Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)

Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)Phát Hiện Khuôn Mặt Cho Xác Định Số Lượng Sinh Viên Trong Lớp Học (LV thạc sĩ)

HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG - TRẦN THỊ VÂN ANH PHÁT HIỆN KHUÔN MẶT CHO XÁC ĐỊNH SỐ LƢỢNG SINH VIÊN TRONG LỚP HỌC LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) TP.HỒ CHÍ MINH - 2017 HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG - TRẦN THỊ VÂN ANH PHÁT HIỆN KHUÔN MẶT CHO XÁC ĐỊNH SỐ LƢỢNG SINH VIÊN TRONG LỚP HỌC CHUYÊN NGÀNH : HỆ THỐNG THÔNG TIN MÃ SỐ: 60.48.01.04 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS LÊ HOÀNG THÁI TP HỒ CHÍ MINH - 2017 i LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố cơng trình TPHCM, Ngày 26 tháng năm 2017 Học viên thực luận văn Trần Thị Vân Anh ii LỜI CẢM ƠN Lời em xin gửi lời cảm ơn đến toàn thể thầy, cô giảng viên Học viện Công nghệ Bƣu Viễn thơng tận tình bảo em suốt thời gian học tập nhà trƣờng Em xin gửi lời cảm ơn sâu sắc đến thầy PGS.Lê Hoàng Thái thầy tận tình hƣớng dẫn, tạo điều kiện thuận lợi bảo em suốt thời gian làm luận văn tốt nghiệp Bên cạnh đó, để hoàn thành luận văn tốt nghiệp, em nhận đƣợc giúp đỡ tận tình với lời động viên quý báu bạn bè gia đình đồng nghiệp Em xin chân thành cảm ơn Tuy vậy, thời gian có hạn, cố gắng nhƣng luận văn không tránh khỏi thiếu sót Em mong nhận đƣợc thơng cảm bảo tận tình q thầy cô bạn Trân trọng cảm ơn TPHCM, Ngày 26 tháng năm 2017 Học viên thực luận văn Trần Thị Vân Anh iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG vi DANH SÁCH HÌNH VẼ vii CHƢƠNG - TỔNG QUAN 1.1 Giới thiệu .4 1.1.1 Đặc trƣng mặt ngƣời 1.1.2 Thách thức toán nhận dạng mặt ngƣời 1.1.3 Các giai đoạn nhận dạng mặt ngƣời 1.2 Độ đo đánh giá hiệu 1.3 Kết thúc chƣơng 10 CHƢƠNG - CÁC CƠNG TRÌNH NGHIÊN CỨU LIÊN QUAN 11 2.1 Giới thiệu hƣớng tiếp cận chung 11 2.2 Phƣơng pháp tiếp cận 15 2.3 Kết luận chƣơng .25 CHƢƠNG - PHƢƠNG PHÁP ĐỀ XUẤT 26 3.1 Ý tƣởng 26 3.2 Thuật toán 27 3.2.1 Gabor cong 27 3.2.2 Phƣơng pháp (2D)2LDA: 30 iv 3.2.3 3.3 Các bƣớc thực thuật toán 32 Áp dụng chƣơng trình thực nghiệm điểm danh mặt ngƣời 33 3.3.1 Nhu cầu sử dụng phần mềm 33 3.3.2 Phần mềm đề xuất 34 3.3.3 Thiết kế sở liệu 34 3.3.4 Thiết kế giao diện 35 3.3.5 Chức phần mềm .36 3.4 Quy trình xử lý 44 3.4.1 Quy trình điểm danh đƣợc thực nhƣ sau .44 3.4.2 Mơ hình xử lý nhận dạng khuôn mặt 45 3.5 Kết luận chƣơng .46 CHƢƠNG - KẾT QUẢ THỰC NGHIỆM VÀ HƢỚNG PHÁT TRIỂN 47 4.1 Cơ sở liệu thực nghiệm 47 4.2 Kết độ xác 49 4.3 Kết thực nghiệm: 51 KẾT LUẬN VÀ KIẾN NGHỊ 52 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 53 