Đồ án robot nhận diện người thân

Robot nhận diện người thân MỤC LỤC MỤC LỤC DANH MỤC HÌNH VẼ LỜI CẢM ƠN LỜI MỞ ĐẦU .6 CHƯƠNG KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƯỜI 1.1 Khái quát xử lý ảnh .9 1.1.1 Một số khái niệm .9 1.1.2 Một số vấn đề xử lý ảnh 10 1.1.3 Một số ứng dụng xử lý ảnh 12 1.2 Bài toán phát mặt người 13 1.2.1 Giới thiệu toán xác định mặt người ảnh 13 1.2.2 Định nghĩa toán xác định mặt người 13 CHƯƠNG BÀI TOÁN NHẬN DIỆN MẶT NGƯỜI 14 2.1 Bài toán nhận dạng mặt người 14 2.2 Những khó khăn nhận dạng khn mặt .14 2.3 Tầm quan trọng toán nhận diện mặt người 15 2.4 Các ứng dụng đặc trưng toán nhận diện mặt người .16 Các ứng dụng khác: .17 2.5.Xây dựng hệ thống nhận diện mặt người đặc trưng 17 2.6 Một số phương pháp nhận diện mặt người 18 2.6.1 Dựa tri thức 19 2.6.2 Hướng tiếp cận dựa đặc trưng không thay đổi 22 2.6.3 Hướng tiếp cận dựa so khớp mẫu .25 2.6.4 Hướng tiếp cận dựa diện mạo .28 CHƯƠNG CƠ SỞ LÝ THUYẾT 35 3.1 Phát mặt người 35 Đồ án Trang Robot nhận diện người thân 3.1.1.Tiếp cận Boosting .35 3.1.2.Adaboost 36 3.1.3.Các đặc trưng Haar-Like 40 3.1.4.Cascade of Classifiers 43 3.1.5.Cascade of boosting classifiers 45 3.2 Nhận diện mặt người .46 3.2.1 Nhận dạng dựa mối quan hệ phần tử (Feature Based) 46 3.2.2 Nhận dạng dựa xét tồn diện khn mặt (Appearance Based) 47 3.2.3 Nội dung phương pháp PCA .49 3.3 Sơ đồ khối hệ thống 52 3.3.1 Sơ đồ khối phần cứng 52 3.3.2 Sơ đồ khối phần mềm 53 3.3.3 Thiết kế hệ thống cho chương trình nhận diện khn mặt 53 CHƯƠNG XÂY DỰNG THỰC NGHIỆM 55 4.1 Sơ lược OpenCV 55 4.2 Sơ lược phần cứng Kit Raspberry Pi 56 4.3 Sơ lược điều khiển mở cửa Rơ-le 57 4.4 Sơ lược Webcam Logitech C270 .59 4.5 Kết thực nghiệm 60 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 62 5.1 Kết luận 62 5.2 Hướng phát triển 62 TÀI LIÊÊU THAM KHẢO 64 Đồ án Trang Robot nhận diện người thân DANH MỤC HÌNH VẼ Hình Quá trình xử lý ảnh Hình Các bước hệ thống xử lý ảnh Hình Hệ thống nhận diện mặt người đặc trưng Hình 4: Một phương pháp xác định khuôn mặt điển theo hướng tiếp cận top-down Hình 5: Phương pháp chiếu Hình Kết cấu khuôn mặt Hinh Màu sắc da mặt Hình 8: Một mẫu khn mặt Hình Các vector quan sát để huấn luyện cho HMM Hình 10 Các trạng thái ẩn Hình 11 Xác định khn mặt HMM Hình 12 Boosting Hình 13 Sơ đồ khối thuật tốn AdaBoost Hình 14 Đặt trưng Haar-like Hình 15 Các đặc trưng mở rộng đặc trưng Haar-like sở Hình 16 Cách tính Integral Image ảnh Hình 17 Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh Hình 18 Cascade of classifiers Hình 19 Cascade of boosting classifiers Hình 20 Hệ thống phát mặt người ảnh sử dụng Cascade of classifier Hình 21 Lưu đồ thuật tốn tính đặc trưng mặt tập huấn luyện Hình 22 Lưu đồ thuật tốn tính nhận diện hình ảnh khn mặt Đồ án Trang Robot nhận diện người thân Hình 23 Sơ đồ khối cho phần cứng Hình 24 Sơ đồ khối cho ứng dụng Hình 25 Các thành phần chương trình nhận diện mặt người Hình 26 Cấu trúc OpenCV Hình 27 Raspberry Pi Hình 28 Bộ điều khiển Rơ-le Hình 29 Webcam Logitech C270 Hình 30 Nhận diện người thân Hình 31 Nhận diện người thân Đồ án Trang Robot nhận diện người thân LỜI CẢM ƠN Để hồn thành đồ án này, em xin tỏ lịng biết ơn sâu sắc đến Cô ThS Hồ Thị Kim Hồng, tận tình hướng dẫn suốt q trình viết Báo cáo đồ án Em chân thành cảm ơn q Thầy,Cơ khoa Kỹ Th tÊ Máy Tính, Trường Đại Học Cơng Nghê Ê Thơng Tin TP Hồ Chí Minh tận tình truyền đạt kiến thức năm em học tập Với vốn kiến thức tiếp thu q trình học khơng tảng cho q trình nghiên cứu đồ án mà cịn hành trang quí báu để em bước vào đời cách vững tự tin Và đặc biệt, học kỳ Nếu khơng có lời hướng dẫn, dạy bảo thầy em nghĩ đồ án em khó hồn thiện Một lần nữa, em xin chân thành cảm ơn cô Bài báo cáo đồ án thực khoảng thời gian gần hai tháng Bước đầu tìm hiểu chúng em hạn chế nhiều bỡ ngỡ Đồng thời trình độ kinh nghiệm thực tiễn cịn hạn chế nên báo cáo khơng thể tránh khỏi thiếu sót, em mong nhận ý kiến đóng góp Cơ để em học thêm nhiều kinh nghiệm hoàn thành tốt luâ Ên văn tốt nghiê Êp tới Em xin chân thành cảm ơn! Đồ án Trang Robot nhận diện người thân LỜI MỞ ĐẦU Hiện nay, vấn đề kiểm soát an ninh vấn đề quan tâm hàng đầu tồn giới Bài tốn nhận dạng quan tâm nhiều Trong vấn đề nhận dạng người, có nhiều phương pháp đưa có độ xác cao Các tốn nhận dạng áp dụng theo hai đường: nhận dạng offline nhận dạng online  Nhận dạng offline: đối tượng thu thập thành file liệu chuyển trung tâm Tại đó, số liệu phân tích xử lý, thời xử lý khơng u cầu khắt khe  Nhận dạng online: đối tượng thu thập xử lý trực tiếp trường Thời gian xử lý yêu cầu khắt khe để bám theo đối tượng Một toán nhận dạng người phổ biến nay:     Nhận dạng vân tay Nhận dạng bàn tay Nhận dạng vân mắt Sử dụng thẻ xác nhận … Các phương án nhận dạng qua thời gian dài phát triển nên đạt độ xác cao Tuy nhiên, phương pháp gặp phải số hạn chế sau:  Các hệ thống đòi hỏi người sử dụng phải tiếp xúc trực tiếp với hệ thống, người ý thức nhận dạng  Với hệ thống thẻ xác nhận, người nhận biết yêu cầu phải có thẻ, điều áp dụng với thành viên thường xuyên vào hệ thống  Với hệ thống vân mắt, vân tay,… khơng phải ta lấy mẫu đối tượng  Nhận dạng dựa vào vân tay, bàn tay, vân mắt, thẻ xác nhận,… cách tự nhiên mà người sử dụng để nhận biết… Hiện nay, với phát triển tốn học khoa học máy tính, toán nhận dạng quan tâm nghiên cứu nhiều nhận dạng khuôn mặt Mặc dù Đồ án Trang Robot nhận diện người thân nhận dạng khn mặt chưa đạt độ xác cao số phương pháp khác nêu (ví dụ nhận dạng vân tay), nhận dạng khuôn mặt nhận nhiều quan tâm khoa học số lý sau:  Nó gắn liền với cách mà người nhận biết  Với hệ thống camera số, ta dễ dàng lấy thơng tin đối tượng mà không cần tiếp xúc trực tiếp  Giám sát đối tượng cách kín đáo  Các thuật toán phức tạp hỗ trợ hệ máy tính có tốc độ cao… Nhận dạng khn mặt offline có nhiều cơng trình cơng bố thuật tốn có độ xác tương đối cao Tuy nhiên để kết hợp với hệ thống khác để tạo hệ thống nhận dạng online chưa đạt kết mong đợi Hệ thống nhận dạng mặt người online mang lại thêm giải pháp kiểm soát an ninh phù hợp với điều kiện mà hệ thống nhận dạng khác không thỏa mãn Với hệ thống nhận dạng mặt người online có độ tin cậy cao hơn, điều kiện đầu vào nên quy định chặt chẽ  Đồ án thực với mục đích nghiên cứu xây dựng hệ thống nhận dạng mặt người online Yêu cầu đặt đồ án sau: xây dựng hệ thống nhận dạng mặt người online với đầu vào ảnh khuôn mặt người cần nhận dạng, thu thập camera số, đầu kết nhận dạng cho khn mặt  Nhiệm vụ đặt đồ án giải yêu cầu Để xử lý toán trên, đồ án đề xuất hướng tiếp cận sử dụng kỹ thuật xử lý ảnh số Các ảnh số thu thập camera số xử lý thơng qua máy tính PC Đây hệ thống nhận dạng online nên có yêu cầu thời gian Bài toán nhận dạng mặt người online kết hợp toán:  Bài toán xác định mặt người ảnh số (Human Face Detection)  Bài toán nhận dạng mặt người (Face Recognition) Đồ án Trang Robot nhận diện người thân Trong hai toán này, toán xác định mặt người tốn mang tính định tới độ xác hệ thống Khuôn mặt xác định “tốt” mang lại kết cao cho trình nhận dạng Việc lựa chọn phương án giải hai toán phải tính tốn tới thời gian xử lý Do hệ thống online, nên để theo dõi đối tượng thời gian xử lý phải đủ nhanh Với mục tiêu tìm hiểu thơng tin, tốn giải pháp nhận diện khn mặt, đồng thời áp dụng vào toán thiết kế “Robot nhận diện người thân”, đồ án trình với nội dung CHƯƠNG KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN MẶT NGƯỜI 1.1 Khái quát xử lý ảnh 1.1.1 Một số khái niệm Xử lý ảnh mảng quan trọng kỹ thuật thị giác máy tính, tiền đề cho nhiều nghiên cứu thuộc lĩnh vực Hai nhiệm vụ trình xử lý ảnh nâng cao chất lượng thơng tin hình ảnh xử lý số liệu cung cấp cho q trình khác có việc ứng dụng thị giác vào điều khiển Đồ án Trang Robot nhận diện người thân Quá trình việc thu nhận ảnh nguồn (từ thiết bị thu nhận ảnh dạng số tương tự) gửi đến máy tính Dữ liệu ảnh lưu trữ định dạng phù hợp với trình xử lý Người lập trình tác động thuật tốn tương ứng lên liệu ảnh nhằm thay đổi cấu trúc ảnh phù hơp với ứng dụng khác Quá trình xử lý nhận dạng ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “đã xử lý” kết luận Ảnh xử lý Ảnh Xử lý ảnh Kết luận Hình Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng khơng gian xem hàm n biến P(c,c1,c2,…).Do đó,ảnh xử lý ảnh xem ảnh n chiều * Sơ đồ tổng quát