Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM i
NHIỆM VỤ ĐỒ ÁN

Sinh viên thực hiện: Trần Thanh Duy MSSV: 05111014
Nguyễn Minh Quang MSSV: 05111076
Ngành: Cơ Điện Tử Mã ngành: 11
Hệ đào tạo: Đại học chính quy Mã hệ: 1
Khóa: 2005 Lớp: 051111B
I. Tên đề tài:
Thiết

Kế Và Thi Công Robot Bám Đối Tượng
Mặt Người

II. Nhiệm vụ đề tài:
 Thiết kế và thi công phần cơ khí cho mô hình robot bám đối tượng.
 Thiết kế, tính toán và thi công mạch điều khiển cho mô hình dùng chip vi
điều khiển Atmega32.
 Viết chương trình điều khiển mô hình cho vi điều khiển.
III. Ngày giao đồ án: Ngày … tháng … năm 2010
IV. Ngày hoàn thành đồ án: Ngày … tháng … năm 2010
V. Giáo viên hướng dẫn: Lê Thanh Tùng

Ngày tháng năm 2010
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM iii
NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN

Ngày tháng năm 2010
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM v
LỜI NÓI ĐẦU
Thời gian trôi qua thật nhanh. Ngày đầu tiên bước vào giảng trường đại học
vẫn còn bỡ ngỡ. Giờ hơn bốn năm đã trôi qua. Lúc này khi chúng em đang chuẩn bị
bảo vệ đồ án tốt nghiệp cũng chính là lúc chúng em chuẩn bị bước vào ngưỡng cửa
cuộc đời.
Đồ án tốt nghiệp là một dịp để chúng em tập ứng dụng kiến thức đã học vào
một vấn đề cụ thể một cách hoàn chỉnh và có hệ thống, cũng là một thước đo tương
đối khách quan những điều chúng em đã lĩnh hội được sau hơn bốn năm miệt mài
dưới sự dìu dắt của các thầy cô. Những kiến thức chúng em học trong trường đại
học là những kiến thức sẽ đi cùng chúng em hòa nhập vào nền khoa học kỹ thuật
trong nước và thế giới.
Trên thế giới công nghệ Robot đang trên đà phát triển rất mạnh. Ở các nước
phát triển như: Trung Quốc, Anh, Mỹ, Nhật Bản… hệ thống nhận dạng ra đời từ rất
lâu. Ngày nay hệ thống nhận dạng và bám đối tượng nhận dạng càng trở nên phong
phú với nhiều loại nhận dạng khác nhau cũng như sự tích hợp càng nhiều những kỹ
thuật công nghệ cao. Bởi lẽ cùng với sự tiến bộ của xã hội loài người, nền công
nghiệp ngày càng phát triển, thì nhu cầu sử dụng robot thay thế sức lao động của
con người ngày càng tăng.
Ở Việt Nam, sau thời kỳ hậu chiến, nền kinh tế đã có nhiều khởi sắc rõ rệt,
ngày nay mức sống của người dân được nâng cao hơn. Nhu cầu robot trong công
nghiệp ngày càng nhiều.
Chính vì lẽ đó, được sự định hướng của thầy Lê Thanh Tùng, nhóm chúng
em đã chọn đề tài tốt nghiệp là:”Thiết kế và thi công robot b ám đối tượng mặt
người”.
Với mô hình chưa thực sự hoàn thiện, đồ án của chúng em chưa thể áp dụng

học Sư Phạm Kỹ Thuật TP.HCM mà trong khuôn khổ này tụi em chưa nói hết được
lòng biết ơn của mình. Chúng em hứa sẽ cố gắng phấn đấu hơn nữa trong sự nghiệp
sau này để làm rạng danh mái trường Sư Phạm Kỹ Thuật thân yêu.
Sinh viên thực hiện
Trần Thanh Duy
Nguyễn Minh Quang
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM vii
TÓM TẮT ĐỒ ÁN

