BÁO CÁO NGHIÊN CỨU KHOA HỌC: XÂY DỰNG HỆ THỐNG CẢNH BÁO NGỦ GẬT DỰA TRÊN RASPBERRY PI 3

Tóm tắt nghiên cứu

Nghiên cứu "Xây dựng hệ thống cảnh báo ngủ gật trên Kit Raspberry Pi 3" do nhóm tác giả Nguyễn Minh Tiến và Lê Trung Phương thực hiện (dưới sự hướng dẫn của ThS. Võ Thiện Lĩnh tại Trường Đại học Giao thông Vận tải Phân hiệu TP.HCM) tập trung giải quyết câu hỏi cốt lõi: Làm thế nào để xây dựng một hệ thống thị giác máy tính nhúng (Embedded Computer Vision) có khả năng phát hiện trạng thái buồn ngủ của tài xế theo thời gian thực với chi phí thấp, độ chính xác cao và hoàn toàn không xâm lấn?

                  +--------------------------------+
                  |  Camera Module (Pi Camera V2)  |
                  +---------------+----------------+
                                  | Video Stream
                                  v
                  +--------------------------------+
                  |    HOG + Linear SVM Detector   |
                  |     (Xác định khuôn mặt)       |
                  +---------------+----------------+
                                  | Tọa độ Face Box
                                  v
                  +--------------------------------+
                  |   Dlib 68 Facial Landmarks    |
                  |   (Trích xuất Mắt & Miệng)     |
                  +---------------+----------------+
                                  | Vector đặc trưng
                                  v
                  +--------------------------------+
                  |   Tính toán chỉ số EAR & MAR   |
                  | (EAR < 0.22 trong 30 frames?)  |
                  +---------------+----------------+
                                  |
                   +--------------+--------------+
                   |                             |
             [Phát hiện ngủ gật]           [Bình thường]
                   |                             |
                   v                             v
+--------------------------------------+   +-----------+
| - Còi/Loa báo động tức thì buồng lái |   | Tiếp tục  |
| - Đồng bộ ảnh cảnh báo lên Dropbox   |   | giám sát  |
+--------------------------------------+   +-----------+

Phương pháp tiếp cận sử dụng ngôn ngữ Python, kết hợp thư viện xử lý ảnh nguồn mở OpenCV và Dlib trên phần cứng máy tính nhúng Raspberry Pi 3 Model B+. Hệ thống tích hợp bộ mô tả đặc trưng HOG (Histogram of Oriented Gradients) cùng bộ phân lớp Linear SVM để phát hiện khuôn mặt, sau đó áp dụng mô hình 68 điểm mốc khuôn mặt (Facial Landmarks) để tính toán tỷ lệ co mí mắt (Eye Aspect Ratio - EAR) và tỷ lệ mở miệng (Mouth Aspect Ratio - MAR).

Kết quả thực nghiệm trên nhóm người Việt Nam xác lập ngưỡng phát hiện EAR tối ưu là 0.22 duy trì liên tục trong 30 khung hình. Hệ thống đạt độ chính xác cao, nhận diện tức thì tình trạng ngủ gật và ngáp dài, đồng thời kích hoạt chuông cảnh báo âm thanh và truyền dữ liệu giám sát lên đám mây Dropbox. Nghiên cứu mang lại giải pháp an toàn giao thông thiết thực, có tính ứng dụng cao và phù hợp với điều kiện kinh tế tại Việt Nam.

Bối cảnh và tầm quan trọng

Thực trạng mất an toàn giao thông do tài xế ngủ gật

Tai nạn giao thông đường bộ là một trong những hiểm họa toàn cầu nghiêm trọng nhất đối với tính mạng con người và phát triển kinh tế - xã hội. Theo báo cáo của Tổ chức Y tế Thế giới (WHO), mỗi năm thế giới có hơn 1,25 triệu người tử vong và từ 20 đến 50 triệu người bị thương do tai nạn giao thông. Tại Việt Nam, thống kê cho thấy tình trạng va chạm giao thông luôn ở mức đáng báo động, đặc biệt trong các dịp lễ Tết hay trên các tuyến quốc lộ huyết mạch.

