Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư, công nghệ nhúng đang phát triển mạnh mẽ và thâm nhập sâu rộng vào các hệ thống tự động hóa công nghiệp cũng như đời sống thường nhật. Xu hướng nổi bật của công nghệ nhúng hiện nay là việc kết nối vạn vật qua Internet, tích hợp trí tuệ nhân tạo (AI) trên các thiết bị biên, ứng dụng các chuẩn truyền thông không dây hiện đại (như LoRa, ZigBee, Bluetooth Low Energy) và tận dụng phần mềm mã nguồn mở để tối ưu hóa chi phí cũng như nâng cao độ linh hoạt của hệ thống.

Cùng với sự tăng trưởng kinh tế, số lượng doanh nghiệp tại Việt Nam gia tăng nhanh chóng. Dẫn liệu từ báo Thanh Niên trong đồ án chỉ ra rằng đến năm 2021, cả nước đã có khoảng 860.000 doanh nghiệp hoạt động, kết hợp với dòng vốn đầu tư trực tiếp nước ngoài (FDI) ngày càng mở rộng, tạo ra quy mô nhân sự lớn cần được quản lý hiệu quả. Tuy nhiên, công tác quản lý nhân sự tại nhiều đơn vị vẫn gặp phải các rào cản từ phương thức chấm công truyền thống:

  • Chấm công thủ công (ghi chép, nhập liệu thủ công): dễ xảy ra sai sót, việc đánh giá thời gian làm việc thiếu chính xác, gây tốn kém thời gian và nhân lực.
  • Chấm công tự động đơn thuần: tiềm ẩn nguy cơ bị gian lận (điểm danh hộ), sự cố đọc dữ liệu và rủi ro từ thiết bị lưu trữ cục bộ khiến thông tin bị thất lạc hoặc thay đổi, ảnh hưởng trực tiếp đến kết quả tính lương và tính minh bạch của tổ chức.

Từ thực tế trên, đề tài "Thiết kế và thi công hệ thống chấm công bằng nhận diện khuôn mặt kết hợp công nghệ RFID trên Raspberry Pi 4" được tác giả Huỳnh Văn Kim Hên thực hiện dưới sự hướng dẫn của ThS. Trương Quang Phúc tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh nhằm cung cấp một giải pháp xác thực hai yếu tố, nâng cao độ bảo mật và độ tin cậy của dữ liệu chấm công.

Các mục tiêu nghiên cứu cụ thể của đề tài bao gồm:

  1. Thiết kế hệ thống phần cứng bao gồm các thiết bị nhận diện khuôn mặt và thẻ RFID.
  2. Thiết kế giao diện website quản lý chấm công.
  3. Thi công và kiểm tra hiệu năng hệ thống.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống chấm công tích hợp công nghệ nhận dạng tần số vô tuyến (RFID) và nhận diện khuôn mặt bằng thị giác máy tính xử lý trên máy tính nhúng Raspberry Pi 4.
  • Phạm vi và giới hạn đề tài:
    • Giới hạn phương thức xác thực: Kết hợp hai phương thức là thẻ RFID và nhận diện khuôn mặt.
    • Module RFID: Nhận dạng và phát hiện thẻ ở cự ly gần (từ 0 cm đến 5 cm, tối đa 60 mm).
    • Khối đọc ảnh: Sử dụng webcam để thu nhận ảnh; kỹ thuật nhận diện áp dụng các phương pháp như Haar Cascade, Local Binary Patterns Histogram (LBPH) và mạng nơ-ron tích chập FaceNet.
    • Điều kiện môi trường: Độ chính xác nhận diện của webcam suy giảm trong điều kiện ánh sáng quá mạnh, quá yếu hoặc môi trường có bức xạ nhiệt lớn.
    • Khoảng cách nhận diện khuôn mặt: Hoạt động tối ưu trong cự ly từ 0,8 m đến 1,0 m.
    • Mức độ hoàn thiện: Dừng ở mức độ thiết kế, thi công mô hình thực nghiệm và kiểm tra chức năng hoạt động.

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết và công nghệ sử dụng

  1. Mạng nơ-ron tích chập FaceNet (Google, 2015):
    • Kiến trúc FaceNet trích xuất các đặc trưng khuôn mặt từ ảnh đầu vào và nén thành một vectơ nhúng (embedding vector) 128 chiều.
    • So sánh khoảng cách Euclide giữa hai vectơ để xác định danh tính: khoảng cách nhỏ tương ứng với độ tương đồng cao (cùng một người).
    • Hàm mất mát Triplet Loss: Được sử dụng để huấn luyện mô hình dựa trên bộ ba ảnh gồm ảnh gốc (Anchor - $A$), ảnh cùng người (Positive - $P$) và ảnh người khác (Negative - $N$). Mục tiêu là tối ưu hóa sao cho khoảng cách giữa $(A, P)$ là nhỏ nhất và khoảng cách giữa $(A, N)$ là lớn nhất thông qua việc cộng thêm một hệ số điều chỉnh không âm $\alpha$:

$$\mathcal{L}(A, P, N) = \max\left(|f(A) - f(P)|^2 - |f(A) - f(N)|^2 + \alpha,\ 0\right)$$

  1. Công nghệ nhận dạng tần số vô tuyến (RFID):

    • Nguyên lý: Sử dụng sóng vô tuyến để nhận dạng và theo dõi dữ liệu được lưu trữ trong thẻ RFID (Tag) thông qua đầu đọc (Reader).
    • Hệ thống sử dụng thẻ RFID thụ động (passive tag): Không cần nguồn nuôi độc lập, hoạt động bằng năng lượng thu được từ tín hiệu sóng điện từ do đầu đọc phát ra (điện áp đọc ~1,2V, điện áp ghi >2,2V) theo cơ chế điều chế bức xạ.
    • Phổ tần số RFID tiêu chuẩn: Tần số thấp (LF: 125–134,2 kHz), Tần số cao (HF: 13,56 MHz), Siêu cao tần (UHF: 868–915 MHz) và Vi sóng (Microwave: >1 GHz).

  2. Ngôn ngữ lập trình và thư viện xử lý ảnh:

    • Ngôn ngữ Python: Được sử dụng để lập trình điều khiển hệ thống nhúng, giao tiếp phần cứng và xử lý logic ứng dụng.
    • Thư viện OpenCV: Thư viện nguồn mở cung cấp các thuật toán xử lý ảnh, hỗ trợ phát hiện khuôn mặt và giao tiếp với mô hình FaceNet.

Phương pháp nghiên cứu

  • Phân tích và tổng hợp tài liệu: Nghiên cứu các công trình học thuật trong nước (như đề tài nhận diện khuôn mặt của Bùi Thị Thanh Tuyền, 2017; hệ thống điểm danh tự động của Lưu Mạnh Thường và Đỗ Văn Minh Mẩn, 2020) và công trình quốc tế (nghiên cứu của P. Arulmozhi et al., 2021 về hệ thống điểm danh đa nhân tố) để lựa chọn kiến trúc phần cứng và giải thuật phù hợp.
  • Phương pháp thiết kế kỹ thuật: Tính toán lựa chọn linh kiện, thiết kế sơ đồ nguyên lý, sơ đồ khối hệ thống, thiết kế vỏ hộp cơ khí (mica) và xây dựng giao diện website quản trị.
  • Phương pháp thực nghiệm: Lắp ráp phần cứng, cài đặt hệ điều hành Raspbian, cấu hình điều khiển từ xa (VNC), huấn luyện dữ liệu khuôn mặt và kiểm thử các kịch bản chấm công, đăng ký, đồng bộ máy chủ đám mây trong thực tế.

Thiết kế và triển khai hệ thống

Kiến trúc phần cứng

Hệ thống phần cứng bao gồm các khối chức năng chính được tích hợp với bo mạch điều khiển trung tâm Raspberry Pi 4 Model B:

Tên thiết bị / Module Thông số kỹ thuật chính Giao tiếp / Kết nối Chức năng trong hệ thống
Raspberry Pi 4 Model B SoC Broadcom BCM2711 1.5 GHz, RAM 4GB, GPU VideoCore VI 500MHz 40 chân GPIO, Wi-Fi kép, Bluetooth 5.0, Gigabit Ethernet Xử lý trung tâm, chạy giải thuật nhận diện, điều khiển ngoại vi, đồng bộ máy chủ
Module RFID RC522 IC MFRC522 (Philips), tần số 13.56 MHz, cự ly đọc 0–60 mm, dòng 13–26mA Chuẩn SPI (SDA/SS: Pin 8, MOSI: Pin 10, MISO: Pin 9, SCK: Pin 11, RST: Pin 22) Đọc mã định danh từ thẻ nhân viên (Mifare S50, S70, UltraLight)
Webcam Rapoo XW180 Độ phân giải Full HD 1080p@30fps, cảm biến giảm nhiễu, góc xoay 90°/360° Chuẩn USB 2.0 Thu nhận luồng hình ảnh khuôn mặt phục vụ phát hiện và nhận diện
Module RTC DS1307 Thạch anh 32.768 kHz, tích hợp EEPROM AT24C32 32Kbit, pin nuôi 3V (10 năm) Chuẩn I2C (SDA: Pin 2, SCL: Pin 3, nguồn 3.3V) Cung cấp và duy trì thời gian thực độc lập cho hệ thống
Màn hình LCD 7 inch Waveshare Độ phân giải 1024x600 IPS, cảm biến điện dung đa điểm, độ sáng 250 cd/m² Cổng HDMI (xuất hình) + Cổng Micro-USB (cảm ứng) Hiển thị giao diện người dùng, thông báo trạng thái và nhận thao tác cảm ứng
Nguồn Raspberry Pi 5V/3A Điện áp ra +5.1V DC, dòng cực đại 3A, cổng USB Type-C Cấp nguồn chính qua Type-C Cung cấp năng lượng ổn định cho bo mạch chủ và các ngoại vi (tổng dòng ngoại vi ~0.4A)
Bộ nhớ USB Kingston 32GB Chuẩn USB 3.0, tốc độ đọc 100MB/s, tốc độ ghi 40MB/s Cổng USB 3.0 Mở rộng dung lượng lưu trữ cơ sở dữ liệu và hệ thống

Khung vỏ thiết bị được thiết kế chuyên dụng và gia công bằng phương pháp cắt laser mica, giúp bảo vệ các bo mạch bên trong và cố định màn hình, webcam thành một khối thiết bị hoàn chỉnh.

Thiết kế phần mềm và giao diện

  1. Giao diện cục bộ trên thiết bị (GUI):

    • Màn hình chấm công: Hỗ trợ hai chế độ check-in (giờ vào) và check-out (giờ ra). Quá trình xác thực yêu cầu quẹt thẻ RFID và căn chỉnh khuôn mặt trước webcam.
    • Giao diện quản trị (Admin): Được bảo vệ bằng mật khẩu quản trị viên, cung cấp các tính năng:
      • Đăng ký nhân viên mới: Nhập thông tin, quét mã thẻ RFID và chụp ảnh khuôn mặt ở 3 hướng khác nhau để tạo dữ liệu nhận diện.
      • Danh sách nhân viên: Xem, kiểm tra hồ sơ nhân viên trong hệ thống.
      • Thiết lập thời gian: Cấu hình và đồng bộ lại thời gian cho module RTC.
      • Thay đổi mật khẩu quản trị.
      • Đồng bộ dữ liệu lên Cloud Server thông qua kết nối Wi-Fi.

  2. Giao diện Website quản trị:

    • Trang đăng nhập: Xác thực tài khoản quản trị viên.
    • Trang chủ quản lý nhân sự: Hiển thị bảng danh sách nhân viên (ID, họ tên, ngày sinh, giới tính, email), cho phép tìm kiếm theo ID và cập nhật thông tin cá nhân.
    • Trang hiển thị chấm công: Cung cấp bảng dữ liệu thời gian check-in, check-out và trạng thái làm việc theo từng ngày trong tháng, tích hợp bộ chọn lịch (CalendarView) và tìm kiếm theo ID.
    • Trang thống kê: Tổng hợp số giờ làm việc, ngày làm và ngày nghỉ của từng nhân viên phục vụ công tác tính lương.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này giới thiệu bối cảnh phát triển của công nghệ nhúng, Internet vạn vật và trí tuệ nhân tạo trong kỷ nguyên 4.0; nêu rõ số liệu thực tế về sự phát triển doanh nghiệp tại Việt Nam dẫn đến nhu cầu cấp thiết trong quản lý nhân sự. Tác giả phân tích các hạn chế của phương thức chấm công thủ công và các hệ thống tự động đơn lẻ; từ đó xác định mục tiêu thiết kế hệ thống chấm công 2 lớp (RFID và FaceNet), phạm vi giới hạn kỹ thuật và bố cục tổng thể của đồ án.

Chương 2: Cơ sở lý thuyết

Nội dung chương tập trung trình bày nền tảng lý thuyết cho hai công nghệ cốt lõi:

  • Mạng CNN FaceNet: Cấu trúc vectơ nhúng 128 chiều, cơ chế hoạt động của hàm mất mát Triplet Loss trên các bộ ba ảnh (Anchor, Positive, Negative), nguyên lý tối ưu khoảng cách Euclide và việc sử dụng mô hình được huấn luyện trước.
  • Công nghệ RFID: Khái niệm, sơ đồ khối hệ thống (Tag, Reader, Controller, Sensor/Actuator, Server/Software), các cơ chế truyền dữ liệu (điều chế bức xạ, máy phát, bộ phát-đáp) và bảng phân định các dải tần số hoạt động (LF, HF, UHF, Microwave).
  • Tổng quan về ngôn ngữ Python và cấu trúc các module trong thư viện xử lý ảnh OpenCV.

Chương 3: Xây dựng và thiết kế hệ thống

Chương 3 chi tiết hóa quá trình tính toán và thiết kế hệ thống:

  • Phân tích yêu cầu hệ thống về phần cứng, phân quyền người dùng (nhân viên và quản lý) và yêu cầu chức năng của website quản trị.
  • Trình bày sơ đồ khối toàn hệ thống và chức năng của từng khối (điều khiển trung tâm, RFID, đọc ảnh, lưu trữ, thời gian thực, module Wi-Fi, điều khiển - hiển thị, khối nguồn, Cloud Server, Website).
  • Tính toán công suất, điện áp, dòng tiêu thụ và lựa chọn linh kiện cụ thể (Raspberry Pi 4 RAM 4GB, RFID RC522, Webcam Rapoo XW180, RTC DS1307, LCD 7 inch Waveshare, nguồn 5V/3A, USB 32GB).
  • Thiết kế bản vẽ cắt mica vỏ hộp thiết bị và thiết kế giao diện đồ họa cho các trang web quản trị.

Chương 4: Thi công hệ thống

Chương này mô tả quy trình hiện thực hóa mô hình:

  • Công tác chuẩn bị linh kiện, sơ đồ nối dây chi tiết giữa các module phần cứng với các chân GPIO của Raspberry Pi 4.
  • Quy trình cài đặt hệ điều hành Raspbian lên thẻ nhớ bằng Raspberry Pi Imager, cấu hình địa chỉ IP tĩnh, bật giao tiếp SPI/I2C bằng công cụ raspi-config và thiết lập kết nối điều khiển từ xa qua VNC Viewer.
  • Xây dựng các lưu đồ thuật toán: lưu đồ chương trình chính, chương trình check-in/check-out, chương trình quản trị Admin, chương trình đăng ký nhân viên, lưu đồ đổi mật khẩu và lưu đồ truyền nhận dữ liệu đồng bộ lên máy chủ đám mây.

Chương 5: Kết quả thực hiện

Trình bày kết quả thử nghiệm thực tế của mô hình phần cứng và phần mềm:

  • Giao diện phần cứng: Kiểm nghiệm hoạt động của giao diện chấm công, giao diện xác thực mật khẩu Admin, giao diện đăng ký nhân viên (chụp ảnh 3 hướng và quét thẻ), giao diện xem danh sách và giao diện chỉnh thời gian.
  • Thử nghiệm các trường hợp chấm công thành công và thất bại; đánh giá độ chính xác nhận diện khuôn mặt và nhận dạng thẻ RFID.
  • Kết quả giao diện website: Hoạt động của trang đăng nhập, trang chủ cập nhật thông tin nhân viên, trang theo dõi bảng chấm công theo ngày và trang thống kê giờ làm.
  • Phân tích, đánh giá độ ổn định và thời gian phản hồi của hệ thống.

Chương 6: Kết luận và hướng phát triển

Đưa ra đánh giá tổng kết về mức độ hoàn thành so với các mục tiêu ban đầu; chỉ ra những điểm đã làm được và các hạn chế còn tồn tại của mô hình thực nghiệm; đề xuất các định hướng nghiên cứu nhằm nâng cao hiệu năng nhận diện và mở rộng ứng dụng trong tương lai.

