Mô hình giám sát và kiểm soát vào ra Ứng dụng xử lý Ảnh

Hiện nay, hệ thống nhận dạng mặt người đã và đang được nghiên cứu ứng dụng rộng rãi trên thế giới.. Nhưng phương pháp này chỉ mới xuất hiện ở Việt Nam trong vài năm gần đây, và hầu như c

TỔNG QUAN

Tổng quan

Những năm gần đây Việt Nam cho thấy sự đô thị hóa đang diễn ra mạnh mẽ ở các thành phố lớn như: Hà Nội, Hồ Chí Minh, Đà Nẵng, Hải Phòng, Quảng Ninh … mang tới nhu cầu sử dụng không gian sống, các tiện ích,tại trung tâm thương mại, tòa nhà, chung cư…dẫn đến việc khó kiểm soát lượng người vào/ra tự do Khiến các nguy cơ mất an ninh và an toàn rất cao Để đáp ứng nhu cầu trên, các hệ thống kiểm soát an ninh đã được ra đời, cho phép kiểm soát được lượng người, phương tiện vào ra trong khu vực được kiểm soát Các hệ thống kiểm soát ra vào rất đa dạng về phương thức hoạt động và giá thành, vì thế có thể phù hợp với nhiều yêu cầu bảo mật và an ninh khác nhau

Access control là hệ thống kiểm soát cửa ra vào, lối đi hay bãi đỗ xe thông qua xác thực vân tay, thẻ từ, khuôn mặt hay mật khẩu trên thiết bị nhận dạng nhằm đảm bảo tính an ninh, chính xác và linh hoạt

Hệ thống kiểm soát ra vào access control là một phần không thể thiếu trong hệ thống an ninh điện tử hiện đại Acess control giúp tăng cường tính bảo mật và đơn giản hóa quá trình quản lý

Hệ thống Hoạt động dựa trên công nghệ nhận dạng (thẻ hoặc vân tay hay khuôn mặt) và kiểm tra mật khẩu, ID (đã được cài đặt) của tất cả những cá nhân, những người ra vào qua hệ thống kiểm soát:

Mỗi thành viên sẽ được cấp 1 số ID cụ thể bằng thẻ hoặc bằng chính dấu vân tay của mình làm số ID Hệ thống kiểm soát vào ra sẽ quản lý và phân quyền dựa trên số

Tất cả những lần vào ra của mỗi thành viên sẽ được lưu lại đầu đọc kiểm soát (Số

ID của cá nhân, ngày giờ vào/ra, cổng, cửa vào/ra, tình trạng vào/ra) Để phát hiện, nhận diện và cảnh báo, đảm bảo tính chính xác thì hệ thống cần phải có tốc độ xử lý nhanh, hoạt động như một hệ thống thời gian thực.Một sản phẩm tốt thì không bao giờ có những sai xót, nếu hệ thống phát hiện có chuyển động và nhận dạng mà hệ thống cảnh báo vẫn không hoạt động thì đó là việc không thể chấp nhận được.Vì vậy tốc độ nhanh và tính chính xác là 2 yếu tố quan trọng nhất trong việc xây dựng và thưc hiện hệ thống.

Các kết quả nghiên cứu trong và ngoài nước đã công bố

1.2.1 Các kết quả nghiên cứu trong nước : a “Nhận dạng mặt người trên Matlab” của Võ Hồng Hoan

Trong đề tài tác giả đã sữ dụng thuật toán PCA để nhận dạng khuôn mặt, từ đó xây dựng chương trình tìm kiếm một bức ảnh có khuôn mặt một người trong tập ảnh cơ sở giống với khuôn mặt của người trong bức ảnh cần kiểm tra bằng ngôn ngữ Matlab b “Nhận dạng mặt người dùng SVM và mạng nơron” của Nguyễn Thành

