Xây dựng ứng dụng điểm danh bằng hình ảnh: luận văn thạc sĩ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC LẠC HỒNG NGUYỄN MINH DU XÂY DỰNG ỨNG DỤNG ĐIỂM DANH BẰNG HÌNH ẢNH LUẬN VĂN THẠC SĨ CƠNG NGHỆ THƠNG TIN Đồng Nai, Năm 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC LẠC HỒNG NGUYỄN MINH DU XÂY DỰNG ỨNG DỤNG ĐIỂM DANH BẰNG HÌNH ẢNH Chuyên ngành: Công Nghệ Thông Tin Mã số: 60480201 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS VŨ ĐỨC LUNG Đồng Nai, Năm 2017 i LỜI CẢM ƠN Để hồn thành luận văn này, tơi xin chân thành cảm ơn thầy, cô khoa Công Nghệ Thơng Tin trƣờng Đại học Lạc Hồng tận tình dạy dỗ, truyền đạt cho nhiều kiến thức kỹ quý báu Xin tỏ lòng biết ơn sâu sắc đến thầy Vũ Đức Lung, ngƣời tận tình giúp đỡ truyền đạt nhiều kinh nghiệm để đề tài đƣợc thực hồn thành Xin chân thành cảm bạn bè, đồng nghiệp hỗ trợ, giúp đỡ, động viên tối nhiều trình thực đề tài Tuy nhiên kiến thức thời gian có giới hạn nên đề tài khó tránh khỏi thiếu sót, kính mong q thầy bạn đóng góp thêm để đề tài đƣợc hồn chỉnh hơn! Tôi xin chân thành cảm ơn! Đồng Nai, Ngày tháng năm 2017 Học viên Nguyễn Minh Du ii LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chƣa đƣợc cơng bố cơng trình khác Các nội dung tham khảo từ tài liệu đƣợc trích dẫn thích đầy đủ Tơi xin chịu trách nhiệm luận văn Đồng Nai, ngày tháng năm 2017 Học viên Nguyễn Minh Du iii TÓM TẮT LUẬN VĂN Đề tài: Xây dựng ứng dụng điểm danh hình ảnh Ngành: Cơng nghệ thơng tin Mã số: 60.48.02.01 Học viên: Nguyễn Minh Du Ngƣời hƣớng dẫn: PGS.TS Vũ Đức Lung NỘI DUNG TÓM TẮT Nội dung đƣợc giao kết mong đợi ngƣời hƣớng dẫn Nội dung:  Luận văn nghiên cứu nhận dạng gƣơng mặt phƣơng pháp PCA – Eigenfaces xây dựng ứng dụng điểm danh tự động hình ảnh  Mục đích đề tài nhằm tạo ứng dụng hỗ công tác quản sinh trƣờng học, giảm thời gian, nâng cao hiệu cách kiểm vào lớp học sinh/sinh viên cách tự động thông qua thiết bị camera tự động báo cáo theo tiêu chí quản lý Kết quả:  Xây dựng ứng dụng điểm danh qua camera thời gian thực  Có chức nhận dạng đối tƣợng qua ảnh tĩnh  Kết xuất liệu báo cáo file excel để tổng hợp  Viết báo cáo tổng kết luận văn Cách thức giải vấn đề  Tìm hiểu phƣơng pháp, thuật toán phục vụ cho việc phát nhận dạng khuôn mặt ngƣời ảnh  Tìm hiểu thƣ viện xử lý hình ảnh OpenCV cơng cụ EmguCV  Tìm hiểu mốt số chuẩn giao tiếp truyền nhận liệu  Tìm hiểu ngơn ngữ lập trình C# Hệ quản trị CSDL SQL  Xây dựng phần mềm điểm danh học sinh tự động iv Đánh giá mặt khoa học kết  Tìm hiểu đƣợc vấn đề liên quan đến xử lý ảnh, thƣ viện mã nguồn mở xử lý ảnh  Tìm hiểu thuật toán nhận dạng gƣơng mặt ngƣời phƣơng pháp PCA kết hợp Eigenfaces  Xây dựng thành công phần mềm điểm danh vận dụng lý thuyết nghiên cứu mã nguồn mở EmguCV Những vấn đề tồn so với nội dung đƣợc giao  Chƣa xây dựng hoàn thiện nhu cầu quản lý khác mà tập trung vấn đề quan trọng phần nhận dạng  Còn hạn chế tiền xử lý ảnh ảnh có độ chuẩn hóa cao nhằm tăng tính xác nhận dạng, đồng thời tối ƣu ứng dụng để chạy nhanh  Chỉ sử dụng 01 camera để kết nối đến máy tính, chƣa xây dựng đƣợc hệ thống cho nhiều camera lúc  Ngoài số hạn chế khách quan mặt kỹ thuật thiết bị, vị trí đặt camera, ánh sáng, tốc độ, biểu cảm đối tƣợng Ngày tháng năm 2017 NGƢỜI HƢỚNG DẪN HỌC VIÊN PGS.TS Vũ Đức Lung Nguyễn Minh Du v MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii TÓM TẮT LUẬN VĂN iii MỤC LỤC v DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT viii DANH MỤC BẢNG BIỂU ix DANH MỤC HÌNH ẢNH x CHƢƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 TỔNG QUAN ĐỂ TÀI TRONG VÀ NGOÀI NƢỚC 1.3 MỤC ĐÍCH CỦA ĐỀ TÀI 1.4 ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU ĐỀ TÀI 1.5 CẤU TRÚC LUẬN VĂN CHƢƠNG 2: TỔNG QUAN CÁC PHƢƠNG PHÁP NHẬN DẠNG MẶT NGƢỜI 2.1 TỔNG QUAN KIẾN TRÚC CỦA MỘT HỆ THỐNG NHẬN DẠNG MẶT NGƢỜI 2.2 CÁC PHƢƠNG PHÁP NHẬN DẠNG KHUÔN MẶT NGƢỜI PHỔ BIẾN HIỆN NAY 10 2.2.1 Phƣơng pháp sử dụng mạng Nơron ( Neural network ) 10 2.2.2 Phƣơng pháp Eigenfaces 11 2.2.3 Thuật toán nhận dạng gƣơng mặt phƣơng pháp LDA 12 2.2.4 Nhận dạng gƣơng mặt phƣơng pháp SVM (Support Vector Machine) 13 2.2.5 Mơ hình Markov ẩn (Hidden Markov Model – HMM) 13 2.2.5 Nhận dạng gƣơng mặt phƣơng pháp EBGM (Elastic Bunch Graph Matching) 14 2.2.6 Nhận dạng gƣơng mặt phƣơng pháp 3D 15 2.2.7 Phân tích kết cấu da 15 2.3 KHÓ KHĂN VÀ THÁCH THỨC TRONG BÀI TOÁN XÁC ĐỊNH MẶT NGƢỜI 16 vi CHƢƠNG : TÌM HIỂU PHƢƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH PCA VÀ EIGENFACE 17 3.1 GIỚI THIỆU CHUNG VỀ THUẬT TOÁN PCA 17 3.2 ỨNG DỤNG TRONG BÀI TOÁN NHẬN DẠNG MẶT NGƢỜI 20 3.3 MÔ TẢ PHƢƠNG PHÁP EIGENFACE 21 3.3.1 Đọc vào ảnh từ tập huấn luyện 22 3.3.2 Tính tốn giá trị trung bình vector mặt 23 3.3.3 Chuẩn hóa, trừ vector trung bình 24 3.3.4 Tính ma trận hiệp phƣơng sai 24 3.3.5 Tính trị riêng vector đặc trƣng ma trận hiệp phƣơng sai 24 3.3.6 Lựa chọn thành phần xây dựng vector đặc trƣng - Trích rút đặc trƣng PCA 25 3.3.7 Tính khoảng cách er 26 3.3.8 So sánh khoảng cách ngƣỡng rút kết luận 26 CHƢƠNG : XÂY DỰNG ỨNG DỤNG ĐIỂM BẰNG HÌNH ẢNH 27 4.1 YÊU CẦU BÀI TOÁN 27 4.2 TỔNG QUÁT VỀ EMGUCV 28 4.3 CÁC BƢỚC XÂY DỰNG ỨNG DỤNG 29 4.3.1 Tạo sở liệu 29 4.3.2 Chụp ảnh huấn luyện 30 4.3.3 Huấn luyện từ ảnh tĩnh 32 4.3.4 Nhận dạng đối tƣợng vào lớp qua camera 34 4.3.5 Định danh đối tƣợng qua ảnh tĩnh 36 CHƢƠNG 5: THỬ NGHIỆM VÀ ĐÁNH GIÁ ỨNG DỤNG 38 5.1 THỬ NGHIỆM BẰNG ẢNH TĨNH 38 5.2 THỬ NGHIỆM THỰC TẾ 42 5.2.1 Thử nghiệm thực tế 43 5.2.2 Thử nghiệm thực tế 45 5.2.3 Thử nghiệm thực tế 45 5.2.4 Thử nghiệm thực tế 46 5.3 BÁO CÁO KẾT QUẢ ĐIỂM DANH 46 vii 5.4 ĐÁNH GIÁ ỨNG DỤNG 49 KẾT LUẬN 51 viii DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT Ký hiệu Thuật ngữ AARS Automatic attendance recording system PCA Principal component analysis OpenCv Open Source Computer Vision CSDL Cơ sở liệu XLA Xử lý ảnh FPGA Field-programmable gate array CBC Feature - Cascade of BoostedClassifiers SIFT Scale-Invariant FeatureTransform HMM Hidden Markov Model Support Vector Machine SVM 41 Hình 5.4: Kết nhận dạng gƣơng mặt đối tƣợng chƣa huấn luyện Theo toán, gƣơng mặt đƣợc phát gƣơng mặt ko có tập huấn luyện, nhiên chƣơng trình dị tìm so sánh với hình ảnh tập huấn luyện chọn hình ảnh có giá trị Distance lớn gán nhãn gƣơng mặt cần tìm Trong trƣờng hợp giá trị Distance 3744.501, ta tăng giá trị Threshold giá trị Distance kết thơng báo khơng nhận dạng đƣợc nhƣ hình sau: Hình 5.5: Ứng dụng khơng phát gƣơng mặt quen thuộc 42 - Kết nhận dạng với ảnh lấy ngẫu nhiên chƣa đƣợc huấn luyện đối tƣợng điều kiện ánh sáng khác nhau, ảnh bị khuất mặt, đeo kính Kết khơng nhận dạng đƣợc Lý do: Eigenfaces phƣơng pháp đơn giản, kinh tế để thực mục đích, làm giảm độ phức tạp cách chuyển ảnh thành xám áp dụng PCA để tính tốn nhanh chóng thời gian thực Vì với ảnh nhạy sáng Eigenfaces khó khăn việc tính tốn biểu thức, cặp vector quan trọng chủ yếu mã hóa ánh sáng lại khơng cung cấp đủ thông tin 5.2 THỬ NGHIỆM THỰC TẾ Chú ý để thực nhận dạng xác mơi trƣờng ánh sáng chụp ảnh huấn luyện phải đồng với môi trƣờng ánh sáng lúc nhận dạng thực tế Trong giới hạn luận văn này, thời gian hạn chế đối tƣợng thử nghiệm không tập trung nên phải thử nghiệm nhiều địa điểm điều kiện ánh sáng khác nên kết bên dƣới tƣơng đối Trong phần thử nghiệm thực tế, tơi sử dụng webcam máy vi tính Core i5, Ram 4Gb, card hình rời Gb thực với điều kiện khác nhƣ sau: Thử nghiệm 1: - Thử nghiệm với 03 ngƣời, ngƣời 10 ảnh điều kiện ánh sáng tốt, ví trí, gƣơng mặt th ng không biểu cảm - Khi thực nhận dạng đối tƣợng thử nghiệm thực lại giống nhƣ chụp ảnh huấn luyện, khơng có thay đổi có khác biệt Thử nghiệm 2: - Sử dụng tập huấn luyện nhƣ Thử nghiệm - Thực nhận dạng đối tƣợng thử nghiệm điều kiện ánh sáng phức tạp (đối tƣợng tối bị ngƣợc sáng) Thử nghiệm 3: - Sử dụng tập huấn luyện ngƣời, ngƣời 10 ảnh - Thực nhận dạng đối tƣợng thử nghiệm điều kiện ánh sáng địa điểm khác Thử nghiệm 4: 43 - Sử dụng tập huấn luyện ngƣời, ngƣời 10 ảnh - Thực nhận dạng 03 đối tƣợng chƣa đƣợc huấn luyện 5.2.1 Thử nghiệm thực tế Bƣớc 1: Chụp ảnh huấn luyện Lựa chọn đối tƣợng theo danh sách có sẵn ( danh sách đƣợc tạo từ chức quản lý sinh viên kết hợp với CSDL trƣờng học) Các đối tƣợng chụp ảnh huấn luyện ngƣời 10 ảnh Hình 5.6: Chụp ảnh huấn luyện thử nghiệm Hình ảnh huấn luyện đƣợc lƣu vào thƣ mục Training, thông tin mã sinh viên, họ tên tên file lƣu vào file TrainedLabels.xml thƣ mục Bƣớc 2: Thực nhận dạng Sử dụng chức nhận dạng học sinh/sinh viên vào lớp nhƣ hình sau: 44 Hình 5.7: Nhận dạng đối tƣợng vào lớp Đối tƣợng sau đƣợc định danh lƣu vào CSDL với thông tin gồm mã sinh viên, thời gian vào lớp, buổi học, phòng học Trên giao diện thử nghiệm có thêm thơng tin nhƣ Threshold, thời gian phát gƣơng mặt theo giây để trình bày trực quan hơn, thông tin không lƣu vào CSDL Trong thực tế cần sử dụng bảng hiển thị thông tin cần thiết lƣu vào CSDL để tiết kiệm tài nguyên hệ thống Kết Thử nghiệm nhƣ sau: Bảng 3: Kết thử nghiệm nhận dạng 03 đối tƣợng điều kiện ánh sáng tốt Đối Số ảnh huấn Thời gian Số lần nhận Tỉ lệ nhận tƣợng luyện nhận dạng dạng dạng 10 10 10 100% 10 10 10 100% 10 10 10 100% Kết cho thấy với điều kiện tối ƣu ứng dụng đạt hiệu nhƣ mong muốn, nhiên cần nhiều thời gian thử nghiệm với nhiều đối tƣợng để có kết xác 45 5.2.2 Thử nghiệm thực tế Kết nhƣ sau: Bảng 4: Kết thử nghiệm nhận dạng 03 đối tƣợng điều kiện ngƣợc sáng Số lần Đối Số ảnh Thời gian nhận Tỉ lệ nhận tƣợng huấn luyện nhận dạng dạng dạng Ghi Không phát 10 10 0% đƣợc khuôn mặt 10 10 0% Nt 10 10 0% Nt Ta thấy với ảnh đối tƣợng bị ngƣợc sáng không phát đƣợc gƣơng mặt ngƣời để nhận dạng (điều giải thích trang 42) Vì thực tế triển khai cần lựa chọn ví tri camera để lắp đặt cho phù hợp phải thử nghiệm kỹ trƣớc đƣa vào sử dụng 5.2.3 Thử nghiệm thực tế Thực ảnh huấn luyện cho 08 ngƣời, kết nhƣ sau: Hình 5.8: Tập ảnh huấn luyện 08 ngƣời 46 Kết Thử nghiệm thực tế 3: Bảng 5: Kết thử nghiệm nhận dạng 08 đối tƣợng môi trƣờng khác Đối tƣợng Số ảnh huấn luyện 10 10 10 10 10 10 10 10 Thời gian nhận dạng 20 18 20 24 20 Số lần nhận dạng 12 10 10 13 Tỉ lệ nhận dạng 60% 55% 50% 57% 54% 45% 43% 62% Kết thử nghiệm chƣa mơ tả đƣợc xác khả nhận dạng chƣơng trình Để nâng cao khả nhận dạng cần thiết phải chụp nhiều ảnh huấn luyện ngƣời Dù vậy, để sử dụng hiệu điều kiện bắt buộc phải kiểm tra thật kỹ môi trƣờng ánh sáng nơi cần nhận dạng, sau thực chụp ảnh huấn luyện đối tƣợng môi trƣờng Đây hạn chế phƣơng pháp nhận dạng gƣơng mặt nói chung 5.2.4 Thử nghiệm thực tế Đối với đối tƣợng chƣa đƣợc nhận dạng mặc định chƣơng trình gán cho nhãn gƣơng mặt huấn luyện có giá trị gần giống Để ràng buộc việc nhận dạng xác đối tƣợng hơn, ta thay đổi giá trị Threshold cho phù hợp, giá trị tùy thuộc môi trƣờng nhận dạng lớn nhỏ khác Vì thực tế nhận dạng mơi trƣờng có cách điều chỉnh cho phù hợp 5.3 BÁO CÁO KẾT QUẢ ĐIỂM DANH Chƣơng trình có số chức tra cứu – thống kê phục vụ công tác quản lý gồm: - Báo cáo thời gian vào lớp sinh viên lớp theo thời gian từ ngày đến ngày sau xuất file excel nhƣ hình dƣới 47 Hình 5.9 : Báo cáo thời gian sinh viên vào lớp theo sinh viên Theo hình 5.9, chức giúp nhà trƣờng thống kê đƣợc số lần vào lớp, thời gian vào lớp sinh viên khoản thời gian lựa chọn từ ngày đến ngày Tƣơng tự nhƣ chức trên, nhà trƣờng thống kê số lần vào lớp thời gian vào lớp tất sinh viên lớp theo khoản thời gian lựa chọn Hình 5.10: Báo cáo thời gian sinh viên vào lớp theo lớp - Ngoài việc thống kê số lần vào lớp thời gian vào lớp sinh viên lập báo cáo sinh viên trễ theo sinh viên, theo lớp, tất sinh viên theo khoảng thời gian ngƣời dùng nhập vào sau xuất file excel nhƣ sau: 48 Hình 5.11: Báo cáo sinh viên đến lớp trễ từ ngày đến ngày theo sinh viên Hình 5.12 : Báo cáo sinh viên đến lớp trễ từ ngày đến ngày theo lớp Hình 5.13: Báo cáo sinh viên đến lớp trễ từ ngày đến ngày tất lớp 49 Để ứng dụng tính tốn đƣợc sinh viên đến trễ so với thời gian quy định, ta phải thiết lập thời gian điểm danh chức sau: Hình 5.14: Thiết lập thời gian để điểm danh Các chức khác đƣợc bổ sung tùy theo yêu cầu nhà trƣờng Trên vừa trình bày số chức ứng dụng điểm danh hình ảnh Ngồi chức cịn số chức khác phục vụ cơng tác quản lý nhƣ: Quản lý thông tin sinh viên, thông tin lớp, lƣu, phục hồi liệu, thiết lập hệ thống, đƣờng dẫn lƣu hình ảnh, phân quyền … Tuy nhiên tập trung vào vấn đề nhận dạng để điểm danh ứng dụng, chức khác sử dụng kết hợp với ứng dụng quản lý trƣờng học đơn vị sử dụng CSDL SQL ta cần bổ sung chức “Chụp ảnh huấn luyện” “Điểm danh” vào chƣơng trình hành 5.4 ĐÁNH GIÁ ỨNG DỤNG Ứng dụng hoạt động ổn định với giao diện thân thiện, trực quan, ngƣời sử dụng dễ dàng thao tác thực báo cáo theo nhu cầu quản lý cách nhanh chóng Ứng dụng dễ dàng mở rộng kết nối với CSDL sử dụng SQL trƣờng học dễ dàng nâng cấp bổ sung, kết hợp thuật tốn nhận dạng khác để đem lại xác sử dụng Hiện ứng dụng hoạt động chƣa đạt nhƣ kỳ vọng nhận dạng chƣa xác đối tƣợng có biểu cảm gƣơng mặt, mặt bị che khuất hay gƣơng mặt chuyển động, khơng điều chỉnh đƣợc diện camera Với điều kiện cần phải chụp nhiều hình để huấn luyện cho đối tƣợng làm tốn 50 nhớ lƣu trữ, nạp vào hệ thống dị tìm, tính tốn khỏang cách khơng gian mặt Ngoài giống nhƣ phƣơng pháp nhận dạng khác việc khó khăn để nhận dạng xác mơi trƣờng ánh sáng thay đổi so với ảnh huấn luyện nơi ánh sáng phức tạp làm nhận gƣơng mặt ngƣời hay gƣơng mặt