Luận văn Hệ thống điểm danh tự động học sinh Trung học phổ thông qua camera trong lớp học

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM THÀNH PHỐ HỒ CHÍ MINH

Nguyễn Thị Sen

HỆ THỐNG ĐIỂM DANH TỰ ĐỘNG

HỌC SINH TRUNG HỌC PHỔ THÔNG

QUA CAMERA TRONG LỚP HỌC

LUẬN VĂN THẠC SĨ MÁY TÍNH

Thành phố Hồ Chí Minh - 2018

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM THÀNH PHỐ HỒ CHÍ MINH

Nguyễn Thị Sen

HỆ THỐNG ĐIỂM DANH TỰ ĐỘNG

HỌC SINH TRUNG HỌC PHỔ THÔNG

QUA CAMERA TRONG LỚP HỌC

Chuyên ngành : Khoa học máy tính

Mã số

: 8480101

LUẬN VĂN THẠC SĨ MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS. PHẠM THẾ BẢO

Thành phố Hồ Chí Minh - 2018

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của bản thân tôi dưới sự

hướng dẫn khoa học của PGS.TS. Phạm Thế Bảo. Các thông tin và số liệu của

luận văn có nguồn gốc rõ ràng, cụ thể, các trích dẫn theo đúng quy định.

Kết quả nghiên cứu của luận văn hoàn toàn trung thực, khách quan và

chưa từng được sử dụng hay công bố trong bất kỳ công trình nghiên cứu nào

khác.

Thành phố Hồ Chí Minh tháng 9 năm 2018

Học viên

Nguyễn Thị Sen

LỜI CẢM ƠN

Lời đầu tiên, tôi xin bày tỏ lòng biết ơn chân thành và sâu sắc nhất đến

Thầy PGS.TS. Phạm Thế Bảo - giảng viên hướng dẫn luận văn. Trong quá trình

tìm hiểu và nghiên cứu đề tài, tôi đã gặp rất nhiều khó khăn nhưng nhờ Thầy

luôn động viên, hết lòng hướng dẫn và giúp đỡ nên tôi đã hoàn thành luận văn

này.

Tôi cũng xin gửi lời cảm ơn chân thành đến quý Thầy/Cô – Trường Đại

học Sư phạm Thành phố Hồ Chí Minh đã tận tâm dạy dỗ và truyền đạt những

kiến thức quý báu trong quá trình học tập. Đồng thời, tôi cũng xin cảm ơn

thầy/cô Khoa Công nghệ Thông tin và Phòng Sau Đại học đã hỗ trợ và tạo điều

kiện cho tôi trong thời gian qua.

Cuối cùng, tôi xin bày tỏ lòng biết ơn đến gia đình, trường THPT Vũng

Tàu – nơi tôi đang công tác, đã luôn động viên và giúp đỡ tôi trong suốt quá

trình học tập cũng như thực hiện luận văn.

Thành phố Hồ Chí Minh tháng 9 năm 2018

Học viên thực hiện

Nguyễn Thị Sen

MỤC LỤC

Trang

Trang phụ bìa

Lời cam đoan

Lời cảm ơn

Mục lục

Danh mục thuật ngữ và viết tắt

Danh mục các bảng

Danh mục hình vẽ, biểu đồ

Chương 1. GI Ớ I THI Ệ U ..................................................................... 1

1.1. Đặ t v ấn đề ...................................................................................... 1

1.2. M ục tiêu củ a lu ận văn ................................................................... 2

1.3. N ộ i dung th ự c hi ệ n........................................................................ 2

1.4. Nh ững khó khăn thách thứ c .......................................................... 3

1.5. Các hướ ng ti ế p c ậ n........................................................................ 4

1.6. Hướ ng gi ả i quy ế t........................................................................... 8

1.7. B ố c ụ c lu ận vă n ............................................................................. 8

Chương 2. CƠ SỞ LÝ THUYẾ T ..................................................... 10