                    NGUYÊN NHÂN TAI NẠN GIAO THÔNG CHÍNH
  ┌─────────────────────────────────┬─────────────────────────────────┐
  │      Nguyên nhân Chủ quan       │      Nguyên nhân Khách quan     │
  ├─────────────────────────────────┼─────────────────────────────────┤
  │ - Sử dụng rượu bia, chất kích   │ - Mệt mỏi do làm việc quá sức   │
  │   thích khi lái xe              │ - Thiếu ngủ kéo dài (>21 giờ)   │
  │ - Sử dụng điện thoại di động    │ - Buồn ngủ cục bộ / ngủ gật     │
  │ - Ý thức chấp hành luật kém     │ - Mất tập trung khi chạy đêm    │
  └─────────────────────────────────┴─────────────────────────────────┘

Trong số các nguyên nhân, tình trạng buồn ngủ và mất tập trung của tài xế—đặc biệt là tài xế lái xe tải, xe container và xe khách đường dài—chiếm tỷ lệ rất cao. Giấc ngủ chập chờn hoặc trạng thái vô thức trong tích tắc (micro-sleep kéo dài 2-3 giây) khi xe đang di chuyển ở tốc độ cao (80-100 km/h) đồng nghĩa với việc phương tiện trôi tự do hàng chục mét mà không có bất kỳ sự kiểm soát nào, dẫn đến hậu quả thảm khốc. Nghiên cứu quốc tế chỉ ra rằng việc thức liên tục trên 21 giờ làm suy giảm khả năng phản xạ của tài xế tương đương với nồng độ cồn trong máu từ 0.08% đến 0.1%.

Khoảng trống nghiên cứu và tính cấp thiết

Hiện nay, các giải pháp phát hiện ngủ gật trên thế giới chủ yếu chia thành 3 nhóm:

  1. Dựa trên sinh lý học (EEG, ECG, nhịp tim): Cho độ chính xác cao nhưng đòi hỏi người lái phải đeo cảm biến trên đầu, ngực hoặc cổ tay, gây cảm giác gò bó, vướng víu và khó chịu trong hành trình dài.
  2. Dựa trên hành vi phương tiện (độ lệch làn, góc đánh lái): Thường phản ứng chậm, chỉ nhận diện được khi xe đã mất lái hoặc đi chệch quỹ đạo nguy hiểm.
  3. Dựa trên thị giác máy tính (Computer Vision): Đây là hướng tiếp cận tối ưu nhất về sự thoải mái (non-intrusive), nhưng các hệ thống thương mại tích hợp sẵn trên xe hạng sang (như Mercedes-Benz Attention Assist, Volvo Driver Alert) lại có giá thành đắt đỏ, không thể trang bị đại trà cho phần lớn phương tiện vận tải phổ thông tại các nước đang phát triển.

Do đó, việc nghiên cứu một hệ thống độc lập (standalone), kích thước nhỏ gọn, chi phí lắp đặt thấp dựa trên kit máy tính nhúng Raspberry Pi 3 và camera thị giác là một yêu cầu kỹ thuật và xã hội mang tính cấp bách.

Methodology và tiếp cận nghiên cứu

Nghiên cứu áp dụng quy trình thiết kế thực nghiệm tích hợp giữa phần cứng nhúng và các thuật toán xử lý ảnh số tối ưu hóa cho môi trường tài nguyên hạn chế.

+-----------------------------------------------------------------------------------+
|                           QUY TRÌNH XỬ LÝ HÌNH ẢNH TOÀN DIỆN                      |
+-----------------------------------------------------------------------------------+
| 1. Video Input      ──> Thu nhận luồng video thời gian thực từ Pi Camera Module   |
| 2. Tiền xử lý       ──> Chuyển đổi GrayScale + Lọc nhiễu mịn ảnh (Smoothing)      |
| 3. Face Detection   ──> HOG Descriptors kết hợp Linear SVM Classifier             |
| 4. Facial Landmarks ──> Trích xuất 68 điểm mốc hình học (iBUG 300-W Dataset)      |
| 5. Tính toán tỷ lệ  ──> Tính chỉ số EAR (Mắt) & MAR (Miệng)                       |
| 6. Đưa ra cảnh báo  ──> So sánh ngưỡng (EAR < 0.22 liên tục 30 frames) => Còi hú  |
| 7. Lưu trữ Cloud    ──> Đẩy dữ liệu & hình ảnh vi phạm lên Dropbox API            |
+-----------------------------------------------------------------------------------+