Mô hình đồ án là một robot có hình dạng như chiếc xe, với hai động cơ
24v là 2 động cơ truyền động chính, hai bánh xe Ômi phía trướ c có tác dụng
điều hướng. Một thanh nhôm cao 80cm gắn một webcam tác dụng như một con
mắt để xác định khuôn mặt và chạy theo khuôn mặt được phát hiện. Trên
thanh nhôm gắn một động cơ hộp số để kéo ổ trượt phía dưới có tác dụng
nâng hay hạ webcam lên xuống.
Bộ điều khiển của robot là một mạch điện sử dụng Atmega32 dùng để
điều khiển chuyển động chính và chuyển động nâng hạ của webcam thông qua
các mạch công suất. Mạch công suất là mạch cầu 1 FET,1 Relay dùng để điều
khiển 2 động cơ 24v phía sau. Một mạch cầu nữa gắn trên thanh nhôm 80cm
dùng để điều khiển chuyển động của webcam.
Phần mềm giám sát là C#.Net trong bộ Visual Studio 2008.

circuit is a FET bridge circuit, a relay used to control the two rear engine 24V.
A bridge-mounted aluminum 80cm longer used to control the motion of the
webcam.
Monitoring software is C #. NET in Visual Studio 2008.
This thesis contains:

Chapter 1 Overview.
Chapter 2 theoretical basis.
Chapter 3 Design of mechanical parts.
Chapter 4 Designing the circuit.
Chapter 5 Control Design Software.
Chapter 6 Conclusion and development.
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM ix
MỤC LỤC
Trang
Nhiệm vụ đồ án I
Nhận xét của giáo viên hướng dẫn II
Nhận xét của giáo viên phản biện III
Nhận xét của hội đồng khoa học I V
Lời nói đầu V
Lời cảm ơn VI

2.5
Giới thiệu PWM trong đồ án: 13
2.5.1 PWM 13
2.5.2 Phân loại PWM: 13
2.6 Emgu CV: 15
Chương 3:THIẾT KẾ CƠ KHÍ 17
3.1 Yêu cầu đặt ra 17
3.2 Thiết kế 17
3.2.1 Hình dạng 17
3.2.2Vật liệu 19
3.2.3 Đặc điểm kỹ thuật 19
Chương 4:THIẾT KẾ PHẦN MẠCH ĐIỆN 23
4.1 Tổng quát 23
4.2 Mạch điều khiển 24
4.2.1 Yêu cầu 24
4.2.2 Giải pháp 24
4.3 Mạch kích 25
4.4 Động cơ truyền chuyển động chính 28
4 4.1 Yêu cầu đặt ra 28
4.4.2 Chọn động cơ 28
4.4.3 Chế độ hoạt động 28
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM xi
Chương 5:THIẾT KẾ PHẦM MỀM 29
5.1 Giao diện trên máy tính 29


1.1 Giới thiệu chung:
Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán xác định
khuôn mặt ng ười từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các
nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng
vào thiết bị thu hình và tìm cách nhận ra được đâu là mặt người và vị trí của nó trên
ảnh. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt
trong cùng một ảnh, và cũng tìm cách nhận ra đâu là mặt người, đâu là không,
nhằm đáp ứng nhu cầu mà con người đặt ra. Hình 1.1 Một ví dụ về nhận dạng mặt người.
1.2 Nhận dạng khuôn mặt và lý do chon đề tài
Bài toán nhận dạng khuôn mặt người là bài toán được nghiên cứu từ những
năm 70. Tuy nhiên đây là một bài toán khó nên việc nghiên cứu vẫn chưa đạt được
những kết quả mong muốn.
Trong nước ta, những năm nay thì xử lý ảnh là một môn học tuy còn nhiều
mới mẻ nhưng được sự quan tâm của rất nhiều nhà khoa học, giảng viên, sinh
viên,…
Hiện nay công nghệ nhận dạng đã được ứng dụng vào thực tế như máy ảnh
kỹ thuật số.

Do phần lớn người chụp chỉ muốn ngắm là chụp nên mọi thao tác
khác giao phó hết cho máy ảnh. Trong khi đó, má y ảnh, với đặc tính ưu tiên lấy

Thật sự đây là một đề tài nghiên cứu khó khăn nhưng cũng không
kém phần thú vị. Hệ thống nhận dạng khuôn mặt người là một hệ thống sẽ
được ứng dụng nhiều trong tương lai. Đây cũng là một hướng đi của công
nghệ mới,do vậy dưới sự hướng dẫn thầy Lê Thanh Tùng nhóm chúng em
quyết định chọn đề tài “Thiết kế và thi công Robot nhận dạng mặt người”.
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
3 Chương 2
CƠ SỞ LÝ LUẬN

