(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux

(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux(Luận văn thạc sĩ) Xây dựng trung tâm xử lý cho tòa nhà thông minh trên hệ thống nhúng Linux

LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Tp Hồ Chí Minh, ngày 14 tháng 04 năm 2014 (Ký tên ghi rõ họ tên) Nguyễn Đình Tuấn iii CẢM TẠ Sau thời gian dài học tập nghiên cứu, cuối tơi hồn thành luận tốt nghiệp Đây thời điểm tốt để tơi bày tỏ lịng biết ơn đến Thầy, Cơ người thân ln tận tình giúp đỡ, động viên tơi, chăm sóc tơi suốt q trình thực luận Đầu tiên, xin chân thành gửi lời cảm ơn đến Thầy TS Lưu Thanh Trà – Trường Đại Học Bách khoa Tp.HCM, thầy hướng dẫn, tận tình giúp đỡ, động viên tinh thần cho tơi suốt q trình làm chun đề 1, chuyên đề luận tốt nghiệp Xin tỏ lòng biết ơn đến hai giáo viên phản biện Cô PGS.TS Phạm Hồng Liên Cô TS Nguyễn Thị Lưỡng – Trường Đại học Sư phạm Kỹ thuật Tp.HCM tận tình hướng dẫn để tơi chỉnh sửa luận văn cách hợp lý Xin chân thành cảm ơn đến gia đình tơi: ba, má chị ln an ủi, động viên, tận tình chăm sóc tơi lúc tơi gặp khó khăn sức khỏe Và cuối cùng, xin cảm ơn Anh/Chị bạn bè đồng nghiệp Đài Điều khiển Vệ tinh Bình Dương ln hỗ trợ tạo điều kiện tốt thời gian cho tơi hồn thành kịp đồ án Xin chân thành cảm ơn! Tp Hồ Chí Minh, ngày 14 tháng 04 năm 2014 Nguyễn Đình Tuấn iv TĨM TẮT Hệ thống xử lý cho tịa nhà thơng minh bắt đầu nghiên cứu xây dựng vào năm 1980, kết đạt gặp nhiều hạn chế hoạt động độc lập, điều khiển không trao đổi thơng tin với nhau, khơng có quản lý giám sát chung, cồng kềnh đặc biệt giá thành cao Mục tiêu đề tài xây dựng hệ thống khắc phục nhược điểm Trong đề tài, trung tâm xử lý xây dựng kít Raspberry Pi nhỏ gọn, giá thành thấp, sử dụng thuật tốn nhận dạng khn mặt Fisherfaces, huấn luyện để phân biệt người dùng kiểm soát vào cách thông minh, với kết hợp công nghệ web thời gian thực (tương tác sở liệu MySQL) cho phép điều khiển hệ thống cách linh hoạt thiết bị PC, máy tính bảng hay điện thoại thơng minh v MỤC LỤC Trang tựa Trang QUYẾT ĐỊNH GIAO ĐỀ TÀI LÝ LỊCH CÁ NHÂN i LỜI CAM ĐOAN iii CẢM TẠ iv TÓM TẮT v MỤC LỤC vi DANH SÁCH CÁC HÌNH x DANH SÁCH CÁC BẢNG xiii CHƯƠNG 1: TỔNG QUAN 1.1 Tổng quan nhà thông minh 1.2 Mục đích đề tài 1.3 Nhiệm vụ giới hạn đề tài 1.4 Phương pháp nghiên cứu CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Cơ sở lý thuyết trung tâm xử lý cho tịa nhà thơng minh 2.1.1 Mơ hình tổng quan 2.1.2 Một số chức tịa nhà thơng minh 2.1.2.1 Hệ thống điều hịa khơng khí (HVAC) 2.1.2.2 Kiểm soát vào 10 2.1.2.3 Điều khiển ánh sáng tiết kiệm lượng 10 2.1.3 Các giao thức sử dụng cho tịa nhà thơng minh 11 2.1.3.1 X10 11 2.1.3.2 UPB 12 2.1.3.3 INSTEON 12 2.1.3.4 Z-Wave 12 vi 2.1.3.5 ZigBee 13 2.1.4 Lựa chọn giao thức 13 2.1.5 Socket.IO 14 2.1.6 Mơ hình điều khiển vào dựa Socket.IO 16 2.2 Cơ sở lý thuyết xử lý ảnh 17 2.2.1 Ảnh số 17 2.2.2 Điểm ảnh 18 2.2.3 Mức xám ảnh 18 