Ứng dụng công nghệ nhận diện khuôn mặt vào hệ thống điểm danh sinh viên

Đối tượng và nghiên cứu đề tài trong phạm vi

- Các thuật toán giúp cho công việc tìm kiến và phát hiện mặt người trên hình ảnh

- Django,python,pycharm và bộ thư viện xử lý ảnh OpenCv

- Bộ CSDL tự thu thập b) Phạm vi nghiên cứu đề tài:

- Tập trung tìm hiểu nhận diện mặt người (Face Recognition)

- Các điều kiện cho việc xử lý ảnh, và nhận diện mặt người:

 Ánh sáng: bình thường, ánh sáng đèn điện

Chuyên đề tốt nghiệp Kinh tế

 Góc mặt: góc nghiêng không quá 10 và góc thẳng hay

 Hình ảnh xử lý có dung lượng phù hợp đáp ứng.

TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ CÁC CÔNG CỤ XỬ LÝ ẢNH

GIỚI THIỆU CHUNG

1.1.1 Bài toán nhận diện mặt người và khó khăn gặp phải

1.1.1.1 Bài toán nhận diện mặt người

Hệ thống nhận đầu vào là ảnh hoặc video và thực hiện phân tích để phát hiện khuôn mặt con người Sau đó, nó xác định danh tính của người đó dựa trên dữ liệu đã được "dạy" hoặc không quen thuộc với hệ thống.

Hình 1 1 Demo cơ bản quy trình nhận diện một gương mặt

1.1.1.2 Nhận diện khuân mặt có những khó khăn

Góc chụp ảnh ảnh hưởng đến hình dạng và diện mạo của gương mặt, với các vị trí như chụp thẳng, chéo trái, chéo phải, từ trên xuống hoặc từ dưới lên Mỗi góc chụp sẽ làm thay đổi vị trí và tỷ lệ của các bộ phận trên gương mặt như mắt, miệng và mũi, tạo ra những hiệu ứng khác nhau trong bức ảnh.

- Có hay không có bộ phận của khuân mặt như: râu hàm,râu mép mắt khiến cho việc xử lý có thể trở nên rắc rối

Cảm xúc được thể hiện qua sự thay đổi của cơ mặt, ảnh hưởng đến các điểm trên khuôn mặt Chẳng hạn, một người có thể có những biểu cảm khác nhau khi cười hoặc khi sợ hãi.

- Bị che lấp: có thể bị che lấp bởi các nhân tố hay các gương mặt khác

- Điều kiện: độ sáng, thuộc tính camera có chất lượng thấp ảnh hưởng đến chất lượng ảnh khuân mặt và khả năng nhận diện

- Việc nhận dạng ảnh mặt là một vấn đề khó khăn khi thay đổi theo thời gian.

Các hệ thống cực lớn, như các cơ sở dữ liệu (CSDL) ảnh mặt, thường được thử nghiệm với số lượng nhỏ, chỉ từ vài trăm đến vài chục nghìn ảnh Tuy nhiên, trong thực tế, các CSDL này có thể rất lớn, ví dụ như cơ sở dữ liệu ảnh mặt của cảnh sát một quốc gia có thể chứa từ hàng triệu đến hơn 1 tỷ ảnh.

1.1.2 Tổng quan của hệ thống

Hình 1 2 Các bước nhận diện ảnh hoặc video

Phát hiện gương mặt: tìm kiếm, xác định vùng hay vùng có thể là mặt người.

Các vùng vị trí trên khuôn mặt được tách riêng và xử lý để xác định vị trí các bộ phận của mặt người Quá trình này bao gồm việc trích xuất điểm mặt, sử dụng phương pháp chọn lọc đặc điểm để thu thập thông tin về các bộ phận khuôn mặt Kết quả của mỗi ảnh sẽ được biểu diễn dưới dạng một vector đặc trưng, đóng vai trò là dữ liệu đầu vào cho mô hình nhận diện khuôn mặt đã được đào tạo trước đó.

Recognition) - danh tính(identity) hay thẻ ảnh-đây là người nào Ở bước nhận diện khuôn mặt (Face Recognition), thường phương pháp k-kề gần hay được sử dụng.

Ngoài những bước chính trên, một số bước khác có thêm như: hậu xử lý, tiền xử lý giúp cải thiện chính xác.

Dữ liệu nhận diện khuôn mặt được phân chia thành ba phần chính: huấn luyện, tham chiếu và nhận diện Trong nhiều hệ thống, tập huấn luyện thường trùng với tập tham chiếu Tập huấn luyện bao gồm các hình ảnh dùng để đào tạo mô hình, nhằm tạo ra một không gian con được biểu diễn dưới dạng ma trận, thường sử dụng phương pháp PCA (Phân tích thành phần chính).

LDA (Phân tích phân biệt tuyến tính) và KPCA (Phân tích thành phần chính kernel) là những phương pháp phổ biến trong phân tích dữ liệu Trong quá trình huấn luyện, các hình ảnh đã biết được chiếu vào không gian con làm tham chiếu Mục tiêu chính của bước huấn luyện là tạo ra các vector đặc trưng hiệu quả.

Chuyên đề tốt nghiệp Kinh tế có độ dài lớn, do đó cần giảm số chiều để tiết kiệm thời gian tính toán Việc này bao gồm việc tăng cường tính phân biệt giữa các ảnh thuộc các lớp khác nhau, trong khi có thể giảm tính phân biệt giữa các ảnh trong cùng một lớp Một phương pháp hiệu quả để thực hiện điều này là Sử dụng Phân tích Phân biệt Tuyến tính (LDA), hay còn gọi là Phân tích Phân biệt Fisher.

Phân tích Fisherface là một phương pháp hiệu quả để xử lý tập huấn luyện bao gồm nhiều hình ảnh của cùng một đối tượng trong các điều kiện khác nhau Hệ thống sẽ lưu lại một ma trận, trong đó mỗi cột đại diện cho một vector tương ứng với hình ảnh đã biết, nhằm mục đích nhận diện Đặc biệt, mỗi hình ảnh được chuyển đổi thành một vector, cho phép sử dụng khái niệm khoảng cách giữa các vector để đo lường sự khác biệt giữa các hình ảnh.

1.1.3 Ngôn ngữ lập trình Để giải quyết bài toán nhận dạng khuôn mặt sử dụng thư viện OpenCV, có thể sử dụng các ngôn ngữ lập trình như: NET C#, VB, IronPython, Java, C++…

Trong chuyên đề này ngôn ngữ lập trình được sử dụng là python , Django và

TỔNG QUAN VỀ XỬ LÝ ẢNH

1.2.1 Xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh

Sự phát triển của phần cứng đã thúc đẩy mạnh mẽ khả năng xử lý ảnh và đồ họa, mở ra nhiều ứng dụng thiết thực trong cuộc sống Những tiến bộ này đóng vai trò quan trọng trong việc cải thiện tương tác giữa con người và máy móc.

Xử lý ảnh là quá trình chuyển đổi ảnh đầu vào thành kết quả mong muốn, có thể là một hình ảnh mới hoặc một kết luận cụ thể.

Độ phân giải của ảnh được xác định bởi số lượng điểm ảnh, với một tập hợp hữu hạn các điểm ảnh thể hiện hình ảnh gần với thực tế và mức xám phù hợp Để làm nổi bật các đặc điểm của hình ảnh, độ phân giải cần phải cao hơn, giúp ảnh trở nên sắc nét và chân thực hơn Một tín hiệu hai chiều được mô tả bởi ảnh thông qua hàm toán học f(x, y), trong đó x và y là tọa độ ngang và dọc Các giá trị f(x, y) tại mỗi điểm cung cấp thông tin về các điểm ảnh tại vị trí đó trong hình ảnh.

Sơ đồ tổng quát của hệ thống xử lý ảnh:

Hình 2 2 Sơ đồ tổng quát của hệ thống xử lý ảnh

Sơ đồ gồm các phần:

Phần thu nhận ảnh sử dụng camera màu hoặc đen trắng để tạo ra hình ảnh Camera quét dòng là loại phổ biến, cho phép tạo ra ảnh hai chiều Chất lượng ảnh thu được phụ thuộc vào thiết bị thu và môi trường xung quanh.

Hình ảnh sau khi thu nhận thường gặp vấn đề nhiễu và độ tương phản thấp, do đó cần phải sử dụng bộ tiền xử lý để cải thiện chất lượng Bộ tiền xử lý có vai trò quan trọng trong việc lọc nhiễu và nâng cao độ tương phản, giúp hình ảnh trở nên nét và rõ ràng hơn.

Phân vùng ảnh là quá trình tách một ảnh đầu vào thành các vùng thành phần, nhằm nhận dạng, biểu diễn và phân tích ảnh Trong XLA, đây là giai đoạn phức tạp và dễ gây lỗi, ảnh hưởng đến độ chính xác của kết quả Công đoạn này đóng vai trò quan trọng trong việc đạt được kết quả chính xác trong nhận dạng ảnh.

Mô tả ảnh là quá trình phân tích và xác định các điểm nổi bật trong ảnh hoặc các vùng đã được phân đoạn Qua đó, chúng ta có thể tạo ra các đầu ra ảnh kết hợp với các vùng lân cận, giúp nâng cao khả năng nhận diện và phân loại Việc trích chọn đặc trưng là bước quan trọng trong việc tối ưu hóa và cải thiện chất lượng mô tả ảnh.

Lựa chọn (Selection) là quá trình sử dụng các đặc tính của ảnh để phân biệt giữa các đối tượng khác nhau, hoặc tách các đặc điểm của ảnh thành thông tin định lượng, trong phạm vi của ảnh thu nhận được.

Phát hiện và phân tích ảnh là quá trình nhận dạng hình ảnh, trong đó mẫu chuẩn đã được học hoặc lưu trữ trước đó sẽ được so sánh với ảnh nhận được để đưa ra kết quả Phân tích ảnh dựa trên quá trình nhận dạng nhằm đưa ra các phán đoán về nội dung hình ảnh Có hai loại nhận dạng cơ bản của ảnh, được phân loại theo các mô hình toán học liên quan đến hình ảnh.

Trong lĩnh vực khoa học và công nghệ hiện nay, có nhiều phương pháp nhận dạng phổ biến, bao gồm nhận dạng văn bản, nhận dạng mã vạch, nhận dạng vân tay, nhận dạng ký tự (bao gồm cả in, viết tay và điện tín) và nhận dạng khuôn mặt.

Cơ sở tri thức trong xử lý ảnh là một lĩnh vực phức tạp, bao gồm các yếu tố như đường nét, dung lượng điểm ảnh và độ sáng tối của môi trường Mục tiêu chính là đơn giản hóa các phương pháp toán học để thuận tiện cho việc xử lý Hơn nữa, việc mô phỏng quy trình nhận biết và xử lý ảnh giống như cách con người thực hiện là điều được ưu tiên Hiện nay, trí tuệ con người được áp dụng rộng rãi trong nhiều khâu của quá trình này.

Ảnh được lưu trữ trong bộ nhớ sau khi được số hóa hoặc chuyển tiếp để phân tích, đòi hỏi dung lượng bộ nhớ lớn để đảm bảo độ chính xác cao Tuy nhiên, điều này có thể không hiệu quả trong ứng dụng và công nghệ thực tiễn Các ảnh thô được biểu diễn thông qua các đặc trưng ảnh, bao gồm vùng ảnh và biên ảnh, là những yếu tố quan trọng trong việc phân tích hình ảnh.