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng anh Tiếng việt Thêm cá nhân (Không gian ES Extra - personal khác biệt ảnh đối tƣợng) FAR false accept ratio Tỷ lệ chấp nhận sai FRR false reject radio Tỷ lệ từ chối sai HOG Histogram of Orientend Gradients Biểu đồ mật độ hƣớng Trong nội (Không gian IS Intra - personal khác biệt ảnh đối tƣợng) k-NN k Nearest Neighbors K láng giềng gần LBP Local Binary Pattern Mẫu nhị phân cục LDA Linear Discriminant Analysis Phân tích tách lớp tuyến tính LPQ Local Phase Quantization Lƣợng tử hóa cục ORL Olivetti Research Laboratory Phịng nghiên cứu Olivetti PCA Principal Components Analysis Phân tích thành phần SVM Support Vector Machine Máy vectơ hỗ trợ vi DANH SÁCH BẢNG Bảng 4.1: So sánh năm phƣơng pháp sở liệu ORL [10] 49 Bảng 4.2: So sánh phƣơng pháp tiếp cận khác độ xác cơng nhận sở liệu ORL [10] 49 Bảng 4.3: So sánh năm phƣơng pháp sở liệu YALE [10] 50 Bảng 4.4: So sánh phƣơng pháp tiếp cận khác độ xác cơng nhận sở liệu YALE [10] 50 Bảng 4.5: Kết độ xác phần mềm thực tế áp dụng lớp học 51 vii DANH SÁCH HÌNH VẼ Hình 1.1 : Các đặc trƣng mặt ngƣời .6 Hình 1.2: Hình ảnh khn mặt bị nhiễu [4] Hình 1.3: So sánh tác vụ định danh xác thực khuôn mặt .8 Hình 1.4 : Hệ thống nhận dạng Hình 2.1: Ảnh đầu vào, kết phát cân chỉnh ảnh mặt với HOG [14] .13 Hình 2.2: Các bƣớc lọc Retinal filter [14] 14 Hình 2.3: Kết việc tiền xử lý với lọc Retina filter [14] 14 Hình 2.4: Một số ảnh thu đƣợc từ phƣơng pháp LPQ [14] .14 Hình 2.5: Minh họa phân lớp kNN [14] .15 Hình 2.6: Ví dụ Gabor wavelet miền khơng gian miền tần số [9] 15 Hình 2.7: Tập hợp 40 Gabor wavelet a - cƣờng độ cận b - phận thực cƣờng độ cận hƣớng [9] 16 Hình 2.8: Gabor wavelet biểu diễn hình ảnh mặt ngƣời a - biểu diễn độ lớn b - biểu diễn phần thực [9] 17 Hình 2.9: Hình ảnh khn mặt đƣợc biểu diễn đồ thị a - mơ hình đồ thị b biểu đồ biến dạng mô tả khuôn mặt ngƣời [9] 18 Hình 2.10: a - biểu đồ gƣơng mặt với vị trí khác b - ví dụ mơ hình bó lại [9] 18 Hình 2.11: Nhóm chuyển đổi/ thuật tốn biến dạng [9] 19 Hình 2.12: 17 đặc trƣng khuôn mặt kết phép biến đổi tự động [9] 19 Hình 2.13: Các vị trí ảnh đƣợc lựa chọn [1] 20 Hình 2.14 : Một số cấu trúc khuôn mặt ngƣời [6] .21 viii Hình 2.15: So sánh phƣơng pháp 2D-LDA 2D-PCA sở liệu ORL [6] 21 Hình 2.16: Sắp xếp hình ảnh theo hƣớng dọc ngang [10] 22 Hình 2.17: Phƣơng pháp đề xuất trích chọn tính hình gốc [10] 22 Hình 2.18: Ảnh gốc sở liệu [4] 23 Hình 2.19: Ảnh sau biến đổi theo PCA [4] 23 Hình 2.20: Ảnh sau biến đổi theo LDA [4] 24 Hình 2.21: Ảnh mặt ngƣời sau biến đổi hình thái [4] 24 Hình 3.1 :Hệ thống nhận dạng mặt ngƣời 26 Hình 3.2: Ví dụ Gabor cong kernels đƣợc thể với thông số: σ = л c = 0.1 [5] 28 Hình 3.3: Ví dụ thực tế 12 ECG wavelet kernels đƣợc đề xuất hiển thị [5] 28 Hình 3.4: Hình minh họa áp dụng Gabor Cong 29 Hình 3.5: Phƣơng pháp (2D)2-LDA 31 Hình 3.6: Thực nghiệm kết hợp Gabor Cong (2D)2-LDA 32 Hình 3.7: Sơ đồ sở liệu 34 Hình 3.8: Giao diện chƣơng trình .35 Hình 3.9: Thẻ Home va thẻ Tasks .35 Hình 3.10: Thẻ Help 36 Hình 3.11: Quản lý mơn học .37 Hình 3.12: Quản lý khoa 38 Hình 3.13: Quản lý lớp 40 Hình 3.14: Quản lý giảng viên 41 Hình 3.15: Quản lý sinh viên 42 40 Hình 3.13: Quản lý lớp Để thêm lớp, ta làm theo bƣớc sau: Bƣớc 1: Nhập đầy đủ thông tin (Mã lớp, Tên lớp, Khoa) Lưu ý: Khoa không nhập mà chọn combobox Khoa Bƣớc 2: Nhấn nút “OK” Bƣớc 3: Q trình thêm lớp thành cơng, bạn kiểm tra thông qua cửa sổ thị liệu form Quản lý lớp  Chức quản lý giảng viên Chức bao gồm tác vụ nhƣ: Thêm, xóa, sửa giảng viên 41 Hình 3.14: Quản lý giảng viên Để thêm giảng viên, ta làm theo bƣớc sau: Bƣớc 1: Nhập đầy đủ thông tin (Mã giảng viên, Tên giảng viên, Khoa, Giới tính, Ngày sinh, Địa chỉ, Số điện thoại, Username, Password) Lưu ý: Khoa, Giới tính, Ngày sinh ta khơng nhập mà chọn combobox tương ứng 42 Bƣớc 2: Nhấn nút “OK” Bƣớc 3: Quá trình thêm giảng viên thành cơng, bạn kiểm tra thông qua cửa sổ thị liệu form Quản lý giảng viên  Chức quản lý sinh viên Chức bao gồm tác vụ nhƣ: Thêm, xóa, sửa điểm danh sinh viên Hình 3.15: Quản lý sinh viên Để nhập thông tin cho sinh viên, ta làm theo bƣớc sau: Bƣớc 1: Nhập đầy đủ thơng tin sinh viên (chọn Khoa, chọn Lớp, nhập MSSV, Tên sinh viên) Bƣớc 2: Nhấn nút “Bật Camera” hƣớng webcame tới khuôn mặt sinh viên Bƣớc 3: Khi phần mềm phát đƣợc có phận mặt sinh viên click nút “Add face” 10 lần (Với lần sinh viên hƣớng gƣơng mặt theo nhƣ hình mẫu chƣơng trình) 43 Bƣớc 4: Sau thêm đủ số lƣợng ảnh sinh viên đó, nhân nút “Stop” để tắt camera trình thêm sinh viên thành công Để điểm danh cho sinh viên, ta làm nhƣ sau: Bƣớc 1: Ta chọn Môn học, chọn Khoa, chọn Lớp, chọn Tuần Bƣớc 2: Nhấn nút “Bật Camera”, trình điểm danh bắt đầu Lúc ta hƣớng webcame tới khuôn mặt sinh viên muốn điểm danh Quá trình điểm danh diễn tự động Bƣớc 3: Bạn xuất danh sách sinh viên file excel cách click vào nút “Xuất danh sách” Bƣớc 4: Để dừng trình điểm danh bạn nhấn nút “Stop” Chức nhập danh sách sinh viên từ file excel: đƣa file excel nhập liệu thông tin sinh viên vào chƣơng trình  Các chức khác Xuất file Excel DSSV: xuất file excel có danh sách điểm danh sinh viên Bạn dễ dàng tìm thấy file excel folder Debug chƣơng trình Hình 3.16: File excel danh sách điểm danh sinh viên Thống kê: Hiển thị danh sách sinh viên theo lớp chọn lớp combobox lớp 44 3.4 Quy trình xử lý 3.4.1 Quy trình điểm