2.1. M ạng nơ -ron nhân tạ o ................................................................. 10

2.1.1. C ấu trúc củ a m ạng nơ -ron .................................................... 10

2.1.2. M ộ t s ố d ạ ng m ạng nơ -ron..................................................... 14

2.1.3. Quá trình họ c c ủ a m ạng nơ -ro n ............................................ 14

2.1.4. M ạng nơ -ron nhân tạ o trong x ử lí ả nh.................................. 14

2.2. M ạng nơ -ron tích chậ p ................................................................ 15

2.2.1. Tích chậ p............................................................................... 16

2.2.2. L ớ p h àm kích hoạ t ................................................................ 17

2.2.3. L ớ p t ổ ng h ợ p......................................................................... 18

2.2.4. L ớ p k ế t n ối đầy đ ủ ................................................................ 19

2.2.5. Nguyên lý hoạt độ ng c ủ a m ạng nơ -ron tích chậ p................. 19

2.3. Mô hình YOL O ........................................................................... 20

2.3.1. C ấu trúc mạ ng YOLO........................................................... 22

2.3.2. Nguyên tắ c ho ạt độ ng c ủ a YOLO ........................................ 23

2.3.3. Quá trình huấ n luy ệ n c ủ a YOLO.......................................... 24

2.4. L ọ c theo m ức độ tương quan của hàm nhâ n ............................... 27

2.4.1. Các vấn đề liên quan ............................................................. 29

2.4.2. Phương pháp theo dõi đối tượ ng b ằ ng l ọ c theo m ức độ tương

quan c ủa hàm nhân ............................................................... 31

Chương 3. XÂY DỰ NG THU ẬT TOÁN ......................................... 40

3.1. Phát hiện đối tượng đầ u h ọ c sin h ................................................ 41

3.2. Theo v ế t chuy ển động đầ u h ọ c sinh trong l ớ p h ọ c ..................... 44

3.3. Xác đị nh v ị trí đầ u h ọ c sinh d ựa trên trung bình ........................ 46

3.4. Điể m danh h ọ c sinh..................................................................... 47

Chương 4. K Ế T QU Ả TH Ự C NGHI ỆM VÀ HƯỚNG PHÁT

TRI Ể N .............................................................................. 49

4.1. Môi trườ ng th ự c nghi ệ m ............................................................. 49

4.2. Xây dự ng d ữ li ệ u......................................................................... 49

4.3. K ế t qu ả ........................................................................................ 49

4.3.1. Th ờ i gian th ự c hi ệ n ............................................................... 49

4.3.2. Phát hiện đối tượng đầ u h ọ c sinh.......................................... 50

4.3.3. Xác đị nh v ị trí đối tượng đầ u h ọ c sinh ................................. 52

4.4. Đánh giá ...................................................................................... 53

4.4.1. Ưu điể m ................................................................................ 53

4.4.2. Nhược đ i ể m........................................................................... 54

4.5. Hướng phát triể n ......................................................................... 59

TÀI LIỆ U KHAM KH Ả O .................................................................... 60

DANH MỤC THUẬT NGỮ VÀ VIẾT TẮT

Trung học phổ thông

THPT

TP

Thành Phố

CNN

Convolution Neural Network

You Only Look Once

YOLO

YOLO v1

YOLO v2

YOLO v3

EFK

You Only Look Once version 1

You Only Look Once version 2

You Only Look Once version 3

Extended Kalman Filter

UKF

Unscented Kalman Filter

DL

Deep Learning

ANN

Artificial Neural Network

DBN

Deep Belief Network

CNN

Convolutional Neural Network

Recurrent Neural Network

Regions with Convolutional Neural Network

Rectified Linear Unit

RNN

R-CNN

RELU

IOU

Intersection Over Union

DCF

Discriminatively Correlation Filters

Spatially Regularized Discriminatively Correlation Filters

Kernelized Correlation Filter

Tracking-Learning-Detection

Minimum Output Sum of Squared Error

Histogram of Oriented Gradients

Discrete Fourier Transform

Red, Green and Blue

SRDCF

KCF

TLD

MOSSE

HOG

DFT

RGB

DANH MỤC HÌNH VẼ, BIỂU ĐỒ

Hình 2.1. Cấu trúc một nơ ron ................................................................ 11