- Biểu diễn bằng mã chạy(Run-Length Code)

- Biểu diễn bằng mã xích(Chaine-Code)

- Biểu diễn bằng mã tứ phân(Quad-Tree Code)

Trong quá trình xử lý ảnh, không phải tất cả các khâu đều cần thiết phải thực hiện Ảnh sau khi số hóa có thể được nén, lưu trữ, và truyền qua các hệ thống khác hoặc tiếp tục xử lý Nếu ảnh đã đạt yêu cầu chất lượng, có thể bỏ qua bước cải thiện phẩm chất và chuyển trực tiếp đến khâu phân đoạn hoặc chọn đặc trưng Ngoài ra, việc cải thiện chất lượng ảnh có thể được chia thành hai hướng: khôi phục ảnh từ bản gốc bị hỏng hoặc nâng cao chất lượng ảnh.

Hình 2 3 Sơ đồ chi tiết của hệ thống xử lý ảnh

1.2.1.2 Các vấn đề cơ bản trong xử lý ảnh

Điểm ảnh là thành phần cơ bản của hình ảnh, phản ánh liên tục không gian và độ sáng Để xử lý hình ảnh bằng máy tính, cần phải số hóa ảnh, chuyển đổi từ dạng liên tục sang dạng số, tạo ra một tập hợp các giá trị độ sáng (mức xám) và vị trí (không gian) tương ứng với ảnh thực.

Khoảng cách giữa các điểm ảnh được điều chỉnh để mắt người không thể nhận ra ranh giới giữa chúng Mỗi điểm ảnh này được gọi là PEL (Pixel Element).

CÔNG CỤ HỖ TRỢ

OpenCV (Open Source Computer Vision) là thư viện mã nguồn mở nổi bật trong lĩnh vực thị giác máy, cung cấp hơn 500 hàm và hơn 2500 thuật toán tối ưu hóa cho XLA Thư viện này được thiết kế để tận dụng tối đa sức mạnh của các chip đa lõi, cho phép thực hiện các phép toán trong thời gian thực với tốc độ đáp ứng cao, phù hợp cho nhiều ứng dụng khác nhau.

OpenCV là thư viện mã nguồn mở được thiết kế để hoạt động trên nhiều nền tảng, bao gồm Linux, Windows, Mac và iOS Việc sử dụng OpenCV tuân theo các quy định của giấy phép BSD, cho phép người dùng sử dụng miễn phí thư viện này.

Dự án OpenCV được khởi động vào năm 1999 và vào năm 2000, các vấn đề liên quan đến thị giác máy và nhận dạng đã được giới thiệu tại một hội nghị của IEEE.

1.0 năm 2006 xuất chính thức và năm 2008 với phiên bản 1.1 (prerelease) được cho ra mắt Năm 2009, Ra đời thế hệ python2 ( gọi là phiên bản 2.x )so với phiên bản đầu có nhiều điểm khác biệt

OpenCV, một thư viện mã nguồn mở, được phát triển với sự hỗ trợ ban đầu từ Intel và Willow Garage, hiện nay vẫn tiếp tục nhận được sự ủng hộ từ cộng đồng và quỹ phi lợi nhuận.

OpenCV có cấu trúc gồm 5 phần Hình vẽ dưới đây, mô tả 4 trong 5 thành phần đó.

Các thư viện về xử lý ảnh và các giải thuật thị giác máy tính thuộc phần CV.

Các thuật toán machine learning trong MLL bao gồm các phương pháp phân loại thống kê và bộ phân cụm HighGUI cung cấp các thủ tục vào ra, bao gồm chức năng lưu trữ và đọc file ảnh cũng như video Dữ liệu cơ bản được chứa trong Cxcore với các cấu trúc như XML và cây dữ liệu CvAux chứa thư viện hỗ trợ theo dõi, phát hiện và nhận diện các đối tượng như mắt và mặt.

Django là một web framework miễn phí nổi bật, được phát triển bằng ngôn ngữ lập trình Python Framework này áp dụng mô hình MVC (Model-View-Control) để tổ chức và quản lý mã nguồn hiệu quả Ngoài ra, Django được phát triển bởi một tổ chức phi lợi nhuận độc lập, mang tên DSF (Django Software Foundation).

Software Foundation) phát triển dự án này

Việc tạo các website có sử dụng cơ sở dữ liệu phức tạp là mục tiêu của

Django nổi bật với hai tính năng chính là "tái sử dụng" và "tự chạy", giúp tăng cường hiệu quả phát triển Ngoài ra, framework này còn hỗ trợ phát triển nhanh chóng và giảm thiểu việc lặp lại các công việc đã thực hiện trước đó.

Instagram, Pinterest, Mozilla là các website nổi tiếng được xây dựng bởi

Django, một framework phát triển web mạnh mẽ, được ra đời vào mùa thu năm 2003 bởi các lập trình viên tại tờ Tạp chí Thế giới Lawrence, gồm Adrian Holovaty và Simon Willison, khi họ sử dụng Python để xây dựng ứng dụng Jacob Kaplan-Moss gia nhập nhóm phát triển ngay trước khi Simon Willison kết thúc kỳ thực tập của mình Đến tháng 7 năm 2005, Django đã được phát hành công khai dưới giấy phép BSD.

Khung này được đặt theo tên của tay guitar Django Reinhardt

Vào tháng 6 năm 2008, có thông báo rằng Tổ chức Phần mềm

Django (DSF) mới thành lập sẽ duy trì Django trong tương lai

Vào tháng 7 năm 2015, Revolution Systems, công ty tư vấn phần mềm có mối liên hệ với các nhà đồng sáng lập và phát triển Django, đã tổ chức sự kiện kỷ niệm 10 năm tại Lawrence.

Khung Django, mặc dù có các danh pháp riêng cho các đối tượng tạo ra phản hồi HTTP, thực chất có thể được coi là một kiến trúc MVC Nó bao gồm một trình ánh xạ quan hệ đối tượng (ORM) kết nối giữa các mô hình dữ liệu được định nghĩa dưới dạng lớp Python và cơ sở dữ liệu quan hệ Hệ thống này xử lý các yêu cầu HTTP thông qua hệ thống tạo khuôn mẫu web (View) và bộ điều phối URL dựa trên biểu thức chính quy (Controller).

