Chương 1. Phat biểu bài toán Một phương pháp đôi mới dé theo đõi sự có mặt là Hệ thống điểm danh bằng nhận diện khuôn mặt sử dụng máy tính nhúng NVIDIA JETSON NANO và ghi lại sự hiện diện của cá nhân. Công nghệ này hỗ trợ điểm danh hiệu quả trong vòng một phần nhỏ của một giây. Hệ thống xác định danh tính một người bằng cách sử dụng hình ảnh khuôn mặt được chụp bằng camera.
Sau đó, hình ảnh này được so sánh với các hình ảnh đã đăng ký trong CSDL trước đó. Công nghệ này không chỉ nhanh và hiệu quả hơn so với các phương pháp điểm danh trước đây mà còn loại bỏ việc ghi nhận thủ công, giảm khả năng lỗi. Ngày càng có nhiều người sử dụng các hệ thống điểm danh dựa trên nhận diện khuôn mặt dé theo dõi sự có mặt của họ ở các nơi công cộng và trường học. traineryml ¡ ¿ un iq ue _i d = 1 » » Ệ = unique_id = 2 Bộ nhận diện 1 —= x» x = m tr z > D> = 2 a = (= o = = De = Hình 1.
Sơ đô hoạt động chính của thuật toản nhận diện Hiện có nhiều cách khác nhau dé điểm danh mà các tô chức, công ty và trường học có thể sử dụng, chăng hạn như tự đăng ký trên hệ thống, quét vân tay, thẻ thông minh hoặc 10 điểm danh bằng giấy. Mỗi phương pháp điểm danh sẽ phù hợp với từng loại tổ chức hoặc doanh nghiệp với những ưu và nhược điêm riêng: e Viéc điểm danh học sinh thông thường bang cách gọi tên học sinh mat nhiều thời gian và phải lặp đi lặp lại. e_ Chấm công vân tay của người dùng không thé làm gia vân tay, cham công hộ hay gian lận. e_ Cham công thẻ từ có thé được áp dụng cho các công ty có nhiều nhân viên mà vẫn ồn định.
Nhưng chi phí mua thẻ và máy khá cao vì nhân viên thường quên thẻ, mất thẻ, cham công hộ nhau hoặc lỗi thẻ. Lý do chọn đề tài Haar Cascade - thuậttoán dựa trên ML thường được sử dụng dé phat hién déi tuong trong hình anh/video. Haar Cascade cung cấp các phương thức xử ly hình ảnh don giản như phát hiện biên và các đặc trưng Haar, khá dễ hiểu và ứng dụng. Ngược lại, các mô hình và thuật toán DL thường đòi hỏi kiến thức nâng cao về mạng nơ-ron và ngôn ngữ lập trình.
Dù các phương pháp học sâu đã cho thấy hiệu quả trong việc phát hiện và nhận diện khuôn mặt, thì việc sử dụng Haar Cascade trên hệ thống máy tính nhúng NVIDIA Jetson Nano lại là một giải pháp giá rẻ và dễ dàng triên khai, rất phù hợp cho các dự án với ngân sách eo hẹp hoặc các ứng dụng không yêu cầu độ chính xác quá cao. Sự kết hợp giữa Haar Cascade và OpenCV2 cho phép phát hiện chính xác và hiệu quả nếu hình ảnh có chứa khuôn mặt. Khi các khuôn mặt được tìm thấy, chúng được so sánh với các khuôn mặt trong CSDL, và việc điểm danh được đánh dấu. Hệ thống điểm danh nay mang lại cách thức đáng tin cậy và hiệu quả dé theo doi Sự có mặt trong nhiều tình huống khác nhau, như các trường học, nơi làm việc,.
Luận văn tập trung phát triển và xây dựng một hệ thống điểm danh bằng nhận diện khuôn mặt trên máy tính nhúng NVIDIA. Jetson Nano nhằm thay cho việc điểm danh thủ công và phương pháp chấm công dựa trên vân tay/thẻ, còn tồn tại nhiều bất cập, bằng hệ thống mới dựa trên công nghệ TTNT. Hình 1 thé hiện tổng quan hệ thống của luận van. Tổng quan Mục tiêu của nghiên cứu là xây dựng, tối ưu một hệ thống điểm danh sử dụng tải nguyên phần cứng chỉ phí thấp, tiêu thụ năng lượng ít hơn nhưng vẫn đảm bảo độ tính toán chính xác cao và có thé thực hiện trong thời gian thực bằng cách sử dụng thuật toán Haar II Cascade và OpenCV2 trên máy tính nhúng NVIDIA Jetson Nano.
