3.3.1. Giao diện của chƣơng trỡnh
Chƣơng trỡnh cài đặt với mục tiờu điểm danh nguồn nhõn lực dựa trờn khuụn mặt và minh họa thuật toỏn PCA đƣợc trỡnh bày tại chƣơng 2. Với cỏc tớnh năng và thành phần đó đƣợc phõn tớch ở trờn, tụi đó tiến hành cài đặt và xõy dựng chƣơng trỡnh với cỏc thành phần giao diện chớnh nhƣ hỡnh bờn dƣới.
57
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Hỡnh 3.2. Giao diện chớnh của chương trỡnh.
Giao diện của chƣơng trỡnh gồm cú 3 phần chớnh:
- Phần 1: là hỡnh ảnh thu đƣợc từ camera, đõy là nơi hiển thị tất cả hỡnh ảnh thu đƣợc từ camera, qua đú ngƣời sử dụng cú thể nhỡn thấy hỡnh ảnh của đối tƣợng đang đƣợc quan sỏt và một số xử lý tƣơng ứng của hệ thống nhận dạng.
- Phần 2: hiển thị cỏc lựa chọn đối với danh sỏch điểm danh, cỏc thụng bỏo trong quỏ trỡnh điểm danh, bảng điểm danh và cơ sở dữ liệu hỡnh ảnh.
- Phần 3: là thanh menu lựa chọn cỏc tớnh năng khỏc nhau của chƣơng trỡnh điểm danh.
Hỡnh 3.3. Hỡnh ảnh từ camera và xử lý tương ứng
1 2
3
58
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Trong giao diện hiển thị hỡnh ảnh thu đƣợc từ camera và xử lý phỏt hiện và nhận dạng khuụn mặt tƣơng ứng của chƣơng trỡnh. Trong đú, khuụn mặt đƣợc khoanh vựng trong một hỡnh chữ nhật màu đỏ, phớa trờn là một tập kớ tự mụ tả tờn của đối tƣợng đƣợc nhận dạng trong hỡnh chữ nhật đƣợc khoanh vựng. Trong chƣơng trỡnh cú thể cựng một lỳc phỏt hiện và nhận dạng nhiều khuụn mặt cựng một thời điểm.
Hỡnh 3.4. Giao diện quản lý danh sỏch điểm danh và điểm danh
Trong giao diện quản lý danh sỏch điểm danh cho phộp ngƣời sử dụng lựa chọn một danh sỏch cỏc đối tƣợng cần đƣợc điểm danh. Khi đú danh sỏch này sẽ đƣợc hiển thị lờn phầm mềm với trạng thỏi bắt đầu là “Vắng”. Trong một phiờn làm việc nếu đối tƣợng cần đƣợc điểm danh đƣợc xỏc định là cú mặt thỡ trạng thỏi đƣợc thay đổi thành
“Cú mặt”. Trong một phiờn làm việc trạng thỏi của một đối tƣợng chỉ chuyển từ
“Vắng” sang “Cú mặt” và chỉ chuyển một lần. Giao diện quản lý danh sỏch điểm danh nằm trờn cựng một tab với giao diện quản lý cơ sở dữ liệu ảnh. Khi lựa chọn một trong hai giao diện cú sự xuất hiện của cỏc nỳt chọn tƣơng ứng trờn giao diện.
59
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Hỡnh 3.5. Giao diện quản lý danh sỏch ảnh
Giao diện quản lý danh sỏch ảnh với hai thành phần chớnh là hiển thị danh sỏch cỏc ảnh đang đƣợc quản lý và cụng cụ thờm ảnh mới vào trong danh sỏch cỏc ảnh đang đƣợc quản lý. Với danh sỏch hiển thị ảnh đƣợc quản lý, chƣơng trỡnh hiển thị ảnh của đối tƣợng cần quản lý và định danh tƣơng ứng ở phớa dƣới mỗi ảnh. Để thờm một ảnh mới vào chƣơng trỡnh cần kớch chuột vào lựa chọn “Thờm vào cơ sở dữ liệu”, khi đú đối tƣợng đang đƣợc quan sỏt sẽ đƣợc thờm vào cơ sở dữ liệu ảnh với định danh tƣơng ứng đƣợc nhập vào tại ụ “Tờn:” bờn trờn. Cơ sở dữ liệu ảnh cú thể đƣợc quan sỏt tại thƣ mục cú cựng đƣờng dẫn với chƣơng trỡnh chạy, trong đú cỏc ảnh đƣợc đặt tờn theo thứ tự của chƣơng trỡnh.