Thái Ở đề tài này, tác giả tập trung nghiên cứu hai phân lớp ảnh SVM và mạng nơron để áp dụng cho bài toán nhận dạng mặt người Từ đó, đưa ra một ứng dụng thực tế là xác định một đối tượng có phải là học sinh của trường THPT Nguyễn Hữu Cầu hay không, để minh họa cho tính khả thi của hai phương pháp nêu trên c “Thuật toán phát hiện chuyển động” của Đào Ngọc Anh Đề tài đã tìm hiểu các phương pháp mô hình hỗn hợp nền thích nghi, mô hình không tham số thích nghi, mô hình sử dụng từ điển (code- book) thích nghi thời gian thực.Giả lập chuyển động để tạo ra ảnh lối vào khi nghiên cứu các đặc tính cần đánh giá.Làm chủ được thuật toán phát hiện chuyển động trên cơ sở sử dụng các phương pháp khác nhau để mô hình hóa nền d “Nhận dạng khuôn mặt” của Mai Hữu Lợi

Tác giả thực hiện mô phỏng hệ thống nhận dạng khuôn mặt sử dụng thuật toán PCA (Principal Component Analysis) để rút trích đặc trưng áp dụng cho quá trình nhận dạng khuôn mặt, từ đó xây dựng 2 chương trình: chương trình nhận dạng gương mặt từ bộ dữ liệu ảnh tĩnh lấy từ ORL và chương trình nhận dạng trực tiếp từ wedcam

1.2.2 Các kết quả nghiên cứu ngoài nước Ở các nước khác trên thế giới, các nghiên cứu đã tiếp cận đề tài theo nhiều hướng khác nhau, trong đó có những công trình nghiên cứu sau: a Công trình nghiên cứu của Viola và Jones [5]:

Nghiên cứu này mô tả phương pháp nhận dạng vật thể, xử lý ảnh tốc độ rất nhanh và có độ chính xác rất cao Viola và Jones đã đề xuất 3 điểm nổi bật:

+ Thứ nhất là khái niệm “Itergral image” cho phép tính toán các đặc điểm nhận dạng rất nhanh

+ Thứ hai là thuật toán AdaBoost cho phép lựa chọn những đặc điểm quan trọng và phân tầng phân loại hoạt động hiệu quả

+ Thứ ba là phương pháp kết hợp những bộ phân loại thành những tầng cho phép những vùng phông nền không chứa vật thể bị loại nhanh ngay từ những tầng đầu và dành nhiều thời gian hơn cho việc tính toán những vùng có vật thể

Cách tiếp cận mới này đã cho phép giảm thời gian tính toán trong khi vẫn đàm bảo được tỉ lệ nhận dạng cao khoảng gần 94%, tốc độ tăng khoàng

15 lần so với những nghiên cứu trước Do những đặc điểm nổi trội trên nên mô hình có thể được áp dụng cho những ứng dụng thời gian thực b “Contours finding and Background removal” của Ivano Zanchetta

Nghiên cứu đã đề cập đến kỹ thuật trừ nền và phát hiện đường biên để đánh dấu vật chuyển động trong nền cho trước Nghiên cứu đã thấy ưu thế về tốc độ xử lý của kỹ thuật trừ nền để phát hiện chuyển động và có khả năng ứng dụng thời gian thực rất tốt c ‘ Face detection and recognition using hidden Markov models’ của

Các tác giả sử dụng mô hình Makov ẩn (HMM) trong việc nhận dạng và phát hiện gương mặt Các vector quan sát được sử dụng để mô tả các trạng thái của HMM thu được bằng cách sử dụng hệ số của biến đổi Karhunen-Loeve (KLT) Phương pháp nhận dạng khuôn mặt được trình bày trong đề tài làm giảm đáng kể độ phức tạp trong tính toán của hệ thống nhận dạng khuôn mặt, đồng thời tăng tốc độ nhận dạng khuôn mặt.Bài viết giới thiệu một cách tiếp cận mới trong việc phát hiện khuôn mặt dựa trên HMM.

