BÁO CÁO ĐỒ ÁN CƠ SỞ 4 ĐỀ TÀI:NHẬN DIỆN KHUÔN MẶT GIẢNG VIÊN HƯỚNG DẪN:Ths LÊ THỊ BÍCH TRA

XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT-HÀN BÁO CÁO ĐỒ ÁN CƠ SỞ ĐỀ TÀI:NHẬN DIỆN KHUÔN MẶT GIẢNG VIÊN HƯỚNG DẪN:Ths LÊ THỊ BÍCH TRA SINH VIÊN THỰC HIỆN:NGUYỄN PHAN THÀNH CÔNG Đà Nẵng, tháng 12 năm 2020 Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra MỞ ĐẦU Hiện nay, với phát triển xã hội, vấn đề án ninh bảo mật yêu cầu khắt khe nơi giới Các hệ thống nhận dạng người đời với độ tin cậy ngày cao Một toán nhận dạng người quan tâm nhận dạng khn mặt Vì nhận dạng khn mặt cách dễ dàng mà người dùng để phân biệt Bên cạnh đó, ngày việc thu thập, xử lý thông tin qua ảnh để phân biệt đối tượng quan tâm ứng dụng rộng rãi Với phương pháp này, thu nhận nhiều thơng từ đối tượng mà không cần tác nhiều đến đối tượng nghiên cứu Một toán nhiều người quan tâm lĩnh vực xử lý ảnh nhận dạng khuôn mặt (Face Recognition) Như biết, khn mặt đóng vai trị quan trọng q trình giao tiếp người với người, mang lượng thơng tin giàu có, chẳng hạn từ khn mặt xác định giới tính, tuổi tác, chủng tộc, trạng thái cảm xúc, đặc biệt xác định mối quan hệ với đối tượng (có quen biết hay khơng) Do đó, tốn nhận dạng khn mặt đóng vai trị quan trọng nhiều lĩnh vực đời sống ngày người hệ thống giám sát, quản lý vào ra, tìm kiếm thông tin người tiếng, …đặc biệt an ninh, bảo mật Có nhiều phương pháp nhận dạng khuôn mặt để nâng cao hiệu suất nhiên dù hay nhiều phương pháp vấp phải thử thách độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng tham số môi trường Trong khuôn khổ đồ án này, chúng em tiếp tục giải tốn nhận dạng offline Trong đối tượng thu thập thành file liệu chuyển trung tâm Tại đó, số liệu phân tích xử lý Chúng em lấy làm tảng để xây dựng ứng dụng lớn sau Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra LỜI CẢM ƠN Để thực hồn thành tốt đồ án này, em nhận giúp đỡ hướng dẫn tận tình thầy cô thuộc Khoa Công nghệ Thông tin Truyền thông – Đại học Đà Nẵng Em xin cảm ơn thầy cô thuộc môn chuyên ngành cung cấp cho chúng em thông tin, kiến thức vô quý báu cần thiết suốt thời gian q để em thực hồn thành đồ án Đặc biệt em xin chân thành cảm ơn Lê Thị Bích Tra người trực tiếp hướng dẫn chúng em thời gian thực đồ án Cuối cùng, xin chân thành cảm ơn bạn ngành công nghệ thông tin ủng hộ, giúp đỡ, chia sẻ kiến thức, kinh nghiệm tài liệu có giúp chúng tơi q trình nghiên cứu thực đề tài Do giới hạn mặt thời gian kiến thức kinh nghiệm thực tiễn nên đề tài không tránh khỏi sai sót Em mong nhận thơng cảm q thầy mong đón nhận góp ý thầy cô bạn Em xin chân thành cảm ơn! Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Đà Nẵng, ngày 23 tháng 07 năm 2020 Giảng viên hướng dẫn Lê Thị Bích Tra Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra MỤC LỤC Chương 1: GIỚI THIỆU VÀ NGHIÊN CỨU TỔNG QUAN 1.1 Giới thiệu đề tài: 1.2 Phương pháp thực hiện: .7 1.3 Các phương pháp nghiên cứu: 1.4 Ưu điểm, nhược điểm phương pháp: 1.5 Kết luận: .9 1.6 Cấu trúc đồ án: 10 Chương : 11 CƠ SỞ LÝ THUYẾT .11 2.1 Tổng quan Adaboost: 11 2.2 Tiếp cận Boosting: 11 2.3 Adaboost: 12 2.4 Các đặc trưng Haar-Like: 16 2.5 Cascade of Classifiers: .19 2.6 Cascade of boosting classifiers: .21 Chương 3: 22 PHÂN TÍCH VÀ XÂY DỰNG HỆ THỐNG 22 3.1 Sơ lược OpenCV: 22 3.2 Tổng quan hệ thống phát mặt người ảnh: 23 3.3 Phân tích – thiết kế hệ thống phát mặt người: 24 3.3.1 Phân tích: 24 3.3.2 Thiết kế hệ thống: 25 3.3.3 Thiết kế sở liệu: 26 3.4 Giao diện chương trình: 27 KẾT LUẬN 29 DANH MỤC TÀI LIỆU THAM KHẢO .30 Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHUÔN MẶT GVHD: Cơ Lê Thị Bích Tra MỤC LỤC HÌNH ẢNH Hình 1: Boosting 12 Hình 2: Đặt trưng Haar-like 15 Hình 3: Cách tính Integral Image ảnh 17 Hình 4: Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh .17 Hình 5: Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh với đặc trưng xoay 450 18 Hình 6: Cascade of classifiers 20 Hình 7: Cascade of boosting classifiers .20 Hình 8: Cấu trúc OpenCV 22 Hình 9: Tổng quan hệ thống phát mặt người ảnh 23 Hình 10: Biểu đồ ngữ cảnh hệ thống 24 Hình 11: Sơ đồ hệ thống .24 Hình 12: Cơ sở liệu .26 Hình 13: Giao diện tạo người dùng .26 Hình 14: Giao diện lấy liệu 27 Hình 15: File liệu lấy 27 Hình 16: Giao diện training 28 Hình 17: Giao diện nhận diện người dùng 28 Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Chương 1: GIỚI THIỆU 1.1 Giới thiệu đề tài: Với phát triển không ngừng khoa học công nghệ, đặc biệt thiết bị hỗ trợ công nghệ xử lý ảnh ngày đại sử dụng phổ biến đời sống người làm cho lượng thông tin thu hình ảnh ngày tăng phổ biến Theo đó, lĩnh vực xử lý ảnh trọng phát triển, ứng dụng rộng rãi đời sống xã hội đại Không dừng lại việc chỉnh sửa, tăng chất lượng hình ảnh mà với cơng nghệ xử lý ảnh giải toán nhận dạng chữ viết, nhận dạng dấu vân tay, đặc biệt nhận dạng khuôn mặt… Công nghệ nhân diện khuôn mặt (Facial Recognition Technology) công nghệ sử dụng phổ biến quốc gia phát triển Công nghệ có khả xác định xác nhận người từ hình ảnh kỹ thuật số lấy mẫu trước từ khung hình nguồn video khác Đây phương pháp xác minh độc đáo thiết bị dựa vào điểm khác tiêu biểu khuôn mặt người để tiến hành phân biệt người với người khác Do trường hợp song sinh người dùng n tâm máy phát ra.Chính đặc điểm ứng dụng việc quản lý nhân cịn lựa chọn nhiều đơn vị hoạt động lĩnh vực an ninh, bảo mật Xây dựng dự án phần mềm ứng dụng nhận dạng khuôn mặt nhằm giúp việc quản lý, điểm danh thống kê theo yêu cầu cho việc điểm danh sinh viên học, vào nhà trường Ngồi ra, giúp sinh viên tìm hiểu thư viện OpenCV, tìm hiểu phương pháp xác định khn mặt (Face Detection) 1.2 Phương pháp thực hiện: - Trước tiên ta phải nêu tốn, phân tích thiết kế hệ thống nhận dạng - Xây dựng hệ thống sử dụng ngôn ngữ Python thư viện OpenCV Hệ thống lấy mẫu khn mặt camera, sau hệ thống trích xuất, phân tích khn mặt từ hình ảnh mẫu lấy trước để so sánh hệ thống Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra đưa kết luận có phải đối tượng cho phép hay không Sử dụng công cụ IDLE Python để lập trình - Sau xây dựng sở liệu SQLite để thống kê, hiển thị liệu, sử dụng số cơng cụ để lập trình Sublime Text, PHPStorm, Pycharm … 1.3 Các phương pháp nghiên cứu: Hiện có hai phương pháp nhận diện khn mặt sử dụng rộng rãi là: - Nhận dạng dựa đặc trưng phần tử khuôn mặt (Feature based face recognition) - Nhận dạng dựa