Bối cảnh và vấn đề nghiên cứu

Sau các đợt bùng phát của đại dịch COVID-19, yêu cầu chuyển đổi số và tự động hóa quy trình quản trị tại các tổ chức, doanh nghiệp trở nên cấp thiết, trong đó công nghệ thị giác máy tính và nhận dạng khuôn mặt đóng vai trò trọng tâm. Các ứng dụng như kiểm soát ra vào, giám sát an ninh, chấm công tự động đang từng bước thay thế phương thức thẻ từ vật lý truyền thống.

Tuy nhiên, tại Việt Nam, phần lớn các giải pháp nhận dạng khuôn mặt thương mại hiện nay là các hệ thống đóng, sử dụng phần cứng chuyên dụng với chi phí triển khai cao từ các nhà cung cấp dịch vụ bảo vệ tư nhân (điển hình như Alsok Việt Nam), gây rào cản lớn cho người dùng phổ thông và doanh nghiệp vừa và nhỏ. Về mặt kỹ thuật, các mô hình học sâu hiện đại thường đòi hỏi khối lượng dữ liệu huấn luyện lớn đã dán nhãn cùng năng lực tính toán đồ họa chuyên dụng (GPU rời) để đạt tốc độ xử lý thời gian thực. Các thuật toán truyền thống như Haar Cascade tuy nhẹ nhưng độ chính xác không cao và tỷ lệ dương tính giả lớn, trong khi các mạng R-CNN lại quá nặng đối với thiết bị biên hoặc phần cứng phổ thông.

Trước thực tế đó, đề tài "Giải pháp quản lý và nhận dạng khuôn mặt hiệu suất cao" được thực hiện nhằm xây dựng một hệ thống hoàn chỉnh có khả năng phát hiện, trích xuất đặc trưng và nhận dạng khuôn mặt đa hướng, vận hành ổn định trên thiết bị cấu hình giới hạn (chỉ dùng CPU) mà không cần huấn luyện lại mô hình (retrain) trên tập dữ liệu mới.

Mục tiêu nghiên cứu: Thiết kế và thi công hệ thống quản lý và nhận dạng khuôn mặt đáp ứng đồng thời 3 tiêu chí: độ chính xác cao, xử lý thời gian thực trên phần cứng phổ thông và tối ưu chi phí triển khai. Hệ thống tích hợp các tính năng: nhận dạng khuôn mặt qua webcam, tự động hóa quy trình đăng ký, quản lý danh sách người dùng và lưu trữ lịch sử nhận dạng.

Nhiệm vụ nghiên cứu: Đề tài xác lập 9 nhiệm vụ cụ thể theo văn bản:

  1. Nhiệm vụ 1: Khảo sát đề tài, tham khảo tài liệu, đọc và tóm tắt đưa ra hướng và lựa chọn đề tài.
  2. Nhiệm vụ 2: Viết đề cương tóm tắt các yêu cầu của đề tài, thiết kế sơ đồ khối, giải thích chức năng của các khối.
  3. Nhiệm vụ 3: Nghiên cứu lựa chọn các phương pháp giải quyết yêu cầu từng khối.
  4. Nhiệm vụ 4: Nghiên cứu lựa chọn mô hình học sâu phù hợp cho khối phát hiện.
  5. Nhiệm vụ 5: Nghiên cứu lựa chọn mô hình học sâu phù hợp cho khối nhận diện.
  6. Nhiệm vụ 6: Nghiên cứu nền tảng thiết kế giao diện cho hệ thống.
  7. Nhiệm vụ 7: Tiến hành thiết kế lưu đồ chương trình chính và thi công chương trình hệ thống.
  8. Nhiệm vụ 8: Kiểm tra thực nghiệm hệ thống, đánh giá và hiệu chỉnh chức năng hệ thống.
  9. Nhiệm vụ 9: Viết luận văn báo cáo đồ án tốt nghiệp.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các mô hình học sâu phát hiện khuôn mặt và trích xuất đặc trưng khuôn mặt (BlazeFace, Dlib Face Recognition); kỹ thuật tích chập tách biệt chiều sâu; kiến trúc mạng nơ-ron tích chập; nền tảng thiết kế giao diện người dùng đồ họa (GUI).
  • Phạm vi nghiên cứu: Nhận dạng khuôn mặt 2D ở cự ly gần (dưới 2 mét) trong điều kiện ánh sáng nhất định; hỗ trợ nhận dạng khuôn mặt đa hướng (góc nhìn trực diện và nghiêng cạnh bên). Hệ thống được triển khai trên môi trường hệ điều hành Linux và macOS, phục vụ ứng dụng tại văn phòng, thang máy hoặc thay thế máy chấm công truyền thống.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các mô hình áp dụng