Cũng bao gồm trong khung cốt lõi là:

 Máy chủ web nhẹ và độc lập để phát triển và thử nghiệm

 Hệ thống xác thực và tuần tự hóa biểu mẫu có thể dịch giữa các biểu mẫu và giá trị HTML phù hợp.

 Hệ thống mẫu sử dụng khái niệm thừa kế mượn từ lập trình hướng đối tượng

 Khung bộ đệm có thể sử dụng bất kỳ phương thức bộ đệm nào

Hỗ trợ các lớp phần mềm trung gian can thiệp vào nhiều giai đoạn của quy trình xử lý yêu cầu, đồng thời thực hiện các chức năng tùy chỉnh để nâng cao hiệu quả và tính linh hoạt.

Hệ thống điều phối nội bộ cho phép các thành phần trong ứng dụng giao tiếp hiệu quả thông qua các sự kiện, sử dụng các tín hiệu đã được xác định trước.

 Hệ thống quốc tế hóa , bao gồm dịch các thành phần của chính Django sang nhiều ngôn ngữ khác nhau

 Hệ thống tuần tự hóa có thể tạo và đọc các biểu diễn XML và / hoặc JSON của các cá thể mô hình Django

 Hệ thống để mở rộng khả năng của công cụ mẫu

 Giao diện cho khung kiểm tra đơn vị tích hợp sẵn của Python

 Django REST framework là bộ công cụ mạnh mẽ và linh hoạt để xây dựng API

 Các ứng dụng kèm theo

Bản phân phối Django chính cũng gói một số ứng dụng trong gói “đóng góp” của nó, bao gồm:

 Hệ thống xác thực mở rộng

 Giao diện quản trị động

 Các công cụ để tạo nguồn cấp dữ liệu cung cấp RSS và Atom

 Khung “Trang web” cho phép một cài đặt Django chạy nhiều trang web, mỗi

 Công cụ tạo Google Sitemaps

Hệ thống tích hợp các biện pháp giảm nhẹ cho các mối đe dọa như yêu cầu giả mạo giữa các trang (CSRF), kịch bản giữa các trang (XSS), tấn công SQL injection, bẻ khóa mật khẩu và nhiều loại tấn công web phổ biến khác, hầu hết đều được kích hoạt mặc định.

 Một khung để tạo các ứng dụng GIS

Python là ngôn ngữ lập trình bậc cao đa năng, được phát triển bởi Guido van Rossum và ra mắt lần đầu vào năm 1991 Ngôn ngữ này nổi bật với tính dễ đọc, dễ học và dễ nhớ, giúp người dùng giảm thiểu khối lượng mã lệnh cần viết.

BÀI TOÁN PHÁT HIỆN VÀ NHẬN DIỆN GƯƠNG MẶT

Phát biểu bài toán

Nhận dạng khuôn mặt yêu cầu giải quyết các vấn đề giải bài toán:

1 Đầu tiên đó là cần phải tìm kiếm tất cả những khuôn mặt có trong bức hình

2 Focus từ điều kiện sáng tối khác nhau hay các góc nhìn vào từng khuôn mặt chắc chắn rằng có thể phát hiện cùng một người.

3 Phát hiện khuôn mặt có đặc trưng -VD như đôi mắt to, khuôn mặt dài

4 Điểm phổ biến được đối chiếu với những người khác để xác định thông tin được hiển thị.

Não bộ con người hoạt động tự động và nhanh chóng nhờ vào hệ thống nơron thần kinh phong phú Mặc dù con người có khả năng vượt trội, máy tính vẫn chưa đạt được trình độ tương tự Vì vậy, việc dạy máy tính học từng bước một cách riêng biệt là cần thiết.

2.1.2 Các bước thực hiện a Tìm kiếm gương mặt (Finding all face)

Bước đầu tiên trong quy trình xử lý hình ảnh là nhận diện khuôn mặt, vì việc xác định vị trí khuôn mặt trong bức hình là cần thiết để nhận biết ai có mặt trong bức ảnh đó.

Để tìm kiếm khuôn mặt trong một bức hình, trước tiên cần chuyển đổi bức hình thành ảnh đen trắng, vì ảnh màu không hiệu quả trong việc phát hiện khuôn mặt ở giai đoạn này.

Không phải bức hình nào cũng có góc chụp chính diện, nhiều khuôn mặt có thể nghiêng sang trái hoặc phải, chỉ lộ một phần khuôn mặt Đôi khi, đầu cũng có thể hơi nghiêng, làm cho bức ảnh bị lệch khung Do đó, cần điều chỉnh hình ảnh để đảm bảo đôi mắt và bờ môi luôn ở vị trí mẫu Việc này giúp việc so sánh khuôn mặt trong các bước tiếp theo trở nên dễ dàng hơn.

Để thực hiện chuyên đề tốt nghiệp Kinh tế, chúng ta sử dụng thuật toán ước lượng mốc khuôn mặt (face landmark estimation) Thuật toán này nhằm xác định 68 điểm mốc cụ thể trên mỗi khuôn mặt, bao gồm đầu cằm, cạnh bên ngoài của mỗi mắt và cạnh bên trong của mỗi lông mày Sau đó, một thuật toán machine learning sẽ được áp dụng để huấn luyện, giúp nhận diện 68 điểm mốc này trên từng khuôn mặt.

Hình 4 2 Điểm và cường độ điểm của khuôn mặt người tại các đường viền c Mã hóa khuôn mặt (Endcoding face)

Phương pháp đơn giản nhất để nhận diện khuôn mặt là so sánh trực tiếp khuôn mặt cần nhận diện với tất cả các hình ảnh đã được gắn thẻ Khi tìm thấy một khuôn mặt đã được gắn thẻ trước đó, nó sẽ giúp xác định danh tính của khuôn mặt đó.

Chuyên đề tốt nghiệp Kinh tế giúp nhận diện sự tương đồng giữa các khuôn mặt Phương pháp thực hiện là trích xuất các phép đo cơ bản từ khuôn mặt mẫu và áp dụng cho khuôn mặt chưa xác định, nhằm tìm ra khuôn mặt đã biết có các phép đo gần gũi nhất.

