ต้นแบบระบบลงทะเบียนเพื่อเข้าร่วมงานอบรม/สัมมนา โดยประยุกต์ใช้การยืนยันตัวตนด้วยใบหน้า
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาและเปรียบเทียบประสิทธิภาพของวิธีการตรวจจับและรู้จำใบหน้าวิธีต่าง ๆ เพื่อนำไปประยุกต์ใช้ในการพัฒนาต้นแบบระบบการยืนยันตัวตนด้วยใบหน้า โดยขั้นตอนวิธีการตรวจจับใบหน้าที่ทำการศึกษาและเปรียบเทียบประสิทธิภาพมี 3 ขั้นตอนวิธี ได้แก่ Haar Cascades, Histogram of Oriented Gradients (HOG) และ Deep Learning และขั้นตอนวิธีการรู้จำใบหน้าที่ทำการศึกษาและเปรียบเทียบประสิทธิภาพมี 4 ขั้นตอนวิธี ได้แก่ Eigenfaces, Fisherfaces, Local Binary Pattern Histograms (LBPH) และ Deep Learning 2) พัฒนาต้นแบบระบบลงทะเบียนเพื่อเข้าร่วมงานอบรม/สัมมนา โดยนำขั้นตอนวิธีการตรวจจับและรู้จำใบหน้าที่มีประสิทธิภาพดีที่สุดที่ได้จากการเปรียบเทียบประสิทธิภาพมาประยุกต์ใช้สำหรับการยืนยันตัวตนด้วยใบหน้า
ผลการวิจัยพบว่า 1) ผลการเปรียบเทียบประสิทธิภาพของขั้นตอนวิธีการตรวจจับและรู้จำใบหน้า พบว่าขั้นตอนวิธี Haar Cascades มีประสิทธิภาพดีที่สุดสำหรับการตรวจจับใบหน้า โดยสามารถตรวจจับใบหน้าได้ 100% ทั้งจากรูปภาพใบหน้าในชุดข้อมูลมาตรฐาน Yale และจากการสุ่ม 100 รูปภาพจากชุดข้อมูล Flickr-Faces-HQ และขั้นตอนวิธี LBPH มีประสิทธิภาพดีที่สุดสำหรับการรู้จำใบหน้า โดยสามารถรู้จำใบหน้าจากชุดข้อมูลมาตรฐาน Yale ได้ค่าความถูกต้องเฉลี่ย 98% 2) ระบบยืนยันตัวตนด้วยใบหน้าถูกพัฒนาในรูปแบบเว็บแอปพลิเคชัน ซึ่งสามารถบันทึกข้อมูลการยืนยันการเข้าร่วมงานอบรม/สัมมนาได้อย่างอัตโนมัติจากการตรวจสอบใบหน้า ทำให้การจัดเก็บและเข้าถึงข้อมูลผู้เข้าร่วมงานอบรม/สัมมนามีประสิทธิภาพมากยิ่งขึ้น โดยจากการทดสอบระบบได้ค่าเฉลี่ยที่ผู้เข้าร่วมอบรมสามารถยืนยันตัวตนด้วยใบหน้าได้สำเร็จในครั้งแรกคิดเป็น 90% และสามารถยืนยันตัวตนได้สำเร็จ 100 % ภายใน 2 ครั้ง
Article Details
References
P. Viola and M. Jones. (2001). Rapid object detection using a boosted cascade of simple features. in Proceeding of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. pp.511-518.
A. Dehghani, D. Moloney, and X. Xu, (2017). Face detection speed improvement using bitmap-based histogram
of oriented gradient. in 2017 International Conference on Systems, Signals and Image Processing (IWSSIP). pp.1-5.
N. Dalal and B. Triggs. (2005). Histograms of Oriented Gradients for Human Detection. IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05). pp. 886-893.
T. Ojala, M. Pietikainen, and T. Maenpaa. (2002). Multiresolution gray-scale and rotation invariant texture classification with localbinary patterns. IEEE Transaction on Pattern Analysis and Machine Intelligence. vol. 24. no. 7. Pp.971-987.
M. Turk and A. Pentland. (1991). Face Recognition Using Eigenfaces. in Proceedings of CVPR IEEE Computer Society. pp. 586-591.
Harihara Santosh Dadi and P G Krishna Mohan. (2015). Performance Evaluation of Eigen faces and Fisher faces with different preprocessed Data sets. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), vol. 4, no. 5, pp. 2110 – 2116.
V. Bellhumeur, J. Hespandaand and D. Kiregeman. (1997). Eigenface vs. fisherface: recognition using class specific linear projection, IEEE Trans. On PAMI, v. 19, pp. 711-720.
Li S.Z. and Lu J. (1999). Face recognition using the nearest feature line method, IEEE Trans. Neural Netw. 10, pp. 439-443.
G. Guo, S.Z. Li and K. Chan. (1998). Face Recognition by Support Vector Machines. Proceedings Fourth IEEE International Conference on Automatic Face and Gesture Recognition.
E. Osuna, R. Freund, and F. Girosi. (1997). Training Support Vector Machines: An Application to Face Detection. Proc. IEEE Conf. Computer Vision and Pattern Recognition, pp. 130- 136.
F. Schroff, D. Kalenichenko, and J. Philbin. (2015) FaceNet: A unified embedding for face recognition and clustering. in Proc. IEEE Comput. Soc.Conf. Comput. Vis. Pattern Recognition. pp. 815–823.
เกรียงศักดิ์ ตรีประพิณ, ภัคภัทร นาอุดม, และ ไพชยนต์ คงไชย. (2561). การพัฒนาระบบตรวจสอบนักศึกษาเข้าเรียนด้วยวิธีการ
รู้จำใบหน้า. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 20(2), 92-105.
สุวัฒน์ บันลือ และ ขนิษฐา อินทะแสง. (2563). ประสิทธิภาพระบบตรวจสอบการเข้าชั้นเรียนด้วยภาพใบหน้าโดยใช้เทคนิค
แอลบีพี. วารสารมหาวิทยาลัยราชภัฎร้อยเอ็ด, 14(1), 147-158.
อะดาว น้องวี, บุญชัย แซ่สิ้ว, และ ศุภรัชชัย วรรัตน์ (2564) การประยุกต์ใช้เทคโนโลยีการรู้จำใบหน้า เพื่อบันทึกเวลาเข้าออกของพนักงาน. วารสารวิชาการการจัดการเทคโนโลยี มหาวิทยาลัยราชภัฏมหาสารคาม. 8(1), 99-113.