Nghiên cứu công nghệ nhận diện khuôn mặt Kairos API và áp dụng xây dựng phần mềm điểm danh sinh viên

TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN - - BÁO CÁO NGHIÊN CỨU KHOA HỌC ĐỀ TÀI: NGHIÊN CỨU CÔNG NGHỆ NHẬN DIỆN KHUÔN MẶT KAIROS API VÀ ÁP DỤNG XÂY DỰNG PHẦN MỀM ĐIỂM DANH SINH VIÊN SVTH : ĐINH HỒNG ÂN GVHD :Th.S TẠ NGUYỄN BIÊN HÒA, THÁNG 11/2017 i LỜI CÁM ƠN Tôi xin chân thành cám ơn giảng viên trường Đại Học Lạc Hồng, thầy cô khoa Công nghệ Thông tin giảng dạy hướng dẫn suốt thời gian theo học trường Tôi xin gởi lời cám ơn đến thạc sĩ Tạ Nguyễn, giáo viên hướng dẫn tơi hồn thành đề tài nghiên cứu khoa học Tôi xin gởi lời cám ơn đến thạc sĩ, giáo viên phản biện góp ý giúp tơi hồn thiện chương trình Tôi xin cám ơn thầy, cô khoa Cơng nghệ Thơng tin có ý kiến đóng góp buổi báo cáo tiến độ Ngồi xin cám ơn thầy Nguyễn Minh Phúc, giáo viên chủ nhiệm lớp 13SE111 bạn lớp tồn thể gia đình người thân giúp đỡ, động viên tơi q trình thực đề tài Với vốn kiến thức hạn chế điều kiện khách quan không cho phép, đề tài tơi khó tránh khỏi thiếu sót chưa đáp ứng đầy đủ u cầu Do tơi hy vọng tiếp tục nhận ý kiến đóng góp hướng dẫn q thầy để đề tài tơi hồn thiện Tơi xin chân thành cảm ơn Biên Hòa, tháng 11 năm 2017 Sinh viên thực Đinh Hồng Ân iii MỤC LỤC LỜI CÁM ƠN i MỤC LỤC iii DANH MỤC HÌNH ẢNH vii DANH MỤC TỪ VIẾT TẮT .ix PHẦN MỞ ĐẦU x Lý chọn đề tài x Lịch sử nghiên cứu .xi 2.1 Hệ thống điểm danh RFID xi 2.2 Hệ thống điểm danh sinh trắc học xii 2.3 Công nghệ nhận diện khuôn mặt xiii 2.4 So sánh Kairos API với số sản phẩm khác [24] xiv Mục tiêu nghiên cứu xxiii Đối tượng phạm vi nghiên cứu xxiii 4.1 Đối tượng nghiên cứu xxiii 4.2 Phạm vi nghiên cứu xxiii Phương pháp nghiên cứu xxiii Những đóng góp vấn đề mà đề tài chưa thực xxiv 6.1 Những đóng góp xxiv 6.2 Những vấn đề chưa thực xxiv Kết cấu đề tài .xxiv CHƯƠNG 1: CƠ SỞ LÝ THUYẾT NHẬN DIỆN KHUÔN MẶT 1 Giới thiệu Những khó khăn nhận dạng khuôn mặt iv Ứng dụng nhận dạng khuôn mặt 4 Các phương pháp để xác định măt người 5 Hướng tiếp cận dựa tri thức 5.1 Tư tưởng 5.2 Các nghiên cứu 6 Hướng tiếp cận dựa đặc trưng không thay đổi 6.1 Các đặc trưng khuôn mặt 6.2 Kết cấu khuôn mặt 10 6.3 Màu sắc da 10 6.4 Đa đặc trưng 11 Hướng tiếp cận dựa so sánh khớp mẫu 11 7.1 Tư tưởng 11 Hướng tiếp cận dựa diện mạo 14 8.1 Tư tưởng 14 8.2 Một số phương pháp cụ hướng tiếp cận dựa diện mạo 15 8.3 Phân loại Bayes 19 8.4 Ưu điểm nhược điểm hai loại phương pháp 19 CHƯƠNG 2: GIỚI THIỆU VỀ KAIROS API 21 Giới thiệu tổng quát 21 1.1 Kairos API gì? 21 1.2 Tính 21 Một số thuật ngữ 22 2.1 API 22 2.2 REST 22 v Quy trình xử lý nhận dạng khuôn mặt Kairos 24 3.1 Đăng ký hình ảnh (quá trình học máy) 24 3.2 Nhận dạng hình ảnh (quá trình xử lý hình ảnh) 26 3.3 Đưa kết (xử lý