hệ thống xử lý ảnh: Hệ định Thu nhận Tiền xử lý Trích chọn đặc điểm Đối sánh nhận dạng Hậu xử lý Lưu trữ Đồ án Trang Robot nhận diện người thân Hình Các bước hệ thống xử lý ảnh 1.1.2 Một số vấn đề xử lý ảnh 1.1.2.1 Các hệ thống xử lý ảnh a Tiền xử lý: Tiền xử lý giai đoạn xử lý ảnh số Tuỳ thuộc vào trình xử lý giai đoạn thực công đoạn khác như: nâng cấp, khơi phục ảnh, nắn chỉnh hình học, khử nhiễu v.v b Trích chọn đặc điểm: Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng q trình xử lý ảnh Trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính tốn cao dung lượng nhớ lưu trữ giảm c Đối sánh, nhận dạng: Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, khn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu đó.Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây:  Thu nhận liệu tiền xử lý  Biểu diễn liệu  Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là:     Đối sánh mẫu dựa đặc trưng trích chọn Phân loại thống kê Đối sánh cấu trúc Phân loại dựa mạng nơ-ron nhân tạo Đồ án Trang 10 Robot nhận diện người thân Theo công thức: W = T A Với T ma trận chuyển đổi T có kích thước K× N  Gọi M số ảnh đầu vào, ảnh chuyển thành vec-tơ N chiều Ta có tập hợp đầu vào X = {x1,x2,…xM} ( Xi ∈ ℝN )  Trung bình vec-tơ đầu vào (tâm tập hợp đầu vào):  Sai lệch so với tâm:  Gọi A = [Φ1, Φ2,…, ΦN] , ta có covariance matrix A:  Gọi giá trị riêng C λ1, λ2,…, λN xếp theo thứ tự giảm dần, tương Đồ án Trang 51 Robot nhận diện người thân ứng với N vec-tơ riêng u1, u2,…, uN Các vec-tơ riêng trực giao đôi Mỗi vec-tơ riêng ui gọi eigenface Tập hợp vec-tơ ban đầu biểu diễn không gian tạo N eigenface theo mô tả sau:  Chọn lấy K vec-tơ riêng u tương ứng với K giá trị riêng λ lớn Ta có: Véc-tơ hệ số khai triển [w1, w2,…, wK] biểu diễn ảnh tạo khơng gian PCA Véc-tơ [w1, w2,…, wK] tính theo công thức sau: Vấn đề cần giải ma trận covariance C = A AT có kích thước N2 Với N = 200 × 200 = 40000, khối lượng tính tốn lớn Do đó, để tính eigenface mà khơng cần phải tính ma trận C, người ta đưa phương pháp tính nhanh dựa vào tính vec-tơ riêng giá trị riêng ma trận L = A T A có kích thước M×M, với M số ảnh đầu vào Ta chứng sau: gọi v i , µi vec-tơ riêng giá trị riêng ma trận L: AT A vi = µi vi Nhân vế với A ta có: A AT A vi = µi A vi Ta thấy A vi vec-tơ riêng C = A AT , ứng với giá trị riêng µi Đồ án Trang 52 Robot nhận diện người thân 3.2.3.2 Lưu đồ thuật tốn PCA Hình 21 Lưu đồ thuật tốn tính đặc trưng mặt tập huấn luyện ( (original faces) hình ảnh khn mặt ban đầu ) Hình 22 Lưu đồ thuật tốn tính nhận diện hình ảnh khuôn mặt 3.3 Sơ đồ khối hệ thống 3.3.1 Sơ đồ khối phần cứng Đồ án Trang 53 Robot nhận diện người thân Webcam USB Windows API Driver Monitor OpenCV Hình 23 Sơ đồ khối cho phần cứng 3.3.2 Sơ đồ khối phần mềm Hình 24 Sơ đồ khối cho ứng dụng 3.3.3 Thiết kế hệ thống cho chương trình nhận diện khn mặt Chương trình chia thành thành phần sau: Lưu khuôn mặt vào CSDL Đầu vào (Webcam ) Phát khuôn mặt Adabot Xác thực “Người thân” Đối sánh với CSDL PCA Đồ án Trang 54 Robot nhận diện người thân Hình 25 Các thành phần chương trình nhận diện mặt người  Xử lý đầu vào: Chương trình nhận đầu vào webcam, nhiên, việc phát khuôn mặt thực ảnh, đó, ta phải chuyển thành ảnh tĩnh xử lý ảnh tĩnh Sau có ảnh đầu vào chuyển ảnh cho giai đoạn xử lý tiếp theo, phát khn mặt có ảnh  Phát khn mặt: Phần xử lý nghiệp vụ hệ thống Sau có ảnh truyền vào, hệ thống thực chức phát khn mặt có ảnh Việc phát khuôn mặt thực nhanh thuật tốn adaboost thơng qua hàm cvHaarDetectObjects() OpenCV Hàm thực việc phát đối tượng dựa đặc trưng haar-like, cụ thể nhờ vào Cascade truyền vào cho hàm Bộ Cascade xây dựng theo dạng (tree-node) huấn luyện từ trước Việc huấn luyện Cascade thực từ liệu thu thập để phục vụ cho q trình nhận dạng Ví dụ, muốn nhận dạng người A, ta thu thập ảnh khuôn mặt người A với nhiều tư thế, góc chụp điều kiện chụp khác nhau, sau cho nhận dạng học theo thuật toán Cascade training  Lưu khuôn mặt vào sở sữ liệu: Khuôn mặt sau phát tách khỏi ảnh lưu dạng ảnh bitmap với phần mở rộng *.jpg Các khuôn mặt tách lưu lại thành file ảnh riêng rẽ, đánh số thứ tự theo tên khuôn mặt  Đối sánh với sở liệu: Sau trình lưu trữ hình ảnh vào sở liệu hoàn tất, hệ thống tiếp tục quay lại giai đoạn xử lý đầu vào, phát khuôn mặt Sử dụng thuật toán PCA để đối chiếu so sánh khn mặt khn mặt có sở liệu Sau PCA tìm tỉ lệ giống hai bên Đồ án Trang 55 Robot nhận diện người thân  Xác thực người thân: Nếu tỉ lệ giống mà thuật tốn PCA tìm nằm ngưỡng quy định cho phép, xác thực người người lưu sở liệu, ngược lại CHƯƠNG XÂY DỰNG THỰC NGHIỆM 4.1 Sơ lược OpenCV OpenCV thư viện mã nguồn mở intel thị giác máy tính Nó cung cấp mã nguồn bao gồm hàng trăm hàm, lớp dựa thuật toán xử lý ảnh Computer vision dùng ngôn ngữ C/C++ Open CV thể đa dạng trí tuệ nhân tạo Được ứng dụng nhiều toán nhận dạng mặt, dị tìm mặt, phát mặt, lọc Kalman, … Cấu trúc tổng quan OpenCV bao gồm phần phần hình vẽ CV MLL HighGUI Các hàm xử Các lý thuật ảnh toán giảihọc thuật máy, thị baogiác gồm Cácmáy hàm tính vàphân thủ tục cụm, làm phân việcloại với thống file ảnh kêvà file CXCORE Các cấu trúc liệu bản, cấu trúc XML, hàm đồ họa … Hình 26 Cấu trúc OpenCV Phần CV bao gồm thư viện xử lý ảnh giải thuật thị giác máy tính ML thư viện thuật toán học máy, bao gồm nhiều phân cụm phân loại thống kê HighGUI chứa đựng thủ tục vào ra, chức lưu trữ đọc file ảnh video Phần thứ 4, Cxcore chứa đựng cấu trúc liệu ( ví dụ cấu trúc XML, liệu …) Phần cuối CvAux, Đồ án Trang 56 Robot nhận diện người