Nghiên cứu tổng hợp và khai thác các kiến trúc mạng nơ-ron tích chập (CNN) hiện đại cùng các thuật toán thị giác máy tính chuyên biệt:

  • Mô hình phát hiện đối tượng: Phân tích sự tiến hóa từ R-CNN (Regions with CNN features - sử dụng Selective Search và mạng trích xuất AlexNet kết hợp SVM), Fast/Faster R-CNN đến mạng phát hiện một giai đoạn SSD (Single Shot MultiBox Detector). SSD loại bỏ mạng đề xuất vùng (RPN), sử dụng nhiều feature map đa độ phân giải kết hợp default bounding boxes để dự đoán đồng thời vị trí và lớp đối tượng.
  • Kỹ thuật tối ưu hóa mạng cho thiết bị biên: Khảo sát kiến trúc MobileNet v1 và MobileNet v2 dựa trên phép tích chập tách biệt chiều sâu (Depthwise Separable Convolution) gồm hai bước: tích chập chiều sâu (Depthwise Convolution) với kernel $k \times k$ trên từng kênh riêng biệt và tích chập điểm (Pointwise Convolution) $1 \times 1$ để tổng hợp kênh. Cùng với khối nghẽn cổ chai (Bottleneck Residual Block) và liên kết tắt (Residual Connection), kiến trúc này giúp giảm thiểu đáng kể số lượng tham số và khối lượng tính toán mà không làm tiêu biến gradient.
  • Mô hình BlazeFace (trong thư viện Google MediaPipe): Mô hình phát hiện khuôn mặt nhẹ dựa trên nền tảng kết hợp giữa MobileNetV2 và SSD. BlazeFace tăng kích thước receptive field từ $3 \times 3$ lên $5 \times 5$ ở tầng Depthwise Convolution; chuẩn hóa tỷ lệ bounding box về 1:1; dừng độ phân giải feature map ở mức tối thiểu $8 \times 8$; thay thế thuật toán Non-Maximum Suppression (NMS) truyền thống bằng phương pháp tính trọng số trung bình giữa các bounding box trùng lặp. Đầu ra của BlazeFace cung cấp 1 bounding box chuẩn hóa và 6 điểm mốc đặc trưng (landmarks) gồm: mắt phải, mắt trái, đỉnh mũi, tâm miệng, tai phải, tai trái.
  • Mô hình trích xuất đặc trưng Dlib Face Recognition (DFR): Sử dụng kiến trúc mạng tích chập ResNet-34 làm nền tảng. Mô hình ánh xạ hình ảnh khuôn mặt đã được căn chỉnh (Face Alignment) thành một vector đặc trưng 128 chiều (128-d embedding). Quá trình tối ưu hóa mạng sử dụng hàm mất mát Triplet Loss dựa trên khoảng cách Euclid giữa bộ ba mẫu: Anchor, Positive (cùng người) và Negative (khác người) với ngưỡng phân tách (tolerance) mặc định là 0.6.
  • Công cụ thiết kế giao diện: Sử dụng phần mềm QT Designer và thư viện PyQt để xây dựng giao diện tương tác người dùng.

