Mục tiêu trước tiên của em là hoàn thiện hệ thống trên cơ sở khắc phục các nhược điểm còn tồn tại đã được nêu ở trên bằng cách:
• Nâng cao tính ổn định và hiệu quả của hệ thống, đặc biệt là của module chứng thực RFID và khuôn mặt.
• Mở rộng mô hình bằng việc sử dụng nhiều bộ đầu đọc thẻ RFID và camera IP ở các phòng ban khác nhau, các thông tin xử lý sẽ được truyền qua mạng LAN đến trung tâm quản lý và an ninh của tòa nhà.
• Sử dụng RFID tầm xa thay vì RFID tầm thấp như hiện nay có thể giúp phát triển bài toán định vị vị trí nhân viên trong công ty, gửi nhắc nhở cho nhân viên ở bất kỳ vị trí nào trong công ty qua màn hình hiển thị LCD.
• Thẻ RFID hiện nay có kích thước rất nhỏ gọn, tiện lời, có thể tích hợp vào các thiết bị cầm tay nhưđiện thoại di động, pocketPC, rất tiện lợi với người sử dụng. Hệ thống cũng có thể thông qua wireless để nhắc việc tới từng nhân viên qua các thiết bị cầm tay cá nhân đó.
• Dựa trên nền tảng công nghệ nhận dạng đối tượng, có thể tích hợp thêm một số công nghệ nhận dạng khác nhau như nhận dạng vân tay, giọng nói để phù hợp với điều kiện cụ thể của từng đơn vị.
Ngoài ra, cơ sở lý thuyết và các kỹ thuật áp dụng trong hệ thống nhận dạng khuôn mặt còn có thể áp dụng để xây dựng các hệ thống nhận dạng các vật thể khác nhau như nhận dạng biển số xe, nhận dạng vân tay… nhằm xây dựng các hệ thống có khả năng chứng thực tốt hơn, độ an toàn cao hơn.
Bài toán QLNS cũng có thể được cụ thể hóa trong các công ty, cơ quan, tổ chức với chuyên môn nghiệp vụ khác nhau, dẫn đến những yêu cầu bổ sung khác nhau như quản lý cơ quan Nhà nước, quản lý bệnh viện, quản lý khách sạn, quản lý sinh viên…Qua đó có thể thấy đề tài có tính ứng dụng cao, có thể áp dụng rộng rãi trong thực tế và là một cải thiện đáng kể so với các hệ thống QLNS đang được áp dụng ở nước ta hiện nay.
KẾT LUẬN
Nhận dạng khuôn mặt trong quản lý nhân sự đang được ứng dụng trong các lĩnh vực: Công ty, trường hoc, doanh nghiệp, công sở, ...vv, tính an ninh, bảo mật cao, tìm kiếm dựa trên hình ảnh. Công nghệ nhận dạng mặt người trên thế giới đã có sự phát triển đáng kể, từ nhận dạng mặt người trên các bức ảnh tĩnh, các ứng dụng kết hợp máy quay số cho phép nhận dạng mặt người dựa trên các hình ảnh di động với độ chính xác cao. Các ứng dụng và thiết bị nhận dạng kiểu này có thể được trang bị tại các địa điểm công cộng tại một số thành phố lớn nhằm phát hiện các đối tượng tình nghi trong hồ sơ của cảnh sát.
Ở Việt Nam các ứng dụng nhận dạng trong đó có nhận dạng mặt, nhận dạng vân tay đang trở lên phổ biến. So với nhận dạng vân tay, nhận dạng mặt nngười phù hợp hơn đối với các ứng dụng công cộng trong khi nhận dạng vân tay phù hợp với các ứng dụng cá nhân cần có cơ chế bảo mật cao. Với nhu cầu hiện nay, các ứng dụng mặt người có thểđem lại nhiều lợi ích trong các vấn đề quản lý, an ninh công cộng và tìm kiếm thông tin.