Nhiệm vụ của đề tài

1.3.1 Yêu cầu của đề tài

Mục tiêu của đề tài là thiết kế một mô hình giám sát và kiểm soát vào ra một cách tự động bằng công nghệ nhận dạng mặt người Yêu cầu của hệ thống là phải hoạt động ổn định, phát hiện nhận dạng nhanh, hoạt động trong nhiều môi trường khác nhau như : đủ sáng, thiếu sáng, chói sáng,….Khối xử lý trung tâm phải phát hiện được gương mặt một hoặc nhiều người ở các góc độ khác nhau như : nhìn chính diện, nhìn nghiên, nhìn từ bên trái, nhìn từ bên phải, đồng thời phải phát hiện được gương mặt có đeo kính, đeo khẩu trang, hay tóc phủ nhiều

1.3.2 Nội dung cần thực hiện Đề tài nghiên cứu và phát triển mô hình phát hiện và nhận dạng khuôn mặt người dựa trên thư viện thị giác máy tính mã nguồn mở OpenCVdo Intel phát triển Hệ thống được xây dựng dựa trên camera AI để nhận dạng mặt người và gửi danh sách điểm danh về địa chỉ email của người dùng, Đề tài tập trung nghiên cứu các vấn đề cơ bản sau :

1 Tìm hiểu thuật toán nhận dạng mặt người dùng thuật toán PCA

2 Tìm hiểu kỹ thuật rút trích đặc trưng Harr-like theo mô hình phân tầng cascade

3 Tìm hiểu bộ điều khiển vào ra ứng dụng công nghệ nhận dạng mặt người

4 Xây dựng hệ thống kiểm soát vào ra ứng dụng công nghệ nhận dạng mặt người

CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH

CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH

2.1 Phương pháp xử lý ảnh

Xử lý ảnh là quá trình chuyển đổi một hình ảnh sang dạng kỹ thuật số và thực hiện các thao tác nhất định để nhận được một số thông tin hữu ích từ hình ảnh đó Hệ thống xử lý hình ảnh thường coi tất cả các hình ảnh là tín hiệu 2D khi áp dụng một số phương pháp xử lý tín hiệu đã xác định trước Các loại xử lý hình ảnh chính:

- Nhận diện – Phân biệt hoặc phát hiện các đối tượng trong hình ảnh

- Làm sắc nét và phục hồi – Tạo hình ảnh nâng cao từ hình ảnh gốc

- Nhận dạng mẫu – Đo các mẫu khác nhau xung quanh các đối tượng trong hình ảnh

- Truy xuất – Duyệt và tìm kiếm hình ảnh từ một cơ sở dữ liệu lớn gồm các hình ảnh kỹ thuật số tương tự như hình ảnh gốc

Nhận dạng và Xử lý ảnh bao gồm 2 giai đoạn chính:

- Giai đoạn biến đổi ảnh (Image Transformation) hay làm đẹp ảnh (Image Enhancement): trong giai đoạn này, ảnh của đối tượng trong tự nhiên được thu lại thành ảnh số (số hóa để lưu trữ và xử lý trong máy tính) Sau đó ảnh được biến đổi để nâng cao chất lượng ảnh nhằm thu được nhiều thông tin hơn, có thể quan sát bằng mắt

- Giai đoạn nhận dạng mẫu (Patten Recognition): hệ thống sẽ xử lý để đưa ra các đặc trưng của ảnh hay các đối tượng trong ảnh Sau đó hệ thống sẽ đánh giá nội dung ảnh hoặc nhận biết các mẫu trong ảnh

2.1.2 Phần tử ảnh Ảnh trong tự nhiên là những tín hiệu liên tục về không gian và giá trị độ sáng Để có thể lưu trữ và biểu diễn ảnh bằng máy tính, con người phải tiến hành biến đổi các tín hiệu liên tục đó thành một số hữu hạn các tín hiệu rời rạc thông quá quá trình lượng tử hóa và lấy mẫu thành phần giá trị độ sáng

Một phần tử ảnh (Picture Element) là một giá trị biểu diễn cho mức xám hay cường độ ảnh tại một vị trí sau khi đã biến đổi ảnh thành một số hữu hạn các tín hiệu rời rạc Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định.Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật.Mỗi phần tử trong ma trận được gọi là một phần tử ảnh

Là kết quả của sự biến đổi tương ứng giá trị độ sáng của một điểm ảnh với một giá trị số nguyên dương Tùy thuộc vào số giá trị biểu diễn mức xám mà mỗi điểm ảnh sẽ được biểu diễn trên 1, 4, 8, 24 hay 32 bit Số lượng bit biểu diễn mức xám càng lớn thì chất lượng ảnh càng cao nhưng sẽ tốn dung lượng bộ nhớ nhiều hơn để lưu trữ và cần một hệ thống mạnh hơn để xử lý

2.1.4 Các phương pháp nhận dạng đối tượng Ảnh là một tập hợp hữu hạn các điểm ảnh kề nhau Ảnh thường được biểu diễn bằng một ma trận hai chiều, mỗi phần tử của ma trận tương ứng với một điểm ảnh Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe [5], một trong những người đi đầu trong lĩnh vực này đã định nghĩa:

“Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó” Ví dụ mẫu có thể là ảnh của khuôn mặt, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:

Hoặc phân loại có mẫu [3] (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định

Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với các giai đoạn chủ yếu sau đây:

• Thu nhận dữ liệu và tiền xử lý

• Nhận dạng, ra quyết định

Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:

• Đối sánh mẫu dựa trên các đặc trưng được trích chọn

• Phân loại dựa trên mạng nơ-ron nhân tạo

Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp

Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu

Nhằm giảm thiểu không gian lưu trữ Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin.Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh:

• Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF

• Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau Ví dụ cho kỹ thuật này là mã nén *.PCX

THIẾT KẾ VÀ THỰC HIỆN MÔ HÌNH HỆ THỐNG

THIẾT KẾ VÀ THỰC HIỆN

- Tính bảo mật cao, hoạt động liên tục ổn định

- Có khả năng tương thích với hạ tầng công nghệ thông tin đang được áp dụng trong tòa nhà

- Có khả năng tương thích với hệ thống kiểm soát ra vào hiện có, các máy chủ và phần mềm quản lý hiện có nhằm đảm bảo tận dụng tối đa hạ tầng có sẵn và giảm thiểu công tác quản lý cấp phát thẻ

- Thiết bị được đặt tại các vị trí đảm bảo người làm việc tại các khu vực khác nhau thuận tiện và không cần phải tập trung tại một địa điểm nhằm đảm bảo không ùn tắc tại các giờ cao điểm

- Có khả năng quản lý số người sử dụng theo yêu cầu và đảm bảo khả năng mở rộng nâng cấp

- Đảm bảo tính chuyên nghiệp, phù hợp với thiết kế tổng thể của các khu vực lắp đặt của tòa nhà

- Đảm bảo kết nối với các hệ thống an toàn của toà nhà như: Hệ thống báo cháy, báo động và phải có chức năng an toàn khi có sự cố Nhằm đảm bảo tính an toàn cao nhất cho tất cả mọi người trong toà nhà khi có sự cố xẩy ra (Hệ thống phải mở hoàn toàn khi có báo động, báo cháy hoặc khi được kích hoạt từ vị trí người quản lý toà nhà)

- Khẳng định được quy mô, thương hiệu và sự dẫn đầu của một tập đoàn công nghệ lớn cho bất kỳ ai ra vào tòa nhà

