Xây Dựng Hệ Thống Điểm Danh Sinh Viên Dựa Trên Nhận Diện Khuôn Mặt (Facial Recognition)

Tóm tắt nghiên cứu (200-250 từ)

Nghiên cứu tập trung giải quyết bài toán tự động hóa quy trình điểm danh trong môi trường giáo dục đại học thông qua thị giác máy tính (Computer Vision) và học sâu (Deep Learning). Câu hỏi nghiên cứu cốt lõi được đặt ra là: Làm thế nào để xây dựng một pipeline nhận diện khuôn mặt đạt độ chính xác cao, hoạt động theo thời gian thực (real-time) nhưng vẫn tối ưu hóa tài nguyên phần cứng để triển khai linh hoạt trên nền tảng Web?

Phương pháp tiếp cận của đề tài chia thành hai giai đoạn kỹ thuật rõ rệt:

  1. Phát hiện khuôn mặt (Face Detection): Ứng dụng mô hình siêu nhẹ Ultra-light fast face detection (kiến trúc SSD kết hợp module Receptive Fields Block - RFB) được tối ưu hóa qua framework ONNX Runtime.
  2. Nhận diện khuôn mặt (Face Verification): Thực hiện tiền xử lý căn chỉnh thẳng hàng 5 điểm mốc (facial landmarks), sau đó trích xuất vector nhúng đặc trưng 128 chiều (embedding vector) bằng mô hình FaceNet (Inception-ResNet-v1 tiền huấn luyện trên VGGFace2) và đo khoảng cách Euclidean.

Kết quả thực nghiệm cho thấy kiến trúc kết hợp này cho khả năng phân tách cụm dữ liệu khuôn mặt vượt trội so với các mô hình đối chuẩn (VGG-Face, OpenFace, DeepFace), đạt độ chính xác cao và triệt tiêu đáng kể tỷ lệ nhận diện sai. Nghiên cứu khẳng định tính khả thi của việc ứng dụng các mạng nơ-ron học sâu tối ưu hóa trên nền tảng Web nhẹ (Flask, SSE) nhằm chuyển đổi số công tác quản lý lớp học.

Bối cảnh và tầm quan trọng (300-350 từ)

Thực trạng và Khoảng trống nghiên cứu (Research Gap)

Điểm danh truyền thống bằng phương pháp gọi tên hoặc ký danh sách giấy tiêu tốn từ 10–15 phút mỗi buổi học, dễ phát sinh gian lận (điểm danh hộ) và gây gián đoạn mạch giảng dạy. Mặc dù các hệ thống sinh trắc học thương mại (như máy quét vân tay hay thiết bị nhận diện chuyên dụng) đã xuất hiện, chúng thường có chi phí đầu tư thiết bị rất cao, tính linh hoạt thấp, khó tùy biến và phụ thuộc vào phần cứng cố định.

Khoảng trống nghiên cứu hiện nay nằm ở việc thiếu vắng các giải pháp nhận diện khuôn mặt mã nguồn mở có khả năng cân bằng tối ưu giữa ba yếu tố: độ chính xác nhận diện, tốc độ xử lý khung hình thời gian thực và yêu cầu phần cứng tối giản có thể triển khai trên môi trường điện toán đám mây hoặc thiết bị phổ thông.

Tính cấp thiết và Tác động tiềm năng

Trong bối cảnh chuyển đổi số giáo dục (Smart Education) và xây dựng mô hình đại học thông minh (Smart Campus), việc tự động hóa công tác quản trị sinh viên là nhu cầu cấp thiết:

  • Tối ưu hóa thời lượng giảng dạy: Giảm thiểu 100% thời gian điểm danh thủ công, giúp giảng viên tập trung vào chuyên môn.
  • Minh bạch hóa dữ liệu học tập: Tự động lưu vết thời gian xuất hiện của sinh viên với độ chính xác cao, tạo lập cơ sở dữ liệu số hóa tức thì.
  • Khả năng mở rộng liên ngành: Không chỉ dừng lại ở giảng đường, cấu trúc hệ thống có thể mở rộng sang quản lý ra/vào doanh nghiệp (eKYC, Access Control), giám sát an ninh trật tự hoặc ứng dụng vào phân loại thị giác tự động trong nông nghiệp và y tế.

Methodology và approach (350-400 từ)

Nghiên cứu áp dụng quy trình thiết kế thực nghiệm đa tầng (multi-stage experimental pipeline), kết hợp chặt chẽ giữa xử lý ảnh kỹ thuật số và các kiến trúc học sâu hiện đại.

