Giao diện chương trình được thiết kế đơn giản, dễ nhìn. Bố cục giao diện chia làm 3 phần. Phần 1, dành cho người dùng chọn đầu vào, có thể là một ảnh tĩnh từ trong máy tính, hoặc mở webcam để lấy hình ảnh. Phần 2 bao gồm phần điều chỉnh các thông số phát hiện khuôn mặt, thông số nhận dạng khuôn mặt. Và cuối cùng là phần nhận dạng khuôn mặt.
Phần 1:
- Button Browse Image: Mở hộp thoại để lấy một ảnh tùy ý trong máy tính. - Button Detect face: Thực hiện việc tìm kiếm, phát hiện mặt người trong ảnh,
đang hiện trên Imagebox. Nếu có thì hiển thị thông báo số lượng khuôn mặt phát hiện được, tách các khuôn mặt hiển thị lên picturebox.
- Button Start: Khởi động webcam để thu hình ảnh.
- Button Extract face: Tách các khuôn mặt phát hiện được trong dòng hình ảnh của camera hiển thị lên picture box.
Phần 2:
1. Điều chỉnh thông số phát hiện khuôn mặt. - Scale Increase Rate.
- Min Neighbors.
- Min Detection Scale (Window Size). 2. Điều chỉnh thông số nhận dạng khuôn mặt.
Phần 3:
- Picturebox pbInputFaces: Hiển thị ảnh các khuôn mặt phsat hiện được trong ảnh.
- Picturebox pbTSFace: Hiển thị các ảnh trong CSDL và kết quả ảnh nhận dạng.
- Button Prev, Next: Di chuyển giữa các ảnh khuôn mặt phát hiện được. - Button btnTSFirst, btnTSPArev, btnTSNxt, btnLoadTSLast: Di chuyển qua
lại giữa các ảnh trong CSDL
- Button btTrainforReg (Trained for Recognizer): Thực hiện huấn luyện các ảnh.
- Button btnCheckRecognizer (Check Recognizer): Thực hiện nhận dạng khuôn mặt.
- Button btnView (View Information Of TrainingSet): Xem thông tin về CSDL trong tập Training Set.
- Button btnAddtoTS (Add to Training Set): Lưu ảnh khuôn mặt phát hiện được vào CSDL.
- Button btnUpdateFace (Update Face): Cập nhật lại tên và ID của đối tượng. - Button btnDelFace (Delete Face): Xóa đối tượng khỏi CSDL.
KẾT LUẬN 1 Kết quả đạt được
Hình 11 Giao diện chính
Hình 13 Giao diện nhận dạng
Hình 15 Giao diện nhận dang bằng hình ảnh 1.1 Một số kết quả thực nghiệm
Với 15 đối tượng mới đối tượng có 5 ảnh được thêm vào hệ thống tổng số ảnh dược thêm là 75 ảnh em thu được một số kết quả thử nghiệm như sau
Tên đối tượng Số lần nhận
dạng Nhận dạngđúng Nhận dạng sai Không nhậndạng được
Huy 3 2 1 0 Nam 3 3 0 0 Trang 3 3 0 0 Lan 3 1 2 0 Long 3 2 1 0 Hùng 3 2 1 0 Bách 3 2 1 0 Hương 3 3 0 0 Nhi 3 1 2 0 Thắng 3 3 0 0 Vinh 3 3 0 0 Vân 3 2 1 0
Nguyên 3 1 2 0 Ngận 3 3 0 0 Tú 3 3 0 0 - Tỉ lệ nhận dạng đúng 75% - Tỉ lệ nhận dạng sai 25% - Tỉ lệ không nhận dạng được 0%
Nhận xét: Từ bảng kết quả, ta có thể thấy rằng, kết quả nhận dạng phụ thuộc rất nhiều
vào giá trị của khoảng cách ngưỡng riêng. Do đó, cần điều chỉnh thông số một cách phù hợp để có thể thu được kết quả tốt nhất. Ngoài ra, các ảnh bị nhận dạng sai hoặc không nhận dạng được phụ thuộc vào chất lượng ảnh đầu vào, đa số các ảnh bị nhận dạng sai hoặc không nhận dạng được đều là các bức ảnh bị chụp thiếu sáng.
2 Kết luận và hướng phát triển
Báo cáo đồ án môn học đã trình bày các kiến thức cơ bản để giải quyết bài toán nhận dạng khuôn mặt người. Riêng phương pháp nhận dạng mặt người Eigenfaces được xây dựng dựa trên phương pháp Eigenfaces-sử dụng thuật toán PCA đã được trình bày cụ thể, chi tiết trong chương
Phần mềm nhận diện khuôn mặt áp dụng phương pháp Eigenfaces được thiết kế để nhận dạng mặt người. Từ kết quả thực nghiệm cho thấy, độ chính xác của chương trình tương đối cao khoảng 80% nhận dạng đúng. Tuy nhiên, do thời hạn thời gian hạn chế nên chương trình vẫn còn nhiều nhược điểm và nhiều ý tưởng chưa được thực hiện. Để chương trình có thể được sử dụng vào trong thực tế, cần giải quyết những nhược điểm mà phần mềm còn gặp phải, thực hiện các ý tưởng mới nhằm năng cao tốc độ, hiệu suất và độ chính xác của chương trình.
Các ý tưởng mới:
- Chuẩn hóa ảnh đầu vào nhằm tăng khả năng nhận dạng. Đưa tất cả các ảnh chưa chuẩn hóa về cùng một kênh màu (đã thực hiện được), cùng kích thước sao cho khuôn mặt ở giữa tâm ảnh. (chưa thực hiện được).
- Các Button mở ra các form để xem thông tin của tập training set và thông tin đối tượng sẽ được chuyển sang các tab, nhằm làm gọn chương trình.
- Sẽ tiến hành làm việc với cơ sở dữ liệu là một thư mục trong máy tính.
Nhận dạng mặt người qua webcam. Ta đã thực hiện được công việc mở camera, thu dòng hình ảnh, hiển thị lên Imagebox và phát hiện các mặt người có trong đó. Công việc mới cần thực hiện ở đây là, sau khi phát hiện, xác định được vị trí các khuôn mặt trong ảnh. Chương trình sẽ tự động thực hiện việc nhận dạng và hiển thị kết quả ngay trên dòng hình ảnh của camera. Đó là, nếu có thông tin của người trong hình, thì hiển thị dòng chữ là tên và id của người đó, ngược lại thì hiển thị dòng chữ “Unknow”. Ta có thể ứng dụng chức năng này trong việc điểm danh sinh viên trong các trường đại học.
DANH MỤC TÀI LIỆU THAM KHẢO
[1] Trần Lê Hồng Dũ, “Phát hiện khuôn mặt dựa trên đặc trưng lồi lõm”. ĐH Quốc gia TP Hồ Chí Minh, 2005.
[2] https://4fire.wordpress.com/2012/07/31/nhan-dang-mat-nguoi-face- recognition-bang- pca-eigen-face-matlab-code-on-orl-database/
[3] TS. Đỗ Năng Toàn, TS. Phạm Việt Bình. Giáo trình môn học: “Xử lý ảnh”. Khoa Công Nghệ Thông Tin. ĐH Thái Nguyên.
[4] PGS.TS Nguyễn Quang Toàn. “Xử lý ảnh” Học Viện Công Nghệ Bưu Chính Viễn Thông. Hà Nội-2006.
[5] Nguyễn Văn Long. “Ứng dụng xử lý ảnh trong thực tế với thư viện OpenCV C/C++”
[6]http://www.codeproject.com/Articles/722569/Video-Capture-using- OpenCV-with-
Csharp https://vtct.wordpress.com/2013/05/
[7] Trần Thanh Duy, Nguyễn Minh Quang. Báo Cáo đề tài: “Thiết kế và thi công Robot bám đối tượng mặt người”.
Trường ĐH SPKT TP. HCM.
[8] Lê Mạnh Tuấn. Khóa luận tốt nghiệp ĐH hệ chính quy: “Phát hiện mặt người trong ảnh và ứng dụng”. ĐH Công Nghệ. Đại Học Quốc Gia Hà Nội.
[9] Nguyễn Trung Hiếu, Bùi Ngọc Liêm. Đồ án tốt nghiệp: “Dò tìm và cắt ảnh mặt người dùng PCA”. ĐH Công Nghiệp TP. HCM.
[10] Lê Hoàng Thanh. “Dò tìm và nhận dạng khuôn mặt người bằng Eigenfaces”
[11]http://vi.wikipedia.org/wiki/Ma_tr%E1%BA%ADn_hi%E1%BB %87p_ph%C6%B0%C6%A1