Đang tải... (xem toàn văn)
Luận văn được tổ chức thành năm chương với các nội dung cụ thể như sau: Chương 1: Trong chương tổng quan này, ta sẽ có ra cái nhìn tổng quan về các hướng tiếp cận và giải pháp đã được ứng dụng trong bài toán điểm danh sinh viên và lý thuyết về phương pháp sử dụng trong luận văn. Chương 2: Chương này sẽ đi sâu hơn vào cách xử lý dữ liệu, phương pháp điểm danh và cách thức thu thập dữ liệu dataset, chuẩn bị trainning model. Chương 3: Trong chương tiếp theo, tiếp cận cách thiết kế và xây dựng hệ thống điểm danh tự động kết hợp giữa phần cứng và phần mềm một cách hiệu quả. Chương 4: Chương 4 tập trung trình bày về kết quả thực nghiệm, bao gồm kết quả so sánh các hướng nhận dạng và mô phỏng quá trình điểm danh và tính điểm thực tế
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - NGUYỄN DUY KHÁNH Họ tên tác giả luận văn NGUYỄN DUY KHÁNH CƠ ĐIỆN TỬ TÊN ĐỀ TÀI LUẬN VĂN Nghiên cứu, thiết kế hệ thống điện tử thông minh ứng dụng công nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên LUẬN VĂN THẠC SĨ KHOA HỌC CƠ ĐIỆN TỬ 2018B Hà Nội – Năm 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Họ tên tác giả luận văn NGUYỄN DUY KHÁNH TÊN ĐỀ TÀI LUẬN VĂN Nghiên cứu, thiết kế hệ thống điện tử thông minh ứng dụng công nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên Chuyên ngành : CƠ ĐIỆN TỬ LUẬN VĂN THẠC SĨ KHOA HỌC CƠ ĐIỆN TỬ NGƯỜI HƯỚNG DẪN KHOA HỌC : TS Đặng Thái Việt Hà Nội – Năm 2020 SĐH.QT9.BM11 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn : ………………………………… …………… Đề tài luận văn: ………………………………………… …………… .… Chuyên ngành:…………………………… ………………… … Mã số SV:………………………………… ………………… … Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày với nội dung sau: …………………………………………………………………………………………………… ……… …………………………………………………………………………………………… ………………… ………………………………………………………………………………… …………………………… ……………………………………………………………………… ……………………………………… …………………………………………………………… ………………………………………………… ………………………………………………… …………………………………………………………… ……………………… Ngày Giáo viên hướng dẫn tháng năm Tác giả luận văn CHỦ TỊCH HỘI ĐỒNG MỤC LỤC LỜI MỞ ĐẦU…………………………………………………………………………5 CHƯƠNG 1: TỔNG QUAN 1.1 Thuật toán Facenet……………………………………………………………….11 1.2 Thuật toán Adaboost…………………………………………………………… 14 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ THU THẬP DỮ LIỆU…16 2.1 Cách thức tiến hảnh xử lý điểm chuyên cần………………………………… 16 2.2 Xây dựng sở liệu……………………………………………….………17 CHƯƠNG 3: THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN XỬ LÝ ĐÁNH GIÁ ĐIỂM DANH TỰ ĐỘNG 3.1 Yêu cầu toán………………………………………………………………….18 3.2 Lấy liệu từ module cảm biến……………………………………………… 20 3.2.1 Cảm biến vân tay R305……………………………………………………… 21 3.2.2 Lựa chọn vi điều khiển……………………………………………………… 21 3.2.3 Kết nối truyền nhận liệu vân tay………………………………………….25 3.3 Thiết kế phần mềm hệ thống điểm danh tự động………………………….26 3.3.1 Bài toán nhận diện khuôn mặt………………………………………… 27 3.3.2 So sánh số phương pháp nhận diện khuôn mặt phổ biến nay… 29 3.3.3 Xây dựng phần mềm hệ thống …………………………………………30 CHƯƠNG 4: KẾT QUẢ, ĐÁNH GIÁ BÀI TOÁN 4.1 Thử nghiệm độ xác thuật tốn………………………………………… 32 4.2 Thử nghiệm độ xác thuật tốn sau tích hợp vào hệ thống… 34 KẾT LUẬN……………………………………………………………………….36 PHỤ LỤC…………………………………………………………………………37 TÀI LIỆU THAM KHẢO……………………………………………………….38 LỜI NÓI ĐẦU Giáo dục - đào tạo giữ vai trò quan trọng tồn phát triển quốc gia toàn nhân loại Trong bối cảnh nay, phát triển mạnh mẽ khoa học công nghệ, với q trình tồn cầu hóa hội nhập quốc tế sâu rộng, đặc biệt xu tất yếu kinh tế tri thức tác động mạnh đến lĩnh vực đời sống xã hội, có giáo dục Nhu cầu phát triển nguồn nhân lực chất lượng cao đặt yêu cầu cho quốc gia phải không ngừng đổi mới, cải cáchhệ thống giáo dục quốc dân để nâng cao chất lượng hiệu giáo dục Ngày nay, trí tuệ nhân tạo trở nên phổ biến nhiều khía cạnh sống hàng ngày Từ cảm biến thông minh giúp chụp ảnh hồn hảo, đến tính đỗ xe tự động xe hơi, trợ lý cá nhân điện thoại thơng minh, trí thơng minh nhân tạo xung quanh đặc biệt ứng dụng giáo dục Việc đánh giá học tập sinh viên chủ yếu chuyên cần điểm thi, có học chuyên cần giúp sinh viên nắm bắt kiến thức chuyên môn Để giảm thiểu khâu xử lý trung gian đồng thời giúp tăng độ xác, giải vấn đề tồn đọng việc điểm danh tại, em xin đề xuất đề tài: “Nghiên cứu, thiết kế hệ thống điện tử thông minh ứng dụng công nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên” Mục đích luận văn tập trung nghiên cứu, tìm hiểu phân tích phương pháp Học sâu ứng dụng vào toán nhận dạng, điểm danh tự động, đồng thời thực cài đặt mơ hình huấn luyện nhận dạng người Học sâu với số lượng ảnh hạn chế, sử dụng chúng làm nhận dạng sở cho ứng dụng điểm danh tự động cải thiện cho việc điểm danh Bộ sở liệu ảnh thành phần quan trọng hàng đầu phương pháp Học máy nói chung, sử dụng để phục vụ cho q trình tính tốn tham số huấn luyện, tinh chỉnh mơ hình Thơng thường, liệu lớn chọn lọc tỉ mỉ cẩn thận độ xác mơ hình cải thiện Sau thu thập đủ số lượng ảnh gốc sinh viên, ta sử dụng thuật tốn mơi trường Python để trainning, nhận dạng đánh giá độ xác thuật tốn từ chọn thuật tốn có độ xác cao Luận văn tổ chức thành năm chương với nội dung cụ thể sau: Chương 1: Trong chương tổng quan này, ta có nhìn tổng quan hướng tiếp cận giải pháp ứng dụng toán điểm danh sinh viên lý thuyết phương pháp sử dụng luận văn Chương 2: Chương sâu vào cách xử lý liệu, phương pháp điểm danh cách thức thu thập liệu dataset, chuẩn bị trainning model Chương 3: Trong chương tiếp theo, tiếp cận cách thiết kế xây dựng hệ thống điểm danh tự động kết hợp phần cứng phần mềm cách hiệu Chương 4: Chương tập trung trình bày kết thực nghiệm, bao gồm kết so sánh hướng nhận dạng mơ q trình điểm danh tính điểm thực tế Dù cố gắng hoàn thành đề tài với cường độ làm việc cao, kỹ lưỡng hướng dẫn cụ thể, nhiệt tình thầy môn điện tử ứng dụng thực tiễn quan làm việc, hiểu biết hạn chế cộng với điều kiện đo kiểm thực nghiệm giới hạn mặt thiết bị nên chắn luận văn không tránh khỏi khả thiết sót bất cập Vì em mong sửa chữa