danh thực sau Thu thập liệu ảnh sinh viên: Mỗi sinh viên cung cấp cho nhà trƣờng 10 ảnh khuôn mặt trực diện qua camera với tƣ khác (ảnh trực diện, nghiêng trái, nghiêng phải, hƣớng nhìn lên, hƣớng nhìn xuống dƣới…) Cần phải thu thập nhiều ảnh từ sinh viên để đạt đƣợc kết xác sinh viên đứng trƣớc camera điểm danh với nhiều tƣ khác Hình 3.17: Các tƣ ảnh huấn luyện Ảnh chụp sinh viên phải dùng camera với độ phân giải phải 2Mpx Vì ảnh nhiều mật độ điểm ảnh xử lý tốt Nhập liệu lớp học: Danh sách sinh viên lớp học đƣợc thêm cách nhập tay kèm theo việc chụp ảnh sinh viên Ngồi cịn thêm danh sách sinh viên thơng qua file Excel tải từ sở liệu nhà trƣờng (lọc theo mã số sinh viên) Sau ta chọn sinh viên cập nhật ảnh Quy trình điểm danh: Tại buổi học, giảng viên chọn lọc liệu sinh viên lớp Yêu cầu sinh viên đứng trƣớc camera để nhận dạng (sinh viên thực thay 45 đổi tƣ trƣớc camera) Sau nhận dạng hệ thống thực điểm danh hiển thị tên sinh viên lên hình để sinh viên kiểm tra Nếu nhận dạng khơng thành cơng, sinh viên liên hệ với giảng viên để đƣợc điểm danh thủ công Hình 3.18: Mơ hình nhận dạng khn mặt lớp học 3.4.2 Mơ hình xử lý nhận dạng khn mặt Ảnh kiểm tra: Là bƣớc camera thu ảnh khuôn mặt sinh viên (10 ảnh với hƣớng khác nhau), để làm sử liệu đầu vào cho bƣớc sau Tiền xử lý ảnh: Chức để chuẩn hóa ảnh cần tìm giúp cho việc tìm kiếm đƣợc hiệu Các công việc bƣớc tiền xử lý là: Chuẩn hóa kích cỡ ảnh sở liệu ảnh cầm tìm, hiệu chỉnh độ sáng, tối ảnh; lọc nhiễu, chuẩn hóa vị trí, tƣ ảnh mặt Phát khuôn mặt: Chức làm nhiệm vụ xác định vị trí, kích cỡ nhiều mặt ảnh chụp từ tách phần mặt, mắt (trái/phải), mũi, miệng Phần ảnh mặt đƣơc tách thƣờng nhỏ nhiều so với ảnh chụp ban đầu chức trích chọn đặc trƣng sử dụng ảnh đƣợc tách Rút trích đặc trƣng: Tìm đặc trƣng ảnh tách, từ đặc trƣng hình thành vector đặc trƣng/ma trận hƣớng, vector/ma trận hƣớng 46 đƣợc sử dụng để đối sánh giống ảnh mặt cần tìm ảnh mặt CSDL So khớp: Thực việc so sánh vector đặc trƣng (các ma trận hƣớng) để chọn độ tƣơng tự, từ đƣa kết cuối ảnh cần tìm ảnh CSDL (Dữ liệu huấn luyện) Hình 3.19: Mơ hình bƣớc xử lý hệ thống nhận dạng khuôn mặt 3.5 Kết luận chƣơng Chƣơng tiến hành đƣa kết hợp phƣơng pháp Gabor Cong phƣơng pháp (2D)2LDA để từ xây dựng thực nghiệm hệ thống nhận dạng mặt ngƣời để áp dụng cho đếm số lƣợng sinh viên lớp học Từ tơi trình bày rõ phần hƣớng dẫn cụ thể phần mềm điểm danh dựa vào khuôn mặt Cuối cùng, khẳng định kết hợp phƣơng pháp Gabor Cong phƣơng pháp (2D)2LDA cho kết có độ xác cao 47 CHƢƠNG - KẾT QUẢ THỰC NGHIỆM VÀ HƢỚNG PHÁT TRIỂN 4.1 Cơ sở liệu thực nghiệm Đánh giá kết thực nghiệm với Gabor Wavelet với sở liệu ORL, YALE Thực nghiệm