Nghiên cứu đánh giá hiệu quả của thuật toán Haar Cascade and Local Binary Patterns Histogram để mở khóa ô tô = Research on evaluating the effectiveness of the Haar Cascade and Local Binary Patterns Histogram algorithms for car unlocking

Abstract

Bài báo trình bày nghiên cứu ứng dụng công nghệ nhận diện khuôn mặt sử dụng thuật toán Haar Cascade để phát hiện khuôn mặt và LBPH (Local Binary Patterns Histogram) để nhận diện khuôn mặt, tích hợp trong hệ thống điều khiển khóa cửa trên cánh xe ô tô Hyundai Vios. Thí nghiệm được tiến hành trên 10 người tham gia, mỗi người thực hiện nhận diện 50 lần, nhằm đánh giá độ chính xác của hệ thống. Kết quả cho thấy độ chính xác trung bình dao động từ 55,5% đến 56,2% đối với các cá nhân có trong dữ liệu nhận dạng và 32% đến 34,4% đối với các cá nhân không có trong dữ liệu nhận dạng. Các thí nghiệm bổ sung về ảnh hưởng của khoảng cách và điều kiện ánh sáng cũng được thực hiện. Độ chính xác nhận diện giảm dần khi khoảng cách từ camera đến khuôn mặt tăng lên, từ 53,7% ở khoảng cách 30 cm xuống còn 18% ở khoảng cách 120 cm. Đặc biệt, điều kiện ánh sáng có ảnh hưởng rất lớn đến hiệu suất nhận diện, với độ tin cậy trung bình đạt 54,7% trong điều kiện ánh sáng tốt, nhưng chỉ còn 8,4% trong điều kiện ánh sáng kém. Kết quả nghiên cứu cho thấy hệ thống nhận diện khuôn mặt này phù hợp trong điều kiện khoảng cách gần và ánh sáng đầy đủ.