Chương 1.- ¿2+ SE9SE‡EE£EEEEEEEEEE12E12112112112112111111 1. Lí do chọn để tài.--sc+cc+xthErr HH dau 3 1. Muc dich nghién ctu. Đối tượng và phạm vi nghiên COU.
Đối tượng nghiên CỨU. Pham vi nghiÊn CỨU. --- 5 c 3221332111113 EEkrrreree 5 Chương 2, TONG QUAN. Phan tích và đánh giá các hướng nghiên cứu.
Phuong pháp sử dụng thuật toán HOG. Áp dụng deep learning và CNN trong nhận diện khuôn mặt. Sử dụng mô hình MTCNN và FaceNet. Nhận diện khuôn mặt 3Ì).
Kết hop công nghệ nhận diện khuôn mặt với thẻ từ hoặc mã QR. Lựa chọn giải pháp HO. Gà tt vn ng ng, 8 2. Các van dé cần giải QUYẾT.----¿- + 5++St+EE2EEE2E2E2E121121121221.
Độ chính xác trong điều kiện môi trường đa dang. Hiệu suất xử lý của thuật toán HOG. Giao diện người dùng và trải nghiệm người dùng. Phương pháp giải QUYẾT.
Data argume€nfafION. - --- cv ng ry 9 2. Các phương pháp tối ưu hóa tốc độ xử lý.--2- 2 2£ sEE+EE+EE+EE+EE+EE2EEzEEzEzrerxee 10 2. Thiết kế giao diện.--:--2¿ 2£ ©+2E++EE++EEE+EEESEE+SEEvzrxrrrxrrrree 11 3.
Thuật toán HO.-- Ăn HH TH TH HH HH HH ng 11 3. Tiền xử i coeececcecccccccccsccsccscsscsscsscssessessessessessessesscssessessesecseesseaseaseaes 12 3. Tinh eo na n. Tinh vector đặc trưng cho từng ceÌÌÏ.
Tính toán vector HOG. Phần cứng hệ thống.-¿--¿- 2 2+ E+EE+EE+EEEEEEEE2EE2E12E121121121. Raspberry Pi 4 Model B. Raspberry Pi Camera ou.
Module doc RFID R522. Cảm biến hồng ngoại HW-488. Man hình Raspberry 7 InCH. Phần mềm và công nghỆ.
2-2 2+++EE+EE++EE+EE£EE+EEerErrrxrrkrred 27 3. Thur viện OpenCV. HT HH ng nh Hy27 3. Thư viện DILTD.
Thư viện Face-reCOETI(IOH. LH ng ng ng nh Hy29 3. cv HH ng ng ng29 3. Go HH TH nh ng ni nr 30 3.
2Q ng TH TH ng nh 31 3.- sG HT HnHnnHHnHg 32 Chương 4. PHAN TÍCH THIẾT KE HE THONG VÀ KET QUA THỰC NGHIỆM. Phân tích thiết kế hệ thống. M6 hình tổng quan hệ thống.
Phân tích hệ thống.----¿- 2 + + EE+EEEEESEE2EE2E12E1211211211 22. Xây dựng GUI bằng Tkinter. Kết quả thực nghi@m eeccccecccceccceccccessessesseeseesessessessesessessessessesssseeseeseeseees 50 4. Mô hình phần ctrng o.
Phần mềm hệ thống của Raspberry Pi. Website quản lý điểm danh.---- 2 +++++cx++zx++zxzrxerrxee 62 4. Đánh giá độ chính xác của hệ thống. Tốc độ nhận diện hệ thống.
Kịch bản sử dụng hệ thống .-- 2-2-2 2 2+E++E+EzEzrerreee 67 Chương 5. KET LUẬN VA HƯỚNG PHAT TRIÊỀN. Hướng phat trim e.ccecccccecccccsccsscssessessessessessessessessessessesseseseseseseaseaees 69 TAI LIEU THAM KHAO (.ceccccccssesscsssscscsesecscsesucscsescavsueacsrsnearsesucatatsucaraneaeaees 71 DANH MỤC HÌNH Hình 3. 1: Hình ảnh gốc và hình ảnh đặc trưng được HOG trích xuất.
2: Ảnh đã được chuẩn hóa kích thước.--------ccv++++ccveeerrx 12 Hình 3. 3: Ví dụ điểm ảnh. 4: Kết quả đạt được sau DƯỚC 2.- -- SG tk gi, 14 Hình 3. 5: Mô tả cách xếp chồng của các block.----- 2-2 s2 s+sz+szzzzse2 14 Hình 3.
6: Chia hình ảnh thành các block có kích thước 16X16. 7: Xây dựng biểu đồ cường độ gradient ở mỗi Cell. 8: Phân phối giá tri gradient vào histogram. 9: Phân phối giá tri gradient cho góc lớn hơn 160 độ.
10: Histogram của các gradient trong cell 8X8. 11: Ảnh hưởng của việc chuẩn hóa tới các vector gradient. 12: Giá tri pixel thực tẾ.----- + + 51+2E+EE£EESEESEEEEEEEEEEEEEErrrrkrrerree 19 Hình 3. 13: Tính toán vector đặc trưng HOG.
14: Raspberry Pi 4 Model B,. 15: Raspberry Pi CaIH€fa. --- «6 + E1 1 1 1 1 nh nh tr23 Hình 3. 17: Cảm biến hồng ngoại HW-488.
18: Màn hình Raspberry 7-inch.-- -- «+ + xxx nrư26 Hình 3. 19: Cấu trúc các phần của OpenCV [10].---¿--¿©-sz5cs5ss+¿ 27 Hình 3. 20: Dlib C++ Library overview [ Í Í],. 21: Giới thiệu Firebase Database .----- 2555533 +++sscc+ssxs 29 Hình 3.
22: Tkinter trong PythONn.v vn ng re, 31 Hình 3. ng HH ngư, 32 Hình 4. 1: Mô hình tong quan hệ thống. 2: Quá trình nhận diện khuôn mặt.
3: Lưu đồ giải thuật quá trình thu thập dữ liệu. 4: Ảnh chụp từ Picam.- --2- 2-5 SE+EE£EEEEEEEEEEEEEEEE1E2121111 21. 5: Ảnh sau khi tăng độ sáng .------ 2 ++S++E++EE+EeEeErrrrrerrrrreee 37 Hình 4. 6: Ảnh sau khi quay ØÓC .------ 2 + ++£+E£+EE+EE2EEEEEEEEEEEEEEerrerrkervee 37 Hình 4.
7: Các anh sẽ được mã hóa thành file .npy tương ứng. 8: Tao file mã hóa khuôn mặt và file thông tin sinh viên. 9: Lưu đồ giải thuật quá trình nhận diện khuôn mặt. 10: Các thành phần chính của GIUI.
11: Sơ đồ tương tác của người dùng với GUI trang đăng ký. 12: Sơ đồ tương tác giữa người dùng và GUI trang tra cứu. 13: Sơ đồ tương tác giữa người dùng va GUI trang điểm danh. 14: Các mục chính của cơ sở dir liệu được lưu trong Firebase.
15: Cau trúc file JSON của Students. 16: Cau trúc file JSON của Class. 17: Cấu trúc file JSON của Attendance.--ccc:+ccvvrrrrvrrrrrrree 45 Hình 4. 18: Cau trúc file JSON của Admin.
19: Activity diagram của W€bSI{€. - -- scc se + sstvserrrrrrrrrerrrree 46 Hình 4. 20: Login Sequence đÌ1aØTa1m.-- --‹- -s+++ + x£**vEE+eeeEesekseeeeeeerseee 47 Hình 4. 21: Use case (Ì1aØTATM.-- s- - 5 111 ng nệc 49 Hình 4.
22: Mô hình phần cứng thực tẾ. 23: Mô hình phần cứng thực tế đã đóng gói. 24: Giao diện chính của GUI hệ thống. 25: Giao diện trang đăng kỹ .- --- -- cn tt rikt 33 Hình 4.
26: Hién thị 6 thông báo yêu cầu người dùng quét thẻ từ. 27: Bat camera va tién hanh thu thập dữ liệu khuôn mặt. 28: Thông báo khi đăng ký thành công. 29: Email thông báo cho người dùng khi đăng ký thành công.
30: Thông tin sinh viên đã được thêm vào Firebase. 31: Giao diện trang tra cứu hiển thị danh sách sinh viên. 32: Giao diện hiền thị thông tin va lịch sử điểm danh của sinh viên. 33: Nhắn nút “Delete student” dé tiến hành xóa thông tin sinh viên.
34: Xác thực bằng cách nhập mã r00t. 35: Thông tin sinh viên đã bi xóa khỏi cơ sở đữ liệu. 36: Giao diện trang Điểm danh .--- 2-5252 x+2xz+£xcrxerrserxrrei 59 Hình 4. 37: Email thông báo điểm danh thành công.
38: Dữ liệu điểm danh được cập nhật lên Firebase. 39: Điểm danh bằng thẻ từ. --2- 2-52 S<SE+EE2EE‡EeEEEErrrrrrrrreee 61 Hình 4. 40: Nhấn dup vào phan “Note” dé xem khuôn mặt của người quẹt thẻ6I Hình 4.
41: Hién thị hình ảnh của người quet thé. 42: Trang login của W€DSIfC. 0 ng ng iệt 63 Hình 4. 43: Trang hiển thị danh sách lớp.---- 2-2 2 2 s+++s++z+zzzz+se2 63 Hình 4.
44: Danh sách sinh viên một lớp và chức năng điều chỉnh điểm danh. 45: Trang hiển thị danh sách điểm danh chi tiết. 46: Trang hiển thị chi tiết thông tin sinh viên. 47: File excel khi export lớp MA004 ngày 16/07/2024.