Hình 2.2. Cấu trúc nơ -ron đầy đủ 3 t ầ ng ................................................ 11

Hình 2.3. Cấu trúc nơ -ron đầy đủ có nhiề u t ầ ng..................................... 12

Hình 2.4. Cấu trúc nơ -ron không có tầ ng ẩ n........................................... 13

Hình 2.5. Mô hình CNN .......................................................................... 16

Hình 2.6. Phương pháp tích chậ p............................................................ 17

Hình 2.7. Tính toán với phương pháp MaxPoolin g ................................ 19

Hình 2.8. Nguyên lý hoạt độ ng c ủ a m ạng nơ -ron tích chậ p ................... 20

Hình 2.9. Hệ th ống phát hiện đối tượ ng d ựa vào YOLO ........................ 21

Hình 2.10. Mạng phát hiện đối tượng có 24 lớp tích chập và 2 lớ p k ế t

n ối đầy đủ .............................................................................. 23

Hình 2.11. Mô hình phát hiện đối tượ ng b ằng phương pháp hồ i quy .... 25

Hình 2.12. Các mẫ u hu ấ n luy ện thu đượ c b ằng cách thay đổ i theo chu

k ỳ c ủ a m ộ t m ẫu cơ sở không thể đạ i di ệ n cho n ội dung hình

ảnh đúng cách. ...................................................................... 29

Hình 2.13. Ma trậ n chu ẩn hóa không gian.............................................. 35

Hình 2.14. Sơ đồ thu ật toán lọ c theo m ức độ tương quan ...................... 39

Hình 3.1. Mô hình mô tả ho ạt động bài toán .......................................... 40

Hình 4.1. Phát hiệ n nhi ề u bao biên trên một đối tượ ng ở m ộ t frame ..... 54

Hình 4.2. Phát hiệ n nhi ều bao biên trên một đối tượ ng ở frame sau so

v ới hình 4.1 ............................................................................. 55

Hình 4.3. Kế t qu ả thu ật toán 2 ................................................................ 55

Hình 4.4. Không thể phát hiện do quá ít thông tin .................................. 56

Hình 4.5. Có đối tượ ng b ị v ậ t th ể che khu ấ t ........................................... 56

Hình 4.6. Các bao biên đối tượ ng b ị sai.................................................. 57

Hình 4.7. Frame đầu tiên củ a video ........................................................ 57

1

Chương 1. GIỚI THIỆU

Chương 1 luận văn sẽ trình bày tổng quan bài toán “Hệ thống điểm

danh tự động học sinh THPT qua camera trong lớp học”.

1.1. Đặt vấn đề

Ngày nay công nghệ thông tin phát triển không ngừng, điều này đồng

nghĩa với sự phát triển song hành các thiết bị phần cứng lẫn phần mềm đáp ứng

nhu cầu con người ngày càng cao và phức tạp. Trong đó phải kể đến sự phát

triển của các thiết bị thu nhận hình ảnh từ thế giới thực, chẳng hạn như các hệ

thống giám sát bằng camera và hệ thống giám sát này xuất hiện khắp nơi: nhà

riêng, đường phố, siêu thị, cửa hàng, cơ quan, trường học,… [1]-[3].

Thông qua thiết bị thu nhận hình ảnh này nhu cầu khai thác của con người

ở mỗi lĩnh vực khác nhau sẽ có nhu cầu khác nhau, có rất nhiều bài toán được

đặt ra đòi hỏi phải xử lí các hình ảnh thu nhận được từ hệ thống giám sát [3].

Chẳng hạn như: Các hệ thống giám sát của một ngân hàng nhằm phát hiện các

hành vi khả nghi của tội phạm; Hệ thống giám sát ngoài đường phố nhằm phát

hiện tội phạm, những người vi phạm luật giao thông; Hệ thống giám sát tại siêu

thị, cửa hàng để chống trộm cắp,… Mỗi bài toán sẽ cần những thuật toán –

phương pháp xử lý khác nhau để đạt hiệu quả tốt cho từng môi trường khác

nhau.