2.1 Lý thuyết nhận dạng khuôn mặt người:

2.1.1. Khái niệm:
Nhận dạng khuôn mặt người (Face Detection) là một kỹ thuật máy tính để
xác đinh các vị trí các kích thước của khuôn mặt người trong các ảnh bất kỳ. Kỹ
thuật này nhận biết các đặc trưng của các khuôn mặt và bỏ qua những thứ khác
như tòa nhà, cây cối, cơ thể,…

2.1.2.Ứng dụng của phương pháp nhận dạng khuôn mặt người:
 Hệ thống tương tác giữa người và máy: sẽ giúp những người tàn tật hoặc
khiếm khuyết có thể trao đổi. Những người câm sẽ nói chuyện với người
bình thường bằng ngôn ngữ tay, người bại liệt có thể thông qua các ký hiệu
như nháy mắt, những cử chỉ trên khuôn mặt để ra hiệu cho người bình
thường,…
 Nhận dạng người có phải là tội phạm bị truy nã hay không? Giúp cơ quan
an ninh quản lý tốt con người. Hoặc có thể truy tìm nhanh chóng các hồ sơ
tội phạm trong cơ sở dữ liệu của máy tính.
 Hệ thống quan sát theo dõi và bảo vệ. Các hệ thống camera sẽ xác định đâu

định khuôn

mặt người.

Đây là hướng tiếp
cận dạng top-down.

Dễ

dàng xây dựng các

luật cơ bản

để mô tả các

đặc trưng
của khuôn mặt và các quan hệ tương

ứng. Ví dụ, một khuôn mặt thường có hai
mắt

đối xứng nhau qua trục thẳng

đứng

ở giữa khuôn mặt và

có

một mũi, một


thể

thỏa

mãn

tất

cả

các

luật

đưa

ra. Nhưng các

luật
tổng quát quá thì có thể chúng ta sẽ xác

định lầm một vùng nào

đó không phải là
khuôn mặt mà lại xác

định là khuôn

mặt. Và

để xác

định khuôn

mặt người. Dựa trên
nhận xét thực tế, con người dễ dàng nhận biết các khuôn mặt và các

đối tượng
trong các tư thế khác nhau

và

điều kiện

ánh sáng khác nhau,

thì

phải tồn tại các

thuộc tính

hay

đặc trưng không

thay

đổi. Có nhiều nghiên cứu



được trích

bằng phương

pháp

xác

định

cạnh. Trên

cơ

sở

các

đặc trưng này, xây

dựng
một mô hình thống kê

để mô

tả quan hệ của các

đặc trưng này và xác


để xác

định sẽ gặp khó
khăn.

2.2.3 Hướng tiếp cận dựa trên so khớp mẫu:

Trong so khớp mẫu, các mẫu chuẩn của khuôn mặt (thường là khuôn
mặt

được chụp thẳng) sẽ

được xác

định trước hoặc xác

định

các tham số thông
qua một hàm.

Từ một

ảnh

đưa vào, tính các giá trị tương quan so với các mẫu
chuẩn về

đường viền khuôn mặt, mắt, mũi và miệng. Thông qua các giá trị tương
quan


Hình 2.2 Nhận dạng dựa trên so khớp mẫu
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
6

2.2.4 Hướng tiếp cận dựa trên diện mạo:

Trái ngược hẳn với so khớp mẫu, các mô hình (hay các mẫu)

được học từ một
tập

ảnh huấn luyện trước

đó. Sau

đó hệ thống (mô

hình) sẽ xác định khuôn mặt
người. Hay

một số tác

giả còn gọi hướng tiếp cận này là hướng tiếp cận theo
phương pháp học.Hình 2.3 Tập ảnh dùng để huấn luyện mặt người.
Sau đó hệ thống sẽ tổng hợp tất cả các đặc tình của khuôn mặt con người như: mắt,
mũi, miệng, thành một vector riêng .

Hình 2.5: Mô hình phân tần kết hợp các bộ phân loại yếu để xác định khôn mặt

Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
8

Trong đó, hk là các bộ phân loại yếu, được biểu diễn như sau: x: cửa sổ con cần xét
O
k
: ngưỡng (O = teta)
f
k
: giá trị của đặc trưng Haar-like
p
k
: hệ số quyết định chiều của phương trình

AdaBoost sẽ kết hợp các bộ phân loại yếu thành bộ phân loại mạnh như sau:
H(x) = sign(a
1
h
1
(x) +a
2
h

Đặc trưng đường (line features):

Đặc trưng xung quanh tâm (center-surround features):

