Hệ thống điểm danh học sinh thông qua nhận dạng đầu học sinh kết hợp theo vết chuyển động trong video

Hình 4.6. Hình frame thứ 91 của lớp TCB33-3N

Hình 4.7. Hình frame thứ 99 của lớp TCB33-3N.

- Video lớp TNT33, trong hình 4.8 là frame thứ 27, bắt đầu quá trình theo vết chuyển động vùng đầu của học sinh ngồi phía trong của dãy bàn thứ nhất bên trái. Đến frame thứ 45 (hình 4.9), kích thước của hình chữ nhật bao quanh vùng đầu của học sinh (ngồi phía trong bàn thứ nhất của dãy bàn bên trái) đã

Có thể bạn quan tâm!

Xem toàn bộ 97 trang tài liệu này.

lớn lên, tuy nhiên khi đến đây thì kích thướclại được giữ nguyên cho các frame tiếp theo, hình 4.10. Nghĩa là quá trình theo vết không ghi nhận sự chuyển động vùng đầu của học sinh này, do đó kết quả theo vết trong trường hợp này sẽ bị sai.

Hình 4.8. Hình frame thứ 27 lớp TNT34.

Hình 4.9 Hình frame thứ 45 của lớp TNT34.

Hình 4.10 Hình frame thứ 99 của video M42 (lớp TNT34).

Hệ thống điểm danh học sinh cũng ghi nhận một số trường hợp theo vết không sai, tuy nhiên khi xét đến việc theo vết vùng đầu học sinh thì hình chữ nhật bao quanh vùng đầu không thể bỏ qua được. Trường hợp cụ thể được mô tả như các frame hình trong video của lớp TTP34

- Hình 4.11 là frame đầu tiên trong bước theo vết, hình chữ nhật bao quanh được khởi tạo là một vật thể màu đen.

Hình 4.11 Hình frame thứ 27 của lớp TTP34.

- Hình 4.12 là frame cuối cùng của bước theo vết, khi học sinh ngước đầu lên thì hình chữ nhật bao quanh vùng đầu học sinh đã dịch chuyển lên trên.

Hình 4.12 Hình frame thứ 99 của lớp TTP34.

Đánh giá

Bài toán điểm danh học sinh với theo vết chuyển động kết hợp nhận dạng vùng đầu học sinh qua camera cho kết quả của giai đoạn phát hiện là 98,41% và kết quả của giai đoạn theo vết là 99,27%. Kết quả trung bình của bài toán điểm danh là 98,84% với tổng thời gian thực hiện là 2,8 giây.

Có được kết quả như trên là do hệ thống điểm danh đã có sự cải tiến trong thuật toán với việc xác định đối tượng cần theo dõi (điểm danh) ngay từ những frame hình đầu tiên (n frame đầu tiên). Vì cùng một đối tượng, ở góc độ trên frame thứ nhất có thể không phát hiện được, nhưng ở góc độ khác trên frame thứ n có thể cung cấp đủ thông tin để hệ thống có thể phát hiện được.

Đây chính là giai đoạn quan trọng nhất giúp cho kết quả bài toán đạt được độ chính xác như trên.

4.4.1 Ưu điểm

Bài toán điểm danh học sinh có ưu điểm là được thực nghiệm trên môi trường lớp học nghề, có sĩ số lớp ổn định. Lớp ít nhất có sĩ số là 16 học sinh và lớp cao nhất có sĩ số là 32 học sinh (trung bình 25 học sinh/lớp). Bên cạnh đó là không gian lớp học rộng, có độ cao vừa đủ nên dễ dàng lắp đặt camera để ghi hình lớp học từ trên cao, điều đó thuận lợi cho việc nhận dạng vùng đầu và theo vết chuyển động vùng đầu của toàn bộ học sinh từ dãy đầu đến dãy cuối của lớp học.

Sự phát triển của công nghệ với các thiết bị camera ghi hình tốt, đem lại chất lượng hình ảnh rõ nét đã giúp cho việc phân tích dữ liệu trên các frame ảnh rất dễ dàng và cho được kết quả chính xác trong bài toán điểm danh học sinh trong lớp học.

Thuật toán có sự cải tiến trong việc xác định nhiều frame ảnh ở các thời điểm khác nhau để phát hiện và theo vết chuyển động vùng đầu học sinh để cho kết quả điểm danh chính xác. Ví dụ, tại một frame ảnh bất kỳ, nếu phát hiện một đối tượng có khả năng là vùng đầu học sinh, nhưng đến những frame sau đó cho kết quả không phải là vùng đầu và cũng không khớp với dữ liệu tập huấn luyện vùng đầu, thì kết hợp thêm vài frame ảnh nữa để thuật toán kết luận vùng khả nghi này không phải là đầu học sinh và không tính vào kết quả điểm danh. Hoặc tại thời điểm nào đó trong frame ảnh, không có vùng đầu học sinh, nhưng những frame tiếp theo lại có vùng đầu học sinh, thì kết quả điểm danh là có vùng đầu học sinh tại vùng đó vì thuật toán giúp trộn dữ dữ liệu trong n frame ảnh khác nhau để tính tâm trung bình vùng đầu học sinh nên kết quả sẽ đúng với vị trí ngồi của học sinh trong lớp học.

