slide thuyết trình đề tài chương trình nhận diện khuôn mặt bằng phương pháp haar cascades

Xây dựng chương trìnhTạo tập dữ liệu OpenCV : 2 cáchLấy dữ liệu khuôn mặt từ Webcam... Xây dựng chương trìnhTạo tập dữ liệu OpenCV : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵnLấy dữ liệu

Đề tài : Chương trình nhận diện khuôn mặt bằng phương pháp Haar Cascades

Sinh viên thực hiện Mã Sinh viên

Dương Đình Quân 201404066

Hoàng Trung Hiếu 201403945

Tổng quan

Xây dựng chương trình

Kết luận và hướng phát triển

3 phần

Tổng quan

01

Tổng quan

Hệ thống nhận dạng khuôn mặt là một ứng dụng máy tính tự động xác định hoặc nhận dạng một người nào đó từ một bức hình ảnh kỹ thuật số hoặc một khung hình video từ một nguồn video.

Một trong những cách để thực hiện điều này là so sánh các đặc điểm khuôn mặt chọn trước từ hình ảnh và một cơ sở dữ liệu về khuôn mặt.

Tổng quan

Giáo dục : Điểm danh, Thi cử, ….

An ninh : Giám sát, Định danh, ….

Xây dựng chương trình

02

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ Webcam

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵnLấy dữ liệu khuôn mặt từ Webcam

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn

Xây dựng chương trình

Tạo tập dữ liệu (OpenCV) : 2 cáchLấy dữ liệu khuôn mặt từ ảnh có sẵn

Xây dựng chương trình

Huấn luyện dữ liệu

Mô hình được huấn luyện dựa trên CNN

Mô hình CNN được thiết kế gồm hai phần chức năng - Trích chọn đắc trưng của ảnh khuôn mặt

- Phân lớp đối tượng dựa trên đặc trưng đã chọn

Xây dựng chương trình

Mô hình được huấn luyện dựa trên CNN

Xây dựng chương trình

Dữ liệu đầu vào

Các ảnh cần huấn luyện sẽ được lấy từ mục ảnh (dataset) và được resize về 100x100x1

Xây dựng chương trình

Dữ liệu đầu vào

Sau đó tạo nhãn cho từng ảnh

Xây dựng chương trình

02

Xây dựng chương trình

Lớp MaxPooling

Các ảnh sau khi qua lớp MaxPooling sẽ giữ lại các đặc trưng chung

nhất của khuôn mặt.

Xây dựng chương trình

Lớp kết nối đầy đủ (Fully Connected)

Sử dụng mạng nhiều lớp với hàm kích hoạt Softmax cho lớp nơron ngõ ra.

Xây dựng chương trình

Mô hình được thiết kế

với Keras

Xây dựng chương trình

Quá trình huấn

luyện

Xây dựng chương trình

Độ chính xác và giá trị hàm lỗi sau khi huấn

luyện 10 epoch

Xây dựng chương trình

Tạo tên theo ý

Hieu

Xây dựng chương trình

Đưa bất kì một ảnh vào chương trình và xác định khuôn

mặt kèm với tên của khôn mặt

Xây dựng chương trình

Đưa bất kì một ảnh vào chương trình và xác định khuôn

mặt kèm với tên của khôn mặt

Kết luận và hướng phát triển

03

Kết luận và hướng phát triển

KẾT LUẬN

- Mô hình này có 3 lớp nơron tích chập (Convolution) và hai lớp nơron liên kết đầy đủ (Fully Connected).

- Tổng số tham số là khoảng hơn 20 triệu.

- Mô hình có độ phức tạp ở mức vừa phải, phù hợp với các hệ thống xử lý ở mức trung bình.

- Tiềm năng khả thi trong ứng dụng thực tiễn.

Kết luận và hướng phát triển

HƯỚNG PHÁT TRIỂN

- Hiện nay do điều kiện tính toán nên chỉ áp dụng số lần huấn luyện còn thấp, nếu được huấn luyện ở mức độ sâu hơn thì kỳ vọng sẽ đem lại kết quả cao hơn nữa.- Điểm dạnh sinh viên có mặt ở lớp học.

- Hệ thống giám sát nhân viện vào/ra cổng cơ quan

- Hệ thống theo dõi và định danh liên tục quá trình học tập của người học trực tuyến