BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG AI NHẬN DIỆN KHUÔN MẶT TRONG MUA SẮM Giáo viên hướng dẫn: ThS Phan Trọng Thanh

ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT - HÀN KHOA KHOA HỌC MÁY TÍNH - - BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG AI NHẬN DIỆN KHUÔN MẶT TRONG MUA SẮM Giáo viên hướng dẫn: ThS Phan Trọng Thanh Sinh viên thực : Trần Thị Ngọc Anh Nguyễn Trọng Nghĩa Lớp : 18IT5 Đà Nẵng, tháng 05 năm 2021 ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT - HÀN KHOA KHOA HỌC MÁY TÍNH - - BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG AI NHẬN DIỆN KHUÔN MẶT TRONG MUA SẮM Giáo viên hướng dẫn: ThS Phan Trọng Thanh Sinh viên thực : Trần Thị Ngọc Anh Nguyễn Trọng Nghĩa Lớp : 18IT5 Đà Nẵng, tháng 05 năm 2021 MỤC LỤC MỤC LỤC MỤC LỤC HÌNH ẢNH .5 LỜI CẢM ƠN LỜI NÓI ĐẦU CHƯƠNG GIỚI THIỆU 1.1 Giới thiệu đề tài 1.2 Vấn đề cần giải 10 1.3 Đề xuất nội dung thực 10 1.4 Chức dự kiến 10 CHƯƠNG NGHIÊN CỨU TỔNG QUAN 11 2.1 Tổng quan Python .11 2.1.1 Python gì? .11 2.1.2 Đặc điểm 11 2.1.3 Tính 11 2.1.4 Python sử dụng đâu? .12 2.1.5 Lý nên bắt đầu lập trình với Python .13 2.2 Tổng quan quá trình xử lí ảnh 13 2.2.1 Quá trình xử lí ảnh .13 2.2.2 Các vấn đề xử lí ảnh .15 2.3 Tổng quan các thư viện cài đặt 17 2.3.1 Open CV 17 2.3.2 Tensorflow 19 2.3.3 Matplotlib 21 2.3.4 Pillow 23 2.3.5 Scipy 23 2.3.6 Scikit-learn 24 2.4 Hệ thống nhân diện khuôn mặt .26 2.4.1 Các ứng dụng phổ biến 26 2.4.2 Các loại hệ thống xác thực 26 2.5.3 Các phương pháp xác thực gương mặt .26 2.5.4 Các pretrain model facenet 28 2.5.1 Tổng quan thư viện 28 2.5.2 Cấu trúc CNNs 29 2.6.3 Cách thức hoạt dộng 30 2.5.4 Các toán khác Face 32 2.5.5 Thuật toán nhận dạng Facenet 34 CHƯƠNG DEMO CHƯƠNG TRÌNH 36 3.1 Đăng kí tài khoản 36 3.2 Đăng nhập hệ thống 36 3.3 Trang mua hàng .37 3.4 Trang đặt hàng 38 3.5 Trang giỏ hàng 38 3.6 Trang toán 39 3.7 Trang toán thành công 39 4.1 Kết 41 4.1.1 Kết đạt 41 4.1.2 Hạn chế tồn đọng 41 4.2 Hướng phát triển 41 TÀI LIỆU THAM KHẢO 42 MỤC LỤC HÌNH ẢNH NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… ………………………………………………………… Chữ ký giảng viên hướng dẫn ……………………………… LỜI CẢM ƠN Trên thực tế khơng có sự thành cơng mà không gắn liền với sự hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp người khác Trong suốt quãng thời gian từ bắt đầu học tập giảng đường trường Đại học Công nghệ Thông tin Truyền thông Việt Hàn - Đại học Đà Nẵng, nhận nhiều sự quan tâm, giúp đỡ thầy các bạn Với lịng biết ơn sâu sắc nhất, nhóm chúng tơi xin gửi lời cảm ơn chân thành tới tồn thể các thầy giáo khoa Công nghệ thông tin truyền thông Đại học Việt Hàn, người dạy dỗ truyền đạt vốn kiến thức vơ q báu cho suốt quãng thời gian học Những tình cảm kiến thức mà thầy gửi trao cho hành trang cho để bước đoạn đường tương lai Nhóm chúng tơi xin gửi lời cảm ơn sâu sắc tới Thầy Phan Trọng Thanh, người tận tình hỗ trợ dẫn dắt nhóm chúng tơi suốt quá trình thực đồ án để có kết cách tốt Một lần nhóm chúng tơi xin chân thành cảm ơn! LỜI NĨI ĐẦU Hiện nay, ngành công nghệ thông tin ngành học trọng hệ thống đào tạo trường Đại học Công nghệ thông tin các trường Đại học khác có đào tạo ngành học Nó xem ngành đào tạo mũi nhọn hướng đến sự phát triển công nghệ khoa học kỹ thuật thời đại số hóa ngày nay.Công nghệ thông tin ngành học đào tạo để sử dụng máy tính các phần mềm máy tính để phân phối xử lý các liệu thông tin, đồng thời dùng để trao đổi, lưu trữ chuyển đổi các liệu thông tin dưới nhiều hình thức khác Trong bối cảnh phát triển hội nhập quốc tế, với sự phát triển mạnh mẽ cách mạng công nghiệp 4.0, Việt Nam xác định tập trung phát triển cơng nghệ trí tuệ nhân tạo (AI) - mũi nhọn, dự báo trở thành ngành công nghệ đột phá 10 năm tới Trí tuệ nhân tạo (AI) vào sống cách mạnh mẽ, thay nhiều công việc thủ công, tốn sức lao động Tại Việt Nam, Chính phủ xác định cơng nghệ AI sự đột phá, mũi nhọn cần triển khai nghiên cứu Tại Việt Nam, AI ứng dụng mạnh mẽ nhiều lĩnh vực y tế, giáo dục, nông nghiệp, giao thông, thương mại điện tử Công nghệ AI mang lại cho Việt Nam sự phát triển vượt bậc thời gian qua Việc ứng dụng AI vấn đề mua sắm đề tài nóng Các trung tâm mua sắm thường tấp nập người qua lại, tạo hội cho bạn mua sắm thứ Hãy hình dung, bạn bước vào cửa tiệm đó, người bán hàng mỉm cười với máy tính bảng tay chào bạn tên bạn Đó cách mà dịch vụ khách hàng vài cửa hàng cao cấp châu Âu bắt đầu triển khai từ cuối năm 2015 Các công ty bán hàng tiếp thị mạnh công nghệ đến nhiều nhà bán lẻ khác giới Theo quan điểm người, cách làm dựa cơng nghệ nhận diện khn mặt nghe hấp dẫn với số người lại sự xâm phạm đến tính riêng tư Sau thời gian học tập trường, sự bảo hướng dẫn nhiệt tình thầy giáo trường Đại học Cơng nghệ Thông tin Truyền thông Việt - Hàn, kết thúc khoá học tích luỹ vốn kiến thức định Được sự đồng ý nhà trường thầy Phan Trọng Thanh giao đề tài : “Xây dựng hệ thống AI nhận diện khuôn mặt mua sắm ” Đồ án môn học gồm chương: Chương 1: Giới thiệu Chương 2: Nghiên cứu tổng quan Chương 3: Demo chương trình Chương 4: Kết hướng phát triển CHƯƠNG GIỚI THIỆU 1.1 Giới thiệu đề tài Đề tài : “Xây dựng hệ thống AI nhận diện khuôn mặt mua sắm” Bối cảnh thực đề tài Ngày nay, với tiến vượt bậc khoa học kỹ thuật nói chung, mơn khoa học xử lý ảnh thu thành tựu lớn lao chứng tỏ vai trị khơng thể thiếu với ứng dụng sâu rộng khoa học kỹ thuật đời sống xã hội Một phận khoa học xử lý ảnh lĩnh vực thị giác máy tính thu hút nhiều sự quan tâm các nhà nghiên cứu xử lý ảnh với mục tiêu xây dựng nên giới hệ thống thị giác kỳ diệu người mơ các hệ thống máy tính, đem lại khả cảm nhận thị giác cho các hệ thống môi trường xung quanh Mơ ước hệ thống máy tính hoà nhập vào giới người với đầy đủ các giác quan thị giác đóng vai trò quan trọng thực hoá với đóng góp nghiên cứu các nhà khoa học phạm vi toàn giới Đồng thời việc phát triển các thiết bị phần cứng phương diện thu nhận, hiển thị, tốc độ xử lý mở nhiều hướng mới cho công nghệ xử lý ảnh Nó giải các toán giám sát tự động phục vụ quan, ngân hàng, kho bạc, việc giám sát giao thông tự động, phục vụ bãi đỗ xe, trạm thu phí tự động việc phát nhận dạng mặt người phục vụ công tác quân sự, an