Chương 1: Giới thiệu đề tài Chương 2: Tổng quan về xử lý anh và nhận dạng chữ số viết tay Chương 3: Mô hình mạng Nơ-ron tích chập Chương 4: Xử lý ảnh và nhận dạng chữ số viết tay với mạng Nơ-ron tích chập Chương 5: Đánh giá kết quả thực hiện 5 CHƯƠNG 2. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ NHẬN DẠNG CHỮ SỐ VIẾT TAY 2. Tổng quan Trong thời đại hiện nay, nhận dạng chữ số viết tay đã trở thành một yếu tố quan trọng trong nhiều lĩnh vực và có ứng dụng rộng rãi. Ví dụ, việc nhận dạng bảng điểm viết tay, số xe và các tác vụ khác đòi hỏi khả năng nhận dạng chính xác các chữ số viết tay.
Tuy nhiên, nhận dạng chữ viết tay và chữ số viết tay là những thách thức đáng kể đối với các nhà nghiên cứu. Mỗi cá nhân có phong cách viết riêng biệt và đặc trưng, tạo ra sự đa dạng trong các biểu thức chữ viết tay. Do đó, xây dựng một hệ thống nhận dạng chữ số viết tay có khả năng nhận dạng mọi chữ số là một nhiệm vụ không dễ dàng. Các công trình nghiên cứu trong và ngoài nước 2.
Các công trình nghiên cứu trong nước Phân tích chữ viết tay, kể cả việc nhận dạng chữ số viết tay, đang là một lĩnh vực phức tạp mà các nhà nghiên cứu đối mặt. Trong thời gian gần đây, có nhiều nghiên cứu tập trung vào việc nhận dạng chữ số viết tay, và ở Việt Nam cũng xuất hiện nhiều nhóm nghiên cứu trong lĩnh vực này. Các mô hình phổ biến được sử dụng bao gồm: HMM (Hidden Markov Model), SVM (Support Vector Machine), HOG (Histogram of Oriented Gradients), mạng Nơ-ron, và nhiều phương pháp khác. Hiện tại, trong nước ta, chỉ có một số công trình của các tác giả đã được công bố.
Ví dụ, tác giả Lê Thanh Trúc[11] đã nghiên cứu về "Nhận dạng điểm viết tay trên bảng điểm với biến đổi Hough và đặc trưng Gist". Tác giả Phạm Anh Phương[12] đã tìm hiểu "Áp dụng một số chiến lược SVM đa lớp cho bài toán nhận dạng chữ viết tay hạn chế". Tác giả Đinh Thị Mẫn và thành viên[18] đã nghiên cứu “Phương pháp nhận dạng kí tự số viết tay dựa trên mạng Nơ ron học sâu”, trong đó các tác giả đã minh chứng tính hiệu quả của phương pháp đề xuất, thực nghiệm được xây dựng và đánh giá trên tập dữ liệu ảnh MNIST. Kết quả thực nghiệm đã cho thấy tính khả thi và hiệu quả của phương pháp, đồng thời dễ dàng mở rộng cho việc nhận diện các hình ảnh chữ viết tay khác.
Tác giả Hoàng Thị Tình[13], đã thực hiện nghiên cứu về 6 "Xây dựng hệ thống hỗ trợ học sinh thi trắc nghiệm bậc THPT", trong đó tác giả sử dụng phương pháp nhận dạng ký tự (OCR) để nhận diện đáp án trắc nghiệm. Các tác giả cũng đã áp dụng các phương pháp xử lý ảnh như loại bỏ nhiễu, phát hiện cạnh, phân đoạn ảnh, sử dụng thuật toán Hough để phát hiện đường thẳng trong ảnh và phân vùng ảnh. Tác giả cũng sử dụng thuật toán K-Nearest Neighbors (KNN) để phân loại các ký tự được nhận dạng. Kết quả cho thấy hệ thống đạt được độ chính xác trung bình khoảng 85%.
