹt thẻ, tránh tiếp xúc nhiều người bối cảnh dịch bệnh COVID-19 lan rộng 1.1.3 Thời gian thực Đề tài: tháng 1.2 MÔ TẢ HỆ THỐNG 1.2.1 Tổng quan hệ thống 1.2.1.1 Khảo sát: - Tên: CÔNG TY CỔ PHẦN ĐẦU TƯ XUẤT BẢN – THIẾT BỊ GIÁO DỤC VIỆT NAM (VEPIC) - Địa chỉ: Tầng 5, Lâm Viên Complex, 107A Nguyễn Phong Sắc, P Dich Vọng Hậu, Q Cầu Giấy, TP Hà Nội - Sơ đồ tổ chức: 1.2.1.2 Phân tích trạng - Hiện trạng: Hiện nay, hệ thống chấm công nhà máy hầu hết sử dụng thiết bị quét thẻ nhận diện vân tay Nếu sử dụng vân tay để chấm công, phần vân tay nhân viên bắt buộc phải chạm trực tiếp vào đầu quét vân tay máy Còn dùng thẻ, cự ly tiếp xúc gần nên tránh khỏi trường hợp người chấm công chạm tay lên máy Trong trường hợp người trước nhiễm bệnh, vô tình ho, hắt hơi, có tạo giọt bắn lên máy chấm cơng, nguy lây bệnh cho người chấm cơng sau lớn - Nhược điểm vân tay: - Trong trường hợp tay bạn ướt hay q lạnh máy khó xác định dấu vân tay, trường tay bạn bị thương khó xử lý tình này, việc chấm cơng khó khăn - Đối với nhà máy, doanh nghiệp sản xuất (ví dụ sản xuất kim loại, hóa chất…) vân tay bị mịn, khó lấy vân tay Vân tay bẩn làm đầu đọc nhanh hỏng - Nhược điểm thẻ từ - Không chấm cơng vân tay bạn cần phải đem theo thẻ ngày, việc bất tiện bạn quên đem thẻ Và có trường hợp bạn thẻ tốn theo thời gian để làm lại thẻ, lúc bạn chấm cơng văn rắc rối thêm - Chi phí đầu tư thẻ từ cao công ty có quy mơ lớn (> 200 nhân viên) - Tuy nhiên có nhược điểm lớn hết nhờ người khác quẹt thẻ cho, dẫn đến viêc gian lận làm viêc 1.2.2 Đề xuất phương pháp giải quyết: “Chấm công nhận diện khuôn mặt” 1.2.2.1 Ưu điểm chấm cơng nhận diện khn mặt - Tính bảo mật cao, hạn chế tối đa việc chấm công hộ - Tích hợp vào điện thoại nhân viên Nhân viên chấm cơng chủ động chỗ ngồi làm việc - Phù hợp công ty đông nhân viên, nhiều chi nhánh - Khắc phục nhược điểm loại máy chấm công thông thường, chẳng hạn tình trạng nhân viên quên thẻ; thẻ giấy bị rách, đối (với máy chấm công thẻ); đầu đọc bị mờ, trầy xước (đối với máy chấm cơng dấu vân tay),… - Được tích hợp nhiều tính đại, tốc độ xử lý nhanh 1.2.2.2 Nghiệp vụ bản: - Tạo sở liệu hình ảnh: Thu thập liệu hình ảnh tất nhân viên công ty - Nhận diện khuôn mặt: Bộ phận camera tiếp nhận hình ảnh cửa cơng ty, phịng ban truyền server để xử lý - Chấm cơng: kiểm sốt thời gian vào cơng ty nhân viên từ chấm cơng CHƯƠNG TỔNG QUAN VỀ NHẬN DIỆN KHUÔN MẶT 2.1 Hệ thống nhận diện khuôn mặt [1] Hệ thống nhận dạng khn mặt cơng nghệ có khả khớp khn mặt người từ hình ảnh kỹ thuật số khung video với sở liệu khuôn mặt, thường sử dụng để xác thực người dùng thông qua dịch vụ xác minh ID, hoạt động cách xác định đo đặc điểm khn mặt từ hình ảnh định Sự phát triển bắt đầu hệ thống tương tự vào năm 1960, bắt đầu dạng ứng dụng máy tính Kể từ đời, hệ thống nhận dạng khuôn mặt sử dụng rộng rãi thời gian gần điện thoại thông minh dạng cơng nghệ khác, chẳng hạn robot Bởi nhận dạng khn mặt máy tính liên quan đến việc đo lường đặc điểm