Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe

Đối với việc thực hiện một đề tài thuộc lĩnh vực an toàn và tiện nghi trên xe ô tô, cụ thể là hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe thì người thực hiện cần hiểu đượ

TÓM TẮT

1 Vấn đề nghiên cứu

Đối với việc thực hiện một đề tài thuộc lĩnh vực an toàn và tiện nghi trên xe ô tô, cụ thể là hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe thì người thực hiện cần hiểu được về tầm quan trọng của hệ thống, những yêu cầu tối thiểu để hệ thống có thể chạy ổn định và hỗ trợ tốt nhất cho người lái xe Từ đó tạo cơ sở nền để có thể phát triển thành hệ thống hoàn chỉnh

Nghiên cứu các cơ sở lý thuyết về nhận diện khuôn mặt, phần mềm lập trình LabVIEW

và Xử lý ảnh để thực hiện

3 Cách giải quyết vấn đề

- Nghiên cứu về lập trình LabVIEW và nhận diện khuôn mặt

- Lập trình nhận diện khuôn mặt kết hợp các yếu tố cần thiết khi chạy xe

- Tìm hiểu, thu thập các tài liệu trên Internet, các thông tin liên quan để lập trình hệ

thống

- Tổng hợp và thiết kế mô hình demo cho hệ thống

4 Kết quả thu được

- 1 mô hình demo cho hệ thống có thể lắp đặt thử nghiệm trực tiếp trên xe

- Tài liệu nghiên cứu trong quá trình thực hiện đề tài

MỤC LỤC

LỜI CẢM ƠN 6

TÓM TẮT 7

MỤC LỤC 8

DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÍ HIỆU 10

DANH MỤC CÁC HÌNH 11

DANH MỤC CÁC BẢNG 13

CHƯƠNG 1: TỔNG QUAN 14

1.1 Lý do chọn đề tài 14

1.2 Đối tượng và phạm vi sử dụng 14

1.3 Phân tích đánh giá các nghiên cứu của các tác giả trong và ngoài nước có liên quan đến đề tài 15

1.4 Những vấn đề còn tồn tại và hướng khắc phục 15

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 16

2.1 Cơ sở lý thuyết, lý luận, giải thiết khoa học 16

2.1.1 Cơ sở lý thuyết, lý luận 16

2.1.2 Giả thiết khoa học 16

2.2 Phương pháp nghiên cứu 16

2.2.1 Lý thuyết về LabVIEW 16

2.2.2 Các ứng dụng của LabVIEW 19

2.3 Xử lý ảnh – Những vấn đề cơ bản trong xử lý ảnh 22

2.3.1 Xử lý ảnh là gì? 22

2.3.2 Những vấn đề cơ bản trong xử lý ảnh 23

CHƯƠNG 3: THIẾT KẾ HỆ THỐNG 26

3.2 Các giai đoạn nhận dạng khuôn mặt và cảnh báo buồn ngủ 29

3.3 Kết quả sau khi thực nghiệm 43

CHƯƠNG 4: THỰC NGHIỆM XÁC ĐỊNH ĐỘ TIN CẬY CỦA HỆ THỐNG CẢNH BÁO BUỒN NGỦ 44

4.1 Thiết lập các thí nghiệm với độ chói sáng khác nhau, đưa ra các bảng giá trị cụ thể

……….…………44

4.2 Thí nghiệm với vận tốc xe và độ dao động của xe 44

4.3 Thí nghiệm với nhiều khuôn mặt khác nhau, đảm bảo nhận dạng được 45

CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ 46

5.1 Kết luận 46

5.2 Kiến nghị 47

DANH MỤC TÀI LIỆU THAM KHẢO 48

DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÍ HIỆU

STT Từ viết tắt Tiếng Anh Tiếng Việt

1 ABS Anti-Locking Brake System Hệ thống chống bó cứng phanh

2 AI Artificial intelligence Trí tuệ nhân tạo

3 ESP Electronic Stability Program Hệ thống căn bằng điện tử

4 LabVIEW Laboratory Virtual

6 Pixel Picture element Điểm ảnh

7 VAMA Vietnam Automobile

Manufacturers Association

Hiệp hội các nhà sản xuất ô tô

Việt Nam

DANH MỤC CÁC HÌNH

Hình 2.1 Giao diện LabVIEW

Hình 2.2 Giao diện làm việc và code LabVIEW

Hình 2.3 Các hàm tính toán trong LabVIEW

Hình 2.4 Các hàm so sánh trong LabVIEW

Hình 2.5 LabVIEW thu thập dữ liệu trong ngành ô tô

Hình 2.6 Ứng dụng LabVIEW trong ngành hàng không – vũ trụ Hình 2.7 Ứng dụng LabVIEW trong công nghiệp tự động Hình 2.8 Ứng dụng LabVIEW trong kỹ thuật Robotics

Hình 2.9 Ứng dụng LabVIEW trong giao thông vận tải

Hình 2.10 Quy trình xử lý ảnh

Hình 2.11 Cấu trúc xử lý ảnh cơ bản trong LabVIEW

Hình 3.1 Camera Logitech

Hình 3.2 Máy tính nhúng Intel Inside

Hình 3.3 Loa Bluetooth Suntek JC-170

Hình 3.12 Giao diện hiển thị trên màn hình

Hình 3.13 Đồng hồ mô phỏng điều chỉnh tốc độ xe

Hình 3.14 Một phần code xử lý tín hiệu

Hình 3.15 Code xử lý nhận diện mặt – mắt

Hình 3.17 Code xử lý thời gian nhắc nhở lái xe

Hình 3.18 Code quy định thời gian buồn ngủ theo tốc độ Hình 3.19 Code xử lý thời gian buồn ngủ

Hình 3.20 Bản demo sản phẩm hoàn chỉnh

Hình 3.21 Thử nghiệm hệ thống trên xe tải

DANH MỤC CÁC BẢNG

Bảng 4.1 Bảng kết quả thử nghiệm với độ chói sáng khác nhau trong ngày

Bảng 4.2 Bảng kết quả thử nghiệm với vận tốc và độ dao động của xe

Bảng 4.3 Bảng thử nghiệm với nhiều khuôn mặt khác nhau và góc quay khác nhau

CHƯƠNG 1: TỔNG QUAN

1.1 Lý do chọn đề tài

Từ những năm gần đây trên toàn thế giới nói chung và Việt Nam nói riêng, ngành công nghiệp ô tô đang là một trong những ngành phát triển với một tốc độ chóng mặt Với sự thông minh nhạy bén và niềm yêu nghề sâu sắc, các kỹ sư ô tô đã không ngừng nghiên cứu, thiết kế, chế tạo ra các loại xe, các vật liệu, công nghệ mới, tiên tiến đáp ứng được nhu cầu của con người về sự an toàn, tiện nghi, tiết kiệm nhiên liệu và thân thiện với môi trường Trong xu thế phát triển ấy, ngày càng có nhiều trang thiết bị trên xe được chế tạo điều khiển bằng điện tử để đạt được độ chính xác, an toàn cao nhất như hệ thống điều khiển phanh ABS, hệ thống cân bằng điện tử ESP, hệ thống tự lái, tiết kiệm nhiên liệu Bên cạnh đó các vấn đề về an toàn cho con người cũng được chú tâm phát triển như hệ thống túi khí các hệ thống báo khoảng cách an toàn, hệ thống tự đổ xe

Theo Hiệp hội các nhà sản xuất ô tô Việt Nam (VAMA),tổng lượng bán ôtô mới trong tháng 3/2017 là 26.872 xe, tăng 52% so với tháng 2 trước đó và tăng 8% so với cùng kỳ năm ngoái Gộp chung lại trong Quý 1/2017, thị trường đã tiêu thụ 41.600 xe, tăng 8% so cùng kỳ năm trước Trước tình hình tăng nhanh của thị trường xe ô tô ở Việt Nam thì cũng đi kèm theo đó nhiều bất cập trong xã hội Theo nghiên cứu của Trung tâm

Nationnal Jewish Health, Mỹ, cho biết: “Thiếu ngủ là một trong những nguyên nhân chính gây tai nạn giao thông trên thế giới Ước tính khoảng 10-15% tai nạn xe có liên quan đến thiếu ngủ Nghiên cứu về giấc ngủ của các người lái xe 19 quốc gia châu Âu cho thấy tỷ lệ buồn ngủ khi lái xe cao, trung bình 17% Trong đó 10,8% người buồn ngủ khi lái xe ít nhất một lần trong tháng, 7% từng gây tai nạn giao thông do buồn ngủ, 18% suýt xảy ra tai nạn do buồn ngủ” Thực tế tại Việt Nam, theo thống kê về tai nạn giao thông của cục cảnh sát giao thông cho biết trong 7 tháng đầu năm 2015 có 12.910 vụ tai nạn giao thông, làm 5.167 người chết; 3.221 người bị thương nặng và 8.263 người bị thương nhẹ Trong số những tai nạn này, có những nguyên nhân gây tai nạn do người lái

xe thiếu ngủ Ngoài ra, những vụ tai nạn ở Việt Nam còn có những nguyên nhân khác như người lái xe đã uống rượu, bia trước khi lái xe, người lái xe không tập trung

Vì những lý do trên để góp một phần vào việc giảm thiểu tai nạn giao thông do người lái xe ngủ gật hay đang mất tập trung khi lái xe Người nghiên cứu đã nghiên cứu và phát triển demo 1 hệ thống kết hợp các chức năng trên Đó là lý do người nghiên cứu muốn đề

xuất đề tài “Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái

xe”

1.2 Đối tượng và phạm vi sử dụng

tô tải, hay xe khách đường dài cũng như là xe container Ngoài ra hệ thống có thể kế nối với máy tính chủ thông qua mạng Internet dùng trong việc kiểm tra người lái xe cho các hãng xe, các nhà xe lớn như Taxi…

1.3 Phân tích đánh giá các nghiên cứu của các tác giả trong và ngoài nước có liên quan đến đề tài

Hiện nay trong và ngoài nước đã có nhiều nhóm nghiên cứu và thực hiện đề tài cảnh báo ngủ gật cho người lái xe bằng các ngôn ngữ lập trình khác nhau như Rasppery, C++, PyThon, OpenCV… nhưng những nghiên cứu này chỉ mới dừng lại ở mức độ bản chạy demo ban đầu và chưa có hướng phát triển để có thể sử dụng rộng rãi trên xe Ở các hãng

xe lớn như Mercedes-Benz, BMW, Audi cũng đã phát triễn hệ thống tương tự và được gắn trên xe từ nhiều năm trước nhưng những hệ thống này lại được tích hợp vào với hệ thống của xe nên không thể tách rời và khó có thể được ứng dụng rộng rãi cho các xe thương mại như Toyota, Huyndai, KIA… đặt biệt là các xe khách chạy đường dài và xe Container ở Việt Nam cũng như các nước trên thế giới

1.4 Những vấn đề còn tồn tại và hướng khắc phục

Bản demo được lập trình trên nền tảng phần mềm LabVIEW nên để hoạt động được thì hệ thống cần được chạy trên một máy tính nhúng có cấu hình mạnh và để hệ thống có thể được ứng dụng trên xe thì cần có kích thước nhỏ gọn hơn bản demo và nhiều chức năng hơn nữa

Hệ thống thu nhận tín hiệu sử lý bằng cách sử dụng camera quan sát khuôn mặt người nên việc căn bằng ánh sáng là rất quan trọng, vì ánh sáng trong ô tô thay đổi liên tục trong

1 ngày nên việc căn bằng được ánh sáng tới camera vô cùng phức tạp cần nhiều thời gian

để nghiên cứu hơn Cần tối ưu camera bằng việc sử dụng camera hồng ngoại để có thể quan sát được vào ban đêm khi người lái xe tắt đèn trong xe

Điều chỉnh thời gian cảnh báo cho phù hợp với tốc độ xe chẳng hạn như xe chạy

40km/h thì thời gian cảnh báo là sau 4 giây, xe chạy với tốc độ lớn hơn 80km/h thì thời gian cảnh báo là 1 giây và chạy dưới 20km/h thì xe không cảnh báo buồn ngủ để tránh gây phiền phức cho người lái xe cũng như hành khách trên xe

Thuật toán nhận diện khuôn mặt là một phân khúc của trí tuệ nhân tạo (AI) vì vậy để sản phẩm được hoàn thiện và nhận dạng đúng hơn thì cần có thời gian nghiên cứu và phát triển hệ thống cùng với một nhóm chuyên về nghiên cứu trí tuệ nhân tạo

