Hệ thống nhận diện khuôn mặt công nghệ và thuật toán sử dụng Để nhận diện khuôn mặt

Công nghệ và thuật toán sử dụng để nhận diện khuôn mặt: IV.. Giới thiệu:- Xác thực khuôn mặt là một phương pháp sinh trắc học sử dụng đặc điểm khuôn mặt để xác minh danh tính của một ngư

Hệ

Thống Nhận Diện

Khuôn Mặt

Nội dung trình bày

I Giới thiệu:

II Lịch sử phát triển:

III Công nghệ và thuật toán sử dụng để nhận diện khuôn mặt:

IV Tính năng nổi bật:

V Ưu điểm và hạn chế của nhận diện khuôn mặt:

VI Các ứng dụng thực tế:

I Giới thiệu

I Giới thiệu:

- Xác thực khuôn mặt là một phương pháp sinh trắc học sử dụng đặc điểm khuôn mặt để xác minh danh tính của một người Công nghệ này hoạt động bằng cách quét, phân tích và so sánh các đặc điểm khuôn mặt với dữ liệu đã lưu trữ trước đó

II Lịch sử phát

triển

1 Nguồn gốc:

- Xác thực khuôn mặt có nguồn gốc từ những nghiên cứu về nhận dạng mẫu

và sinh trắc học từ giữa thế kỷ 20

- Ý tưởng ban đầu xuất phát từ việc phân tích đặc điểm khuôn mặt để nhận diện danh tính, dựa trên các thông số như khoảng cách giữa mắt, mũi, miệng, v.v

197 0s

196

2 Giai đoạn phát triển:

Woody Bledsoe, Helen Chan Wolf và Charles Bisson nghiên cứu nhận dạng khuôn mặt bằng máy tính, sử dụng các điểm mốc trên khuôn mặt

Công nghệ bắt đầu sử dụng các thuật toán phân tích hình dạng khuôn mặt, nhưng còn hạn chế do khả năng xử lý của máy tính

Sự phát triển của AI và mạng nơ-ron giúp cải thiện độ chính xác của nhận diện khuôn mặt

sự kiện 11/9.

Facebook giới thiệu tính năng gắn thẻ tự động bằng nhận diện khuôn mặt

Apple mua lại công ty nhận diện khuôn mặt LuxVue, mở đường cho Face ID

Apple mua lại công ty nhận diện khuôn mặt LuxVue, mở đường cho Face ID.

2017

Apple ra mắt Face ID trên

iPhone X, đánh dấu bước tiến

III Công nghệ và các thuật toán nhận diện khuôn mặt

1 Công nghệ sử dụng: 2 Thuật toán:

Công nghệ

Xử lý hình ảnhHọc máyHọc sâuCảm biến 3D

Xử lý điểm ảnh hồng

ngoại

Thuật toán

EigenfacesFisherfaces

HOG (Histogram of Oriented

Gradients) Deep Learning với CNN (Convolutional Neural

Networks) LBPH (Local Binary Patterns

Histogram)

3

FaceNet:

a Giới thiệu về FaceNet:

- FaceNet là một mô hình Deep Learning dựa trên CNN (Convolutional Neural Network) do Google phát triển vào năm 2015 Nó giúp mã hóa khuôn mặt thành một vector nhúng trong không gian 128 chiều và sử dụng khoảng cách Euclidean để so sánh độ giống nhau giữa các khuôn mặt

b Cơ chế hoạt động của FaceNet:

- Bước 1: Tiền xử lý ảnh

- Bước 2: Mạng CNN trích xuất đặc trưng khuôn

mặt

- Bước 3: Sử dụng Triplet Loss để tối ưu hóa

- Bước 4: So sánh khuôn mặt bằng khoảng cách

Euclidean

- Bước 3: Sử dụng Triplet Loss để tối ưu hóa

- Bước 4: So sánh khuôn mặt bằng khoảng cách

Euclidean

c Ưu điểm của FaceNet:

- Độ chính xác cao (~99.63% trên tập dữ liệu LFW(Labeled Faces in the Wild))

- Không cần lưu ảnh gốc, chỉ lưu vector nhúng (tăng bảo mật)

- Nhanh và hiệu quả, chỉ cần so sánh khoảng cách Euclidean giữa các vector

- Hoạt động tốt trên dữ liệu lớn, có thể dùng cho hệ thống nhận diện quy

mô lớn

Thuật toán Cách hoạt động Độ chính xác (%) Ưu điểm Nhược điểm

Eigenfaces

(PCA)

Phân tích thành phần chính của khuôn mặt 80-85%

Dễ triển khai, nhanh

Không chính xác với ánh sáng và góc độ khác nhau

LBPH (Local

Binary Patterns

Histogram)

Phân tích kết cấu khuôn mặt 85-90%

Hoạt động tốt trên ảnh có độ phân giải thấp

Nhạy cảm với thay đổi ánh sáng

DeepFace

(Facebook)

Mạng CNN sâu để trích xuất đặc trưng khuôn mặt 95-98%

Nhận diện chính xác, hoạt động tốt trên hình ảnh thực tế

Đòi hỏi phần cứng mạnh

FaceNet

(Google)

Tạo vector 128 chiều và so sánh bằng khoảng cách Euclidean

99.63% Tốc độ cao, hoạt động tốt trên nhiều

điều kiện

Cần tập dữ liệu lớn

để huấn luyện

ArcFace Cải tiến FaceNet với hàm mất mát

tối ưu hơn 99.83%

Độ chính xác cao nhất, chống giả mạo tốt

Cần nhiều tài nguyên tính toán

Bảng so sánh các thuật toán nhận diện khuôn mặt

IV Tính năng nổi

bật

Phân tích và xác thực khuôn mặt trong vòng vài mili-giây.

Công nghệ 3D và AI giúp ngăn chặn giả mạo bằng ảnh hoặc video

Người dùng không cần chạm vào thiết bị, phù hợp với môi trường y tế

và công cộng

AI có thể cải thiện độ chính xác theo thời gian, ngay cả khi khuôn mặt thay đổi (đeo kính, râu, trang điểm)

V Ưu điểm và hạn chế của nhận diện khuôn

mặt

IV Ưu điểm và hạn chế của nhận diện khuôn

 Rủi ro quyền riêng tư

 Có thể bị vượt qua bởi giả mạo nâng cao

 Chi phí cao

VI Các ứng dụng

thực tế

V Ứng dụng thực

tế:

- Thiết bị di động: Face ID của Apple,

Face Unlock trên Android

- Thanh toán điện tử: WeChat Pay, Apple

Pay, Samsung Pay

- Kiểm soát ra vào: Cửa an ninh tại sân

bay, công ty, khách sạn

- Giám sát an ninh: Hệ thống camera

nhận diện tội phạm, theo dõi đối tượng

nguy hiểm

- Mạng xã hội: Facebook, Instagram dùng

AI để tự động gắn thẻ ảnh

- Hải quan và xuất nhập cảnh: Nhiều sân

bay sử dụng nhận diện khuôn mặt thay

cho hộ chiếu

Face ID trên iPhone

Hệ thống nhận diện khuôn mặt được ứng dụng để kiểm soát an ninh

Hệ thống nhận diện khuôn mặt được ứng dụng để kiểm soát an ninh Hệ thống nhận diện khuôn mặt được ứng dụng để chấm công

THANK YOU!

Thành viên nhóm

Lê Đăng Giáp

01

Nguyễn Đức Quân

02

Nguyễn Bá Thành

03