Nhận diện khuôn mặt và ứng dụng thực tế

7518
Con người rất giỏi việc nhận diện khuôn mặt và các hình mẫu phức tạp. Ngay cả khi một thời gian trôi qua vẫn không ảnh hưởng đến khả năng này và con người muốn máy tính trở nên mạnh mẽ như họ trong việc nhận diện khuôn mặt…
NEC, Facebook, Google, Microsoft và nhiều công ty lớn đang phát triển công nghệ nhận diện khuôn mặt dùng trong nhiều sản phẩm của họ.
Giới thiệu
Con người rất giỏi việc nhận diện khuôn mặt và các hình mẫu phức tạp. Ngay cả khi một thời gian trôi qua vẫn không ảnh hưởng đến khả năng này và con người muốn máy tính trở nên mạnh mẽ như họ trong việc nhận diện khuôn mặt.
Hơn một thập kỷ qua, có rất nhiều công trình nghiên cứu về bài toán xác định khuôn mặt người từ ảnh đen trắng, ảnh xám, đến ảnh màu. Các nghiên cứu đi từ bài toán đơn giản là ảnh chỉ chứa một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng, cho đến ảnh màu với nhiều khuôn mặt người trong cùng ảnh, khuôn mặt có quay một góc nhỏ, hay bị che khuất một phần, và với ảnh nền của ảnh phức tạp (ảnh chụp ngoài thiên nhiên) nhằm đáp ứng nhu cầu thật sự cần thiết của con người.
Bài toán xác định khuôn mặt người là một kỹ thuật máy tính để xác định các vị trí và các kích thước của khuôn mặt trong ảnh bất kỳ (ảnh kỹ thuật số). Kỹ thuật này nhận biết các đặt trưng khuôn mặt và bỏ qua những thứ khác như: toà nhà, cây cối, cơ thể…
Hệ thống nhận diện khuôn mặt có thể giúp:
  • Tra cứu thông tin tội phạm.
  • Giám sát bằng camera để phát hiện tội phạm tại các khu vực công cộng.
  • Tìm trẻ lạc dựa vào các camera đặt ở các nơi công cộng.
  • Phát hiện các nhân vật VIP đặt chân vào khách sạn.
  • Phát hiện tội phạm tại các nơi công cộng.
  • Có thể dùng trong khoa học để so sánh một thực thể với nhiều thực thể khác.
  • v/v….
Nhận diện khuôn mặt làm việc như thế nào?
Xác định và xác minh một người từ một ảnh kỹ thuật số hoặc một khung hình trong video.
Nhận diện khuôn mặt là tự động xác định (detection) khuôn mặt và nhận diện (recognition) một người cụ thể từ ảnh hoặc 1 đoạn video. Một trong những cách làm là so sánh đặc tính của khuôn mặt vớI những hình trong cơ sở dữ liệu.
Cho đến năm 2000, có rất nhiều kỹ thuật khác nhau để tìm khuôn mặt, nhưng tất cả đều hoặc chậm hoặc không tin tưởng hoặc cả hai.
Một sự thay đổi lớn vào năm 2001 khi Viola và Jones phát minh ra Haar-based cascade classifier dùng để xác định đối tượng, và vào năm 2002 nó được cải thiện bởi Lienhart và Maydt.
Kết quả là việc xác định đối tượng đã đủ nhanh (nhận diện real-time trên máy tính dùng web cam) và đủ tin tưởng (độ chính xác hơn 95%).
Có hai phương pháp tiếp cận với nhận dạng khuôn mặt là: Nhận dạng dựa trên đặc trưng của các phần tử trên khuôn mặt (Feature Based Face Recognition), và nhận dạng  dựa  trên  xét  tổng  thể  toàn  khuôn  mặt  (Appearance  Based  Face Recognition).
Các đặc trưng haar-like (haar-like features) là các hình chữ nhật được phân thành các vùng khác nhau.
Đầu tiên đưa ảnh về xám hóa (gray), sau đó cho các đặc trưng haar-like chạy khắp bức ảnh, những khu vực so sánh giống với nhiều đặc trưng haar-like nhất được đánh dấu lại.
