Bài viết trình bày một giải pháp “Kết hợp kỹ thuật xử lý ảnh và thẻ RFID trong hệ thống kiểm soát người vào ra cơ quan”. Trong giải pháp này chúng tôi nghiên cứu và xây dựng hệ thống thông minh kết hợp hai công nghệ nhận dạng danh tính người qua khuôn mặt và nhận dạng thẻ RFID trong việc giám sát, quản lý nhân viên khi vào ra cơ quan.
Trang 1Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
KẾT HỢP KỸ THUẬT XỬ LÝ ẢNH - THẺ RFID TRONG HỆ THỐNG
KIỂM SÓA T NGƯỜI VÀO RA CƠ QUAN Hoàng Văn Dũng*, Đặng Văn Đạt, Nguyễn Văn Nhân, Phonmela Tanvongphap
Trường Đại học Quảng Bình
*Tác giả liên lạc: zunghv@gmail.com
TÓM TẮT
Cùng với sự phát triển của trí tuệ nhân tạo, khoa học công nghệ và cuộc cách mạng công nghiệp 4.0, việc ứng dụng các hệ thống thông minh cũng như các công nghệ kỹ thuật cao phục vụ cuộc sống ngày càng phổ biến Một hệ thống thông minh sẽ mang lại nhiều lợi ích trong tự động hóa công việc, tối đa hóa thời gian cũng như tăng năng suất lao động của con người Bài viết trình bày một giải pháp “Kết hợp kỹ thuật xử lý ảnh và thẻ RFID trong hệ thống kiểm sóa t người vào ra cơ quan” Trong giải pháp này chúng tôi nghiên cứu và xây dựng hệ thống thông minh kết hợp hai công nghệ nhận dạng danh tính người qua khuôn mặt và nhận dạng thẻ RFID trong việc giám sát, quản lý nhân viên khi vào ra cơ quan
Hệ thống có kết nối với hệ cơ sở dữ liệu SQL Server nhằm lưu trữ kết nối và đảm bảo tính đồng bộ so với các hệ thống quản lý giám sát thông thường Khác với các hệ thống an ninh dùng vân tay hay kiểm tra võng mạc, giải pháp đề xuất giúp hạn chế tương tác của người vào ra cửa an ninh vì hệ thống nhận dạng danh tính qua khuôn mặt tự động thu nhận hình ảnh và nhận dạng
Từ khóa: Hệ thống giám sát, RFID, mạng neural sâu
FUSION OF IMAGE PROCESSING TECHNIQUE AND RFID TAGS
FOR SURVEILLANCE SECURITY SYSTEMS
Hoang Van Dung*, Dang Van Dat, Nguyen Van Nhan, Phonmela Tanvongphap
Quang Binh University
*Corresponding Author: zunghv@gmail.com
ABSTRACT
Nowadays, science and technology are growing rapidly, the fourth industrial revolution especially The field of the object recognition has achieved significant result, and applied in many important tasks such as surveillance monitoring systems, autonomous systems, human- machine interaction and so on The intelligent system based on deep learning technique is being used extensively in today's life A smart system brings to many benefits in living assistant systems This contribution presents a solution based on combination of facial recognition and RF (radio frequency) ID (identification) tags for the office checkup task in surveillance monitoring system (SMS) The SMS is constructed based on two main techniques for building intelligent systems which consist of face recognition technology and RFID tag recognition to monitor employee attendance when they are entering or leaving the office In this system, the deep neural network is studied for face recognition
Keywords: Surveillance monitoring system, RFID, deep neural network
Trang 2Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
GIỚI THIỆU
Hiện nay đã có một số công ty, nhà
khoa học nghiên cứu và ứng dụng một
số hệ thống thông minh trong quá trình
kiểm sóa t người vào ra Các hệ thống
thường sử dụng các giải pháp như nhận