1. Cơ chế Phát hiện Khuôn mặt (Face Detection Pipeline)

  • Kiến trúc One-stage SSD: Sử dụng mô hình Ultra-light fast face detection với mạng cơ sở Single Shot MultiBox Detector (SSD) giúp dự đoán vị trí hộp bao (bounding box) trong một lần lan truyền tiến (forward pass).
  • Module trường cảm thụ mở rộng (Receptive Fields Block - RFB): Mô phỏng hệ thống thị giác sinh học bằng các lớp tích chập phân nhánh có tỷ lệ giãn nở (dilated convolution), giúp bắt trọn đặc trưng khuôn mặt ở nhiều tỷ lệ kích thước khác nhau mà không làm gia tăng đáng kể tham số tính toán.
  • Tăng tốc suy luận qua ONNX: Mô hình PyTorch được đóng gói sang định dạng chuẩn Open Neural Network Exchange (ONNX) và chạy trên ONNX Runtime, loại bỏ phụ thuộc nặng nề vào môi trường huấn luyện, tối ưu hóa tốc độ thực thi trên CPU/GPU phổ thông.
  • Hậu xử lý Non-Maximum Suppression (NMS): Dùng chỉ số Jaccard Index (Intersection over Union - IoU) để loại bỏ các khung bao trùng lặp, giữ lại vùng có xác suất tin cậy cao nhất.

2. Tiền xử lý & Căn chỉnh hình học (Facial Landmark Alignment)

Nhận diện khuôn mặt phụ thuộc lớn vào góc nghiêng đầu. Hệ thống tích hợp thư viện dlib và imutils để định vị 5 điểm mốc giải phẫu khuôn mặt cốt lõi (2 khóe mắt trái/phải, 1 điểm đầu mũi), thực hiện biến đổi affine xoay trục khuôn mặt về phương nằm ngang chuẩn mực, trước khi chuẩn hóa kích thước về ma trận $160 \times 160$ pixel.

3. Trích xuất đặc trưng & Đối sánh Vector (Feature Extraction & Metric Learning)

  • Mạng FaceNet (Inception-ResNet-v1): Chiếu ảnh khuôn mặt $160 \times 160$ vào không gian Euclidean đa chiều, sinh ra vector nhúng đặc trưng $\mathbb{R}^{128}$.
  • Tối ưu hóa hàm mất mát (Loss Function): Mô hình vận dụng cơ chế Triplet Loss kết hợp Pairwise Loss: $$\mathcal{L}{triplet} = \sum{i}^{N} \max \left( 0, |f(I_i^A) - f(I_i^P)|_2^2 - |f(I_i^A) - f(I_i^N)|_2^2 + \alpha \right)$$ (Trong đó $I^A$ là ảnh neo, $I^P$ là ảnh cùng danh tính, $I^N$ là ảnh khác danh tính, $\alpha$ là khoảng cách lề an toàn).
  • Phân lớp dựa trên khoảng cách Euclidean: $$d(x, y) = \sqrt{\sum_{i=1}^{128} (x_i - y_i)^2}$$ Khoảng cách nhỏ nhất được so sánh với ngưỡng quyết định (Threshold) tối ưu hóa thông qua cây quyết định C4.5 Decision Tree.

4. Triển khai Ứng dụng Web

Hệ sinh thái dịch vụ được xây dựng trên Flask Microframework, tích hợp kỹ thuật Server-Sent Events (SSE) và luồng bất đồng bộ AJAX, cho phép truyền nhận dữ liệu camera thời gian thực hai chiều giữa Client và Server mà không gây gián đoạn tải trang.

Phát hiện chính (400-450 từ)

Quá trình đánh giá thực nghiệm trên tập dữ liệu kiểm thử khuôn mặt sinh viên và tập dữ liệu chuẩn mực quốc tế (WIDER FACE, LFW) đã mang lại các phát hiện khoa học mang tính cốt lõi:

Mô hình kiểm thử Không gian Vector Độ tách biệt phân phối (KDE) Ngưỡng tối ưu ($\theta$) F1-Score Độ chính xác tổng thể
FaceNet (Inception-ResNet-v1) 128-d Tách biệt hoàn toàn (Rõ nhất) 0.20 Tối ưu nhất Cao nhất (99.65% LFW)
ArcFace 512-d Tách biệt cao 0.11 Rất cao Tương đương FaceNet
VGG-Face 4096-d Có vùng chồng lấn 0.35 Trung bình - Khá Khá
DeepFace 4096-d Chồng lấn nhẹ 0.28 Khá Khá
OpenFace 128-d Chồng lấn nhiều 0.40 Trung bình Trung bình

