Xem mẫu
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
KẾT HỢP KỸ THUẬT XỬ LÝ ẢNH - THẺ RFID TRONG HỆ THỐNG
KIỂM SÓA T NGƯỜI VÀO RA CƠ QUAN
Hoàng Văn Dũng*, Đặng Văn Đạt,
Nguyễn Văn Nhân, Phonmela Tanvongphap
Trường Đại học Quảng Bình
*Tác giả liên lạc: zunghv@gmail.com
TÓM TẮT
Cùng với sự phát triển của trí tuệ nhân tạo, khoa học công nghệ và cuộc cách
mạng công nghiệp 4.0, việc ứng dụng các hệ thống thông minh cũng như các
công nghệ kỹ thuật cao phục vụ cuộc sống ngày càng phổ biến. Một hệ thống
thông minh sẽ mang lại nhiều lợi ích trong tự động hóa công việc, tối đa hóa thời
gian cũng như tăng năng suất lao động của con người. Bài viết trình bày một giải
pháp “Kết hợp kỹ thuật xử lý ảnh và thẻ RFID trong hệ thống kiểm sóa t người
vào ra cơ quan”. Trong giải pháp này chúng tôi nghiên cứu và xây dựng hệ thống
thông minh kết hợp hai công nghệ nhận dạng danh tính người qua khuôn mặt và
nhận dạng thẻ RFID trong việc giám sát, quản lý nhân viên khi vào ra cơ quan.
Hệ thống có kết nối với hệ cơ sở dữ liệu SQL Server nhằm lưu trữ kết nối và đảm
bảo tính đồng bộ so với các hệ thống quản lý giám sát thông thường. Khác với
các hệ thống an ninh dùng vân tay hay kiểm tra võng mạc, giải pháp đề xuất giúp
hạn chế tương tác của người vào ra cửa an ninh vì hệ thống nhận dạng danh tính
qua khuôn mặt tự động thu nhận hình ảnh và nhận dạng.
Từ khóa: Hệ thống giám sát, RFID, mạng neural sâu.
FUSION OF IMAGE PROCESSING TECHNIQUE AND RFID TAGS
FOR SURVEILLANCE SECURITY SYSTEMS
Hoang Van Dung*, Dang Van Dat,
Nguyen Van Nhan, Phonmela Tanvongphap
Quang Binh University
*Corresponding Author: zunghv@gmail.com
ABSTRACT
Nowadays, science and technology are growing rapidly, the fourth industrial
revolution especially. The field of the object recognition has achieved significant
result, and applied in many important tasks such as surveillance monitoring
systems, autonomous systems, human- machine interaction and so on. The
intelligent system based on deep learning technique is being used extensively in
today's life. A smart system brings to many benefits in living assistant systems.
This contribution presents a solution based on combination of facial recognition
and RF (radio frequency) ID (identification) tags for the office checkup task in
surveillance monitoring system (SMS). The SMS is constructed based on two
main techniques for building intelligent systems which consist of face recognition
technology and RFID tag recognition to monitor employee attendance when they
are entering or leaving the office. In this system, the deep neural network is
studied for face recognition.
Keywords: Surveillance monitoring system, RFID, deep neural network.
156
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
GIỚI THIỆU Từ thực tế đó, chúng tôi đã đề xuất giải
Hiện nay đã có một số công ty, nhà pháp kết hợp kỹ thuật xử lý ảnh nhận
khoa học nghiên cứu và ứng dụng một dạng mặt và thẻ RFID ứng dụng hệ
số hệ thống thông minh trong quá trình thống kiểm sóa t người vào ra cơ quan,
kiểm sóa t người vào ra. Các hệ thống nhằm mục đích nghiên cứu và xây
thường sử dụng các giải pháp như nhận dựng hệ thống thông minh kiểm sóa t
dạng dấu vân tay, nhận dạng thẻ từ... người vào ra cơ quan, khắc phục được
Tuy đã được áp dụng vào thực tế hai nhược điểm chính là tính linh hoạt
nhưng các hệ thống này còn tồn tại và bảo mật của hai hệ thống nhận dạng
nhiều hạn chế trong quá trình hoạt vân tay và thẻ từ. Kết quả nghiên cứu
động. Với hệ thống nhận dạng vân tay sẽ giúp chủ động trong việc nắm vững,
được áp dụng tại một số cơ quan, khi làm chủ công nghệ từ đó tạo ra một hệ
nhân viên vào ra cơ quan cần đến các thống thông minh, an toàn và chính
điểm quét vân tay cố định tạo sự bất xác.