xét tổng thể khuôn mặt (Appearance based face recognition) Ngồi cịn có số phương pháp loại nhận dạng sử dụng mơ hình khn mặt: - Nhận dạng 2D: Elastics Bunch Graph, Active Appearance Model - Nhận dạng 3D: 3D Morphable Model 1.4 Ưu điểm, nhược điểm phương pháp: Nhận dạng dựa đặc trưng phần tử khuôn mặt: Đây phương pháp nhận dạng khuôn mặt dựa viện xác định đặc trưng hình học chi tiết khn mặt (vị trí, diện tích , hình dạng mắt, mũi, miệng, ) mối quan hệ chúng (khoảng cách hai mắt, khoảng cách hai lông mày, ) Ưu điểm phương pháp gần với cách mà người sử dụng để nhận biết khuôn mặt Hơn với việc xác điịnh đặc tính cà mối quan hệ, phương pháp cho kết tốt trường hợp ảnh có nhiều nhiễu bị nghiêng, bị xoay ánh sáng thay đổi Nhược điểm phương pháp cài đặt thuật toán phức tạp việc xác định mối quan hệ đặc tính khó phân biệt Mặt khác, với ảnh kích thước bé đặc tính khó phân biệt Nhận dạng dựa xét tổng thể khuôn mặt: Đây phương pháp xem ảnh có kích thước RxC vector không gian RxC chiều Ta xây dựng khơng gian có chiều nhỏ Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra chi biểu diễn khơng gian có đặc điểm khuôn mặt không bị Trong không gian đó, ảnh người tập trung lại nhóm gần cách xa nhóm khác Ưu điểm phương pháp tìm đặc tính tiêu biểu đối tượng cần nhận dạng mà không cần phải xác định thành phần mối quan hệ thành phần Phương pháp sử dụng thuật tốn thực tốt với ảnh có độ phân giải cao, thu gọn ảnh thành ảnh có kích thước nhỏ Có thể kết hợp phương pháp khác mạng Nơ-ron, Support Vector Machine Nhược điểm phương pháp phân loại theo chiều phân bố lớn vector Tuy nhiên, chiều phân bố lớn lúc mang lại hiệu qua tốt cho toán nhận dạng đặc biệt phương pháp nhạy với nhiễu 1.5 Kết luận: Vì kết nghiên cứu cuối phần mềm áp dụng vào thực tế với yêu cầu độ xác cao, khả thích ứng linh hoạt, hoạt động ổn định môi trường thực tế hoạt động với camera với độ phân giải thấp Nên nhóm định chọn phương pháp nhận dạng dựa đặc trưng phần tử khuôn mặt (Feature based face recognition) 1.6 Cấu trúc đồ án: - Nghiên cứu tổng quan - Phân tích thiết kế hệ thống - Triển khai xây dựng - Kết luận hướng phát triển Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Chương CƠ SỞ LÝ THUYẾT 2.1 Tổng quan Adaboost: Học theo adaboost cách hướng tiếp cận dựa diện mạo, Viola AdaBoost kết hợp cascade để xác định khuôn mặt người [1] với đặc trưng dạng Haar wavelet-like Tốc độ xử lý nhanh tỷ lệ xác 80% ảnh xám Thuật toán học máy Adaboost phát triển thuật toán boosting, chúng em trình bày sơ lược thuật tốn boosting trước trình bày adaboost 2.2 Tiếp cận Boosting: Về lịch sử, boosting bắt nguồn từ câu nói tiền đưa Kearns vào đầu năm 1989: “Liệu tạo strong classifier từ tệp phân loại yếu?” Năm 1990, Robert Schapire Simard kiểm nghiệm chương trình nhận dạng (OCR application) Freund tiếp tục nghiên cứu Schapire đến năm 1995 ơng với Schapire phát triển boosting thành adaboost Như vậy, nguyên lý boosting kết hợp weak classifiers thành strong classifiers Trong đó, weak classifiers phân loại đơn giản cần có độ xác 50% Bằng cách này, nói phân loại “boost” Để hiểu cách hoạt động thuật toán boosting, ta xét toán phân loại lớp (mẫu cần nhận dạng thuộc hai