I. Phát hiện người bằng ảnh
Phần này tập trung vào phát hiện người bằng ảnh, một khía cạnh cốt lõi của đề tài. Nội dung bao gồm việc thu nhận ảnh, tiền xử lý ảnh, và cuối cùng là nhận dạng người. Thu nhận ảnh được thực hiện bằng webcam ở khoảng cách 4m, độ phân giải 640x480 pixel. Tiền xử lý ảnh bao gồm các bước: trừ ảnh nền để tách biệt người với môi trường; chuyển ảnh màu sang ảnh xám để đơn giản hóa xử lý; tăng độ tương phản để làm rõ chi tiết; chuyển ảnh sang ảnh nhị phân để phân đoạn; và cuối cùng là lọc ảnh bằng bộ lọc median để loại bỏ nhiễu. Nhận dạng người sử dụng thuật toán PCA (Principal Component Analysis) được mô tả chi tiết trong báo cáo. Thuật toán PCA được áp dụng để trích xuất đặc trưng từ ảnh và nhận dạng người dựa trên các đặc trưng này. Kết quả được đánh giá dựa trên độ chính xác, được tính toán từ số lượng phát hiện đúng, sai, và không phát hiện. Đây là một bước quan trọng để đảm bảo hiệu quả của hệ thống phát hiện người. Các hình ảnh minh họa trong báo cáo thể hiện rõ từng bước tiền xử lý và kết quả nhận dạng.
1.1 Thu nhận và tiền xử lý ảnh
Quá trình thu nhận ảnh sử dụng webcam với độ phân giải 640x480 pixel ở khoảng cách 4 mét. Ảnh thu được trải qua các bước tiền xử lý quan trọng để loại bỏ nhiễu và tăng cường chất lượng hình ảnh phục vụ cho việc phát hiện người. Các bước này gồm: trừ ảnh nền (trừ ảnh), chuyển đổi sang ảnh xám (biến đổi sang ảnh xám), tăng cường độ tương phản (tăng cường độ tương phản), ngưỡng hóa (phân đoạn ảnh) và lọc trung vị (lọc ảnh). Mỗi bước đều có thuật toán cụ thể và được minh họa bằng hình ảnh trong báo cáo. Kết quả của quá trình tiền xử lý là ảnh nhị phân làm nổi bật đối tượng người, giúp cho quá trình nhận dạng chính xác hơn. Chất lượng ảnh đầu vào ảnh hưởng trực tiếp đến hiệu quả của toàn bộ hệ thống. Vì vậy, việc lựa chọn camera và điều kiện ánh sáng phù hợp là rất cần thiết. Phân đoạn ảnh là một bước then chốt trong việc tách biệt đối tượng người khỏi nền, ảnh hưởng lớn đến độ chính xác của hệ thống. Việc sử dụng bộ lọc median giúp giảm thiểu nhiễu mà không làm mất chi tiết quan trọng của hình ảnh.
1.2 Nhận dạng người bằng PCA
Sau khi tiền xử lý, ảnh được đưa vào giai đoạn nhận dạng người sử dụng thuật toán PCA. PCA là một phương pháp thống kê được sử dụng rộng rãi trong xử lý tín hiệu và xử lý ảnh. Trong đề tài này, PCA được dùng để trích xuất các đặc trưng chính từ ảnh, giảm chiều dữ liệu và tăng tốc độ tính toán. Quá trình này bao gồm xây dựng tập mẫu, tính toán trung bình mẫu, ma trận hiệp phương sai, và cuối cùng là chiếu các đặc trưng lên không gian giảm chiều. Thuật toán PCA được mô tả chi tiết, bao gồm các công thức toán học và các bước thực hiện. Kết quả nhận dạng được đánh giá dựa trên tỷ lệ phát hiện đúng, sai và tỷ lệ bỏ sót. Độ chính xác của nhận dạng người phụ thuộc vào nhiều yếu tố, bao gồm chất lượng ảnh, sự đa dạng của tập dữ liệu huấn luyện, và khả năng phân biệt của thuật toán PCA. Thuật toán PCA là một phần quan trọng trong việc đảm bảo tính hiệu quả của hệ thống. Xây dựng tập mẫu đủ lớn và đa dạng là điều kiện tiên quyết để thuật toán PCA hoạt động hiệu quả. Việc trích xuất đặc trưng chính xác là yếu tố quyết định khả năng phân biệt đối tượng người khỏi các đối tượng khác.
II. Xử lý ảnh bằng SIM900
Phần này tập trung vào việc tích hợp hệ thống phát hiện người với module SIM900 GSM/GPRS để gửi thông báo báo động. SIM900 được sử dụng để gửi tin nhắn SMS đến người dùng khi hệ thống phát hiện người. Việc thiết kế hệ thống bao gồm phần cứng và phần mềm. Phần cứng bao gồm SIM900 GSM/GPRS module, vi điều khiển PIC16F887, và các thành phần điện tử khác. Phần mềm bao gồm chương trình điều khiển vi điều khiển và giao tiếp với module SIM900. Hệ thống sử dụng giao tiếp UART để truyền dữ liệu giữa máy tính và vi điều khiển. SIM900 được cấu hình để gửi tin nhắn SMS theo một cú pháp định sẵn. Việc tích hợp SIM900 vào hệ thống đòi hỏi sự hiểu biết về tập lệnh AT của module này. Hệ thống được thiết kế để đảm bảo tính ổn định và độ tin cậy cao. Gửi tin nhắn SMS báo động là chức năng chính của hệ thống này. Phần này cũng đề cập đến việc xây dựng hệ thống báo động và bảo mật an ninh.