Hiện nay tại các trường học đã và đang sử dụng hệ thống giám sát thông

qua camera gắn cố định trong phòng học nhằm quản lí nền nếp và hỗ trợ điểm

danh cả học sinh lẫn giáo viên trong quá trình diễn ra tiết học tránh tình trạng

học sinh trốn tiết học. Cụ thể, tôi đã khảo sát một số trường THPT tại Thành

phố Vũng Tàu có sử dụng camera giám sát trong lớp học cũng với mục đích

tương tự.

2

Sau khi các trường đầu tư một khoản kinh phí rất lớn để trang bị các thiết

bị cần thiết thì việc quản lí và khai thác các thiết bị cũng gặp rất nhiều khó

khăn. Nhân viên hoặc giáo viên được phân công trong nhiệm vụ trực giám sát

camera phải thường xuyên thay đổi kích thước hiển thị màn hình để kiểm tra sĩ

số học sinh khi bắt đầu mỗi tiết học và trực cả buổi học để làm công việc này,

một công việc đòi hỏi mất rất nhiều thời gian và kinh phí lẫn sức khỏe.

Hiện nay, trên thị trường có nhiều loại thiết bị hỗ trợ điểm danh như: quét

vân tay, hay quẹt thẻ từ … [4] , [5]. Tuy nhiên, các giải pháp trên rất khó để

ứng dụng trong trường học; đặc biệt là ở trường THPT với đặc thù của học sinh

chưa tự giác (quẹt thẻ giùm), tạo ùn tắc (khi quét vân tay) hay dễ hư hỏng.

Từ bài toán thực tế của các trường THPT thành phố Vũng Tàu tôi nghiên

cứu “Hệ thống điểm danh tự động học sinh THPT qua camera trong lớp học”

để có thể áp dụng mang lại hiệu quả cao với trang thiết bị đã có sẵn của các

trường.

1.2. Mục tiêu của luận văn

+ Nghiên cứu mạng Nơ-ron tích chập (Convolution Neural Network -

CNN), mà cụ thể là YOLO v2 (You Only Look Once - YOLO) ứng dụng trong

bài toán.

+ Nghiên cứu bài toán theo vết đối tượng.

+ Xây dựng các thuật giải với dữ liệu tại một trường THPT.

1.3. Nội dung thực hiện

Để có thể giải quyết được bài toán điểm danh học sinh trong trường THPT

thông qua camera được lắp đặt tại lớp, chúng tôi cần giải quyết các bài toán:

 Xác định đầu học sinh trong các frame ảnh, để xác định đối tượng

người – mà cụ thể là học sinh trong lớp thì có nhiều phương pháp như: xác định

người, xác định khuôn mặt, … Nhưng vì camera được lắp đặt trong phòng học

thường cao hơn đầu của học sinh nhiều nên việc xác định khuôn mặt sẽ rất khó,

3

không những vậy việc xác định người bằng các phương pháp cũng rất khó. Từ

đây chúng tôi đề xuất xác định vị trí trong ảnh có vùng đầu của học sinh để làm

tiền đề cho bài toán điểm danh.

 Trong quá trình dữ liệu lấy từ camera sẽ có những học sinh luôn

di chuyển vì thế chúng tôi sẽ bắt đầu xác định vị trí đầu của học sinh khi giáo

viên bắt đầu vào lớp và học sinh đứng lên chào giáo viên. Trong khoảng thời

gian này vẫn sẽ có những học sinh chuyển động đầu và thân thể; nhưng không

đáng kể; và vì có chuyển động nên có thể đường biên đầu học sinh này chồng

lắp đầu học sinh khác. Để giả quyết vấn đề này chúng tôi sẽ xác định vị trí đầu

học sinh trong nhiều frame của một đoạn video dữ liệu từ camera rồi tổng hợp

để có kết quả tốt nhất về vị trí đầu của học sinh trong lớp học.

 Vì học sinh có thể di chuyển đầu trong quá trình xác định đầu nên

chúng tôi cần tìm được tâm vùng đầu của từng học sinh trong lớp ở video, nếu

chúng ta xác định đầu trong tất cả các frame của video thì sẽ mất nhiều thời

gian nên rất khó để áp dụng vào thực tế, nên chúng tôi sẽ đề xuất dùng phương

pháp theo vết chuyển động của đối tượng đầu học sinh để tìm được các vùng

tâm của từng học sinh.

 Từ dữ liệu này, chúng tôi sẽ tìm vị trí trung bình của vùng đầu

từng học sinh của lớp học. Sau đó chúng tôi sẽ chiếu vị trí trung bình này xuống

sơ đồ lớp học để có thể điểm danh tất cả học sinh của lớp.

1.4. Những khó khăn thách thức

Trong quá trình khảo sát và thu thập dữ liệu tại một số trường THPT tại

TP Vũng Tàu tôi nhận thấy có những khó khăn thách thức:

 Chất lượng hình ảnh phụ thuộc cơ sở vật chất của trường vì phụ

thuộc vào kinh phí và thời điểm lắp đặt camera.

4

 Các yếu tố ảnh hưởng đến chất lượng video: ánh sáng, thời tiết…

gây nhiễu làm hình ảnh không rõ nét. Các thành phần khác trong phòng học

làm che khuất các đối tượng muốn theo dõi như quạt, rèm cửa,…

 Vị trí đặt camera giám sát cũng ảnh hưởng một phần không nhỏ

đến dữ liệu muốn thu thập.

1.5. Các hướng tiếp cận

Để giải quyết bài toán điểm danh học sinh trong lớp học thông qua camera

được lắp đặt trong lớp học, chúng ta cần giải quyết từng bài toán đó là: phát

hiện đầu, theo vết chuyển động đầu, tìm vị trí trung bình đầu, chiếu vị trí trung

bình vào sơ đồ lớp học.

a. Phát hiện chuyển động của đối tượng đầu học sinh trong lớp học

Phát hiện đối tượng đầu học sinh trong lớp học là bài toán xác định đối

tượng trong video và cần xác minh sự hiện diện của các đối tượng trong chuỗi

ảnh và cũng có thể định vị chính xác. Các hệ thống theo dõi đối tượng thường

bắt đầu bằng quá trình phát hiện đối tượng, ngoài ra phát hiện đối tượng được

lặp lại trong chuỗi ảnh sẽ cần thiết cho việc hỗ trợ và xác minh cho quá trình

theo vết đối tượng.

Một số cách tiếp cận phát hiện đối tượng:

 Phát hiện đối tượng dựa trên đặc trưng

Tùy vào đặc trưng được chọn, ta có các cách tiếp cận khác nhau như: dựa

trên hình dáng, dựa trên màu sắc [6], [7]. Trong đó, cách tiếp cận dựa trên màu

sắc được xem là thông dụng nhất vì đặc trưng màu sắc thì dễ dàng lấy được và

chi phí tính toán thấp.

5

 Phát hiện đối tượng dựa trên mẫu

Nếu như có một mẫu mô tả đối tượng, thì việc phát hiện đối tượng trở

thành quá trình so khớp các đặc trưng giữa mẫu và chuỗi ảnh dưới sự phân tích,

xác định xem mẫu có xuất hiện trong hình hay không, nếu có khoanh vùng khu

vực tương ứng. Có hai kiểu so khớp mẫu, so khớp mẫu cố định và so khớp mẫu

biến dạng [8].

Phát hiện đối tượng với việc so khớp chính xác thường tốn nhiều chi phí

và chất lượng so khớp phụ thuộc vào chi tiết và mức độ chính xác của mẫu đối

tượng.

 Phát hiện đối tượng chuyển động

Phát hiện đối tượng chuyển động từ hệ thống giám sát được quan tâm rất

nhiều bởi hầu hết các hệ thống này giám sát thông qua video và được ứng dụng

trong rất nhiều lĩnh vực, có rất nhiều kỹ thuật phát hiện chuyển động của đối

tượng được sử dụng.

Đối với vấn đề phát hiện đối tượng chuyển động có thể dùng biện pháp

trừ nền. Bước đầu xây dựng mô hình nền, mô hình nền này có thể được học qua

nhiều frame ảnh nếu nền bị thay đổi, ngược lại ta có thể chọn một nền có sẵn

nếu nền không bị thay đổi. Sau đó, ta sẽ dùng mô hình nền này để so sánh với

frame ảnh hiện tại và kết quả là ta sẽ nhận biết được đâu là vùng phần nền, đâu

là các phần chuyển động.

Ngoài ra, cũng có nhiều kỹ thuật tiếp cận để phát hiện chuyển động trong

hình ảnh video liên tục. Có thể so sánh khung hình hiện tại với hình nền chúng

ta chụp từ ban đầu khi bật camera hoặc từ khung hình trước. Đối với kỹ thuật

trừ nền thì giảm được việc xử lý. Tuy nhiên, cách tiếp cận có một bất lợi lớn,

ví dụ nếu có một đối tượng đang di chuyển ở frame đầu tiên nhưng sau đó nó

đã biến mất. Với kỹ thuật Yolo v2 thì xử lý phức tạp hơn, xử lý nhiều hơn

nhưng lại thích nghi với mọi môi trường, kể cả môi trường ít thay đổi hoặc thay

đổi nhiều. Nhược điểm là nếu đối tượng có kích thước nhỏ, bị che khuất thì hệ

6

thống không phát hiện ra nhưng đối với bài toán cụ thể vẫn đáp ứng được vì ở

đây đối tượng là học sinh trong lớp học nên có vị trí ngồi với khoảng cách cố

định ít thay đổi. Chính vì vậy, đề xuất giải pháp sử dụng Yolo v2 để phát hiện

đối tượng đầu học sinh.

b. Theo vết đối tượng đầu học sinh trong lớp.

Với bài toán cụ thể, phát hiện và theo dõi đối tượng học sinh trong thời

gian thực (real-time object tracking) cũng là vấn đề mà lĩnh vực thị giác máy

tính (computer vision) rất quan tâm trong thời gian qua. Mức độ khó khăn của

vấn đề này phụ thuộc nhiều vào đối tượng được phát hiện và theo vết như thế

nào. Hiện nay, có rất nhiều phương pháp theo vết chuyển động, cụ thể như:

 So khớp mẫu

So khớp mẫu là phương pháp nhằm phân loại đối tượng dựa vào mức độ

tương tự giữa những đối tượng xem xét với mẫu cho trước. Trong trường hợp

được ứng dụng để giải quyết yêu cầu rất cụ thể như cho trước một mẫu và một

hình bất kì đa mức xám lớn hơn mẫu, xác định xem đối tượng mẫu có xuất hiện

trong hình hay không, nếu có thì khoanh vùng khu vực tương ứng đó, nếu không

thì báo là không tồn tại đối tượng.

Ưu điểm của phương pháp này là không chịu ảnh hưởng bởi nhiễu và hiệu

ứng chiếu sáng, có thể theo vết chuyển động được các đối tượng biến dạng

nhưng độ phức tạp tính toán cao, chất lượng so khớp phụ thuộc vào chi tiết và

độ chính xác của mẫu đối tượng.

 Mean shift

Dorin Comaniciu [9] đã giới thiệu phương pháp theo vết Mean shift. Đây

là một phương pháp theo vết tối ưu hóa tối thiểu cục bộ. Mean shift là một

phương pháp đơn giản và hiệu quả cho theo vết thời gian thực, thích hợp các

video có đối tượng thay đổi do máy quay chuyển động, có ảnh nền lộn xộn

nhưng nó chỉ tối ưu hoá cục bộ chứ không toàn cục. Khi màu nền và màu đối

tượng giống nhau, phương pháp này sẽ không thể theo vết đối tượng được.

7

 Lọc Kalman

Lọc Kalman đã được biết như là một phương pháp cổ điển, nổi tiếng được

phát minh từ năm 1960 bởi R.E.Kalman. Nó là một thuật toán theo vết tối ưu

nhất trong trường hợp hệ là tuyến tính và nhiễu có phân phối Gauss với nguyên

lý “dự đoán – hiệu chỉnh” [10] sử dụng thuật toán hồi quy để ước lượng biến

trạng thái của hệ thống. Nhưng trong thực tế không phải luôn đảm bảo các yêu

cầu ràng buộc của bộ lọc Kalman mà nó hoàn toàn có thể được biểu diễn bởi

các phương trình phi tuyến, đồng thời nhiễu là phi Gauss. Để giải quyết vấn đề

này nhiều phương pháp được đưa ra nhằm cải tiến bộ lọc Kalman truyền thống

như: EKF (Extended Kalman Filter), UKF (Unscented Kalman Filter)... Mục

đích của các bộ lọc này nhằm tuyến tính hóa các hệ thống phi tuyến bằng

phương pháp khai triển Taylor các hàm phi tuyến thành chuỗi các hàm số sơ

cấp tuyến tính. Các giải pháp này thường gặp phải các nhược điểm như khối

lượng tính toán đòi hỏi quá lớn với các hệ thống phức tạp và nhiễu đo đạc bị

phân cực lớn.

 Lọc tương quan

Ma et al. [11] đề xuất các bộ lọc mức độ tương quan trên mỗi lớp tích chập

và suy luận phân cấp đáp ứng tối đa trên mỗi lớp để xác định vị trí mục tiêu. Ý

tưởng chính của thuật toán lọc tương quan sẽ học một bộ lọc trong suốt quá

trình theo dõi, sao cho bộ lọc khi tích chập với ảnh bao biên đối tượng thì kết

quả sẽ có thông tin tập trung xung quanh tâm của đối tượng.

Mỗi phương pháp có điểm mạnh và điểm yếu riêng, tuy nhiên phương

pháp lọc tương quan có thể khắc phục được những nhược điểm của các phương

pháp khác như: theo vết các đối tượng tốt trong trường hợp phi tuyến và không

phải nhiễu Gauss.

8

1.6. Hướng giải quyết

Từ các nhận xét trên chúng tôi đề xuất phương pháp giải quyết cho từng

bài toán:

(a) Bài toán 1 – xác định vùng đầu học sinh, chúng tôi sử dụng mô

hình học chuyên sâu (Deep Learning – DL) để huấn luyện và xác định các vùng

trong ảnh là đầu của học sinh vì DL cho phép “thấy” được nhiều chi tiết nhỏ

qua quá trình học rất hiệu quả.

(b) Bài toán 2 – theo vết chuyển động các vùng đầu học sinh, vì vùng

đầu học sinh (người Việt Nam) có màu đồng nhất (học sinh phổ thông không

được nhuộm tóc khi đi học – theo nội quy) nên phương pháp theo vết chuyển

động theo bộ lọc tương quan (trong xác suất thống kê) sẽ có ưu thế hơn so với

các phương pháp khác.

(c) Bài toán 3 – tìm vị trí trung bình tâm các vùng đầu, chúng tôi dùng

phương pháp tính tâm trung bình để tìm tâm của các vị trí đầu của một học sinh.

(d) Bài toán 4 – điểm danh học sinh theo sơ đồ, chúng tôi dùng

phương pháp chiếu với độ đo Euclide được dùng để điểm danh học sinh theo

sơ đồ lớp.

1.7. Bố cục luận văn

Bố cục luận văn được chia thành 4 chương:

Chương 1 trình bày một số vấn đề từ thực tế làm phát sinh vấn đề cần

nghiên cứu. Trong đó cũng sẽ giới thiệu những mục tiêu, nội dung nghiên cứu,

các giải pháp giải quyết vấn đề, những khó khăn thách thức khi giải quyết bài

toán và cuối cùng là bố cục trình bày của luận văn.

Chương 2 trình bày những vấn đề lý thuyết nghiên cứu trong đề tài: mạng

nơ-ron nhân tạo, mạng nơ-ron tích chập, lọc theo mức độ tương quan.

Chương 3 trình bày thuật giải sử dụng để giải quyết từng bài toán.

9

Chương 4 trình bày kết quả nghiên cứu và hướng phát triển của đề tài

trong tương lai.