Phương pháp nghiên cứu và thực nghiệm

Tác giả kết hợp phương pháp nghiên cứu lý thuyết, phân tích - so sánh thực nghiệm và tích hợp hệ thống kỹ thuật:

  • Khảo sát thực nghiệm khối phát hiện: So sánh hiệu năng giữa Haar Cascade, HOG + Linear SVM và BlazeFace về tốc độ xử lý (FPS), mức chiếm dụng tài nguyên CPU và độ chính xác ở các góc mặt khác nhau.
  • Khảo sát thực nghiệm khối trích xuất đặc trưng: Đo đạc, đối chuẩn thời gian xử lý và độ chính xác giữa FaceNet (Google) và Dlib Face Recognition trên cùng một cấu hình phần cứng.
  • Phương pháp so sánh và định danh: Sử dụng khoảng cách Euclid giữa vector 128 chiều trích xuất từ khuôn mặt thực tế với tập vector đã lưu trữ trong cơ sở dữ liệu: $$d(\vec{A}, \vec{B}) = \sqrt{\sum_{i=0}^{127} (A_i - B_i)^2}$$

Nguồn dữ liệu

  • Tập dữ liệu chuẩn đối chuẩn (Benchmark Dataset): Sử dụng tập dữ liệu học thuật LFW (Labeled Faces in the Wild) gồm 13.000 bức ảnh của 1.680 cá nhân với các điều kiện góc chụp, ánh sáng và chất lượng đa dạng để kiểm chứng độ chính xác của các mô hình trích xuất đặc trưng.
  • Tập dữ liệu thử nghiệm tại chỗ: Dữ liệu hình ảnh thu nhận trực tiếp từ webcam trong các kịch bản môi trường thực tế (ánh sáng tiêu chuẩn, ngược sáng, thiếu sáng, có phụ kiện kính mát, khẩu trang).

Thiết kế và triển khai hệ thống

Kiến trúc tổng thể của hệ thống

Hệ thống quản lý và nhận dạng khuôn mặt được phân tách thành 4 khối chức năng chính:

Khối chức năng Phần cứng / Công nghệ sử dụng Nhiệm vụ chính
Khối tiếp nhận hình ảnh Webcam laptop / USB Camera Thu nhận luồng khung hình video RGB theo thời gian thực (độ phân giải đầu vào $500 \times 280$).
Khối nhận dạng MediaPipe BlazeFace & Dlib Face Recognition (ResNet-34) Phát hiện vị trí khuôn mặt, xác định 6 điểm mốc, căn chỉnh hướng, trích xuất vector 128 chiều và so sánh khoảng cách Euclid.
Khối lưu trữ dữ liệu Hệ thống tệp và cấu trúc dữ liệu nhị phân Lưu trữ thông tin định danh, các vector mã hóa khuôn mặt đã đăng ký và nhật ký/hình ảnh lịch sử nhận dạng.
Khối quản lý và đăng ký Giao diện PyQt thiết kế bằng QT Designer Cung cấp giao diện tương tác: hiển thị camera, đăng ký người dùng mới theo hướng dẫn tự động, tra cứu lịch sử.

Cấu hình phần cứng thử nghiệm

Toàn bộ các thử nghiệm đánh giá được thực hiện trên máy tính xách tay có cấu hình phổ thông:

  • CPU: Intel Core i5-6267U (2 nhân, 4 luồng).
  • RAM: 8 GB DDR3 (tốc độ 1866 MHz).
  • GPU: Không sử dụng GPU rời (chỉ chạy trên nhân đồ họa tích hợp).
  • Hệ điều hành: Linux / macOS.

Quy trình đăng ký khuôn mặt tự động

Nhờ khả năng phát hiện 6 điểm đặc trưng của BlazeFace, hệ thống xây dựng quy trình đăng ký khuôn mặt tự động theo 4 bước tuần tự nhằm thu thập đặc trưng đa góc độ:

  1. Kiểm tra vùng làm việc: Người dùng nhập tên định danh. Hệ thống tạo khung định trước trên màn hình. Nếu khuôn mặt nằm ngoài khung, khung hiển thị viền đỏ cảnh báo; khi khuôn mặt nằm đúng khung, viền chuyển xanh.
  2. Thu thập góc mặt trái: Hệ thống đưa chỉ dẫn trên giao diện yêu cầu người dùng quay mặt sang trái. Dựa trên tọa độ điểm mốc (tai, mắt, mũi), hệ thống tự động ghi nhận khi đạt góc quay và trích xuất vector đặc trưng.
  3. Thu thập góc mặt phải: Hệ thống yêu cầu người dùng quay mặt sang phải, tự động bắt khung hình và mã hóa đặc trưng.
  4. Thu thập góc nhìn trực diện: Hệ thống yêu cầu người dùng nhìn thẳng trực diện vào camera để hoàn tất quá trình lưu trữ thông tin và vector nhúng.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tổng quan về tình hình nghiên cứu nhận dạng khuôn mặt trong nước và quốc tế. Tác giả chỉ ra hạn chế của các giải pháp thương mại trong nước (hệ thống đóng, chi phí cao) và phân tích sự chuyển dịch công nghệ từ các phương pháp xử lý ảnh cổ điển (Haar Cascade) sang mạng học sâu hiện đại (OpenCV DNN, CNN). Chương này xác định rõ mục tiêu, 9 nhiệm vụ nghiên cứu, đối tượng, phạm vi giới hạn trong nhận dạng 2D cự ly gần ($<2\text{ m}$) trên nền tảng Linux/macOS, cùng bố cục tổng thể của đồ án.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp cơ sở toán học và cấu trúc của các mô hình học sâu:

  • Mô hình phát hiện đối tượng: Trình bày chi tiết kiến trúc R-CNN và SSD. Giải thích cơ chế hàm mất mát của SSD gồm Localization Loss (Smooth L1) và Confidence Loss (Softmax cross-entropy).
  • Kiến trúc MobileNet: Trình bày nguyên lý tính toán của tích chập tách biệt chiều sâu. Với ví dụ tích chập ma trận đầu vào 3 kênh kích thước $6 \times 6$ với 5 bộ lọc $3 \times 3$, tích chập 2D thông thường cần 2.160 phép tính, trong khi tích chập tách biệt chiều sâu (Depthwise 432 phép tính + Pointwise 240 phép tính) chỉ tốn 672 phép tính, giảm khối lượng tính toán xấp xỉ 3,2 lần. Trình bày khối nghẽn cổ chai đảo ngược (Inverted Residuals) trong MobileNet v2.
  • Mô hình BlazeFace: Phân tích các cải tiến về kernel $5 \times 5$, cấu trúc Single BlazeBlock và Double BlazeBlock, cách thức tạo default boxes tỷ lệ 1:1 và trích xuất 6 điểm mốc đặc trưng.
  • Mô hình trích xuất đặc trưng Dlib Face Recognition: Trình bày quy trình 3 giai đoạn (Căn chỉnh khuôn mặt $\rightarrow$ Mã hóa đặc trưng 128 chiều qua ResNet-34 $\rightarrow$ So khớp khoảng cách Euclid). Mô tả cơ chế học Triplet Loss để đưa khoảng cách nội lớp về dưới ngưỡng 0.6.
  • Công cụ giao diện: Giới thiệu phần mềm QT Designer và cách thức chuyển đổi thiết kế giao diện sang mã nguồn Python.

Chương 3: Thiết kế hệ thống

Chương 3 đi sâu vào thiết kế kỹ thuật và giải thuật của hệ thống. Tác giả tiến hành khảo sát, so sánh và đưa ra quyết định lựa chọn mô hình cho từng khâu:

Khảo sát phương pháp phát hiện khuôn mặt (trên CPU Intel Core i5-6267U, ảnh $500 \times 280$):

Mô hình phát hiện Tốc độ (FPS) Ưu điểm Nhược điểm
Haar Cascade 41 Nhẹ, chạy tốt trên CPU, ít tốn tài nguyên. Tỷ lệ nhận dạng nhầm cao (false positive), độ chính xác thấp.
HOG + Linear SVM 12 Chính xác hơn Haar Cascade, chạy được trên CPU. Tốc độ chậm, tiêu tốn nhiều CPU, chỉ nhận diện tốt mặt trực diện.
BlazeFace 206 Tốc độ rất cao, nhẹ, ổn định, nhận dạng đa hướng, trích xuất 6 điểm mốc. Không phát hiện được khi khuôn mặt quá nhỏ ở khoảng cách xa.