Ví dụ, có thể đo kích thước của mỗi tai, khoảng cách giữa mắt, chiều dài mũi, vv

Một trong những giải pháp hiệu quả để giải quyết vấn đề này là sử dụng Mạng Nơ-ron Tích Chập (CNN) để huấn luyện, giúp tạo ra 128 phép đo cho mỗi khuôn mặt.

Process của quá trình này, có thể hiểu như sau :

1 Khuôn mặt training của một người mà đã biết.

2 load khuôn mặt khác của người đó

3 lấy tiếp khuôn mặt của một người mà chưa xác định

Sau nhiều lần lặp lại quy trình này với nhiều người khác nhau, mạng neural sẽ có khả năng tạo ra 128 phép đo cho mỗi cá nhân một cách đáng tin cậy.

Bất kỳ hình ảnh khác nhau của cùng một người đều sẽ cho một phép đo tương tự.

Training a Convolutional Neural Network (CNN) requires a substantial amount of data and high-performance servers A powerful computer may need to run for up to 24 hours continuously to achieve high accuracy in training Additionally, the process involves extracting the person's name from the encoded data.

Bước cuối cùng trong quá trình này là tìm người trong cơ sở dữ liệu có số đo gần nhất với bức ảnh test Đây là bước đơn giản nhất, nhưng lại rất quan trọng để đảm bảo độ chính xác trong việc so sánh và phân tích.

Có thể làm điều này bằng bất kì thuật toán classification nào của Machine

Hiện nay, có nhiều dự án mã nguồn mở được công bố nhằm giải quyết vấn đề nhận diện khuôn mặt, mặc dù hiệu quả chỉ đạt mức tương đối Hai công nghệ nổi bật có thể tham khảo và áp dụng là Openface và Facenet, được Google giới thiệu vào năm 2015.

Nhận diện

Nhận diện khuôn mặt người đã trải qua nhiều phương pháp nghiên cứu, từ việc sử dụng ảnh xám đến ảnh màu Việc điều chỉnh một số yếu tố nhỏ trong các phương pháp tổng quát có thể mang lại những giải pháp mới và cải thiện kết quả cho bài toán này.

Có bốn hướng tiếp cận :

- Cơ sở tri thức: Tri thức về cách nhận diện mặt người được mã hóa thành các luật Các đặc trưng mô tả quan hệ các luật thông thường

Mặt người có những đặc điểm không thay đổi bất kể tư thế, góc chụp hay điều kiện ánh sáng.

Khuôn mặt người có những mẫu chuẩn như hai mắt, một miệng và một mũi Việc sử dụng các mẫu chuẩn này giúp nhận diện khuôn mặt trong mối tương quan với dữ liệu ảnh được đưa vào.

Diện mạo của trí tuệ nhân tạo trong nhận diện khuôn mặt dựa trên việc đối chiếu các mẫu đã được học từ cơ sở dữ liệu có sẵn Qua quá trình rèn luyện, AI sẽ xác định chính xác khuôn mặt của người cần nhận diện.

2.2.1 Cơ sở tri thức (knowledge-based)

Tri thức về cách nhận diện mặt người được mã hóa thành các luật - đây là cách tiếp cận từ trên xuống.

Chuyển đổi tri thức con người thành các luật hiệu quả là một thách thức lớn Việc xác định khuôn mặt trong ảnh hoặc video có thể gặp khó khăn khi các luật được thiết lập quá chặt chẽ, dẫn đến việc bỏ sót những khuôn mặt không phù hợp Hơn nữa, nếu các luật quá tổng quát, có thể xảy ra nhầm lẫn với các điểm hoặc vùng không phải khuôn mặt Khi mở rộng yêu cầu của bài toán, việc xác định khuôn mặt trở nên khó khăn hơn do các mức luật không đảm bảo tính chính xác.

Hệ thống bao gồm 3 mức luật :

- Mức đỉnh, tìm đối tượng có khả năng là khuân mặt sử đụng cửa cổ quét trên ảnh thông qua tập luật dựng sẵn.

- Mức kế tiếp, mô tả chung các góc điểm khuôn mặt bằng các dùng một tập luật

Cuối cùng, bài viết xem xét các đặc trưng khuôn mặt thông qua một tập luật khác Để tìm kiếm ứng viên, quy trình bắt đầu với việc xác định "vùng trung tâm khuôn mặt có bốn phần với mức độ đều cơ bản" và "phần xung quanh bên trên có mức độ đều cơ bản" Sự khác biệt giữa các giá trị xám trung bình của phần trung tâm và phần bao bên trên là đáng kể, sử dụng luật cao nhất Mức một tập trung vào việc nhận diện khuôn mặt hoặc các vùng có cấu trúc tương tự Mức hai loại bỏ các đối tượng không phù hợp sau khi phân tích biểu đồ histogram và tạo khung cho các đối tượng xác định Cuối cùng, phương pháp "làm rõ dần" và "từ thô đến mịn" được áp dụng để xác định các bộ phận trên khuôn mặt đã cắt ra, nhằm giảm thiểu số lượng tính toán và tăng hiệu quả xử lý.

2.2.2 Đặc trưng không thay đổi (feature invariant) Đi từ trong ra ngoài , giữa ra các vùng biên Có các đặc trưng không thay đổi của khuôn mặt người Dễ dàng có thể nhận ra,từ các lớp cơ trên khuân mặt người

Chuyên đề tốt nghiệp Kinh tế nghiên cứu sự thay đổi của khuôn mặt dựa vào cảm xúc và biểu hiện cảm xúc của con người Mặc dù khuôn mặt có thể biến đổi, vẫn tồn tại những đặc điểm không thay đổi như mắt, lông mày, miệng và mũi Việc xây dựng một mô hình thống kê dựa trên các đặc trưng này có thể xác nhận những điểm phân bố trên khuôn mặt Khi hiện tượng che khuất xảy ra, có thể xuất hiện những cạnh mới từ bóng của khuôn mặt, làm cho các cạnh này trở nên rõ hơn so với cạnh thật sự, gây khó khăn trong việc xác định các đặc trưng khuôn mặt.