thân phần bao gồm thư viện cho việc phát hiện, theo dõi nhận dạng đối tượng (khuôn mặt, mắt …) 4.2 Sơ lược phần cứng Kit Raspberry Pi Hình 27 Raspberry Pi Thông số kỹ thuật chi tiết:              1.2 GHz 64-bit quad-core ARM Cotex-A53 CPU (BCM2837) GB RAM (LPDDR2 SDRAM) On-board Wireless LAN – 2.4 GHz 802.11 h/g/n (BCM43438) On-board Bluetooth 4.1 + HS Low-energy (BLE) (BCM43438) x USB 2.0 ports 10/100 Ethernet 40 GPIO pins Full size HDMI 1.3a port Combined 3.5mm analog audio and composite video jack Camera interface (CSI) Display interface (DSI) MicroSD slot VideoCore IV multimedia/3D graphics core @ 400MHz/300MHz Đồ án Trang 57 Robot nhận diện người thân 4.3 Sơ lược điều khiển mở cửa Rơ-le Giới thiệu:  Rơ-le loại linh kiện điện tử thụ động hay gặp ứng dụng thực tế Khi bạn gặp vấn đề liên quan đến cơng suất cần ổn định cao, ngồi dễ dàng bảo trì, rơ-le bạn cần tìm  Rơ-le cơng tắc (khóa K) Nhưng khác với cơng tắc chỗ bản, rơle kích hoạt điện thay dùng tay người Chính lẽ đó, rơ-le dùng làm cơng tắc điện tử! Vì rơ-le cơng tắc nên có trạng thái: đóng mở Trên thị trường có loại module rơ-le: module rơ-le đóng mức thấp (nối cực âm vào chân tín hiệu rơ-le đóng), module rơ-le đóng mức cao (nối cực dương vào chân tín hiệu rơ-le đóng) Module rơ-le kích mức cao Module rơ-le kích mức thấp Rơ-le bình thường gồm có chân Trong có chân để kích, chân lại nối với đồ dùng điện Đồ án Trang 58 Robot nhận diện người thân  chân dùng để kích  +: cấp hiệu điện kích tối ưu vào chân  - : nối với cực âm  S: chân tín hiệu, tùy vào loại module rơ-le mà làm nhiệm vụ kích rơ-le  chân lại nối với thiết bị điện Sản phẩm thực tế nhóm Hình 28 Bộ điều khiển Rơ-le Đồ án Trang 59 Robot nhận diện người thân 4.4 Sơ lược Webcam Logitech C270 Hình 29 Webcam Logitech C270 Thơng tin kỹ thuật:  Chụp ảnh chế độ 3Megapixel  Điện thoại hình ảnh chế độ HD 720p  Ứng dụng công nghệ Righ Light - tự động điều chỉnh để lấy ánh sáng tối ưu cho ảnh tốt điều kiện ánh sáng mập mờ  Tích hợp micro với cơng nghê RightSound™  Thương hiệu Logitech Đồ án Trang 60 Robot nhận diện người thân 4.5 Kết thực nghiệm Sau phát khuôn mặt, thực lệnh train cho khuôn mặt này, xử lý cắt ảnh, chỉnh size, đưa ảnh xám thông số ảnh Lưu thông tin vào sở liệu Hình 30 Nhận diện người thân Khi phát khuôn mặt mới, tiếp tục xử lý phân tích ảnh Sau đối sánh khn mặt với khn mặt sở liệu, giống người thân Trong trường hợp này, người thân tên chứa khn mặt train trước Ngược lại, người lạ Nếu chương trình nhận diện người thân, robot cho phép mở cửa, đồng thời phát giọng nói lập trình trước, tạo hiệu ứng thú vị chuyên nghiệp Sau thời gian quy định chương trình cho phép đóng cửa lại, đồng nghĩa với việc người thân vào nhà cửa tự đóng Đồ án Trang 61 Robot nhận diện người thân Hình 31 