48: Hình ảnh dé thử nghiệm. --- 2 2£ £+EE££E£+EE+Ex+Ez+rxsrxez 66 Hình 4. 49: Kết quả tính độ chính xác dựa trên tập dataset thực tẾ.---:--+++cc++++ecxvrsrrrvrrrrrrerree 67 Hình 4. 51: Kết quả tinh tốc độ nhận diện.--- 2-2 2£ 2+++E+2££+££z£z+£zzz 67 DANH MỤC BANG Bảng 3.
1: Thông số kỹ thuật Raspberry Pi 4.----2- 22 5+2cx+2zxczzxrzreee 22 Bang 3. 2: Thông số kỹ thuật module camera Raspberry Pi CSI. 3: Thông số kỹ thuật Module RFID RC522. 4: Thông số kỹ thuật Cảm biến hồng ngoại HW-488.
5: Thông số kỹ thuật màn hình Raspberry 7-inch.------ 26 DANH MUC TU VIET TAT RFID Radio Frequency Identification GUI Graphical User Interface QR Quick Response CNN Convolutional Neural Network UX User Experience TÓM TẮT KHÓA LUẬN Đề tài khóa luận tốt nghiệp của nhóm chúng em tập trung vào việc xây dựng một hệ thống điểm danh tự động trong các phòng học thông minh, sử dụng công nghệ nhận diện khuôn mặt kết hợp với thiết bị quẹt thẻ RFID. Mục tiêu chính của đề tài là mang lại phương pháp điểm danh hiện đại, nhanh chóng cho giảng viên và sinh viên, đồng thời giảm thiểu sự phụ thuộc vào các phương pháp điểm danh truyền thống như đọc tên từng người. Đề tài này bao gồm việc phát triển một hệ thống phần cứng và phần mềm hoàn chỉnh. Phần cứng bao gồm các thiết bị nhận diện khuôn mặt và các thẻ RFID, trong khi phần mềm tập trung vào việc tối ưu hóa thuật toán nhận diện khuôn mặt, xây dựng cơ sở dé liệu trên nền tảng Firebase, phát triển giao diện người dùng (GUI) đơn giản và thiết kế website dé quản ly dit liệu điểm danh.
Hệ thống nhận diện khuôn mặt sẽ được tích hợp với các thiết bị quẹt thẻ RFID dé xác thực danh tính sinh viên. Khi sinh viên vào lớp, hệ thống sẽ tự động nhận diện khuôn mặt và quet thẻ dé ghi nhận thông tin điểm danh. Thông báo điểm danh sẽ được gửi qua email đến sinh viên, giúp họ dé dàng theo dõi tình hình điểm danh. Tat cả dữ liệu điểm danh sẽ được quản lý tập trung trên nền tảng website, cho phép truy cập và quản lý dé dàng từ bat kỳ đâu.
Đối tượng chính sử dụng kết quả của đề tài này là giảng viên và sinh viên trong các lớp học. Giảng viên có thé dé dang quản lý danh sách sinh viên điểm danh, trong khi sinh viên có thé kiểm tra lại lịch sử điểm danh của mình. Hệ thống hứa hẹn sẽ cải thiện hiệu quả công tác quản lý điểm danh, tiết kiệm thời gian và tăng tính minh bạch. Phương pháp thực hiện bao gồm việc nghiên cứu và ứng dụng thuật toán nhận diện khuôn mặt tiên tiễn để đảm bảo độ chính xác cao, đồng thời xây dựng một cơ sở dữ liệu trên nền tảng Firebase dé lưu trữ thông tin điểm danh một cách hiệu quả.
Giao diện người dùng được thiết kế đơn giản và thân thiện, đảm bảo dễ sử dụng cho cả giảng viên và sinh viên. Website quản lý sẽ cung cấp các tính năng hữu ích như thống kê điểm danh, xuất báo cáo và gửi thông báo tự động. Kết quả mong đợi từ đề tài này là một hệ thống điểm danh tự động hoàn chỉnh, hoạt động ồn định và hiệu quả. Hệ thống sẽ giúp giảm bớt gánh nặng công việc cho giảng viên, đồng thời nâng cao trải nghiệm học tập cho sinh viên.
Qua đó, đề tài không chi đáp ứng nhu cầu thực tiễn mà còn góp phan thúc day việc ứng dụng công nghệ hiện đại trong giáo dục. Lí do chọn đề tài Hiện nay, hệ thống điểm danh đang được áp dụng rộng rãi trong nhiều lĩnh vực như giáo dục, doanh nghiệp, cơ quan. Tuy nhiên, phương pháp truyền thống sử dụng phương tiện vật lý như bang cham công sẽ gặp phải các van đề như dễ bị giả mạo, mat thời gian và công sức cũng như độ chính xác không cao. Hiện nay đã có một sô sản phâm và công nghệ liên quan được nghiên cứu hoặc có săn trên thị trường: - Hệ thống điểm danh bang vân tay: Day là một trong những phương pháp kha phổ biến hiện nay.
Tuy nhiên, nó vẫn ton tại các hạn chế về độ chính xác do sự khác biệt trong chất lượng vân tay của mỗi người, cũng như vấn đề vệ sinh khi nhiều người cùng chạm vào một thiết bị.