Lựa chọn: BlazeFace được chọn làm mô hình phát hiện cho hệ thống.

Khảo sát phương pháp trích xuất đặc trưng (ảnh $500 \times 280$):

Mô hình trích xuất Độ chính xác trung bình AP trên LFW (%) Thời gian xử lý (ms)
FaceNet (Google) 99,38 102,0
Dlib Face Recognition (DFR) 99,38 26,7

Lựa chọn: DFR được chọn vì có độ chính xác tương đương FaceNet nhưng thời gian thực thi nhanh hơn gần 4 lần.

Chương này cũng trình bày chi tiết kiến trúc tầng mạng ResNet-34 trong DFR, lưu đồ giải thuật cho quy trình đăng ký tự động và lưu đồ nhận dạng thời gian thực, cùng các bản vẽ giao diện chức năng (trang chủ quản lý, danh sách khuôn mặt, lịch sử nhận dạng, giao diện hiển thị camera).

Chương 4: Kết quả thực nghiệm

Chương 4 ghi nhận kết quả đánh giá hệ thống trong môi trường thực nghiệm với các kịch bản thực tế:

  • Kiểm thử nhận diện đồng thời nhiều khuôn mặt và phân biệt giữa đối tượng đã đăng ký và đối tượng chưa đăng ký (Unknown).
  • Đánh giá trong điều kiện ánh sáng chuẩn: hệ thống nhận diện chính xác và ổn định.
  • Đánh giá khi có vật che chắn: hệ thống nhận diện tốt khi đối tượng đeo kính mát thông thường, đeo khẩu trang hở mũi; gặp khó khăn khi đối tượng đeo khẩu trang che kín toàn bộ khuôn mặt hoặc đeo kính mát cỡ lớn che khuất phần lớn điểm mốc.
  • Đánh giá trong môi trường ánh sáng phức tạp (ngược sáng mạnh, thiếu sáng): hệ thống vẫn duy trì khả năng nhận dạng ở cự ly gần nhờ bước căn chỉnh và chuẩn hóa ảnh.
  • Đánh giá theo cự ly: hệ thống nhận dạng chính xác trong phạm vi dưới 2 mét; khi đối tượng ở xa (xấp xỉ 2,5 mét trở lên), kích thước khuôn mặt nhỏ khiến BlazeFace giảm độ nhạy phát hiện.

Chương 5: Kết luận và hướng phát triển

Chương 5 tổng kết các kết quả đạt được về mặt chức năng, hiệu năng và độ ổn định của hệ thống; chỉ ra các hạn chế cố hữu và đề xuất các định hướng mở rộng nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả định lượng và kỹ thuật

  • Hiệu năng khối phát hiện: BlazeFace đạt tốc độ xử lý 206 khung hình/giây (FPS) trên CPU Intel Core i5 không có GPU rời, vượt trội so với HOG + SVM (12 FPS) và Haar Cascade (41 FPS).
  • Hiệu năng khối trích xuất đặc trưng: Dlib Face Recognition đạt tốc độ 26,7 ms/khuôn mặt với độ chính xác đạt 99,38% trên tập dữ liệu chuẩn LFW.
  • Hiệu năng toàn hệ thống: Hệ thống tích hợp hoàn chỉnh đạt tốc độ xử lý luồng video thời gian thực xấp xỉ 27 FPS, thời gian khởi động ứng dụng nhanh (khoảng 3 giây), độ chính xác tổng thể trong điều kiện thực nghiệm đạt xấp xỉ 99%.
  • Tính năng tự động hóa: Xây dựng thành công cơ chế hướng dẫn người dùng tự động đăng ký 3 góc mặt (trái, phải, trực diện) dựa trên 6 điểm mốc không gian thực của BlazeFace mà không cần can thiệp thủ công.