1. Kiến trúc phần cứng

  • Bộ xử lý trung tâm: Kit máy tính nhúng Raspberry Pi 3 Model B+ (Broadcom BCM2837B0, Quad-core Cortex-A53 64-bit @ 1.4GHz, 1GB LPDDR2 SDRAM).
  • Cảm biến hình ảnh: Raspberry Pi Camera Module V2 (cảm biến Sony IMX219 8-Megapixel, hỗ trợ quay video 1080p30, 720p60).
  • Bộ truyền thông & Cảnh báo: Loa/còi báo động âm thanh gắn tại buồng lái; kết nối Internet/Wi-Fi phục vụ đồng bộ hóa dữ liệu từ xa.

2. Thuật toán phát hiện khuôn mặt: HOG kết hợp Linear SVM

Nhóm tác giả lựa chọn phương pháp HOG (Histogram of Oriented Gradients) kết hợp bộ phân lớp Linear SVM (Support Vector Machine) thay vì giải thuật Haar Cascade truyền thống vì các ưu điểm vượt trội:

  • Kháng nhiễu ánh sáng: HOG tính toán phân bố gradient độ sáng trên các ô cục bộ ($8 \times 8$ pixels), sau đó chuẩn hóa theo khối ($16 \times 16$ pixels), giúp hệ thống hoạt động ổn định trước sự thay đổi ánh sáng mạnh - yếu trong cabin xe.
  • Nhận diện góc nghiêng: Khả năng nhận diện khuôn mặt tài xế khi quay nghiêng hoặc cúi đầu tốt hơn so với Haar Cascade.
  • Nén dữ liệu hiệu quả: Từ khối dữ liệu thô ban đầu, HOG nén xuống còn 3.780 giá trị đặc trưng đưa vào SVM, đảm bảo tốc độ phản hồi thời gian thực trên chip ARM.

3. Trích xuất 68 điểm mốc khuôn mặt (Facial Landmarks)

Sử dụng mô hình Dlib được huấn luyện trên tập dữ liệu chuẩn iBUG 300-W gồm 68 điểm tọa độ $(x, y)$:

  • Vùng mắt trái: Các điểm mốc $[42, 43, 44, 45, 46, 47]$.
  • Vùng mắt phải: Các điểm mốc $[36, 37, 38, 39, 40, 41]$.
  • Vùng miệng: Các điểm mốc $[48 \dots 67]$.
               Facial Landmark Indices (Vùng Mắt)
                      p2        p3
                       o--------o
                      /          \
              p1 o                  o p4
                      \          /
                       o--------o
                      p6        p5

4. Xác định trạng thái ngủ gật qua chỉ số EAR và MAR

Trạng thái mí mắt được lượng hóa thông qua công thức Eye Aspect Ratio (EAR):

$$\text{EAR} = \frac{|p_2 - p_6| + |p_3 - p_5|}{2 \cdot |p_1 - p_4|}$$

  • Khi mắt mở to: Giá trị EAR xấp xỉ không đổi và duy trì ở mức cao ($\text{EAR} \approx 0.28 - 0.35$).
  • Khi mắt nhắm lại: Tử số tiến dần về 0, khiến $\text{EAR}$ giảm đột ngột về dưới ngưỡng $0.22$.
  • Tương tự, tỷ lệ mở miệng (MAR - Mouth Aspect Ratio) được tính toán giữa khoảng cách các điểm môi trên và môi dưới so với bề rộng khóe miệng để nhận biết hành vi ngáp.

Phát hiện chính của nghiên cứu

+------------------------------------------------------------------------------------+
|               BẢNG TỔNG HỢP CÁC KẾT QUẢ VÀ PHÁT HIỆN THỰC NGHIỆM                   |
+--------------------------+----------------------------+----------------------------+
| Thông số / Tiêu chí      | Giải pháp Đề xuất          | Phương pháp Truyền thống   |
+--------------------------+----------------------------+----------------------------+
| Giải thuật Face Detect   | HOG + Linear SVM           | Viola-Jones (Haar Cascade) |
| Tốc độ xử lý (Frame lớn) | 0.184 giây                 | 0.300 giây                 |
| Kháng nhiễu ánh sáng     | Rất tốt (Nhờ Sobel Grad)   | Kém, dễ mất dấu khuôn mặt  |
| Độ nhạy góc nghiêng      | Nhận diện tốt mặt nghiêng  | Dễ lỗi khi mặt nghiêng >15°|
| Ngưỡng EAR ngủ gật       | 0.22 (Chuẩn hóa người VN)  | 0.25 - 0.30 (Châu Âu/Mỹ)   |
| Thời gian kích hoạt còi  | 30 frames (~1.0 - 1.5s)    | Tùy biến                   |
| Tác động tới tài xế      | Không xâm lấn (Non-contact)| Xâm lấn (Đeo cảm biến EEG) |
+--------------------------+----------------------------+----------------------------+

1. Hiệu năng vượt trội của HOG + SVM so với Haar Cascade

Thực nghiệm so sánh trên cùng kích thước ảnh ($1532 \times 836$ px) cho thấy HOG + SVM thực thi chỉ mất 0.184 giây, nhanh hơn và ổn định hơn so với Haar Cascade (0.300 giây). Đặc tính trích xuất vector theo hướng dốc của HOG hoạt động tương tự bộ lọc Sobel đa hướng, giúp kháng nhiễu cực tốt trong điều kiện ánh sáng chênh lệch giữa ngày và đêm trong cabin xe.

2. Xác lập ngưỡng EAR tối ưu cho nhân trắc học người Việt

Một phát hiện quan trọng là đặc điểm nhân trắc học mắt của người Việt Nam (người Á Đông) có độ mở mí mắt tự nhiên khác biệt so với các tập dữ liệu phương Tây. Qua thực nghiệm đa mẫu, nhóm nghiên cứu đã xác định:

  • Ngưỡng nhắm mắt thực tế: $\text{EAR} \le 0.22$.
  • Khi tài xế chớp mắt tự nhiên, EAR chỉ giảm xuống trong khoảng 1-3 khung hình rồi tăng trở lại ngay.
  • Khi tài xế ngủ gật, giá trị $\text{EAR} \le 0.22$ duy trì liên tục từ 30 khung hình trở lên (tương đương khoảng 1.0 đến 1.5 giây). Đây là điều kiện vàng để kích hoạt còi báo động mà không gây ra báo động giả (False Alarm).

3. Khả năng giám sát hành vi kết hợp (Nhắm mắt & Ngáp)

Hệ thống kết hợp đồng thời việc giám sát mắt và miệng. Khi tài xế bắt đầu có dấu hiệu mệt mỏi, phản xạ ngáp xuất hiện làm tăng chỉ số MAR. Việc tích hợp nhận diện ngáp giúp hệ thống cảnh báo sớm ở giai đoạn "tiền ngủ gật" trước khi mắt tài xế hoàn toàn nhắm lại.

4. Vận hành ổn định trên nền tảng phần cứng giá rẻ

Nghiên cứu chứng minh rằng kit vi máy tính nhỏ gọn Raspberry Pi 3 hoàn toàn đủ khả năng đảm đương các tác vụ xử lý ảnh phức tạp theo thời gian thực nếu thuật toán được tối ưu hóa tốt về ma trận và kích thước khung hình, bác bỏ quan điểm cho rằng xử lý ảnh khuôn mặt bắt buộc phải dùng máy tính PC cồng kềnh.

