I. Giới thiệu về Nhận Diện Cảm Xúc Khuôn Mặt Người
Nhận diện cảm xúc là một lĩnh vực quan trọng trong trí tuệ nhân tạo và học máy, tập trung vào việc phân tích và phân loại các trạng thái cảm xúc trên khuôn mặt người. Đồ án tốt nghiệp này sử dụng xử lý ảnh và thuật toán AI để xây dựng một hệ thống nhận diện cảm xúc dựa trên ba trạng thái cơ bản: vui, buồn và ngạc nhiên. Hệ thống kết hợp Arduino và Matlab để thực hiện việc nhận diện và điều khiển các thiết bị phần cứng tương ứng với từng cảm xúc.
1.1. Mục tiêu của đồ án
Mục tiêu chính của đồ án là xây dựng một hệ thống nhận diện cảm xúc khuôn mặt người bằng cách sử dụng mô hình nhận diện dựa trên phương pháp PCA (Principal Component Analysis). Hệ thống sẽ nhận diện cảm xúc từ dữ liệu hình ảnh thu được qua webcam và điều khiển các thiết bị như cửa và đèn LED thông qua Arduino. Khi nhận diện được cảm xúc vui, hệ thống sẽ mở cửa; khi buồn, hệ thống sẽ bật đèn; và khi ngạc nhiên, hệ thống sẽ đóng cửa và tắt đèn.
1.2. Ứng dụng thực tế
Hệ thống nhận diện cảm xúc có nhiều ứng dụng thực tế trong các lĩnh vực như an ninh, y học, và tương tác người-máy. Ví dụ, trong y học, hệ thống có thể giúp theo dõi cảm xúc của bệnh nhân để hỗ trợ điều trị tâm lý. Trong an ninh, hệ thống có thể phát hiện các hành vi bất thường dựa trên biểu hiện cảm xúc. Đồ án này cũng mở ra hướng phát triển cho các ứng dụng AI trong tương lai.
II. Cơ sở lý thuyết và phương pháp
Đồ án sử dụng phương pháp PCA để nhận diện cảm xúc trên khuôn mặt. PCA là một thuật toán AI giúp giảm chiều dữ liệu hình ảnh mà vẫn giữ được các đặc trưng quan trọng. Phương pháp này được áp dụng trong xử lý ảnh để tạo ra các eigenfaces, là các thành phần chính đại diện cho các đặc điểm khuôn mặt. Các bước cơ bản bao gồm: thu thập dữ liệu hình ảnh, xử lý ảnh, trích xuất đặc trưng, và phân loại cảm xúc.
2.1. Phương pháp PCA
PCA (Principal Component Analysis) là một kỹ thuật giảm chiều dữ liệu, giúp tối ưu hóa việc biểu diễn dữ liệu trong không gian ít chiều hơn. Trong đồ án này, PCA được sử dụng để trích xuất các đặc trưng chính từ dữ liệu hình ảnh khuôn mặt, giúp hệ thống nhận diện cảm xúc một cách chính xác. Các bước thực hiện bao gồm: tính toán ma trận hiệp phương sai, tìm các giá trị riêng và vectơ riêng, và xây dựng các eigenfaces.
2.2. Xử lý ảnh và trích xuất đặc trưng
Quá trình xử lý ảnh bao gồm các bước như chuyển đổi ảnh sang thang độ xám, chuẩn hóa kích thước ảnh, và loại bỏ nhiễu. Sau đó, các đặc trưng khuôn mặt được trích xuất bằng phương pháp PCA. Các đặc trưng này được sử dụng để huấn luyện mạng nơ-ron hoặc các mô hình học máy khác để phân loại cảm xúc. Đồ án sử dụng Matlab để thực hiện các bước xử lý ảnh và trích xuất đặc trưng.
III. Thiết kế và triển khai hệ thống
Hệ thống được thiết kế gồm ba phần chính: phần cứng, phần mềm, và giao diện người dùng. Phần cứng bao gồm Arduino Uno, webcam, và các thiết bị điều khiển như servo và đèn LED. Phần mềm được phát triển trên Matlab để thực hiện các bước nhận diện cảm xúc. Giao diện người dùng được thiết kế để hiển thị kết quả nhận diện và điều khiển các thiết bị phần cứng.
3.1. Phần cứng
Phần cứng của hệ thống bao gồm Arduino Uno, được sử dụng để điều khiển các thiết bị như servo và đèn LED. Webcam được kết nối với máy tính để thu thập dữ liệu hình ảnh khuôn mặt. Arduino được lập trình để nhận tín hiệu từ Matlab và thực hiện các hành động tương ứng với từng cảm xúc được nhận diện.
3.2. Phần mềm
Phần mềm được phát triển trên Matlab, sử dụng các thư viện hỗ trợ xử lý ảnh và học máy. Quá trình nhận diện cảm xúc bao gồm các bước: thu thập ảnh, xử lý ảnh, trích xuất đặc trưng, và phân loại cảm xúc. Kết quả nhận diện được hiển thị trên giao diện người dùng và gửi tín hiệu điều khiển đến Arduino.
IV. Kết quả và đánh giá
Hệ thống đã được thử nghiệm với các bộ dữ liệu hình ảnh khác nhau và đạt được độ chính xác cao trong việc nhận diện cảm xúc. Kết quả thực tế cho thấy hệ thống có thể nhận diện chính xác các cảm xúc vui, buồn và ngạc nhiên từ cả ảnh chụp sẵn và ảnh thu được qua webcam. Hệ thống cũng hoạt động ổn định trong việc điều khiển các thiết bị phần cứng tương ứng với từng cảm xúc.
4.1. Kết quả thực nghiệm
Hệ thống đã được thử nghiệm với các bộ dữ liệu hình ảnh khác nhau, bao gồm cả ảnh chụp sẵn và ảnh thu được qua webcam. Kết quả cho thấy hệ thống có thể nhận diện chính xác các cảm xúc vui, buồn và ngạc nhiên với độ chính xác cao. Các thiết bị phần cứng như servo và đèn LED cũng hoạt động ổn định theo các tín hiệu điều khiển từ hệ thống.
4.2. Đánh giá và hướng phát triển
Hệ thống nhận diện cảm xúc khuôn mặt người đã đạt được các mục tiêu đề ra, tuy nhiên vẫn còn một số hạn chế như độ chính xác chưa cao trong điều kiện ánh sáng yếu. Hướng phát triển trong tương lai bao gồm cải thiện độ chính xác của hệ thống bằng cách sử dụng các thuật toán AI tiên tiến hơn và mở rộng khả năng nhận diện các cảm xúc phức tạp hơn.
