Báo cáo tóm tắt đề tài khoa học và công nghệ cấp Bộ: Nghiên cứu xây dựng hệ thống tự động nhận dạng và phân tích khuôn mặt sinh viên nhằm hỗ trợ việc học tập tương tác trong lớp học

Nghiên cứu xây dựng hệ thống tự động nhận dạng và phân tích khuôn mặt sinh viên nhằm hỗ trợ việc học tập tương tác trong lớp học

Tác giả: TS. Phạm Minh Tuấn

Lĩnh vực: Khoa học và Công nghệ

Nội dung tài liệu:

Đề tài tập trung vào việc xây dựng một hệ thống tự động nhận dạng và phân tích khuôn mặt sinh viên. Mục tiêu chính là hỗ trợ giáo viên trong việc đánh giá sinh viên thông qua việc điểm danh tự động. Hệ thống được thiết kế để nâng cao hiệu quả phát hiện và nhận dạng khuôn mặt trong thời gian thực, đặc biệt là với các biểu cảm đa dạng và ở nhiều góc nhìn khác nhau. Đề tài đã đề xuất phương pháp nhận dạng đối tượng với nhiều góc quay, cải tiến thuật toán Viola-Jones bằng cách sử dụng mẫu Haar-like số thực và áp dụng logic mờ trong quá trình huấn luyện để đạt được tốc độ và tỷ lệ nhận dạng cao. Nghiên cứu cũng đề cập đến các phương pháp học máy như PCA, PCR và các thuật toán phân loại yếu, mạnh.

Mục lục chi tiết:

• MỞ ĐẦU
• CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU
• 1.1 NHẬN DẠNG MẶT NGƯỜI
• 1.1.1 Khái niệm về nhận dạng mặt người
• 1.1.2 Các bước xây dựng hệ thống nhận dạng
• 1.2 HỌC MÁY
• 1.2.1 Khái niệm
• 1.2.2 Các phương pháp học máy
• 1.2.2.1 Học không giám sát
• 1.2.2.2 Học có giám sát
• 1.2.2.3 Học bán giám sát
• 1.3 KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG
• 1.3.1 Phân tích thành phần chính (PCA)
• 1.3.2 Phương pháp hồi quy thành phần chính (PCR)
• 1.4 THUẬT TOÁN VIOLA-JONES
• 1.4.1 Đặc trưng Haar-like
• 1.4.2 Bộ phân loại yếu
• 1.5 KẾT CHƯƠNG
• CHƯƠNG 2: XÂY DỰNG HỆ THỐNG VÀ PHƯƠNG PHÁP ĐỀ XUẤT
• 2.1 XÂY DỰNG HỆ THỐNG
• 2.1.1 Giới thiệu bài toán
• 2.2 PHƯƠNG PHÁP ĐỀ XUẤT
• 2.2.1 Đại số hình học bảo giác (CGA)
• 2.2.2 Phương pháp trích chọn đặc trưng dựa trên Đại số hình học bảo giác (CGA)
• 2.2.3 Phương pháp đề xuất cải tiến thuật toán Viola-Jones
• 2.2.3.1 Phương pháp mới trích xuất đặc trưng
• 2.2.3.2 Đánh giá Fuzzy Membership
• 2.2.3.2.1 Hàm thành viên Triangular
• 2.2.3.2.1 Hàm thành viên Gaussian
• 2.2.3.3 Áp dụng Fuzzy Membership cho thuật toán AdaBoost
• 2.2.3.2.1 Hàm thành viên Triangular
• 2.2.3.2.1 Hàm thành viên Gaussian
• 2.2 KẾT CHƯƠNG
• CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
• 3.1 MÔI TRƯỜNG THỰC NGHIỆM
• 3.1.1 Dữ liệu sử dụng
• 3.1.2 Môi trường triển khai
• 3.2 CÁC GIAI ĐOẠN THỰC NGHIỆM
• 3.2.1 Thực nghiệm với tập dữ liệu 2D
• 3.2.2 Thực nghiệm so sánh phương pháp đề xuất và thuật toán Viola-Jones
• 3.2.3 Kết quả thử nghiệm thực tế
• 3.3 KẾT CHƯƠNG
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN