Human face recognition system
2
Issued Date
2009
Copyright Date
2009
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xii, 119 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Research Project (M.Sc. (Computer Science))--Mahidol University, 2009
Suggested Citation
Chittrapol Inkuna Human face recognition system. Research Project (M.Sc. (Computer Science))--Mahidol University, 2009. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/96077
Title
Human face recognition system
Alternative Title(s)
ระบบรู้จำใบหน้ามนุษย์
Author(s)
Advisor(s)
Abstract
งานวิจัยนี้เสนอระบบสำหรับการรู้จำใบหน้ามนุษย์โดยใช้ภาพบุคคลจากเจ้าหน้าที่ในสำนัก เทคโนโลยีสารสนเทศ กรมสรรพากรเพื่อพัฒนานำไปใช้กับระบบควบคุมเจ้าหน้าที่เข้า-ออก ภายในตึกสำนักเทคโนโลยีสารสนเทศ กรมสรรพากร โดยใช้เทคนิคของการประมวลผลภาพซึ่ง สามารถ แบ่งการทำงานออกเป็น 3 ขั้นตอนหลักๆ ดังนี้ 1) การเตรียมภาพบุคคลในสำนัก เทคโนโลยีสารสนเทศ กรมสรรพากร โดยเก็บคนละ 10 ภาพเพื่อใช้ในการสอนระบบ 8 ภาพ และทดสอบระบบ 2 ภาพต่อ 1 บุคคลจำนวน 100 คน และภาพของคนที่ไม่ได้อยู่ในสำนัก เทคโนโลยีสารสนเทศ คนละ 1 รูปจำนวน 20 คน ในการทดสอบกับระบบ 2) การแยกบล็อก องค์ประกอบของตา,จมูก และปาก เพื่อนำมาคำนวณค้นหาระยะห่างระหว่างอวัยวะแต่ละส่วน จำนวน 20 ส่วนที่มีค่าแตกต่างกัน 3) การรู้จำตัวเลขจากการคำนวณหาระยะห่างระหว่างอวัยวะ โดยใช้ Neural Network จากการทดลองอ่านข้อมูลบนภาพใบหน้าบุคคลในสำนักเทคโนโลยี สารสนเทศ จำนวน 200 ภาพประกอบด้วย 100 คนๆละ 2 ภาพ และอีกส่วนภาพบุคคลที่ไม่ได้ สอนให้แก่ระบบจำนวน 20 ภาพ พบว่าระบบสามารถค้นองค์ประกอบบนใบหน้ามนุษย์เพื่อ คำนวณค่าระยะห่างได้ถูกต้องเฉลี่ย 100 เปอร์เซ็นต์โดยสามารถรู้จำใบหน้าบุคคลที่ภาพในการ สอนแก่ระบบได้ถูกต้องเฉลี่ย 96.00 เปอร์เซ็นต์ (192 ภาพ จากจำนวนทั้งสิ้น 200 ภาพ) และ สามารถรู้จำใบหน้ามนุษย์ที่ไม่มีการสอนในระบบได้ถูกต้องเฉลี่ย 100 เปอร์เซ็นต์(20 ภาพ จาก จำนวนทั้งสิ้น 20 ภาพ)
This research proposed a Human Face Recognition System. Images of staff of the Office of Information Technology at the Revenue Department (RD) of Thailand, were used to develop a system to control access and departure of officers at the IT office building. The system uses a technique of image processing consisting of 3 major processes: 1) preprocessing or preparation of images of the RD staff of 100 officers (10 images each, with 8 for system training and 2 for system testing). In addition, images of 20 people not working in the RD were also prepared ( 1 image each, for system testing); 2) Feature Extraction from images of eyes, ears, noses and mouths, used for a calculation of 20 Euclidean Distances between each organ; and 3) Face Recognition using a Neural Network. Based on the experimental results from reading image a total of 200 images of face staff, with 2 images of each of 100 staff, and another 20 images of people not used for system training, it was found that the system was able to extract 100% face features to calculate the Euclidean Distances. For face recognition, the findings revealed that the average accuracy rate was 96.00% (192 recognized of 200 images) for face images of those used for system training. The average accuracy rate was 100% (20 images recognized) for face images of those not included in the system training.
This research proposed a Human Face Recognition System. Images of staff of the Office of Information Technology at the Revenue Department (RD) of Thailand, were used to develop a system to control access and departure of officers at the IT office building. The system uses a technique of image processing consisting of 3 major processes: 1) preprocessing or preparation of images of the RD staff of 100 officers (10 images each, with 8 for system training and 2 for system testing). In addition, images of 20 people not working in the RD were also prepared ( 1 image each, for system testing); 2) Feature Extraction from images of eyes, ears, noses and mouths, used for a calculation of 20 Euclidean Distances between each organ; and 3) Face Recognition using a Neural Network. Based on the experimental results from reading image a total of 200 images of face staff, with 2 images of each of 100 staff, and another 20 images of people not used for system training, it was found that the system was able to extract 100% face features to calculate the Euclidean Distances. For face recognition, the findings revealed that the average accuracy rate was 96.00% (192 recognized of 200 images) for face images of those used for system training. The average accuracy rate was 100% (20 images recognized) for face images of those not included in the system training.
Description
Computer Science (Mahidol University 2009)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Science
Degree Discipline
Computer Science
Degree Grantor(s)
Mahidol University