lớp) với D tập huấn luyện gồm có n mẫu Trước tiên, chọn ngẫu nhiên n1 mẫu từ tập D (n1 Ftarget  i = i+1;  Huấn luyện phân loại hi từ tập Pi Ni với detection rate d max false alarm f Thêm hi vào phân lớp Dùng phân lớp có để tính Fi: Duyệt qua N mẫu negative tìm đủ n mẫu mà phân lớp có phân loại sai  N := ∅  Nếu Fi >Ftarget N = { số mẫu sai stage phân loại sai } P = { số mẫu positive mà stage phân loại dúng } Trang 19 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Minh họa thuật tốn Cascade training: Hình 6: Cascade of classifiers Hình minh họa huấn luyện cascade gồm N stages Ở stage, weak classifier tương ứng huấn luyện cho độ xác h false alarm f 2.6 Cascade of boosting classifiers: Cascade of boosting classifiers mơ hình cascade of classifiers với classifier xây dựng Adaboost sử dụng haar-like Hình 7: Cascade of boosting classifiers Viola Jones sử dụng thành công cascade of boosting classifiers cho toán nhận dạng mặt người Với tập huấn luyện gồm 4196 hình mặt người đưa ảnh grayscale kích thước 24x24 9500 hình background, hai ôngđã xây dựng cấu trúc cascade tree gồm 38 stage với tổng cộng 6060 đặc trưng haarTrang 20 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra like Thực nghiệm cho thấy classifier stage sử dụng đặc trưng loại khoảng 50% mẫu background (không phải mặt người) có độ xác d = 100% Classifier stage thứ sử dụng 10 đặc trưng loại 80% mẫu background với độ xác 100% Hệ thống so sánh với hệ thống Rowley-Baluja-Kanade (sử dụng mạng neural), Schneiderman-Kanade (sử dụng phương pháp thống kê), cho thấy tỉ lệ nhận dạng ngang nhau, hệ thống Viola Jones chạy nhanh đến 15 lần so với hệ thống Rowley-Baluja-Kanade nhanh 600 lần hệ thống SchneidermanKanade Lý mà cấu trúc cascade đạt tốc độ nhận dạng nhanh nhờ sớm loại bỏ mẫu background đơn giản (thường có số lượng lớn nhiều so với mẫu chứa object – mẫu chưa khuôn mặt cần tiến hành nhận dạng) Bên cạnh đó, hệ thống Viola Jones đạt độ xác cao nhờ vào thuật toán cascade training, nhận dạng huấn luyện AdaBoost với đặc trưng Haar-like mô tả tốt thơng tin đối tượng, với cách Integral Image tính nhanh đặc trưng, không làm giảm tốc độ nhận dạng hệ thống Như vậy, mơ hình Cascade of Boosted Classifiers thật cách tiếp cận tốt tốc độ lẫn khả nhận dạng, phù hợp với nhận dạng mặt người Chương PHÂN TÍCH VÀ XÂY DỰNG HỆ THỐNG Phát mặt người ảnh có nhiều ứng dụng sống, nhiên, khóa luận này, chúng em xây dựng chương trình nhỏ để minh họa cho lý thuyết Cụ thể chương trình phát mặt người ảnh viết ngôn ngữ python, sử dụng thư viện mã nguồn mở OpenCV Intel 3.1 Sơ lược OpenCV: OpenCV thư viện mã nguồn mở intel thị giác máy tính Nó cung cấp mã nguồn bao gồm hàng trăm hàm, lớp dựa thuật toán xử Trang 21 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra lý ảnh Computer vision dùng ngôn ngữ C/C++ Open CV thể đa dạng trí tuệ nhân tạo Được ứng dụng nhiều toán nhận dạng mặt, dị tìm mặt, phát mặt, lọc Kalman, … Cấu trúc tổng quan OpenCV bao gồm phần phần hình vẽ Hình 8: Cấu trúc OpenCV Phần CV bao gồm thư viện xử lý ảnh giải thuật thị giác máy tính ML thư viện thuật toán học máy, bao gồm nhiều phân cụm phân loại thống kê HighGUI chứa đựng thủ tục vào ra, chức lưu trữ đọc file ảnh video Phần thứ 4, Cxcore chứa đựng cấu trúc liệu ( ví dụ cấu trúc XML, liệu …) Phần cuối CvAux, phần bao gồm thư viện cho việc phát hiện, theo dõi nhận dạng đối tượng (khuôn mặt, mắt …) 3.2 Tổng quan hệ thống phát mặt người ảnh: Trang 22 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 9: Tổng quan hệ thống phát mặt người ảnh Về bản, từ ảnh gốc ban đầu, hệ thống chia ảnh thành vô số vùng nhỏ để tính đặc trưng, sau đưa đặc trưng Tiếp theo, chương trình xác định vùng khả quan (các ứng viên) khn mặt, cuối ứng viên đưa vào phân loại để tiến hành xác định ứng viên mặt người 3.3 Phân tích – thiết kế hệ thống phát mặt người: 3.3.1 Phân tích: Nhiệm vụ chương trình dị tìm khn mặt từ ảnh, file video từ webcam, sau lưu khuôn mặt vào csdl để phục vụ cho mục đích khác (sẽ phát triển sau) Trang 23 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHUÔN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 10: Biểu đồ ngữ cảnh hệ thống Như chức chương trình bao gồm:  Kết nối đến webcam, đọc file ảnh video  Phát nhiều khn mặt có ảnh, video, webcam  Lưu ảnh khuôn mặt phát vào sở liệu  Nhận diện khuôn mặt thay đổi trạng thái điểm danh 3.3.2 Thiết kế hệ thống: Với chức trên, chương trình chia thành thành phần chính: Phần xử lý đầu vào, phần phát khuôn mặt phần xử lý đầu Lấy đặc trưng huấn luyện nhận dạng Hình 11: Sơ đồ hệ thống Trang 24 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra a Xử lý đầu vào: Chương trình nhận đầu vào file ảnh, video webcam, nhiên, việc phát khuôn mặt thực ảnh, đó, với đầu vào webcam hay file video, ta phải chuyển thành ảnh tĩnh xử lý ảnh tĩnh Sau có ảnh đầu vào chuyển ảnh cho giai đoạn xử lý tiếp theo, phát khn mặt có ảnh b Phát khn mặt: Phần xử lý nghiệp vụ hệ thống Sau có ảnh truyền vào, hệ thống thực chức phát khn mặt có ảnh Việc phát khuôn mặt thực nhanh thuật tốn adaboost thơng qua hàm cvHaarDetectObjects() OpenCV Hàm thực việc phát đối tượng dựa đặc trưng haar-like, cụ thể nhờ vào Cascade truyền vào cho hàm Bộ Cascade xây dựng theo dạng (tree-node) huấn luyện từ trước Việc huấn luyện Cascade thực từ liệu thu thập để phục vụ cho q trình nhận dạng Ví dụ, muốn nhận dạng người A, ta thu thập ảnh khn mặt người A với nhiều tư thế, góc chụp điều kiện chụp khác nhau, sau cho nhận dạng học theo thuật toán Cascade training Sau training xong, hệ thông lưu lại thành file có yml, bao gồm nhiều đặc điểm, nhiều tư người dùng, giúp hệ thống nhận diện c Xử lý đầu ra: Khuôn mặt sau phát tách khỏi ảnh lưu dạng ảnh bitmap với phần mở rộng *.jpg Đối với đầu vào file ảnh, liệu đầu file ảnh có lưu vị trí khn mặt phát ảnh, đồng thời tách riêng khuôn mặt lưu vào sở liệu Đối với đầu vào file video webcam Các khuôn mặt tách lưu lại thành file ảnh riêng rẽ, đánh số thứ tự theo tên file video Ví dụ file video test.avi ảnh khn mặt phát đánh số theo thứ tự sau: test.avi_1.jpg, test.avi_2.jpg … 3.3.3 Thiết kế sở liệu: Lưu trữ sở liệu phần quan trọng ứng dụng Việc xây dựng, tổ chức sở liệu ảnh hướng lớn đến tốc độ chương trình Do tơi Trang 25 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra xây dựng quản sở liệu hệ quản trị sở liệu SQL Lite, hệ quản trị sở liệu mạnh, đáp ứng