góp ý hội đồng, quý thầy cô để em rút kinh nghiệm bổ sung thêm kiến thức cho thân Cuối em xin chân thành cảm ơn quan tâm bảo thầy cô môn Cơ Điện Tử trường Đại học Bách khoa Hà Nội đặc biệt hướng dẫn tận tình TS Đặng Thái Việt giúp em hoàn thành luận văn Hà Nội, ngày 10 tháng năm 2020 Học viên thực hiện: Nguyễn Duy Khánh CHƯƠNG 1: TỔNG QUAN Trong đời sống xã hội, giáo dục đào tạo lĩnh vực có vai trị quan trọng quốc gia, dân tộc thời đại Trong xu phát triển tri thức ngày nay, giáo dục - đào tạo xem sách, biện pháp quan trọng hàng đầu để phát triển nhiều quốc gia giới Việt Nam ngoại lệ Mặt khác, giáo dục bậc đại học đóng vai trị vơ quan trọng sinh viên sau tốt nghiệp trực tiếp tham gia vào công đổi mới, phát triển đất nước Đối với giáo dục đại học, khác với cấp PTTH, THCS,…việc học tập liên quan đến học phần phải học Vầy học phần gì? Học phần khối lượng kiến thức tương đối trọn vẹn, thuận tiện cho sinh viên tích luỹ q trình học tập Phần lớn học phần có khối lượng từ đến tín chỉ, nội dung bố trí giảng dạy trọn vẹn phân bố học kỳ Kiến thức học phần phải gắn với mức trình độ theo năm học thiết kế kết cấu riêng phần môn học kết cấu dạng tổ hợp từ nhiều môn học Từng học phần phải ký hiệu mã số riêng trường quy định Điểm học phần bao gồm thành phần điểm trình điểm thi cuối kì Điểm học phần = 30% Điểm trình + 70% Điểm thi Hình 1.1: Cơng thức tính điểm học phần Điểm q trình tính dựa vào nhiều yếu tố học đầy đủ xét cách điểm danh, đánh giá thái độ học lớp,…Chính vậy, thấy để đạt điểm kì cao, cần nhiều yếu tố định đòi hỏi sinh viên cần thực việc học tập nghiêm túc Như thấy, việc học vô quan trọng định lớn đến kết điểm trình điểm học phần sinh viên Sinh viên tri thức trẻ tương lai, khơng hết mà họ người đóng vai trị chủ chốt cơng nghiệp hóa, đại hóa đất nước Bởi vì, sinh viên phận tiên tiến xã hội, có trình độ học vấn cao, có khả tiếp nhận mới, biết thay đổi linh hoạt để thích nghi với thay đổi nhanh chóng xã hội đại, đại diện cho hệ tiến Q trình học tập đại học có nhiều đặc trưng khác với trình học tập phổ thông Tại môi trường học tập này, sinh viên người chủ động tích cực phổ thơng Tại môi trường học tập sinh viên người chủ động tích cực giành lấy tri thức, người sáng tạo cách tiếp thu tri thức, việc phải tự tìm phương thức học tập thích hợp cho Trong đó, sinh viên lại vấp phải nhiều khó khăn mà tự phải tìm vượt qua: cách dạy học, phương pháp giảng dạy mới, môn học mang tính chất chun sâu, chương trình học dày, khối kiến thức lớn, số lượng giảng viên nhiều, dạy đông mơn giảng viên, có chưa kịp quen với phong cách giảng dạy giảng viên mơn học kết thúc Ở đại học, cần làm việc chung với nhiều bạn bè,rồi bạn bè mới, người đến từ tiểu vùng văn hóa khác nhau, phong cách sống khác nhau… Thực khiến sinh viên có nhiều khó khăn để thích ứng với môi trường học tập Hầu hết trường ĐH thực quy chế điểm danh với mục đích tránh cho giảng đường thưa vắng sinh viên dần sau vài ngày nhập học Mục đích điểm danh nhằm giúp SV học tốt hơn, chuyên cần nắm vững Theo