1. Phân phối khoảng cách của FaceNet vượt trội hoàn toàn

Phân tích biểu đồ ước lượng mật độ hàm nhân (Kernel Density Estimation - KDE) cho thấy FaceNet tạo ra khoảng cách phân tách cực kỳ rõ ràng giữa phân phối cặp ảnh cùng người (Positive Pairs) và phân phối cặp ảnh khác người (Negative Pairs). Vùng giao thoa giữa hai phân phối gần như triệt tiêu, giúp thuật toán thiết lập ngưỡng ranh giới quyết định chính xác mà không gặp phải tình trạng False Negative hay False Positive như ở OpenFace hay VGG-Face.

2. Sự can thiệp của RFB và ONNX cải thiện độ phân giải nhận diện

So sánh giữa phiên bản phát hiện Version-RFB-320 và Version-RFB-640 trên bộ dữ liệu WIDER FACE: Phiên bản đầu vào $640 \times 480$ kết hợp trường cảm thụ RFB giúp tăng cường khả năng trích xuất đặc trưng của các khuôn mặt có tỷ lệ kích thước nhỏ hoặc bị che khuất góc nghiêng. Việc tích hợp ONNX runtime giúp tốc độ xử lý duy trì ổn định ở mức thời gian thực ngay trên CPU máy tính thông thường.

3. Căn chỉnh mốc khuôn mặt là bước tiên quyết

Nghiên cứu chứng minh việc căn chỉnh hình học (Landmark Alignment) đóng vai trò sống còn trong việc ổn định hóa vector nhúng. Khi khuôn mặt được xoay đúng góc nhìn tiêu chuẩn (dựa trên 2 mắt và đỉnh mũi), độ phân tán phương sai của vector 128 chiều cùng một danh tính giảm đáng kể, giúp tăng độ tương đồng nội cụm (intra-class similarity).

4. Hiệu quả đối sánh theo quy mô dữ liệu

Thực nghiệm khẳng định: Với tập dữ liệu lớp học quy mô vừa và nhỏ (khoảng 100 sinh viên), phương pháp đối sánh trực tiếp khoảng cách Euclidean trên tệp cấu trúc vector (.pkl) mang lại thời gian phản hồi tức thì dưới 0.1 giây mỗi khuôn mặt, loại bỏ sự phức tạp không cần thiết của việc huấn luyện lại các bộ phân loại như SVM hay Random Forest.

Đóng góp khoa học (250-300 từ)

  • Đóng góp về mặt phương pháp luận: Đề tài xây dựng thành công một quy trình tích hợp khép kín giữa mô hình dò tìm siêu nhẹ (Lightweight SSD-RFB) và mô hình trích xuất đặc trưng sâu (FaceNet Inception-ResNet-v1). Nghiên cứu cung cấp tài liệu thực nghiệm có hệ thống về so sánh 5 kiến trúc nhận diện khuôn mặt phổ biến nhất hiện nay, làm rõ cơ sở toán học của các hàm suy hao khoảng cách (Metric Learning Loss Functions).
  • Đổi mới giải pháp kỹ thuật: Chứng minh tính khả thi của việc triển khai mô hình AI thị giác máy tính phức tạp lên môi trường Web tương tác cao bằng cách kết hợp Flask Microframework, luồng dữ liệu SSE và định dạng mô hình ONNX Runtime, mở ra hướng đi triển khai AI biên (Edge/Web AI) không phụ thuộc vào hạ tầng điện toán đám mây đắt đỏ.
  • Giá trị thực tiễn & Xã hội: Cung cấp một phần mềm mã nguồn mở hoàn chỉnh, sẵn sàng ứng dụng trực tiếp tại các khoa/trường đại học để tự động hóa công tác điểm danh, giám sát chuyên cần và hỗ trợ quản trị an ninh trường học một cách minh bạch, hiện đại.

Đối tượng quan tâm (200-250 từ)

  • Nhà nghiên cứu và Kỹ sư AI/Thị giác máy tính: Nắm bắt phương pháp tối ưu hóa mạng nơ-ron tích chập, kỹ thuật chuyển đổi mô hình sang ONNX, cơ chế trích xuất vector nhúng 128 chiều và phương pháp tinh chỉnh ngưỡng khoảng cách (Threshold Fine-tuning).
  • Các trường Đại học và Cơ sở Đào tạo: Sở hữu giải pháp điểm danh tự động hóa chi phí thấp, triển khai linh hoạt qua trình duyệt web trên hệ thống máy tính phòng học sẵn có mà không cần tái đầu tư hạ tầng phần cứng.
  • Doanh nghiệp EdTech và Phát triển phần mềm Quản trị: Tận dụng mã nguồn và kiến trúc mở để tích hợp phân hệ sinh trắc học khuôn mặt vào các hệ thống Quản lý Học tập (Learning Management Systems - LMS), chấm công nhân sự điện tử hoặc giải pháp an ninh kiểm soát ra vào.

Câu hỏi thường gặp (FAQ - 250-300 từ)

1. Phát hiện quan trọng nhất của nghiên cứu là gì?

Mô hình FaceNet kết hợp hàm mất mát Triplet Loss vượt trội hơn hẳn các mô hình khác (ArcFace, VGG-Face, DeepFace, OpenFace) về khả năng phân tách mật độ khoảng cách vector giữa người cùng danh tính và người khác danh tính, triệt tiêu tối đa hiện tượng nhận diện sai.

2. Điểm đặc biệt trong phương pháp phát hiện khuôn mặt là gì?

Hệ thống sử dụng mô hình Ultra-light fast face detection tích hợp module Receptive Fields Block (RFB) chạy qua môi trường ONNX Runtime. Cấu trúc này giúp nhận diện khuôn mặt siêu tốc trên CPU thông thường mà vẫn giữ độ chính xác cao đối với các khuôn mặt nhỏ và nghiêng.

3. Kết quả nghiên cứu có khả năng tổng quát hóa (Generalize) không?

Có. Quy trình trích xuất vector nhúng của FaceNet không phụ thuộc vào số lượng cá thể cố định. Khi áp dụng cho một lớp học hoặc đơn vị mới, hệ thống chỉ cần trích xuất vector nhúng từ ảnh/video đầu vào và lưu trữ vào tệp dữ liệu mà không cần phải tái huấn luyện (retrain) toàn bộ mạng học sâu.

4. Hạn chế hiện tại và hướng phát triển tiếp theo là gì?

Hệ thống chưa tích hợp thuật toán chống giả mạo khuôn mặt (Anti-spoofing/Liveness Detection), còn bị ảnh hưởng khi đối tượng đeo khẩu trang/kính đen, và tốn thời gian quét tuần tự khi danh sách sinh viên lên tới hàng nghìn người. Hướng đi tiếp theo là bổ sung cơ chế xác thực qua camera chiều sâu (Depth Camera) và thuật toán tìm kiếm lân cận gần đúng (Approximate Nearest Neighbor - ANN).

5. Ứng dụng thực tế cần những thiết bị phần cứng nào?

Hệ thống được thiết kế tối ưu hóa cao nên chỉ cần webcam thông thường (độ phân giải từ 720p trở lên) và máy tính chạy CPU phổ thông có kết nối mạng cục bộ hoặc Internet để vận hành giao diện Web Flask.

Kết luận (150 từ)

Đề tài "Xây dựng hệ thống điểm danh sinh viên dựa trên nhận diện khuôn mặt" của nhóm tác giả Trường Đại học Đà Lạt đã chứng minh tính hiệu quả vượt bậc của việc ứng dụng Học sâu vào bài toán chuyển đổi số giáo dục. Bằng cách kết hợp ăn ý giữa mô hình phát hiện siêu nhẹ SSD-RFB (ONNX), tiền xử lý căn chỉnh hình học và mạng trích xuất đặc trưng FaceNet, nghiên cứu đã xây dựng thành công một giải pháp điểm danh thời gian thực chuẩn xác, vận hành mượt mà trên nền tảng Web với chi phí tối thiểu.

Để tiến tới thương mại hóa và ứng dụng trên quy mô lớn, các nghiên cứu tiếp theo cần tập trung phát triển mô-đun chống giả mạo sinh trắc học (Anti-spoofing), nhận diện khi có phụ kiện che khuất và cấu trúc dữ liệu vector phân cụm đa chiều (k-NN/ANN). Đây là tiền đề kỹ thuật vững chắc để xây dựng các giảng đường thông minh và hệ thống quản trị trường học số toàn diện trong tương lai.