2.1 Thiết kế phần cứng và phần mềm
Phần cứng của hệ thống bao gồm SIM900 GSM/GPRS module, vi điều khiển PIC16F887, các thành phần điện tử hỗ trợ như mạch nguồn, giao tiếp UART, và các cảm biến cần thiết. SIM900 GSM/GPRS module đảm nhận nhiệm vụ gửi tin nhắn SMS báo động. Vi điều khiển PIC16F887 điều khiển toàn bộ quá trình, nhận dữ liệu từ máy tính thông qua giao tiếp UART, xử lý dữ liệu và điều khiển SIM900 để gửi tin nhắn. Sơ đồ nguyên lý mạch điện được trình bày chi tiết trong báo cáo. Phần mềm được viết cho vi điều khiển, bao gồm các hàm xử lý tín hiệu, điều khiển SIM900, và định dạng tin nhắn SMS. Giao tiếp UART được sử dụng để truyền dữ liệu giữa máy tính và vi điều khiển một cách hiệu quả. Thiết kế phần cứng đảm bảo sự ổn định và hoạt động đúng chức năng của hệ thống. Thiết kế phần mềm cần tối ưu để giảm thiểu độ trễ và đảm bảo tin nhắn được gửi đi nhanh chóng và chính xác.
2.2 Tích hợp SIM900 và gửi tin nhắn báo động
Việc tích hợp SIM900 vào hệ thống là một phần quan trọng của đề tài. SIM900 GSM/GPRS module được cấu hình và lập trình để gửi tin nhắn SMS báo động khi hệ thống phát hiện người. Cấu hình bao gồm thiết lập các thông số mạng di động, số điện thoại nhận tin nhắn, và nội dung tin nhắn. Quá trình gửi tin nhắn được thực hiện thông qua tập lệnh AT của SIM900. Phần mềm điều khiển SIM900 được viết để đảm bảo tính ổn định và độ tin cậy của việc gửi tin nhắn. Nội dung tin nhắn bao gồm thông tin về thời gian, vị trí (nếu có), và trạng thái báo động. Việc gửi tin nhắn SMS báo động là chức năng chính của hệ thống. Sự thành công của việc tích hợp SIM900 phụ thuộc vào việc hiểu rõ các nguyên lý hoạt động và tập lệnh AT của module này. Báo động an ninh được thực hiện qua tin nhắn SMS, một giải pháp đơn giản, hiệu quả và dễ triển khai.
III. Đánh giá hệ thống
Phần này trình bày kết quả của hệ thống, bao gồm kết quả xử lý ảnh, kết quả báo động, và đánh giá hiệu quả của hệ thống. Kết quả xử lý ảnh được thể hiện qua các hình ảnh minh họa, cho thấy khả năng phát hiện người của hệ thống trong các điều kiện khác nhau. Kết quả được phân tích dựa trên các chỉ số như độ chính xác, độ nhạy, và độ đặc hiệu. Kết quả báo động được đánh giá dựa trên thời gian phản hồi, độ tin cậy của việc gửi tin nhắn SMS. Hiệu quả của toàn bộ hệ thống được đánh giá tổng hợp, bao gồm khả năng phát hiện người, độ tin cậy của hệ thống báo động, và tính khả thi trong thực tế. Đánh giá hệ thống giúp xác định những ưu điểm, hạn chế, và hướng phát triển trong tương lai. Thực tế ảo tăng cường (AR) và internet vạn vật (IoT) có thể được tích hợp để nâng cao hiệu quả của hệ thống.
3.1 Kết quả xử lý ảnh và báo động
Kết quả xử lý ảnh được trình bày chi tiết, bao gồm các hình ảnh minh họa cho từng bước xử lý và kết quả phát hiện người. Báo cáo trình bày các chỉ số đánh giá hiệu quả phát hiện người, bao gồm tỷ lệ phát hiện đúng, sai, và tỷ lệ bỏ sót. Những yếu tố ảnh hưởng đến độ chính xác của phát hiện người được phân tích. Kết quả báo động thể hiện qua việc gửi tin nhắn SMS báo động. Thời gian phản hồi của hệ thống và độ tin cậy của việc gửi tin nhắn được đánh giá. Các vấn đề phát sinh trong quá trình thử nghiệm được ghi nhận và phân tích nguyên nhân. Phân loại ảnh là một phần của xử lý ảnh nhằm cải thiện độ chính xác của phát hiện người. Đo lường khoảng cách cũng có thể được tích hợp để nâng cao tính năng của hệ thống. Cơ sở dữ liệu ảnh ảnh hưởng trực tiếp đến hiệu quả của phát hiện người.
3.2 Đánh giá tổng thể và hướng phát triển
Phần này đưa ra đánh giá tổng thể về hiệu quả của hệ thống, bao gồm cả ưu điểm và hạn chế. Những yếu tố ảnh hưởng đến hiệu quả của hệ thống được phân tích. Những kinh nghiệm thu được trong quá trình thực hiện đề tài cũng được tóm tắt. Dựa trên kết quả đánh giá, đề xuất một số hướng phát triển cho hệ thống trong tương lai, chẳng hạn như tăng cường khả năng phát hiện người trong điều kiện ánh sáng yếu, tích hợp thêm các tính năng như nhận dạng khuôn mặt, sử dụng mạng neuron tích chập (CNN) để cải thiện độ chính xác, sử dụng thuật toán thực tế ảo tăng cường (AR) để hiển thị thông tin báo động trực quan hơn, tích hợp vào hệ thống internet vạn vật (IoT) để quản lý từ xa, nâng cấp cảm biến hình ảnh và tối ưu hóa hệ thống. Kiến trúc hệ thống cần được xem xét lại để cải thiện hiệu suất và khả năng mở rộng. Tối ưu hóa hệ thống là mục tiêu quan trọng để đảm bảo hệ thống hoạt động ổn định và hiệu quả trong thực tế.