chuỗi liệu) 26 Các phương thức Kairos API 27 4.1 POST/ ENROLL 27 4.2 POST/ VERIFY 32 4.3 POST/ RECOGNIZE 36 API error code 41 CHƯƠNG 3: XÂY DỰNG ỨNG DỤNG VÀ THỰC NGHIỆM 43 Đánh giá trạng nhu cầu 43 1.1 Đánh giá trạng 43 1.2 Khảo sát nhu cầu 43 1.3 Hướng xây dựng 43 Bài tốn điểm danh nhận diện khn mặt 44 2.1 Quy trình ghi danh 45 2.2 Quy trình điểm danh 46 Xây dựng chương trình thực tế 47 3.1 Qúa trình học máy (Đăng ký thơng tin sinh viên) 47 3.2 Xử lý khuôn mặt (Điểm danh) 50 Thực nghiệm 54 4.1 Đối tượng thực nghiệm 54 4.2 Kết thực nghiệm 55 Một số quy tắc đưa thực nghiệm 56 vi 5.1 Chi tiết kỹ thuật 56 5.2 Chụp ảnh: Đề xuất định vị, biểu trọng tâm 57 5.3 Đăng ký khuôn mặt : Đề xuất để tải lên hình ảnh video 58 5.4 Thiết lập máy ảnh: Đề xuất vị trí, ánh sáng khoảng cách 59 5.5 Định vị máy ảnh: Đề xuất cho hình gắn kết, kiốt thiết bị 60 5.6 Trên đường đi: Đề xuất cho nhúng, máy ảnh hướng phía trước 61 KẾT LUẬN 62 TÀI LIỆU THAM KHẢO 63 vii DANH MỤC HÌNH ẢNH Hình 0.1 Cơng nghệ điểm danh hệ thống RFID xi Hình 0.2 Hệ thống điểm danh Sinh trắc vân tay xii Hình 1.1 Một phương pháp xác định khn mặt điền theo huớng tiếp cận top-down Hình 1.2 Một mẫu khuôn mặt 13 Hình 1.3 Các vector quan sát để huấn luyện cho HMM 18 Hình 2.1 Logo nhà sản xuất Kairos API 21 Hình 2.2 Ảnh Elizzabeth sử dụng để ghi danh 28 Hình 2.3 Yêu cầu tối thiểu xây dựng code post/enroll 29 Hình 2.4 Code Post ghi danh ảnh lên server PHP 29 Hình 2.5 Code post ghi danh ảnh Node.js 30 Hình 2.6 Code post ghi danh ảnh JavaScript 30 Hình 2.7 Chuỗi Json trả server sau ghi danh thành cơng 31 Hình 2.8 Chuỗi Json trả server không nhận diện khuôn mặt ảnh 32 Hình 2.9 Chuỗi Json trả server nhiều khuôn mặt ảnh 32 Hình 2.10 Yêu cầu tối thiểu xây dựng code post/verify 33 Hình 2.11 Code Post ảnh lên server PHP 34 Hình 2.12 Code post ảnh Node.js 34 Hình 2.13 Code post ảnh JavaScript 35 Hình 2.14 Chuỗi Json trả server sau gọi verify thành công 35 Hình 2.15 Chuỗi Json trả server khơng tìm thấy gallery trùng khớp 36 Hình 2.16 Chuỗi Json trả server không nhận diện khuôn mặt ảnh 36 viii Hình 2.17 Yêu cầu tối thiểu xây dựng code post/recognize 37 Hình 2.18 Code recognize ảnh lên server PHP 38 Hình 2.19 Code recognize ảnh Node.js 38 Hình 2.20 Code recognize ảnh JavaScript 39 Hình 2.21 Chuỗi Json trả server sau gọi verify thành cơng 40 Hình 2.22 Chuỗi Json trả server khơng tìm thấy gallery trùng khớp 40 Hình 2.23 Chuỗi Json trả server không nhận diện khuôn mặt ảnh 41 Hình 2.24 Chuỗi Json trả server nhiều khuôn mặt ảnh 41 Hình 3.1 Hai khối chức cơng tác điểm danh 44 Hình 3.2 Quy trình ghi danh 45 Hình 3.3 Quy trình điểm danh 46 Hình 3.4 Quy trình học máy 47 Hình 3.5 Giao diện đăng ký thơng tin sinh viên ứng dụng 48 Hình 3.6 Quy trình xử lý khn mặt 51 Hình 