Giải Pháp Quản Lý Và Nhận Dạng Khuôn Mặt Hiệu Suất Cao

• Tác giả: Đàm Lam Trường
• Người hướng dẫn: TS. Trần Vũ Hoàng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: CNKT Điều Khiển Và Tự Động Hóa
• Đề tài: Giải pháp quản lý và nhận dạng khuôn mặt hiệu suất cao
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu tình hình nghiên cứu hiện nay
• 1.2. Mục tiêu nghiên cứu
• 1.3. Nhiệm vụ nghiên cứu
• 1.4. Giới hạn đề tài
• 1.5. Đối tượng và phạm vi nghiên cứu
• 1.6. Phương ph́ áp nghiên cứu
• 1.7. Bố cục của Đồ án
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Model phát hiện khuôn mặt (Face Detection Model)
• 2.2. Tổng quan về MediaPipe
• 2.3. Mô hình BlazeFace trong MediaPipe
• 2.4. Phát hiện đối tượng (Object Detection)
• 2.5. RCNN – Mạng tích chập nơ ron phát hiện đối tượng
• 2.6. SSD – Single Shot Multibox Detector
• 2.7. MobileNet – Mang model học sâu lên thiết bị di động
• 2.8. Những cải tiến ở mô hình phát hiện khuôn mặt BlazeFace
• 2.9. Output của Model BlazeFace
• 2.10. Các thông số quan trọng của BlazeFace
• 2.11. Model trích xuất đặc trưng khuôn mặt Dlib Face Recognition
• 2.12. Tổng quan về Dlib. Dlib Face Recognition
• 2.13. Các thông số quan trọng của Dlib Face Recognition
• 2.14. Phần mềm thiết kế giao diện ứng dụng QT Designer
• 3. CHƯƠNG 3: THIẾT KẾ HỆ THỐNG
• 3.1. Yêu cầu của hệ thống
• 3.2. Sơ đồ khối hệ thống
• 3.3. Chức năng của hệ thống
• 3.4. Thiết kế hệ thống
• 3.5. Khảo sát các phương pháp
• 3.6. Khảo sát phương pháp phát hiện khuôn mặt
• 3.7. Kiến trúc model BlazeFace
• 3.8. Khảo sát phương pháp trích xuất đặc trưng khuôn mặt
• 3.9. Kiến trúc model Dlib Face Recognition
• 3.10. Phương pháp thực hiện
• 3.11. Đăng ký khuôn mặt
• 3.12. Nhận dạng khuôn mặt
• 3.13. Giao diện và chức năng hệ thống
• 3.14. Giao diện khâu quản lý, đăng ký
• 3.15. Giao diện khâu nhận dạng
• 4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM
• 4.1. So sánh các hệ thống nhận dạng
• 4.2. Kết quả hoạt động của hệ thống
• 4.3. Đánh giá hệ thống
• 4.4. Môi trường và dữ liệu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO

I. Quản lý khuôn mặt

Quản lý khuôn mặt là một phần quan trọng trong hệ thống nhận dạng khuôn mặt hiệu suất cao. Nghiên cứu này tập trung vào việc thiết kế một hệ thống quản lý khuôn mặt dễ dàng và hiệu quả, cho phép người dùng đăng ký, quản lý và giám sát các khuôn mặt đã được nhận dạng. Hệ thống sử dụng các mô hình học sâu để trích xuất đặc trưng khuôn mặt, giúp tăng độ chính xác và tốc độ xử lý. Công nghệ quản lý khuôn mặt được áp dụng trong nhiều lĩnh vực như giám sát an ninh, chấm công và bảo mật. Hệ thống này cũng được thiết kế để hoạt động trên các thiết bị có cấu hình thấp, đảm bảo tính khả dụng rộng rãi.

1.1. Hệ thống quản lý khuôn mặt

Hệ thống quản lý khuôn mặt được thiết kế để đáp ứng các yêu cầu về độ chính xác, tốc độ và chi phí thấp. Hệ thống sử dụng các mô hình học sâu như BlazeFace và Dlib để phát hiện và trích xuất đặc trưng khuôn mặt. Quá trình đăng ký khuôn mặt được tự động hóa, giúp người dùng dễ dàng thêm và quản lý các khuôn mặt mới. Hệ thống cũng cung cấp tính năng giám sát và lưu trữ lịch sử nhận dạng, giúp người dùng theo dõi các sự kiện nhận dạng một cách hiệu quả.

