CHƯƠNG 1. TỔNG QUAN VỀ ĐỀ TÀI 1. TÊN ĐỀ TÀI Xây dựng hệ thống điểm danh sinh viên bằng nhận diện khuôn mặt. LÝ DO CHỌN ĐỀ TÀI Điểm danh là một công việc hằng ngày được thực hiện trong các trường học, cơ quan, xí nghiệp.
Điểm danh để kiểm tra học sinh, sinh viên có đến lớp hay không, điểm danh để chấm công tại các cơ quan, xí nghiệp. Tuy nhiên, công tác điểm danh bằng phương pháp thủ công hiện nay còn khá nhiều bất cập. Nếu điểm danh bằng cách đọc tên thì tốn rất nhiều thời gian, không chính xác. Nếu điểm danh bằng cách quét vân tay thì có thể lây bệnh truyền nhiễm.
Hay nếu điểm danh bằng quẹt thẻ thì có thể xảy ra tình trạng người này quẹt thẻ giúp người khác. Từ những bất cập trên, cùng một số đề tài đã làm trước đó còn nhiều thiếu sót nên tôi quyết định xây dựng ứng dụng camera điểm danh nhân viên bằng nhận diện khuôn mặt trong thời gian thực để nhận diện chính xác thời gian ra vào của từng nhân viên. MỤC ĐÍCH CỦA ĐỀ TÀI Xây dựng ứng dụng camera nhận diện khuôn mặt để xác thực và kiểm soát chặt chẽ việc ra vào lớp học của từng sinh viên. Lấy bộ dữ liệu hình ảnh để xét điều kiện của sinh viên thông qua camera.
Khi di chuyển qua cổng hệ thống camera tự động quét khuôn mặt và đối chiếu với hình ảnh đã lấy trước đó để nhận diện và xác nhận thông tin ra vào của các sinh viên. Khi nhận diện thành công, lưu lại lịch sử nhận diện kèm theo lời chào bằng giọng nói. Hệ thống có thể nhận diện khuôn mặt nhiều người cùng lúc theo thời gian thực. Hệ thống theo dõi điểm danh sinh viên thông qua web quản lý.
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU CỦA ĐỀ TÀI Trong những năm gần đây các ứng dụng về trí tuệ nhân tạo ngày càng phát triền và đánh giá cao. Một lĩnh vực đang được quan tâm của trí tuệ nhân 1 Đò án tốt nghiệp Nguyễn Ngọc Hậu - 16050028 tạo nhằm tạo ra các ứng dụng thông minh có tính người đó là nhận dạng. Trong đề tài này em chọn đối tượng để nghiên cứu đó là khuôn mặt. Đề tài nhận diện xây dựng dựa trên các thư viện được python hỗ trợ với các phương pháp phát hiện khuôn mặt, tiền xử lý hình ảnh, gán nhãn, trích xuất đặc trưng khuôn mặt, phân lớp, thông qua việc so sánh đối chiếu với nhau đưa ra kết quả nhận diện cuối cùng.
PHÂN TÍCH ĐÁNH GIÁ HƯỚNG NGHIÊN CỨU Hiện tại có khá nhiều phương pháp nhằm xác định khuôn mặt người trong ảnh, từ ảnh có chất lượng không tốt cho đến tốt, không màu (đen trắng) đến có màu nhưng có thể phân chia các phương pháp này thành bốn hướng tiếp cận chính : ❖ Hướng tiếp cận dựa trên tri thức: ▪ Mã hóa các hiểu biết của con người về khuôn mặt thành các luật. các luật này thường mô tả quan hệ của các đặc trưng của khuôn mặt. ❖ Hướng tiếp cận dựa trên diện mạo: ▪ Hướng tiếp cận này dùng một tập ảnh huấn luyện cho trước, rồi sau đó hệ thống sẽ xác định khuôn mặt người, do đó nó còn có tên là: hướng tiếp cận dựa trên phương pháp học. ❖ Hướng tiếp cận dựa trên so sánh khớp mẫu: ▪ Dùng các mẫu chuẩn của khuôn mặt người để mô tả cho khuôn mặt hay các đặc trưng của khuôn mặt.
❖ Hướng tiếp cận dựa trên các đặc trưng không thay đổi: ▪ Các thuật toán đi tìm các đặc trưng mô tả cấu trúc khuôn mặt người mà các đặc trưng này sẽ không thay đổi khi tư thế khuôn mặt, điều kiện ánh sáng hay vị trí đặt máy ảnh thay đổi. Hướng tiếp cận dựa trên tri thức: Trong hướng tiếp cận này, các luật sẽ phụ thuộc rất lớn vào tri thức của những tác giả nghiên cứu về bài toán xác định khuôn mặt người. Đây là hướng tiếp cận dạng top-down. Dễ dàng xây dựng các luật cơ bản để mô tả các đặc trưng của khuôn mặt và các quan hệ tương ứng.
Ví dụ, một khuôn mặt thường có hai mắt đối xứng nhau qua trục thẳng đứng ở giữa khuôn mặt và có một mũi, một miệng. Các quan hệ của các đặc trưng có thể được mô tả như quan hệ về khoảng cách và vị trí. Thông thường sẽ trích đặc trưng của khuôn mặt trước tiên để có được các ứng viên, sau đó các ứng viên này sẽ được xác định thông qua các luật để biết ứng viên nào là khuôn mặt và ứng viên nào không phải khuôn mặt. Thường áp dụng quá trình xác định để giảm số lượng xác định sai.
2 Đò án tốt nghiệp Nguyễn Ngọc Hậu - 16050028 Một vấn đề khá phức tạp khi dùng hướng tiếp cận này là làm sao chuyển từ tri thức con người sang các luật một các hiệu quả. Nếu các luật này quá chi tiết thì khi xác định có thể xác định thiếu các khuôn mặt có trong ảnh, vì những khuôn mặt này không thể thỏa mãn tất cả các luật đưa ra. Nhưng các luật tổng quát quá thì có thể chúng ta sẽ xác định lầm một vùng nào đó không phải là khuôn mặt mà lại xác định là khuôn mặt. Và cũng khó khăn mở rộng yêu cầu từ bài toán để xác định các khuôn mặt có nhiều tư thế khác nhau.
Hai tác giả Yang và Huang dùng một phương thức theo hướng tiếp cận như sau để xác các khuôn mặt. Hệ thống của hai tác giả này bao gồm ba mức luật. Ở mức cao nhất, dùng một khung cửa sổ quét trên ảnh và thông qua một tập luật để tìm các ứng viên có thể là khuôn mặt. Ở mức kế tiếp, hai ông dùng một tập luật để mô tả tổng quát hình dáng khuôn mặt.
Còn ở mức cuối cùng lại dùng một tập luật khác để xem xét ở mức chi tiết các đặc trưng khuôn mặt. Một hệ thống đa độ phân giải có thứ tự được dùng để xác định. Các luật ở mức cao nhất để tìm ứng viên như: “vùng trung tâm khuôn mặt có bốn phần với một mức độ đều cơ bản”, “phần xung quanh bên trên của một khuôn mặt có một mức độ đều cơ bản”, và “mức độ khác nhau giữa các giá trị xám trung bình của phần trung tâm và phần bao bên trên là đáng kể”. Độ phân giải thấp nhất của ảnh dùng để tìm ứng viên khuôn mặt mà còn tìm ở các mức phân giải tốt hơn.
Ở mức hai, xem xét biểu đồ histogram của các ứng viên để loại bớt ứng viên nào không phải là khuôn mặt, đồng thời dò ra cạnh bao xung quanh ứng viên. Ở mức cuối cùng, những ứng viên nào còn lại sẽ được xem xét các đặc trưng của khuôn mặt về mắt và miệng. Hai ông đã dùng một chiến lược “từ thô đến mịn” hay “làm rõ dần” để giảm số lượng tính toán trong xử lý. Mặc dù tỷ lệ chính xác chưa cao, nhưng đây là tiền đề cho nhiều nghiên cứu sau này Hai tác giả Kotropoulos và Pitas đưa một phương pháp tương tự dùng trên độ phân giải thấp.