Khuôn mặt con người có những cấu trúc đặc trưng như mắt, mũi, và miệng, giúp phân biệt chúng với các đối tượng khác như cây cối, xe cộ và nhà cửa Những đặc điểm này không chỉ tạo nên sự nhận diện mà còn góp phần vào khả năng giao tiếp và biểu đạt cảm xúc.

Khi nhận diện khuôn mặt bằng ảnh màu, dữ liệu ảnh không được quét toàn bộ mà sẽ quét trước trên màu da để xác định các vùng có cùng tông màu với da trên khuôn mặt Quá trình này cho phép cắt lớp và xác định đối tượng, cụ thể là khuôn mặt của con người.

Sử dụng công nghệ quét ảnh cắt lớp để xác định khuôn mặt của đối tượng, bao gồm các phần như tóc, tai, mắt, mũi và miệng, giúp nhận diện chính xác hơn.

2.2.3 Đối chiếu mẫu (template matching)

Khi có mẫu chính diện, hệ thống sẽ ưu tiên sử dụng mẫu này hoặc tham số xác định qua chức năng trong khớp mẫu Máy tính sẽ phân tích hình ảnh và tính toán các chỉ số tương đồng với các mô hình chuẩn cho các đường nét khuôn mặt, mắt, mũi và miệng Dựa vào các chỉ số này, nó có thể xác định sự tồn tại của khuôn mặt trong ảnh Phương pháp này dễ thiết lập nhưng kém hiệu quả khi có sự thay đổi tỷ lệ.

Phương pháp biểu diễn khuôn mặt dựa trên hình dạng và cường độ điểm ảnh, sử dụng bộ đường viền ảnh đã được đào tạo với các nét mẫu như đường viền mắt và mũi Các vectơ điểm hình dạng được mô tả bằng mô hình phân phối điểm (PDM - Point Distribution Model), giúp thể hiện chính xác vectơ hình dạng của khuôn mặt.

Sử dụng tiệm cận để mô tả cường độ xuất hiện của hình dạng tiêu chuẩn, mô hình phân bố điểm hình mặt giúp xác định khuôn mặt và ước tính các tham số vị trí, hình dạng Các mảnh vỡ của khuân mặt được biến dạng và trích xuất để phân loại Phương pháp này bắt đầu bằng việc xác định khu vực có tính năng quan tâm, sau đó sử dụng phân tích các yếu tố tác nhân để phù hợp với các đặc điểm huấn luyện nhằm tạo ra hàm mật độ Sau khi hoàn thành quá trình đào tạo, có thể xác định khuôn mặt của con người một cách chính xác.

Phương pháp này học các mẫu từ hình ảnh mẫu, sử dụng kỹ thuật thống kê và học máy để xác định các đặc điểm liên quan đến gương mặt và không phải gương mặt Các thuộc tính được học dưới dạng mô hình phân phối hoặc hàm số, giúp nhận diện khuôn mặt con người một cách chính xác.

Các phương pháp tiếp cận

Hình ảnh hoặc vectơ được xem như một biến ngẫu nhiên x, với các đặc tính liên quan đến mặt hoặc được tính toán thông qua các hàm phân bố Biến này được phân loại theo điều kiện p(x | khuôn mặt) và p(x | không phải khuôn mặt).

Phân loại Bayes được sử dụng để xác định xem một ứng cử viên có phải là khuôn mặt hay không Tuy nhiên, việc áp dụng trực tiếp phân loại Bayes gặp khó khăn do số chiều của x khá cao, dẫn đến việc p(x | khuôn mặt) và p(x | không phải khuôn mặt) trở nên phức tạp.

Chuyên đề tốt nghiệp về Kinh tế phương thức tập trung vào việc xây dựng các tham số hóa tự nhiên cho p(x | khuôn mặt) và p(x | không phải khuôn mặt) Tuy nhiên, hiện tại vẫn còn nhiều điều chưa được hiểu rõ Nghiên cứu trong lĩnh vực này đã chỉ ra rằng có nhiều cách tiếp cận khác nhau để xấp xỉ p(x), bao gồm cả phương pháp có tham số và không có tham số.

| khuôn mặt) và p(x | không phải khuôn mặt) Có các hướng:

- Hướng tiếp cận lý thuyết thông tin

- Các đặc trung Haar-like và phân loại với cascade

- Phân loại dựa trên mảnh hoặc cú pháp

Các phương pháp được phân loại theo bốn hướng tiếp cận, tuy nhiên, một số phương pháp lại không thuộc về một hướng cụ thể nào mà có thể liên quan đến nhiều hướng tiếp cận khác nhau.

Những khó khăn gặp phải trong bài toán nhận diện mặt người

Những khó khăn gặp phải trong bài toán nhận diện mặt người như sau:

- Hướng của khuôn mặt đối với máy ảnh, như: nhìn thẳng, nhìn nghiêng hay nhìn từ trên xuống

- Trên khuôn mặt có các nét mặt như: buồn, vui, …

- Khuôn mặt người có các kích thước khác nhau già trẻ lớn bé

- Màu sắc của quần áo hay àu sắc môi trường được chụp lấy ảnh

- Vùng da dính lẫn nhau trong nhiều khuân mặt.

XÂY DỰNG WEBSITE QUẢN LÝ ĐIỂM DANH SINH VIÊN .39

Phân tích và thiết kế hệ thống website quản lý

3.1.1 Khảo Sát Hệ Thống Thực Tế

 Quản lý hồ sơ sinh viên

Quản lý hồ sơ sinh viên tại trường đại học là một vấn đề quan trọng, vì việc quản lý không hiệu quả có thể gây khó khăn trong việc theo dõi sinh viên hiện tại và cựu sinh viên Một hệ thống quản lý hồ sơ tốt sẽ cung cấp thông tin đầy đủ và chính xác về sinh viên, từ đó hỗ trợ các hoạt động liên quan đến giáo dục và phát triển nghề nghiệp.

Khi cần tìm hiểu thông tin về một người, bạn có thể sử dụng hồ sơ quản lý để tra cứu các dữ liệu liên quan, chẳng hạn như tình trạng nghỉ học của sinh viên.

Lớp học là đơn vị cơ bản để quản lý sinh viên tại các trường đại học, với mỗi lớp thường bao gồm sinh viên theo các ngành học khác nhau Thông tin quan trọng của mỗi lớp học thường bao gồm tên lớp.

 Quản lý môn học và hệ số môn học

Lớp học là đơn vị học tập của sinh viên, và để một lớp học có thể học một môn nào đó, cần phải có thông tin về môn học đó trong danh sách các môn học của trường.

 Đặc tả use-case : đăng nhập

Tên sử dụng Đăng nhập vào hệ thống

Tác nhân Thành viên, admin

Mục đích Cho phép người sử dụng đăng nhập hệ thống để thực hiện chức năng quản lý.

Tóm lược Đăng nhập tên và mật khẩu để đăng nhập vào hệ thống Điều kiện đầu vào

Kết quả trả về Thông báo thành viên đăng nhập thành

Chuyên đề tốt nghiệp Kinh tế công hay không Luồng tương tác Thanh viên đăng nhập / admin đăng nhập

 Đặc tả use-case : đăng xuất

Tên ca sử dụng Đăng xuất

Mục đích Cho phép đăng xuất khỏi hệ thống- kết thúc phiên làm việc

Tóm lược Thực hiện chức năng đăng xuất và không còn chức năng gì Điều kiện đầu vào

Kết quả trả về Thông báo đã đăng xuất

Luồng tương tác Thành viên admin đăng xuất khỏi hệ thống

 Đặc tả use-case : admin

Tên ca sử dụng Quản lý của admin/adminstator

Mục đích Cho phép admin thực hiện các chức năng thêm bớt sửa xóa tài khoản người dùng, phân quyền chức năng cho người dùng

Tóm lược Thực hiện chức năng cấp và phân quyền truy cập Điều kiện đầu vào Đăng nhập bằng tài khoản admin

Kết quả trả về Vào trang quản lý adminstator

Luồng tương tác 1 Thêm tài khoản

 Đặc tả use-case : quản lý sinh viên

Tên ca sử dụng Quản lý sinh viên

Mục đích Cho phép quản lý, tìm kiếm thông tin

Chuyên đề tốt nghiệp Kinh tế sinh viên trong lớp

Tóm lược Thực hiện chức năng cập nhật thông tin sinh viên và chức năng quản lý điểm danh sinh viên Điều kiện đầu vào Sau khi đăng nhập

Kết quả trả về Tiến tới trang quản lý sinh viên

Luồng tương tác 1 Trang home

2 Quản lý thông tin sinh viên

3 Quản lý điểm danh sinh viên

3.1.3 Cơ sở dữ liệu (CSDL)

Cơ sở dữ liệu là một tập hợp thông tin được sắp xếp theo cách có tổ chức, giúp người dùng dễ dàng tra cứu và cập nhật dữ liệu liên quan đến một vấn đề cụ thể Đặc điểm chính của cơ sở dữ liệu bao gồm khả năng lưu trữ, quản lý và truy xuất thông tin một cách hiệu quả.

CSDL là phương pháp tổ chức và sắp xếp thông tin, trong đó các dữ liệu liên quan được lưu trữ trong các tập tin hoặc bảng Nói cách khác, CSDL là tập hợp các dữ liệu có mối quan hệ với nhau.

Nhu cầu tích lũy và xử lý dữ liệu ngày càng tăng trong mọi lĩnh vực hoạt động của con người, đặc biệt khi thông tin trở nên phong phú và phức tạp Để tổ chức và sắp xếp thông tin một cách khoa học, việc sử dụng cơ sở dữ liệu (CSDL) là điều cần thiết CSDL đóng vai trò cốt lõi trong nhiều phần mềm ứng dụng kinh doanh, giúp cung cấp truy cập tập trung vào thông tin một cách nhất quán và hiệu quả Sự phổ biến của CSDL trong thế giới kinh doanh cũng nhờ vào khả năng dễ dàng thiết lập và bảo trì hệ thống.

3.1.3.3 Các bước xây dựng CSDL

3.1.3.4 Hệ quản trị CSDL SQLite

SQLite là một thư viện phần mềm cung cấp một SQL Database Engine không cần máy chủ, giúp người dùng dễ dàng sử dụng mà không cần cấu hình phức tạp Đây là một cơ sở dữ liệu nhỏ gọn và khép kín, cho phép tích hợp dễ dàng vào các ứng dụng mà không yêu cầu thiết lập phức tạp như các hệ thống cơ sở dữ liệu truyền thống.

Xác định đợc các thực thể và mối quan hệ Đa ra mô hình quan hệ thực thÓ

ChuyÓn sang mô hình quan hệ

Mô hình vật lý của CSDL

Chơng trình,Ngôn Thao tác ngữ

SQLite không phải là một quy trình độc lập như các hệ quản trị cơ sở dữ liệu khác; bạn có thể tích hợp nó vào ứng dụng của mình một cách tĩnh hoặc động tùy theo nhu cầu SQLite truy cập trực tiếp vào các tệp lưu trữ, mang lại hiệu suất cao và tính linh hoạt cho các ứng dụng.

SQLite được tích hợp sẵn trong Pycharm (tên mặc định : db.sqlite3)

Bảng quản lý sinh viên

Tên sv Mã sv Khoa Lớp Số buổi muộn

Bảng quản lý điểm danh

Id Tên sv Mã sv Khoa Lớp Ngày Giờ vào Bình luận

Giao diện website

3.2.1 Giao diện thiết kế dự án với Pycharm

Khởi tạo đơn giản và dễ dàng

Hình 3 1 Khởi tạo một dự án với Pycharm

Khởi tạo chương trình trong PyCharm mang đến nhiều lựa chọn cho các framework quen thuộc với người dùng Giao diện được thiết kế với thanh công cụ và thanh lệnh nằm ở vị trí tương ứng trên và dưới, giúp người dùng dễ dàng thao tác.

