LỜI CAM ĐOAN Tôi - Nguyễn Thế Thụy xin cam đoan nội dung trình bày luận văn kết tìm hiểu, nghiên cứu thân hướng dẫn TS Nguyễn Văn Tảo tham khảo từ nhà nghiên cứu trước Nội dung tham khảo, kế thừa, phát triển từ công trình công bố trích dẫn, ghi rõ nguồn gốc Nếu có sai phạm xin hoàn toàn chịu trách nhiệm Người cam đoan Nguyễn Thế Thụy LỜI CẢM ƠN Trong trình thực luận văn gặp nhiều khó khăn nhận quan tâm, giúp đỡ từ thầy cô, đồng nghiệp bạn bè người thân Đây nguồn động lực giúp hoàn thành luận văn Tôi xin gửi lời chân thành cảm ơn tới TS Nguyễn Văn Tảo tận tình giúp đỡ, hướng dẫn bảo trình thực luận văn Tôi xin chân thành cảm ơn tới quý Thầy, Cô Trường Đại học Công nghệ thông tin Truyền thông Thái Nguyên tận tình bảo, truyền đạt kiến thức qúy báu giúp hoàn thành nhiệm vụ học tập suốt thời gian theo học trường Quý Thầy Cô giúp có kiến thức quan trọng lĩnh vực Công nghệ thông tin, tảng vững cho nghiên cứu thân thời gian tới Tôi xin cảm ơn anh em, đồng nghiệp giúp đỡ, ủng hộ tinh thần thời gian tham gia học tập Cuối cùng, xin cảm ơn tất người luôn quan tâm, sẻ chia động viên Hà Nội, ngày 17 tháng 07 năm 2015 Nguyễn Thế Thụy MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC CÁC HÌNH VẼ LỜI MỞ ĐẦU CHƯƠNG 1: SINH TRẮC HỌC VÀ BÀI TOÁN NHẬN DẠNG KHUÔN MẶT ỨNG DỤNG TRONG ĐIỂM DANH 1.1 Tổng quan sinh trắc học 1.1.1 Hệ thống sinh trắc học 1.1.1.1 Hệ thẩm định (Verification) 10 1.1.1.2 Nhận dạng (Identification, Recognition) 10 1.1.1.3 Các thành phần chức chủ yếu 10 1.1.1.4 Hoạt động hệ thống 11 1.1.2 Đánh giá hiệu chất lượng hoạt động hệ sinh trắc học 11 1.1.3 Hệ thống an ninh bảo mật dựa sinh trắc học 12 1.2 Phát nhận dạng khuôn mặt 13 1.3 Những khó khăn thách thức toán nhận dạng khuôn mặt 15 1.4 Các ứng dụng toán nhận dạng khuôn mặt 16 1.5 Bài toán điểm danh dựa khuôn mặt 17 1.5.1 Bài toán điểm danh quản lý nhân 17 1.5.2 Đầu vào toán 18 1.5.3 Đầu ý nghĩa thực tiễn 19 CHƯƠNG 2: MỘT SỐ KỸ THUẬT PHÁT HIỆN VÀ NHẬN DẠNG KHUÔN MẶT21 2.1 Một số kỹ thuật phát mặt người ảnh 21 2.1.1 Hướng tiếp cận dựa đặc trưng ảnh 22 2.1.1.1 Phân tích mức thấp (Low level analysis) 23 2.1.1.2 Phân tích đặc trưng (Feature Analysis) 28 2.1.1.3 Mô hình hình dạng động (Active shape models) 33 2.1.2 Hướng tiếp cận dựa ảnh (Image based detection) 37 2.1.2.1 Phương pháp không gian tuyến tính (Linear subspace methods) 38 2.1.2.2 Mạng neural 41 2.1.2.3 Phương pháp thống kê (Statistical approachs) 44 2.2 Một số kỹ thuật nhận dạng khuôn mặt 47 2.2.1 Phương pháp phân tích thành phần (PCA) 49 2.2.2 Phương pháp phân tách tuyến tính (LDA) 49 2.2.3 Phương pháp mạng neural .52 CHƯƠNG 3: CÀI ĐẶT THỬ NGHIỆM 54 3.1 Yêu cầu thực nghiệm, ứng dụng 54 3.2 Phân tích lựa chọn giải pháp, công cụ 55 3.3 Một số kết cài đặt thực nghiệm 56 3.3.1 Giao diện chương trình 56 3.3.2 Một số kết điểm danh dựa khuôn mặt 61 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 65 TÀI LIỆU THAM KHẢO 66 DANH MỤC CÁC HÌNH VẼ Hình 1.1.Các đặc trưng sinh trắc phổ biến Hình 1.2 Mô hình hệ thống sinh trắc học Hình 1.3 Các giá trị ngưỡng FAR FRR 11 Hình 1.4 Mô hình hệ thống nhận dạng mặt người Error! Bookmark not defined Hình 2.1 Sơ đồ hướng tiếp cận phương pháp phát mặt người Error! Bookmark not defined Hình 2.2.Hệ thống tìm kiếm mặt Maio Maltoni Error! Bookmark not defined Hình 2.3 Một số không gian riêng CSDL ảnh ORL 38 Hình 2.4 Mô hình mạng neural Rowley cộng sựError! Bookmark not defined Hình 2.5 Hệ thống nhận dạng khuôn mặt Error! Bookmark not defined Hình 2.6 Ví dụ minh họa LDA 47 Hình 2.7 Ảnh sau biến đổi theo LDA 49 Hình 2.8 Mạng neural lớp truyền thẳng Error! Bookmark not defined Hình 3.1 Quy trình hoạt động hệ thống điểm danh dựa khuôn mặt …Error! Bookmark not de Hình 3.2 Giao diện chương trình Error! Bookmark not defined Hình 3.3 Hình ảnh từ camera xử lý tương ứng Error! Bookmark not defined Hình 3.4 Giao diện quản lý danh sách điểm danh điểm danhError! Bookmark not defined Hình 3.5 Giao diện quản lý danh sách ảnh 60 Hình 3.6 Cơ sở liệu ảnh 60 Hình 3.7 Giao diện lựa chọn thực đơn 61 LỜI MỞ ĐẦU Công nghệ Sinh trắc học (Biometric) công nghệ sử dụng thuộc tính vật lý mẫu hành vi, đặc điểm sinh học đặc trưng dấu vân tay, mẫu mống mắt, giọng nói, khuôn mặt, dáng để nhận diện người Công nghệ sinh trắc học áp dụng phổ biến lâu đời, phương pháp sử dụng nhận dạng khuôn mặt tự nhiên Phương pháp thân người sử dụng từ sinh để phân biệt người người khác Ứng dụng khả phân biệt dựa đặc điểm khác khuôn mặt, toán “Phát nhận dạng khuôn mặt từ camera, ứng dụng điểm danh” toán có khả ứng dụng cao với chi phí thấp áp dụng quan, doanh nghiệp Với hỗ trợ camera, máy tính phần mềm điểm danh, nhà quản lý thu thông tin có mặt thời gian làm việc người lao động cách xác khách quan với chi phí thấp Việc áp dụng nhận dạng khuôn mặt sử dụng cách độc lập với ưu điểm phương pháp sinh trắc học khác tính tự nhiên nó, đồng thời phương pháp sử dụng kết hợp với phương pháp sinh trắc khác để nâng cao tính xác hệ thống vận hành Chính tầm quan trọng phát hiện, nhận dạng khuôn mặt nói riêng công nghệ sinh trắc nói chung, thực đề tài “Phát nhận dạng khuôn mặt từ camera, ứng dụng điểm danh” với mục tiêu tìm hiểu thuật toán phát nhận dạng khuôn mặt người từ xây dựng chương trình điểm danh dựa khuôn mặt Tôi hy vọng đề tài đem lại số kiến thức hữu ích cho quan tâm đến vấn đề phát nhận dạng khôn mặt lĩnh vực sinh trắc học Nội dung luận văn chia làm phần chính: Chương trình bày khái quát quản lý học viên toán điểm danh, nêu rõ đầu vào đầu toán ứng dụng thực tiễn toán Chương nghiên cứu, tìm hiểu thuật toán phát nhận dạng khuôn mặt Chương trình bày thực nghiệm ứng dụng chương trình điểm danh dựa nhận dạng khuôn mặt Phần cuối kết luận hướng phát triển luận văn CHƯƠNG 1: SINH TRẮC HỌC VÀ BÀI TOÁN NHẬN DẠNG KHUÔN MẶT ỨNG DỤNG TRONG ĐIỂM DANH 1.1 Tổng quan sinh trắc học Sinh trắc học hay công nghệ sinh trắc học (thuật ngữ khoa học Biometric) công nghệ sử dụng thuộc tính vật lý, đặc điểm sinh học riêng cá nhân vân tay, mống mắt, khuôn mặt để nhận diện Thuật ngữ sinh trắc học (Biometric) dùng ghép theo tiếng Hy Lạp từ từ: Bio (thuộc thực thể sinh vật sống) metriko (kỹ thuật độ đo, đo lường), thuật ngữ hình thành trình phát triển loài người biết đến từ lâu để thể đặc trưng thể chất hay hành vi cá thể người Có nhiều loại đặc trưng sinh trắc học: vân tay (Fingerprint), lòng bàn tay (Palm print), dạng hình học bàn tay (Hand geometry), chữ ký viết tay (Hand written Signature), khuôn mặt (Face), tiếng nói (Voice), mắt (Iris), võng mạc (Retina) Những đặc trưng phát từ sớm để nhận dạng, xác thực chủ thể người quan tâm nghiên cứu triển khai ứng dụng lĩnh vực an ninh, quốc phòng, thương mại, công nghiệp, dịch vụ Các đặc trưng sinh trắc học thể người sử dụng phải đảm bảo tiêu chuẩn sau đây: [1] - Tính rộng rãi: tính chất cho biết thông thường người có đặc trưng này, tạo khả sử dụng hệ thống an ninh sinh trắc học cho số lượng người lớn - Tính phân biệt: tính chất phân biệt đặc trưng sinh trắc học hai người phải khác nhau, đảm bảo chủ thể sinh trắc - Tính ổn định: tính chất mà đặc trưng sinh trắc phải có tính ổn định thời gian tương đối dài - Tính dễ thu thập: tính chất đặc trưng sinh trắc học phải dễ dàng thu nhận mẫu đăng ký, kiểm tra xác thực, nâng cao tính khả thi sử dụng - Tính hiệu quả: tính chất mà việc xác thực sinh trắc phải xác, nhanh chóng tài nguyên cần sử dụng chấp nhận - Tính chấp nhận được: tính chất mà trình thu thập mẫu sinh trắc phải đồng ý người dùng - Chống giả mạo: tính chất ưu việt việc sử dụng đặc trưng sinh trắc, khả mẫu sinh trắc khó bị giả mạo cao Hình 1.1.Các đặc trưng sinh trắc phổ biến Đã có nhiều đặc trưng sinh học khác sử dụng Mỗi loại đặc trưng sinh trắc có điểm mạnh điểm yếu riêng Tuy nhiên không đặc trưng thỏa mãn tốt đầy đủ tất yêu cầu tính chất đặc trưng sinh trắc học nêu trên, nghĩa đặc trưng sinh trắc học hoàn toàn tối ưu Trong công trình nghiên cứu, chuyên gia đưa bảng so sánh khái quát tiêu chuẩn đánh giá tính chất tương ứng đặc trưng sinh trắc học sau đây: [1] Tính Tính rộng phân ổn rãi biệt định M M M M M M L M M M H M M M Vân tay M H H M H M M Dáng M L L H L H M Khuôn mặt H L M H L H H Võng mạc H H M L H L L Mống mắt H H H M H L L Đặc trưng sinh trắc học Vân bàn tay Tính dễ thu thập Tính Tính Tính hiệu chấp Chống nhận giả mạo Dạng hình học bàn tay Chỉ tay M H H M H M M Giọng nói M L L M L H H Bảng 1.1: So sánh công nghệ nhận dạng sinh trắc học Trong đó: Các ký hiệu có ý nghĩa sau: H (cao), M (trung bình) L (thấp) 1.1.1 Hệ thống sinh trắc học Hình 1.2: Mô hình hệ thống sinh trắc học [2] Một hệ thống sinh trắc học (Biometric System) thực chất hệ nhận dạng dựa đặc điểm hành vi hay thuộc tính vật lý người cần nhận dạng Hệ thống sinh trắc học phân thành hai loại chính: hệ thẩm định (Verification) hệ nhận dạng (Identification, Recognition) [1] 1.1.1.1 Hệ thẩm định (Verification) Hệ thẩm định (Verification) hệ thống thực nhiệm vụ đối sánh 1-1 mẫu sinh trắc học thu nhận (biometric sample) với mẫu dạng sinh trắc học (biometric template) có hệ thống từ trước Kết trả lời câu hỏi mẫu sinh trắc thu nhận có liên quan tới mẫu dạng sinh trắc hay không? Thông thường hệ thẩm định có kết hợp với thông tin định danh chủ thể để thực chức xác thực thẩm định sinh trắc (Authentication) Trong hệ xác thực thẩm định đòi hỏi cao độ xác để kết trả lời câu hỏi “Sinh trắc học sống thu nhận (biometric sample) có phải sinh trắc chủ thể lưu hệ thống không?” [1] 1.1.1.2 Nhận dạng (Identification, Recognition) Hệ nhận dạng (Identification, Recognition) hệ thống thực chức tìm kiếm (1-n) từ sở