dạng dấu vân tay, nhận dạng thẻ từ
Tuy đã được áp dụng vào thực tế
nhưng các hệ thống này còn tồn tại
nhiều hạn chế trong quá trình hoạt
động Với hệ thống nhận dạng vân tay
được áp dụng tại một số cơ quan, khi
nhân viên vào ra cơ quan cần đến các
điểm quét vân tay cố định tạo sự bất
tiện, chưa linh hoạt trong quá trình
kiểm tra xác minh Hệ thống nhận dạng
thẻ từ, bằng công nghệ nhận dạng bằng
sóng vô tuyến hệ thống này tạo ra được
sự linh hoạt trong quá trình kiểm tra
xác minh, tuy nhiên mức độ bảo mật
không cao, chưa giải quyết được bài
tóa n khách sử dụng thẻ của nhân viên
để ra vào cơ quan Một số hệ thống
khác do không đồng bộ hóa về dữ liệu,
chưa tích hợp các tính năng trong kiểm
tra, giám sát, đảm bảo tính an toàn bảo
mật và tiện dụng hoặc có sản phẩm giá
thành cao, các đơn vị sử dụng chưa làm
chủ được công nghệ, khó phát triển mở
rộng hệ thống vì phụ thuộc vào nhà
cung cấp dịch vụ
Từ thực tế đó, chúng tôi đã đề xuất giải pháp kết hợp kỹ thuật xử lý ảnh nhận dạng mặt và thẻ RFID ứng dụng hệ thống kiểm sóa t người vào ra cơ quan, nhằm mục đích nghiên cứu và xây dựng hệ thống thông minh kiểm sóa t người vào ra cơ quan, khắc phục được hai nhược điểm chính là tính linh hoạt
và bảo mật của hai hệ thống nhận dạng vân tay và thẻ từ Kết quả nghiên cứu
sẽ giúp chủ động trong việc nắm vững, làm chủ công nghệ từ đó tạo ra một hệ thống thông minh, an toàn và chính xác
HỆ THỐNG RFID TRONG ĐỊNH DANH
Thiết bị đọc phát ra sóng điện từ ở tần
số nhất định qua ăng ten , khi thẻ từ nằm trong vùng phát sóng của thiết bị đọc, nó sẽ nhận được năng lượng và phát lại chính mã số của mình Từ đó thiết bị đọc biết chính xác được thiết bị nào đang nằm trong vùng kiểm sóa t Hầu hết các hệ thống RFID thường bố trí nhiều thiết bị đọc kết nối với một máy tính trung tâm Máy tính trung tâm
có nhiệm vụ nhận dữ liệu từ thiết bị đọc gửi về, phân tích, và thực thi các lệnh
có liên quan tới dữ liệu được lưu trữ trong thẻ
(a) Nguyên lý hoạt động của một hệ thống RFID
(b) Sơ đồ tổng thể nhận dạng danh tính bằng kỹ thuật xử lý ảnh
Hình 1 Nhận dạng người bằng cách kết hợp kỹ thuật xử lý ảnh và thẻ RFID
Trang 3Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
NHẬN DẠNG DANH TÍNH BẰNG
KỸ THUẬT HỌC SÂU
Sơ đồ tổng thể mô hình nhận dạng
danh tính người được thể hiện trong
Hình 1(b) Quá trình huấn luyện mô
hình nhận dạng danh tính được thực
hiện thông qua các quá trình sau: Đầu
tiên, chúng ta cần cung cấp hình ảnh
đầu vào với mỗi hình ảnh chứa đối
tượng khuôn mặt Sau khi thu thập tập
dữ liệu đầu vào, quá trình phát hiện
khuôn mặt trong hình ảnh được thực
hiện Khi kết thúc phát hiện khuôn mặt
thu được hình ảnh căn chỉnh từ bộ dữ
liệu hình ảnh đầu vào Quá trình phát
hiện hoạt động liên tục đảm bảo rằng
tất cả các khuôn mặt được phát hiện
trong hình ảnh theo thời gian Một khi
các hình ảnh trên khuôn mặt được trích
xuất từ dữ liệu hình ảnh, các hình ảnh
sẽ được chuyển đến bộ tiền xử lý để
thực hiện lọc nhiễu và chuẩn hóa hình
ảnh Hoàn thành xử lý trước, hình ảnh
mặt được chuyển cho huấn luyện mạng
neural tích chập (CNN) Ở đây, bộ
nhận dạng danh tính được huấn luyện
trực tiếp thông qua lớp mô hình CNN
Sau khi huấn luyện qua các lớp, chúng
tôi thu được mô hình là bộ tham số
gồm các hàm truyền trong mạng
neural, các bộ trọng số của hàm truyền
