Đồ án tốt nghiệp - Xây dựng hệ thống nhận diện khuôn mặt sử dụng mạng Nơ - ron tích chập

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CNKT ĐIỆN TỬ VIỄN THÔNG

XÂY DỰNG HỆ THỐNG NHẬN DIỆN KHUÔN MẶT
SỬ DỤNG MẠNG NƠ - RON TÍCH CHẬP

GVHD :
SVTH :

THS. LÊ MINH THÀNH
NGUYỄN ĐỨC KHIÊM
PHẠM QUANG HUY

SKL007261

Tp. Hồ Chí Minh, tháng 08/2020

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO


ĐỒ ÁN TỐT NGHIỆP

ĐỀ TÀI: XÂY DỰNG HỆ THỐNG NHẬN DIỆN KHUÔN
MẶT SỬ DỤNG MẠNG NƠ - RON TÍCH CHẬP
SVTH : NGUYỄN ĐỨC KHIÊM
MSSV : 16141047
SVTH : PHẠM QUANG HUY
MSSV : 16141036
Khoá
: 2016
Ngành : CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ VIỄN THÔNG
GVHD : THS. LÊ MINH THÀNH

Tp. Hồ Chí Minh, tháng 8 năm 2020

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
ĐỘC LẬP - TỰ DO - HẠNH PHÚC
o0o-Tp. HCM, ngày 15 tháng 8 năm 2020

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên 1: Phạm Quang Huy
MSSV: 16141036
Họ và tên sinh viên 2: Nguyễn Đức Khiêm
MSSV: 16141047
Chuyên ngành:
Công nghệ Kỹ thuật Điện tử - Truyền thông
Hệ đào tạo:
Đại học chính quy
Khóa:
2016-2020
Lớp: 1614CLVTB
Ngày nhận đề tài: 30/3/2020
Ngày nộp đề tài: 8/8/2020
I. TÊN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG NHẬN DIỆN KHUÔN MẶT SỬ DỤNG
MẠNG NƠ -RON TÍCH CHẬP
II. NHIỆM VỤ
1. Các số liệu ban đầu:
- Kiến thức cơ bản về các môn Xử lý ảnh, Máy học, Lập trình Visual C#
2. Nội dung thực hiện:
- Thiết kế xây dựng hệ thống nhận diện khuôn mặt sử dụng thuật toán học sâu và cụ
thể là mạng Nơ - Ron tích chập (CNN).
- Hiểu và áp dụng các thuật toán trong các giai đoạn của bài toán nhận diện khuôn mặt.
III. HỌ VÀ TÊN GIÁO VIÊN HƯỚNG DẪN:
XÁC NHẬN CỦA KHOA

GIÁO VIÊN HƯỚNG DẪN

Ths. Lê Minh Thành

LỜI MỞ ĐẦU
Người ta biết rằng nhận dạng sinh trắc học vân tay đang là một xu hướng
của thời đại 4.0, vì các phương pháp truyền thống như: RFID, mã pin, mã khóa.
Không đáng tin cậy và rất dễ giả mạo cũng như hách. Nhưng trên thực tế thì các
phương thức nhận dạng bằng sinh trắc học khá phức tạp và các thông tin phải
được liên kết một cách có ràng buộc. Tuy nhiên, nhận dạng bằng phương pháp
nhận dạng khuôn mặt thì không phải chịu nhiều sự can thiệp từ nguồn tới người
dùng.
Đồ án này trình bày ý tưởng của chúng em về một hệ thống nhận diện
khuôn mặt sử dụng Học sâu và cụ thể là mạng nơ-ron tích chập. Một hệ thống sẽ
phát hiện mặt từ khung máy ảnh sau đó sẽ xác minh và nhận diện những khuôn
mặt được phát hiện bằng cách so sánh với các tập dữ liệu huấn luyện, sau đó
thông tin dữ liệu được gửi đến cơ sở dữ liệu và xuất r
...

...
ể chương trình được xử lý một cách chính xác cần các khung mặt với vị
trí Camera và độ phân giải Camera càng cao xử lý sẽ càng tốt . Tốc độ xử lý của
máy để chạy chương trình còn yếu.
Các góc cạnh của khuôn mặt sẽ không thể nhận diện được khuôn mặt . Bắt
buộc khuôn mặt phải nằm trong khung chữ nhật thì tỉ lệ nhận dạng được mới cao.
Chỉ nhận diện được một khuôn mặt trên một khung hình. .
Trường hợp cơ sở dữ liệu ngoài còn nhận diện chưa tốt.

Hình 5.1: Cảnh báo khi 2 khuôn mặt trên cùng khung hình

39

5.2. HƯỚNG PHÁT TRIỂN
Với thời gian thực hiện có hạn và kiến thức vẫn còn ít nên nhóm sinh viên
chỉ dùng lại ở các chức năng cơ bản và bám theo mục tiêu đã đề ra. Dựa vào
những công việc đã thực hiện, nhóm sinh viên nhận thấy hệ thống có thể phát
triển thêm các nội dung sau:
Nhận dạng khuôn mặt là một vấn đề cổ điển, nhưng nó vẫn còn nhiều điều
cần khám phá. Ví dụ, tiêu chuẩn hóa dữ liệu đầu vào là một hướng mà nhóm xem
xét . Nếu hình ảnh đầu vào có chất lượng cao, mô hình có thể hoạt động hiệu quả
hơn rất nhiều. Xây dựng các thuật toán nhận dạng khác, đọc hiểu thêm tài liệu và
phát triển nó.
Hệ thống này có thể được phát triển như một hệ thống quản lý điểm danh
cho công ty và trường học.

40

TÀI LIỆU THAM KHẢO
[1] Kewen Yan, Shaohui Huang, Yaoxian Song, Wei Liu, Neng Fan. (2017).
“Face Recognition Based on Convolution Neural Network”. China.
DOI: 10.23919/ChiCC.2017.8027997.
[2] Patrik Kamencay, Miroslav Benco, Tomas Mizdos, Roman Radil.
(2016). “A new method for face recognition using convolutional
neural network”. Poland.
DOI: 10.1109/OPTIP.2016.7528489.
[3] Musab Coúkun, Ayúegül Uçar, Özal YÕldÕrÕm, Yakup Demir. (2017).
“Face Recognition Based on Convolutional Neural Network”. Ukraine.
IEEE.
DOI: 10.1109/MEES.2017.8248937.
[4] Nguyễn Thanh Hải. (2014). “Giáo trình xử lý ảnh (Ngành Điện – Điện
tử)”. Nhà xuất bản đại học quốc gia, Trường Đại học Sư Phạm Kỹ Thuật
TPHCM.
[5] Vũ Hữu Tiệp nghiên cứu sinh ngành Học Máy và Thị Giác Máy Tính.
“Machine learning cơ bản”.
https://machinelearningcoban.com/2016/12/26/introduce/.
[6] Cs231n Convolutional neural network for vision recognition, Stanford
University.
https://cs231n.github.io/convolutional-networks/.
[7] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn,
Phan Phúc Doãn. “Tổng quan các phương pháp xác định khuôn mặt người”.
http://ictvietnam.vn/files/_layouts/biznews/uploads/file/Uploaded/admin/tong
%20quan%20xac%20dinh%20khuon%20mat%20nguoi%20Pham%20the%20Bao.pdf
.

41