ninh Một kịch tương lai khách hàng vào cửa hàng, việc đưa công nghệ nhận diện khuôn mặt để khai thác nhiều thông tin khác nhằm cung cấp trải nghiệm cá nhân tuyệt vời cho họ Đồng thời hệ thống dựa các tương tác quá khứ để đọc phân tích hành vi mua sắm cảm xúc khách hàng Luồng thông tin trải nghiệm khách hàng theo thời gian thực cung cấp liệu cho tất hoạt động từ các ưu đãi dựa mua sắm so sánh ngày khách hàng, đến hồ sơ khách hàng cá nhân để hỗ trợ các tương tác khách hàng giao dịch viên hiệu Hãy tưởng tượng người quản lý cửa hàng nhận thông báo khách hàng VIP vào cửa hàng Hồ sơ lịch sử mua sắm gần cô trang web doanh nghiệp đối thủ cạnh tranh, các đánh giá xã hội phản hồi mà cô đưa thương hiệu cung cấp cho đội ngũ nhân viên Thay đưa lời chào chung chung, cơng nghệ nâng cao sự cá nhân hóa khách hàng giúp nhân viên tiếp cận họ thân thiện đưa chất lượng dịch vụ tốt để tạo trải nghiệm khách hàng thực sự khác biệt Với bối cảnh thực trạng nay, nhận diện khuôn mặt trở thành xu hướng thị trường thương mại, giúp các doanh nghiệp xây dựng hệ thống quản lý nhạy bén sáng tạo Trước hết đảm bảo an ninh; mang đến trải nghiệm vượt trội sở hiểu đúng, hiểu sâu khách hàng Trên giới ứng dụng công nghệ để quản lý chăm sóc khách hàng tốt chuyên nghiệp Một số nên tảng bán hàng lớn ứng dụng nhận diện khuôn mặt vào việc toán làm cho việc mua sắm trở nên dễ dàng an toàn nhiều Hình 1: Nhận diện khn mặt mua sắm 1.2 Vấn đề cần giải Hệ thống nhận diện khn mặt ứng dụng máy tính tự động xác định nhận dạng người từ hình ảnh kỹ thuật số khung hình video từ nguồn video Một cách để thực điều so sánh các đặc điểm khn mặt chọn trước từ hình ảnh sở liệu khuôn mặt Hệ thống thường sử dụng các hệ thống an ninh so sánh với các dạng sinh trắc học khác các hệ thống nhận dạng vân tay hay trịng mắt Từ thu thập, phân tích các tài liệu nhận dạng khn mặt, tìm hiểu các phương pháp nhận dạng khuôn mặt, nghiên cứu các công cụ xây dựng hệ thống 1.3 Đề xuất nội dung thực Đối với đề tài “Xây dựng hệ thống AI nhận diện khuôn mặt mua sắm” Việc hệ thống nhận dạng xác việc quan trọng Đối với đề tài này, chúng em thực xây dựng hệ thống nhận diện gương mặt sử dụng Deep learning với khả “Nhận dạng gương mặt nhanh chóng xác” Với hệ thống này, chúng em sử dụng các thư viện cung cấp PIP python sử dụng Visual Studio Code để lập trình 1.4 Chức dự kiến Hệ thống có khả lấy liệu gương mặt (Data collection), training liệu gương mặt vừa lấy cuối chức nhận diện gương mặt (Face recognition) Các phương pháp nhận diện khác: Ngoài cịn có số phương pháp nhận diện khn mặt nhận diện cảm biến da phương pháp kết hợp Phương pháp kết hợp sử dụng nhiều thông tin từ đồng thời landmark face, nhận diện 3D, nhận diện cảm biến da mang lại độ xác cao nhận diện tốt các trường hợp khn mặt có các biểu cảm cau mày, chớp mắt, co dãn cười, nói nhạy cảm với chiếu sáng 2.5.4 Các pretrain model facenet - Một số liệu public face CASIA-WebFace: Bộ liệu bao gồm gần 500,000 ảnh thu thập từ khoảng 10,000 người VGGFace2: Bộ liệu gồm khoảng triệu ảnh thu thập từ gần 9,000 người Một số fretrain model phổ biến Bạn sử dụng pretrain model từ facenet repo - davidsandberg Hình 12: Fretrain model 2.5 Thư viện MTCNN 2.5.1 Tổng quan thư viện - - - MTCNN thư viện python (pip) viết người dùng Github ipacz , triển khai báo Zhang, Kaipeng et al “Nhận diện khuôn mặt chung chỉnh cách sử dụng mạng kết nối đa nhiệm xếp tầng.” Thư xử lý tín hiệu IEEE 23.10 (2016): 1499–1503 Crossref Web MTCNN viết tắt Multi-task Cascaded Convolutional Networks Nó bao gồm mạng CNN xếp chồng đồng thời hoạt động detect khuôn mặt Mỗi mạng có cấu trúc khác đảm nhiệm vai trò khác task Đầu MTCNN vị trí khn mặt các điểm mặt như: mắt, mũi, miệng… MTCNN hoạt động khá nhanh CPU, S3FD vẫn chạy nhanh GPU - chủ đề cho đăng khác Facenet công nghệ Google giới thiệu năm 2015, model thêm ảnh vào (đúng size nó) trả vector 128 features cho khn mặt Sau dùng SVM để phân nhóm các vector vào các nhóm để biết vector mặt Hình 13: Mơ hình MTCNN 2.5.2 Cấu trúc CNNs Trong phần này, xét đến CNNs chuẩn đóng khung vùng nhận diện: 12calibration-net, 24-calibration-net, 48-calibration-net 12-calibration-net Hình 14: 12-calibration-net 12-calibration-net mạng neural tích chập cạn, với số mẫu hiệu chuẩn vào N = 45 Cho cửa sổ phát với (x, y, w, h) góc bên trái (x, y) kích thước (w, h), mẫu chuẩn tính sau: Cho cửa sổ phát hiện, các vùng nhận diện cắt thay đổi kích thước thành 12x12 làm đầu vào cho 12-calibration-net Trong thử nghiệm 12-calibration-net, nhận thấy số phát sai vẫn giữ tỉ lệ 94,8% Face Detection Data Set and Benchmark (FDDB) 24-calibration-net Hình 15: 24-calibraton-net Tương tự 12-calibration-net, 24-calibration-net calibration-net khác với số mẫu hiệu chuẩn N Kích thước liệu đầu vào có kích thước 24x24, các mẫu xác định trước quy trình hiệu chuẩn giống với 12-calibration-net Trong thử nghiệm 24-calibration-net, nhận thấy số phát sai vẫn giữ tỉ lệ 89% Face Detection Data Set and Benchmark (FDDB) 48-calibration-net Hình 16: 48-calibration-net 48-calibration-net calibration-net khác với số mẫu hiệu chuẩn N Kích thước liệu đầu vào có kích thước 48x48, các mẫu xác định trước quy trình hiệu chuẩn giống với 12-calibration-net 2.6.3 Cách thức hoạt dộng MTCNN hoạt động theo bước, bước có mạng neural riêng là: PNet, R-Net O-net Hình 17: MTCNN Với ảnh đầu vào, tạo nhiều hình ảnh với các kích thước khác Tại P-Net, thuật toán sử dụng kernel 12x12 chạy qua hình để tìm kiếm khn mặt Hình 18: P-Net Sau lớp convolution thứ 3, mạng chia thành lớp Convolution 4-1 đưa xác suất khuôn mặt nằm bounding boxes, Convolution 4-2 cung cấp tọa độ các bounding boxes R-Net có cấu trúc tương tự với P-Net Tuy nhiên sử dụng nhiều layer Tại đây, network sử dụng các bounding boxes đc cung cấp từ P-Net tinh chỉnh tọa độ Hình 19: R-Net Tương tự R-Net chia làm layers bước cuối,cung cấp đầu tọa độ mới các bounding boxes, độ tin tưởng O-Net lấy các bounding boxes từ R-Net làm đầu vào đánh dấu các tọa độ các mốc khuôn mặt Hình 20: O-Net Ở bước này, thuật toán đưa kết đầu khác bao gồm: xác suất khuôn mặt nằm bounding box, tọa độ bounding box tọa độ các mốc khn mặt (vị trí mắt, mũi, miệng) Hình 21: Kết thuật toán 2.5.4 Các toán khác Face Có nhiều lớp toán khác liên quan đến liệu face Một số toán phổ biến dựa nhu cầu thực tế cần áp dụng là: - - - - Nhận diện khuôn mặt (face identification): Đây toán match one-many Bài toán trả lời cho câu hỏi người ngày cách nhận input ảnh khuôn mặt output nhãn tên người ảnh Tác vụ thường áp dụng các hệ thống chấm công, hệ thống giám sát công dân, hệ thống cammera thông minh các đô thị Xác thực khuôn mặt (face verification): Đây toán match one-one Bài toán trả lời cho câu hỏi có phải ảnh đầu vào người hay không? Kết output yes no Bài toán thường dùng các hệ thống bảo mật Xác thực khuôn mặt điện thoại bạn toán Do có mối quan hệ khá gần nên face recognition tên gọi chung cho hai thuật toán face identification face verification Tìm kiếm khuôn mặt đại diện (face clustering): Chắc hẳn bạn đọc xem video người có khn mặt đặc trưng giới Đơn giản ta cần tính trung bình các ảnh khn mặt để thu centroid image Tính similarity centroid với tồn khn mặt cịn lại để thu khuôn mặt đặc trưng similarity với centroid Tương tự bạn tìm khn mặt đặc trưng nam, nữ các quốc gia Hình 22: Tìm kiếm khn mặt đại diện (face clustering) Tìm kiếm khn mặt tương đương (face similarity): Chắc các bạn nghịch qua số ứng dụng facebook bạn giống diễn viên điện ảnh Thuật toán khá đơn giản, cần đo lường ảnh mà bạn upload lên với các ảnh diễn viên sẵn có chọn cái gần Nhưng đừng tin họ Có thể hình ảnh hai số phận 2.5.5 Thuật tốn nhận dạng Facenet Facenet dạng siam network có tác dụng biểu diễn các ảnh không gian eucledean n chiều (thường 128) cho khoảng cách các véc tơ embedding nhỏ, mức độ tương đồng chúng lớn FaceNet mạng lưới thần kinh sâu sử dụng để trích xuất các tính từ hình ảnh khn mặt người Nó xuất vào năm 2015 các nhà nghiên cứu Google Schroff et al Hình 23: Facenet Khái qt thuật tốn: Hầu hết các thuật toán nhận diện khuôn mặt trước facenet tìm cách biểu diễn khn mặt véc tơ embedding thơng qua layer bottle neck có tác dụng giảm chiều liệu - Tuy nhiên hạn chế các thuật toán số lượng chiều embedding tương đối lớn (thường >= 1000) ảnh hưởng tới tốc độ thuật toán Thường phải áp dụng thêm thuật toán PCA để giảm chiều liệu để giảm tốc độ tính toán - Hàm loss function đo lường khoảng cách ảnh Như đầu vào huấn luyện học hai khả sự giống chúng class sự khác chúng khác class mà không học lúc sự giống khác lượt huấn luyện Facenet giải vấn đề các hiệu chỉnh nhỏ mang lại hiệu lớn: - Base network áp dụng mạng convolutional neural network giảm chiều liệu xuống 128 chiều Do quá trình suy diễn dự báo nhanh đồng thời độ xác vẫn đảm bảo - Sử dụng loss function hàm triplot loss có khả học đồng thời sự giống ảnh nhóm phân biệt các ảnh khơng nhóm Do hiệu nhiều so với các phương pháp trước Triple loss Trong facenet, quá trình encoding mạng convolutional neural network giúp ta mã hóa ảnh 128 chiều Sau véc tơ làm đầu vào cho hàm loss function đánh giá khoảng cách các véc tơ Để áp dụng triple loss, cần lấy ảnh có ảnh anchor Anchor image có tác dụng gần Trong ảnh ảnh anchor cố định trước Chúng ta lựa chọn