Các công trình nghiên cứu nước ngoài Ngày nay, nhận dạng chữ số viết tay đã trở thành một lĩnh vực phức tạp và thu hút sự quan tâm của nhiều nhà nghiên cứu. Có hai phương pháp chính để thực hiện việc này là nhận dạng online và nhận dạng offline. Trên hình thức nhận dạng online, hệ thống máy tính có khả năng nhận dạng chữ số ngay sau khi người viết đã hoàn thành việc viết lên màn hình. Quá trình này ghi lại thông tin về thứ tự, hướng và tốc độ của các nét chữ số để tạo nền tảng cho việc nhận dạng chữ viết.
Nhận dạng online không gặp nhiều khó khăn vì thông tin về nét viết được lưu lại. Một ví dụ, Hệ thống nhận dạng chữ số viết tay trực tuyến của IBM, được phát triển bởi một nhóm nghiên cứu tại trung tâm nghiên cứu Watson, là một ví dụ tiêu biểu về công nghệ nhận dạng chữ số viết tay trực tuyến. Hệ thống này có khả năng nhận dạng chữ số ngay sau khi chúng được viết trên màn hình, giúp đánh giá tính chính xác và tin cậy của kết quả. Hệ thống nhận dạng chữ số viết tay trực tuyến của IBM sử dụng các thuật toán và mô hình học máy tiên tiến để phân loại và nhận dạng chữ số.
Khi người dùng viết chữ số trên màn hình hoặc bảng vẽ, hệ thống sẽ tự động xử lý và phân tích dữ liệu để nhận dạng chữ số đó. Với sự kết hợp của công nghệ xử lý ảnh, trí tuệ nhân tạo và học máy, hệ thống nhận dạng chữ số viết tay trực tuyến của IBM đạt được hiệu suất cao và đáng tin cậy trong việc nhận dạng chữ số viết tay từ người dùng. Điều này mang lại nhiều ứng dụng trong các lĩnh vực như công nghệ giao diện người-máy, bảo mật, điều khiển và quản lý dữ liệu. 7 Hệ thống này không chỉ tiết kiệm thời gian và công sức so với việc nhận dạng chữ số thủ công, mà còn mang lại khả năng nhận dạng chính xác và nhất quán trên nhiều nền tảng và thiết bị khác nhau.
Điều này giúp cải thiện hiệu suất và trải nghiệm người dùng trong các ứng dụng sử dụng nhận dạng chữ số viết tay trực tuyến. Mặc dù hệ thống này là một ví dụ tiêu biểu trong lĩnh vực nhận dạng chữ số viết tay trực tuyến, tuy nhiên, hiện vẫn chưa có nhiều ứng dụng thực tế sử dụng công nghệ này, do đó, việc áp dụng nhận dạng chữ số viết tay trực tuyến vẫn chưa phổ biến rộng rãi. Trong khi đó, nhận dạng offline xảy ra khi chúng ta chỉ có sẵn hình ảnh chữ số viết tay mà không có thông tin về việc viết. Trong phương pháp này, các thuật toán xử lý ảnh được sử dụng để tiền xử lý và trích xuất đặc trưng từ hình ảnh chữ số.
Các đặc trưng này có thể bao gồm các biểu đồ pixel, đặc điểm hình học và các đặc trưng khác. Sau đó, các thuật toán nhận dạng như SVM, ANN hoặc CNN có thể được áp dụng để phân loại và nhận dạng chữ số từ các đặc trưng đã được trích xuất. Ví dụ, một công trình nghiên cứu của tác giả Li, J.[51] tập trung vào xây dựng hệ thống nhận dạng chữ số viết tay dựa trên mạng Nơ-ron. Công trình này đặt giới hạn và áp dụng tiêu chuẩn cụ thể để nhận dạng chữ số viết tay trong một lĩnh vực cụ thể.
Công trình khác của tác giả Ascencio, H.[52] tập trung vào việc phát triển công cụ chấm điểm tự động cho bài kiểm tra trắc nghiệm bằng sử dụng Computer Vision. Công trình này đặt giới hạn và áp dụng các tiêu chuẩn cụ thể để nhận dạng chữ số viết tay trong bài kiểm tra trắc nghiệm. Cả hai phương pháp đều có ưu điểm và hạn chế riêng, tùy thuộc vào ứng dụng cụ thể mà chúng ta có thể lựa chọn phương pháp phù hợp. Nhận dạng online thường cung cấp thông tin đa dạng hơn về việc viết, nhưng yêu cầu các thiết bị thu thập thông tin đặc biệt.