Xác định được xu hướng và yêu cầu của việc áp dụng công nghệ nhận dạng mặt người vào trong các ứng dụng của đời sống. Để tài đã tập trung phân tích các vấn đề cơ bản trong xử lý ảnh và nhận dạng khôn mặt, các phương pháp công nghệ sử dụng trong nhận dạng mặt người. Cũng trong nội dung đó, đề tài đi sâu vào thực nghiệm. Các kết quả ban đầu có mốt số ý nghĩa nhất định, tuy nhiên để có các kết quả có tính thực tế cao hơn yêu cầu một số quá trình nghiên cứu tập trung và có kế hoạch.
Trong tương lai, điều kiện cho phép em có mong nuốn được nghiên cứu một cách kỹ lưỡng hơn về đề tài này, đi sâu vào nhiều ứng dụng. Một lần nữa em xin chân thành cảm ơn sự giúp đỡ, hướng dẫn tận tình của thày giáo PGS. TS. Nguyễn Tiến Dũng, gia đình, bạn bè và đồng nghiệp trong quá trình em thực hiện lận văn này.
TÀI LIỆU THAM KHẢO
[1].Nguyễn Kim Anh, “Nguyên lý của các hệ cơ sở dữ liệu”, Nhà xuất bản Đại học Quốc Gia Hà Nội, 2004.
[2]. Phạm Thế Bảo, Phan Phúc Doãn, Cao Minh Thịnh, Trần Anh Tuấn, “Tổng quan các phương pháp xác định khuôn mặt người”.
[3]. Nguyễn Tiến Dũng, Nguyễn Việt Dũng, Nguyễn Thị Kim Quý, “Hệ thống tự động tách bề mặt trong tạo hình siêu âm thai nhi 3 chiều sử dụng phương pháp vecto trợ giúp”, Báo cáo tổng kết đề tài khoa học công nghệ trường Đại học Bách Khoa Hà Nội, 5/2009.
[4]. Tien Dung Nguyen, Quy Tran Thanh, Thang Man Duc, Trang Nguyen Quynh, Thang Manh Hoang, “SVM classifier based face detection system using BDIP and BVLC moments”, 2011 International Conference on Advanced Technologies for Communications, Aug.2011, (submitted).
[5]. Alain Rakotomamonjy, “Optimizung Area Under Roc Curve with SVM”, Modeling, Computation and Optimization Conference, Metz 2004.
[6]. Ming-Hsuan Yang, David J.Kriegman, Narenda Ahuja, “Detecting face in images: A survey”, IEEE Trans on pattern analysis and machine intelligence, vol.24, no.1, Jan 2002.
[7]. Rafael C. Gonzalez, Richard E. Woods, “Digital Image Processing”, 2nd editon, Prentice-Hall, Inc, 2002.
[8]. Steve Lewis, “ A basic introduction to RFID technology and its use in the supply chain” , white paper.
[9]. Sandy L.Zabell, “Fingerprint evidence”, Zabell macro corrected tues 3-14- 05.doc, pp. 143-179.
[10]. Tieniu Tan, Zhaofeng He, Zhenan Sun, “Efficient and roubust segmentation of noisy iris images for non-cooperative iris recognition”, Image and Vision Computing 28 (2010), pp.223-230.
[11]. Janet M.Baker, Li Deng, James Glass, Sanjeev Khudanpur, Chin-Hui Lee, Nelson Morgan, Douglas O’Shaughnessy, “Reasearch Developments and directions in speech recognition and understading, part 1”, IEEE signal processing magazine, pp.75-80, May, 2008.
[12] Young Deok Chun, Nam Chul Kim, Ick Hoon Jang, “Content based image retrieval using multiresolution color and texture features”, IEEE transactions on multimedia, vol.10, no.6, pp. 1073-1084, Nov.2008.
[13].www.microsoft.com/visualstudio/ [14]. www.microsoft.com/Sqlserver/2005/
[15]. Intel Open Source Computer Vision Library – OpenCV http://www.intel.com/technology/computing/opencv/