ระบบลงทะเบียนใบหน้าและตรวจสอบนักศึกษาเข้าห้องเรียนด้วยการประมวลผลภาพร่วมกับไลบรารี่การรู้จำใบหน้า
Article Sidebar
Main Article Content
บทคัดย่อ
านวิจัยนี้นำเสนอระบบลงทะเบียนใบหน้าและตรวจสอบนักศึกษาเข้าห้องเรียนด้วยหลักการประมวลผลภาพร่วมกับไลบรารี่การรู้จำใบหน้า ในงานวิจัยนี้ได้ใช้กระบวนการทดสอบประสิทธิภาพของระบบรู้จำใบหน้าของนักศึกษาโดยการเปรียบเทียบภาพใบหน้าของนักศึกษากับภาพต้นฉบับด้วยการลงทะเบียนในระบบ จากนั้นเข้าสู่กระบวนการเตรียมภาพสำหรับการทดลอง เพื่อสร้างฐานข้อมูลภาพใบหน้าของนักศึกษา และนำมาเปรียบเทียบกับภาพใบหน้าจากฐานข้อมูล โดยทดลองใช้อัตราการสุ่มของจำนวนภาพใบหน้าที่แตกต่างกัน จากผลการทดลอง พบว่า การสุ่มบันทึกภาพใบหน้าของนักศึกษา จำนวน 100 ภาพต่อนักศึกษา 1 คน ได้ผลการทดลองที่แม่นยำที่สุด โดยระบบรู้จำใบหน้าของนักศึกษาสามารถระบุตัวตนของนักศึกษาได้ถูกต้องแม่นยำอยู่ที่ 92% และระบบนี้สามารถดูข้อมูลย้อนหลังของนักศึกษาในการเข้าห้องเรียนและสามารถนำเอาข้อมูลออกมาใช้งานในรูปแบบของไฟล์เอกสาร
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
References
Suksukont A., “Face Detection and Objects on Eyes Boundary using Color Model with Image Processing,” Rajamangala University of Technology Tawan-ok Research Journal, Vol.14, No.1, pp. 42-53, 2021.
Triprapin K., Naudom P. and Kongchai P., “Attendance Monitoring System with Face Recognition Technologies,” Science and Technology Journal, Vol.20, No.2, pp. 92–105, 2018.
Suherwin, Zainuddin Z., Ilham A.A., “The Performance of Face Recognition Using the Combination of Viola- Jones,” Local Binary Pattern Histogram and Euclidean Distance, International Conference on Informatics and Computational Sciences, pp. 1-4, 2020.
Jaturawatthana P., Phongmanawut P. and Phankokkruad M., Development of A Learning Record System with Face Detection and Recognition, Lat Krabang Information Technology Journal, Vol.15, No.1, pp. 1- 11, 2017.
Deng W., Hu J. and Guo J., “Compressive Binary Patterns: Designing a Robust Binary Face Descriptor with Random-Field Eigenfilters,” IEEE Transactions on Pattern Analysis and Machine Intelligence, 41(3) pp. 758-767, 2019.
Shatnawi Y., Alsmirat M. and Al-Ayyoub M., “Face Recognition using Eigen-Faces and Extension Neural Network,” International Conference on Computer Systems and Applications, pp. 1-7, 2019.
Xiao J., Li S. and Xu Q., “Video-Based Evidence Analysis and Extraction in Digital Forensic Investigation,” Deep Learning: Security and Forensics Research Advances and Challenges Vol.7, pp. 5432-5442, 2019.
Shahbaz A. and Jo K.H., “Moving Object Detection based on Deep Atrous Spatial Features for Moving Camera,” International Symposium on Industrial Electronics, pp. 67-70, 2021.
Kushal M., Kushal Kumar B.V.,Charan Kumar M.J. and Pappa M., “ID Card Detection with Facial Recognition using Tensorflow and OpenCV,” International Conference on Inventive Research in Computing Applications, pp. 742-746, 2020.
Noble F.K.., “Comparison of OpenCV’s Feature Detectors and Feature Matchers,” Proceeding of International Conference on Mechatronics and Machine Vision in Practice, pp. 1-6, 2016.