Điểm danh sinh viên bằng phương pháp nhận dạng mặt người

TS. HỒ THỊ HƯƠNG THƠM; ThS. NGUYỄN KIM ANH
Trường Đại học Hàng hải Việt Nam

Mô hình kiểm soát người học

TÓM TẮT: Điểm danh học sinh/sinh viên tham dự trong lớp học là một trong các hoạt động bắt buộc mà bất kỳ thầy cô giáo/giảng viên nào cũng phải thực hiện. Bài báo trình bày giải pháp thực hiện công việc này một cách tự động, thông qua nhận dạng khuôn mặt. Việc điểm danh được thực hiện thông qua camera trong phòng học và một website quản lý thông tin sinh viên, trong đó sử dụng hệ quản trị dữ liệu MySQL để lưu trữ thông tin liên quan đến sinh viên và học phần, thuật toán học sâu MTCNN để phát hiện vùng mặt và kỹ thuật học sâu FaceNet để nhận dạng sinh viên trong lớp học. Hệ thống sẽ nhận diện sinh viên có trong danh sách lớp và lưu vào một tệp csv/xlsx tình hình đến học của buổi học, giáo viên sẽ tải tệp này csv/xlsx lên website (đã cấu hình trên host name https://avmu.info) để hệ thống tự động tổng hợp tính điểm chuyên cần cuối kỳ cho sinh viên. Hệ thống được thử nghiệm cho 5 lớp học phần với 193 sinh viên, đạt tỉ lệ chính xác là 97,3%.
TỪ KHÓA: Điểm danh thời gian thực, phát hiện mặt, nhận dạng mặt, mạng nhân chập.
ABSTRACT: Attending students class is one of the mandatory activities that any teacher/lecturer must perform. This paper presents a solution to do this automatically, through facial recognition. Attendance is done through cameras in the classroom and a website to manage student information; which uses MySQL data management system to store information related to students and courses, MTCNN algorithm for face detection and FaceNet deep learning technique to identify students in the classroom. The system will identify students in the class list and save in a file in csv/xlsx format the attendance status of the lesson, the teacher will upload the file to the website (configured on host name https://avmu.info) so that the system automatically sums up the final attendance score for students. The system was tested for 5 sections with 193 students, achieving an accuracy rate of 97.3%.
KEYWORDS: Real-time attendance, face detection, face recognition, CNN network.

Nội dung xem tại đây