minh họa thực máy tính có xử lý Intel® Core™ Dou CPU P8600 @ 2.40GHz, Ram 4.00Gb Visual Studio 2012 Cơ sở liệu cho toán nhận dạng mặt ngƣời đƣợc phân thành tập huấn luyện ảnh mẫu sử dụng nhận dạng với sở liệu chuẩn nhƣ ORL AT&T [15] Cơ sở liệu ORL bao gồm 400 ảnh 40 ngƣời, ngƣời gồm có 10 ảnh khác thời điểm, độ sáng, biểu cảm khuôn mặt (buồn, vui ) chi tiêt khn mặt (đeo kính khơng đeo kính) Dƣới số hình ảnh mặt ngƣời sở liệu ORL: Hình 4.1: Ảnh mặt ngƣời sở liệu ORL [15] Cơ sở liệu Yale [16] chứa 165 hình ảnh màu xám 15 ngƣời điều kiện biểu khuôn mặt cấu trúc ánh sáng khác Mỗi ngƣời có 11 ảnh với kích thƣớc hình ảnh 320 x 243 pixel Cơ sở liệu đƣợc sử dụng để đánh giá hiệu suất phƣơng pháp nhận dạng dƣới điều kiện khác 48 biểu khuôn mặt điều kiện ánh sáng đƣợc thay đổi Trong này, hình ảnh đƣợc xử lý chuẩn hóa với kích thƣớc 100 x 80 pixel Mẫu ảnh sở liệu Yale: Hình 4.2: Ảnh mặt ngƣời sở liệu YALE [16] Các hình ảnh sở liệu chuẩn thể nhiều biểu cảm sắc thái khác khuôn mặt nhƣ chịu tác động khác nhƣ độ sáng, tƣ thế, góc chụp, ảnh bị che khuất phần nhỏ Với biểu sắc thái khác ta đƣợc thực nghiệm hai nguồn sở liệu ORL YALE nhƣ sau: Cơ sở liệu ORL dùng thực nghiệm với điều kiện thay đổi nhƣ tỉ lệ, độ sáng góc chụp Cơ sở liệu ORL gồm 400 ảnh mẫu với kích thƣớc 112x92 pixel Trong thực nghiệm ta chọn 19 ngƣời, ngƣời 10 ảnh khuôn mặt trực diện chia làm hai phần: phần gồm năm ảnh đƣa vào tập huấn luyện, phần hai gồm năm ảnh để kiểm tra Cơ sở liệu YALE dùng thực nghiệm với điều kiện thay đổi khuôn mặt nhƣ cảm xúc, ánh sáng, chi tiết khuôn mặt Cơ sở liệu YALE gồm 165 ảnh màu xám 15 ngƣời với kích thƣớc 320x243 pixel Trong thực nghiệm ta chọn năm ảnh ngƣời làm tập huấn luyện phần lại dùng để kiểm tra 49 4.2 Kết độ xác Bảng 4.1: So sánh năm phƣơng pháp sở liệu ORL [10] Phƣơng pháp Độ xác (%) Thời gian(s) Kích thƣớc mẫu (thử nghiệm năm ảnh cho lớp) 2D - PCA 96.2 112 x 7.89 (2D)2PCA 96.5 7x7 3.98 (2D)2LDA 97.6 8x8 4.27 (2D)2PCALDA 97.7 10 x 10 4.53 Bảng 4.2: So sánh phƣơng pháp tiếp cận khác độ xác cơng nhận sở liệu ORL [10] Số lượng mẫu huấn luyện lớp Phương pháp 2D - PCA (2D)2PCA (2D)2LDA (2D)2PCALDA 89.75 95.75 98.50 99.25 (112 x 3) (112 x 3) (112 x 6) (112 x 5) 88.75 95.00 98.50 99.50 (9 x 9) (11 x 11) (7 x 7) (5 x 5) 89.25 96.00 98.75 99.75 (7 x 7) (11 x 11) (8 x 8) (5 x 5) 89.29 95.20 98.76 99.77 (8 x 8) (10 x 10) (7 x 7) (6 x 6) 50 Bảng 4.3: So sánh năm phƣơng pháp sở liệu YALE [10] Phƣơng pháp Độ xác (%) Thời gian(s) Kích thƣớc mẫu (thử nghiệm năm ảnh cho lớp) 2D - PCA 86.67 100 x 10.84 (2D)2PCA 89.72 5x5 4.76 (2D)2LDA 90.85 8x8 5.27 (2D)2PCALDA 92.16 9x9 5.56 Bảng 4.4: So sánh phƣơng pháp tiếp cận khác độ xác cơng