tương ứng Các tham số và giá trị trọng
số được lưu trữ trong tệp mô hình huấn
luyện làm cơ sở cho việc xác định và
trích xuất nhãn của một người
PHƯƠNG PHÁP ĐỀ XUẤT
Phương pháp dựa trên RFID và
nhận diện danh tính qua ảnh khuôn
mặt
Ý tưởng của phương pháp đề xuất dựa
trên sự kết hợp của các thẻ RFID cho
nhận dạng đối tượng và nhiệm vụ nhận
dạng khuôn mặt để xác nhận lại đối
tượng được chỉ định được thể hiện
trong Hình 1
Phương thức tiến hành
Để xây dựng hệ thống kết hợp nhận dạng mặt và thẻ RFID, chúng tôi đã viết mã nhúng cho mạch Arduino Uno R3 để truy xuất chuỗi thẻ RFID và trình điều khiển thiết bị phần cứng ID trên thẻ RFID được xử lý, lưu trữ trên SQL Server Chúng tôi xây dựng cơ sở
dữ liệu quản lý nhân viên thông qua mã
ID được cung cấp cho mỗi nhân viên
sử dụng thẻ RFID và được đồng bộ lên phần mềm trên Server Đối với mỗi nhân viên, chúng tôi thu thập hình ảnh khuôn mặt nhằm tạo dữ liệu thực để huấn luyện mô hình nhận dạng danh tính Bằng cách áp dụng các kỹ thuật học tập sâu và CNN, tiến hành huấn luyện và có được các ID khuôn mặt cho từng nhân viên Xử lý mô hình nhận dạng các ID khuôn mặt và liên kết chúng với cơ sở dữ liệu SQL Server Phương pháp liên kết với cơ sở dữ liệu SQL Server bằng ODBC, đây là cách chúng tôi sử dụng để liên kết dữ liệu trong quá trình cập nhật
THỰC NGHIỆM VÀ ĐÁNH GIÁ Thu thập và xử lý dữ liệu
Phần này chúng tôi thực nghiệm, kiểm tra độ chính xác của giải pháp nhận dạng danh tính người trên 2 tập dữ liệu:
Bộ dữ liệu tự tạo và bộ dữ liệu chuẩn của nhóm nghiên cứu khác Với bộ dữ liệu tự tạo, thực hiện chụp ảnh trực tiếp người đó và thu thập các hình ảnh khuôn mặt được thu thập bằng cách tải xuống từ mạng xã hội Bộ dữ liệu tự tạo gồm 600 ảnh tương ứng với 20 người, mỗi người được lấy mẫu khoảng từ 20 đến 40 mẫu ảnh khuôn mặt Ngoài ra, chúng tôi còn sử dụng
bộ dữ liệu mặt người Staffhome, được tạo lập bởi nhóm nghiên cứu Ajmal
Dữ liệu ảnh khuôn mặt được chụp trực diện với các điều kiện ánh sáng khác nhau Ảnh được crop và chuẩn hóa sao
Trang 4Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học cho mẫu ảnh vừa chứa đủ khuôn mặt
Mục đích của nhóm thực hiện tạo dữ
liệu nhằm mục đích phục vụ cho việc
định danh mặt và tái tạo khuôn mặt
Tập dữ liệu Staffhome gồm 3.450 mẫu
khuôn mặt của 88 người khác nhau
Mỗi người được lấy mẫu khoảng từ 24
đến 48 mẫu ảnh khuôn mặt
Trong dữ liệu, mỗi ảnh tương ứng với
mỗi mặt người, dữ liệu được chỉ định
trong thư mục cá nhân Danh tính được
đặt giống với tên thư mục của tập dữ
liệu hình ảnh có chứa khuôn mặt của
người đó Để đánh giá phương pháp
được đề xuất, các bộ dữ liệu hình ảnh
huấn luyện và đánh giá được tạo ra
bằng cách xử lý thủ công Trong ứng
dụng của chúng tôi, camera an ninh
được đặt cố định, do đó tập dữ liệu
huấn luyện cũng được tạo ra trong
cùng một tình huống với ứng dụng
thực tế
Phần cứng và môi trường lập trình
Để thực hiện thí nghiệm này, chúng tôi
đã sử dụng một đầu đọc thẻ RFID
MFRC522 và một bảng mạch Arduino
Uno R3 Môi trường lập trình cho thẻ
RFID là công cụ Arduino để viết mã
cho chip điều khiển trên đầu đọc RFID
Mã nhận dạng thẻ RFID được triển
khai trên công cụ Visual Studio và
quản trị cơ sở dữ liệu máy chủ SQL
Quá trình hoạt động của hệ thống
Khi một người đi qua cửa an ninh, hệ