sinh lý người, hệ thống nhận dạng khuôn mặt phân loại sinh trắc học Mặc dù độ xác hệ thống nhận dạng khuôn mặt công nghệ sinh trắc học thấp so với nhận dạng mống mắt nhận dạng vân tay, chấp nhận rộng rãi q trình khơng tiếp xúc Các hệ thống nhận dạng khn mặt triển khai tương tác người máy tính tiên tiến, giám sát video lập mục hình ảnh tự động Các hệ thống nhận dạng khuôn mặt ngày sử dụng khắp giới phủ cơng ty tư nhân Hiệu chúng khác số hệ thống trước bị loại bỏ khơng hiệu Việc sử dụng hệ thống nhận dạng khuôn mặt gây tranh cãi, với tuyên bố hệ thống vi phạm quyền riêng tư cơng dân, thường tạo danh tính khơng xác, khuyến khích chuẩn mực giới tính phân biệt chủng tộc, không bảo vệ liệu sinh trắc học quan trọng Sự xuất phương tiện truyền thông tổng hợp deepfakes làm dấy lên lo ngại tính bảo mật Những tuyên bố dẫn đến lệnh cấm hệ thống nhận dạng khuôn mặt số thành phố Hoa Kỳ Do mối quan tâm ngày tăng xã hội, Meta thông báo họ có kế hoạch đóng cửa hệ thống nhận dạng khn mặt Facebook, xóa liệu qt khn mặt tỷ người dùng Thay đổi đại diện cho thay đổi lớn việc sử dụng nhận dạng khuôn mặt lịch sử công nghệ 2.2 Lịch sử công nghệ nhận dạng khuôn mặt[2] Nhận dạng khuôn mặt tự động tiên phong năm 1960 Woody Bledsoe , Helen Chan Wolf Charles Bisson nghiên cứu việc sử dụng máy tính để nhận dạng khn mặt người Dự án nhận dạng khuôn mặt ban đầu họ mệnh danh "người máy" tọa độ đặc điểm khuôn mặt ảnh phải người thiết lập trước máy tính sử dụng chúng để nhận dạng Trên máy tính bảng đồ họa , người phải xác định xác tọa độ đặc điểm khuôn mặt, chẳng hạn tâm đồng tử, góc ngồi mắt, đỉnh góa phụở chân tóc Các tọa độ sử dụng để tính tốn 20 khoảng cách, bao gồm chiều rộng miệng mắt Một người xử lý khoảng 40 tranh theo cách xây dựng sở liệu khoảng cách tính tốn Sau đó, máy tính tự động so sánh khoảng cách cho ảnh, tính toán khác biệt khoảng cách trả ghi đóng trùng khớp Năm 1970, Takeo Kanade cơng khai chứng minh hệ thống đối sánh khuôn mặt xác định vị trí đặc điểm giải phẫu cằm tính tốn tỷ lệ khoảng cách đặc điểm khuôn mặt mà không cần can thiệp người Các thử nghiệm sau cho thấy hệ thống khơng phải lúc nhận dạng đặc điểm khuôn mặt cách đáng tin cậy Tuy nhiên, quan tâm đến chủ đề ngày tăng năm 1977 Kanade xuất sách chi tiết công nghệ nhận dạng khuôn mặt Năm 1993, Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phịng (DARPA) Phịng thí nghiệm Nghiên cứu Quân đội (ARL) thành lập chương trình công nghệ nhận dạng khuôn mặt FERET để phát triển "khả nhận dạng khn mặt tự động" sử dụng môi trường thực tế hiệu "để hỗ trợ bảo mật, tình báo nhân viên thực thi pháp luật việc thực nhiệm vụ họ " Các hệ thống nhận dạng khuôn mặt thử nghiệm phòng nghiên cứu đánh giá kiểm tra FERET cho thấy hiệu suất hệ thống nhận dạng khn mặt tự động có khác nhau, số phương pháp có sử dụng để nhận dạng khuôn mặt ảnh tĩnh chụp mơi trường kiểm sốt Các kiểm tra FERET tạo ba công ty Hoa Kỳ bán hệ thống nhận dạng khuôn mặt tự động Vision Corporation Miros Inc thành lập vào năm 1994, nhà nghiên cứu sử dụng kết kiểm tra FERET làm điểm bán hàng Viisage Technology thành lập nhà thầu bảo vệ thẻ nhận dạng vào năm 1996 để khai thác thương mại quyền thuật toán nhận dạng khuôn mặt Alex Pentland MIT phát triển Sau kiểm tra nhà cung cấp nhận dạng khuôn mặt FERET năm 1993 , văn phòng Bộ Xe giới (DMV) Tây Virginia New Mexico văn phòng DMV sử dụng hệ thống nhận dạng khuôn mặt tự động cách để ngăn chặn phát người lấy nhiều giấy phép lái xe tên khác Giấy phép lái xe Hoa Kỳ vào thời điểm hình thức nhận dạng có ảnh thường chấp nhận Các văn phòng DMV khắp Hoa Kỳ trải qua q trình nâng cấp cơng nghệ trình thiết lập sở liệu ảnh ID kỹ thuật số Điều cho phép văn phịng DMV triển khai hệ thống nhận dạng khn mặt thị trường để tìm kiếm ảnh giấy phép lái xe dựa sở liệu DMV có Các văn phịng DMV trở thành thị trường lớn cho công nghệ nhận dạng khuôn mặt tự động giới thiệu công dân Hoa Kỳ với nhận dạng khuôn mặt phương pháp nhận dạng tiêu chuẩn Sự gia tăng dân số nhà tù Hoa Kỳ năm 1990 thúc đẩy bang Hoa Kỳ thiết lập hệ thống nhận dạng kết nối tự động kết hợp sinh trắc học kỹ thuật sốcơ sở liệu, số trường hợp, điều bao gồm nhận dạng khuôn mặt Năm 1999, Minnesota kết hợp hệ thống nhận dạng khuôn mặt FaceIT Visionics vào hệ thống đặt lịch bắn cốc cho phép cảnh sát, thẩm phán nhân viên tòa án theo dõi tội phạm toàn tiểu bang Trong ánh xạ cắt , mũi tên màu đỏ thay đổi hướng, mũi tên màu xanh lam khơng sử dụng làm eigenvector Thuật toán Viola – Jones để phát khn mặt sử dụng tính giống Haar để định vị khn mặt hình ảnh Ở đây, đặc điểm Haar trông tương tự sống mũi áp dụng khuôn mặt Cho đến năm 1990, hệ thống nhận dạng khuôn mặt chủ yếu phát triển cách sử dụng chụp ảnh chân dung khuôn mặt người Nghiên cứu nhận dạng khuôn mặt để định vị khuôn mặt cách đáng tin cậy hình ảnh có chứa đối tượng khác đạt lực kéo vào đầu năm 1990 với phân tích thành phần nguyên tắc (PCA) Phương pháp PCA nhận diện khn mặt cịn gọi Eigenface phát triển Matthew Turk Alex Pentland Turk Pentland kết hợp phương pháp tiếp cận khái niệm định lý Karhunen-Loève phân tích nhân tố , để phát triển mơ hình tuyến tính Eigenfaces xác định dựa tồn cục trực giaocác đặc điểm khuôn mặt người Một khn mặt người tính kết hợp có trọng số số Eigenfaces Bởi số Eigenfaces sử dụng để mã hóa khn mặt người nhóm dân số định, phương pháp nhận diện khuôn mặt PCA Turk Pentland giảm đáng kể lượng liệu phải xử lý để phát khuôn mặt Năm 1994, Pentland xác định đặc điểm Eigenface, bao gồm mắt đặc, miệng mũi đặc, để thúc đẩy việc sử dụng PCA nhận dạng khuôn mặt Năm 1997, phương pháp nhận dạng khuôn mặt PCA Eigenface cải tiến sử dụng phân tích phân biệt tuyến tính (LDA) để sản xuất Fisherfaces LDA Fisherfaces sử dụng chủ yếu nhận dạng khn mặt dựa tính PCA Trong Eigenfaces sử dụng để tái tạo khn mặt Trong cách tiếp cận này, khơng có cấu trúc tổng thể khn mặt tính toán để liên kết đặc điểm phận khuôn mặt Vào cuối năm 1990, hệ thống Bochum sử