2.2.4 Histogram 19 2.2.5 Cân histogram 19 2.3 Biến đổi hình học ảnh 22 2.3.1 Dịch chuyển ảnh (Translation) 22 2.3.2 Dịch chuyển xoay ảnh 23 2.3.3 Xoay tỉ lệ 23 2.3.4 Phép biến đổi Affine 24 2.4 Làm mịn ảnh 26 2.4.1 Bộ lọc chuẩn hóa 26 2.4.2 Bộ lọc Gaussian 26 2.4.3 Bộ lọc trung vị 27 2.4.4 Bộ lọc Bilateral 27 2.5 Nhận dạng ảnh 28 2.6 Phát đối tượng 30 2.6.1 Phát khuôn mặt 30 2.6.1.1 Phân loại theo đợt (Cascade Classification) 31 2.6.1.2 Các đặc trung Haar-like 33 2.6.1.3 Tăng cường (Boosting) 36 2.6.1.4 AdaBoost 37 vii 2.6.1.4.1 2.6.1.5 Thuật toán AdaBoost [16] 38 Huấn luyện Cascade 40 2.6.1.5.1 Thuật toán huấn luyện 40 2.6.1.5.2 Minh họa thuật toán huấn luyện Cascade 41 2.6.1.6 Các phân loại tăng cường nối tiếp 42 2.7 Nhận dạng khuôn mặt 43 2.8 Một số thuật tốn nhận dạng khn mặt 45 2.8.1 Phương pháp Eigenfaces 45 2.8.2 Fisherfaces 48 2.8.3 Biểu đồ tần suất mẫu nhị phân cục (LBP) 51 CHƯƠNG 3: THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN VÀO RA TRÊN HỆ THỐNG NHÚNG LINUX 57 3.1 Nhận dạng khuôn mặt 57 3.1.1 Phân tích giải thuật 57 3.1.2 Phát khuôn mặt 58 3.1.2.1 Chuyển đổi sang ảnh xám: 60 3.1.2.2 Thay đổi kích thước ảnh 60 3.1.2.3 Cân histogram 61 3.1.2.4 Phát khuôn mặt 61 3.1.3 Xử lý liệu khuôn mặt 64 3.1.3.1 Phát đôi mắt 65 3.1.3.2 Các vùng tìm kiếm đôi mắt 66 3.1.3.3 Chuyển đổi hình học 71 3.1.3.4 Cân histogram riêng biệt cho bên trái bên phải khuôn mặt 73 3.1.3.5 Làm mịn 75 3.1.3.6 Mặt nạ hình eclipse 76 3.1.4 3.1.4.1 Xây dựng sở liệu 77 Thu thập ảnh khuôn mặt 77 viii 3.1.4.2 3.1.5 Nhận dạng khuôn mặt 82 3.1.5.1 3.2 Huấn luyện 81 Thẩm định khuôn mặt: 83 Hệ thống máy chủ web thời gian thực 85 3.2.1 Mơ hình hệ thống 85 3.2.2 Nguyên lý 86 3.3 Phát triển hệ thống nhúng Raspberry 87 3.3.1 Kết 87 3.3.2 Hoạt động 92 CHƯƠNG 4: KẾT LUẬN 94 4.1 Đánh giá kết 94 4.2 Hướng phát triển đề tài 95 TÀI LIỆU THAM KHẢO 96 ix DANH SÁCH CÁC HÌNH Hình Trang Hình 1.1 Các tịa nhà thơng minh tiếng giới Hình 1.2 Mơ hình hình ảnh thực tế Raspberry Pi Hình 2.1 Hệ thống quản lý riêng lẻ tịa nhà thơng minh Hình 2.2 Hệ thống điều khiển tích hợp Hình 2.3 Mơ hình điều khiển tịa nhà thơng minh dựa socket.io 14 Hình 2.4 Truyền thơng phi trạng thái 14 Hình 2.5 Truy vấn liên tục client (Long Polling) 15 Hình 2.6 Giao thức truyền thông theo thời gian thực với Socket.IO 15 Hình 2.7 Mơ hình kiểm sốt vào dựa socket.io 16 Hình 2.8 Ảnh xám với ô vuông nhỏ đại diện cho điểm ảnh 18 Hình 2.9 Biểu diễn giá trị mức xám điểm ảnh từ 0-255 (ảnh gray) 19 Hình 2.10 Biểu đồ histogram ảnh xám 19 Hình 2.11 Sự khác biệt trước sau cân histogram 20 Hình 2.12 Biểu đồ hàm phân bố tích lũy CDF 21 Hình 2.13 Sử dụng hàm CDF để cân phân bố Gaussian 21 Hình 2.14 Các phép biến đổi 2D 23 Hình 2.15 Mối quan hệ điểm ảnh biến đổi Affine 25 Hình 2.16 Nhân lọc Gaussian 27 Hình 2.17 Bốn đặc trưng Haar-like 33 Hình 2.18 Các đặc trưng mở rộng đặc trưng Haar-like 33 Hình 2.19 Cách tính Integral Image ảnh 34 Hình 2.20 Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh 35 Hình 2.21 Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh với đặc trưng xoay 45o 35 Hình 2.22 Bộ phân loại mạnh kết hợp từ phân loại yếu 37 x Hình 2.23 Các phân loại nối tiếp 41 Hình 2.24 Các phân loại tăng cường nối tiếp 42 Hình 2.25 Các khn mặt mơ tả thuật tốn Eigenfaces 47 Hình 2.26 Ảnh khn mặt biểu diễn thuật tốn Fisherfaces 51 Hình 2.27 Biểu đồ đánh giá tỉ lệ nhận dạng phương pháp Eigenfaces phương pháp Fisherfaces sở liệu AT & T Facedatabase 52 Hình 2.28 Mơ tả tốn tử LBP 53 Hình 2.29 Tốn tử LBP mở rộng (ELBP) 54 Hình 2.30 Biểu diễn khn mặt với thuật toán LBP 55 Hình 3.1 Thuật tốn thực chương trình nhận dạng Raspi 58 Hình 3.2 Ô vuông màu đỏ đánh dấu khuôn mặt phát 64 Hình 3.3 Khn mặt sau tiền xử lý 65 Hình 3.4 Ảnh khn mặt phát với đôi mắt 68 Hình 3.5 Q trình tiền xử lý khn mặt 71 Hình 3.6 Hai nửa khn mặt cân cách riêng biệt 73 Hình 3.7 Mặt nạ hình eclipse để loại bỏ phần dư thừa khác 76 Hình 3.8 Ảnh hồn thiện sau q trình tiền xử lý khn mặt 77 Hình 3.9 Thuật tốn thu thập ảnh, lưu sở liệu PC 78 Hình 3.10 Tập huấn luyện xử lý dán nhãn tự động 79 Hình 3.11 Ảnh tái tạo khn mặt 84 Hình 3.12 Mơ hình thiết kế hệ thống máy chủ Webserver thời gian thực để điều khiển thiết bị điều khiển vào 85 Hình 3.13 Hệ thống nhận điện khn mặt Raspberrypi 87 Hình 3.14 Giao diện chương trình hoạt động iPad 88 Hình 3.15 Giao diện điều khiển 88 Hình 3.16 Chức thêm thiết bị 89 Hình 3.17 Giao diện điều khiển vào (nhận dạng chứng thực) 89 Hình 3.18 Chứng thực khơng thành công 90 xi Hình 3.19 Một số người dùng khác (1) 90 Hình 3.20 Một số người dùng khác (2) 91 Hình 3.21 Lịch sử nhận dạng xác thực 91 Hình 3.22 Bảng điều khiển 92 xii Hình 3.11 cho thấy hai khn mặt điển hình tái tạo lại Khn mặt phía bên trái (Hình 3.11a) xây dựng lại tốt dựng lên từ người biết, khn mặt phía bên phải (Hình 3.11b) xây dựng lại xấu dựng lên từ người chưa biết từ người biết đến với điều kiện ánh sáng/biểu cảm khn mặt/hướng khn mặt chưa biết đến Hình 3.11 Ảnh tái tạo khn mặt Để tính tốn giống khuôn mặt tái tạo với khuôn mặt ảnh đầu vào ta sử dụng hàm getSimilarity() trình bày phần trước để so sánh hai ảnh, với giá trị thu nhỏ 0,3 có nghĩa hai ảnh giống Đối với Eigenfaces, có vector riêng cho khn mặt, việc xây dựng lại có xu hướng làm việc tốt ta sử dụng ngưỡng so sánh 0,5, Fisherfaces có vector riêng cho người, việc xây dựng lại không tốt so với Eigenfaces ta sử dụng ngưỡng cao hơn, chẳn hạn khoảng 0.7 Trang 84 Bây ta xuất id khuôn mặt cần nhận dạng Phương pháp nhận dạng khuôn mặt phương pháp thẩm định khuôn mặt đáng tin cậy điều kiện định mà ta huấn luyện cho Vì vậy, để có độ nhận dạng xác tốt, ta cần phải đảm bảo tập huấn luyện người bao hàm đầy đủ điều kiện ánh sáng, nét mặt, góc độ tất trường hợp xảy Giai đoạn tiền xử lý mặt giúp giảm số khác biệt điều kiện ánh sáng hướng khuôn mặt quay mặt phẳng (nếu người nghiêng đầu qua trái qua phải), khác biệt khác khn mặt quay theo chiều khác (nếu người quay đầu qua trai hay phải) hoạt động tốt có tập huấn luyện 3.2 Hệ thống máy chủ web thời gian thực 3.2.1 Mơ hình hệ thống Hình 3.12 Mơ hình thiết kế hệ thống máy chủ Webserver thời gian thực để điều khiển thiết bị điều khiển vào Trang 85 3.2.2 Nguyên lý Hệ thống máy chủ Raspi webserver thời gian thực xây dựng Java, sử dụng NodeJS [28] giao thức websocket (Socket.IO [29]) giúp điều khiển thiết bị dễ dàng Giao diện điều khiển viết HTML5 kết hợp CSS jQuery Khi Client yêu cầu kết nối với Server, lúc này, server gửi cho client thông tin thông tin thiết bị, thông tin lịch sử (được truy vấn từ sở liệu MySQL) đồng thời gửi giao diện điều khiển cho client Việc trao đổi thông tin socket.io đảm nhiệm, truyền theo thời gian thực Điều thích hợp cho hệ thống có nhiều người sử dụng Nó đảm bảo có nhiều client (người dùng) kết nối đến server quan sát tất thông tin trao đổi server với client khác Nhờ viết web, nên ta truy xuất điều khiển hệ thống cách linh hoạt, ta điều khiển thơng qua webbrowser PC điện thoại hay máy tính bảng nơi đâu có kết nối Internet Trang 86 3.3 Phát triển hệ thống nhúng Raspberry 3.3.1 Kết Hình 3.13 Hệ thống nhận điện khn mặt Raspberrypi Trang 87 Hình 3.14 Giao diện chương trình hoạt động iPad Hình 3.15 Giao diện điều khiển Trang 88 Hình 3.16 Chức thêm thiết bị Hình 3.17 Giao diện điều khiển vào (nhận dạng chứng thực) Trang 89 Hình 3.18 Chứng thực khơng thành cơng Hình 3.19 Một số người dùng khác (1) Trang 90 Hình 3.20 Một số người dùng khác (2) Hình 3.21 Lịch sử nhận dạng xác thực Trang 91 3.3.2 Hoạt động Sau thu thập liệu ảnh, huấn luyện máy PC ta sở liệu khuôn mặt Cơ sở liệu chép vào Raspi để thực tham chiếu việc nhận dạng khuôn mặt Với thẻ nhận dạng khuôn mặt (face recognition - Hình 3.17) Để thực nhận dạng, hệ thống sau khởi động xong (đèn khởi động màu xanh dương sáng, kèm âm thanh) người dùng nhấn vào nút thực thi Lúc này, ta làm theo giọng nói dẫn hệ thống (được phát loa) Khi đèn trạng thái sáng (màu đỏ), thị hệ thống xử lý, trình xử lý cập nhật theo thời gian thực hiển thị giao diện đồ họa Khi đèn xác nhận sáng (màu xanh lá) thị việc nhận dạng thành công Lịch sử nhận dạng xác thực lưu vào sở liệu MySQL (Hình 3.21) Ta xóa lịch sử nút Clear all Hình 3.22 Bảng điều khiển Với thẻ điều khiển (control panel - Hình 3.15) Người dùng thêm thiết bị thơng qua nút Add devices, hộp thoại Hình 3.16 lên để ta điền vào thơng tin cần thiết Vì lý tiết kiệm thời gian chi phí, nên đề tài thực tượng trưng khả điều khiển thiết bị Trang 92 thông qua web thời gian thực việc thay bảng điều khiển (Hình 3.22) thành “thiết bị” Khi nút 1, 2, 3, thành nút tắt mở thiết bị, led hiển thị trạng thái thiết bị Tất thiết bị, trạng thái lưu vào sở liệu MySQL Trang 93 CHƯƠNG KẾT LUẬN Trải qua thời gian thực Chuyên đề 1, Chuyên đề Luận văn “Xây dựng trung tâm xử lý cho tịa nhà thơng minh hệ thống nhúng Linux”, bước đầu thực đề tài gặp nhiều khó khăn, tìm hiểu hệ thống nhúng linux, lý thuyết nhận dạng ảnh tình trạng sức khỏe Tuy nhiên hỗ trợ, động viên tận tình Thầy Lưu Thanh Trà đầu tư thân, đến luận văn tốt nghiệp hoàn thành đạt yêu cầu đề 4.1 Đánh giá kết Đối với nhận dạng điều khiển vào ra: Số lượng tập ảnh huấn luyện 638 ảnh (của bốn người, dung lượng 1.3G), số lượng tập ảnh kiểm tra 400 ảnh, tất thu thập camera 5Mega pixel Raspberry với điều kiện chiếu sáng khác nhau, biểu khn mặt, hướng khn mặt Tồn tập huấn luyện xử lý huấn luyện máy tính laptop, với cấu hình CPU core i7, 2.0GHz, Ram 4GB, đạt tốc độ xử lý huấn luyện nhanh với thời gian 30s Cơ sở liệu sau huấn luyện có dung lượng thấp (642.3KB) Tập kiểm tra nhận dạng hệ thống Raspberry với cấu hình CPU ARM 700MHz, Ram 512MB, nhớ SD 8GB, cho kết nhận dạng ổn định tin cậy Tuy nhiên cấu hình thấp, nên tốc độ (bắt đầu tính từ khởi động chương trình, đọc ảnh, xử lý nhận dạng ảnh) không nhanh, trung bình khoảng 7s cho ảnh Trang 94 Đối với việc điều khiển thiết bị web thời gian thực, cho tốc độ điều khiển tốt, đáp ứng nhanh, thực thiết bị PC hay điện thoại, máy tính bảng Ưu điểm phương pháp có nhiều người sử dụng lúc, ta thấy trạng thái hoạt động hệ thống mà chờ hết thời gian làm tươi (refesh) trang web 4.2 Hướng phát triển đề tài Để phát triển đề tài lớn hơn, từ kết đạt cần phải giải vấn đề mang tính ứng dụng hồn chỉnh với tiêu chí sau:  Tiến hành tối ưu hóa để nâng cao tốc độ xử lý hệ thống nhúng với tốc độ CPU thấp  Thực huấn luyện trực tiếp kit, làm tăng tính linh động hơn, tăng khả tương tác người với máy  Thực mở rộng với nhận dạng ảnh 3D (sử dụng camera stereo) kết hợp với số phương pháp bảo mật khác để tăng độ tin cậy cho hệ thống  Có thể ứng dụng Robot nhận dạng, hay thực gương thông minh, áp dụng thêm việc nhận dạng biểu cảm khuôn mặt  Tiếp tục phát triển chức cịn lại tịa nhà thơng minh Trang 95 TÀI LIỆU THAM KHẢO TIẾNG VIỆT Hồ Anh Thắng, Giải pháp tổng thể tối ưu hệ thống tự động tòa nhà sử dụng BMS Siemens, 2012 TIẾNG NƯỚC NGOÀI Gerhart, J., Home Automation & Wiring 1999: McGraw-Hill Professional Harper, R., Inside the Smart Home 2003: Springer 278 Mann, W.C., Smart Technology for Aging, Disability, and Independence: The State of the Science 2005: John Wiley and Sons 379 M&T, Automation today 2008(1,2): p 40 Jaseman, The MagPi May 2012(1): p Goodwin, S., Smart Home Automation with Linux and Raspberry Pi 2013: Apress 317 Breuning, S Using MySQL on a Raspberry Pi 2014; Available from: http://raspberrywebserver.com Mobberley, C Raspberry Pi MongoDB Installation Oct, 2013; Available from: http://c-mobberley.com/wordpress/2013/10/14/raspberry-pi-mongodbinstallation-the-working-guide/ 10 Hunter, T Installing Redis on Debian as a Service 2013; Available from: https://thomashunter.name/blog/installing-redis-on-debian/ 11 Sinopoli, J., Smart Building Systems for Architects, Owners, and Builders 2010: Elsevier Inc 12 Bosdogianni, M.P.a.P., Image Processing: The Fundamentals 1999 13 Kaehler, G.B.a.A., Learning OpenCV: Computer Vision with the OpenCV Library 2008: O’Reilly Media, Inc 186-190 14 Szeliski, R., Computer Vision: Algorithms and Applications 2010 15 Maydt, R.L.a.J., An Extended Set of Haar-like Features for Rapid Object Detection Proceedings of the IEEE Transactions on ICIP, 2002 1: p 900903 16 Jones, P.V.a.M.J., Rapid Object Detection using a Boosted Cascade of Simple Features Proceedings of the IEEE Transactions on CVPR 2001 1: p 511-518 Trang 96 17 Chiara Turati, V.M.C., F S., and Leo, I., Newborns face recognition: Role of inner and outer facial features 2006: p 297–311 18 Kanade, T., Picture processing system by computer complex and recognition of human faces 1973 19 Brunelli, R., Poggio, T , Face Recognition through Geometrical Features European Conference on Computer Vision (ECCV) 1992: p 792–800 20 Turk, M., and Pentland, A , Eigenfaces for recognition Journal of Cognitive Neuroscience 1991: p 71–86 21 P.N Belhumeur, J.H.a.D.K., Eigenfaces vs Fisherfaces: Recognition using class specific linear projection Proceedings of the IEEE Transactions on PAMI, 1997 19(7): p 711–720 22 Wiskott, L., Fellous, J., Krüger, N., Malsburg, C., Face Recognition By Elastic Bunch Graph Matching 1997: p 775–779 23 Messer, K.e.a., Performance Characterisation of Face Recognition Algorithms and Their Sensitivity to Severe Illumination Changes 2006: p 1– 11 24 Ahonen, T., Hadid, A., and Pietikainen, M , Face Recognition with Local Binary Patterns Computer Vision 2004: p 469–481 25 Farid, M.M., Pattern Classification, by Richard O Duda, Peter E Hart, and David G Stork Journal of Classification, 2001 18(2): p 273 26 Martinez, A.a.K., A , PCA versus LDA IEEE Transactions on Pattern Analysis and Machine Intelligence 2001 23(2): p 228-233 27 Jain, R.a.A.K., Small sample size effects in statistical pattern recognition: Recommendations for practitioneers IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991 13: p 252-264 28 Teixeira, P., Professional Node.js: Building JavaScript-Based Scalable Software 2013: John Wiley & Sons, Inc 29 Rai, R., Socket.IO Real-time Web Application Development 2013: Packt Publishing Trang 97 ... dùng hệ thống nhúng linux Trang CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Cơ sở lý thuyết trung tâm xử lý cho tịa nhà thơng minh 2.1.1 Mơ hình tổng quan Tịa nhà thơng minh liên quan đến việc xây dựng tích hợp hệ. .. tư xây dựng tòa nhà thơng minh Trang Hình 2.1 Hệ thống quản lý riêng lẻ tịa nhà thơng minh Trang Hình 2.2 Hệ thống điều khiển tích hợp Trang 2.1.2 Một số chức tịa nhà thơng minh 2.1.2.1 Hệ thống. .. dự án hệ thống BMS cho biệt thự, hộ cao cấp với chi phí từ 15.000$ 68.000$ tùy theo mức độ cơng trình Vì lý đó, nên mục tiêu đề tài tơi Xây dựng xử lý trung tâm cho tịa nhà thơng minh cho chi