đặt vấn đề dẫn nhập lý do chọn đề tài, mục tiêu, nôi dung nghiên cứu, các giới hạn thông số và bố cục đồ án. Chương 2: Cơ sở lý thuyết. Nội dung chương sẽ bao gồm lý thuyết cơ bản về xử lý ảnh, phương pháp cơ bản để nhận dạng và phân loại ảnh, giới thiệu cơ bản về Raspberry và thư viện liên quan. Chương 3: Thiết kế và thi công Chương này sẽ đi tìm hiểu sơ đồ và cách kết nối cho hệ thống.
Chương 4: Thi công hệ thống Nội dụng chương này là quá trình thực thi chương trình nhận dạng khuôn mặt, điều khiển, giám sát thiết bị trong nhà. Chương 5: Nhận xét và đánh giá Nội dụng chương này là tổng hợp các kết quả đạt được sau khi thi công mô hình cùng với nhận xét và đánh giá quá trình thực hiện. Chương 6: Kết luận và hướng phát triển Nội dụng chương này là tổng hợp các kết quả đạt được sau khi thi công mô hình cùng với nhận xét và đánh giá quá trình thực hiện. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 3 do an ĐỒ ÁN TỐT NGHIỆP CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH 2.1 Giới thiệu xử lý ảnh Xử lý ảnh là quá trình xử lý số tín hiệu với đối tượng xử lý là tín hiệu hình ảnh.
Trong đó, ảnh đầu vào sẽ được xử lý sao cho ảnh sau khi xử lý đạt kết quả mong muốn. Kết quả của xử lý ảnh là một ảnh khác có đặc điểm khác với ảnh ban đầu hoặc một kết luận (hình 2. Hiện nay xử lý ảnh phát triển rất mạnh mẽ, đã có nững thành tựu nhất định ở nhiều lĩnh vực: kinh thế, văn hóa, y tế, quân sự… Sự bùng nổ khoa học kỹ thuật trong những năm gần đây, tiêu biểu là cuộc Cách mạng Công nghiệp 4.0 đã tạo cho con người thêm nhiều công cụ và tiện ích, phục vụ mọi mặt đời sống của họ. Hiện nay, có bốn lĩnh vực chính liên quan đến xử lý ảnh: xử lý và nâng cao chất lượng ảnh, nhận dạng ảnh, truy vấn ảnh và nén ảnh.
Ở phạm vi đề tài này sẽ tìm hiểu về lĩnh vực nhận dạng ảnh.1: Tổng quan quá trình xử lí ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P (c1, c2. Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều.2: Các bước xử lý ảnh BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 4 do an ĐỒ ÁN TỐT NGHIỆP 2.2 Những vấn đề xử lý ảnh a. Các vấn đề cơ bản trong xử lý ảnh Điểm ảnh: là một phần tử của ảnh số tại tọa độ (x, y) với độ xám hoặc màu nhất định. Mức xám: là cường độ sáng của ảnh tại một điểm và được gán bằng giá trị số tại điểm đó.
Chỉnh mức xám Các bức ảnh của hệ thống thông thường không đồng đều và để khắc phục nó thì chúng ta cần chỉnh mức xám cho ảnh. Có 2 cách để chỉnh mức xám: Giảm số mức xám: được thực hiện bằng cách nhóm các mức xám gần nhau lại với nhau. Trường hợp chỉ có 2 mức xám chính là chuyển thành ảnh đen trắng. Tăng số mức xám: nhằm tăng cường độ mịn cho ảnh thì ta cần tăng cường số mức xám cho ảnh.
Để thực hiện điều này ta cần nội suy các mức xám trung gian bằng kỹ thuật nội suy. Trích chọn đặc trưng ảnh Các đặc trưng của ảnh được trích chọn theo từng mục đích của hệ thống. Có thể nêu ra một số đặc trưng của ảnh như sau: Đặc trưng không gian: mức độ phân bố mức xám, xác xuất, biên độ. Đặc trưng biến đổi: được thực hiện bằng cách lọc vùng.
Đặc trưng biên và đường biên: rất hữu ích trong việc trích chọn các thuộc tính của đối tượng. Có thể được thực hiện nhờ các toán tử: gradient, toán tử la bàn, Laplace. Việc trích chọn các đặc trưng của ảnh đem lại các đối tượng tương đối chính xác, tốc độ tính toán cao và khối lượng lưu trữ giảm xuống một cách đáng kể. Nhận dạng tự động Nhận dạng tự động, mô tả đối tượng, phân loại, phân nhóm các mẫu là những vấn đề quan trọng của thị giác máy tính và được sử dụng trong nhiều lĩnh vực.
Nhận dạng tự động bao gồm ba giai đoạn sau: BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 5 do an ĐỒ ÁN TỐT NGHIỆP Thu thập nhận dữ liệu và tiền xử lý ảnh Biểu diễn dữ liệu ảnh. Nhận dạng thông qua các đặc trưng. Để có thể nhận dạng thành công cần sử dụng một số phương pháp như sau: so sánh mẫu dự trên các đặc trưng được trích chọn, phân loại thống kê, so sánh cấu trúc hoặc phân loại dựa trên mạng nơ-ron nhân tạo. Chúng ta cần kết hợp nhiều phương pháp để hệ thống có thể tối ưu nhất.
Nén ảnh Ảnh thông thường có kích thước rất lớn do đó dần giảm kích thước của ảnh. Để có thể giảm thiểu không gian lưu trữ ảnh thì chúng ta cần nén ảnh. Có 2 khuynh hướng nén ảnh là nén ảnh có bảo toàn và không bảo toàn. Nén ảnh không bảo toàn thì có thể giảm không gian xuống thấp nhất nhưng khả năng phục hồi thì kém hơn trong khi đó nén ảnh có bảo toàn thì sau khi giải nén ta thu được lượng thông tin chính xác với dữ liệu gốc.