Đóng góp khoa học và giá trị ứng dụng

+-----------------------------------------------------------------------------------+
|                        CÁC TRỤ CỘT ĐÓNG GÓP CỦA ĐỀ TÀI                            |
+-----------------------------------------------------------------------------------+
|  [ĐÓNG GÓP KHOA HỌC]         - Tối ưu hóa pipeline xử lý ảnh cho kiến trúc ARM     |
|                              - Hiệu chỉnh tham số nhân trắc học khuôn mặt Á Đông   |
+-----------------------------------------------------------------------------------+
|  [GIÁ TRỊ THỰC TIỄN]        - Thiết bị độc lập, Plug-and-Play, giá thành rẻ       |
|                              - Không gây vướng víu hay khó chịu cho tài xế         |
+-----------------------------------------------------------------------------------+
|  [QUẢN LÝ & XÃ HỘI]          - Tích hợp giám sát từ xa qua điện toán đám mây       |
|                              - Giảm thiểu tai nạn giao thông, bảo vệ tính mạng     |
+-----------------------------------------------------------------------------------+

Đóng góp về mặt học thuật và phương pháp luận

  • Tối ưu hóa thị giác máy tính trên hệ thống nhúng: Đề tài đưa ra giải pháp kỹ thuật mẫu mực trong việc tinh giản khối lượng tính toán của các mạng nhận diện điểm mốc phức tạp để chạy mượt mà trên bộ xử lý nhúng ARM hạn chế về tài nguyên nhớ và xung nhịp.
  • Đóng góp dữ liệu thực nghiệm: Cung cấp thông số đo lường chính xác về chỉ số EAR trên khuôn mặt người Việt Nam, tạo tài liệu tham khảo giá trị cho các nghiên cứu tiếp theo về an toàn giao thông thông minh (Intelligent Transportation Systems - ITS).

Giá trị thực tiễn và tác động xã hội

  • Giải pháp kinh tế cho doanh nghiệp vận tải: Tổng chi phí phần cứng hoàn thiện thiết bị (Raspberry Pi + Pi Camera + Phụ kiện) chỉ dao động ở mức dưới 2.000.000 VNĐ—thấp hơn hàng chục lần so với việc lắp đặt các gói công nghệ hỗ trợ lái xe ADAS thương mại.
  • Tính khả thi triển khai cao: Thiết bị nhỏ gọn, dễ dàng lắp đặt sau gương chiếu hậu hoặc trên táp-lô của bất kỳ loại xe nào từ xe tải, xe khách, taxi đến ô tô cá nhân.
  • Cơ chế giám sát kép (Local & Cloud): Hệ thống không chỉ cảnh báo tức thì tại chỗ bằng âm thanh lớn để đánh thức tài xế mà còn tự động gửi ảnh chụp và nhật ký vi phạm lên dịch vụ đám mây (Dropbox), giúp chủ doanh nghiệp và đơn vị điều hành kiểm soát chặt chẽ hành vi của đội ngũ lái xe.

Đối tượng quan tâm và hưởng lợi

+--------------------------+--------------------------------------------------------+
| Nhóm đối tượng           | Lợi ích trực tiếp từ nghiên cứu                        |
+--------------------------+--------------------------------------------------------+
| Nhà nghiên cứu AI / Edge | Tham khảo kiến trúc triển khai Edge AI và tối ưu hóa   |
|                          | Dlib Landmark trên các dòng máy tính đơn bo (SBC).     |
+--------------------------+--------------------------------------------------------+
| Kỹ sư Ô tô & IoT         | Tích hợp module cảnh báo vào các hệ thống quản lý hạm  |
|                          | đội xe (Fleet Management System), hộp đen thông minh.  |
+--------------------------+--------------------------------------------------------+
| Doanh nghiệp vận tải     | Giảm thiểu tổn thất phương tiện, bảo vệ an toàn hàng   |
|                          | hóa và hành khách, nâng cao kỷ luật tài xế.            |
+--------------------------+--------------------------------------------------------+
| Tài xế đường dài         | Có "trợ lý ảo" giám sát an toàn liên tục, ngăn ngừa    |
|                          | các cơn ngủ gật nguy hiểm mà không bị gò bó.           |
+--------------------------+--------------------------------------------------------+
| Cơ quan quản lý ATGT     | Cung cấp cơ sở khoa học để ban hành quy chuẩn kỹ thuật |
|                          | về thiết bị an toàn chủ động bắt buộc trên xe khách.   |
+--------------------------+--------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