1.2 Sơ đồ khối của hệ thống

Yêu cầu của đề tài là xây dựng một hệ thống chạy trên thời gian thực, hoạt động 24/24, do đó đòi hỏi chương trình xử lý phải linh hoạt Tốc độ xử lý hình ảnh phải nhanh, chính xác, phát hiện được khuôn mặt trong nhiều điều kiện môi trường khác nhau Có thể phát hiện nhiều khuôn mặt ở mọi góc độ khác nhau và trong cùng một thời điểm

Hình 3 1 Sơ đồ khối của hệ thống

Hình 3 2 Thiết bị Access control

Thiết bị Access control có khả năng nhận dạng, phát hiện khuôn mặt Sau đó tự so sánh, đối chiếu với các khuôn mặt đã có sẵn trong cơ sở dữ liệu Quá trình nhận diện khuôn mặt diễn ra hoàn toàn tự động mà không có sự can thiệp của con người

- Khi có tín hiệu khuôn mặt, mật mã gửi về đầu đọc trung tâm thì đầu đọc trung tâm sẽ phân tích tín hiệu đó

- Sau khi phân tích xong đầu đọc trung tâm sẽ truyền lệnh đến khóa cửa

- Khóa cửa khi nhận được lệnh sẽ mở cửa hoặc đóng cửa có điều kiện

- Hệ thống sẽ quyết định đưa ra kết quả có trùng khớp hay không rồi gửi kết quả cho người dùng Ưu điểm nổi bật của hệ thống Access control nhận diện khuôn mặt:

- Khả năng nhận diện khuôn mặt nhanh chóng, chính xác 99%: Hệ thống được tích hợp sử dụng thuật toán GLVQ để so sánh đa diện Kết hợp với phương pháp phân tích dữ liệu trên nét mặt, đặc biệt là vùng mắt Sau đó sử dụng công nghệ mạng Neuron giải thuật được đặc điểm khuôn mặt chính xác trong thời gian nhận diện ngắn

- So sánh mặt chính xác: Khi trích xuất được các dữ liệu đặc điểm cần thiết, hệ thống sẽ khoanh vùng những khuôn mặt có đặc điểm tương đồng Tiến hành định dạng và xác thực lại dựa trên những đặc điểm trên khuôn mặt Hơn nữa, camera AI được tích hợp linh hoạt trên nhiều hệ thống camera giám sát trên thị trường và định dạng video, đồ họa mang lại hiệu quả cao

- Hệ thống camera nhận diện khuôn mặt cảnh bảo xâm nhập trái phép nhanh, chuẩn xác: Nếu một đối tượng vượt qua ranh giới an toàn mà hệ thống đã cài đặt trước đó Thiết bị sẽ gửi cảnh báo và kích hoạt chế độ báo động về điện thoại, phần mềm để cho phép nhận diện khuôn mặt Bất kỳ hành động vô ý và cố ý nào trong khu vực đã quy định trên trong khoảng thời gian nhất định Đều sẽ bị phát hiện và báo động cho người dùng ngay lập tức

- Mọi hành động thay đổi góc quay đều được cảnh báo: Hệ thống tự động phát hiện góc quay bị thay đổi, sẽ thông báo cho người dùng và kích hoạt chuông cảnh báo trộm

- Cảnh báo kịp thời khi có vật thể bị lấy đi, bỏ lại: Tính năng này được dùng phổ biến trong showroom, bảo tàng, các sự kiện triển lãm, Khi hoạt động giám sát một đối tượng, khu vực nào đó mà phát hiện thấy bất thường như: Đối tượng biến mất khỏi phạm vi giám sát hoặc có thêm vật thể lạ nào, hệ thống sẽ tự động chụp hình và báo động

- Nhận diện hồ sơ qua biển số: Khi quan sát, quay được biển số, hệ thống camera sẽ trích xuất thông tin cá nhân của chủ sở hữu biển số xe đó ra màn hình Giúp người quản lý dễ dàng nhận diện được khuôn mặt chủ sở hữu biển số xe phòng các đối tượng trộm cắp Ứng dụng của hệ thống Access control nhận diện khuôn mặt hiện nay:

- Nhờ những tính năng nổi bật và nguyên lý hoạt động của hệ thống camera nhận diện khuôn mặt được sử dụng trong những khu vực kiểm soát xuất nhập cảnh như: Cửa khẩu, đồn biên phòng, sân bay, ứng dụng kiểm soát đối tượng khách cho khu vực lễ tân khách sạn, bệnh viện,

- Ứng dụng tại khu vực văn phòng, kiểm soát ra vào tòa nhà để nhận diện khách và dân cư của tòa nhà

- Ứng dụng tại những điểm phòng giao dịch, ATM, cơ quan công sở và chính phủ, Đề tài sử dụng Camera AI làm bộ xử lý trung tâm, giúp nhận dạng sinh viên và điểm danh sinh viên đã vào lớp hay chưa Danh sách sinh viên đi học được gửi đến email của người dùng

- Màn hình LCD 4.3″, độ phân giải 480 × 272

- Hỗ trợ mở khóa bằng khuôn mặt, thẻ IC, mật khẩu và mở khóa theo lịch trình

- Với khung nhận diện khuôn mặt, tự động nhận diện khuôn mặt lớn nhất trong khung hình, có thể tùy chính kích thước khuôn mặt tối đa

- Ống kính góc rộng có độ phân giải 2MP, với đèn trắng tự động hoặc thủ công

- Độ chính xác lên đến 99.5%, tốc độ nhận diện 0.3s

- Hỗ trợ 1500 người dùng, 1500 khuôn mặt, 1500 thẻ, 1500 mật khẩu và 150000 sư kiện

- Hỗ trợ tính năng phát hiện sự sống

- Hỗ trợ phân chia người dùng thường, người dùng tuần tra, người dùng VIP

- Hỗ trợ 4 chế độ hiển thị mở khóa

- Kích thước 116 mm × 107 mm × 22 mm

Mật khẩu admin và email phải được cài đặt ở lần đầu tiên bộ Access control được sử dụng, nếu không đặt mật khẩu bộ Access control sẽ bị vô hiệu

Mật khẩu admin có thể được reset thông qua email được liên kết

Mật khẩu phải chứa từ 8 đến 32 ký tự, không có ký tự trắng và phải chứa ít nhất 2 loại chữ hoa, thường, số, hoặc ký tự đặc biệt

Nhập User ID, họ và tên, dấu vân tay, khuôn mặt, mật khẩu, và chọn cấp độ

Bước 1: Tại màn hình chờ, nhấn và giữ 3 giây để vào chế độ đăng nhập Admin Bước 2: Chọn Admin để đăng nhập vào Menu chính với tài khoản Admin

Bước 3: Chọn User  New User

Bước 3: cấu hình các thông số trên màn hình

Bộ điều khiển vào ra có thể được cấu hình và hoạt động thông qua giao diện web

Từ giao diện web có thể cài đặt các thông số như: mạng, video, điều khiển vào ra, và có thể update hệ thống

Bước 1: Mở trình duyệt web IE, nhập địa chỉ 192.168.1.108 (mặc định) Đảm bảo máy tính cấu hình và Access control cùng lớp mạng

Bước 2: Nhập username và password

Bước 1: Đặt khuôn mặt vào vùng chỉ định

Bước 2: Giữ im cơ thể cho đến khi được chụp, tránh 2 khuôn mặt xuất hiện trong vùng chụp

Good Too Close Too Far

KẾT QUẢ THỰC HIỆN

Khung mô hình được làm bằng nhôm định hình 3x3 và 4x6 chắc chắn Hai tấm lưới 800x600mm, lỗ vuông 8mm, cách lỗ 4mm giúp sinh viên gắn thiết bị khi thực hành một cách dễ dàng bằng các sử dụng tắc kê bướm

Hình 4 3 Mô hình hoàn chỉnh

Cấu trúc mô hình gồm:

• Một hệ thống camera quan sát tương tự gồm một đầu thu và 2 camera Trong đó có một camera bán cầu trong nhà và một camera thân cầu ngoài trời Giúp sinh viên làm quen với 2 loại camera trong nhà và ngoài trời Từ đó sinh viên có thể thi công, cấu hình, lắp đặt, bảo trì và sữa chữa hệ thống camera tương tự

• Một hệ thống camera IP gồm một đầu thu IP và 2 camera IP được cấp nguồi qua PoE Giúp sinh viên làm quen với mô hình camera IP được cấp nguồn qua dây mạng, sinh viên có thể thi công một hệ thống camera IP hoàn chỉnh

• Một hệ thống Access control ứng dụng công nghệ nhận dạng mặt người Giúp cho sinh viên hiểu rõ nguyên lý hoạt động của bộ Access control và có thể thi công, lắp đặt, bảo trì bảo dưỡng các hệ thống kiểm soát vào ra khi ra trường

Chương trình được ứng dụng chạy thử nghiệm trong nhiều điều kiện ánh sáng khác nhau, từ môi trường có ánh sáng yếu cho đến môi trường đủ sáng ở các khoảng cách khác nhau, khi phát hiện khuôn mặt người sẽ đóng khung hình vuông trên khuôn mặt được phát hiện, và đạt được các kết quả nhận điện 0,2s/khuôn mặt.

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

- Trên cơ sở nghiên cứu về bài toán phát hiện mặt người trong thời gian thực Đặc biệt là thuật toán PCA, các đặc trưng haar-like và mô hình Cascade of Classifier kết hợp với bộ điều kiển vào ra ứng dụng xử lý ảnh Tôi đã áp dụng thành công mô hình Cascade of Classifier vào bài toán phát hiện mặt người trong thời gian thực Xây dựng thành công hệ thống điều khiển vào ra ứng dụng công nghệ nhận dạng mặt người Đặc biệt chương trình xử lý ảnh cho kết quả phát hiện nhanh, chính xác nhưng vẫn đáp ứng được ứng dụng phát hiện và cảnh báo theo thời gian thực theo yêu cầu của đề tài

- Đây là bước đầu để phát triển bài toán nhận dạng mặt người (face recognition) sau này Bên cạnh đó, trong quá trình xây dựng chương trình ,tôi đã tìm hiểu về thư viện mã nguồn mở OpenCV, qua đó biết cách sử dụng các hàm trong thư viện OpenCV để xây dựng chương trình phát hiện mặt người trên kit nhúng sau này

- Về chương trình demo, sau khi thử nghiệm với camera AI trong các điều kiện môi trường khác nhau thì chương trình đạt kết quả tốt, thời gian phát hiện nhanh đối với các mặt người nhìn chính diện, tuy nhiên đối với các mặt nghiên hay môi trường quá tối thì chương trình gần như không thể phát hiện được khuôn mặt Hiệu xuất của chương trình còn tùy theo chất lượng của loại camera được sử dụng, chương trình sẽ không thể phát hiện mặt người trong điều kiện độ sáng quá yếu

- Về cơ bản đã hoàn thành các yêu cầu mà ban đầu đề tài đề ra, đây là tiền đề để phát triển bài toán nhận dạng mặt người, từ đó áp dụng vào thực tế như hệ thống giám sát, kiểm tra an ninh, điểm danh học sinh tự động, kiểm tra một người có phải là cán bộ, giảng viên, công nhân viên của trường hay không…

- Kết nối với hệ thống Camera IP để có thể xây dựng 1 trung tâm giám sát an ninh cho công ty, chung cư…

- Tăng khả năng phát hiện của camera bằng cách sử dụng camera hồng ngoại hoặc sử dụng loại camera có độ phân giải cao

- Kết hợp với bài toán nhận dạng mặt người để phát hiện chính xác hơn.