Giải pháp và đóng góp của đề tài

  1. Tối ưu hóa tài nguyên phần cứng: Chứng minh tính khả thi của việc triển khai hệ thống nhận dạng khuôn mặt học sâu hiệu suất cao trên các thiết bị cấu hình thấp (CPU phổ thông, môi trường không có card đồ họa chuyên dụng), giúp giảm thiểu tối đa chi phí đầu tư thiết bị.
  2. Không cần huấn luyện lại (No-retraining requirement): Ứng dụng kỹ thuật ánh xạ đặc trưng sang không gian vector 128 chiều (128-d embeddings) kết hợp so khớp khoảng cách Euclid, cho phép đăng ký người dùng mới ngay lập tức mà không cần thu thập dữ liệu lớn để huấn luyện lại mạng nơ-ron.
  3. Tính ứng dụng thực tiễn: Cung cấp một giải pháp phần mềm hoàn chỉnh, giao diện đồ họa thân thiện, tích hợp đầy đủ module quản lý cơ sở dữ liệu, quản trị danh tính và truy xuất lịch sử giám sát, có thể triển khai trực tiếp cho các bài toán điểm danh, chấm công văn phòng hoặc kiểm soát thang máy.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Quy mô mẫu thử nghiệm: Số lượng dữ liệu và đối tượng thử nghiệm thực tế tại chỗ còn hạn chế (theo đánh giá của giảng viên hướng dẫn và giảng viên phản biện).
  • Khoảng cách nhận dạng: Hệ thống chỉ hoạt động tối ưu ở cự ly gần ($<2\text{ m}$). Khi đối tượng ở xa camera (trên 2,5 m), kích thước vùng mặt nhỏ dẫn đến việc mô hình BlazeFace khó phát hiện hoặc bỏ sót.
  • Điều kiện che khuất và ánh sáng cực đoan: Hệ thống bị giảm độ chính xác khi đối tượng bị che khuất phần lớn khuôn mặt (đeo khẩu trang kín toàn bộ khuôn mặt kết hợp kính mát lớn) hoặc trong điều kiện ánh sáng quá yếu/ngược sáng gay gắt.

Hướng nghiên cứu tiếp

  • Mở rộng tập dữ liệu thực nghiệm với số lượng người dùng lớn hơn và điều kiện môi trường đa dạng hơn để kiểm chứng độ bền vững của thuật toán.
  • Nghiên cứu tích hợp các mô hình phát hiện khuôn mặt cự ly xa (chuyển đổi tham số model_selection=1 trong MediaPipe) hoặc cơ chế tự động zoom để cải thiện nhận dạng ở khoảng cách xa ($>2\text{ m}$).
  • Bổ sung thuật toán nhận dạng khuôn mặt khi đeo khẩu trang chuyên biệt (Masked Face Recognition) nhằm nâng cao độ chính xác trong điều kiện dịch bệnh.
  • Triển khai thử nghiệm thực tế trên các bo mạch nhúng chuyên dụng như Raspberry Pi để hoàn thiện sản phẩm phần cứng độc lập.

Giá trị tham khảo

Tài liệu đồ án này có giá trị tham khảo thiết thực cho:

  • Sinh viên và học viên ngành K thuật Điều khiển & Tự động hóa, Công nghệ Thông tin, Kỹ thuật Máy tính: Nguồn tài liệu tham khảo cụ thể về cách tích hợp mô hình thị giác máy tính học sâu (MediaPipe, Dlib, OpenCV) vào ứng dụng điều khiển và giám sát thực tế.
  • Kỹ sư phát triển hệ thống nhúng / Edge AI: Cung cấp phương pháp luận và dữ liệu thực nghiệm chi tiết về việc tối ưu hóa thuật toán (tích chập tách biệt chiều sâu, mạng ResNet-34) để xử lý thời gian thực trên các hệ thống không có GPU.
  • Nội dung đáng tham khảo nhất:
    • Phần phân tích toán học và khối lượng tính toán của phép tích chập tách biệt chiều sâu (Chương 2).
    • Bảng số liệu khảo sát, so sánh tốc độ thực thi giữa các mô hình phát hiện và trích xuất đặc trưng trên CPU (Chương 3).
    • Thiết kế giải thuật tự động hóa quy trình đăng ký khuôn mặt dựa trên 6 điểm mốc đặc trưng (Chương 3).