Kết quả và đóng góp

Kết quả chính

  • Thi công hoàn chỉnh mô hình phần cứng chấm công tích hợp máy tính nhúng Raspberry Pi 4 Model B, module RFID RC522, webcam Rapoo XW180, module thời gian thực DS1307 và màn hình cảm ứng 7 inch Waveshare được đóng gói trong hộp mica bảo vệ.
  • Xây dựng thành công quy trình xác thực hai yếu tố kết hợp quẹt thẻ RFID (tần số 13,56 MHz) và nhận diện khuôn mặt bằng mô hình FaceNet (trích xuất vectơ nhúng 128 chiều) với độ trễ thấp và độ chính xác cao trong cự ly nhận diện quy định (0–5 cm đối với thẻ và 0,8–1,0 m đối với khuôn mặt).
  • Hệ thống duy trì thời gian thực độc lập nhờ RTC DS1307 ngay cả khi mất kết nối mạng hoặc mất nguồn cấp tạm thời.
  • Xây dựng hệ thống phần mềm quản trị toàn diện: giao diện GUI cục bộ phục vụ đăng ký dữ liệu nhân viên (lấy mẫu 3 hướng khuôn mặt) và ứng dụng Website trực tuyến cho phép quản trị viên theo dõi lịch sử vào/ra, tìm kiếm theo mã định danh, lọc theo ngày và trích xuất thống kê giờ công.

Giải pháp và kiến nghị

  • Kiến nghị triển khai giải pháp xác thực hai lớp (thẻ từ + sinh trắc học khuôn mặt) cho các doanh nghiệp vừa và nhỏ nhằm loại bỏ hoàn toàn tình trạng chấm công hộ mà không đòi hỏi chi phí đầu tư hạ tầng quá lớn.
  • Khuyến nghị duy trì nguồn cấp điện ổn định chuẩn 5.1V/3A qua cổng USB Type-C nhằm tránh sụt áp khi vận hành đồng thời màn hình cảm ứng và bộ xử lý nhận diện ảnh.

Đóng góp của đề tài

  • Hiện thực hóa một giải pháp nhúng hoàn chỉnh, tích hợp liên ngành giữa kỹ thuật phần cứng máy tính, xử lý ảnh bằng trí tuệ nhân tạo (Edge AI) và công nghệ web quản lý dữ liệu đám mây.
  • Cung cấp tài liệu thiết kế chi tiết từ sơ đồ chân kết nối phần cứng, lưu đồ giải thuật đến bản vẽ cơ khí, làm cơ sở thực nghiệm cho các nghiên cứu phát triển thiết bị điểm danh thông minh.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Điều kiện môi trường: Độ chính xác của thuật toán nhận diện khuôn mặt bị suy giảm khi làm việc trong môi trường có cường độ ánh sáng quá cao, quá thấp hoặc có bức xạ nhiệt lớn.
  • Phạm vi hoạt động: Khoảng cách quét thẻ RFID thụ động bị giới hạn trong phạm vi hẹp (0–5 cm); khoảng cách nhận diện khuôn mặt hiệu quả qua webcam chỉ nằm trong khoảng 0,8 m đến 1,0 m.
  • Quy mô kiểm thử: Hệ thống mới được thử nghiệm ở cấp độ mô hình trong điều kiện phòng thí nghiệm, chưa đánh giá tải thực tế với cơ sở dữ liệu hàng nghìn nhân viên cùng lúc.

Hướng nghiên cứu tiếp

  • Nâng cao giải thuật nhận diện: Cải tiến tiền xử lý ảnh và áp dụng các mô hình học sâu tối ưu hơn nhằm cải thiện độ chính xác trong các điều kiện môi trường ánh sáng phức tạp và các góc mặt nghiêng lớn.
  • Mở rộng chức năng: Bổ sung các tính năng nâng cao trên website quản trị, nghiên cứu tích hợp thêm các công nghệ truyền thông tầm xa hoặc kết hợp các phương thức sinh trắc học khác.

Giá trị tham khảo

Đồ án tốt nghiệp này mang lại giá trị tham khảo hữu ích cho:

  • Sinh viên và giảng viên các ngành Công nghệ Kỹ thuật Máy tính, Kỹ thuật Điện - Điện tử, Công nghệ Thông tin, Kỹ thuật Viễn thông và Tự động hóa đang nghiên cứu về hệ thống nhúng và ứng dụng thị giác máy tính trên thiết bị biên.
  • Các kỹ sư phát triển sản phẩm IoT/nhúng cần tham khảo tài liệu kỹ thuật về:
    • Phương pháp ghép nối ngoại vi qua các chuẩn giao tiếp SPI (RFID RC522), I2C (RTC DS1307), HDMI và USB trên dòng máy tính nhúng Raspberry Pi 4.
    • Quy trình triển khai mạng nơ-ron FaceNet kết hợp thư viện OpenCV trên môi trường Linux (Raspbian).
    • Kỹ thuật thiết kế ứng dụng giao diện kép: ứng dụng cục bộ tương tác thời gian thực và ứng dụng web giám sát cơ sở dữ liệu đám mây.

Câu hỏi thường gặp

1. Mạng FaceNet trong hệ thống thực hiện biểu diễn đặc trưng khuôn mặt như thế nào?

Mạng FaceNet trích xuất các đặc trưng khuôn mặt từ ảnh đầu vào do webcam ghi lại và nén thành một vectơ nhúng 128 chiều. Hệ thống tính toán khoảng cách Euclide giữa vectơ của khuôn mặt cần kiểm tra với vectơ khuôn mặt đã đăng ký trong cơ sở dữ liệu; khoảng cách càng nhỏ thì độ tương đồng càng cao, xác nhận cùng một người.

2. Module RFID RC522 giao tiếp với Raspberry Pi 4 thông qua chuẩn truyền thông nào và sử dụng các chân GPIO cụ thể nào?

Module RC522 sử dụng chuẩn giao tiếp SPI (Serial Peripheral Interface) ở tần số sóng mang 13,56 MHz. Các chân kết nối với Raspberry Pi 4 bao gồm:

  • Chân SDA (SS) kết nối chân GPIO 8.
  • Chân MOSI kết nối chân GPIO 10.
  • Chân MISO kết nối chân GPIO 9.
  • Chân SCK kết nối chân GPIO 11.
  • Chân RST kết nối chân GPIO 22.
  • Nguồn cấp 3.3V và chân Mass (GND).

3. Khoảng cách hoạt động hiệu quả của khối RFID và khối đọc ảnh webcam được xác định trong khoảng nào?

Theo giới hạn kỹ thuật được đồ án công bố:

  • Khối RFID RC522 phát hiện và đọc thẻ tốt nhất ở khoảng cách từ 0 cm đến 5 cm (tối đa 60 mm).
  • Khối đọc ảnh (Webcam Rapoo XW180) nhận diện khuôn mặt chính xác ở cự ly vừa phải từ 0,8 m đến 1,0 m.

4. Hệ thống đảm bảo tính chính xác của dữ liệu thời gian chấm công bằng cách nào khi mất kết nối Internet?

Hệ thống tích hợp khối thời gian thực sử dụng module RTC DS1307 giao tiếp qua bus I2C (chân SDA nối GPIO 2, chân SCL nối GPIO 3). Module này đi kèm pin đồng hồ 3V riêng biệt có khả năng duy trì thông tin ngày, tháng, năm, giờ, phút, giây liên tục trong vòng 10 năm mà không cần nguồn điện ngoài hay kết nối mạng Internet.

5. Quy trình đăng ký một nhân viên mới trên giao diện cục bộ của hệ thống diễn ra như thế nào?

Quản trị viên đăng nhập vào hệ thống bằng mật khẩu, chọn chức năng đăng ký nhân viên, sau đó nhập thông tin định danh cá nhân, thực hiện quẹt thẻ RFID để gán ID thẻ và sử dụng webcam thu thập dữ liệu hình ảnh khuôn mặt theo 3 hướng khác nhau. Dữ liệu này được mã hóa và lưu trữ vào cơ sở dữ liệu để phục vụ cho các lần nhận diện sau đó.

Kết luận

Đồ án tốt nghiệp "Thiết kế và thi công hệ thống chấm công bằng nhận diện khuôn mặt kết hợp công nghệ RFID trên Raspberry Pi 4" của sinh viên Huỳnh Văn Kim Hên đã giải quyết thành công bài toán chấm công tự động thông qua cơ chế xác thực hai lớp an toàn và tiện lợi. Tác giả đã hoàn thành toàn diện việc tính toán, lựa chọn linh kiện, lắp ráp phần cứng, xây dựng giải thuật nhận diện bằng FaceNet trên Raspberry Pi 4 và thiết kế hệ thống website giám sát từ xa. Kết quả thực nghiệm khẳng định hệ thống vận hành ổn định, cung cấp một giải pháp tham khảo có tính ứng dụng cao cho lĩnh vực quản lý nhân sự trên nền tảng thiết bị nhúng.