3.7 Giao diện điểm danh ứng dụng 51 Hình 3.8 Danh sách ảnh ghi danh 54 Hình 3.9 Ảnh định danh lần 55 Hình 3.10 Ảnh định danh lần 55 Hình 3.11 Yêu cầu Pixel ảnh 56 Hình 3.12 Vị trí xoay ảnh 58 Hình 3.13 u cầu vị trí khoảng cách 59 Hình 3.14 Yêu cầu độ hiển thị 60 Hình 3.15 Yêu cầu hướng trực quan 61 ix DANH MỤC TỪ VIẾT TẮT STT Từ viết tắt Giải thích API Application Programming Interface REST REpresentational State Transfer HTML HyperText Markup Language IMS QTI IMS Question and Test Interoperability JRE Java Runtime Environment LCMS Learning Content Management System LMS Learning Management System Moodle PHP Hypertext Preprocessor 10 SQL Structured Query Language 11 URL Uniform Resource Locator 12 UTF-8 UCS Transformation Format-8 bit 13 XHTML eXtensible HyperText Markup Language 14 XML eXtensible Markup Language Modular Object-Oriented Dynamic Environment Learning x PHẦN MỞ ĐẦU Lý chọn đề tài Ngày nay, thấy gia tăng tỷ lệ phần trăm giáo dục so với thập kỷ trước nhận thức người lợi ích đáng kể việc giáo dục thích hợp cho phát triển thân xã hội Việc nhập học sinh viên ngày tăng dần đại học cao đẳng cách khơng ngừng Do việc theo dõi diện tất sinh viên lớp học gây nhiều khó khăn Vì vậy, để khỏi điều này, tất tìm kiếm cho nhiều lựa chọn khác "Face Recognize" thay Ở nhiều trường đại học, cao đẳng diện tiêu chí quan trọng cho sinh viên kết học tập Phương pháp trước đây, tự thực trì danh sách điểm danh học công việc không thoải mái cho giáo viên, giảng viên Theo truyền thống, việc điểm danh sinh viên có mặt vắng mặt làm thủ cơng cách sử dụng phiếu điểm danh, gọi tên, làm kiểm tra … gây nhiều thời gian nhân lực Hơn nữa, việc điểm danh cịn dễ sai sót học sinh gian lận nhiều cách Cho nên điểm danh theo cách thủ cơng có tỷ lệ xác nghịch với số lượng học sinh lớp Do việc áp dụng cơng nghệ trở thành phương án thay tính tốn thủ cơng tạo lỗi, lãng phí nhiều thời gian Nếu hệ thống điểm danh tự động phát triển trường đại học, loại bỏ yếu tố phiền toái giấy tờ điểm danh nhân viên thực Một hệ thống quản lý tự động sinh trắc học khuôn mặt cung cấp giải pháp cần thiết Tuy nhiên, nhằm kế thừa giá trị ưu tú trí tuệ trước, vừa áp dụng thích nghi với yêu cầu toán, đồng thời tạo sở cho bạn trẻ đam mê cơng nghệ có khả khám phá xây dựng phần mềm nhận diện khn mặt cho riêng Dó đó, đề tài đưa giải pháp việc “Nghiên cứu công nghệ nhận diện khn mặt Kairos API” sau “áp dụng vào việc xây dựng phần mềm điểm danh sinh viên” 51 Quy trình hoạt động Chọn nhóm Chọn ảnh nhóm In kết So sánh database Upload Kairos API Xử lý thông tin trả Hình 3.6 Quy trình xử lý khuôn mặt Tham số bắt buộc Kairos - image: Truy cập công cộng, tập tin tải lên Base64 ảnh mã hóa - gallery_name: Tự xác định Được sử dụng để xác định thư viện Dữ liệu