Câu hỏi thường gặp

1. Tại sao tác giả lựa chọn mô hình BlazeFace thay vì Haar Cascade hay HOG + SVM cho khối phát hiện khuôn mặt? Dựa trên kết quả thực nghiệm trên cùng phần cứng CPU Intel Core i5-6267U (độ phân giải $500 \times 280$), BlazeFace đạt tốc độ vượt trội lên tới 206 FPS (so với 41 FPS của Haar Cascade và 12 FPS của HOG + SVM). Ngoài ra, BlazeFace có độ chính xác cao, ít bị dương tính giả, phát hiện tốt khuôn mặt đa hướng và cung cấp 6 điểm mốc đặc trưng (landmarks) phục vụ tính năng đăng ký tự động.

2. Mô hình Dlib Face Recognition trích xuất thông tin gì từ khuôn mặt và so sánh danh tính như thế nào? Mô hình Dlib Face Recognition sử dụng kiến trúc mạng nơ-ron tích chập ResNet-34 để ánh xạ khuôn mặt thành một vector gồm 128 giá trị đo lường (128-d embedding). Quá trình so sánh và định danh được thực hiện bằng cách tính khoảng cách Euclid giữa vector của khuôn mặt cần nhận dạng với các vector đã lưu trong cơ sở dữ liệu, sử dụng ngưỡng phân tách mặc định là 0.6.

3. Tại sao hệ thống có thể đăng ký người dùng mới ngay lập tức mà không cần huấn luyện lại (retrain) mô hình học sâu? Hệ thống sử dụng mạng học sâu đã được tiền huấn luyện bằng hàm mất mát Triplet Loss trên tập dữ liệu hàng triệu ảnh để học cách biểu diễn đặc trưng tổng quát. Do đó, khi có người dùng mới, hệ thống chỉ thực hiện lan truyền xuôi (feedforward) qua mạng để trích xuất và lưu trữ vector 128 chiều đại diện, thay vì phải thay đổi cấu trúc mạng hay tối ưu hóa lại trọng số.

4. Khối lượng tính toán của tích chập tách biệt chiều sâu giảm bao nhiêu lần so với tích chập 2D thông thường trong ví dụ của đồ án? Trong ví dụ ở Chương 2 (đầu vào 3 kênh, áp dụng 5 bộ lọc $3 \times 3$), tích chập 2D thông thường tiêu tốn 2.160 phép tính. Khi chuyển sang tích chập tách biệt chiều sâu (Depthwise Convolution tiêu tốn 432 phép tính và Pointwise Convolution tiêu tốn 240 phép tính, tổng là 672 phép tính), khối lượng tính toán giảm xấp xỉ 3,2 lần ($2160 / 672 \approx 3,21$).

5. Điểm hạn chế lớn nhất được giảng viên phản biện chỉ ra trong đồ án là gì? Giảng viên phản biện nhận xét đồ án sử dụng các thư viện và mô hình có sẵn, số lượng dữ liệu kiểm chứng thực nghiệm tại chỗ còn ít. Đồng thời, văn bản cần bổ sung rõ các phương trình toán học chi tiết, giải trình cơ sở định lượng của khái niệm "hiệu suất cao" và điều chỉnh văn phong dịch thuật trong Chương 2 sang thuật ngữ chuyên ngành tiếng Việt.

Kết luận

Đồ án tốt nghiệp của tác giả Đàm Lam Trường đã hoàn thành việc thiết kế và xây dựng hệ thống quản lý, nhận dạng khuôn mặt hiệu suất cao trên nền tảng kết hợp BlazeFace và Dlib Face Recognition. Hệ thống chứng minh khả năng vận hành thời gian thực đạt 27 FPS và độ chính xác xấp xỉ 99% trên phần cứng máy tính thông thường không cần GPU rời, giải quyết bài toán chi phí và tính phụ thuộc dữ liệu của các hệ thống nhận dạng truyền thống. Công trình cung cấp quy trình kỹ thuật hoàn chỉnh từ phát hiện, trích xuất đặc trưng, đăng ký tự động đến giao diện quản trị dữ liệu, mang giá trị ứng dụng thực tiễn cao cho các bài toán kiểm soát an ninh và chấm công tự động.