Xây Dựng Hệ Thống Điểm Danh Nhận Diện Khuôn Mặt

Trong bối cảnh cuộc cách mạng công nghiệp 4.0, chuyển đổi số trong giáo dục không còn là xu hướng mà đã… 55 trang · Trường Đại Học Công Nghệ Thông Tin · 2023.

• Trường học: Trường Đại Học Công Nghệ Thông Tin
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Hệ Thống Điểm Danh Nhận Diện Khuôn Mặt Hiện Đại Trong Giáo Dục
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• MỞ ĐẦU
• 1. DANH SÁCH CÁC HÌNH
• 2. MÔ TẢ BÀI TOÁN ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT
• 2.1. Bài toán điểm danh nhận diện khuôn mặt
• 2.2. Khảo sát nghiệp vụ
• 2.2.1. Mô hình tổ chức
• 2.2.2. Quy trình nghiệp vụ
• 2.3. Một số phần mềm nhận diện khuôn mặt
• 2.3.1. Phần mềm Acheckin
• 2.3.2. Phần mềm VN Face School
• 2.4. Phương pháp tiếp cận và nội dung nghiên cứu
• 2.4.1. Phương pháp tiếp cận
• 2.4.2. Nội dung nghiên cứu
• 2.5. Mô hình chung của bài toán nhận diện
• 3. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT
• 3.1. Ca sử dụng của hệ thống
• 3.2. Tổng quan các chức năng của hệ thống
• 3.2.1. Chức năng dùng chung
• 3.2.2. Chức năng dành cho quản trị viên
• 3.2.3. Chức năng dành cho giảng viên
• 3.2.4. Chức năng dành cho sinh viên
• 3.3. Thiết kế cơ sở dữ liệu
• 3.3.1. Biểu đồ phân lớp của hệ thống
• 3.3.2. Cơ sở dữ liệu
• 4. TRIỂN KHAI HỆ THỐNG ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT
• 4.1. Công cụ và công nghệ sử dụng
• 4.1.1. Phần mềm Laragon
• 4.1.2. Phần mềm Visual Studio Code
• 4.1.3. Công cụ quản lý công việc Trello
• 4.1.4. Hệ thống quản lý mã nguồn GitLab
• 4.1.5. Mẫu giao diện
• 4.2. Xây dựng phần mềm
• 4.2.1. Giao diện đăng nhập
• 4.2.2. Giao diện đổi mật khẩu
• 4.2.3. Giao diện quản lý hồ sơ cá nhân
• 4.2.4. Giao diện quản lý người dùng
• 4.2.5. Giao diện thêm mới người dùng
• 4.2.6. Giao diện quản lý học phần
• 4.2.7. Giao diện quản lý lớp học
• 4.2.8. Giao diện thêm thành viên lớp học
• 4.2.9. Giao diện cập nhật dữ liệu khuôn mặt
• 4.2.10. Giao diện điểm danh sinh viên
• 4.2.11. Giao diện nhận dạng sinh viên
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan hệ thống điểm danh nhận diện khuôn mặt trong giáo dục

Trong bối cảnh cuộc cách mạng công nghiệp 4.0, chuyển đổi số trong giáo dục không còn là xu hướng mà đã trở thành yêu cầu cấp thiết. Một trong những ứng dụng đột phá nhất chính là hệ thống điểm danh nhận diện khuôn mặt, một giải pháp điểm danh thông minh thay thế hoàn toàn các phương pháp thủ công truyền thống. Công nghệ này sử dụng thuật toán trí tuệ nhân tạo (AI) để xác định và xác thực danh tính của học sinh, sinh viên một cách tự động và chính xác thông qua các đặc điểm sinh trắc học trên khuôn mặt. Thay vì tốn thời gian cho việc đọc tên hay quẹt thẻ, hệ thống cho phép ghi nhận sự hiện diện chỉ trong vài giây, giúp tối ưu hóa quy trình điểm danh và giải phóng thời gian cho giảng viên tập trung vào chuyên môn giảng dạy. Sự ra đời của công nghệ nhận dạng khuôn mặt trong môi trường học đường không chỉ là một bước tiến về mặt công nghệ, mà còn là một công cụ mạnh mẽ hỗ trợ quản lý học sinh hiện đại, nâng cao tính minh bạch và kỷ luật. Nó đặt nền móng cho việc xây dựng một môi trường giáo dục thông minh, hiệu quả và an toàn hơn, đáp ứng kịp thời các yêu cầu quản lý ngày càng phức tạp.