Dựa trên 2 khuynh hướng đã nêu thì có 4 cách nén ảnh cơ bản như sau: nén ảnh thống kê, nén ảnh không gian, nén ảnh sử dụng phép biến đổi và nén ảnh Fractal.2 PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT Nhận dạng khuôn mặt là một phương pháp có khả năng xác định hoặc xác nhận một người từ một hình ảnh kỹ thuật số hoặc một khung hình từ một đoạn video. Có nhiều phương pháp, nhưng nói chung, hệ thống nhận dạng khuôn mặt hoạt động bằng cách so sánh các đặc điểm khuôn mặt được chọn từ hình ảnh đã cho với khuôn mặt trong cơ sở dữ liệu. Dựa trên trí tuệ nhân tạo sinh trắc học có thể nhận dạng duy nhất một người hoặc nhiều người bằng cách phân tích các mẫu dựa trên kết cấu và hình dạng khuôn mặt của người đó. Nhận dạng khuôn mặt là một phương pháp nghiên cứu của khoa học máy tính, và cũng được xem là một phương pháp nghiên cứu của ngành sinh trắc học (tương tự như nhận dạng vân tay, hay nhận dạng mống mắt).
Xét về nguyên tắc chung, nhận dạng khuôn mặt có sự tương đồng rất lớn với BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 6 do an ĐỒ ÁN TỐT NGHIỆP nhận dạng vân tay hay nhận dạng mống mắt, tuy nhiên sự khác biệt nằm ở bước trích chọn đặt trưng của mỗi đối tượng. Trong khi nhận dạng vân tay và mống mắt đã có thể áp dụng trên thực tế một cách rộng rãi thì nhận dạng khuôn mặt vẫn còn nhiều thách thức và vẫn là một lĩnh vực nghiên cứu thú vị với nhiều người. So với nhận dạng vân tay và mống mắt, nhận dạng mặt có nguồn dữ liệu phong phú và ít đòi hỏi sự tương tác có kiểm soát hơn. Hiện nay các phương pháp nhận dạng mặt được chia thành nhiều hướng theo các tiêu chí khác nhau: nhận dạng với dữ liệu đầu vào là ảnh tĩnh 2D FR(still image based) là phổ biến nhất, tuy nhiên tương lai có lẽ sẽ là 3D FR (vì việc bố trí nhiều camera 2D sẽ cho dữ liệu 3D và đem lại kết quả chính xác hơn, đáng tin cậy hơn).
Để tiến hành xử lý một bức ảnh, đầu tiên camera sẽ quét để tìm kiếm khuôn mặt trong giới hạn khoảng 2m từ vị trí đặt camera, đồng thời hệ thống sẽ tinh chỉnh khung ảnh thành 30 * 30 cm để lấy được khuôn mặt và loại bỏ các phần không liên quan. Sau khi phát hiện được khuôn mặt sẽ tiến hành mã hoá những hình ảnh này sang vector ảnh và được lưu trữ trong file “. Hệ thống sẽ dùng mã này để so sánh với những các vector ảnh đã có trước đó, để tiến hành nhận dạng. Sau khi kết thúc quá trình này chúng ta sẽ nhận được ảnh kết quả.
Quá trình xử lý ảnh kết thúc.3: Các bước tiến hành để xử lí ảnh 2.1 Phương pháp HOG (Histogram of Oriented Gradient) HOG là viết tắt của cụm từ Histogram of Oriented Gradient. Đây là phương pháp được sử dụng phổ biến nhất trong các bài toán về nhận dạng các đối tượng hay vật thể. Bởi vì phương pháp này hiệu quả, nhanh chóng và đơn giản. Các định nghĩa BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 7 do an ĐỒ ÁN TỐT NGHIỆP về HOG được công bố từ năm 1986 và được sử dụng rộng rãi sau khi Navneet Dalal và Bill Triggs công bố các bổ sung vào năm 2005.
Mục đích của HOG là trừu tượng hóa đối tượng bằng cách trích xuất ra các đặc trưng của nó và bỏ qua một số thành phần không hữu ích. Bản chất của phương pháp này là sử dụng sự phân bố của cường độ gradient hoặc hướng biên để mô tả đối tượng. Các toán tử HOG được cài đặt bằng cách tách một bức ảnh thành các ô, sau đó sẽ tính một histogram về các hướng của gradients cho các điểm thuộc từng ô. Ghép các histogram lại với nhau để có thể thể hiện lại bức ảnh ban đầu.
Sau đó, các histogram cục bộ sẽ được chuẩn hóa theo độ tương phản bằng cách tính một ngưỡng cường độ trong một khối và sử dụng ngưỡng đó để chuẩn hóa các ô của khối. Kết quả thu được một vector đặc trưng có tính bất biến cao đối với các thay đổi về điều kiện môi trường. Các bước để xây dựng một vector HOG: Tiền xử lý. Tính vector đặc trưng cho từng ô.
Tính toán vector HOG.1 Tiền xử lý Để thuận tiện cho việc chia hình ảnh thành các khối, cell và tính toán đặc trưng chì cần resize kích thước tất cả các hình ảnh về một kích thước chung.2 Tính Gradient Tính Gradient bằng cách thực hiện hai phép nhân chập ảnh gốc với 2 chiều, tương đương với lấy đạo hàm theo hai hướng là Ox và Oy. Trong đó 2 hướng là: Dx = [−1 0 1] (1.2) Trong đó: T là phép toán chuyển vị ma trận. Khi ta có hình ảnh đầu vào là I thì đạo hàm theo 2 hướng sẽ có công thức như sau: Ix = I*Dx (1.3) và Iy = I*Dy (1.