quy chế số trường Bộ Giáo dục - Đào tạo SV nghỉ 20% số tiết bị cấm thi Những SV bị cấm thi mơn buộc phải học lại môn học Phương pháp điểm danh phổ biến áp dụng trường học thực giáo viên Mỗi tiết học sinh viên gọi tên đánh dấu phiếu điểm danh Bên cạnh phương pháp này, có nhiều phương pháp đề xuất áp dụng để hoàn thiện tiết kiệm thời gian việc điểm danh Điển hình với đề tài “Fingerprint-Based Attendance Management System”, Akinduyite C.O, Adetunmbi A.O, Olabode O.O, Ibidunmoye [2] đề xuất giải pháp điểm danh vân tay Trong báo, tác giả tính tốn thử nghiệm lấy kết đạt độ xác cao, nhiên sai số xảy điều kiện nhận dạng khơng đạt vân tay khơng giống lúc lấy mẫu số lý xước bề mặt vân tay, nhăn tiếp xúc nước,… Với cách làm khác, tác giả A.Kassem đề xuất đề tài điểm danh phương pháp RFID “An RFID attendance and monitoring system for university applications” [3] Sinh viên cần đăng kí mang thẻ RFID bên để điểm danh, nhiên điểm danh hộ xảy cách dễ dàng Dựa phương pháp điểm danh vân tay, tác giả kết hợp thêm phương pháp điểm danh phương pháp nhận diện khn mặt ứng dụng cơng nghệ trí tuệ nhân tạo để giải vấn đề tồn đọng: 10 Giá thành [6] Dòng phổ biến [6] Rất rẻ (~) Trung bình Trung bình ~35000đ/pcs Trung bình ~60000đ/pcs AT89C51, P89v51, etc PIC18fXX8, PIC16f88X, PIC32MXX Atmega8, 16, 32, Arduino Community LPC2148, ARM Cortex-M0 to ARM CortexM7 → Với nhiệm vụ truyền nhận qua truyền thông RS232 nên không cần chọn dịng vi điều khiển có q nhiều chức giá thành cao Như bảng thông số trên, dịng vi điều khiể AVR có đầy đủ chức , giá thành rẻ đặc biệt có cộng đồng hỗ trợ mạnh Qua hồn tồn đáp ứng nhiệm vụ đặt Sơ đồ chân : Hình 3.5: Module cảm biến vân tay R305 31 3.2.3 Kết nối truyền nhận lấy liệu vân tay Truyền thơng UART: Trong giao tiếp này, có hai loại UART có sẵn truyền UART nhận UART giao tiếp hai loại thực trực tiếp với Đối với điều này, cần hai cáp để giao tiếp hai UART Luồng liệu từ hai chân truyền (Tx) nhận (Rx) UARTs Trong UART, việc truyền liệu từ Tx UART sang Rx UART thực khơng đồng (khơng có tín hiệu CLK để đồng hóa) Hình 3.6: Kết nối UART Việc truyền liệu UART thực cách sử dụng bus liệu dạng song song thiết bị khác vi điều khiển, nhớ, CPU,… Sau nhận liệu song song từ bus, tạo thành gói liệu cách thêm ba bit bắt đầu, dừng lại trung bình Nó đọc bit gói liệu chuyển đổi liệu nhận thành dạng song song để loại bỏ ba bit gói liệu, gói liệu nhận UART chuyển song song phía bus liệu đầu nhận 32 Hình 3.7: Data Frame truyền nhận UART Sơ đồ kết nối module vân tay với xử lý trung tâm: Hình 3.8: Schematics kết nối module vân tay 3.3 Thiết kế phần mềm hệ thống điểm danh tự động 3.3.1 Bài toán nhận diện khn mặt Trong thực tế, q trình nhận diện bao gồm q trình Face Detection (Phát khuôn mặt) Face Recognization (Nhận diện khuôn mặt) Mỗi q trình lại sử dụng thuật tốn khác 33 Face Detection: Đây trình phát khuôn mặt ảnh Các máy ảnh, camera smartphone có chức Có nhiều cách để phát khuôn mặt: Thông qua màu sắc, cử động qua góc cạnh ảnh,… Tuy nhiên, thuật toán sử dụng phổ biến Viola-Jones (Thư viện OpenCV hỗ trợ nhận diện khuôn mặt theo thuật toán này) Thuật toán tốt chỗ khơng nhận diện khn mặt mà cịn nhận diện đồ vật, hình dạng Cơ chế đơn giản: Tạo frame hình vng, di chuyển frame khắp ảnh gốc Mỗi frame di chuyển, check xem khu vực frame có phải khn mặt hay đồ vật hay không (Bằng cách check vùng sáng tối frame) Sau di chuyển hết ảnh, tăng kích cỡ frame lên scan lại từ đầu Dừng thuật toán frame đủ lớn Bài tốn Face Detection thực khơng phải đơn giản hệ thống phải tranning từ vài ngàn đến vài chục ngàn ảnh có ouput nhận dạng tương đối chuẩn Mục đích q trình sau input ảnh, đầu cho ta khuôn mặt detect Face Recognition: Đây q trình nhận diện khn mặt Từ kết toán trước, ta có khn mặt ảnh Các khn mặt so sánh với khuôn mặt có sở liệu để tìm khn mặt giống Có vơ số thuật tốn nhận diện khuôn mặt, chúng phát triển dựa thuật toán sở như: PDA, LCA, MDA, Kernel Method… Gần Facebook vừa giới thiệu thuật toán DeepFace với độ xác khá… cao, vượt trội hẳn thuật tốn trước 34 Bước này, tốn nhiều thời gian để trainning để đạt độ xác chấp nhận Phương pháp nhận dạng mặt chia tiếp cận theo tiêu chí sau: Nhận dạng với liệu đầu vào ảnh tĩnh 2D(still image based FR) phổ biến Tương lai phương pháp nhận dạng 3D FR phổ biến hơn(vì việc bố trí nhiều camera 2D cho liệu 3D đem lại kết tốt hơn, đáng tin cậy hơn) Nguyên lý nhận dạng toán: Với toán nhận diện khn mặt, u cầu tốn với in put đầu vào đầu ta nhận diện khn mặt với định danh cụ thể Bài tốn chia nhỏ sau: Bước cần thực face detection, tức phát phần ảnh mặt liệu input (CSDL ảnh, video …) cắt lấy phần ảnh mặt để thực nhận dạng (face cropping) Bước thứ hai tiền xử lý ảnh (preprocessing) bao gồm bước chỉnh ảnh (face image alignment) chuẩn hóa ánh sáng (illumination normalization)(frontal view face image) Tiếp đến bước trích chọn đặc điểm (feature extraction), bước phương pháp trích chọn đặc điểm (mẫu nhị phân cục – Local Binary Pattern – LBP, Gabor wavelets, …) sử dụng với ảnh mặt để trích xuất thông tin đặc trưng cho ảnh, kết ảnh biểu diễn dạng vector đặc điểm (feature vector) Bước bước nhận dạng (recognition) hay phân lớp (classification), tức xác định danh tính (identity) hay nhãn (label) ảnh – ảnh 35 Face Detect & Segmentation Preprocessing Alight and Cropping Grayscale Feature Extraction Principal Component Analysis Eigenface Classifier Input Image Decision Algorithm Identified Person Face Database Hình 3.9: Bài tốn nhận diện khn mặt 3.3.2 So sánh số phương pháp nhận diện khuôn mặt phổ biến Có nhiều phương pháp phát nhận dạng khuôn mặt phát triển để làm phù hợp với yêu cầu toán thực tế Tác giả đề cập đến hai phương pháp hay dùng nhận diện phương pháp Haar-Adaboost [8] phương pháp MTCNN-FaceNet [9] Tiêu chí Adaboost FaceNet Độ xác 80.8% [9] 86.2% [10] Dataset Face detect LWF MTCNN IRIS Haar-like 36 Hình 3.10: So Sánh số đặc điểm hai phương pháp Mặt khác, băng cách thử nghiệm thực tế hai phương pháp với sample dataset, ta thu kết khác Sử dụng data pre-train hai phương