Đồ án tốt nghiệp - Thiết kế mô hình camera ứng dụng trong nhà thông minh

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
HỆ ĐÀO TẠO CHẤT LƯỢNG CAO

THIẾT KẾ MÔ HÌNH CAMERA
ỨNG DỤNG TRONG NHÀ THÔNG MINH

SVTH: NGUYỄN PHÚ THIỆN
MSSV: 20119043
GVHD: PGS.TS TRƯƠNG NGỌC SƠN

TP. HỒ CHÍ MINH – 06/2024

TRƯỜNG ĐẠI HỌC SƯ PHẠM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KỸ THUẬT TP.HCM

Độc Lập – Tự Do – Hạnh Phúc

KHOA ĐIỆN – ĐIỆN TỬ

**********

BẢN GIẢI TRÌNH CHỈNH SỬA BÁO CÁO
ĐỒ ÁN TỐT NGHIỆP
1. Tên đề tài: Thiết kế mô hình camera ứng dụng trong nhà thông minh
2. Họ tên sinh viên: Nguyễn Phú Thiện

MSSV: 20119043

3. Ngành: Công nghệ Kỹ thuật Máy tính (hệ Chất lượng cao Tiếng Việt)
4. GVHD: PGS.TS. Trương Ngọc Sơn
5. Tổng hợp các yêu cầu chỉnh sửa báo cáo ĐATN của hội đồng:
- Bổ sung phần cấu trúc chi tiết của mạng Deep Learning.
- Viết lại mục tiêu đề tài cho ngắn gọn hơn.
6. Giải trình chỉnh sửa báo cáo ĐATN
Nội dung góp ý của HĐ

TT

1

2

Bổ sung phần cấu trúc chi tiết của
mạng Deep Learning

Kết quả chỉnh sửa bổ sung
Đã bổ sung phần cấu trúc chi tiết
của mạng Deep Learning, cụ thể tại
trang số 49 đến trang số 51.

Viết lại mục tiêu đề tài cho ngắn

Đã đọc và viết lại mục tiêu đề tài

gọn hơn

ngắn gọn hơn, cụ thể tại trang số 4.

GVHD

Sinh viên thực hiện ĐATN

(Ký tên)

(Ký tên)

LỜI CẢM ƠN
Kính gửi Thầy PGS.TS Trương Ngọc Sơn, giảng viên Khoa Điện - Điện tử,
Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh và các bạn lớp
20119CL2.
Lời đầu tiên của em là lời cảm ơn sâu sắc và chân thành nhất dành tặng
Thầy về những kinh nghiệm quý báu mà Thầy đã truyền đạt trong quá trình nghiên
cứu và xây dựng đề tài đồ án tốt nghiệp. Với sự hướng dẫn cụ thể và có tâm của
Thầy đã giúp em vượt qua nhiều trở ngại, thách thức trong quá trình tìm hiểu đề
tài, từ đó hoàn thành đồ án tốt nghiệp một cách suôn sẻ và chất lượng hơn.
Tuy nhiên, em không ngừng nhận thấy rằng trong giai đoạn nghiên cứu và
xây dựng đồ án, em vẫn còn sai sót và hạn chế trong trình độ và kiến thức cá nhân.
Vì vậy em rất muốn nhận được góp ý và hướng dẫn từ Thầy và các bạn trong lớp
để đề tài được hoàn thành và ứng dụng tốt hơn trong thực tiễn. Bản thân em cảm
thấy rất cần thiết và cần được học hỏi thêm từ những người xung quanh có kinh
nghiệm và kiến thức sâu rộng hơn. Sự giúp đỡ tận tình bằng kinh nghiệm và kiến
thức của Thầy và các bạn sẽ chính là nguồn động lực lớn để em tiếp tục phát triển
hoàn thiện chính bản thân, trở thành người tốt có sự đóng góp cho xã hội.
Hy vọng rằ
...

...
e with
Mlflow”, IEEE Data Eng. Bull. 41.4, pp. 39-45, 2018.
[9]. Bazarevsky, V., Grishchenko, I., Raveendran, K., Zhu, T., Zhang, F., &amp
Grundmann, M. “BlazePose: On-device Real-time Body Pose tracking”, 2020.
[10]. Szeliski, R., “Human Pose Estimation và 3D Reconstruction”, Computer
Vision: Algorithms and Applications. Springer Science &amp Business Media, 2010
[11]. Bishop, C. M., “Computer Vision và Human Pose Estimation”, Pattern
Recognition and Machine Learning, 2006.

68

[12]. Toshev, G., &amp Szegedy, C. “DeepPose: Human Pose Estimation via
Deep Neural Networks”, 2014.
[13]. Haoyang He, Guoliang Liu, Member, IEEE, Xianglai Zhu, Li He and
Guohui Tian, “Interacting Multiple Model Based Human Pose Estimation Using
a Distributed 3D Camera Netw ork”, IEEE Sensors Journal, 19(22): pp. 1058410590, 2019.
[14]. Zhe Cao, Gines Hidalgo, Tomas Simon, Shih-En Wei and Yaser Sheikh,
“OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity
Fields”, 2018.
[15]. Alejandro Newell, Kaiyu Yang and Jia Deng, “Stacked Hourglass
Networks for Human Pose Estimation”, University of Michigan, Ann Arbor, 2016.
[16]. Kaiming He, Xiangyu Zhang, Shaoqing Ren and Jian Sun, “Deep
Residual Learning for Image Recognition”, 2016 IEEE Conference on Computer
Vision and Patten Recognition (CVPR), 10.1109, 2016.
[17]. Hochreiter, S., &amp Schmidhuber, J, “Long Short-Term Memory”, Neural
Computation, 9(8), pp. 1735-1780, 1997.
[18]. Kyunghyun Cho, Bart van Merrienboer, Caglar Gulcehre, Dzmitry
Bahdanau, Fethi Bougares, Holger Schwenk and Yoshua Bengio, “Learning
Phrase Representations using RNN Encoder-Decoder for Statistical Machine
Translation”, In Proceedings of the 2014 Conference on Empirical Methods in
Natural Language Processing (EMNLP), pp. 1724-1734, 2014.
[19]. Hochreiter, S., &amp Schmidhuber, “Long Short-Term Memory”, Neural
Computation, 9(8), pp. 1735-1780, 1997.
[20]. Pham, H.H., Khoudour, L., Crouzil, A., Zegers, P., Velastin, S.A.
“Video-based human action recognition using deep learning: a review”, pp. 1-34,
2015.
[21]. J. Chung, C. Gulcehre, K. Cho and Y. Bengio, “Empirical evaluation
of gated recurrent neural networks on sequence modeling”, 2014.
[22]. Laura Sánchez López, “Local Binary Pattens applied to Face Dectection
and Recognition”, Universitat Politefcnica De Catalunya, 2010.
69

[23]. Tao, Y., &amp He, Y., “Face Recognition Based on LBP Algorithm,
International Conference on Computer Network”, Electronic and Automation
(ICCNEA), 2020.

70