การระบุตัวตนด้วยการวิเคราะห์ภาพใบหน้าโดยรวมและเฉพาะส่วน

กิตติธัช ตันมา

Please use this identifier to cite or link to this item: https://ir.stou.ac.th/handle/123456789/13024

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	เตชค์ฐสิณป์ เพียซ้าย	th_TH
dc.contributor.author	กิตติธัช ตันมา	th_TH
dc.contributor.other	มหาวิทยาลัยสุโขทัยธรรมาธิราช. สำนักบัณฑิตศึกษา	th_TH
dc.date.accessioned	2025-01-24T07:59:00Z	-
dc.date.available	2025-01-24T07:59:00Z	-
dc.date.issued	2566	-
dc.identifier.uri	https://ir.stou.ac.th/handle/123456789/13024	en_US
dc.description	วิทยานิพนธ์ (วท.ม. (เทคโนโลยีสารสนเทศและการสื่อสาร))--มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2566	th_TH
dc.description.abstract	งานวิจัยนี้มีจุดประสงค์ 1) เพื่อพัฒนาเทคนิคการระบุตัวตนด้วยการวิเคราะห์ใบหน้าโดยรวมและเฉพาะส่วน 2) เพื่อทดสอบความถูกต้องของการระบุตัวตนด้วยการวิเคราะห์ภาพใบหน้าโดยรวมและเฉพาะส่วนกลุ่มตัวอย่างเป็นภาพใบหน้าบุคคลจำนวน 15 คน คนละ 170 ภาพ การพัฒนาใช้การเขียนโปรแกรมภาษาไพธอนร่วมกับคลังชุดคำสั่งโอเพนซีวี และใช้วิธีการเรียนรู้ของเครื่อง 3 วิธีที่มีข้อดีแตกต่างกันด้วยการประมวลผลแบบขนานพร้อมกันประกอบด้วย วิธีการถดถอยโลจิสติก วิธีการซัพพอร์ตเวกเตอร์แมชชีน และวิธีการแรนดอมฟอร์เรส แล้วทำการโหวตผลลัพธ์ด้วยการเลือกค่าความแม่นยำของวิธีการที่มีค่าความแม่นยำมากที่สุดเป็นผลลัพธ์ของการระบุตัวตน โดยแต่ละวิธีการเรียนรู้ใช้ชุดข้อมูลของภาพเต็มใบหน้าและภาพใบหน้าที่ทำการปกปิดบางส่วนบนใบหน้า ได้แก่ บริเวณตาทั้งสอง บริเวณปาก เพื่อการฝึกสอนและการทดสอบผลการวิจัยพบว่า 1) เทคนิคการระบุตัวตนด้วยการวิเคราะห์ใบหน้าโดยรวมและเฉพาะส่วนที่ได้พัฒนาขึ้นโดยวิธีการโหวตผลลัพธ์จากการประมวลผลแบบขนานที่ใช้เทคนิคการเรียนรู้ของเครื่อง 3 วิธีสามารถทำการระบุตัวตนได้ดี และ 2) ผลการทดสอบกับชุดข้อมูลของภาพเต็มใบหน้าจำนวน 2,550 ภาพและภาพที่ปิดบังบางส่วนบนใบหน้าจำนวน 300 ภาพ พบว่า เทคนิคที่ได้พัฒนาสามารถระบุตัวตนได้ค่าความแม่นยำสูงสุดประมาณร้อยละ 86	th_TH
dc.format	application/pdf	en_US
dc.language.iso	th	en_US
dc.publisher	มหาวิทยาลัยสุโขทัยธรรมาธิราช	th_TH
dc.rights	มหาวิทยาลัยสุโขทัยธรรมาธิราช	th_TH
dc.source	Born digital	en_US
dc.subject	มหาวิทยาลัยสุโขทัยธรรมาธิราช. สาขาวิชาวิทยาศาสตร์และเทคโนโลยี--วิทยานิพนธ์	th_TH
dc.subject	มหาวิทยาลัยสุโขทัยธรรมาธิราช. แขนงวิชาเทคโนโลยีสารสนเทศและการสื่อสาร--วิทยานิพนธ์	th_TH
dc.subject	การรู้จำใบหน้ามนุษย์ (วิทยาการคอมพิวเตอร์)	th_TH
dc.subject	การพิสูจน์เอกลักษณ์	th_TH
dc.title	การระบุตัวตนด้วยการวิเคราะห์ภาพใบหน้าโดยรวมและเฉพาะส่วน	th_TH
dc.title.alternative	Personal Identification Using Global and Local Face Analyses	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต (เทคโนโลยีสารสนเทศและการสื่อสาร)	th_TH
dc.degree.level	ปริญญาโท	th_TH
dc.degree.discipline	สาขาวิชาวิทยาศาสตร์และเทคโนโลยี	th_TH
dc.description.abstractalternative	The objectives of this research were 1) to develop a technique for identification by overall and specific face analyses, 2) to test the overall identification validate by and specific face analyses. The sample was the personal face images of the 15 people and each person had 170. Development used Python programming with the OpenCV library and parallel processing with the three machine learning methods with different advantages. These methods were the logistic regression method, the support vector machine method, and the random forest method. The result of the parallel processing for identification was the maximum accuracy value from the voting. The machine learning methods used the data set that included the full-face images and the obscured face images that were the eye and the mouth region for the training and the testing. The research results found that 1) the technique for identification by overall and specific face analyses that was developed using the voting method of the results from parallel processing of 3 machine learning methods could predicate well for the identification and 2) the testing result with the data set that included the 2,550 full-face images and 300 obscured face images found that the developed technique for identification received the maximum accuracy value of about 86 percent.	en_US
dc.contributor.coadvisor	ณัฐพร เห็นเจริญเลิศ	th_TH
Appears in Collections:	Science Tech - Theses

Files in This Item:

File	Description	Size	Format
2639600309.pdf		2.88 MB	Adobe PDF	View/Open

Show simple item record