I. Giới thiệu đề tài
Luận văn tập trung vào việc thiết kế hệ thống giám sát thông minh sử dụng công nghệ nhận dạng khuôn mặt. Đây là một lĩnh vực quan trọng trong thị giác máy tính và học máy, với ứng dụng rộng rãi trong an ninh, giám sát và quản lý truy cập. Luận văn đề xuất một hệ thống kết hợp thuật toán AdaBoost để phát hiện khuôn mặt và phương pháp PCA để nhận dạng, nhằm đạt độ chính xác cao và tốc độ xử lý nhanh.
1.1. Phạm vi nghiên cứu
Nghiên cứu tập trung vào việc phát hiện và nhận dạng khuôn mặt trong thời gian thực, sử dụng kit Raspberry Pi 2 và thư viện mã nguồn mở OpenCV. Hệ thống được thiết kế để phát hiện khuôn mặt từ camera, cảnh báo khi có đối tượng xâm nhập trái phép và kiểm soát truy cập người dùng.
1.2. Mục tiêu đề tài
Mục tiêu chính là xây dựng một hệ thống giám sát thông minh có khả năng phát hiện và nhận dạng khuôn mặt với độ chính xác cao, đặc biệt trong điều kiện ánh sáng tốt. Hệ thống cũng được thiết kế để hoạt động trên phần cứng có chi phí thấp như Raspberry Pi 2, nhằm tăng tính ứng dụng thực tế.
II. Cơ sở lý thuyết và phương pháp nghiên cứu
Luận văn dựa trên các thuật toán phát hiện khuôn mặt như AdaBoost và Haar-like features, kết hợp với phương pháp PCA để trích xuất đặc trưng và nhận dạng khuôn mặt. Các phương pháp này được đánh giá về ưu điểm và hạn chế, từ đó lựa chọn giải pháp tối ưu cho hệ thống.
2.1. Thuật toán AdaBoost
AdaBoost là một thuật toán học máy mạnh mẽ, được sử dụng để phát hiện khuôn mặt với tốc độ cao và độ chính xác lên đến 95%. Thuật toán này kết hợp các bộ phân lớp yếu để tạo thành một bộ phân lớp mạnh, giúp hệ thống phát hiện khuôn mặt trong thời gian thực.
2.2. Phương pháp PCA
PCA (Principal Component Analysis) là phương pháp trích xuất đặc trưng giúp giảm số chiều của dữ liệu ảnh, đồng thời duy trì độ chính xác trong nhận dạng khuôn mặt. Phương pháp này được sử dụng để nhận dạng khuôn mặt dựa trên các eigenfaces, mang lại hiệu quả cao trong việc xử lý dữ liệu lớn.
III. Thiết kế và xây dựng hệ thống
Hệ thống được thiết kế gồm ba khối chính: khối phát hiện khuôn mặt, khối xử lý hình ảnh và khối nhận dạng khuôn mặt. Hệ thống sử dụng Raspberry Pi 2 làm phần cứng chính, kết hợp với thư viện OpenCV để xử lý hình ảnh và nhận dạng khuôn mặt.
3.1. Khối phát hiện khuôn mặt
Khối này sử dụng thuật toán AdaBoost để phát hiện khuôn mặt từ camera thời gian thực. Hệ thống có thể xử lý hơn 10 hình ảnh mỗi giây với độ chính xác lên đến 95% trong điều kiện ánh sáng tốt.
3.2. Khối nhận dạng khuôn mặt
Khối này sử dụng phương pháp PCA để trích xuất đặc trưng và nhận dạng khuôn mặt. Hệ thống có thể nhận dạng khuôn mặt với độ chính xác lên đến 97% trong điều kiện ánh sáng tốt, nhưng còn hạn chế trong điều kiện ánh sáng yếu hoặc khuôn mặt bị che khuất.
IV. Kết quả thực nghiệm và đánh giá
Hệ thống được thử nghiệm trong các điều kiện ánh sáng khác nhau, cho kết quả nhận dạng chính xác lên đến 97% trong điều kiện ánh sáng tốt. Tuy nhiên, hệ thống còn hạn chế trong điều kiện ánh sáng yếu hoặc khi khuôn mặt bị che khuất.
4.1. Kết quả thực nghiệm
Hệ thống đạt độ chính xác cao trong điều kiện ánh sáng tốt, nhưng cần cải thiện trong điều kiện ánh sáng yếu. Các thử nghiệm cũng cho thấy hệ thống có khả năng phát hiện và nhận dạng khuôn mặt trong thời gian thực.
4.2. Hạn chế và hướng phát triển
Hệ thống cần cải thiện khả năng nhận dạng trong điều kiện ánh sáng yếu và khi khuôn mặt bị che khuất. Hướng phát triển tiếp theo là tích hợp thêm các thuật toán học sâu để nâng cao độ chính xác và khả năng ứng dụng thực tế.
