Như vậy c|c chức năng chương trình bao gồm:
Kết nối đến webcam, đọc ảnh.
Ph|t hiệnkhuôn mặt có trong webcam, trích ảnh khuôn mặt đ~ ph|t hiện được ...
Nhận dạng khuôn mặt được ph|t hiện.
Đăng ký người dùng nếungười đó chưa có ảnh trong csdl. X|c thực người dùng bằng mật khẩu.
Hệ thống quản lý điểm.
a. Xử lý đầu vào:
Chương trình nhận đầu v{o l{ file ảnhwebcam, tuy nhiên, việc ph|t hiện khuôn mặt được thực hiện trên c|c bức ảnh, do đó, với đầu v{o l{ webcam ta
0 HỆ THỐNG PHÁT HIỆN, NHẬN DẠNG MẶT NGƯỜI NGƯỜI DÙNG Capture ảnh
phải chuyển th{nh c|c ảnh tĩnh v{ xử lý trên từng ảnh tĩnh. Sau khi đ~ có ảnh đầu v{o rồi thì sẽ chuyển ảnh cho giai đoạn xử lý tiếp theo, đó l{ ph|t hiện,nhận dạng c|c khuôn mặt có trong ảnh.
b. Phát hiện khuôn mặt
Sau khi có ảnh truyền v{o, hệ thống sẽ thực hiện chức năng ph|t hiện khuôn mặt có trong ảnh.
Việc ph|t hiện khuôn mặt được thực hiện nhanh bằng thuật to|n adaboost thông qua lớp EMGU.CV.CascadeClassifiercủa EmguCV. H{m n{y thực hiện việc ph|t hiện đối tượng dựa trên c|c đặc trưng haar-like, cụ thể l{ nhờ v{o một bộ Cascade được truyền v{o cho h{m. Bộ Cascade được x}y dựng theo dạng c}y (tree-node) v{ đ~ được huấn luyện từ trước.
c. Nhận dạng
Khuôn mặt sau khi được ph|t hiện sẽ được t|ch ra khỏi bức ảnh v{ tiến h{nh nhận dạng.Việc nhận dạng khuôn mặt được thực hiện bằng thuật to|n eigenface thông qua lớp EMGU.CV.EigenFaceRecognizercủa EmguCV.
Lớp EigenFaceRecognizer |p dụng PCA trên mỗi hình ảnh, kết quả sẽ l{ một ảnh c|c gi| trị Eigen đưa v{o học v{ dùng để đo|n nhận.Ở đ}y, h{m khoảng c|ch Euclid được sử dụng để đưa ra ứng cử viên giống nhất so với ảnh đầu v{o.
d.Hệ thống quản lý điểm.
Sau khi nhận dạng th{nh công, người dùng sẽ chuyển sang chức năng đăng nhập mật khẩu. Vượt qua hai vòng đăng nhập người dùng v{o giao diện để l{m việc với hệ hệ thống quản lý điểm của sinh viên với c|c chức năng cơ bản như thêm, sửa, xóa… c|c thông tin về sinh viên, môn học, điểm, v{ danh mục khoa.
- CSDL ảnh: Ảnh chưa có trong CSDL sẽ được tiến h{nh qu| trình đăng ký. Mỗi khuôn mặt sẽ được chụp 10 ảnh kh|c nhau v{ lưu v{o csdl , c|c thông tin gồm tên người, tên file lưu trong file XML v{ ảnh của người đó. <Faces_For_Training> <FACE> <NAME>NAME</NAME> <FILE>face_NAME_2057798247.jpg</FILE> </FACE> </Faces_For_Training>
- CSDL chương trình quản lý điểm:
4.4. Kết quả chạy chương trình.
- Giao diện Form đăng nhập sử dụng nhận dạng khuôn mặt:
- Giao diện đăng nhập bằng mật khẩu:
KẾT LUẬN
Kết luận
Luận văn có hai kêt quả chính:
1/. Nghiên cứu t{i liệu để trình b{y c|c vấn đề sau:
+ Cơ sở khoa học v{ thực tiễn của vấn đề nhận dạng mặt người. + Phương ph|p Nhận dạng mặt người.
+ Nhận dạng mặt người v{ vấn đề an to{n thông tin.
2/. Thử nghiệm chương trình nhận dạng mặt người kết hợp với kỹ thuật sử dụng mật khẩu v{o b{i to|n đăng nhập hệ thống thông tin quản lý.