liệu lưu trữ tập mẫu sinh trắc học để tìm mẫu sinh trắc cụ thể mẫu khuôn dạng sinh trắc thu thập từ trước sau thực đối sánh xấp xỉ để nhận dạng phân lớp (Classification) nhận dạng đồng (Identification), ví dụ việc tìm mẫu vân tay tội phạm hồ sơ vân tay, từ xác định danh tính chủ sở hữu vân tay [1] 1.1.1.3 Các thành phần chức chủ yếu - Thu nhận (Sensor, Capture): thành phần có chức thu nhận mẫu sinh trắc học biểu diễn chúng dạng số hóa - Xử lý trích chọn đặc trưng (Feature Extraction): thành phần chức thực phép xử lý phân tích trích chọn đặc trưng từ mẫu sinh trắc học - Đối sánh (Matching): thành phần chức thực so sánh đặc trưng vừa trích chọn với khuôn mẫu sinh trắc có trước - Ra định (Decision): thành phần chức khẳng định danh tính người dùng (với hệ nhận dạng) dựa kết đối sánh chức đối sánh câu trả lời câu trả lời sai mẫu sinh trắc học so với khuôn mẫu sinh trắc có từ trước (với hệ thẩm định) [1] 10 Hình 2.7 Ảnh sau biến đổi theo LDA 2.2.3 Phương pháp mạng neural Là kỹ thuật tái tạo mạng nơron thần kinh người máy tính Nó bao gồm phần tử đơn giản (còn gọi nơron) hoạt động song song nối với liên kết có trọng số để kích thích ức chế nơron Có nhiều cấu trúc mạng nơron khác mạng hồi qui ( feedback ), mạng tự tổ chức ( selforganizing ), mạng truyền thẳng (feedforward) Đề tài tập trung với mạng truyền thẳng đa lớp với thuật toán lan truyền ngược ( back propagation) sai số [6][7] Hình 2.8 Mạng noron lớp truyền thẳng Quá trình huấn luyện mạng: 52 Quá trình huấn luyện mạng trình huấn luyện mẫu học Xs={x1, x2, …,xn} để giá trị cuối Ts={t1, t2, …,tn} ta mong muốn - Quá trình truyền thẳng : Giá trị đầu nơron j lớp bất kì: = = ∑ với (1) Trong wji gọi số liên kết từ đầu vào thứ i đến nơron j, xji giá trị đầu vào thứ i đến nơron j, m số phần từ lớp trước - Quá trình lan truyền ngược sai số : Tại nơron đầu k ta tính lỗi giá trị: = (1 )( ) (2) Với tk giá trị đầu mong muốn thứ k Đối với nơron lớp ẩn = (1 )∑ : (3) ∈ Với outputs tập hợp nơron lớp ra, wjk trọng số liên kết từ k nơron lớp đến nơron j lớp ẩn Quá trình cập nhật lại trọng số: wjk ← wjk + wjk (4) Nếu gọi η hệ số học (5) wjk =η Sau cập nhật trọng số này, mẫu tập Xs lại tiếp tục đưa vào mạng, trình diễn giá trị lỗi E < ε cho trước: Ed = ∑ ∈ ( ) (6) Với outputs tập hợp nơron lớp ra, tk giá trị mong muốn nơron k cho mẫu huấn luyện d giá trị thực nơron k 53 CHƯƠNG 3: CÀI ĐẶT THỬ NGHIỆM 3.1 Yêu cầu thực nghiệm, ứng dụng Như trình bày chương 1, toán điểm danh, chấm công số toán phổ biến công nghệ hóa nhiều quan doanh nghiệp Qua tìm hiểu nghiên cứu thuật toán phát nhận dạng mặt người lựa chọn khuôn mặt làm tiêu chí để phân biệt đối tượng cần điểm danh Đây đặc trưng phổ dụng thân người sử dụng từ hàng ngàn năm Việc cài đặt, thực nghiệm hệ thống minh chứng cho lý thuyết tìm hiểu chương luận văn Đối với toán điểm danh, chấm công với mục tiêu chủ yếu kiểm soát nguồn nhân lực thời gian Các nhà quản lý quan tâm tới hai vấn đề lao động tên “A” có mặt hay không, có giời hay không, “A” có làm đủ số quy định hay không Với yêu cầu lựa chọn cài đặt thuật toán PCA áp dụng cho toán điểm danh Với đầu vào thu trực tiếp từ camera, đầu định danh đối tượng kiểm tra, chương trình thực quy trình điểm danh sau: Hình 3.1 Quy trình hoạt động hệ thống điểm danh dựa khuôn mặt Trong hệ thống điểm danh dựa đặc trưng khuôn mặt, chương trình thu hình ảnh trực tiếp từ camera Sau đó, dựa thuật toán lựa chọn tiến hành xác định đặc trưng từ tách riêng phần ảnh có tồn khuôn mặt từ ảnh đầu vào Ảnh khuôn mặt sau tách riêng tiếp tục so sánh với tập ảnh có sở liệu khuôn mặt dùng để điểm danh Trong thực tế tập khuôn mặt người sử dụng chương trình xây dựng trước điểm danh, có tất ảnh 54 nhân viên, người lao động cần điểm danh phiên làm việc Việc so sánh với sở liệu ảnh cho đầu định danh, định danh tên người có sở liệu ảnh thông báo sở liệu ảnh Dựa định danh chương trình tiến hành tích chọn điểm danh có người nhận dạng Như phiên làm việc, bảng điểm danh khởi tạo với trạng thái mặc định “vắng”, đối tượng xác định có mặt thông qua hệ thống nhận dạng trạng thái ứng với tên đối tượng có mặt thay đổi thành “có mặt” Như vậy, cuối phiên làm việc nhà quản lý xác định người lao động có đến làm việc hay không dựa bảng trạng thái “vắng”, ”có mặt” mà máy tính cung cấp 3.2 Phân tích lựa chọn giải pháp, công cụ Dựa quy trình làm việc chương trình điểm danh dựa đặc trưng khuôn mặt trình bày phần trên, thấy thành phần cần phải có chương trình cần phải có sau: - Camera thu nhận tín từ môi trường - Hệ sở liệu ảnh đối tượng cần nhận dạng - Phần mềm xác định, nhận dạng khuôn mặt điểm danh Như vậy, cần phải lựa chọn thiết bị phần cứng camera, thị trường camera đặc biệt camera giám sát tương đối phát triển Đây thiết bị phần cứng phổ dụng sửa dụng rộng rãi quan, xí nghiêp v.v Đối với hệ thông nhận dạng khuôn mặt dựa cần lựa chọn camera với độ phân giải thích hợp xây dựng kết nối camera phầm mềm đảm bảo hai vấn đề quan trọng: Thứ chất lượng hình ảnh phải đảm bảo đủ để hệ thống nhận dạng xác, ảnh mờ khó nhận dạng Thứ hai chất lượng hình ảnh không cao để đảm bảo tốc độ xử lý hệ thống máy tính Nếu ảnh lớn máy xử lý kịp dẫn tới đình trệ trình điểm danh Trong luận văn, qua trình thực nghiệm lựa chọn độ phân giải camera từ đến triệu điểm ảnh (2 đến Megapixel) làm đầu vào cho toán điểm danh Đối với hệ sở liệu ảnh, có nhiều sở liệu cho phép lưu xuất ảnh Ảnh đầu vào xử lý lưu lại sở liệu, điều đảm bảo tính bảo mật quản lý tốt trình truy xuất, tìm kiếm tập ảnh Tuy nhiên việc lưu trữ ảnh sở liệu tồn hạn chế riêng: cần phải 55 có hệ thống quản trị sở liệu ảnh giao diện tương tác với hệ thống này, đồng thời hệ thống xử lý ảnh điều quan trọng tốc độ xử lý ảnh tính quản lý Vì lý chương trình thực nghiệm lựa chọn việc lưu trữ ảnh trực tiếp ổ cứng Điều đảm bảo tính đơn giản chương trình khả truy nhập trực tiếp với ảnh số Phầm mềm xác định, định danh khuôn mặt điểm danh xây dựng đảm bảo kết nối với camera lấy hình ảnh thời gian thực Điều đảm bảo tốc độ vận hành xử lý chương trình Đồng thời dựa thuật toán PCA lựa chọn chương trình cần tiến hành xử lý ảnh đầu vào từ đưa định điểm danh đối tượng đầu vào Hệ thống điểm danh dựa đặc trưng khuôn mặt hệ thống xử lý hình ảnh tương đối điển hình Vì vậy, yêu cầu đặt tiến hành xây dựng phần mềm tốc độ xử lý hình ảnh Ngôn ngữ thường lựa chọn cài đặt thường C++, C#, java v.v Trong C++ nhiều nhà nghiên cứu lựa chọn với ưu tốc độ tính truyền thống nó, C# java ngôn ngữ lập trình phát triển sau mang nhiều mạnh xây dựng ứng dụng Trong luận văn lựa chọn ngôn ngữ lập trình Visual C# để cài đặt thuật toán ứng dụng Đây ngôn ngữ lập trình mạnh với tính phát triển ứng dụng nhanh hiệu Trong luận văn sử dụng thư viện đọc ảnh cung cấp sẵn tảng framework 4.5 Nhờ nhà phát triển nghiên cứu, phát triển ứng dụng nhanh không cần quan tâm tới cấu trúc ảnh đọc 3.3 Một số kết cài đặt thực nghiệm 3.3.1 Giao diện chương trình Chương trình cài đặt với mục tiêu điểm danh nguồn nhân lực dựa khuôn mặt minh họa thuật toán PCA trình bày chương Với tính thành phần phân tích trên, tiến hành cài đạt xây dựng chương trình với phần gian diện hình bên 56 Hình 3.2 Giao diện chương trình Giao diện chương trình gồm có phần chính: - Phần 1: hình ảnh thu từ camera, nơi hiển thị tất hình ảnh thu từ camera, qua người sử dụng nhìn thấy hình ảnh đối tượng qua sát số xử lý tương ứng hệ thống nhận dạng - Phần 2: hiển thị lựa chọn danh sách điểm danh, thông báo trình điểm danh, bảng điểm danh sở liệu hình ảnh - Phần 3: menu lựa chọn tính khác chương trình điểm danh 57 Hình 3.3 Hình ảnh từ camera xử lý tương ứng Trong giao diện hiển thị hình ảnh thu từ camera xử lý phát nhận dạng khuôn mặt tương ứng chương trình Trong đó, khuôn mặt khoanh vùng hình chữ nhật hình vuông màu đó, phía tập kí tự mô tả tên đối tượng nhận dạng hình vuông khoanh vùng Trong chương trình lúc phát nhận dạng nhiều khuôn mặt thời điểm 58 Hình 3.4 Giao diện quản lý danh sách điểm danh điểm danh Trong giao diện quản lý danh sách điểm danh cho phép người sử dụng lựa chọn danh sách đối tượng cần điểm danh Khi danh sách hiển thị lên phầm mềm với trạng thái bắt đầu “Vắng” Trong phiên làm việc đối tượng cần điểm danh xác định có mặt trạng thái thay đổi thành “Có mặt” Trong phiên làm việc trạng thái đối tượng chuyển từ “vắng” sang “có mặt” chuyển lần Giao diện quản lý danh sách điểm danh nằm tab với giao diện quản lý sở liệu ảnh Khi lựa chọn giao diện có lựa chọn xuất hai giao diện nút chọn tương ứng giao diện 59 Hình 3.5 Giao diện quản lý danh sách ảnh Giao diện quản lý danh sách ảnh với hai thành phần hiển thị danh sách ảnh lý công cụ thêm ảnh vào danh sách ảnh quản lý Với danh sách hiển thị ảnh quản lý, chương trình hiển thị ảnh đối tượng cần quản lý định danh tương ứng phía ảnh Để thêm ảnh vào chương trình cần click chuột vào lựa chọn “Thêm vào sở liệu”, đối tượng quan sát thêm vào sở liệu ảnh với định danh tương ứng nhập vào ô bên Cơ sở liệu ảnh quan sát thư mục có đường dẫn với chương trình chạy, ảnh đặt tên theo thứ tự chương trình Hình 3.6 Cơ sở liệu ảnh 60 Cuối danh sách lựa chọn thực đơn chương trình, người sử dụng lựa chọn tính cần thiết sử dụng chương trình Nút bấm “bắt đầu” khởi động liên kết với camera sau người sử dụng lựa chọn danh sách cần điểm danh Kế số tính cần thiết “lựa chọn danh sách”, “thêm danh sách mới”, “làm sở liệu ảnh”, ”thống kế số người vắng danh sách”, “xem sở liệu ảnh” v.v Hình 3.7 Giao diện lựa chọn thực đơn 3.3.2 Một số kết điểm danh dựa khuôn mặt Sau cài đặt chương trình thực nghiệm tiến hành thực nghiệm chương trình điểm danh với nhóm gồm 30 đối tượng cần điểm danh Kết điểm danh qua 20 lần cho thấy chương trình hoạt động tốt số điều kiện định có hạn chế cần tiết tục nghiên cứu phát triển Với ứng dụng lưu trữ 30 ảnh khác cho đối tượng cần điểm danh tiến hành điểm danh điều kiện ánh sáng bình thường kết thực nghiệm chương trình thống kê bảng đây: Lần Tổng Đúng Sai Lần Tổng Đúng Sai 30 25 11 30 24 30 23 12 30 25 30 24 13 30 24 30 25 14 30 23 30 25 15 30 24 6 30 25 16 30 25 30 24 17 30 25 30 25 18 30 24 30 25 19 30 25 10 30 24 20 30 24 Bảng 3.1: Kết thực nghiệm điều kiện ánh sáng bình thường 61 Kết thực nghiệm cho thấy độ xác điểm danh giao động từ 77% tới 82 %, kết điểm danh với độ xác tương đối tốt không đủ để đáp ứng sử dụng toán điểm danh, chấm công Đồng thời áp dụng chương trình với điều kiện ánh sách khác cho kết khác nhau, tiến hành thực nghiệm điều kiện thiếu ánh sáng ánh sáng bị lóa, kết thực nghiệm cho thấy khả nhận dạng chương trình giảm rõ rệt Kết thể bẳng sau: Lần Điều kiện ánh sáng Tổng Đúng Sai Thiếu ánh sáng 30 20 10 Thiếu ánh sáng 30 17 13 Thiếu ánh sáng 30 18 12 Thiếu ánh sáng 30 18 12 Thiếu ánh sáng 30 17 13 Thiếu ánh sáng 30 19 11 Thiếu ánh sáng 30 18 12 Ánh sách chói 30 16 14 Ánh sách chói 30 20 10 10 Ánh sách chói 30 16 14 11 Ánh sách chói 30 18 12 12 Ánh sách chói 30 17 13 13 Ánh sách chói 30 16 14 14 Ánh sách chói 30 16 14 Bảng 3.2: Kết thực nghiệm điều kiện ánh sáng chói thiếu ánh sáng Dựa kết thực nghiệm thấy việc điểm danh thực điều kiện ánh sáng đầy đủ không chói Thuật toán chương trình gặp kho khăn tiến hành điều kiện thiếu anh sáng ánh sáng chói Tuy nhiên điểm danh ta xây dựng điều kiện ánh sách hệ thống điểm danh đặt nhà có hệ thống chiếu sáng riêng Như cần đưa giải pháp nâng cao độ xác hệ thống điểm danh điều kiện ánh sáng thường Khi kết hệ thông điểm danh đáng tin cậy sử dụng làm tiêu chí nhận dạng hệ thống gồm nhiều bước sinh trắc học 62 Trong trình tìm hiểu nguyên nhân ảnh hưởng tới khả nhận dạng hệ thống, nguyên nhân điều kiện môi trường tồn nguyên nhân tới từ người cần nhận dạng Sự thay đổi khuôn mặt đối tượng điều đương nhiên dẫn tới độ xác trình nhận dạng Bên cạnh với góc nhìn khác cho hình ảnh khác đối tượng Như để giải vấn đề cần quan tâm tới toán trích rút đặc trưng khuôn mặt nắn chỉnh góc nghiên đối tượng cần quan sát Đây toán khó, đòi hỏi nhiều lỗ lực nghiên cứu tìm hiểu vấn đề nhận dạng, trích rút đặc trưng, quan sát đối tượng với góc nhìn khác v.v Vì giới hạn thời gian nội dung luận văn tối không đề cập tới vấn đề Tuy nhiên, để sử dụng cần nâng cao độ xác trình nhận dạng Để giải vấn đề giải pháp đưa sử dụng nhiều ảnh cho đối tượng trình nhận dạng Tức thay sử dụng ảnh sở liệu ảnh, chương trình sử dụng nhiều ảnh với định danh, góc nhìn khác đối tượng trạng thái khác mô tả sở liệu Với việc sử dụng ảnh cho đối tượng, thực nghiệm cho thấy sử dụng nhiều ảnh kết nhận dạng nâng lên, kết thể bảng sau: Lần Tổng Đúng Sai Lần Tổng Đúng Sai 30 30 11 30 30 30 29 12 30 29 30 29 13 30 29 30 30 14 30 28 30 28 15 30 28 30 29 16 30 25 30 29 17 30 25 30 29 18 30 24 30 29 19 30 25 10 30 28 20 30 30 Bảng 3.3: Kết thực nghiệm điều kiện ánh sáng bình thường với ảnh cho đối tượng 63 Tiếp tục thực nghiệm với nhiều ảnh cho đối tượng điều kiện ánh sáng chói thiếu ánh sáng, chương trình thực nghiệm cho kết tốt so với sử dụng ảnh nhất, nhiên kết nhận tương đối khiêm tốn Sau bảng thực nghiệm với điều kiện ánh sáng chói thiếu ánh sáng với việc sử dụng ảnh cho đối tượng: Lần Điều kiện ánh sáng Tổng Đúng Sai Thiếu ánh sáng 30 20 10 Thiếu ánh sáng 30 21 Thiếu ánh sáng 30 21 Thiếu ánh sáng 30 19 11 Thiếu ánh sáng 30 20 10 Thiếu ánh sáng 30 21 Thiếu ánh sáng 30 21 Ánh sách chói 30 20 10 Ánh sách chói 30 20 10 10 Ánh sách chói 30 19 11 11 Ánh sách chói 30 19 11 12 Ánh sách chói 30 21 13 Ánh sách chói 30 21 14 Ánh sách chói 30 20 10 Bảng 3.4: Kết thực nghiệm điều kiện ánh sáng chói thiếu ánh sáng với ảnh cho đối tượng Qua thực nghiệm cho thấy chương trình chạy tốt điều kiện ánh sáng bình thường có nhiều ảnh mô tả đối tượng Tuy nhiên tồn sai số trình điểm danh, cần tiếp tục nghiên cứu, tìm hiểu hoàn thiện phương pháp nhận dạng, định danh khuôn mặt người để áp dụng vào thực tế Đồng thời qua thực nghiệm cho thấy với điều kiện ánh sáng không phù hợp khả nhận dạng thuật toán giảm nhiều, vấn đề đòi hỏi cần tìm hiểu phương pháp giải quyết, thách thức lĩnh vực thị giác máy khả quan sát máy tính thua xa so với người 64 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Những vấn đề giải luận văn 1- Luận văn nêu tầm quan trọng việc xác định vị trí khuôn mặt hệ thống nhận dạng mặt người nói riêng hệ thống sinh trắc học nói chung 2- Luận văn đánh giá thuật toán phương pháp xác định vị trí mặt người nhận dạng sử dụng, đưa đánh giá ưu điểm nhược điểm phương pháp 3- Trong chương đưa xây dựng thuật toán xác định vị trí mặt người nhận dạng mặt người, đưa toán có ý nghĩa thực tiễn toán điểm danh dựa thuật toán xác định vị trí mặt người nhận dạng mặt người 4- Trong phần thực nghiệm thử nghiệm sở liệu FERET COLOR – sở liệu sử dụng rộng rãi hệ thống nhận dạng mặt người Hướng phát triển Trong tương lai tiếp tục nghiên cứu tối ưu thuật toán xây dựng hệ thống chuẩn hóa ảnh để đưa vào sử dụng hệ thống xây dựng sở liệu phục vụ cho việc nhận dạng mặt người 65 TÀI LIỆU THAM KHẢO [1] PGS.TS Nguyễn Thị Hoàng Lan, Hệ thống an ninh thông tin dựa sinh trắc học, PKI (Bio-PKI Based Information Security System), 2009 [2] Mật mã sinh trắc, http://antoanthongtin.vn [3] Sinh trắc học, http://www.biometria.sk [4] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phú Doãn, Tổng quan phương pháp xác định khuôn mặt người, 2007 [5] Ion Marqués, Face recognition Algorithms, Universidad del País Vasco, 2010 [6] Byung-Joo Oh, ‘‘Face Recognition by Using Neural Network Classifiers based on PCA and LDA’’, Daejeon, Korea, 2003 [7] D Maio and D Maltoni, “Real-time face location on grayscale static images’’, Pattern Recognition, vol.33, no 9, pp 1525-1539, Sept 2000 [8] H A Rowley, S Baluja, and T Kanade, “Neural NetworkBased Face Detection”, IEEE Trans PAMI, vol 20, pp 23-38, Jan 1998 [9] M Abdel-Mottaleb and A Elgammal, “Face Detection in complex environments from color images’’, IEEE ICIP, pp 622- 626, Oct 1999 [10] H Martin Hunke, Locating and tracking of human faces with neural network, Master’s thesis, University of Karlsruhe, 1994 66