Mạch Chống Trộm Thông Minh: Ứng Dụng Xử Lý Ảnh Tại HCMUTE

LỜI CAM ĐOAN

LỜI CẢM ƠN

1. CHƯƠNG 1: TỔNG QUAN

1.1. LÝ DO CHỌN ĐỀ TÀI

1.2. MỤC TIÊU VÀ GIỚI HẠN

1.2.1. Mục tiêu

1.2.2. Giới hạn

1.3. BỐ CỤC ĐỒ ÁN TỐT NGHIỆP

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. GIỚI THIỆU VỀ HỆ THỐNG XỬ LÝ ẢNH

2.2. NHỮNG VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH

2.3. GIỚI THIỆU KHÁI QUÁT VỀ CÁC LINH KIỆN SỬ DỤNG TRONG THIẾT KẾ, THI CÔNG ĐỀ TÀI

2.3.1. Mạch Arduino Uno R3

2.3.2. Tổng quan về động cơ Servo

2.3.3. Tổng quan về Buzzer

3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ

3.1. TỔNG QUAN CÁC KỸ THUẬT NHẬN BIẾT MÀU DA DỰA TRÊN TÍNH CHẤT ĐIỂM ẢNH

3.1.1. Không gian màu sử dụng cho mô hình hóa màu da

3.1.1.1. Không gian màu RGB

3.1.1.2. Không gian RGB chuẩn hóa

3.1.1.3. Không gian màu HIS, HSV, HSL

3.1.1.3.1. Không gian màu HIS

3.1.1.3.2. Không gian màu HSV

3.1.1.3.3. Không gian màu HSL

3.1.1.4. Không gian màu TSL

3.1.1.5. Không gian màu Y

3.1.1.6. Các hệ tọa độ không gian màu khác

3.2. Mô hình hóa màu da

3.2.1. Xác định ngưỡng cụ thể một điểm ảnh là màu da

3.2.2. Phương pháp mô hình hóa màu da sử dụng phân phối không tham số

3.2.3. Bảng tra cứu chuẩn cứu (LUT – Lookup Table)

3.2.4. Phân lớp Bayes (Bayes Classifier)

3.2.5. Tổng kết phương pháp không tham số

3.2.6. Mô hình hóa phân phối màu da có tham số

3.2.6.1. Mô hình dựa trên phân phối Gauss đơn

3.2.6.2. Mô hình kết hợp dựa trên phân phối Gauss

3.2.6.3. Đa phân phối Gauss

3.2.6.4. Tổng kết các phương pháp mô hình hóa theo tham số

3.3. So sánh kết quả các mô hình

3.4. Đánh giá phương pháp

3.5. Chọn lựa không gian màu và phương pháp mô hình hóa dùng để nhận biết màu da cho đồ án

3.6. PHÂN TÍCH THÀNH PHẦN CHÍNH PCA

3.6.1. Tổng quan về phương pháp PCA

3.6.2. Trích chọn đặc trưng khuôn mặt người dựa trên phương pháp PCA

3.6.2.1. Chuyển đổi ảnh

3.6.2.2. Tính khuôn mặt người trung bình

3.6.2.3. Trừ mỗi ảnh cho mặt trung bình

3.6.2.4. Xây dựng ma trận hợp phương sai

3.7. PHÂN TÍCH HOG

3.7.1. Chuẩn hóa hình ảnh trước khi xử lý

3.7.2. Tính toán gradient

3.7.3. Lấy votes trong mỗi cell

3.7.4. Sử dụng trong bài toán object recognition

3.8. KẾT NỐI VỚI THIẾT BỊ NGOẠI VI

3.8.1. Khối xử lý trung tâm

3.8.2. Khối Module Sim 800A

3.8.3. Khối động cơ servo

3.8.4. Khối hiển thị và báo động

3.8.5. Sơ đồ nguyên lý hệ thống ngoại vi

4. CHƯƠNG 4: THI CÔNG VÀ GIỚI THIỆU CHƯƠNG TRÌNH

4.1. Giới thiệu

4.2. Thi công hệ thống

4.2.1. Hệ thống nhận diện chuyển động

4.2.2. Hệ thống nhận diện khuôn mặt

4.2.2.1. Lưu đồ giải thuật của hệ thống nhận diện khuôn mặt

4.2.2.2. Lưu đồ giải thuật của hệ thống huấn luyện

4.2.2.3. Yêu cầu về dữ liệu ảnh

4.2.3. Chuẩn hóa ảnh đầu vào

4.2.4. Trích xuất đặc trưng của khuôn mặt

4.2.5. Xuất kết quả

4.2.6. Hệ thống cảnh báo

4.3. Giới thiệu chương trình

4.3.1. Hệ thống phát hiện chuyển động

4.3.2. Hệ thống nhận diện khuôn mặt

4.4. Đóng gói và thi công mô hình

4.4.1. Đóng gói bộ điều khiển

4.4.2. Thi công mô hình

5. CHƯƠNG 5: KẾT QUẢ_NHẬN XÉT_ĐÁNH GIÁ

5.1. Kết quả

5.2. Nhận xét_Đánh giá

6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

6.1. Kết luận

6.2. Hướng phát triển

TÀI LIỆU THAM KHẢO

I. Giới thiệu về Mạch Chống Trộm Thông Minh và Ứng dụng Xử lý Ảnh tại HCMUTE

Đồ án tốt nghiệp "Ứng dụng xử lý ảnh thiết kế thi công mạch chống trộm thông minh" tại HCMUTE (Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh) tập trung vào việc thiết kế và triển khai một hệ thống an ninh thông minh. Hệ thống này tích hợp khả năng xử lý ảnh để phát hiện chuyển động và nhận diện khuôn mặt, từ đó đưa ra cảnh báo. Đây là một ứng dụng thực tiễn của công nghệ an ninh thông minh, đặc biệt hữu ích trong việc bảo vệ nhà cửa và tài sản. Đồ án sử dụng Arduino Uno R3 làm trung tâm điều khiển, kết hợp với các module mở rộng như Module Sim 800A, Servo, Buzzer và Webcam. Xử lý ảnh được thực hiện để phân tích hình ảnh từ webcam, phát hiện chuyển động và nhận diện khuôn mặt. Kết quả xử lý ảnh được truyền đến Arduino để điều khiển các thiết bị ngoại vi, tạo ra hệ thống cảnh báo tự động.

1.1 Lý do chọn đề tài

Nhu cầu về an ninh nhà ở ngày càng tăng. Hệ thống khóa truyền thống có hạn chế. Mạch chống trộm thông thường chỉ phát hiện sự xâm nhập đơn thuần. Đồ án hướng đến một giải pháp an ninh nhà cửa hiện đại hơn, sử dụng công nghệ xử lý ảnh để nâng cao độ chính xác và hiệu quả của hệ thống báo trộm. Hệ thống này có thể phát hiện chuyển động, nhận diện khuôn mặt, và gửi cảnh báo đến chủ nhà thông qua tin nhắn SMS. Đây là một ứng dụng thực tế của AI và machine learning trong lĩnh vực an ninh. Việc sử dụng Arduino làm nền tảng cho phép xây dựng hệ thống với chi phí thấp và dễ dàng tích hợp với các thiết bị khác. Dự án tốt nghiệp này đóng góp vào nghiên cứu ứng dụng xử lý ảnh trong lĩnh vực an ninh thông minh.

1.2 Mục tiêu và giới hạn

Mục tiêu chính là thiết kế và xây dựng một mạch chống trộm thông minh sử dụng xử lý ảnh. Hệ thống cần có khả năng phát hiện chuyển động và nhận diện khuôn mặt. Cảnh báo được thực hiện thông qua tin nhắn SMS và báo động âm thanh. Đồ án sử dụng Matlab cho phần xử lý ảnh và Arduino cho phần điều khiển. Tuy nhiên, đồ án có những giới hạn nhất định. Ví dụ, hiệu quả nhận diện khuôn mặt phụ thuộc vào điều kiện ánh sáng và khoảng cách đến camera. Chức năng từ xa chưa được tích hợp hoàn chỉnh. Đây là một dự án tốt nghiệp, nên phạm vi nghiên cứu và tính năng còn bị giới hạn.

II. Cơ sở lý thuyết và phương pháp

Phần này trình bày cơ sở lý thuyết về xử lý ảnh, bao gồm các bước cơ bản như thu nhận ảnh, tiền xử lý, phân đoạn, biểu diễn và nhận dạng. Đồ án sử dụng các thuật toán xử lý ảnh để phát hiện chuyển động và nhận diện khuôn mặt. OpenCV và Python có thể được sử dụng trong quá trình phát triển. Ngoài ra, đồ án cũng giới thiệu về các linh kiện điện tử được sử dụng, bao gồm Arduino Uno R3, Module Sim 800A, Servo, Buzzer và Webcam. Lập trình nhúng trên Arduino được sử dụng để điều khiển các thiết bị ngoại vi. Kiến trúc hệ thống được thiết kế để đảm bảo hiệu quả và độ tin cậy.

2.1 Xử lý ảnh và nhận diện khuôn mặt

Phát hiện chuyển động dựa trên sự thay đổi pixel trong hình ảnh. Nhận diện khuôn mặt sử dụng các kỹ thuật trích xuất đặc trưng như PCA hoặc HOG. Deep learning có thể được áp dụng để nâng cao độ chính xác. Việc lựa chọn thuật toán phù hợp phụ thuộc vào yêu cầu về độ chính xác và tốc độ xử lý. Phát hiện chuyển động và nhận diện khuôn mặt là hai nhiệm vụ chính trong xử lý ảnh của hệ thống. Phân tích hình ảnh là trọng tâm của hệ thống, quyết định hiệu quả của toàn bộ hệ thống an ninh. Cảm biến chuyển động có thể được tích hợp để tăng cường hiệu quả phát hiện.

2.2 Điều khiển thiết bị và giao tiếp

Arduino Uno R3 được sử dụng làm trung tâm điều khiển. Module Sim 800A cho phép gửi tin nhắn SMS. Servo điều khiển đóng mở cửa. Buzzer tạo cảnh báo âm thanh. Giao tiếp giữa các module được thực hiện thông qua các tín hiệu điện tử. Vi điều khiển đóng vai trò trung tâm trong việc xử lý tín hiệu và điều khiển các thiết bị ngoại vi. Lập trình nhúng và thiết kế mạch điện là những kỹ năng cần thiết trong quá trình triển khai. Tích hợp hệ thống cần đảm bảo sự hoạt động đồng bộ giữa các module.

III. Kết quả và đánh giá

Đồ án trình bày kết quả thử nghiệm của mạch chống trộm thông minh. Độ chính xác của phát hiện chuyển động và nhận diện khuôn mặt được đánh giá. Hiệu quả của hệ thống cảnh báo được kiểm tra. Các vấn đề gặp phải trong quá trình thiết kế và triển khai được nêu ra. Đánh giá tổng quan về hiệu quả và tính khả thi của hệ thống. Kết quả thực nghiệm chứng minh khả năng hoạt động của hệ thống. Báo cáo bao gồm các số liệu và hình ảnh minh họa cho kết quả.

3.1 Thực nghiệm và phân tích kết quả

Kết quả thử nghiệm cho thấy hệ thống hoạt động hiệu quả trong nhiều điều kiện khác nhau. Độ chính xác của phát hiện chuyển động và nhận diện khuôn mặt đạt được được báo cáo chi tiết. Thời gian phản hồi của hệ thống được đo đạc. Các yếu tố ảnh hưởng đến hiệu quả của hệ thống được phân tích. Dữ liệu thực nghiệm được sử dụng để đánh giá hiệu suất của hệ thống. Phân tích kết quả cho thấy những ưu điểm và hạn chế của hệ thống. Thực tế ứng dụng cho thấy khả năng của hệ thống.

3.2 Đánh giá và hướng phát triển

Đồ án đánh giá tổng quan về hiệu quả và tính khả thi của hệ thống mạch chống trộm thông minh. Các ưu điểm và nhược điểm được chỉ ra. Những hướng phát triển trong tương lai được đề xuất. Việc tích hợp thêm các tính năng như điều khiển từ xa và giám sát qua internet là những hướng phát triển quan trọng. Cải thiện độ chính xác của hệ thống là mục tiêu cần hướng tới. Ứng dụng thực tiễn của hệ thống cần được mở rộng. Nghiên cứu khoa học tiếp tục được thực hiện để hoàn thiện hệ thống.

Đồ Án HCMUTE: Thiết Kế Mạch Chống Trộm Thông Minh Ứng Dụng Xử Lý Ảnh