đầu vào - Nhóm: Dùng để xác định giới hạn so sánh cho ứng dụng - Ảnh đối chiếu Xây dựng giao diện Hình 3.7 Giao diện điểm danh ứng dụng Giao diện đăng ký thông tin sinh viên gồm:  Drop-down list: dùng để chọn nhóm ghi danh 52  Listview: Hiển thị danh sách thành viên nhóm cần so khớp  Image: Hiển thị hình ảnh nhóm sinh viên dùng để đối chiếu  Image button Upload: Dùng để lấy hình ảnh máy web Xây dựng chức Xử lý chức Drop-downlist: Chứa danh sách tên nhóm lấy từ database Khi người dùng chọn nhóm Listview lấy danh sách thành viên nhóm để hiển thị web Sau đó, người dùn cung cấp ảnh đối chiếu với khuôn mặt đăng ký nhóm Khi ảnh vừa gọi nút Image Button Upload chương trình tự động gọi hàm Regconize Kairos API Ajax gọi đến recognize.php với đoạn code sau: 53 Tiếp theo PHP gửi liệu ảnh lên API để xử lý Sau đó, khn mặt, API trả loạt ID với xác suất tương ứng Trong ứng dụng này, đặt ngưỡng mặc định 60% Cho nên ID trả có độ tin tưởng 60 Tiếp đến, ứng dụng đem so sánh subject ID trả với ID database để liệt kê danh sách sinh viên diện 54 Thực nghiệm Sau xây dựng xong chương trình Tơi tiến hành thử nghiệm với sinh viên lớp 13SE111- trường đại học Lạc Hồng sau: 4.1 Đối tượng thực nghiệm a) Ảnh ghi danh 113001727 Đinh Hồng Ân 113001491 Nguyễn Võ Thanh Bình 113001540 Đỗ Xuân Thành 113000686 Nguyễn Quốc Huy 113001471 Phan Minh Nhật 113001013 Nguyễn Thanh Quan Hình 3.8 Danh sách ảnh ghi danh 55 a) Ảnh định danh  Lần 1: Hình 3.9 Ảnh định danh lần  Lần 2: Hình 3.10 Ảnh định danh lần 4.2 Kết thực nghiệm 56 STT MSSV 113001727 113001491 Họ Tên Đinh Hồng Ân Nguyễn Võ Thanh Bình 113001471 113001540 Phan Minh Đỗ Xuân Nhật Thành 113000686 Nguyễn Quốc Huy 113001013 Nguyễn Thanh Quan Tỷ lệ xác Trong đó: Lần       100% Lần       100%  Có mặt  Khơng có mặt Một số quy tắc đưa thực nghiệm Dựa kinh nghiệm xây dựng phát triển ứng dụng công nghệ Kairos API, xin đưa danh sách lời khuyên thiết thực thực hành Có thể tham khảo đề xuất để cải thiện chất lượng độ xác liệu chụp 5.1 Chi tiết kỹ thuật Hình 3.11 Yêu cầu Pixel ảnh 57  Yêu cầu Pixel Có hai yếu tố pixel để tăng khả sử dụng hình ảnh ghi danh: kích thước khn mặt tính theo pixel kích thước khn mặt so với tổng kích thước hình ảnh Biểu đồ mô tả yêu cầu tối thiểu cho hai Trung bình, chiều rộng pixel đơi mắt người nửa khoảng cách chiều rộng đầu họ Khơng có u cầu tối thiểu kích thước hình ảnh để sử dụng Kairos nhiên, nên đăng ký chụp ảnh video có 64 pixel hai mắt đối tượng tỷ lệ đầu đến tỷ lệ chiều rộng hình ảnh khơng 1: Trong trường hợp lý tưởng, nên sử dụng hình ảnh / video với 120 pixel hai mắt Tuy nhiên không cần phải sử dụng hình ảnh / video với 400 điểm ảnh đôi mắt, điều không gây bất lợi cho hiệu suất [25] 5.2 Chụp ảnh: Đề xuất định vị, biểu trọng tâm  Định vị : Đối