CHƯƠNG 2. NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.6 Lưu đồ thuật toán
Nhận dạng khuôn mặt xác định người trên hình ảnh khuôn mặt hoặc khung video. Hệ thống nhận dạng khuôn mặt trích xuất các đặc điểm từ hình ảnh khuôn mặt đầu vào và so sánh chúng với các đặc điểm của khuôn mặt được gắn nhãn trong cơ sở dữ liệu. So sánh dựa trên số liệu về độ tương đồng của tính năng và nhãn của mục nhập cơ sở dữ liệu tương tự nhất được sử dụng để gắn nhãn cho hình ảnh đầu vào. Nếu giá trị tương tự dưới một ngưỡng nhất định, hình ảnh đầu vào sẽ được gắn nhãn là không xác định. So sánh hai hình ảnh khuôn mặt để xác định xem chúng có hiển thị cùng một người hay không được gọi là xác minh khuôn mặt.[2]
Danh sách biến:
Images []: Tập dữ liệu ảnh đầu vào.
CropImages []: Tập dữ liệu ảnh chứa khuôn mặt được cắt ra từ Images []
Label []: Danh sách nhãn cho từng khuôn mặt theo thứ tự của Image ImagesVector []: Tập dữ liệu đã được chuyển đổi từ ảnh sang vector-128d
InputImage: Ảnh đầu vào trong quá trình chạy được cắt ra từ camera hoặc video.
CropFaces []: Danh sách các khuôn mặt được cắt ra từ ảnh đầu vào.
CropVector []: Danh sách các vector 128d được chuyển đổi từ CropFaces.
knnThresh=0.2: Ngưỡng đặt cho thuật toán Knn với tiêu chí đánh giá cosine m_dThresh: Ngưỡng đặt cho thuật toán SSD xác định khuôn mặt
Cosine_Distance (currentFace, ImagesVector[j]): Dùng tiêu chuẩn cosine để đánh giá mức độ khác nhau giữa 2 vector
currentFace: Xét khuôn mặt hiện tại đang ở trong vòng lặp.
numberFaces: Số lượng khuôn mặt xác định được trong ảnh đầu vào
numberImageEncode: Số lượng khuôn mặt đã được chuyển đổi sang dạng vector 128d để dạy cho thuật toán.
Hình 2. 22 Lưu đồ thuật toán của hệ thống nhận diện khuôn mặt
Hình 2. 23 Sơ đồ thuật toán KNN (*) j: biến đếm dùng để duyệt số ảnh cho đã cho vào dạy
i: biến đếm dùng để duyệt số khuôn mặt có trong khung hình
nguoi_la: Biến trạng thái thể hiện là người lạ hay không. Nếu nguoi_la=1 thì đó là người lạ, nguoi_la=0 thì đó là người quen
Hình 2. 24 Sơ đồ hệ thống cảnh báo(**) Sơ đồ hệ thống cảnh báo :
mail_addr: Địa chỉ mail của ứng dụng mail_Password: Mật khẩu mai của ứng dụng mail_receiver_addr: mail của người dùng
port: cổng gửi mail đi. Đối với @gmail.com là 587
host = smtp.gmail.com: Xác thực SMTP, thường được viết tắt là SMTP AUTH, là một phần mở rộng của SMTP (Giao thức truyền thư đơn giản), theo đó ứng dụng khách SMTP có thể đăng nhập bằng cơ chế xác thực được chọn trong số các cơ chế được máy chủ SMTP hỗ trợ.
Nội dung mail :
Subject = “He thong canh bao an ninh VNUA”
Body = “Nguoi la xam nhap”
Attachment = imgPath: Gửi ảnh người lạ đi
2.8 Kết luận chương 2
Kết thúc chương 2, chúng ta đã xác định được rõ bài toàn cần giải quyết cũng như những yêu cầu cần phải đặt được từ độ chính xác, chất lượng hình ảnh, khoảng cách nhận diện, tốc độ di chuyển của đối tượng mà hệ thống vẫn có thể nhận diện được, đa dạng trong số lượng người có thể nhận diện trong một khung hình và tốc độ xử lý nhanh chóng, kịp thời gửi email cảnh báo tới người dùng. Từ đó xây dựng sơ đồ nguyên lý cho đề tài và phương pháp nghiên cứu bao gồm các thuật toán được sử dụng trong hệ thống nhận diện khuôn mặt như SSD, thuật toán KNN, SVM, phương pháp trích xuất khuôn mặt ra vecto và gửi mail trong C#.NET sử dụng SMTP. Cuối cùng ta thiết kế lưu đồ thuật toán cho hệ thống nhận diện khuôn mặt.
Đây chính là toàn bộ nội dung và phương pháp nghiên cứu để hoàn thiện và phát triển hệ thống nhận dạng khuôn mặt phục vụ giám sát an ninh.
Trong bài toán này, thuật toán SSD giúp phát hiện khuôn mặt và thể hiện bằng khung hình hiển thị ra. Hàm Loss dùng để xác định mô hình nhận dạng khuôn mặt SSD đã đủ tốt hay chưa thông qua việc xem xét tính hội tụ của hàm loss. Thuật toán KNN dùng để phân loại khuôn mặt và xác định người lạ hay người quen dựa vào ngưỡng. Còn thuật toán SVM trong ứng dụng này chỉ dùng để so sánh độ chính xác của việc phân loại khuôn mặt so với thuật toán KNN. SVM không hỗ trợ phân lớp người lạ và người quen (người quen là những người có khuôn mặt đã được dạy cho mô hình. Người lạ là khuôn mặt mới - không dạy cho mô hình)
Cuối cùng Tìm hiểu chương 3 để thấy được kết quả hoạt động của hệ thống và đánh giá giá trị thực tế của đề tài.