4.4.2 Nhược điểm

Tập dữ liệu video các lớp học chưa quay được nhiều lớp tại nhiều ngày khác nhau, hay nói cách khác dữ liệu video quay các lớp học chưa lớn. Nếu dữ liệu video quay phim các lớp học được nhiều hơn, được quay trong nhiều ngày hơn thì sẽ đa dạng và phong phú hơn cho tập huấn luyện vùng đầu học sinh, khi đó

kết quả và độ chính xác của bài toán khả năng sẽ được nâng cao. Đồng thời với nhiều dữ liệu tập video huấn luyện khả năng sẽ giúp khắc phục một số lỗi phát hiện sai hoặc theo vết sai như đã trình bày ở trên.

Một số lớp học, vị trí ngồi học của học sinh khá lộn xôn, chưa theo thứ tự và không ổn định theo như quy định. Nên bài toán điểm danh chỉ cho kết quả điểm danh số lượng học sinh, khả năng xác định chính xác học sinh vắng sẽ không cao vì có một số trường hợp các em vẫn học nhưng đổi chổ ngồi.

Bài toán điểm danh học sinh đang thực hiện trên dữ liệu video quay sẵn. Hệ thống chưa cài đặt để có thể lấy dữ liệu trực tiếp từ video quay được từ lớp truyền qua mạng xuống hệ thống để điểm danh trực tiếp theo thời gian thực.

Hướng phát triển

Để tăng độ chính xác cho bước theo vết, thay vì cập nhật liên tục, ta có thể thực hiện nhảy frame để khi đối tượng thay đổi hình dạng vẫn có thể theo vết được.

Bên cạnh phát hiện và theo vết chuyển động vùng đầu của học sinh, chúng ta có thể kết hợp thêm các phương pháp nhận dạng các đặc trưng khác để tăng thêm độ chính xác của bài toán khi có những trường hợp phát hiện sai.

Bài toán điểm danh học sinh cần được kết nối trực tiếp với camera quay trực tiếp trên lớp học và điểm danh trực tiếp thông qua hệ thống mạng theo thời gian thực.

Ngoài ra, để phát triển hệ thống điểm danh học sinh cần tính thời gian di chuyển của học sinh trong giờ học, để có thể phát hiện học sinh đổi chổ, bỏ tiết, đi vệ sinh lâu quá (có thể bị tai nạn).

Hệ thống có thể sẽ kết hợp thêm camera ở các hành lang để theo vết chuyển động của học sinh từ đó đánh giá và cho kết quả vi phạm của học sinh. Bên cạnh đó hệ thống có thể phát hiện các trường hợp học sinh tụ tập đông (có thể là quậy phá, đánh nhau), phát hiện các trường hợp học sinh té ngã…Hệ thống sẽ giúp nâng cao khả năng giám sát học sinh, giúp cho môi trường giáo dục

được cải thiện. Điều này sẽ rất quan trọng và cần thiết trong thời buổi công nghệ phát triển như hiện nay. Ngoài ra, phát triển hệ thống điểm danh học sinh tự động cũng phù hợp với đề án xây dựng đô thị thông minh của thành phố nói riêng cũng như của xã hội nói chung trong cuộc cách mạng công nghiệp 4.0 như hiện nay.

TÀI LIỆU THAM KHẢO

Việt ngữ:

[1] Nguyễn Văn Căn, “Theo dõi và phân loại đối tượng dựa trên biên trong bài toán giám sát đối tượng chuyển động”, Đại học Kỹ thuật – Hậu cần CAND, 2013.

[2] Nguyễn Khắc Hiếu, Nguyễn Thị Vân Anh, Dự báo lạm phát tại Việt Nam bằng mô hình mạng thần kinh nhân tạo, Đại học sư phạm kỹ thuật, TP.HCM.

[3] Nguyễn Văn Hùng, Nguyễn Văn Xuất, Lê Mạnh Cường; Một phương pháp phát hiện đối tượng ứng dụng trong hệ thống tự động bám mục tiêu, Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015.

[4] Jackie Pham, “Những ứng dụng bất ngờ của công nghệ nhận dạng khuôn mặt”, Tech enthusiast. Art lover, 06/07/2018, <URL: https://insights.innovatube.com>.

[5] PGS. TS. Ngô Văn Quận, TS. Đỗ Phương Thảo, Nghiên cứu ứng dụng mạng thần kinh nhân tạo (ANN) trong dự báo lưu lượng nước đến hồ chứa Cửa Đạt, Trường Đại học Thủy Lợi.

[6] Minh Thư, “Đề án xây dựng thành phố thông minh”, Cổng thông tin điện tử của Ủy ban nhân dân Thành phố Hồ Chí Minh, 05/07/2018, <URL: http://www.hochiminhcity.gov.vn/thongtinthanhpho/tintuc/Lists/Posts/Post.aspx?List=5eb16142-f62d-4d6e-a0c3-94b5fbf93d65&ID=58848&Web=47b63c10-8ed8-4592-97d8-1f436710fa9b>.

[7] Trần Thanh Việt, “Một kỹ thuật phát hiện, bám sát đối tượng và ứng dụng”, Tạp chí khoa học, Đại học Lạc Hồng, Đồng Nai, 2011.