Hai ông dùng phương pháp chiếu để xác định các đặc trưng khuôn mặt, Kanade đã thành công với phương pháp chiếu để xác định biên của khuôn mặt. Với I(x,y) là giá trị xám của một điểm trong ảnh có kích thước m x n ở tại vị trí (x,y), các hàm để chiếu ảnh theo phương ngang và thẳng đứng được định nghĩa như sau: Hình 1.1: Phương pháp chiếu 3 Đò án tốt nghiệp Nguyễn Ngọc Hậu - 16050028 Dựa trên biểu đồ hình chiếu ngang, có hai cực tiểu địa phương khi hai ông xét quá trình thay đổi độ đốc của HI, đó chính là cạnh bên trái và phải của hai bên đầu. Tương tự với hình chiếu dọc VI, các cực tiểu địa phương cũng cho ta biết vị trí miệng, đỉnh mũi, và hai mắt. Các đặc trưng này đủ để xác định khuôn mặt.
Các đặc trưng khuôn mặt : Sirohey đưa một phương pháp xác định khuôn mặt từ một ảnh có hình nền phức tạp. Phương pháp dựa trên cạnh (dùng phương pháp Candy và heuristics để loại bỏ các cạnh để còn lại duy nhất một đường bao xung quanh khuôn mặt. Một hình ellipse dùng để bao khuôn mặt, tách biệt vùng đầu và hình nền. Tỷ lệ chính xác của thuật toán là 80%.
Cũng dùng phương pháp cạnh như Sirohey, Chetverikov và Lerch dùng một phưong pháp dựa trên blob và streak (hình dạng giọt nước và sọc xen kẽ), để xác định theo hướng các cạnh. Hai ông dùng hai blob tối và ba blob sáng để mô tả hai mắt, hai bên gò má, và mũi. Mô hình này dùng các treak để mô tả hình dáng ngoài của khuôn mặt, lông mày, và môi. Dùng ảnh có độ phân giải thấp theo biến đổi Laplace để xác định khuôn mặt thông qua blob.
Leung trình bày một mô hình xác suất để xác định khuôn mặt ở trong ảnh có hình nền phức tạp trên cơ sở một bộ xác định đặc trưng cục bộ và so khớp đồ thị ngẫu nhiên. Dùng năm đặc trưng (hai mắt, hai lỗ mũi, phần nối giữa mũi và miệng) để mô tả một khuôn mặt. Luôn tính quan hệ khoảng cách với các đặc trưng cặp (như mắt trái, mắt phải), dùng phân bố Gauss để mô hình hóa. Một mẫu khuôn mặt được đưa ra thông qua trung bình tương ứng cho một tập đa hướng, đa tỷ lệ của bộ lọc đạo hàm Gauss.
Từ một ảnh, các đặc trưng ứng viên được xác định bằng cách so khớp từng điểm ảnh khi lọc tương ứng với vector mẫu (tương tự mối tương quan), chọn hai ứng viên đặc trưng đứng đầu để tìm kiếm cho các đặc trưng khác của khuôn mặt. Giống như xây dựng mộ đồ thị quan hệ mỗi node của đồ thị tương ứng như các đặc trưng của một khuôn mặt, đưa xác suất vào để xác định. Tỷ lệ xác định chính xác là 86%. Kết cấu khuôn mặt: Khuôn mặt con người có những kết cấu riêng biệt mà có thể dùng để phân loại so với các đối tượng khác.
Augusteijn và Skufca cho rằng hình dạng của khuôn mặt dùng làm kết cấu phân loại, gọi là kết cấu giống khuôn mặt (face-like texture). Tính kết cấu qua các đặc trưng thống kê thứ tự thứ hai (SGLD) trên vùng có kích thước 16×16 điểm ảnh. Có ba loại đặc trưng được xem xét: màu da, tóc, và những thứ khác. Hai ông dùng mạng neural về mối tương quan cascade cho phân loại có giám sát các kết cấu và một ánh xạ đặc trưng tự tổ chức Kohonen để gom nhóm các lớp kết cấu khác nhau.