nhận sở liệu YALE [10] Số lượng mẫu huấn luyện lớp Phương pháp 2D - PCA (2D)2PCA (2D)2LDA (2D)2PCALDA 67.58 84.42 90.08 94.31 (32 x 3) (32 x 3) (32 x 4) (32 x 5) 68.27 88.63 90.14 95.94 (7 x 7) (9 x 9) (7 x 7) (6 x 6) 65.18 89.35 91.32 95.15 (6 x 6) (10 x 10) (9 x 9) (5 x 5) 74.12 91.47 93.94 96.33 (8 x 8) (11 x 11) (8 x 8) (7 x 7) 51 4.3 Kết thực nghiệm: Kết khảo sát 45 sinh viên lớp học, sinh viên 10 ảnh, ảnh thu đƣợc với nhiều tƣ khác nhau, kết thu đƣợc nhƣ sau: Bảng 4.5: Kết độ xác phần mềm thực tế áp dụng lớp học Ngƣỡng Tổng Số lƣợng Số lƣợng Số lƣợng Thời gian Độ Chính số SV ảnh nhận ảnh nhận ảnh khơng nhận sai xác định SV (s) xác (%) xác (%) 70 45 43 0.1 95.6 80 45 43 1 0.1 95.6 90 45 43 0.1 95.6 Thực nghiệm với số lƣợng sinh viên 45 ngƣời số ảnh nhận dạng 43, từ kết độ xác đƣợc tính (43/45)*100% cho ta kết xác 95% giúp cho ta xác định đƣợc độ xác thuật tốn kết hợp phƣơng pháp Gabor Cong phƣơng pháp (2D)2LDA 52 KẾT LUẬN VÀ KIẾN NGHỊ Bài toán nhận dạng mặt ngƣời tự động toán đƣợc nhiều tác giả nghiên cứu áp dụng phƣơng pháp khác cho kết nhận dạng xác cao Tuy nhiên tốn nhận dạng mặt ngƣời gặp nhiều thách thức nhƣ ảnh mặt ngƣời chịu tác động ánh sáng, tƣ ảnh, thời gian xử lý, xây dựng thực nghiệm để đánh giá số lƣợng xác, bên cạnh phải xem xét số lƣợng khơng xác phƣơng pháp Trong đề tài này, hệ thống nhận dạng mặt ngƣời đƣợc xây dựng đánh giá hiệu sở liệu ảnh mặt ngƣời ORL Thông qua kết thống kê so sánh kết hợp phƣơng pháp (2D)2LDA Gabor Cong với phƣơng pháp nhận mặt khn mặt khác kết đƣợc đề xuất có độ xác cao 95% Đặc biệt phƣơng pháp đƣợc đề xuất cho kết tốt khn mặt có hƣớng nhìn thẳng Với tốn nhận dạng có thu hoạch đƣợc việc nhận dạng đƣợc khuôn mặt nhƣng thời gian có hạn với việc xử lý cơng việc lớn nên đề tài có hạn chế mặt ý tƣởng chƣa thực hết Định hƣớng nghiên cứu phát triển tiếp theo: Sau nghiên cứu xong luận văn em đƣa số nghiên cứu nhƣ:  Đối với liệu học: cần tăng số mẫu học nhƣ số ngƣời hệ thống nhận dạng  Đối với dị tìm khn mặt: cần nghiên cứu phƣơng pháp dị tìm khn mặt dƣới ảnh hƣởng mơi trƣờng giải tốn khn mặt nhìn nghiêng hay bị che khuất phần  Nghiên cứu cấu trúc khuôn mặt phƣơng pháp nhận dạng khuôn mặt chuyển động video, ảnh động 53 DANH MỤC CÁC TÀI LIỆU THAM KHẢO [1] Trịnh Tấn Đạt - Phạm Thế Bảo (2013), “Dùng đặc trƣng Gabor kết hợp Adaboost K-Means toán nhận dạng mặt ngƣời”, Tạp chí Khoa Học Đại Học Sƣ Phạm Thành Phố Hồ Chí Minh, số 43 [2] Từ Minh Hiển - Trần Thị Khánh Hòa - TS Phạm Văn Tuấn (2012), “Nhận dạng khuôn mặt ngƣời mạng Nơron phƣơng pháp phân tích thành phần chính”, Tuyển tập Báo cáo Hội Nghị Sinh Viên Nghiên Cứu Khoa Học lần thứ Đại Học Đà Nẵng [3] Châu Ngân Khánh