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1 Cơ sở lý thuyết, lý luận, giải thiết khoa học

2.1.1 Cơ sở lý thuyết, lý luận

Để thực hiện nghiên cứu về đề tài này, người nghiên cứu đã tìm hiểu về các hệ thống nhận diện khuôn mặt cùng các ứng dụng liên quan tới nhận diện khuôn mặt, các thư viện

mở để lập trình, sự phát triển của các ứng dụng liên quan đã được các hãng xe nỗi tiếng trên thế giới chế tạo và chạy thử trên xe từ đó rút ra được những ưu và nhược điểm, nhu cầu sử dụng hệ thống ở Việt Nam để tiến hành nghiên cứu và demo sản phẩm này

2.1.2 Giả thiết khoa học

Để đề tài được thực hiện thì việc nghiên cứu về các biểu hiện trên khuôn mặt người là rất quan trọng Các trạng thái khi người lái xe có biểu hiện của sự buồn ngủ như trạng thái nhắm mắt, thời gian nhắm mắt, hay cúi đầu khi buồn ngủ

Theo nghiên cứu, khi 1 người khi rơi vào trạng thái buồn ngủ thì thời gian chớp mắt thường kéo dài tầm 1,5 giây trở lên tùy theo mức độ buồn ngủ vì vậy để hệ thống có thể phát hiện được dấu hiệu này thì cần phải xác định được độ rộng của tròng mắt kết hợp với thời gian nhắm mắt và độ cúi đầu khi buồn ngủ…

Biểu hiện của sự mất tập trung lái xe như mặt quay đi hướng khác lớn hơn phạm vi được phép (góc quay mặt làm hạn chế tầm nhìn lái xe) trong 1 khoảng thời gian lâu

khoảng từ 5 giây trở lên thì được cho là người lái xe đang mất tập trung

Ngoài ra để hệ thống có thể cảnh báo 1 cách chính xác hơn và ít phát hiện nhầm thì cần kết hợp nhiều yếu tố khác như cơ mặt, mũi, miệng, các yếu tố bên ngoài như ánh sáng trong xe, tốc độ xe, mức độ dao động khi xe đang chạy… nhưng yếu tố đó khá phức tạp

và cần có thời gian dài nghiên cứu và lập trình nên hiện tại với bản demo này thì em chỉ dừng lại ở việc phát hiện bằng một số phương pháp như đã nêu ở trên

2.2 Phương pháp nghiên cứu

2.2.1 Lý thuyết về LabVIEW

LabVIEW (viết tắt của Laboratory Virtual Instrumentation Engineering Workbench) là môi trường ngôn ngữ đồ họa hiệu quả trong việc giao giữa con người, thuật toán với máy tính và các thiết bị Với giao diện dễ xử dụng, dễ học giúp cho người lập trình có thể dễ dàng thao tác hơn so với các ngôn ngữ lập trình khác

Hình 2.1 Giao diện LabVIEW Gọi LabVIEW là ngôn ngữ đồ họa hiệu quả vì về cách thức lập trình, LabVIEW khác với các ngôn ngữ C (hay Python, Basic, vv.) ở điểm thay vì sử dụng các từ vựng (từ khóa)

cố định thì LabVIEW sử dụng các khối hình ảnh sinh động và các dây nối để tạo ra các lệnh, các hàm một cách nhanh chống (hình 2.2)

Hình 2.2 Giao diện làm việc và code LabVIEW

Hình 2.3 Các hàm tính toán trong LabVIEW

Hình 2.4 Các hàm so sánh trong LabVIEW

Cũng chính vì sự khác biệt này mà LabVIEW đã giúp cho việc lập trình trở nên đơn giản hơn bao giờ hết, đặc biệt LabVIEW rất phù hợp đối với kỹ sư, nhà khoa học, hay giảng viên Chính sự đơn giản, dễ học, dễ nhớ đã giúp cho LabVIEW trở thành một trong những công cụ phổ biến trong các ứng dụng thu thập dữ liệu từ các cảm biến, phát triển các thuật toán, và điều khiển thiết bị tại các phòng thí nghiệm trên thế giới

Đồng thời, LabVIEW hỗ trợ các kỹ sư, nhà khoa học và sinh viên, vv xây dựng các thuật toán một cách nhanh, gọn, sáng tạo, và dễ hiễu nhờ các khối hình ảnh có tính gợi nhớ và cách thức hoạt động theo kiểu dòng dữ liệu lần lượt từ trái qua phải Các thuật toán này sau đó được áp dụng lên các mạch điện và cơ cấu chấp hành thực nhờ vào việc kết nối hệ thống thật với LabVIEW thông qua nhiều chuẩn giao tiếp như chuẩn giao tiếp RS232 (giao tiếp qua cổng COM), chuẩn USB, chuẩn giao tiếp mạng TCP/IP, UDP, chuẩn GPIB, Wifi, Bluetooth, TCP/IP, vv Vì vậy LabVIEW là một ngôn ngữ giao tiếp đa kênh LabVIEW hỗ trợ hầu hết các hệ điều hành (Windows (2000, XP, Vista,

Windows7), Linux, MacOS, Window Mobile, Window Embedded Hiện tại, LabVIEW

2017 là phiên bản mới nhất Một số phiên bản cũ của LabVIEW bao gồm 2015, 2014,

200, 8.6,8.5… Nhìn chung hai phiên bản kề nhau 2017 và 2016 không có sự khác nhau nhiều Tuy nhiên có sự khác biệt đáng kể giữa các bản LabVIEW 7.1, LabVIEW 8.5 và LabVIEW 2009

Hình 2.6 Ứng dụng LabVIEW trong ngành hàng không – vũ trụ

Hình 2.7 Ứng dụng LabVIEW trong công nghiệp tự động

Hình 2.8 Ứng dụng LabVIEW trong kỹ thuật Robotics

Hình 2.9 Ứng dụng LabVIEW trong giao thông vận tải

2.3 Xử lý ảnh – Những vấn đề cơ bản trong xử lý ảnh

2.3.1 Xử lý ảnh là gì?

Với con người, xử lý ảnh được thực hiện qua việc nhìn mọi vật bằng mắt và đưa hình ảnh đó về não bộ để xử lý từ đó có thể biết được thông tin từ hình ảnh và phân tích để đáp ứng các mong muốn của con người Thị giác máy tính cũng vậy, hình ảnh được thu thập

từ các camera sau đó đưa tín hiệu về máy tính xử lý từ đó có thể thực hiện được những yêu cầu mong muốn của con người

Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn Quá trình đầu ra của quá trình là một ảnh tốt hơn hoặc các thông tin về ảnh ở đầu vào

Hình 2.10 Quy trình xử lý ảnh Ảnh trong thực tế là một ảnh liên tục cả về không gian và giá trị độ sáng Để có thể xử

lý ảnh bằng máy tính thì cần thiết phải tiến hành số hóa ảnh Quá trình số hóa biến đổi các tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu và lượng tử hóa các thành phần giá trị mà về nguyên tắc mắt thường không thể phân biệt được hai điểm ảnh liền kề nhau Các điểm như vậy được gọi là các pixel hay cách gọi khác là điểm ảnh và mỗi điểm ảnh được sắp xếp ở một tọa độ nhất định trong mảng 2 chiều (n, p) với n là số dòng và p là số cột

2.3.1.1) Thu nhận ảnh (Image Acquisition)

Quá trình thu nhận ảnh được thực hiện bằng việc sử dụng camera để ghi hình Hình ảnh đưa về có thể là ảnh màu hoặc ảnh trắng đen và có độ phân giải (Resolution) khác nhau

2.3.1.2) Tiền xử lý (Inmage processing)

Sau khi thu hình, ảnh thường bị nhiễu do độ tương phản, cường độ ánh sáng của môi trường bên ngoài vì vậy cần đưa vào bộ tiền xử lý để giảm nhiễu và nâng cao chất lượng ảnh

2.3.1.3) Phân đoạn ảnh(Segmentation)

Phân vùng ảnh là tách một ảnh đầu vào thành các thành các vùng khác nhau trong 1 khung hình để biểu diễn, phân tích, nhận dạng ảnh Đây là công đoạn khó xử lý do bị nhiều yếu tố tác động từ môi trường, nếu không xử lý tốt cho hình ảnh thu về sẽ dễ gây ra lỗi, làm mất đi độ chính xác của ảnh và của nội dung cần kiểm tra Kết quả nhận dạng không mặt phụ thuộc rất nhiều vào công đoạn này

2.3.1.4) Biểu diễn ảnh (Image Representation)

Đầu ra của ảnh sau phân đoạn chứa các điểm ảnh cộng với mã liên kết với các vùng lân cận Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo bằng máy tính Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng gắn với việc tách các đặc tính của ảnh dưới dạng thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được

2.3.1.5) Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)

Nhận dạng là quá trình xác định ảnh Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được máy học từ trước Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng Ví dụ: một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại Có nhiều cách phân loai ảnh khác nhau về ảnh Theo lý thuyết

về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản: - Nhận dạng theo tham số - Nhận dạng theo cấu trúc Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: nhận dạng ký

tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản (Text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người…

2.3.2 Những vấn đề cơ bản trong xử lý ảnh

2.3.2.1) Điểm ảnh (Picture Element)

Điểm ảnh hay Pixel là một điểm vật lý trong một hình ảnh hoặc một khối màu là rất nhỏ và là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số Vị trí của một điểm ảnh tương ứng với tọa độ vật lý ITS,Pixel LCDđược sản xuất trong một mạng lưới hai chiều,

và được sử dụng dấu chấm hoặc đại diện hình vuông thông thường nhưng điểm ảnh CRT tương ứng với cơ chế thời gian của chúng và tỷ lệ quét Một Pixel không có kích thước cố định

Mỗi điểm ảnh là một mẫu của một hình ảnh ban đầu, nhiều điểm ảnh hơn thường cung cấp đại diện chính xác hơn của bản gốc Cường độ của mỗi điểm ảnh có thể thay đổi Hình ảnh trong hệ thống màu sắc, màu sắc thường là ba hoặc bốn đại diện trong cường độ

và màu đen Hầu hết các chương trình ứng dụng đồ họa đều diễn tả độ phân giải của hình ảnh bằng pixel dimensions - kích thước pixel với số đo chiều ngang đi trước

2.3.2.2) Độ phân giải (Resolution)

Độ phân giải là số lượng điểm ảnh trong một khung hình được hiển thị Hình ảnh có độ phân giải càng lớn càng cho hình rõ nét Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều

2.3.2.3) Mức xám của ảnh

a) Định nghĩa: Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị

số tại điểm đó

b) Các thang giá trị mức xám thông thường: 8, 16, 32, 64, 128, 256 (Mức 256 là mức

phổ dụng Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám: Mức xám dùng 1 byte biểu diễn: 28 =256 mức, tức là từ 0 đến 255)

c) Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở

các điểm ảnh có thể khác nhau

d) Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt tức dùng 1 bit mô tả 21 mức

khác nhau Nói cách khác: mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1

e) Ảnh màu: trong khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên thế giới

màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu: 28*3=224≈ 16,7 triệu màu

2.3.3 Xử lý ảnh trong LabVIEW

Trong LabVIEW, xử lý ảnh thường được thực hiện thông qua hai công cụ chính là NI Vision Acquisition và Vision Assistant (hình 2.8) Với hai công cụ này người lập trình có thể xử lập trình được rất nhiều bài toán trong thực tế

Với đề tài này ngoài việc xử dụng hai công cụ trên thì còn xử dụng thêm thư viện mở của OpenCVvà các công cụ xử lý ảnh khác để kết hợp tạo nên code nhận diện khuôn mặt

để đáp ứng được yêu cầu của đề tài

CHƯƠNG 3: THIẾT KẾ HỆ THỐNG NHẬN DẠNG KHUÔN MẶT

3.1 Phần cứng cần chuẩn bị

- 1 Camera logitech C270 (Hình 3.1)

- 1 Máy tính nhúng Intel Inside (Hình 3.2)

- 1 Loa Bluetooth Suntek JC-170 (Hình 3.3)

- 1 Pin sạc dự phòng (Hình 3.4)

- 1 Hộp đựng sản phẩm (Hình 3.5)

Hình 3.1 Camera Logitech C270

Hình 3.2 Máy tính nhúng Intel Inside

Hình 3.3 Loa Bluetooth Suntek JC-170