Tiểu luận: Xây dựng hệ thống điểm danh bằng khuôn mặt
Tiểu luận Xây dựng hệ thống điểm danh bằng khuôn mặt đề xuất sử dụng phương pháp học sâu – Mạng nơ ron tích chập CNN, một phương được sử dụng trong nhiều nghiên cứu về thị giác máy tính để nhận diện khuôn mặt.
Mục lục nội dung
1. Mở đầu
1.1 Mục tiêu nghiên cứu
Thông qua máy học nghiên cứu các thuật toán nhận dạng khuôn mặt bằng mạng nơ-ron tích chập (Convolutional Neural Network) và các phương pháp học sâu mang lại kết quả có độ chính xác cao, từ đó áp dụng vào bài toán thực tế: Xây dựng hệ thống điểm danh bằng khuôn mặt.
1.2 Đối tượng phạm vi nghiên cứu
Tập trung chính vào đối tượng nghiên cứu là mặt người, kỹ thuật nhận diện khuôn mặt bằng máy học. Do các hạn chế về thời gian cùng thiết bị, đề tài sẽ tập trung nghiên cứu triển khai ứng dụng trên một tập dữ liệu có sẵn (ảnh khuôn mặt của 20 thành viên lớp D18HT02 Trường Đại học Thủ Dầu Một).
1.3 Phương pháp nghiên cứu
Phương pháp nghiên cứu lý thuyết:
- Thị giác máy tính
- Xử lý hình ảnh
- Xử lý video
- Các phương pháp học máy
- Ngôn ngữ và kỹ thuật lập trình
Phương pháp nghiên cứu thực nghiệm: Lập trình xây dựng ứng dụng.
2. Nội dung
2.1 Các nghiên cứu có liên quan
Y. Taigman và cộng sự đề xuất mô hình DeepFace dựa trên ý tưởng kết hợp nhiều công đoạn (multi-stage): trước tiên sử dụng một mô hình khuôn mặt 3 chiều để chuẩn hóa các ảnh đầu vào về tư thế nhìn thẳng, sau đó xây dựng một kiến trúc mạng nơron học sâu DNN (Deep Neural Network) với 120 triệu tham số, có khả năng học từ một tập dữ liệu khổng lồ với trên 4,4 triệu khuôn mặt đã được gán nhãn.
Nhóm tác giả Nguyễn Thanh Tùng, Bùi Thanh Hùng đã trình bày nghiên cứu Ứng dụng phương pháp học sâu nhận dạng khuôn mặt tại Ngày hội Khoa học cán bộ giảng viên trẻ và học viên cao học lần III- Năm 2019 , Đại học Thủ Dầu Một.
Tác giả Nguyễn Thanh Tùng nghiên cứu về Ứng dụng phương pháp học sâu để nhận diện khuôn mặt qua camera giám sát, Luận văn Thạc sĩ - Đại học Thủ Dầu Một 2019 .
Tác giả Bùi Thanh Hùng đề xuất phương pháp học sâu kết hợp HOG-CNN cho nhận dạng khuôn mặt trong báo cáo tại Hội nghị RICE 2020, Face Recognition Using Hybrid HOG-CNN Approach. The Fifth International Conference on Research in Intelligent and Computing in Engineering.
2.2 Mô hình đề xuất
Mô hình tổng quát
Đặc trưng của mô hình đề xuất
- Lấy mẫu huấn luyện
- Phát hiện khuôn mặt
- Mạng nơ-ron tích chập
2.3 Thực nghiệm
Dữ liệu
Phương pháp đánh giá
Công nghệ sử dụng
Kết quả
Xây dựng ứng dụng điểm danh bằng khuôn mặt
3. Kết luận
Trong nghiên cứu này, nhóm chúng em đề xuất sử dụng phương pháp học sâu – Mạng nơ ron tích chập CNN, một phương được sử dụng trong nhiều nghiên cứu về thị giác máy tính để nhận diện khuôn mặt. Trên cơ sở đánh giá trên bộ dữ liệu chuẩn ORL (của Lab nghiên cứu AT&T) với các phương pháp khác nhau PCA-NN, LDA-DNN thì phương pháp do nhóm đề xuất CNN kết hợp với Haar Cascade trong xác định khuôn mặt cho kết quả tốt nhất. Dựa trên kết quả đó, nhóm đã xây dựng ứng dụng điểm danh bằng khuôn mặt và áp dụng thí điểm tại môn Lý thuyết đồ thị lớp D18HT02, Đại học Thủ Dầu Một. Kết quả khảo sát từ giảng viên thực hiện thí điểm cho thấy ứng dụng đề xuất đạt hiệu quả tốt trong việc điểm danh sinh viên. Trong thời gian tới nhóm sẽ tiếp tục nghiên cứu và thử nghiệm trên các phương pháp khác nhau để lựa chọn được phương pháp tối ưu nhất, đồng thời tiến hành triển khai ứng dụng trong thực tế.
4. Tài liệu tham khảo
Hiyam Hatem, Zou Beiji and Raed Majeed, “A Survey of Feature Base Methods for Human Face Detection”, International Journal of Control and Automation Vol.8, No.5 (2015), pp.61-78
Hwai-Jung Hsu and Kuan-Ta Chen, “face recognition on drones issues and limitations in proceedings of the firs workshop on Micro Aerial Vehicle Networks, Systems, and Applications for Civilian Use, DroNet 15, pages 39-44, New York, NY, USA, 2015, ACM
Rabia Jafri and Hamid R. Arabnia, “A Survey of Face Recognition Techniques”, JIPS, 2009.5.2.041
Hong-Wei Ng and Stefan Winkler, “A data-driven approach to cleaning large face datasets”, IEEE International Conference on Image Processing (ICIP), 10.1109/ICIP.2014.7025068
Sirovich L and Kirby M,”low-dimensional procedure for the characterization of human faces”, JOSA A, 4(3):519-24....
--- Nhấn nút TẢI VỀ hoặc XEM ONLINE để tham khảo đầy đủ nội dung Tiểu luận trên ---