Ngoài ra, còn có một hệ thống CSDL lưu trữ các bản ghi điểm danh và tạo báo cáo. Điều này cho phép dé dàng giám sát sự có mặt trong nhiều tình huồng, trường hợp và điều kiện môi trường khác nhau. Cụ thể e Xây dựng một hệ thống điểm danh chính xác và hiệu quả sử dung các công nghệ mới, có thê sử dụng cho nhiều trường hợp để theo dõi và theo dõi sự có mặt. e Sử dung Haar Cascade Classifier và OpenCV2 dé chứng minh tính hiệu qua của việc xây dựng hệ thống điểm danh, đem lại hiểu suất xử lý luồng hình ảnh/video cao trong nhiều điều kiện ánh khác nhau và tư thế khi nhận diện đồng thời xử lý tính toán tốn ít tài nguyên.
e Thấy được tiềm năng của máy tính nhúng như NVIDIA Jetson Nano trong việc cung cấp giải pháp nhận diện hiệu quả, tiết kiệm tài nguyên và linh hoạt về mặt phần cứng và phần mềm. Góp phần giúp công nghệ nhận điện khuôn mặt trong hệ thống điểm danh linh hoạt hơn. e Tạo ra một hệ thống cho phép người dùng truy cập và quản lý dữ liệu. Đóng góp của luận văn Trong những năm gần đây, công nghệ nhận diện khuôn mặt đã trở nên phổ biến hơn trong quản lý cham công nhờ tính tiện lợi và chính xác của nó.
Dé phát triển một hệ thống quản lý cham công bằng nhận diện khuôn mặt hiệu quả và chính xác, luận văn đã sử dụng các công nghệ phần cứng và phần mềm tiên tiến, chang hạn như bộ phân loại Haar Cascade, Camera Raspberry Pi và NVIDIA Jetson Nano mạnh mẽ. Luận văn bao gồm việc huấn luyện mô hình nhận diện trên một tập dữ liệu khuôn mặt đã biết trước. Điều này cho phép hệ thống xác định và nhận diện khuôn mặt trong thời gian thực. Luận văn cũng triển khai một hệ thống ghi lại thời gian các cá nhân đến và rời điểm danh dé hỗ trợ quan lý châm công.
Hai lợi thế đáng chú ý nhất của hệ thống là chính xác và tốc độ cao, được đạt được nhờ khả năng xử lý cua NVIDIA Jetson Nano, cho phép nhận diện khuôn mặt nhanh chóng trong thời gian thực. Bộ phân loại Haar Cascade cũng giúp xác định khuôn mặt chính xác ngay cả trong ánh sáng khó xác định. Hệ thống này cũng có khả năng mở rộng, đây là một lợi thé quan trọng. Hệ thống có thé sử dụng nhiều camera và máy tính nhúng NVIDIA Jetson Nano dé đáp ứng cho môi trường phức tạp hơn.
12 Tóm lại, hệ thống của luận văn cung cấp khả năng nhận diện khuôn mặt thời gian thực với độ trễ tối thiêu đồng thời có tính chính xác cao bằng cách sử dụng các công nghệ và thuật toán tiên tiến. Nó có khả năng mở rộng và tích hợp, giúp nó trở thành một giải pháp linh hoạt cho quản lý chấm công trong nhiều nơi, chăng hạn như trường học, nơi làm việc và sự kiện. Thêm vào đó, kết quả khoa học của luận văn được viết thành bài báo và đã nộp đến một tạp chí khoa học quốc tế uy tín (được lập chỉ mục ở cơ sở dữ liệu Scopus và xếp hạng Q1) như sau: Minh-Quoc Bui, Bao-Thien Nguyen-Tat, Vuong M. Efficient Face Recognition Attendance System with Embedded Computer Technology.
nternational Journal of Information Management Data Insights. CAC NGHIÊN CỨU VA CÔNG NGHỆ LIEN QUAN 2. Các nghiên cứu liên quan Hệ thống nhận diện khuôn mặt đã trở nên quan trọng hơn trong nhiều ứng dụng như giám sát, an ninh và sinh trắc học trong những năm gần đây. Khi các phương pháp học sâu (DL) tiến triển, nhiều nhà nghiên cứu đã chuyên hướng sang phát triển hệ thống nhận diện khuôn mặt dựa trên mạng nơ-ron.