Dùng các đặc trưng trên, ta có thể tính được giá trị của đặc trưng Haar-like là sự
chênh lệch giữa tổng của các pixel của các vùng đen và các vùng trắng như trong
công thức sau:

f(x) = Tổng
vùng đen
(các mức xám của pixel) - Tổng
vùng trắng
(các mức xám của pixel)

Sử dụng giá trị này, so sánh với các giá trị của các giá trị pixel thô, các đặc
trưng Haar-like có thể tăng/giảm sự thay đổi in -class/out-of-class (bên trong hay
bên ngoài lớp khuôn mặt người), do đó sẽ làm cho bộ phân loại dễ hơn.
Như vậy ta có thể thấy rằng, để tính các giá trị của đặc trưng Haar-like, ta
phải tính tổng của các vùng pixel trên ảnh. Nhưng để tính toán các giá trị của các
đặc trưng Haar-like cho tất cả các vị trí trên ảnh đòi hỏi chi phí tính toán khá lớn,
không đáp ứng được cho các ứng dụng đòi hỏi tính run-time. Do đó Viola và Jones
đưa ra một khái niệm gọi là Integral Image, là một mảng 2 chiều với kích thước
bằng với kích của ảnh cần tính các đặc trưng Haar-like, với mỗi phần tử của mảng
này được tính bằng cách tính tổng của điểm ảnh phía trên (dòng-1) và bên trái (cột-
1) của nó. Bắt đầu từ vị trí trên, bên trái đến vị trí dưới, phải của ảnh, việc tính toán
này đơn thuần chỉ đựa trên phép cộng số nguyên đơn g iản, do đó tốc độ thực hiện
rấtnhanh.
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
10


Bộ nhớ Flash : 32k bytes
Bộ nhớ EEPROM: 1024 bytes
Bộ nhớ SRAM: 2k bytes
2.4.2 Đặc điểm:
• Hai bộ đếm/định thời 8 bit với chế độ so sánh và chia tần số tách biệt.
• Một bộ đếm/định thời 16 bit với chế độ so sánh và chế độ nạp lại, chia tần số
tách biệt .
• Bốn kênh PWM.
• Giao tiếp nối tiếp SPI master/Slave.
• USARTnối tiếp lập trình được.
• Có bộ định thời Watchdog timer ngày trên chip và lập trình được với bộ dao
động độc lập.
• Bộ so sánh Analog trên chip.
• Một bộ biến đổi ADC 10 bit có đến 8 kênh lối vào.
• Một giao diện TWI đồng bộ tương thích I2C.
• Bộ đếm thời gian thực với bộ dao động tách biệt.
• I/O : 32 đường I/O, trong đó có 23 đường I/O lập trình được.
• Điện áp hoạt động: 4.5 - 5.5V.
• Hoạt động với xung nhịp: 0-16MHz
Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
12

2.4.3 Sơ đồ khối:

Hình 2.5 Cấu trúc tổng quát của Atmega 32. Bộ đệm Port C
Bộ đệm Port B
Ngõ vào số PortC

ghi trạng
thái
ALU
Thanh ghi
đa năng
X
Y
Z
Đơn vị ngắt
Bộ đệm Port D
Ngõ vào số PortD
SPI
Bộ Logic
chươg trình
Ngõ vào
so sánh
PC0 5,7 Reset
PB0 7
XtLA1
XtLA2
AGND
AREF
Dao động
AVR CPU
Đường
điều khiển
PD0 5
PD6 PD7
VCC
GND


Hình2.6 Biểu đồ dạng sóng của PWM chế độ Fast

Bộ Giáo Dục Và Đào Tạo Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
14

+ Đối với TCNT1:
Tần số pwm:
_/
OCnxPWM
(1 )
Clk I O
f
f
N TOP
=
+
; N={1, 8, 64, 256, hoặc 1024}
+ Đối với TCNT2:
_/
OCnPWM
.256
Clk I O
f
f
N
=
; N ={1, 8, 32, 64, 128, 256, hoặc 1024}
• Chế độ PWM hiệu chỉnh pha :
Đối với mode này, timer đếm từ giá trị BOTTOM lên đến giá trị MAX và sau đó

; N ={1, 8, 32, 64, 128, 256, hoặc 1024}
 Chế độ PWM hiệu chỉnh pha và tần số (chỉ có ở TCNT1):
TOVn=1 ( ngắt tại
BOTTOM)
Cập nhật OCRnx/TOP và
OCnA =1 hoặc ICF =1
( tại TOP)
Chu kỳ