Sau đây là 3 bước chính trong việc nhận diện khuôn mặt theo phương pháp haar-like
Bước 1. Phát hiện “vị trí của khuôn mặt”
Bước 2. Tìm “vị trí những điểm đặc trưng trên khuôn mặt”
Bước 3. Tìm kiếm và nhận diện khuôn mặt dựa trên các đặc trưng
Tại sao nhận diện khuôn mặt là việc khó?
Các yếu tố làm ảnh hưởng tới kết quả nhận dạng:
  • Ánh sáng: Ảnh kỹ thuật số biểu diễn cường độ sáng của đối tượng, do đó khi ánh sáng thay đổi, thông tin về đối tượng sẽ bị ảnh hưởng.
  • Cự ly của đối tượng so với camera: khoảng cách đối tượng so với camera sẽ xác định số pixel ảnh quy định nên khuôn mặt.
  • Cảm xúc biểu cảm trên khuôn mặt: các nét biểu cảm cảm xúc trên khuôn mặt gây ra nhiễu, việc loại nhiễu này vẫn chưa có phương pháp hiệu quả.
  • Tư thế đứng của đối tượng (nghiêng, xoay,…): tư thế của đối tượng sẽ xác định thông tin của đối tượng đó. Việc tư thế thay đổi quá lớn sẽ làm thay phần lớn thông tin về đối tượng, dẫn đến kết quả nhận dạng sai.
  • Trang phục của đối tượng: Kết quả nhận dạng có thể bị ảnh hưởng lớn nếu như  đối tượng có các trang phục khác biệt so với mẫu như đeo kính, đội mũ,…
Ứng dụng thực tế
Tại trung tâm nghiên cứu và phát triển (R&D) của FPT Telecom, chúng tôi đang ứng dụng công nghệ này cho dự án Workforce Attendance.  Dự án này là một phần của chương trình Workforce Management.
Workforce Management (WFM) là một tập hợp các quy trình mà một tổ chức sử dụng để tối ưu hóa năng suất làm việc của nhân viên trên từng cá nhân, phòng ban và toàn công ty.
Workforce Management (WFM) gồm các dự án:
  • Workforce Absence giúp quản lý việc xin nghỉ phép, đi làm trễ thay cho giấy tờ truyền thống
  • Workforce Scheduling giúp tạo lịch tự động và quản lý lịch làm việc của nhân viên
  • Workforce Mobility giúp người dùng trải nghiệm các tính năng trên các thiết bị di động
  • Workforce Performance giúp đánh giá năng suất làm việc của nhân viên
  • Workforce Payroll giúp tính lương dựa trên nhiều tiêu chí khác nhau
Dự án Workforce Attendance ứng dụng công nghệ nhận dạng khuôn mặt để điểm danh, chấm công nhân viên tại các trung tâm, phòng ban của công ty.
Quá trình nhận diện khuôn mặt được thực hiện trên máy chủ của công ty, và phần mềm vẫn hỗ trợ hoạt động offline khi có sự cố về mạng. Dữ liệu luôn được đồng bộ tập trung về máy chủ để lưu trữ và backup.
WFM đang được triển khai sử dụng cho hơn 13 trung tâm và phòng ban với hơn 2000 nhân viên của FPT Telecom đang sử dụng. Trong năm 2015 hệ thống cũng tiếp nhận gần 3000 yêu cầu xin nghỉ phép, đi làm trễ.
Hướng phát triển
Trong thời gian tới, RAD có kế hoạch phát triển công nghệ này thành hệ thống kiểm soát truy cập (access control) có khả năng giám sát chủ động theo thời gian thực tất cả các đối tượng ra vào 1 khu vực rộng lớn.
Công nghệ này cũng có thể được áp dụng để giải quyết bài toán kẹt xe bằng cách giám sát, kiểm soát lưu lượng xe lưu thông, mật độ xe để có thể đưa ra các cảnh báo, hướng dẫn quy hoạch đô thị.
Nguyễn Ngọc Đỉnh – FTEL
Tin liên quan: