XÂY DỰNG HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI THEO THỜI GIAN THỰC

Đoàn Chánh Tín1, Trần Thị Hoàng Oanh2, Nguyễn Duy Phương3,
1 Trường Cao đẳng Công nghệ Thủ Đức
2 Trường Đại học Kinh tế - Kỹ thuật Bình Dương
3 Trường Đại học Sài Gòn

Nội dung chính của bài viết

Tóm tắt

Hiện nay, hầu hết các công ty, xí nghiệp đều có hệ thống camera giám sát hoạt động 24/7, đồng nghĩa với việc phải có nhân viên túc trực để giám sát camera, điều này dẫn đến hao phí tài nguyên con người, và đôi khi do mệt mỏi hay sơ ý người nhân viên không quan sát camera thì có thể bỏ sót tội phạm. Điển hình là hàng loạt các vụ đột nhập vào hộ gia đình, cửa hàng, văn phòng… tuy được camera ghi nhận lại hình ảnh nhưng không có người phát hiện kịp thời, nên những tên tội phạm vẫn có thể ung dung hoạt động và trở ra an toàn. Đây chính là mặt hạn chế của hệ thống giám sát hiện nay.
Xuất phát từ thực tiễn đó, bài báo này nghiên cứu phát triển một hệ thống giám sát cảnh báo hoạt động hiệu quả hơn, chính xác hơn mà không cần có sự can thiệp của con người. Hệ thống hoạt động trên thời gian thực, giám sát liên tục và đồng thời phát hiện, nhận dạng nhiều đối tượng, phát hiện người lạ đi vào cơ quan.
Bài báo áp dụng những thành tựu khoa học kỹ thuật sẵn có như camera giám sát an ninh, kết hợp với kỹ thuật xử lý ảnh bằng thư viện thị giác máy tính mã nguồn mở OpenCV để xử lý hình ảnh thu nhận. Bài báo là sự kết hợp của những kiến thức cơ bản về xử lý ảnh số, lập trình Visual C++ với thư viện OpenCV

Chi tiết bài viết

Tài liệu tham khảo

[1] Trương Công Lợi, Nhận dạng khuôn mặt sử dụng phương pháp biến đổi Eigenfaces và mạng Nơron, NXB Đại học Đà Nẵng, 2013. [2] Mạch Thị Kim Hạnh, Xác thực sinh trắc học khuôn mặt trên thiết bị di động, NXB Đại học Lạc Hồng, 2013. [3] M. A. Turk và A. P. Pentland, “Face Recognition Using Eigenfaces”, Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, 1991.
[4] Shruti Sehgal, Harpreet Singh, Mohit Agarwal, V. Bhasker, Shantanu, “Data analysis using principal component analysis”, Proc. of IEEE, 2015. [5] Jolliffe, I.T., Principal Component Analysis, Second edition (Springer), 2008. [6] M. Turk and A. Pentland, “Eigenfaces for Recognition”, Journal of Cognitive Neuroscience, 1991. [7] Viola, P. and Jones, “Rapid object detection using a boosted cascade of simple features”, Proc. IEEE Conf. on Computer Vision and Pattern Recognition, Dec, 2001. [8] Face Detection using Haar Cascades, [9] Ahmed, N., Khan, F. A., Ullah, Z., Ahmed, H., Shahzad, T., & Ali, N., “Face Recognition Comparative Analysis Using Different Machine Learning Approaches”, Advances in Science and Technology Research Journal, 15(1), 265-272, 2021.
[10] Bahurupi, S. P., & Chaudhari, D. S., “Principal component analysis for face recognition”, International Journal of Engineering and Advanced Technology, 1(5), 91-94, 2012.