Ngày nhận bài: 03-07-2023
Ngày duyệt đăng: 05-01-2024
DOI:
Lượt xem
Download
Cách trích dẫn:
MỘT GIẢI PHÁP ĐIỂM DANH BẰNG CÔNG NGHỆ NHẬN DẠNG KHUÔN MẶT VÀ ỨNG DỤNG TẠI PHÒNG THỰC HÀNH KHOA CÔNG NGHỆ THÔNG TIN
,
Nguyễn Tiến Hiển
1
,
Lê Văn Dũng
1
,
Lê Phương Thảo
1
,
Nguyễn Thị Huyền
1
Từ khóa
Mạng học sâu đa nhiệm, FaceNet, thuật toán phân lớp, phát hiện khuôn mặt, nhận dạng khuôn mặt
Tóm tắt
Mỗi gương mặt có một thuộc tính đơn nhất do đó hình ảnh gương mặt được sử dụng như một khóa bảo mật để truy cập tài khoản cá nhân trong các lĩnh vực như ngân hàng, dịch vụ thương mại điện tử, tài khoản cá nhân trên điện thoại hoặc máy tính. Nghiên cứu này nhằm mục đích đưa ra một giải pháp mới để điểm danh sinh viên tham dự lớp học bằng công nghệ nhận diện khuôn mặt khi kết hợp các mạng học sâu đa nhiệm để phát hiện khuôn mặt trong ảnh hoặc video, công nghệ mã hóa của mạng FaceNet để số hóa khuôn mặt phát hiện được và thuật toán phân lớp để tìm kiếm và so khớp khuôn mặt cần nhận diện với thông tin của khuôn mặt được lưu trữ trong cơ sở dữ liệu. Nghiên cứu đã thu được bộ cơ sở dữ liệu điểm danh sinh viên tham dự lớp học, chương trình máy tính thực hiện việc điểm danh bằng công nghệ nhận diện khuôn mặt và phân tích đánh giá hiệu quả của các chế độ điểm danh khác nhau bao gồm: sử dụng hình ảnh chụp của từng nhóm nhỏ sinh viên; sử dụng webcam kết nối máy tính theo các chế độ tự động và bán tự động. Với hệ thống điểm danh này, giáo viên có thể kiểm soát thông tin tham dự lớp học của sinh viên, dễ dàng phát hiện gian lận của sinh viên trong học tập tại các lớp học phần (lý thuyết và thực hành) và thi hết học phần của sinh viên.
Tài liệu tham khảo
Đào Quang Toàn (2017). Nhận dạng khuông mặt trong hỗ trợ công tác quản lý tiếp dân. Luận văn Thạc sĩ Khoa học Máy tính. Đại học Thái Nguyên.
Erik L.M., Gary B.H., Aruni R.C., Li H. & Gang H.(2016). Labeled Faces in the Wild: A Survey. In Advances in Face Detection and Facial Image Analysis. Springer. pp. 189-248.
Fabian P., Gael V., Alexandre G., Vincent M., Bertrand T., Olivier G., Mathieu B., Andreas M., Joel N., Gilles L., Peter P., Ron W., Vincent D., Jake V., Alexandre P., David C., Matthieu B., Matthieu P. & Édouard D. (2011). Scikit-learn: Machine Learning in Python.JMLR 12, pages: 2825-2830.
Jain V. &Erik L.M. (2010). FDDB: A Benchmark for Face Detection in Unconstrained Settings. Technical Report UM-CS-2010-009. Dept. of Computer Science, University of Massachusetts, Amherst.
Martin K., Paul W., Peter M. R. & Horst B. (2011). Annotated Facial Landmarks in the Wild: A Large-scale, Real-world Database for Facial Landmark Localization. In Proc. First IEEE International Workshop on Benchmarking Facial Image Analysis Technologies.
Ngo Tung Son, Bui Ngoc Anh, Tran Quy Ban, Le Phuong Chi, Bui Đinh Chien, Duong Xuan Hoa, Le Van Thanh, Tran Quang Huy, Le Đinh Duy & Muhammad Hassan Raza Khan (2020). Implementing CCTV-Based Attendance Taking Support System Using Deep Face Recognition: A Case Study at FPT Polytechnic College. Symmetry. 12(2): 307.DOI: 10.3390/sym12020307.
Schroff. F., Kalenichenko D. & Philbin J. (2015). FaceNet: A Unified Embedding for Face Recognition and Clustering. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. pp. 815-823.
Szegedy C., Liu W., Jia Y., Sermanet P., Reed S., Anguelov D., Erhan D., Vanhoucke V. & Rabinovich A. (2015). Going deeper with convolutions. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. pp. 1-9.
Trần Như Ý & Nguyễn Phương Hạc (2021). Ứng dụng Haar-Cascade và MTCNN vào thuật toán ARCFACE cho hệ thống nhận dạng mặt người. Tạp chí Công thương. (2): 224-230.
Yugashini I., Vidhyasri S. & Gayathri D.K. (2013). Design and Implementation of Automated Door Accessing System with Face Recognition. International Journal of Science and Modern Engineering. ISSN: 2319-6386. 1(12).
Zhang Z., Zhang K., Li Z. & Qiao Y. (2016). Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks. IEEE Signal Processing Letters. 23(10): 1499-1503.