tiện, chưa linh hoạt trong quá trình
kiểm tra xác minh. Hệ thống nhận dạng HỆ THỐNG RFID TRONG ĐỊNH
thẻ từ, bằng công nghệ nhận dạng bằng DANH
sóng vô tuyến hệ thống này tạo ra được Thiết bị đọc phát ra sóng điện từ ở tần
sự linh hoạt trong quá trình kiểm tra số nhất định qua ăng ten , khi thẻ từ
xác minh, tuy nhiên mức độ bảo mật nằm trong vùng phát sóng của thiết bị
không cao, chưa giải quyết được bài đọc, nó sẽ nhận được năng lượng và
tóa n khách sử dụng thẻ của nhân viên phát lại chính mã số của mình. Từ đó
để ra vào cơ quan. Một số hệ thống thiết bị đọc biết chính xác được thiết bị
khác do không đồng bộ hóa về dữ liệu, nào đang nằm trong vùng kiểm sóa t.
chưa tích hợp các tính năng trong kiểm Hầu hết các hệ thống RFID thường bố
tra, giám sát, đảm bảo tính an toàn bảo trí nhiều thiết bị đọc kết nối với một
mật và tiện dụng hoặc có sản phẩm giá máy tính trung tâm. Máy tính trung tâm
thành cao, các đơn vị sử dụng chưa làm có nhiệm vụ nhận dữ liệu từ thiết bị đọc
chủ được công nghệ, khó phát triển mở gửi về, phân tích, và thực thi các lệnh
rộng hệ thống vì phụ thuộc vào nhà có liên quan tới dữ liệu được lưu trữ
cung cấp dịch vụ. trong thẻ.
(a) Nguyên lý hoạt động của một hệ thống RFID
(b) Sơ đồ tổng thể nhận dạng danh tính bằng kỹ thuật xử lý ảnh
Hình 1. Nhận dạng người bằng cách kết hợp kỹ thuật xử lý ảnh và thẻ RFID
157
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
NHẬN DẠNG DANH TÍNH BẰNG Phương thức tiến hành
KỸ THUẬT HỌC SÂU Để xây dựng hệ thống kết hợp nhận
Sơ đồ tổng thể mô hình nhận dạng dạng mặt và thẻ RFID, chúng tôi đã
danh tính người được thể hiện trong viết mã nhúng cho mạch Arduino Uno
Hình 1(b). Quá trình huấn luyện mô R3 để truy xuất chuỗi thẻ RFID và
hình nhận dạng danh tính được thực trình điều khiển thiết bị phần cứng. ID
hiện thông qua các quá trình sau: Đầu trên thẻ RFID được xử lý, lưu trữ trên
tiên, chúng ta cần cung cấp hình ảnh SQL Server. Chúng tôi xây dựng cơ sở
đầu vào với mỗi hình ảnh chứa đối dữ liệu quản lý nhân viên thông qua mã
tượng khuôn mặt. Sau khi thu thập tập ID được cung cấp cho mỗi nhân viên
dữ liệu đầu vào, quá trình phát hiện sử dụng thẻ RFID và được đồng bộ lên
khuôn mặt trong hình ảnh được thực phần mềm trên Server. Đối với mỗi
hiện. Khi kết thúc phát hiện khuôn mặt nhân viên, chúng tôi thu thập hình ảnh
thu được hình ảnh căn chỉnh từ bộ dữ khuôn mặt nhằm tạo dữ liệu thực để
liệu hình ảnh đầu vào. Quá trình phát huấn luyện mô hình nhận dạng danh
hiện hoạt động liên tục đảm bảo rằng tính. Bằng cách áp dụng các kỹ thuật
tất cả các khuôn mặt được phát hiện học tập sâu và CNN, tiến hành huấn
trong hình ảnh theo thời gian. Một khi luyện và có được các ID khuôn mặt cho
các hình ảnh trên khuôn mặt được trích từng nhân viên. Xử lý mô hình nhận
xuất từ dữ liệu hình ảnh, các hình ảnh dạng các ID khuôn mặt và liên kết
sẽ được chuyển đến bộ tiền xử lý để chúng với cơ sở dữ liệu SQL Server.
