Hằng ngày, có hơn 30 nghìn sinh viên Trường Đại học Công Nghiệp Hà Nội đến trường tại 3 cơ sở cả Hà Nam và Hà Nội. Tại mỗi lớp học, các giảng viên thường mất 5 7 phút để điểm danh các sinh viên trong lớp. Điều đó làm ảnh hưởng đến thời gian giảng dạy và tiếp thu kiến thức của sinh viên. Ngoài ra việc lớp học đông sinh viên, giảng viên không thể nhớ hết mặt mọi người khiến việc điểm danh hộ vẫn thường xuyên diễn ra. Đồng thời, trong những năm gần đây các ứng dụng về trí tuệ nhân tạo ngày càng phát triển và được đánh giá cao. Một lĩnh vực đang được quan tâm của trí tuệ nhân tạo nhằm tạo ra các ứng dụng thông minh, có tính người đó là nhận dạng.
Trường Đại học Công nghiệp Hà Nội Xây dựng hệ thống nhận diện khuôn mặt nhằm điểm danh sinh viên cho trường Đại học Công Nghiệp Hà Nội GVHD: ThS.Lê Như Hiền Nhóm sinh viên: Nguyễn Trọng Hùng - 2021605350 Hồ Nam Tú - 2021604025 Trần Thị Trà Mi - 2021602647 Hoàng Kim Quang - 2021600373 Trần Quang Hùng - 2021606718 Báo cáo Thực tập sở ngành NỘI DUNG 01 Tổng quan 02 Kết nghiên cứu 03 Kết luận hướng nghiên cứu Báo cáo Thực tập sở ngành I Tổng quan Lý chọn đề tài - Việc điểm danh trường đại học tồn nhiều vấn đề - Cùng với phát triển cơng nghệ, trí tuệ nhân tạo, lĩnh vực quan tâm nhiều nhận diện Chúng em định chọn "Xây dựng hệ thống nhận diện khuôn mặt nhằm điểm danh sinh viên cho trường Đại học Công Nghiệp Hà Nội" làm đề tài báo cáo Báo cáo Thực tập sở ngành I Tổng quan Khảo sát thực tế Trường Đại học Công nghiệp Hà Nội - Khảo sát tòa học lý thuyết, thực hành A1, A7, A8, A9, A10 - Hơn 300 phòng học lý thuyết - 200 phịng thực hành, thí nghiệm với đầy đủ máy móc, thiết bị - Gần 2.500 máy vi tính kết nối mạng Báo cáo Thực tập sở ngành Báo cáo Thực tập sở ngành I Tổng quan Các cơng cụ sử dụng - Ngơn ngữ lập trình Python - Thư viện OpenCV - Thư viện Tkinter - Ngôn ngữ MySQL - Microsoft Visual Code Báo cáo Thực tập sở ngành II Kết nghiên cứu THU THẬP DỮ LIỆU TIỀN XỬ LÝ PHÁT HIỆN TRÍCH XUẤT SO SÁNH VÀ KHUÔN MẶT ĐẶC TRƯNG XÁC THỰC Báo cáo Thực tập sở ngành II Kết nghiên cứu Thu thập liệu • Thu thập hình ảnh khn mặt sinh viên từ sở liệu nhà trường Báo cáo Thực tập sở ngành II Kết nghiên cứu Tiền xử lý ảnh • Phân ngưỡng (Thresholding): kỹ thuật chuyển đổi ảnh xám sang ảnh nhị phân, thường sử dụng để loại bỏ nhiễu phát vật thể ảnh • Làm mịn (Smoothing): kỹ thuật dùng để giảm thiểu đối tượng nhiễu vết bẩn ảnh Báo cáo Thực tập sở ngành Ảnh gốc Ảnh sau xử lý Báo cáo Thực tập sở ngành II Kết nghiên cứu Phát khn mặt • Sử dụng phương pháp “Histogram of Oriented Gradients” (rút gọn thành HOG) Để tìm khn mặt hình Báo cáo Thực tập sở ngành II Kết nghiên cứu Trích xuất đặc trưng • Sử dụng thuật tốn ước lượng mốc mặt (Facial Landmark Estimation Algorithm) Báo cáo Thực tập sở ngành II Kết nghiên cứu So sánh xác thực • Sử dụng thuật toán Local Binary Patterns (LBP) Báo cáo Thực tập sở ngành III Kết luận hướng phát triển Kết luận - Đi khảo trường Đại học Công nghiệp Hà Nội Kỹ sát làmthực việctếnhóm - Tìmnăng hiểu tìm thêm cáckiến thứcthức hoạtmới động qua hệ thống điểm danh khuôn mặt Kỹ hiểu thông Internet - Tìmnăng hiểulên q trình nhận cơng cụ thuậttrình tốn sử Kỹ kế hoạch cơng việc,diện, kỹ viết báo cáo,các thuyết dụng - Phân tích lợi ích sử dụng hệ thống điểm danh khuôn mặt III Kết luận hướng phát triển Những khó khăn tồn - Do hạn kiến thức thời gian tìm hiểu nên chúng em chưa thể tìm hiểu tồn nội dung đề tài - Việc tiến hành họp thành viên nhóm gặp cản trở - Xuất bất đồng quan điểm nhóm giải biểu Báo cáo Thực tập sở ngành III Kết luận hướng nghiên cứu Hướng nghiên cứu - Tiếp tục nghiên cứu tài liệu - Khắc phục tối đa nhược điểm - Vận dụng kỹ học vào viết báo cáo sau Báo cáo Thực tập sở ngành Cảm ơn thầy cô bạn lắng nghe!