การออกแบบและพัฒนาระบบตรวจสอบนักศึกษาเข้าห้องเรียนโดยใช้เทคนิคการรู้จำใบหน้าร่วมกับไบนารีฮิสโตแกรม
Article Sidebar
Main Article Content
บทคัดย่อ
การออกแบบและพัฒนาระบบตรวจสอบนักศึกษาเข้าห้องเรียนโดยใช้เทคนิคการรู้จำใบหน้าร่วมกับไบนารีฮิสโตแกรม เป็นการศึกษาแนวคิด หลักการ และทฤษฎีที่เกี่ยวข้องกับการรู้จำใบหน้า เพื่ออำนวยความสะดวกในการเช็คชื่อของนักศึกษาอีกทั้งเป็นการประยุกต์ใช้เทคโนโลยีสมัยใหม่ในการลงทะเบียนสำหรับการเข้าห้องเรียน ในงานวิจัยนี้ได้แบ่งกระบวนการทดสอบประสิทธิภาพของระบบรู้จำใบหน้าของนักศึกษาออกเป็น 2 ส่วน คือ ส่วนที่ 1 เป็นการเปรียบเทียบภาพใบหน้าของนักศึกษาโดยน าเทคนิคการรู้จำใบหน้าร่วมกับใช้ไบนารีฮิสโตแกรมกับภาพต้นฉบับเริ่มจากการบันทึกภาพใบหน้าของนักศึกษา จำนวน 100 คน ขั้นต่อมานำภาพใบหน้าของนักศึกษาเข้าสู่กระบวนการเตรียม
ภาพใบหน้า เพื่อสร้างฐานข้อมูลภาพใบหน้าของนักศึกษา จากนั้นนำภาพของนักศึกษาในอิริยาบทที่แตกต่างกัน ได้แก่ ภาพหน้าตรง ภาพอมยิ้ม ภาพมองด้านซ้าย ภาพมองด้านขวา ภาพก้มหน้า และภาพเงยหน้า นำมาเปรียบเทียบกับภาพใบหน้าจากฐานข้อมูลภาพใบหน้าโดยใช้เทคนิคการรู้จำใบหน้าร่วมกับไบนารีฮิสโตแกรม จากผลการทดลอง
พบว่า ระบบมีความแม่นย าในการรู้จ าและระบุตัวตนของนักศึกษาอยู่ที่ 96 เปอร์เซนต์และส่วนที่ 2 เป็นการเปรียบเทียบฐานข้อมูลใบหน้าด้วยการลงทะเบียนใบหน้า โดยให้นักศึกษาทำการลงทะเบียนใบหน้าผ่านระบบเพื่อสร้างฐานข้อมูลภาพใบหน้าของนักศึกษา จากผลการทดลอง พบว่า การสุ่มภาพใบหน้าของนักศึกษา จำนวน 100 ภาพ ต่อนักศึกษา 1 คน ได้ผลการทดลองที่แม่นยำที่สุด ระบบสามารถระบุตัวตนของนักศึกษาได้ถูกต้องแม่นยำอยู่ที่ 92 เปอร์เซนต์นอกจากนี้สามารถดูข้อมูลย้อนหลังในการเข้าเรียนของนักศึกษาและสามารถนำข้อมูลออกมาใช้งานในรูปแบบของไฟล์เอกสารและระบบนี้ยังสามารถนำไปประยุกต์ใช้งานภายในองค์กรที่มีการลงเวลาเข้างานของพนักงานได้อีกด้วย
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์ในวารสารฯ ท้ังในรูปแบบของรูปเล่มและอิเล็กทรอนิกส์เป็นลิขสิทธิ์ของวารสารฯ
References
Suksukont A. Face detection and objects on eyes boundary using color model with image processing. Rajamangala University of Technology Tawan-ok Research Journal. 2021; 14(1): 42-53. (in Thai)
Triprapin K, Naudom P, Kongchai P. Attendance monitoring system with face recognition technologies. Science and Technology Journal. 2018; 20(2): 92–105. (in Thai)
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(ICICoS); 2020 November 10-11; Indonesia; 2020. p.1-4.
Jaturawatthana P, Phongmanawut P, Phankokkruad M. Development of a learning record system with face detectio
Deng W, Hu J, Guo J. Compressive binary patterns designing a robust binary face descriptor with random-field eigen filters. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2019; 41(3): 758-67.
Shatnawi Y, Alsmirat M, Al-Ayyoub M. Face recognition using eigen-faces and extension neural network. International Conference on Computer Systems and Applications (AICCSA); 2019 November 3-7; United Arab Emirates; 2019. p. 1-7.
Xiao J, Li S, Xu Q. Video-based evidence analysis and extraction in digital forensic investigation. IEEE Access. 2019; 7: 5432-42.
Shahbaz A, Jo K.H. Moving object detection based on deep atrous spatial features for moving camera. International Symposium on Industrial Electronics (ISIE); 2020 June 17-19; Netherlands; 2020. p. 67-70.
Kushal M, Kushal Kumar B.V, Charan Kumar M.J, Pappa M. ID card detection with facial recognition using tensor flow and OpenCV. International Conference on Inventive Research in Computing Applications; 2020. p. 742-46.
Noble F.K. Comparison of OpenCV’s feature detectors and feature matchers. Proceeding of International Conference on Mechatronics and Machine Vision in Practice (M2VIP); 2016 ; November 28-30; China; 2016. p. 1-6.
Suksukont A. Development of facial area and object detection around the eye technique using image processing. Journal of Applied Research on Science and Technology. 2021; 20(2): 36-46. (in Thai)