dụng lọc Gabor để ghi lại đặc điểm khn mặt tính tốn lưới cấu trúc khuôn mặt để liên kết đặc điểm Christoph von der Malsburg nhóm nghiên cứu ơng Đại học Bochum phát triển Khớp biểu đồ chùm đàn hồi vào năm 1990 để trích xuất khn mặt khỏi hình ảnh cách sử dụng phân đoạn da Đến năm 1997, phương pháp nhận diện khuôn mặt Malsburg phát triển vượt trội hầu hết hệ thống nhận diện khuôn mặt khác thị trường Cái gọi "hệ thống Bochum" nhận diện khuôn mặt bán thương mại thị trường với tên gọi ZN-Facecho nhà điều hành sân bay địa điểm bận rộn khác Phần mềm "đủ mạnh để tạo nhận dạng từ góc nhìn hồn hảo khn mặt Nó thường nhìn thấy trở ngại việc nhận dạng ria mép, râu, thay đổi kiểu tóc kính chí kính râm" Tính nhận diện khn mặt theo thời gian thực cảnh quay video trở nên khả thi vào năm 2001 với khung phát đối tượng Viola – Jones cho khuôn mặt Paul Viola Michael Jones kết hợp phương pháp nhận diện khuôn mặt họ với phương pháp tiếp cận tính giống Haar để nhận dạng vật thể hình ảnh kỹ thuật số để khởi chạy AdaBoost , công cụ dị tìm khn mặt nhìn diện thời gian thực [24] Đến năm 2015, thuật toán Viola – Jones triển khai cách sử dụng máy dị cơng suất thấp nhỏ thiết bị cầm tay hệ thống nhúng Do đó, thuật tốn Viola – Jones không mở rộng ứng dụng thực tế hệ thống nhận dạng khn mặt mà cịn sử dụng để hỗ trợ tính giao diện người dùng hội nghị từ xa Ukraine sử dụng nhận dạng khuôn mặt để xác định binh sĩ Nga thiệt mạng Ukraine tiến hành 8.600 tìm kiếm xác định gia đình 582 quân nhân Nga thiệt mạng Đã thực phận tình nguyện viên CNTT quân đội Ukraine Ukraine sử dụng phần mềm Clearview AI Mỹ Mục đích gây bất ổn cho phủ Nga Như hình thức chiến tranh tâm lý Khoảng 340 quan chức phủ Ukraine năm phủ sử dụng cơng nghệ Nó sử dụng để bắt gián điệp cố gắng vào Ukraine Cơ sở liệu nhận dạng khuôn mặt Clearview AI dành cho quan phủ, người sử dụng cơng nghệ để hỗ trợ trình điều tra thực thi pháp luật liên quan đến an ninh quốc gia Phần mềm tặng cho Ukraine Clearview AI Nga cho sử dụng để tìm nhà hoạt động phản chiến Ban đầu thiết kế cho quan thực thi pháp luật Hoa Kỳ Sử dụng chiến tranh chết chóc làm dấy lên lo ngại Một chuyên gia giám sát có trụ sở London, Stephen Hare, cho khiến người Ukraine tỏ vơ nhân đạo: "Nó có thực hoạt động khơng? Hay khiến [người Nga] nói: 'Hãy nhìn người Ukraine vơ pháp, độc ác, làm điều với chàng trai chúng ta?'" ... 1.1 GIỚI THIỆU ĐỀ TÀI 1.1.1 Tên Đề tài: Nhận diện khuôn mặt để chấm công công ty 1.1.2 Mục tiêu đầu tư Đề tài: Chấm cơng cho cơng ty, tập đồn,… Giảm thiểu hạn chế hình thức chấm cơng cũ quên thẻ... gian thực h 1.2 MÔ TẢ HỆ THỐNG 1.2.1 1.2.2 mặt? ?? Tổng quan hệ Đề xuất phương CHƯƠNG TỔNG QUAN VỀ NHẬN DIỆN KHUÔN MẶT 2.1 Hệ thống nhận diện khuôn mặt [1] 2.2 Lịch sử công nghệ nhận dạng khuôn mặt[ 2]... tiếp nhận hình ảnh cửa cơng ty, phịng ban truyền server để xử lý - Chấm công: kiểm sốt thời gian vào cơng ty nhân viên từ chấm cơng CHƯƠNG TỔNG QUAN VỀ NHẬN DIỆN KHN MẶT 2.1 Hệ thống nhận diện