การพัฒนาแอนดรอยด์แอปพลิเคชันเพื่อระบุใบหน้าของบุคคล
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาแอนดรอยด์แอปพลิเคชันที่สามารถระบุใบหน้าของบุคคล โดยใช้ ส่วนต่อประสานโปรแกรมประยุกต์(API)และหาค่าประสิทธิภาพการทำงานของแอปพลิเคชันในการระบุใบหน้าโดยการทดสอบเปรียบเทียบใบหน้าบุคคลต้นแบบกับใบหน้าต้นแบบที่เก็บไว้ในฐานข้อมูลและกรณีที่คนที่หน้าเหมือนกันกับใบหน้าต้นแบบในฐานข้อมูลเพื่อหาค่าร้อยละของการทำงานที่ถูกต้องของแอปพลิเคชัน การวิจัยครั้งนี้ได้พัฒนาด้วยทฤษฎี SDLC[7] โดยกลุ่มเป้าหมายที่ใช้ประเมินความพึงพอใจต่อการทำงานของแอปพลิเคชันเพื่อระบุใบหน้าของบุคคล ได้แก่ อาจารย์ที่มีความเชียวชาญด้านคอมพิวเตอร์และการพัฒนาซอฟต์แวร์ รวมจำนวน 10 คน เครื่องมือในการวิจัยคือ แอนดรอยด์แอปพลิเคชันเพื่อระบุใบหน้าของบุคคล และแบบประเมินความพึงพอใจต่อการทำงาน สถิติที่ใช้ในการวิเคราะห์สรุปผลคือ ค่าเฉลี่ยร้อยละความเหมือนของใบหน้าตัวอย่างกับใบหน้าบุคคลที่นำมาทดสอบ 2 กลุ่มคือเจ้าของใบหน้า และ คนหน้าคล้าย และ ส่วนเบี่ยงเบนมาตรฐาน
ผลการวิจัยพบว่าแอปพลิเคชันเพื่อระบุใบหน้าของบุคคลสามารถทำงานได้ตามวัตถุประสงค์โดยสามารถระบุใบหน้าเจ้าของใบหน้ากับใบหน้าต้นแบบในฐานข้อมูลได้โดยมีค่าเฉลี่ยของการทดสอบใบหน้าบุคคลจำนวน 10 คน ให้ค่าเฉลี่ยที่ร้อยละ 85 ซึ่งสรุปได้ว่าสองรูปนี้มีความคล้ายกันมากหรือเป็นคนเดียวกัน และจากการศึกษาต่อโดยใช้ใบหน้าของคนที่มีความคล้ายกับใบหน้าต้นแบบจำนวน 10 คนให้ค่าเฉลี่ยที่ร้อยละ 65 จากผลการศึกษาเปรียบเทียบค่าร้อยละที่ได้จากการทดสอบทั้ง 2 กลุ่มพบว่าสามารถสรุปเกณฑ์การตัดสินใจของระบบได้ว่าหากมีค่าร้อยละตั้งแต่ 80 ขึ้นไป ถือว่าเป็นบุคคลคนเดียวกัน และหากมีค่าต่ำว่าร้อยละ 70 ถือว่าเป็นคนละคนกัน ผลการประเมินความพึงพอใจแอปพลิเคชันเพื่อระบุใบหน้าของบุคคลจากผู้เชี่ยวชาญ มีผลการประเมินโดยรวมอยู่ในระดับมากที่สุด ( = 4.73, S.D. = 0.45)
Article Details
References
[2] L. A. Elrefaei, A. Alharthi, H. Alamoudi, S. Almutairi and F. Al-rammah,( 2017) "Real-time face detection and tracking on mobile phones for criminal detection," 2017 2nd International Conference on Anti-Cyber Crimes (ICACC), Abha, pp. 75-80, doi: 10.1109/Anti-Cybercrime.2017.7905267.
[3] M. Chillaron, L. Dunai, G. P. Fajarnes and I. L. Lengua, (2015)"Face detection and recognition application for Android," IECON 2015 - 41st Annual Conference of the IEEE Industrial Electronics Society, Yokohama, pp. 003132-003136, doi: 10.1109/IECON.2015.7392581.
[4] M. Mehra, V. Sahai, P. Chowdhury and E. Dsouza,(2019). Home Security System using IOT and AWS Cloud Services, "International Conference on Advances in Computing, Communication and Control (ICAC3), Mumbai, India, 2019, pp. 1-6, doi: 10.1109/ICAC347590.2019.9089839.
[5] N. Pradeesh, V. Sreejesh Kumar, A. Anand, V. Geetha Lekshmy, S. Krishnamoorthy and K. Bijlani, (2019). "Cost effective and reliable mobile solution for face recognition and authentication," 2019 9th International Conference on Advances in Computing and Communication (ICACC), Kochi, India, pp. 66-69, doi: 10.1109/ICACC48162.2019.8986206.
[6] Stair (1996: 411-412): System development life cycle: SDLC.