Nhận diện người thân Nếu người thân, cửa không mở, đồng thời phát giọng nói “You can not open the door” Đồ án Trang 62 Robot nhận diện người thân CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Trên sở nghiên cứu toán nhận diện mặt người Đặc biệt thuật toán Adaboost, đặc trưng haar-like mơ hình Cascade of Classifier phát mặt người thuật toán PCA nhận diện mặt người Nhóm đồ án áp dụng thành cơng xây dựng chương trình nhận diện người thân Bên cạnh đó, nhóm tìm hiểu thư viện mã nguồn mở OpenCV, hệ quản trị sở liệu Oracle, qua biết cách sử dụng hàm thư viện OpenCV quản lý sở liệu hệ quản trị sở liệu Oracle Về sản phẩm, sau thử nghiệm trực tiếp kit Raspberry Pi Chương trình đạt kết tốt, thời gian phát nhanh ảnh mặt người chụp thẳng, chất lượng ảnh tốt, nhiên ảnh chụp nghiêng hay ảnh có màu sắc q tối chương trình gần khơng thể phát khuôn mặt ảnh Tuy nhiên, chương trình cịn tùy theo chất lượng loại webcam sử dụng, chương trình khơng thể phát mặt người điều kiện độ sáng yếu góc quay nghiêng 20o 5.2 Hướng phát triển Cơng việc nhóm thực đánh giá thời gian thực thuật toán nhận dạng tập liệu khác Đồng thời kết hợp với hệ thống điều khiển Robot để nhận dạng đối tượng như: Nhận dạng chủ nhân Robot, nhận dạng định danh tội phạm, hệ thống bảo mật nhận diện khuôn mặt nhà thông minh  Mở rộng số lượng người cần nhận dạng  Giải mở rộng khả xử lý chương trình với trường hợp thay đổi tư thế, trạng thái cảm xúc đối tượng giảm thiểu ảnh hưởng phục trang  Thử nghiệm, phối hợp mơ hình nhận dạng khác (mạng nơ-rôn, SVM, …) phương pháp nhận dạng ảnh khác (LDA, ICA,…) để mang lại độ tin cậy cao cho hệ thống Đồ án Trang 63 Robot nhận diện người thân  Quy định ánh sáng nơi có sử dụng hệ thống để giảm thiểu sai số nhận dạng cường độ sáng thay đổi  “Nhúng” hệ thống xuống hệ vi xử lý để ta có thệ thống chuyên dụng  Giải vấn đề nhận diện khn mặt dân tộc có màu da khác nhau, điển nhận diện người châu phi có màu da đen Đồ án Trang 64 Robot nhận diện người thân TÀI LIÊÊU THAM KHẢO Đồ án tìm hiểu đặc trưng lõm 3D toán phát mặt người ảnh - Nguyễn Thị Thơm(2013) Learning OpenCV - Gary Bradski and Adrian Kaehler Ứng dụng xử lý ảnh thực với thư viện OpenCV C/C++ - Nguyễn Văn Long Mastering OpenCV with Practical Computer Vision Projects – Sherin Emami: http://www.shervinemami.info/faceRecognition.html Face Recognition with OpenCV: http://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.html Face Detection using Haar Cascades: http://docs.opencv.org/master/d7/d8b/tutorial_py_face_detection.html#gsc.tab=0 Thông tin phần cứng kit Raspberry Pi http://hshop.vn/products/raspberry-pi-3-made-in-uk Cách hoạt động Rơ-le http://arduino.vn/bai-viet/302-module-relay-cach-su-dung-ro-le-va-nhung-ung-dunghay-cua-no Hết Đồ án Trang 65