bị che khuất, thay đổi diện mạo nhƣ đeo kính, đội nón, để râu … 51 KẾT LUẬN Luận văn đạt đƣợc kết chủ yếu sau: - Tìm hiểu trình bày, hệ thống lại chi tiết, cụ thể nhận dạng khuôn mặt ngƣời dựa kỹ thuật PCA- Eigenfaces - Từ nghiên cứu lý thuyết, luận văn xây dựng chƣơng trình thử nghiệm để đánh giá kết việc sử dụng kỹ thuật PCA-Eigenfaces nhận dạng khuôn mặt ngƣời áp dụng cho điểm danh học sinh/sinh viên - Chƣơng trình hoạt động ổn định, theo yêu cầu mức độ đơn giản Kết cho thấy môi trƣờng huấn luyện nhận dạng khác nhau, chƣơng trình thực nhận dạng đƣợc khoảng 50%, số chƣa thuyết phục Tuy nhiên chƣơng trình cịn thử nghiệm, thực tế cần tính tốn xác nơi đặt thiết bị camera kết tối ƣu - Độ xác chƣơng trình tƣơng đối tốt, 86% nhận dạng đƣợc thực điều kiện môi trƣờng ánh sáng Kết đƣợc cải thiện chụp thử nghiệm nhiều ảnh có nhiều ảnh huấn luyện ngƣời nhiều góc độ trạng thái khác Hƣớng phát triển luận văn: - Kết nối nhiều camera đến hệ thống - Tìm hiểu nhu cầu quản lý thực tế để xây dựng phần mềm hồn chỉnh nhƣ bổ sung thời khóa biểu, lịch giảng dạy giảng viên hay kết hợp với CSDL sử dụng trƣờng học để có báo cáo nhiều thơng tin xác - Tối ƣu chƣởng trình chạy nhanh hơn, tập trung nhiều tiền xử lý ảnh ảnh chuẩn để nhận dạng xác - Sử dụng máy tính có cấu hình cao để xử lý nhanh thiết lập tham số nhƣ số đặc trƣng khuôn mặt, kích thƣớc ảnh cao nhằm tăng độ xác huấn luyện nhận dạng 52 - Bổ sung chức ứng dụng chụp hình đối tƣợng chƣa nhận dạng đƣợc qua hệ thống, sau ngƣời quản trị định danh để ứng dụng học (huấn luyện) định danh đƣợc đối tƣợng cho lần sau - Kết hợp phƣơng pháp khác với Eigenfaces (ví dụ dùng mạng Neuron) để tăng độ xác cho ứng dụng TÀI LIỆU THAM KHẢO  TÀI LIỆU TIẾNG VIỆT [1] Dùng đặc trƣng Gabor kết hợp AdaBoost k-means toán nhận dạng mặt ngƣời – Trịnh Tấn Đạt, Phạm Thế Bảo – Tạp chí khoa học ĐHSP TPHCM số 43 năm 2013 [2] Tổng quan phƣơng pháp xác định khuôn mặt ngƣời - Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phú Doãn (2007) [3] Nghiên cứu xây dựng hệ thống nhận dạng mặt ngƣời dựa FSVM AdaBoost - Lu Boun Vinh, Hoàng Phƣơng Anh (2004) [4] Nhận dạng mặt ngƣời với giải thuật THUẬT HAAR LIKE FEATURE – CASCADE OF BOOSTED CLASSIFIERS Đặc trƣng SIFT – Châu Ngân Khánh Đồn Thanh Nghị (2014) – Tạp chí khoa học trƣờng Đại học An Giang [5] Nhận dạng mặt ngƣời sử dụng đặc trƣng PCA – Vũ Mạnh Hùng (2013) Luận văn thạc sĩ Học viện Cơng Nghệ Bƣu Chính Viễn Thông [6] Nhận dạng khuôn mặt sử dụng phƣơng pháp biến đổi Eigenfaces mạng Neuron – Trƣơng Công Lợi (2013) – Luận văn thạc sĩ trƣờng Đại học Đà Nẵng [7] Nhận dạng khuôn mặt ngƣời mạng Nơron phƣơng pháp Phân tích thành phần - Từ Minh Hiển – Trần Thị Khánh Hòa (2012) - Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ Đại học Đà Nẵng  TÀI LIỆU TIẾNG ANH [8] Bledsoe, W W (1966a) The model method in facial recognition Panoramic Research Inc., Palo Alto, CA, Rep PRI:15, August [9] Bledsoe, W W (1966b) Man-machine facial recognition Panoramic Research Inc., Palo Alto, CA, Rep PRL22, August Bruce, V (1988) Recognizing faces Hillsdale, NJ: Erlbaum Bruce, C J., Desimone, R, & Gross, C G (1981) Journal of Neurophysiology, 46, 369-384 [10] Rajeshwar Dass, Ritu Rani, Dharmender Kumar (2012) Face Recognition Techniques – Bài viết đăng Tạp chí Quốc tế Nghiên cứu Kỹ thuật Phát triển [11] Cha Zhang, Zhengyou Zhang, A Survey of Recent Advances in Face Detection, Technical Report MSR-TR-2010-66, June 2010 – Báo cáo kỹ thuật phận nghiên cứu công ty Microsoft [12] Jie Yang, Hua Yu, William Kunz (2000) An Efficient LDA Algorithm for Face Recognition – Phịng thí nghiệm hệ thống tƣơng tác Đại học Carnegie Mellon [13] Williams, Mark “Better Face-Recognition Software” (2007) (https://www.technologyreview.com/s/407976/better-face-recognition-software) [14] Matthew Turk, Alex Pentland Eigenfaces for Recognition (1991) [15] Sujata G Bhele and V H Mankar (2012) - Một đánh giá kỹ thuật nhận dạng khn mặt tạp chí Quốc tế Nghiên cứu Tiên tiến Công nghệ Kỹ thuật Máy tính (IJARCET)  TÀI LIỆU INTERNET [16] https://www.codeproject.com [17] http://congdongcviet.com/ [18] http://www.face-rec.org/source-codes/ [19] https://jeremykun.com/2011/07/27/eigenfaces/ [20] http://emgu.com [21] http://www.emgu.com/wiki/index.php/Main_Page [22] http://www.shervinemami.info/faceRecognition.html [23] https://en.wikipedia.org/wiki/Principal_component_analysis [24] https://en.wikipedia.org/wiki/Eigenface [25] http://en.wikipedia.org/wiki/Facial_recognition_system [26] https://phvu.net/2011/10/ [27] https://onionesquereality.wordpress.com/2009/02/11/face-recognitionusing-eigenfaces-and-distance-classifiers-a-tutorial/ [28] https://vi.wikipedia.org/wiki/Hệ_thống_nhận_dạng_khuôn_mặt ... TẠO TRƢỜNG ĐẠI HỌC LẠC HỒNG NGUYỄN MINH DU XÂY DỰNG ỨNG DỤNG ĐIỂM DANH BẰNG HÌNH ẢNH Chun ngành: Cơng Nghệ Thơng Tin Mã số: 60480201 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƢỜI HƢỚNG DẪN KHOA... ngƣời hƣớng dẫn Nội dung:  Luận văn nghiên cứu nhận dạng gƣơng mặt phƣơng pháp PCA – Eigenfaces xây dựng ứng dụng điểm danh tự động hình ảnh  Mục đích đề tài nhằm tạo ứng dụng hỗ công tác quản sinh... (đƣợc gọi “EIGENFACE”) Hình 3.8: Mơ khơng gian mặt [22] 27 CHƢƠNG : XÂY DỰNG ỨNG DỤNG ĐIỂM BẰNG HÌNH ẢNH Hiện trƣờng học đa phần quản lý học sinh, học viên phƣơng pháp điểm danh thủ công truyền