thực hiện lọc nhiễu và chuẩn hóa hình Phương pháp liên kết với cơ sở dữ liệu
ảnh. Hoàn thành xử lý trước, hình ảnh SQL Server bằng ODBC, đây là cách
mặt được chuyển cho huấn luyện mạng chúng tôi sử dụng để liên kết dữ liệu
neural tích chập (CNN). Ở đây, bộ trong quá trình cập nhật.
nhận dạng danh tính được huấn luyện
trực tiếp thông qua lớp mô hình CNN. THỰC NGHIỆM VÀ ĐÁNH GIÁ
Sau khi huấn luyện qua các lớp, chúng Thu thập và xử lý dữ liệu
tôi thu được mô hình là bộ tham số Phần này chúng tôi thực nghiệm, kiểm
gồm các hàm truyền trong mạng tra độ chính xác của giải pháp nhận
neural, các bộ trọng số của hàm truyền dạng danh tính người trên 2 tập dữ liệu:
tương ứng. Các tham số và giá trị trọng Bộ dữ liệu tự tạo và bộ dữ liệu chuẩn
số được lưu trữ trong tệp mô hình huấn của nhóm nghiên cứu khác. Với bộ dữ
luyện làm cơ sở cho việc xác định và liệu tự tạo, thực hiện chụp ảnh trực tiếp
trích xuất nhãn của một người. người đó và thu thập các hình ảnh
khuôn mặt được thu thập bằng cách tải
PHƯƠNG PHÁP ĐỀ XUẤT xuống từ mạng xã hội. Bộ dữ liệu tự
Phương pháp dựa trên RFID và tạo gồm 600 ảnh tương ứng với 20
nhận diện danh tính qua ảnh khuôn người, mỗi người được lấy mẫu
mặt khoảng từ 20 đến 40 mẫu ảnh khuôn
Ý tưởng của phương pháp đề xuất dựa mặt. Ngoài ra, chúng tôi còn sử dụng
trên sự kết hợp của các thẻ RFID cho bộ dữ liệu mặt người Staffhome, được
nhận dạng đối tượng và nhiệm vụ nhận tạo lập bởi nhóm nghiên cứu Ajmal.
dạng khuôn mặt để xác nhận lại đối Dữ liệu ảnh khuôn mặt được chụp trực
tượng được chỉ định được thể hiện diện với các điều kiện ánh sáng khác
trong Hình 1. nhau. Ảnh được crop và chuẩn hóa sao
158
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
cho mẫu ảnh vừa chứa đủ khuôn mặt. hiện mặt người và thực hiện nhận dạng
Mục đích của nhóm thực hiện tạo dữ danh tính. Nếu kết quả nhận dạng
liệu nhằm mục đích phục vụ cho việc người đó có trong cơ sở dữ liệu với độ
định danh mặt và tái tạo khuôn mặt. chắc chắn cao thì cửa an ninh sẽ được
Tập dữ liệu Staffhome gồm 3.450 mẫu mở và ghi nhận mỗi lượt vào/ra. Nếu
khuôn mặt của 88 người khác nhau. kết quả nhận dạng có độ chắc chắn
Mỗi người được lấy mẫu khoảng từ 24 không cao thì yêu cầu người đó phải
đến 48 mẫu ảnh khuôn mặt. dùng thẻ RFDI để định danh. Kết quả
Trong dữ liệu, mỗi ảnh tương ứng với kiểm tra nếu danh tính từ 2 module là
mỗi mặt người, dữ liệu được chỉ định phù hợp với nhau thì cửa an ninh được
trong thư mục cá nhân. Danh tính được mở và ghi nhận mỗi lượt vào/ra.
đặt giống với tên thư mục của tập dữ Trường hợp danh tính từ 2 module
liệu hình ảnh có chứa khuôn mặt của không trùng khớp với nhau hoặc không
người đó. Để đánh giá phương pháp nhận dạng ra được hệ thống sẽ báo với
được đề xuất, các bộ dữ liệu hình ảnh nhân viên trực an ninh để xử lý.
huấn luyện và đánh giá được tạo ra
bằng cách xử lý thủ công. Trong ứng KẾT QUẢ THỰC NGHIỆM
dụng của chúng tôi, camera an ninh Đánh giá trên bộ dữ liệu sinh viên tự
được đặt cố định, do đó tập dữ liệu tạo
huấn luyện cũng được tạo ra trong Đánh giá độ chính xác của giải pháp
cùng một tình huống với ứng dụng nhận dạng mặt sử dụng kỹ thuật học
thực tế. sâu với hai giải pháp nhận dạng mặt
Phần cứng và môi trường lập trình PCA và LBP. Sau mỗi lần kiểm tra cho
Để thực hiện thí nghiệm này, chúng tôi từng hình ảnh nhận dạng không chính
đã sử dụng một đầu đọc thẻ RFID xác, chúng tôi tiến hành điều chỉnh tập
MFRC522 và một bảng mạch Arduino dữ liệu huấn luyện và đo lường độ
Uno R3. Môi trường lập trình cho thẻ chính xác cho lần thử tiếp theo. Kết quả
RFID là công cụ Arduino để viết mã cho thấy phương pháp đề xuất sử dụng
cho chip điều khiển trên đầu đọc RFID. kỹ thuật deep learning trong nhận dạng
Mã nhận dạng thẻ RFID được triển mặt có độ chính xác vượt trội hơn từ 10
khai trên công cụ Visual Studio và – 12 % so với hai giải pháp PCA và
quản trị cơ sở dữ liệu máy chủ SQL. LBP. Lần thử nghiệm tốt nhất là 95,3%
Quá trình hoạt động của hệ thống cho thấy độ chính xác đạt mức cao và
Khi một người đi qua cửa an ninh, hệ có thể áp dụng vào các ứng dụng thực
thống xử lý ảnh thu nhận hình ảnh, phát tế trong cuộc sống.
Bảng 1. Đánh giá so sánh giải pháp đề xuất với hai phương pháp PCA và LBP
Số Số mẫu nhận Số mẫu nhận Độ chính
Lần thử Phương pháp
mẫu dạng đúng dạng sai xác (%)
PCA 1200 1021 179 85,03
LBP 1200 1024 176 85,33
3
Giải pháp đề 1200 1144 56 95,30
xuất
Đánh giá trên bộ dữ liệu Staffhome cho huấn luyện và khoảng 40% cho
Trong thực nghiệm này, chúng tôi sử đánh giá kiểm tra. Giải pháp nhận dạng
dụng khoảng 60% mẫu của mỗi loại danh tính người dựa vào học sâu được
159
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
đánh giá so sánh với phương pháp hợp giữa công nghệ nhận dạng khuôn
HOG+SVM. Kết quả thực nghiệm cho mặt và thẻ RFID mang lại độ tin cậy
kết quả giải pháp đề xuất đạt độ chính cao hơn so với các giải pháp thông
xác 98.99% cao hơn so với 98.84% thường nhờ vào quá trình xác minh qua
theo phương pháp HOG+SVM. hai bước nhận dạng thẻ RFID và nhận
dạng mặt người. Bên cạnh đó, giải
KẾT LUẬN pháp đề xuất ngoài việc đảm bảo công
Trong nghiên cứu này, chúng tôi đã tác an ninh, theo dõi quá trình vào ra
trình bày giải pháp kết hợp kỹ thuật xử cơ quan chính xác còn mạng lại sự
lý ảnh và thẻ RFID ứng dụng trong hệ thuận lợi, thoải mái cho nhân viên,
thống kiểm sóa t người vào ra cơ quan. khách giao dịch khi hạn chế tối đa lúc
Các quá trình hoạt động hệ thống được đi qua cổng an ninh phải sử dụng kiểm
lưu trữ trong hệ quản trị CSDL SQL tra thẻ vì đã được thực hiện qua hệ
Server đảm bảo tính an toàn và đồng thống nhận dạng danh tính thông qua
bộ. Giải pháp của chúng tôi có sự kết hình ảnh mặt được ghi lại bởi camera.
TÀI LIỆU THAM KHẢO
F. SCHROFF, D. KALENICHENKO, AND J. PHILBIN. Facenet: A unified
embedding for face recognition and clustering. In Proc. CVPR, 2015.
K. SIMONYAN AND A. ZISSERMAN. Very deep convolutional networks for
large-scale image recognition. Preprint arXiv:1409.1556, 2014.
M. A. NIELSEN (2013). Neural Networks And Deep Learning. Determination
Press.
O. BARKAN, J. WEILL, L. WOLF, H. ARONOWITZ. Fast high dimensional
vector multiplication face recognition. Proc. IEEE Int. Conf. Comput. Vis.
(ICCV), pp. 1960-1967, Dec. 2013.
O. M. PARKHI, ANDREA VEDALDI, ANDREW ZISSERMAN. Deep Face
Recognition. BMVC, 2015.
160
nguon tai.lieu . vn