Đồ án HCMUTE: Ứng dụng nhận diện khuôn mặt trong robot tiếp tân

• Tác giả: Trần Văn Tính
• Người hướng dẫn: PGS. Lê Mỹ Hà
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Kỹ Thuật Điều Khiển Và Tự Động Hóa
• Đề tài: Nhận Diện Khuôn Mặt Ứng Dụng Trong Robot Tiếp Tân
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Thành Phố Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Mục tiêu đề tài
• 1.2. Giới hạn đề tài
• 1.3. Phương pháp nghiên cứu
• 1.4. Giới thiệu nội dung
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. HỆ THỐNG NHẬN DẠNG KHUÔN MẶT
• 2.2. TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO (AI)
• 2.2.1. Trí tuệ nhân tạo
• 2.2.2. Mối quan hệ giữa AI, Machine Learning, Neural Network và Deep Learning
• 2.3. MACHINE LEARNING
• 3. CHƯƠNG 3: THIẾT KẾ VÀ XÂY DỰNG PHẦN CỨNG
• 4. CHƯƠNG 4: PHẦN MỀM VÀ THUẬT TOÁN
• 5. CHƯƠNG 5: KẾT QUẢ THỰC NGHIỆM
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

I. Giới thiệu

Trong bối cảnh phát triển mạnh mẽ của khoa học kỹ thuật, trí tuệ nhân tạo (AI) đang dần thay đổi cuộc sống con người. Robot dịch vụ ngày càng phổ biến, và nhận diện khuôn mặt là một trong những công nghệ chủ chốt trong lĩnh vực này. Nhận diện khuôn mặt đã được ứng dụng rộng rãi trong nhiều lĩnh vực như bảo mật, thanh toán, an ninh... Đề tài "Nhận diện khuôn mặt ứng dụng trong robot tiếp tân tại HCMUTE" ra đời nhằm nghiên cứu và ứng dụng công nghệ mới này vào thực tế tại trường đại học.

II. Hệ thống nhận dạng khuôn mặt

Hệ thống nhận dạng khuôn mặt thường bao gồm các bước chính sau: nhận diện khuôn mặt, căn chỉnh khuôn mặt, trích xuất đặc trưng và so khớp đặc trưng. Đầu tiên, hệ thống sẽ xác định vị trí các khuôn mặt trong ảnh. Sau đó, các khuôn mặt được căn chỉnh để tạo thuận lợi cho việc trích xuất đặc trưng. Các đặc trưng này sau đó được so sánh với cơ sở dữ liệu để nhận dạng danh tính.

III. Trí tuệ nhân tạo và Deep Learning

Trí tuệ nhân tạo (AI) là lĩnh vực nghiên cứu tạo ra các máy móc có khả năng mô phỏng trí thông minh của con người. Machine Learning là một nhánh của AI, cho phép máy tính tự học từ dữ liệu mà không cần được lập trình cụ thể. Deep Learning là một tập hợp con của Machine Learning, sử dụng các mạng nơ-ron sâu để phân tích và học hỏi từ dữ liệu phức tạp. Mạng nơ-ron tích chập (CNN) là một loại mạng nơ-ron sâu được sử dụng phổ biến trong nhận diện khuôn mặt.

IV. Các thuật toán và công nghệ chính

Đề tài sử dụng thuật toán MTCNN để nhận diện và căn chỉnh khuôn mặt. Mạng LResNet100E-IR được sử dụng để trích xuất đặc trưng khuôn mặt. Thuật toán ArcFace được sử dụng để phân loại và xác minh khuôn mặt. Cuối cùng, hồi quy softmax được sử dụng để phân cụm và nhận dạng khuôn mặt trong cơ sở dữ liệu.

V. Robot tiếp tân tại HCMUTE

Robot tiếp tân là một ứng dụng tiềm năng của nhận diện khuôn mặt. Bằng cách tích hợp hệ thống nhận diện khuôn mặt vào robot, robot có thể chào đón khách, cung cấp thông tin và hỗ trợ khách hàng một cách tự động. HCMUTE là một trong những trường đại học tiên phong trong việc nghiên cứu và ứng dụng robot vào thực tế.

VI. Kết luận

Đề tài "Nhận diện khuôn mặt ứng dụng trong robot tiếp tân tại HCMUTE" đã nghiên cứu thành công việc ứng dụng công nghệ nhận diện khuôn mặt vào robot. Hệ thống có thể nhận dạng khuôn mặt với độ chính xác cao trong điều kiện lý tưởng. Tuy nhiên, hệ thống vẫn còn một số hạn chế như: cần cải thiện khả năng nhận dạng trong điều kiện ánh sáng yếu, góc mặt khác nhau... Trong tương lai, đề tài có thể được phát triển theo hướng mở rộng cơ sở dữ liệu khuôn mặt, nâng cao độ chính xác và tốc độ nhận dạng, tích hợp thêm các chức năng thông minh khác cho robot.