ảnh lại cho ảnh negative (của người khác với anchor) ảnh positive (cùng người với anchor) Hình 24: Triple loss CHƯƠNG DEMO CHƯƠNG TRÌNH 3.1 Đăng kí tài khoản Hình 1: Đăng kí tài khoản Giao diện trang đăng kí có username id Nhập username id mà bạn muốn click vào nút Register để đăng kí tài khoản hệ thống 3.2 Đăng nhập hệ thống Hình 2: Đăng nhập hệ thống Nhập id mà bạn đăng kí tài khoản trước click nút Login để đăng nhập hệ thống 3.3 Trang mua hàng Hình 3: Trang mua hàng Hình 4: Trang mua hàng Giao diện trang mua hàng hệ thống demo 3.4 Trang đặt hàng Hình 5: Trang đặt hàng Giao diện trang đặt hàng hệ thống Bạn đặt hàng dễ dàng với giao diện đơn giản, dễ sử dụng 3.5 Trang giỏ hàng Giao diện trang giỏ hàng hệ thống Hệ thống hiển thị các sản phẩm bạn thêm vào giỏ hàng, giá sản phẩm đó, đồng thời hiển thị số lượng sản phẩm Bạn thay đổi số lượng sản phẩm bạn xóa sản phẩm khỏi giỏ hàng 3.6 Trang tốn Hình 6: Trang toán Hệ thống yêu cầu mở camera nhận diện khuôn mặt khách hàng sau lấy liệu đầy đủ từ tài khoản đăng kí trước Khn mặt khách hàng nhận diện khung màu xanh hình ảnh Bên dưới phần nhận diện có hiển thị user id khách hàng để người dùng dễ quan sát 3.7 Trang tốn thành cơng Hình 7: Trang tốn thành cơng Sau lấy user id qua nhận diện khuôn mặt khách hàng trang toán hệ thống hiển thị trang toán thành công Hệ thống hiển thị user id bill id (như hình user id 210320 bill id 301120) khách hàng sau xác nhận toán thành công 3.8 Trang giỏ hàng sau toán thành cơng Hình 8: Trang giỏ hàng sau tốn thành cơng Sau hệ thống xác nhận toán thành công, giỏ hàng tài khoản tự động xóa các mặt hàng toán giỏ hàng trạng thái trống bạn tiếp tục mua sắm CHƯƠNG KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN 4.1 Kết 4.1.1 Kết đạt - - Website hỗ trợ việc toán nhận diện khuôn mặt mua sắm Nắm bắt xu hướng thời đại công nghệ Nắm bắt số khái niệm phục vụ cho việc viết báo cáo Trình bày báo cáo cách khoa học có hệ thống kiến thức hiểu biết thân, có tham khảo các tài liệu các vấn đề có liên quan đến nội dung tìm hiểu, nghiên cứu Trong thời gian làm đồ án đề tài hoàn thiện thêm kiến thức học trường suốt học kì Tăng khả tư logic, nghiên cứu độc lập vấn đề mà trước chúng em không quan tâm Trau dồi kinh nghiệm quý giá quá trình thiết kế, làm quen sử dụng các phương pháp nhận diện 4.1.2 Hạn chế tồn đọng - Hệ thống cịn chậm quá trình nhận diện khn mặt khách hàng Vì tập trung nghiên cứu phương pháp nhân diện nên giao diện hệ thống đơn giản, sơ sài, chưa hài hòa Báo cáo chưa giải trọn vẹn vấn đề phát sinh quá trình quản lý Bài báo cáo chưa đạt tính thẩm mĩ cao, phong cách hành văn cịn lủng củng, cịn nhiều vấn đề chưa xác cần khắc phục quá trình phát triển, nâng cấp phần mềm giai đoạn sau 4.2 Hướng phát triển - Tối ưu phương pháp cải thiện tốc độ xử lí hệ thống Đưa IOT vào hệ thống nhận diện khuôn mặt để mở cửa nhà TÀI LIỆU THAM KHẢO [1] https://www.einfochips.com/ [2] https://vi.wikipedia.org/ [3] https://sightcorp.com/ [4] https://www.wired.com/ [5] https://www.python.org/ [6] https://realpython.com/ [7] https://www.w3schools.com/