Vì chúng đòi hỏi nhiều tài nguyên tính toán, nên những hệ thống nay không phủ hợp với các hệ thống nhúng. Trong nghiên cứu của Y. Wen [1], đã giới thiệu một mạng nơ-ron tích chập sâu (DCNN) được thiết kế dé hỗ trợ nhận diện khuôn mặt. Phương pháp này hoạt động tốt nhất trên các bộ dữ liệu thử nghiệm như LFW, YTF và IJB-A khi mạng học các đặc trưng phân biệt về khuôn mặt.
Dang chú ý, chi phí tính toán của phương pháp này thấp hơn đáng ké so với các phương pháp khác dựa trên DCNN. Tác giả đã chứng minh rằng phương pháp của họ hoạt động tốt trong nhận diện khuôn mặt cũng như xác minh và phân cụm khuôn mặt. Một loạt các kỹ thuật đã được phát triển để tối ưu hóa độ chính xác và tin cậy của nhận diện khuôn mặt, khiến lĩnh vực này trở thành một lĩnh vực nghiên cứu đáng chú ý. Các phương pháp dựa trên DL đã xuất hiện như một hướng tiến bộ không cần sử dụng hệ thống nhúng.
Những phương pháp này thường bao gồm việc huấn luyện các mạng nơ-ron sâu trên các tập dữ liệu hình ảnh khuôn mặt lớn, giúp mô hình học được các biểu diễn đặc trưng mạnh mẽ cho việc nhận diện khuôn mặt. Còn những phương pháp khác, bao gồm các kỹ thuật ML truyền thống như máy vector hỗ trợ và phân tích thành phần chính, cũng như các phương pháp kết hợp. DL với những kỹ thuật truyền thống này, vẫn đang được khám phá. Mặc dù có thê yêu cầu tài nguyên tính toán nhiều hơn so với hệ thống nhúng, những phương pháp này mang lại sự linh hoạt và có théáp dụng trên nhiều nền tang và thiết bi khác nhau.
Một hệ thống phát hiện và theo dõi đối tượng thời gian thực sử dụng Camera Raspberry Pi và OpenCV đã được trình bày bởi Mani và Gnanamurthy [2]. Tap chí thảo luận về một phương pháp tìm kiếm và theo dõi đối tượng dựa trên kiến tric mạng nơ-ron YOLOv4 và chứng minh sự hiệu quả trong môi trường thực tế. Hệ thống của nhóm tác giả có độ chính xác cao trong khi sử dụng phan cứng rẻ tiền và không tiêu thụ nhiều điện. Điều này làm cho chúng phù hợp với nhiều ứng dụng khác nhau, chăng hạn như giám sát và robot.
Mô-đun Camera Raspberry Pi được sử dụng cho nhiều ứng dụng khác ngoài nhận diện khuôn mặt. Một ứng dụng như vậy cho phép người dùng chụp ảnh và quay video của động vật hoang đã và bảo tồn chúng trong môi trường tự nhiên của chúng. Ngoài ra, camera đã được sử dụng trong nông nghiệp đề theo dõi sự phát triển của cây trồng và tìm sâu bệnh. Lĩnh vực robot có thêm một ứng dụng, nơi camera có thể được sử dụng dé nhận diện và theo đõi đối tượng.
Tóm lai, do tính đa dang và chi phí thấp của nó, Camera Raspberry Pi được sử dụng cho nhiều ứng dụng trong nhiều lĩnh vực. 14 Haar Cascade thường được dùng đề nhận diện đối tượng trong luồng hình ảnh/video thời gian thực.