Hình 3 2 Thanh công cụ và thanh lệnh trong PycharmChuyên đề tốt nghiệp Kinh tế

Khung cấu trúc dự án(góc trái) gồm:

- Module cài đặt dự án khởi tạo ban đầu ‘newproject’Setting.py : cài đặt link dẫn static, hệ cơ sở dữ liệu (SQLite3), các thư viện Django …

- Urls.py : dẫn các đường link từ app website để Django đọc và hiểu.

Trong dự án, module chương trình bao gồm một website quản lý với các thành phần chính như people (chứa file urls.py để dẫn link, view.py với hàm def khởi tạo và các lớp trong model.py) Cấu trúc trang web được xây dựng từ các template, trong đó các file HTML tạo khung cho website.

- Static chứa các file css,js,bootraps phúc vụ cho hiệu ứng giao diện website

Hình 3 3 Khung cấu trúc một dự án

Gồm khung đăng nhập yêu cầu người sử dụng điền tên đăng nhập được cấp sẵn hoặc tự tạo ứng với mật khẩu là trường nhập được ẩn đi.

Mỗi tên đăng nhập (username) chỉ ứng với một mật khẩu xác định.

Khi người dung quên mật khẩu có thể lựa chọn “forgot password” để xin cấp lại mật khẩu cho tài khoản của mình.

Hình 3 4 Giao diện đăng nhập

Sau khi đăng nhập hệ thống sẽ đưa người dùng đến giao diện trang chủ để thực hiện các chức năng quản lý.

Giao diện trang chủ được thiết kế với thanh cột dọc bên trái màn hình, bao gồm các thanh ứng dụng như Trang chủ, Hình ảnh trực tiếp từ camera, Quản lý điểm danh và Quản lý sinh viên.

Tại màn hình chính hiển thị thông tin lớp học với số sinh viên đã điểm danh, sinh viên vắng mặt , sinh viên đúng và muộn giờ.

Admin có thể sử dụng Django Admin để quản lý tài khoản người dùng, bao gồm cấp quyền truy cập, thêm, sửa và xóa các tài khoản đã đăng ký.

3.2.2.3 Giao diện quản lý điểm danh

Giao diện quản lý điểm danh hiển thị danh sách sinh viên đã điểm danh qua máy ảnh, bao gồm các thông tin như họ tên, mã số sinh viên (MSV), lớp chuyên ngành, khóa học, thời gian điểm danh và trạng thái (đúng giờ hoặc muộn).

Bạn có thể sử dụng thanh tìm kiếm để kiểm tra tình trạng điểm danh của sinh viên, bao gồm việc xem sinh viên đó có điểm danh hay không, thời gian điểm danh, cũng như thông tin chi tiết về sinh viên.

Hình 3 6 Giao diện quản lý điểm danh

Khi lựa chọn một sinh viên cụ thể, bạn có thể thực hiện các thao tác ẩn để chỉnh sửa thông tin của sinh viên đó Giao diện hiển thị khi tạo hoặc chỉnh sửa thông tin sẽ có dạng như sau:

Hình 3 7 Giao diện quan lý sinh viên

Trong khoảng thời gian học tập và rèn luyện tại Trường Đại học Kinh tế

Em xin gửi lời cảm ơn chân thành đến quý Thầy Cô và bạn bè đã luôn quan tâm, giúp đỡ em trong suốt thời gian qua Sự hỗ trợ và tình cảm của mọi người là nguồn động lực lớn lao, giúp em vượt qua những khó khăn.

Viện Công nghệ Thông tin và Kinh tế số thuộc Trường Đại học Kinh tế Quốc dân đã tận tâm truyền đạt những kiến thức quý báu cho sinh viên trong suốt quá trình học tập tại trường.

Em xin chân thành cảm ơn TS Nguyễn Trung Tuấn đã tận tâm hướng dẫn và chia sẻ kiến thức về trí tuệ nhân tạo, đặc biệt là nhận diện gương mặt Sự quan tâm và tạo điều kiện thuận lợi của thầy trong thời gian thực tập đã giúp em rất nhiều.

Em xin chân thành cảm ơn quý thầy cô trong khoa viện đã hỗ trợ em trong suốt quá trình học tập, rèn luyện và nghiên cứu đề tài này Sự giúp đỡ của thầy cô là nguồn động lực lớn lao, giúp em vượt qua những khó khăn trong hành trình học tập.

Sự chỉ đạo của Ban lãnh đạo Công ty Cổ phần VTI và sự hỗ trợ nhiệt tình từ các anh chị ở phòng D9, anh PM và bạn Trainer đã tạo điều kiện thuận lợi cho tôi trong suốt thời gian thực tập tại công ty.

Với kinh nghiệm còn hạn chế của một sinh viên thực tập, bài báo cáo này không tránh khỏi những thiếu sót Em rất mong nhận được sự chỉ bảo và góp ý từ các thầy cô để cải thiện và nâng cao kỹ năng của mình, phục vụ tốt hơn cho công việc thực tế trong tương lai.

Em xin chân thành cảm ơn!

Tiêu đề	Ứng Dụng Công Nghệ Nhận Diện Khuôn Mặt Vào Hệ Thống Điểm Danh Sinh Viên
Tác giả	Nguyễn Hữu Đạt
Người hướng dẫn	TS. Nguyễn Trung Tuấn
Trường học	Trường Đại Học Kinh Tế Quốc Dân
Chuyên ngành	Công Nghệ Thông Tin
Thể loại	báo cáo chuyên đề thực tập
Năm xuất bản	2019
Thành phố	Hà Nội

Định dạng
Số trang	52
Dung lượng	1,06 MB