1.2. Ứng dụng quản lý khuôn mặt

Ứng dụng quản lý khuôn mặt được triển khai trên các nền tảng Linux và MacOS, đảm bảo tính linh hoạt và dễ dàng triển khai. Hệ thống có thể được sử dụng trong các môi trường như văn phòng, thang máy hoặc các khu vực cần giám sát an ninh. Công nghệ quản lý khuôn mặt này cũng có thể thay thế các phương pháp chấm công truyền thống, giúp tăng hiệu quả và giảm chi phí.

II. Nhận dạng khuôn mặt

Nhận dạng khuôn mặt là công nghệ cốt lõi trong hệ thống này, sử dụng các mô hình học sâu để phát hiện và trích xuất đặc trưng khuôn mặt. Hệ thống được thiết kế để hoạt động hiệu quả trên các thiết bị có cấu hình thấp, đảm bảo tốc độ xử lý thời gian thực và độ chính xác cao. Công nghệ nhận dạng khuôn mặt được áp dụng trong nhiều lĩnh vực như giám sát an ninh, chấm công và bảo mật. Hệ thống này cũng có khả năng nhận dạng khuôn mặt từ nhiều góc độ khác nhau, giúp tăng tính linh hoạt và khả năng ứng dụng.

2.1. Mô hình nhận dạng khuôn mặt

Mô hình nhận dạng khuôn mặt sử dụng các mô hình học sâu như BlazeFace và Dlib để phát hiện và trích xuất đặc trưng khuôn mặt. BlazeFace là mô hình phát hiện khuôn mặt nhanh và nhẹ, phù hợp với các thiết bị có cấu hình thấp. Dlib là mô hình trích xuất đặc trưng khuôn mặt với độ chính xác cao, giúp hệ thống nhận dạng khuôn mặt một cách chính xác. Công nghệ nhận dạng khuôn mặt này cũng được tối ưu hóa để hoạt động trong các điều kiện ánh sáng khác nhau, đảm bảo tính ổn định và hiệu quả.

2.2. Ứng dụng nhận dạng khuôn mặt

Ứng dụng nhận dạng khuôn mặt được triển khai trên các nền tảng Linux và MacOS, đảm bảo tính linh hoạt và dễ dàng triển khai. Hệ thống có thể được sử dụng trong các môi trường như văn phòng, thang máy hoặc các khu vực cần giám sát an ninh. Công nghệ nhận dạng khuôn mặt này cũng có thể thay thế các phương pháp chấm công truyền thống, giúp tăng hiệu quả và giảm chi phí.

III. Giải pháp quản lý và nhận dạng khuôn mặt hiệu quả

Giải pháp quản lý và nhận dạng khuôn mặt hiệu quả được thiết kế để đáp ứng các yêu cầu về độ chính xác, tốc độ và chi phí thấp. Hệ thống sử dụng các mô hình học sâu như BlazeFace và Dlib để phát hiện và trích xuất đặc trưng khuôn mặt. Giải pháp quản lý khuôn mặt bao gồm các tính năng đăng ký, quản lý và giám sát khuôn mặt, giúp người dùng dễ dàng sử dụng và quản lý hệ thống. Giải pháp nhận dạng khuôn mặt hiệu quả được tối ưu hóa để hoạt động trên các thiết bị có cấu hình thấp, đảm bảo tính khả dụng rộng rãi.

3.1. Thiết kế hệ thống

Thiết kế hệ thống bao gồm các khối chức năng như phát hiện khuôn mặt, trích xuất đặc trưng khuôn mặt, đăng ký và quản lý khuôn mặt. Hệ thống sử dụng các mô hình học sâu như BlazeFace và Dlib để đảm bảo độ chính xác và tốc độ xử lý. Hệ thống quản lý khuôn mặt được thiết kế để dễ dàng sử dụng và quản lý, giúp người dùng đăng ký và theo dõi các khuôn mặt một cách hiệu quả.

3.2. Đánh giá hệ thống

Đánh giá hệ thống được thực hiện thông qua các thử nghiệm trong các điều kiện ánh sáng khác nhau. Hệ thống đạt được độ chính xác cao lên tới 99% và tốc độ xử lý 27 khung hình/giây. Hệ thống nhận dạng khuôn mặt cũng được đánh giá là ổn định và hiệu quả trong các môi trường thực tế, đảm bảo tính khả dụng và hiệu quả cao.