Trên cơ sở nghiên cứu về b{i to|n nhận dạng mặt người trong ảnh, tôi đ~ |p dụng th{nh công mô hình Cascade of Classfier v{o b{i to|n ph|t hiện mặt người trong ảnh v{ thuật to|n PCA để nhận dạng mặt người. Về chương trình demo, sau khi thử nghiệm với webcam, chương trình đạt kết quả tốt, thời gian ph|t hiện nhanh đối với c|c ảnh mặt người chụp thẳng, chất lượng ảnh tốt (chụp bằng m|y kĩ thuật số), tuy nhiên đối với c|c ảnh chụp nghiêng hay ảnh có mầu sắc qu| tối thì chương trình gần như không thể nhận dạng được khuôn mặt trong bức ảnh đấy.Chương trình sẽ không thể ph|t hiện mặt người trong điều kiện độ s|ng qu| yếu v{ góc quay nghiêng qu| 20o.
TÀI LIỆU THAM KHẢO
[1]. Ming-Hsuan Yang, David J. Kriegman, Narendra Ahuja, “Detecting Faces in Images: A Survey”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol. 24, No 1, pp. 34-47, Jan 2002.
[2]. Stan Z. Li, Zhen Qiu Zhang, “FloatBoost Learning and Statistical Face Detection”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol. 26, No, pp. 1-12, Sep 2004.
[3]. Stan Z. Li, Juwei Lu, “Face Detection, Alignment and Recognition”, Book Chapter 9, pp. 385-455, Emerging Topics in Computer Vision, Prentice Hall, ISBN 0-13-101366-1, Jul 2004.
[4]. P. Viola, M. Jones, “Robust Real Time Object Detection”, Proc. IEEE ICCV Workshop on Statistical and Computational Theories of Vision, Jul 2001. [5]. P. Viola, M. Jones, “Rapid object detection using a boosted cascade of simple features”, Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR’01), pp. 511-518, Dec 2001.
[6]. K. K. Sung, T. Poggio, “Example-based learning for view-based human face detection”, IEEE Transaction on Pattern Analysis and Machine
Intelligence
(PAMI), Vol. 20, No. 1, pp. 39-51, Jan 1998.
[7]. H. Rowley, S. Baluja, T. Kanade, “Neural network-based face detection”, IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), Vol. 20, No. 1, pp. 23-38, Jan 1998.
[8]. H. Schneiderman, T. Kanade, “Probabilistic Modeling of Local
Computer Vision and Pattern Recognition (CVPR’98), pp. 45-51, 1998. [9]. A. Rajagopalan, K. Kumar, J. Karlekar, R. Manivasakan, M. Patil, U. Desai, P. Poonacha, S. Chaudhuri, “Finding Faces in Photographs”, Proc. 6th IEEE Conf. Computer Vision (ICCV’98), pp. 640-645, 1998.
[10]. E. Osuna, R. Freund, F. Girosi, “Training Support Vector Machines: An Application to Face Detection”, Proc. IEEE Conf. Computer Vision and
Pattern
Recognition (CVPR’97), pp. 130-136, 1997.
[11]. G. Yang, T. S. Huang, “Human Face Detection in Complex Background”, Pattern Recognition, Vol. 27, No. 1, pp. 53-63, 1994.
[12]. K. C. Yow, R. Cipolla, “Feature-Based Human Face Detection”, Image and Vision Computing, Vol. 15, No. 9, pp. 713-735, 1997.
[13]. T. K. Leung, M.C. Burl, P. Perona, “Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching”, Proc. 5th IEEE Conf. Computer Vision (ICCV’95), pp. 637-644, 1995.
[14]. C. Kotropoulos, I. Pitas, “Rule-based Face Detection in Frontal Views”, Proc. Int’l Conf. Acoustics, Speech and Signal Processing, Vol. 4, pp. 2637- 2540, 1997.
[15]. A. Lanitis, C. J. Taylor, T. F. Cootes, “An Automatic Face Identification System Using Flexible Appearance Models”, Image and Vision Computing, Vol.
13, No. 5, pp. 393-401, 1995.
[16]. M. Turk, A. Pentland, “Eigenfaces for Recognition”, Journal of Cognitive Neuroscience, Vol. 3, No. 1, pp. 71-86, 1991.
[17]. I. Craw, D. Tock, A. Bennett, “Finding Face Features”, Proc. 2nd European Conf. Computer Vision (ECCV’92), Vol. 2, pp. 92-96, 1992.
[18]. T. Kanade, “Picture Processing Computer Complex and Recognition of Human Faces”, PhD thesis, Kyoto Univ., 1973.
[19]. Intel Open Source Computer Vision Library-OpenCV phiên bản 4.0 http://www.intel.com/technology/computing/opencv/.
[20]. Intel Image Processing Library phiên bản 2.5