thống xử lý ảnh thu nhận hình ảnh, phát
hiện mặt người và thực hiện nhận dạng danh tính Nếu kết quả nhận dạng người đó có trong cơ sở dữ liệu với độ chắc chắn cao thì cửa an ninh sẽ được
mở và ghi nhận mỗi lượt vào/ra Nếu kết quả nhận dạng có độ chắc chắn không cao thì yêu cầu người đó phải dùng thẻ RFDI để định danh Kết quả kiểm tra nếu danh tính từ 2 module là phù hợp với nhau thì cửa an ninh được
mở và ghi nhận mỗi lượt vào/ra Trường hợp danh tính từ 2 module không trùng khớp với nhau hoặc không nhận dạng ra được hệ thống sẽ báo với nhân viên trực an ninh để xử lý
KẾT QUẢ THỰC NGHIỆM Đánh giá trên bộ dữ liệu sinh viên tự tạo
Đánh giá độ chính xác của giải pháp nhận dạng mặt sử dụng kỹ thuật học sâu với hai giải pháp nhận dạng mặt PCA và LBP Sau mỗi lần kiểm tra cho từng hình ảnh nhận dạng không chính xác, chúng tôi tiến hành điều chỉnh tập
dữ liệu huấn luyện và đo lường độ chính xác cho lần thử tiếp theo Kết quả cho thấy phương pháp đề xuất sử dụng
kỹ thuật deep learning trong nhận dạng mặt có độ chính xác vượt trội hơn từ 10 – 12 % so với hai giải pháp PCA và LBP Lần thử nghiệm tốt nhất là 95,3% cho thấy độ chính xác đạt mức cao và
có thể áp dụng vào các ứng dụng thực
tế trong cuộc sống
Bảng 1 Đánh giá so sánh giải pháp đề xuất với hai phương pháp PCA và LBP Lần thử Phương pháp Số
mẫu
Số mẫu nhận dạng đúng
Số mẫu nhận dạng sai
Độ chính xác (%)
3
Giải pháp đề
xuất
Đánh giá trên bộ dữ liệu Staffhome
Trong thực nghiệm này, chúng tôi sử
dụng khoảng 60% mẫu của mỗi loại
cho huấn luyện và khoảng 40% cho đánh giá kiểm tra Giải pháp nhận dạng danh tính người dựa vào học sâu được
Trang 5Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học đánh giá so sánh với phương pháp
HOG+SVM Kết quả thực nghiệm cho
kết quả giải pháp đề xuất đạt độ chính
xác 98.99% cao hơn so với 98.84%
theo phương pháp HOG+SVM
KẾT LUẬN
Trong nghiên cứu này, chúng tôi đã
trình bày giải pháp kết hợp kỹ thuật xử
lý ảnh và thẻ RFID ứng dụng trong hệ
thống kiểm sóa t người vào ra cơ quan
Các quá trình hoạt động hệ thống được
lưu trữ trong hệ quản trị CSDL SQL
Server đảm bảo tính an toàn và đồng
bộ Giải pháp của chúng tôi có sự kết
hợp giữa công nghệ nhận dạng khuôn mặt và thẻ RFID mang lại độ tin cậy cao hơn so với các giải pháp thông thường nhờ vào quá trình xác minh qua hai bước nhận dạng thẻ RFID và nhận dạng mặt người Bên cạnh đó, giải pháp đề xuất ngoài việc đảm bảo công tác an ninh, theo dõi quá trình vào ra
cơ quan chính xác còn mạng lại sự thuận lợi, thoải mái cho nhân viên, khách giao dịch khi hạn chế tối đa lúc
đi qua cổng an ninh phải sử dụng kiểm tra thẻ vì đã được thực hiện qua hệ thống nhận dạng danh tính thông qua hình ảnh mặt được ghi lại bởi camera
TÀI LIỆU THAM KHẢO
F SCHROFF, D KALENICHENKO, AND J PHILBIN Facenet: A unified embedding for face recognition and clustering In Proc CVPR, 2015
K SIMONYAN AND A ZISSERMAN Very deep convolutional networks for large-scale image recognition Preprint arXiv:1409.1556, 2014
M A NIELSEN (2013) Neural Networks And Deep Learning Determination
Press
O BARKAN, J WEILL, L WOLF, H ARONOWITZ Fast high dimensional vector multiplication face recognition Proc IEEE Int Conf Comput Vis
(ICCV), pp 1960-1967, Dec 2013
O M PARKHI, ANDREA VEDALDI, ANDREW ZISSERMAN Deep Face Recognition BMVC, 2015