nhiều yêu cầu quản lý sở liệu doanh nghiệp lớn, đặc biệt ngân hàng hay kho bạc Tuy tại, chương trình dừng lại mức phát khuôn mặt ảnh, việc xây dựng sở liệu tốt tiền đề để phát triển chương trình thành ứng dụng lớn sau Hệ thống cần lưu trữ liệu: Ảnh khuôn mặt sau phát webcam Như thông tin sở liệu bao gồm thực thể sau:  ID: Mã ảnh, kiểu Integer, khóa có ràng buộc tự tăng  Name: Tên sinh viên, kiểu liệu text (255) Hình 12: Cơ sở liệu 3.4 Giao diện chương trình: Hình 13: Giao diện tạo người dùng Trang 26 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHUÔN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 14: Giao diện lây liệu khn mặt Hình 15: File hình ảnh tạo Trang 27 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 16: Giao diện training Hình 17: Giao diện nhận diện KẾT LUẬN 1.Kết đạt Trang 28 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Trên sở nghiên cứu toán phát mặt người ảnh Đặc biệt thuật tốn Adaboost, đặc trưng haar-like mơ hình Cascade of Classifier Chúng em áp dụng thành cơng mơ hình Cascade of Classfier vào tốn phát mặt người ảnh Tuy kết đạt chưa cao, bước đầu để phát triển toán nhận dạng mặt (face recognition) người sau Bên cạnh đó, q trình xây dựng chương trình demo, tơi tìm hiểu thư viện mã nguồn mở OpenCV, hệ quản trị sở liệu Oracle, qua biết cách sử dụng hàm thư viện OpenCV quản lý sở liệu hệ quản trị sở liệu Oracle Về chương trình demo, sau thử nghiệm với tập ảnh lớn webcam Chương trình đạt kết tốt, thời gian phát nhanh ảnh mặt người chụp thẳng, chất lượng ảnh tốt (chụp máy kĩ thuật số), nhiên ảnh chụp nghiêng hay ảnh có mầu sắc q tối chương trình gần phát khuôn mặt ảnh Đối với webcam, hiệu xuất chương trình cịn tùy theo chất lượng loại webcam sử dụng, nhiên tương tự với phát khn mặt ảnh, chương trình khơng thể phát mặt người điều kiện độ sáng yếu góc quay nghiêng 200 2.Hướng phát triển: Có nhiều hướng phát triển cho chương trình này, phát triển mặt ứng dụng mặt thuật tốn Có thể xây dựng ứng dụng cần đến phát mặt người mà không cần nhận dạng Ví dụ hệ thống ghép hình, ghép khuôn mặt phát vào ảnh khác Ngồi phát triển chương trình theo hướng nhận dạng khuôn mặt, xây dựng hệ thống để học đặc trưng người cần nhận dạng Khi thực hiện, ta đưa qua ảnh qua chương trình phát mặt người để phát nhanh khn mặt có ảnh, sau so sách khn mặt với khn mặt mà chương trình “học” từ trước, so sánh đặc trưng hai khn mặt, trùng đưa thông tin khuôn mặt nhận dạng DANH MỤC TÀI LIỆU THAM KHẢO [1] G Yang and T S Huang, “Human Face Detection in Complex Background”, Pattern Recognition, vol 27, no 1, pp 53-63, 1994 Trang 29 ... Đà Nẵng, ngày 23 tháng 07 năm 2020 Giảng viên hướng dẫn Lê Thị Bích Tra Trang XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHUÔN MẶT GVHD: Cơ Lê Thị Bích Tra MỤC LỤC Chương 1: ... sinh viên, kiểu liệu text (255) Hình 12: Cơ sở liệu 3 .4 Giao diện chương trình: Hình 13: Giao diện tạo người dùng Trang 26 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 14: ... Hình 14: Giao diện lây liệu khn mặt Hình 15: File hình ảnh tạo Trang 27 XÂY DỰNG ỨNG DỤNG NHẬN DIỆN KHN MẶT GVHD: Cơ Lê Thị Bích Tra Hình 16: Giao diện training Hình 17: Giao diện nhận diện KẾT LUẬN