pháp, đưa liệu mẫu học sinh lớp để trainning nhận dạng đánh giá kết Dữ liệu trainning mẫu gồm 10 học sinh với khuôn mặt chụp rõ nét, với học sinh đưa 20 ảnh mẫu để tiến hành trình trainning Mỗi học sinh sau trainning ảnh đầu vào lưu vào thư mục ảnh cắt mặt xử lý Hình 3.11: Ảnh sample trainning Kết nhận hai phương pháp Haar - Adaboost MTCNN - FaceNet Hướng thẳng trực diện Hướng nghiêng 70% 69% 85.3% 83.1% Hình 3.12: Kết thực nghiệm Bằng lý thuyết thực nghiệm, định chọn phương pháp nhận diện 37 khuôn mặt MTCNN-FaceNet áp dụng vào hệ thống điểm danh 3.3.3 Xây dựng phần mềm hệ thống Giao diện tổng quát phần mềm ON/OFF Cam Sinh Viên Hiển thị mặt Kết nối RS232 Đánh giá Display Cam Exit Record thời gian Hình 3.13: Giao diện hệ thống Quá trình nhận dạng xong ta tiến hành vào số chức xử lý liệu Đầu tiên chức ghi lại thời gian đến, thời gian sinh viên nhận dạng thành công Sau ghi nhận thời gian đến sinh viên, hệ thống tự động lưu thời gian đến lấy sở đánh giá muộn sớm sau Những sinh viên muộn thường xuyên bị đánh giá Để quan sát q trình học sinh viên việc quan sát qua đồ thị trực quan Ta nhìn biết số ngày học sinh viên đó, so sánh với bạn cịn lại để có mức đánh giá tốt 38 CHƯƠNG 4: KẾT QUẢ, ĐÁNH GIÁ BÀI TỐN Thử nghiệm độ xác thuật toán 4.1 Lớp Lớp 29 Lớp Lớp Lớp 11 Lớp 12 Lớp Lớp 29 Lớp 13 Lớp 28 Lớp 29 Lớp 30 Lớp Lớp Danh tính Các khn mặt tập trainning Nhận dạng Hình 5-20 Nhận dạng Mẫu thử nghiệm chưa quan sát thuộc Người1 Như trình bày trên, toán nhận dạng chia thành hai q trình phát khn mặt khung hình nhận dạng danh tính khn mặt Chính kết tốn đánh giá dựa hai tiêu chí khả phát khn mặt khung hình realtime độ xác phát phần trămĐộ xác nhận dạng tính theo cơng thức: Độ xác = Số ảnh nhận dạng x 100% Tổng số ảnh testing Cơ sở liệu: Với thuật toán MTCNN, sở liệu ảnh pre-train lấy từ tập liệu Labeled Face in Wild (LFW) bao gồm 13000 ảnh chứa khuôn mặt 39 người Đối với đối tượng, hình ảnh chụp địa điểm khác với ánh sáng khác Góc độ biểu cảm khn mặt người không giống để tập trainning đa dạng Tiếp theo tập ảnh trainning cho đối tương sinh viên cần nhận dạng Ở sinh viên đưa đến 20 ảnh với góc độ biểu cảm khác vào huấn luyện với pre-train có từ trước Hình 4.1: Labeled Face in Wild (LFW) Dataset Sau có liệu pre-train, tơi đưa liệu mẫu học sinh lớp để trainning nhận dạng đánh giá kết Dữ liệu trainning mẫu gồm 10 học sinh với khuôn mặt chụp rõ nét, với học sinh đưa 20 ảnh mẫu để tiến hành trình trainning Mỗi học sinh sau trainning ảnh đầu vào lưu vào thư mục ảnh cắt mặt xử lý Sau q trình nhận dạng tiến hành phân biệt qua tên sinh viên 40 Hình 4.2: Ảnh sample trainning Kết quả: So sánh kết nhận dạng độ xác phương pháp đưa 20 ảnh vào trainning tạo model nhận dạng MTCNN - FaceNet Hướng thẳng trực diện Hướng nghiêng 85.3% 83.1% Hình 8: Kết nhận diện MTCNN-FaceNet Hình 4.3: Kết nhận dạng Dưới biểu đồ so sánh tính thay đổi độ xác số lượng ảnh trainning đầu vào thay đổi phương pháp: Hình 4.4: So sánh độ xác với số mẫu khác 4.2 Thử nghiệm độ xác thuật tốn sau tích hợp vào hệ thống Để mơ hồn chỉnh tốn điểm danh đánh giá sinh viên lớp 41 học, đưa số liệu liên quan đến sinh viên vào trainning, sau nhập điểm chuyên cần để hệ thống tính điểm chuyên cần tự động Các liệu cần nhập tay điểm lên bảng làm điểm cuối kỳ Số lượng sinh viên đưa liệu vào: 10 sinh viên Các thông số liên quan khác gồm điểm cuối kỳ điểm kỳ nhập bảng Sau nhận dạng 24 lần qua q trình tính tốn, đánh giá điểm trình ta kết điểm kết thúc học phần cuối bảng bên Họ Tên Sinh viên Điểm cuối kỳ Sinh viên Điểm thi kì Số ngày học (Nhận dạng) Số ngày bỏ tiết Điểm tổng kết môn học Kết nhận dạng Nam Duy Trang Tuấn Huyền Hải Thanh Trọng Mạnh Đức 8.0 6.6 7.5 8.0 7.0 9.5 8.5 7.5 6.5 6.0 6.5 7.0 4.0 7.5 8.5 8.0 5.5 6.0 9.0 10.0 19/24 20/24 22/24 24/24 20/24 22/24 24/24 19/24 24/24 23/24 0 1 7.25 6.42 6.15 7.55 7.75 8.75 7.6 6.75 6.95 6.9 100% Hình 4.5: Đầu vào kết đánh giá Đồ thị hiển thị mức độ chuyên cần theo tháng ứng với số liệu đầu vào đưa vào 42 Hình 4.6: Đồ thị điểm danh theo tháng KẾT LUẬN Hoàn thành tốt nghiệp chuyên ngành thạc sĩ điện tử em đúc rút nhiều kinh nghiệm Kiến thức Deep learning ứng dụng vào ứng dụng cụ thể Cách kết hợp phần cứng phần mềm để xây dựng hệ thống hoàn thiện ứng dụng thực tế Phương pháp phân tích xử lý vấn đề triệt để Tuy nhiên, trình độ điều kiện đo kiểm thực tế hạn chế nên trình thực luận văn em khơng thể tránh khỏi sai sót Em mong hướng dẫn, bảo thầy cô, góp ý quý báu hội đồng để giúp em củng cố hồn thiện kiến thức Em xin bày tỏ lịng biết ơn sâu sắc tới TS Đặng Thái Việt tận tình hướng dẫn, giúp đỡ chúng em suốt trình làm đồ án Đồng thời cảm ơn thầy, cô môn Cơ Điện Tử trường Đại Học Bách Khoa Hà 43 Nội hỗ trợ giúp em hồn thành luận văn PHỤ LỤC Chương trình xử lý Python 44 TÀI LIỆU THAM KHẢO [1] “Finger based attendance management system”, L.S.Ezema [2] “Fingerprint-Based Attendance Management System”, Akinduyite C.O, Adetunmbi A.O, Olabode O.O, Ibidunmoye [3] “An RFID attendance and monitoring system for university applications”, A.Kassem [4] PGS.TS.Nguyễn Bốn, Nhiệt Kỹ Thuật, nhà xuất Hà Nội,2003 [5] “Fingerprint Identification Module User Manual”,User Manual [6] https://www.minhha.com [7] https://en.wikipedia.org [8] “Global Haar-like Features:A New Extension of Classic Haar Features forEfficient Face Detection in Noisy Images”, Mahdi Rezaei [9] https://www.datacamp.com/community/tutorials/adaboost-classifier-python [10] “FaceNet”, Florian Schroff, Dmitry Kalenichenko, James Philbin 45 ... điểm danh tại, em xin đề xuất đề tài: ? ?Nghiên cứu, thiết kế hệ thống điện tử thông minh ứng dụng cơng nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên? ??... dụng cơng nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên Chuyên ngành : CƠ ĐIỆN TỬ LUẬN VĂN THẠC SĨ KHOA HỌC CƠ ĐIỆN TỬ NGƯỜI HƯỚNG DẪN KHOA HỌC : TS... điện tử thông minh ứng dụng công nghệ nhận dạng khn mặt thuật tốn học sâu việc điểm danh đánh giá độ chuyên cần sinh viên? ?? Trong báo này, đề xuất giải pháp tổng thể để giải tốn tổng thể nhận dạng