Đoàn Thanh Nghị (2014), “Nhận dạng mặt ngƣời với giải thuật Haar like feature – cascade of boosted classifiers đặc trƣng sift”, Tạp chí khoa học, Quyển 3(2), 15 - 24 [4] Võ Phúc Nguyên, “Nhận dạng ảnh mặt ngƣời sử dụng mạng Nơron”, Tạp chí Khoa Học & Công Nghệ, 64(02), 53 - 57 [5] Wonjun Hwang, Xiangsheng Huang, Kyungshik Noh, “Face Recognition System Using Extended Curvature Gabor Classfier Bunch for Low Resolution Face Image” [6] Ming Li *, Baozong Yuan (2005), “2D-LDA: A statistical linear discriminant analysis for image matrix”, Pattern Recognition Letters, 26, 527 - 532 [7] Michael Lyons and Shigeru Akamatsu (1998), “Coding Facial Expresions with Gabor Wavelets”, Proceedings, Third IEEE International Conference on Automatic Face and Gesture Recognition, 200 - 205 [8] S Noushatha,*, G Hemantha Kumara, P.Shivakumarab (2006), “(2D)2LDA: An efficient approach for face recognition”, Pattern Recognition, 39, 1936 - 1400 [9] Linlin Shen - Li Bai (2006), “A review on Gabor wavelets for face recogniton”, Pattern Anal Applic, 9, 273 - 292 [10] Hung Phuoc Truong, Thai Hoang Le (2012), “Fusion of Bidirectional Image Matrices and 2D-LDA: An efficient approach for Face Recognition” 54 [11] Mạch Thị Kim Hạnh (2013), Xác Thực Sinh Trắc Học Khuôn Mặt Trên Thiết Bị Di Động, Luận vănThạc Sỹ Công Nghệ Thông Tin, Bộ Giáo Dục Đào Tạo Trƣờng Đại Học Lạc Hồng Đồng Nai [12] Vũ Mạnh Hùng (2013), Nhận Dạng Mặt Người Sử Dụng Đặc Trưng PCA, Luận văn thạc sĩ Học Viện Bƣu Chính Viễn Thơng [13] Trần Phƣớc Long Nguyễn Văn Lƣợng (2003), Nhận Dạng Người Dựa Vào Thông Tin Khuôn Mặt Xuất Hiện Trên Ảnh, Luận văn tốt nghiệp cử nhân tin học trƣờng Đại Học Khoa Học Tự Nhiên [14] Nguyễn Văn Thủy (2016), Xây Dựng Hệ Thống Nhận Dạng Mặt Tự Động Sử Dụng LPQ (Local Phase Quantization), Thuyết Minh Đề Tài NCKH Cấp Trƣờng, Trƣờng Đại Học Hàng Hải Việt Nam Khoa Công Nghệ Thông Tin Các trang web: [15] Website: http://nimfa.biolab.si/nimfa.examples.orl_images.html, Apr 2017 [16] Website:http://cvc.cs.yale.edu/cvc/projects/yalefaces/yalefaces.html, Apr 2017 ...HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG - TRẦN THỊ VÂN ANH PHÁT HIỆN KHUÔN MẶT CHO XÁC ĐỊNH SỐ LƢỢNG SINH VIÊN TRONG LỚP HỌC CHUYÊN NGÀNH : HỆ THỐNG THÔNG TIN MÃ SỐ: 60.48.01.04... nhƣ sinh học, tâm lý học, khoa học thần kinh, xã hội học khoa học máy tính phân tích đặc trƣng biểu khn mặt ngƣời Mặc dù có nhiều nghiên cứu để biểu diễn khn mặt ngƣời, nhƣng tốn mã hóa khn mặt. .. khơng kiểm sốt đƣợc việc sinh viên điểm danh thay cho bạn khác, giảng viên quên mang theo danh sách lớp, … Nhƣ để giải vấn đề này, ý tƣởng xây dựng phần mềm điểm danh dựa vào khuôn mặt cải thiện mang