Đang tải... (xem toàn văn)
Xây dựng chương trìnhTạo tập dữ liệu OpenCV : 2 cáchLấy dữ liệu khuôn mặt từ Webcam... Xây dựng chương trìnhTạo tập dữ liệu OpenCV : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵnLấy dữ liệu
Trang 1Đề tài : Chương trình nhận diện khuôn mặt bằng phương pháp Haar Cascades
Sinh viên thực hiện Mã Sinh viên
Dương Đình Quân 201404066
Hoàng Trung Hiếu 201403945
Trang 2Tổng quan
Xây dựng chương trình
Kết luận và hướng phát triển
3 phần
Trang 3Tổng quan
01
Trang 4Tổng quan
Hệ thống nhận dạng khuôn mặt là một ứng dụng máy tính tự động xác định hoặc nhận dạng một người nào đó từ một bức hình ảnh kỹ thuật số hoặc một khung hình video từ một nguồn video.
Một trong những cách để thực hiện điều này là so sánh các đặc điểm khuôn mặt chọn trước từ hình ảnh và một cơ sở dữ liệu về khuôn mặt.
Trang 5Tổng quan
Giáo dục : Điểm danh, Thi cử, ….
An ninh : Giám sát, Định danh, ….
Trang 6Xây dựng chương trình
02
Trang 7Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ Webcam
Trang 8Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵnLấy dữ liệu khuôn mặt từ Webcam
Trang 9Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn
Trang 10Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn
Trang 11Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn
Trang 12Xây dựng chương trình
Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn
Trang 13Xây dựng chương trình
Huấn luyện dữ liệu
Mô hình được huấn luyện dựa trên CNN
Mô hình CNN được thiết kế gồm hai phần chức năng - Trích chọn đắc trưng của ảnh khuôn mặt
- Phân lớp đối tượng dựa trên đặc trưng đã chọn
Trang 14Xây dựng chương trình
Mô hình được huấn luyện dựa trên CNN
Trang 15Xây dựng chương trình
Dữ liệu đầu vào
Các ảnh cần huấn luyện sẽ được lấy từ mục ảnh (dataset) và được resize về 100x100x1
Trang 16Xây dựng chương trình
Dữ liệu đầu vào
Sau đó tạo nhãn cho từng ảnh
Trang 17Xây dựng chương trình
02
Trang 18Xây dựng chương trình
Lớp MaxPooling
Các ảnh sau khi qua lớp MaxPooling sẽ giữ lại các đặc trưng chung
nhất của khuôn mặt.
Trang 19Xây dựng chương trình
Lớp kết nối đầy đủ (Fully Connected)
Sử dụng mạng nhiều lớp với hàm kích hoạt Softmax cho lớp nơron ngõ ra.
Trang 20Xây dựng chương trình
Mô hình được thiết kế
với Keras
Trang 21Xây dựng chương trình
Quá trình huấn
luyện
Trang 22Xây dựng chương trình
Độ chính xác và giá trị hàm lỗi sau khi huấn
luyện 10 epoch
Trang 23Xây dựng chương trình
Tạo tên theo ý
Hieu
Trang 24Xây dựng chương trình
Đưa bất kì một ảnh vào chương trình và xác định khuôn
mặt kèm với tên của khôn mặt
Trang 25Xây dựng chương trình
Đưa bất kì một ảnh vào chương trình và xác định khuôn
mặt kèm với tên của khôn mặt
Trang 26Kết luận và hướng phát triển
03
Trang 27Kết luận và hướng phát triển
KẾT LUẬN
- Mô hình này có 3 lớp nơron tích chập (Convolution) và hai lớp nơron liên kết đầy đủ (Fully Connected).
- Tổng số tham số là khoảng hơn 20 triệu.
- Mô hình có độ phức tạp ở mức vừa phải, phù hợp với các hệ thống xử lý ở mức trung bình.
- Tiềm năng khả thi trong ứng dụng thực tiễn.
Trang 28Kết luận và hướng phát triển
HƯỚNG PHÁT TRIỂN
- Hiện nay do điều kiện tính toán nên chỉ áp dụng số lần huấn luyện còn thấp, nếu được huấn luyện ở mức độ sâu hơn thì kỳ vọng sẽ đem lại kết quả cao hơn nữa.- Điểm dạnh sinh viên có mặt ở lớp học.
- Hệ thống giám sát nhân viện vào/ra cổng cơ quan
- Hệ thống theo dõi và định danh liên tục quá trình học tập của người học trực tuyến