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

Phát hiện cốt lõi là việc xác định ngưỡng tỷ lệ mắt nhắm $\text{EAR} \le 0.22$ duy trì trong 30 khung hình liên tiếp là tiêu chuẩn phân loại chính xác tình trạng ngủ gật trên khuôn mặt người Việt Nam, giúp hệ thống cảnh báo tức thì và triệt tiêu hầu hết các báo động giả do chớp mắt tự nhiên.

2. Phương pháp của nghiên cứu có gì đặc biệt so với các hệ thống khác?

Hệ thống kết hợp thuật toán HOG + Linear SVM để định vị khuôn mặt kháng nhiễu ánh sáng mạnh mẽ, sau đó dùng Dlib 68 Facial Landmarks tính toán hình học tỷ lệ mí mắt/khóe môi. Điểm đặc biệt là toàn bộ quy trình phức tạp này được tối ưu hóa để vận hành trơn tru trên phần cứng siêu nhỏ gọn Raspberry Pi 3 mà không cần máy tính cấu hình cao.

3. Kết quả nghiên cứu có thể tổng quát hóa (generalize) không?

Có. Nguyên lý tính toán tỷ lệ hình học $\text{EAR}$ và $\text{MAR}$ không phụ thuộc vào màu da hay kích thước tuyệt đối của khuôn mặt mà dựa trên tỷ lệ khoảng cách tương đối giữa các điểm mốc. Do đó, hệ thống hoàn toàn có thể áp dụng cho mọi đối tượng tài xế khác nhau sau khi hiệu chỉnh khoảng cách đặt camera.

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

Hạn chế của hệ thống là khả năng nhận diện suy giảm khi tài xế đeo kính râm đen đậm hoặc trong điều kiện ban đêm hoàn toàn không có ánh sáng. Hướng phát triển tiếp theo là tích hợp Camera hồng ngoại (NoIR Pi Camera) kết hợp đèn LED hồng ngoại và nâng cấp lên các mạng nơ-ron tích chập siêu nhẹ (như MobileNetV3 / YOLOv8-Nano) trên các dòng chip chuyên dụng (Raspberry Pi 4/5 hoặc Google Coral Edge TPU).

5. Khả năng ứng dụng thực tế trong công nghiệp như thế nào?

Đề tài có tính thương mại hóa rất cao. Sản phẩm có thể đóng gói thành một thiết bị hộp đen thông minh dạng "Plug-and-Play", cắm nguồn tẩu sạc 12V trên ô tô, kết nối 4G để vừa cảnh báo trực tiếp buồng lái vừa truyền dữ liệu tọa độ GPS và hình ảnh tài xế về máy chủ trung tâm quản lý đội xe.

Kết luận

Nghiên cứu "Xây dựng hệ thống cảnh báo ngủ gật trên Kit Raspberry Pi 3" của nhóm tác giả Đại học Giao thông Vận tải Phân hiệu TP.HCM đã giải quyết thành công bài toán bảo vệ an toàn chủ động cho người điều khiển phương tiện giao thông. Bằng sự kết hợp khoa học giữa kỹ thuật xử lý ảnh HOG, mô hình điểm mốc hình học Dlib và thuật toán tỷ lệ mí mắt EAR trên nền tảng phần cứng nhúng Raspberry Pi 3, nhóm tác giả đã chế tạo thành công một thiết bị giám sát thời gian thực chính xác, ổn định và chi phí siêu tiết kiệm.

Trong tương lai, việc bổ sung cảm biến hồng ngoại ban đêm và tích hợp sâu vào hệ thống định vị GPS sẽ biến giải pháp này thành một sản phẩm an toàn giao thông tiêu chuẩn, mở ra hướng ứng dụng rộng rãi trên hàng triệu phương tiện vận tải, góp phần đẩy lùi tai nạn giao thông và bảo vệ bình yên trên mọi cung đường.