Hỡnh 3.6. Cơ sở dữ liệu ảnh
60
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Cuối cựng là danh sỏch cỏc lựa chọn trờn thanh thực đơn của chƣơng trỡnh, tại đõy ngƣời sử dụng cú thể lựa chọn cỏc tớnh năng cần thiết nhất khi sử dụng chƣơng trỡnh. Nỳt bấm “Bắt đầu” sẽ khởi động liờn kết với camera sau khi ngƣời sử dụng lựa chọn một danh sỏch cần đƣợc điểm danh. Tiếp đú là một số tớnh năng cần thiết nhƣ “Lựa chọn danh sỏch”, “Thờm danh sỏch mới”, “Làm mới cơ sở dữ liệu ảnh”, “Thống kế số người vắng trong danh sỏch”, “Xem cơ sở dữ liệu ảnh”, “Kết thỳc...”.
Hỡnh 3.7. Giao diện cỏc lựa chọn trờn thanh thực đơn
3.3.2. Một số kết quả điểm danh dựa trờn khuụn mặt
Sau khi cài đặt chƣơng trỡnh thực nghiệm tụi đó tiến hành thực nghiệm chƣơng trỡnh điểm danh với một nhúm gồm 30 đối tƣợng cần đƣợc điểm danh. Kết quả điểm danh qua 20 lần cho thấy chƣơng trỡnh hoạt động tốt trong một số điều kiện nhất định và cú những hạn chế cần tiếp tục nghiờn cứu phỏt triển.
Với ứng dụng lƣu trữ 30 ảnh khỏc nhau cho mỗi đối tƣợng cần đƣợc điểm danh và tiến hành điểm danh trong điều kiện ỏnh sỏng bỡnh thƣờng kết quả thực nghiệm của chƣơng trỡnh đƣợc thống kờ bởi bảng dƣới đõy:
Bảng 3.1. Kết quả thực nghiệm trong điều kiện ỏnh sỏng bỡnh thường
Lần Tổng Đỳng Sai Lần Tổng Đỳng Sai 1 30 25 5 11 30 24 6 2 30 23 7 12 30 25 5 3 30 24 6 13 30 24 6 4 30 25 5 14 30 23 7 5 30 25 5 15 30 24 6 6 30 25 5 16 30 25 5 7 30 24 6 17 30 25 5 8 30 25 5 18 30 24 6 9 30 25 5 19 30 25 5 10 30 24 6 20 30 24 6 download by : skknchat@gmail.com
61
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Kết quả thực nghiệm cho thấy độ chớnh xỏc của điểm danh giao động từ 77% tới 82%, đõy là một kết quả điểm danh với độ chớnh xỏc tƣơng đối tốt nhƣng khụng đủ để đỏp ứng khi sử dụng trong bài toỏn điểm danh, chấm cụng. Đồng thời khi ỏp dụng chƣơng trỡnh với cỏc điều kiện ỏnh sỏng khỏc nhau cho những kết quả khỏc nhau, tụi đó tiến hành thực nghiệm trong điều kiện thiếu ỏnh sỏng và ỏnh sỏng bị lúa, kết quả thực nghiệm cho thấy khả năng nhận dạng đỳng của chƣơng trỡnh giảm đi rừ rệt. Kết quả này đƣợc thể hiện bởi bảng sau:
Bảng 3.2. Kết quả thực nghiệm trong điều kiện ỏnh sỏng chúi và thiếu ỏnh sỏng
Lần Điều kiện ỏnh sỏng Tổng Đỳng Sai
1 Thiếu ỏnh sỏng 30 20 10 2 Thiếu ỏnh sỏng 30 17 13 3 Thiếu ỏnh sỏng 30 18 12 4 Thiếu ỏnh sỏng 30 18 12 5 Thiếu ỏnh sỏng 30 17 13 6 Thiếu ỏnh sỏng 30 19 11 7 Thiếu ỏnh sỏng 30 18 12 8 Ánh sỏng chúi 30 16 14 9 Ánh sỏng chúi 30 20 10 10 Ánh sỏng chúi 30 16 14 11 Ánh sỏng chúi 30 18 12 12 Ánh sỏng chúi 30 17 13 13 Ánh sỏng chúi 30 16 14 14 Ánh sỏng chúi 30 16 14
Dựa trờn kết quả thực nghiệm cú thể thấy việc điểm danh cú thể đƣợc thực hiện trong điều kiện ỏnh sỏng đầy đủ khụng quỏ chúi. Thuật toỏn và chƣơng trỡnh sẽ gặp khú khăn khi tiến hành trong điều kiện thiếu ỏnh sỏng hoặc ỏnh sỏng quỏ chúi. Tuy nhiờn khi điểm danh ta cú thể xõy dựng đƣợc điều kiện ỏnh sỏng khi hệ thống điểm danh đƣợc đặt trong nhà và cú hệ thống chiếu sỏng riờng. Nhƣ vậy cần đƣa ra giải phỏp nõng cao độ chớnh xỏc của hệ thống điểm danh trong điều kiện ỏnh sỏng thƣờng. Khi đú kết quả của hệ thụng điểm danh mới đỏng tin cậy hoặc cú thể đƣợc sử dụng làm một tiờu chớ nhận dạng trong một hệ thống gồm nhiều bƣớc sinh trắc học.
62
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Trong quỏ trỡnh tỡm hiểu nguyờn nhõn ảnh hƣởng tới khả năng nhận dạng của hệ thống, ngoài cỏc nguyờn nhõn về điều kiện mụi trƣờng cũn tồn tại nguyờn nhõn tới từ chớnh ngƣời cần đƣợc nhận dạng. Sự thay đổi về khuụn mặt của một đối tƣợng là điều đƣơng nhiờn sẽ dẫn tới độ chớnh xỏc trong quỏ trỡnh nhận dạng. Bờn cạnh đú với mỗi gúc nhỡn khỏc nhau sẽ cho những hỡnh ảnh khỏc nhau về cựng một đối tƣợng. Nhƣ vậy để giải quyết vấn đề này cần quan tõm tới cỏc bài toỏn về trớch rỳt đặc trƣng của khuụn mặt và nắn chỉnh gúc nghiờng của đối tƣợng cần quan sỏt. Đõy là một bài toỏn khú, đũi hỏi nhiều lỗ lực nghiờn cứu tỡm hiểu hơn đối với vấn đề nhận dạng, trớch rỳt đặc trƣng, quan sỏt đối tƣợng với cỏc gúc nhỡn khỏc nhau... Vỡ giới hạn về thời gian trong nội dung luận văn tụi khụng đề cập tới cỏc vấn đề này. Tuy nhiờn, để sử dụng đƣợc chƣơng trỡnh vẫn cần nõng cao độ chớnh xỏc trong quỏ trỡnh nhận dạng.
Để giải quyết vấn đề này giải phỏp đƣợc đƣa ra là sử dụng nhiều hơn một ảnh cho một đối tƣợng trong quỏ trỡnh nhận dạng. Tức là thay vỡ sử dụng một ảnh duy nhất trong cơ sở dữ liệu ảnh, chƣơng trỡnh sử dụng nhiều ảnh hơn với cựng một định danh, khi đú cỏc gúc nhỡn khỏc nhau của một đối tƣợng và cỏc trạng thỏi khỏc nhau cú thể đƣợc mụ tả trong cơ sở dữ liệu. Với việc sử dụng 8 ảnh cho một đối tƣợng, thực nghiệm cho thấy khi sử dụng nhiều hơn một ảnh kết quả nhận dạng đƣợc nõng lờn, kết quả này đƣợc thể hiện trong bảng sau:
Bảng 3.3. Kết quả thực nghiệm trong điều kiện ỏnh sỏng bỡnh thường với 8 ảnh cho mỗi đối tượng
Lần Tổng Đỳng Sai Lần Tổng Đỳng Sai 1 30 30 0 11 30 30 0 2 30 29 1 12 30 29 1 3 30 29 1 13 30 29 1 4 30 30 0 14 30 28 2 5 30 28 2 15 30 28 2 6 30 29 1 16 30 25 1 7 30 29 1 17 30 25 1 8 30 29 1 18 30 24 1 9 30 29 1 19 30 25 1 10 30 28 2 20 30 30 0 download by : skknchat@gmail.com
63
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Tiếp tục thực nghiệm với nhiều hơn một ảnh cho mỗi đối tƣợng trong điều kiện ỏnh sỏng chúi và thiếu ỏnh sỏng, chƣơng trỡnh thực nghiệm cho kết quả tốt hơn so với sử dụng một ảnh duy nhất, tuy nhiờn kết quả nhận đƣợc vẫn là tƣơng đối khiờm tốn. Sau đõy là bảng thực nghiệm với điều kiện ỏnh sỏng chúi và thiếu ỏnh sỏng với việc sử dụng 8 ảnh cho mỗi đối tƣợng:
Bảng 3.4: Kết quả thực nghiệm trong điều kiện ỏnh sỏng chúi và thiếu ỏnh sỏng với 8 ảnh cho mỗi đối tượng
Lần Điều kiện ỏnh sỏng Tổng Đỳng Sai
1 Thiếu ỏnh sỏng 30 20 10 2 Thiếu ỏnh sỏng 30 21 9 3 Thiếu ỏnh sỏng 30 21 9 4 Thiếu ỏnh sỏng 30 19 11 5 Thiếu ỏnh sỏng 30 20 10 6 Thiếu ỏnh sỏng 30 21 9 7 Thiếu ỏnh sỏng 30 21 9 8 Ánh sỏng chúi 30 20 10 9 Ánh sỏng chúi 30 20 10 10 Ánh sỏng chúi 30 19 11 11 Ánh sỏng chúi 30 19 11 12 Ánh sỏng chúi 30 21 9 13 Ánh sỏng chúi 30 21 9 14 Ánh sỏng chúi 30 20 10
Qua thực nghiệm cho thấy chƣơng trỡnh chạy tốt trong điều kiện ỏnh sỏng bỡnh thƣờng và cú nhiều ảnh mụ tả cựng một đối tƣợng. Tuy nhiờn vẫn tồn tại sai số trong quỏ trỡnh điểm danh, vỡ thế cần tiếp tục nghiờn cứu, tỡm hiểu hoàn thiện phƣơng phỏp nhận dạng, định danh khuụn mặt ngƣời để cú thể ỏp dụng vào thực tế. Đồng thời qua thực nghiệm cũng cho thấy với điều kiện ỏnh sỏng khụng phự hợp khả năng nhận dạng của thuật toỏn giảm đi nhiều, đõy cũng là một vấn đề đũi hỏi cần tỡm hiểu những phƣơng phỏp giải quyết và cũng là một thỏch thức trong lĩnh vực thị giỏc mỏy khi khả năng quan sỏt của mỏy tớnh cũn thua kộm rất xa so với con ngƣời.
64
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Kết luận
Trong luận văn này, tụi đó hoàn thành cỏc mục tiờu nghiờn cứu đề ra. Cụ thể: 1- Luận văn đó nờu đƣợc tầm quan trọng của việc xỏc định vị trớ khuụn mặt đối
với hệ thống nhận dạng mặt ngƣời núi riờng cũng nhƣ trong cỏc hệ thống sinh trắc học núi chung.
2- Luận văn đó nờu và đỏnh giỏ cỏc thuật toỏn phƣơng phỏp xỏc định và nhận dạng mặt ngƣời đó và đang đƣợc sử dụng, cũng nhƣ đó đƣa ra đƣợc cỏc đỏnh giỏ ƣu điểm nhƣợc điểm của cỏc phƣơng phỏp. Trờn cơ sở đú lựa chọn thuật toỏn cú ƣu điểm nhất cài đặt cho bài toỏn.
3- Trong chƣơng 3 đó đƣa ra và xõy dựng thuật toỏn xỏc định vị trớ mặt ngƣời và nhận dạng mặt ngƣời, cũng nhƣ đƣa ra đƣợc một bài toỏn cú ý nghĩa thực tiễn đú là bài toỏn điểm danh dựa trờn thuật toỏn xỏc định vị trớ mặt ngƣời và nhận dạng mặt ngƣời.
4- Trong phần thực nghiệm đó thử nghiệm trờn cơ sở dữ liệu FERET COLOR - là cơ sở dữ liệu đƣợc sử dụng rộng rói đối với cỏc hệ thống nhận dạng mặt ngƣời.
Hƣớng phỏt triển
Trong tƣơng lai chỳng tụi sẽ tiếp tục nghiờn cứu, phỏt triển đề tài, thử nghiệm cỏc đặc trƣng khỏc, thử nghiệm cỏc thuật toỏn tối ƣu khỏc, ỏp dụng thử nghiệm trờn bộ cơ sở dữ liệu ảnh mặt ngƣời lớn để đỏnh giỏ hiệu quả của cỏc phƣơng phỏp một cỏch khỏch quan và chớnh xỏc hơn. Từ đú xõy dựng hệ thống chuẩn đƣa vào ứng dụng trong thực tế sao cho hiệu quả, chi phớ thấp và giải phúng sức lao động của con ngƣời.
65
Số hoỏ bởi Trung tõm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
TÀI LIỆU THAM KHẢO
[1] PGS.TS. Nguyễn Thị Hoàng Lan (2009), “Hệ thống an ninh thụng tin dựa trờn sinh trắc học Bio-PKI (Bio-PKI Based Information Security System)”, Bỏo cỏo đề tài theo nghị định thƣ, Trƣờng Đại học Bỏch khoa Hà Nội.
[2] TS. Hồ Văn Hƣơng (2009), Mật mó sinh trắc, http://antoanthongtin.vn, ngày 04/10/2009.
[3] Sinh trắc học, http://www.biometria.sk
[4] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phỳ Doón (2007), “Tổng quan cỏc phƣơng phỏp xỏc định khuụn mặt ngƣời”, Bỏo cỏo khoa học.
[5] Ion Marquộs (2010), Facerecognition Algorithms, Universidad del Paớs Vasco. [6] Byung-Joo Oh (2003), “Face Recognition by Using Neural Network Classifiers
based on PCA and LDA”, Daejeon, Korea.
[7] D. Maio and D. Maltoni, “Real-time face location on grayscale static images”, Pattern Recognition, vol.33, no. 9, pp. 1525-1539, Sept. 2000.
[8] H. A. Rowley, S. Baluja, and T. Kanade, “Neural NetworkBased Face Detection”,
IEEE Trans. PAMI, vol. 20, pp. 23-38, Jan. 1998.
[9] M. Abdel-Mottaleb and A. Elgammal, “Face Detection in complex environments from color images”, IEEE ICIP, pp. 622- 626, Oct. 1999.
[10] H. Martin Hunke (1994), Locating and tracking of human faces with neural network, Master’s thesis, University of Karlsruhe.