Trong khi đó, nhận dạng offline đơn giản hơn để triển khai nhưng có thể bị ảnh hưởng bởi chất lượng hình ảnh và không có thông tin về việc viết gốc. Những khó khăn trong nhận dạng chữ số viết tay Nhận dạng chữ số viết tay đặt ra nhiều thách thức và khó khăn do các yếu tố sau: - Đa dạng về biến thể chữ viết tay: Mỗi người có cách viết riêng biệt và đặc trưng, dẫn đến sự đa dạng lớn trong cách viết chữ số. Điều này tạo ra thách thức trong việc xây dựng một hệ thống nhận dạng chung có thể xử lý được tất cả các biến thể này. - Khả năng thay đổi của chữ số viết tay: Cùng một chữ số có thể được viết ở nhiều cách khác nhau dựa trên tốc độ, áp lực và phong cách viết của người viết.
Điều này tạo ra sự biến đổi trong hình dạng và cấu trúc của chữ số, gây khó khăn trong việc nhận dạng đúng và chính xác. - Nhiễu và độ mờ: Trong quá trình viết, có thể xảy ra nhiễu và chữ viết tay có thể không rõ ràng, mờ đi. Điều này gây khó khăn trong việc nhận dạng chính xác và yêu cầu các kỹ thuật xử lý ảnh để giảm thiểu ảnh hưởng của nhiễu và tăng cường độ rõ nét.Minh họa ảnh mờ - Số lượng dữ liệu huấn luyện: Để xây dựng mô hình nhận dạng chữ số viết tay đáng tin cậy, cần có một tập dữ liệu huấn luyện đủ lớn và đa dạng. Tuy nhiên, việc thu thập và gán nhãn dữ liệu có thể tốn kém và tốn thời gian.
- Độ phức tạp của chữ số: Một số chữ số có độ phức tạp cao hơn so với các chữ số khác, với nét viết cong, vòng cung hoặc đường nét phức tạp hơn. Điều này tạo ra thách thức trong việc phân loại và nhận dạng đúng các chữ số phức tạp hơn. Ảnh minh họa số nằm lòng vào nhau Hình 2. Minh họa số viết dính liền hoặc cắt nhau - Tỷ lệ nhận dạng chính xác: Mặc dù đã có sự phát triển đáng kể trong lĩnh vực nhận dạng chữ số viết tay, vẫn còn một tỷ lệ nhận dạng sai không thể tránh khỏi.
Điều này đặt ra thách thức về việc cải thiện độ chính xác và đáng tin cậy của các hệ thống nhận dạng. Những khó khăn trên đòi hỏi sự kết hợp giữa các phương pháp xử lý ảnh, mô hình học máy và công nghệ tiên tiến để tạo ra các giải pháp nhận dạng chữ số viết tay hiệu quả và tin cậy. Các phương pháp nhận dạng chữ số viết tay Hiện nay, trong các hệ thống nhận dạng chữ số viết tay, đã có sử dụng nhiều phương pháp khác nhau, bao gồm: - Đối sánh mẫu: Phương pháp này so sánh mẫu chữ số viết tay với các mẫu đã được lưu trữ trước đó để tìm ra sự tương đồng và nhận dạng chữ số tương ứng. - Phương pháp thống kê: Dựa trên các đặc điểm thống kê của các chữ số viết tay, phương pháp này xác định và so sánh các đặc trưng để nhận dạng chữ số.
- Phương pháp cấu trúc: Dựa trên cấu trúc và hình dạng của các chữ số viết tay, phương pháp này phân tích các đặc trưng cấu trúc để nhận dạng chữ số. - Mạng Nơ-ron: Sử dụng các mạng Nơ-ron như Multilayer Perceptron (MLP) hoặc Convolutional Neural Network (CNN) để huấn luyện và nhận dạng chữ số viết tay dựa trên mẫu dữ liệu đã có.