mặt với máy ảnh trực tiếp vị trí để khn mặt lấp đầy khung với lề 1-2 inch bên Cố gắng tránh góc cạnh  Cách thức biểu lộ: Duy trì biểu trung lập, loại bỏ kính đen kính sát trịng, giữ cho hai mắt mở  Ánh sáng: Để tăng khả hiển thị, tránh ánh sáng rực rỡ lóa cách chụp ảnh ánh sáng  Focus độ tương phản: Hình ảnh lấy nét bị mờ ảnh hưởng độ phân giải thấp, cần đảm bảo hình ảnh focus khơng bị mờ Nếu máy ảnh có khó focus, gần xa từ thiết bị 58 5.3 Đăng ký khuôn mặt : Đề xuất để tải lên hình ảnh video Hình 3.12 Vị trí xoay ảnh  Loại tệp Các tệp hình ảnh BMP, JPG, PNG Hiện API không hỗ trợ GIF Các tệp video AVI, FLV, MJPEG, MOV, MP4, MPEG, WEBM WMV - chấp nhận cho API phân tích cảm xúc Tip: Nên mã hóa video siêu liệu có chứa độ dài video sử dụng tốc độ khung hình từ 20-25 khung hình / giây [25]  Xoay hình ảnh: Tất hình ảnh video phải quay cho khn mặt nhìn thẳng mà không cần điều chỉnh thêm  Độ tin tưởng Độ xác API phụ thuộc vào chất lượng khuôn mặt sử dụng làm điểm đối chiếu Đối với việc nhận khuôn mặt, điều có nghĩa chất lượng khn mặt đăng ký Đối với cảm xúc phân tích nhân học, điều có nghĩa tính khuôn mặt chủ thể chụp khung bắt đầu video [25] 59 Ví dụ, video mà bắt đầu với chủ đề gần với camera kết thúc với chủ đề xa máy ảnh trả lại kết tốt so với video bắt đầu với chủ đề xa máy ảnh kết thúc đối tượng gần máy ảnh Đối với nhận dạng khuôn mặt, để tăng độ tin tưởng hệ thống, nên ghi danh 8-10 hình ảnh cho người dùng 5.4 Thiết lập máy ảnh: Đề xuất vị trí, ánh sáng khoảng cách Hình 3.13 Yêu cầu vị trí khoảng cách  Vị trí Camera Vị trí camera để khuôn mặt người xuất theo chiều dọc hình ảnh Khn mặt nên gần trung tâm bối cảnh Để có kết tốt nhất, máy ảnh nên đặt cách mà đối tượng nhìn trực tiếp Máy ảnh Điều cho phép đo lường xác mối liên hệ với kích thích (ví dụ, hình hiển thị kỹ thuật số với quảng cáo, điện thoại thơng minh, hình phim) [25]  Ánh sáng Tránh dẫn máy ảnh ánh sáng mạnh, mặt trời khu vực có ánh sáng mạnh 60  Khoảng cách Khoảng cách tối đa mà Kairos làm phụ thuộc vào độ phân giải máy ảnh ống kính sử dụng Ví dụ: để có kết xác, hình ảnh / video chụp phải có 64 pixel người mắt Nếu người dùng định sử dụng Kairos khoảng cách dài, nên sử dụng máy ảnh có độ phân giải cao giá trị thu phóng 5.5 Định vị máy ảnh: Đề xuất cho hình gắn kết, kiốt thiết bị Hình 3.14 Yêu cầu độ hiển thị  Hiển thị Đối với trường hợp sử dụng hình hiển thị kỹ thuật số, máy ảnh phải đặt đầu hình Thơng thường, chiều cao đầu (5-6 chân đến mặt đất) vị trí chiều cao tối ưu Máy ảnh phải đặt gần với hình hiển thị trung tâm theo chiều ngang - điều cần thiết hình có kích thích, muốn đo lường người tương tác với Chìa khóa tránh góc cực [25] 61  Thiết bị thơng minh Đối với trường hợp sử dụng thiết bị thơng minh, máy quay mặt phía trước thường xuất đầu thiết bị đó, đặt chiều cao tối ưu thường thấp chút so với chiều cao đầu (ví dụ: '8' ') Nếu sử dụng API cho trường hợp sử dụng một-một-một ứng dụng kiosk ứng dụng sử dụng tính nhận diện khuôn mặt cho xác thực, nên gắn cách linh hoạt để người điều chỉnh chiều cao cách thủ công 5.6 Trên đường đi: Đề xuất cho nhúng, máy ảnh hướng phía trước Hình 3.15 Yêu cầu hướng trực quan  Cầm tay Người sử dụng nên giữ thiết bị khoảng cách thoải mái, ổn định từ mặt họ Thông thường điều nằm tầm tay Các đối tượng nên nghiêng thiết bị điều chỉnh đầu để đối mặt với hình Nó tương tự ' Chụp ảnh tự sướng' Là phần thiết kế ứng dụng, người dùng sử dụng lời nhắc hình để hướng dẫn thêm người vào vị trí tối ưu 62 KẾT LUẬN Qua trình nghiên cứu cơng nghệ nhận diện khn mặt Kairos API, người nghiên cứu nắm cách sử dụng đưa hướng dẫn sử dụng Kairos API cho việc nhận dạng khuôn mặt Đồng thời qua đó, người nghiên cứu xây dựng quy trình điểm danh sinh viên việc nhận dạng khn mặt với độ xác cao có khả áp dụng vào thực tế Tuy nhiên, giới hạn kiến thức thời gian, đề tài chưa cung cấp chi tiết đầy đủ chức Kairos API tối ưu hóa ứng dụng cho phạm vi trường học Trong thời gian tới, đề tài cần mở rộng mơ hình đáp ứng nhu cầu điểm danh trường đại học, đồng thời tăng hiệu suất xử lý chương trình 63 TÀI LIỆU THAM KHẢO  TÀI LIỆU TIẾNG ANH [1] Ming-Hsuan Yang, David J Kriegman, Narendra Ahuja, “Detecting Faces in Images: A Survey”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol 24, No 1, pp 34-47, Jan 2002 [2] T Kanade, “Picture Processing Computer Complex and Recognition of Human Faces”, PhD thesis, Kyoto Univ., 1973 [3] G Yang, T S Huang, “Human Face Detection in Complex Background”, Pattern Recognition, Vol 27, No 1, pp 53-63, 1994 [4] C Kotropoulos, I Pitas, “Rule-based Face Detection in Frontal Views”, Proc Int’l Conf Acoustics, Speech and Signal Processing, Vol 4, pp 26372540, 1997 [5] T K Leung, M.C Burl, P Perona, “Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching”, Proc 5th IEEE Conf Computer Vision (ICCV’95), pp 637-644, 1995 [6] K C Yow, R Cipolla, “Feature-Based Human Face Detection”, Image and Vision Computing, Vol 15, No 9, pp 713-735, 1997 [7] I Craw, D Tock, A Bennett, “Finding Face Features”, Proc 2nd European [8] Conf Computer Vision (ECCV’92), Vol 2, pp 92-96, 1992 [9] A Lanitis, C J Taylor, T F Cootes, “An Automatic Face Identification System Using Flexible Appearance Models”, Image and Vision Computing, Vol 13, No 5, pp 393-401, 1995 [10] Luxand FaceSDK 4.0, Trial Version, Luxand.Inc, 2011 [11] Stan Z Li and Anil K Jain, “Handbook of Face Recognition”, Spinger London Cataloguing Publishing Data, 2011 [12] Baker,S., “Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition”, Nayar,S Patternrejection.Inc, pp 544–549, 1996 [13] Bichsel, M., Pentland, A.P., “Human face recognition and the face image set’s topology”, CVGIP, Image Underst 59, 254–261, 1994 64 [14] Bourdev, L.D., Brandt, J., “Robust object detection via soft cascade”, Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol II, pp 236– 243, 2005 [15] Brubaker,S.C.,Wu,J.,Sun,J.,Mullin,M.D.,Rehg,J.M “On the design of cascades of boosted ensembles for face detection”, Int J Comput Vis 77(1–3), 65–86, 2008 [16] Crow, F., “Summed-area tables for texture mapping”, In: SIGGRAPH, vol 18(3), pp 207–212, 1984 [17] Feraud, J., Bernier, O., Collobert, “A fast and accurate face detector for indexation of face images”, Proc Fourth IEEE Int Conf on Automatic Face and Gesture Recognition, Grenoble, 2000 [18] Fleuret, F., Geman, D, “Coarse-to-fine face detection” Int J Comput Vis 20, 1157–1163, 2004 [19] Viola, P., Jones, M.J.,“Robust real-time face detection”, Int J Comput Vis 57(2), 137–154, 2004 [20] Wu, J., Brubaker, S.C., Mullin, M.D., Rehg, J.M.,“Fast asymmetric learning for cascade face detection”, IEEE Trans Pattern Anal Mach Intell 30(3), 369–382, 2008 [21] Xiao, R., Zhu, L., Zhang, H.J., “Boosting chain learning for object detection”, Proceedings of IEEE International Conference on Computer Vision Inc, pp 709–714, 2003 [22] Xiao, R., Zhu, H., Sun, H., Tang, X.: Dynamic cascades for face detection In: Proceedings of IEEE International Conference on Computer Vision (2007)  TÀI LIỆU INTERNET [23] Kairos api: https://www.kairos.com/docs/api/ [24] Face Recognition: Kairos vs Microsoft vs Google vs Amazon vs OpenCV: https://www.kairos.com/blog/face-recognition-kairos-vs-microsoft-vsgoogle-vs-amazon-vs-opencv [25] Best-practices: https://www.kairos.com/docs/api/best-practices 65 i https://aws.amazon.com/rekognition/ https://cloud.google.com/vision/ iii https://www.microsoft.com/cognitive-services/en-us/ iv https://www.ibm.com/watson/developercloud/visual-recognition v http://www.cognitec.com/ vi https://www.necam.com/biometrics/ vii http://www.affectiva.com/ viii http://www.faceplusplus.com/ ix http://opencv.org/ ii ... API nhận diện khuôn mặt Kairos xây dựng trang web ứng dụng nhận diện khuôn mặt việc điểm danh sinh viên Nội dung chi tiết gồm: - Tìm hiểu Kairos Face API - Xây dựng trang web nhận diện khuôn mặt. .. face API - Quy trình điểm danh hệ thống nhận dạng khuôn mặt 4.2 Phạm vi nghiên cứu - Quy trình điểm danh sinh viên nhận diện khuôn mặt - Cách sử dụng Kairos API Phương pháp nghiên cứu - Nghiên cứu. .. pháp việc ? ?Nghiên cứu công nghệ nhận diện khuôn mặt Kairos API? ?? sau ? ?áp dụng vào việc xây dựng phần mềm điểm danh sinh viên? ?? xi Lịch sử nghiên cứu 2.1 Hệ thống điểm danh RFID RFID (Radio Frequency