1.1. Định nghĩa công nghệ nhận diện khuôn mặt trong điểm danh

Hệ thống điểm danh nhận diện khuôn mặt là một ứng dụng của ngành thị giác máy tính và trí tuệ nhân tạo, được thiết kế để tự động hóa việc ghi nhận sự có mặt của cá nhân trong một môi trường cụ thể, ở đây là lớp học. Về cơ bản, hệ thống hoạt động dựa trên việc so sánh hình ảnh khuôn mặt được thu thập trực tiếp qua camera AI điểm danh với dữ liệu khuôn mặt đã được lưu trữ trước đó trong cơ sở dữ liệu. Theo nghiên cứu 'Xây dựng hệ thống điểm danh nhận diện khuôn mặt' (2023), quy trình này bao gồm các bước cốt lõi: phát hiện khuôn mặt trong ảnh, tiền xử lý hình ảnh để chuẩn hóa, trích xuất các đặc trưng sinh trắc học trong giáo dục, và cuối cùng là so sánh các đặc trưng này để đưa ra kết quả nhận diện. Công nghệ này có khả năng vượt qua nhiều thách thức mà con người gặp phải, thậm chí nhận diện chính xác ngay cả khi có những thay đổi nhỏ về ngoại hình như đeo kính. Đây là một ứng dụng điểm danh tự động, minh bạch và có độ chính xác cao.

1.2. Vai trò của chuyển đổi số trong giáo dục hiện đại

Chuyển đổi số là quá trình tích hợp công nghệ kỹ thuật số vào mọi khía cạnh của một tổ chức, làm thay đổi căn bản cách thức vận hành và cung cấp giá trị. Trong giáo dục, quá trình này không chỉ dừng lại ở việc số hóa tài liệu hay dạy học trực tuyến. Nó còn bao gồm việc áp dụng các công nghệ như AI, Big Data, và IoT để tạo ra các giải pháp quản lý tiên tiến. Hệ thống điểm danh bằng khuôn mặt là một minh chứng điển hình. Nó không chỉ là công cụ điểm danh, mà còn là một phần của một hệ sinh thái lớn hơn, có khả năng tích hợp với hệ thống quản lý trường học (SMS) hoặc hệ thống quản lý học tập (LMS). Dữ liệu điểm danh được thu thập tự động có thể dùng để phân tích chuyên cần, gửi cảnh báo cho phụ huynh, và cung cấp cho ban giám hiệu cái nhìn tổng quan về tình hình học tập, từ đó hỗ trợ đưa ra các quyết định quản lý kịp thời và chính xác.

II. Thách thức của phương pháp điểm danh thủ công trong nhà trường

Phương pháp điểm danh truyền thống bằng giấy bút hoặc đọc tên, dù quen thuộc, nhưng lại tiềm ẩn nhiều hạn chế và thách thức trong bối cảnh giáo dục hiện đại. Vấn đề lớn nhất là sự thiếu chính xác và khả năng gian lận. Việc sinh viên điểm danh hộ, học hộ là một thực trạng khó kiểm soát, ảnh hưởng trực tiếp đến tính công bằng và chất lượng đào tạo. Theo khảo sát tại Trường Đại học Vinh được trích dẫn trong tài liệu nghiên cứu, quá trình điểm danh thủ công thường mất từ 5 đến 10 phút mỗi buổi học. Khoảng thời gian này, tuy có vẻ nhỏ, nhưng khi nhân lên với số lượng lớp học và buổi học trong một năm, sẽ trở thành một sự lãng phí tài nguyên đáng kể, làm gián đoạn dòng chảy bài giảng và giảm thời gian tương tác quý báu giữa giảng viên và sinh viên. Hơn nữa, việc quản lý và tổng hợp dữ liệu từ sổ sách giấy tờ rất cồng kềnh, dễ xảy ra sai sót khi nhập liệu và khó khăn trong việc trích xuất báo cáo nhanh chóng. Những hạn chế này cho thấy sự cần thiết phải có một giải pháp điểm danh thông minh để khắc phục.

2.1. Phân tích rủi ro gian lận và sai sót trong điểm danh

Gian lận trong điểm danh là một trong những thách thức lớn nhất mà phương pháp thủ công phải đối mặt. Tình trạng 'điểm danh hộ' không chỉ làm sai lệch dữ liệu chuyên cần mà còn tạo ra một môi trường học tập thiếu trung thực. Điều này gây khó khăn cho nhà trường trong việc đánh giá chính xác mức độ tham gia của sinh viên. Bên cạnh đó, sai sót do con người là không thể tránh khỏi. Giảng viên có thể đọc nhầm tên, đánh dấu sai, hoặc sinh viên nghe không rõ. Dữ liệu điểm danh trên giấy cũng dễ bị thất lạc hoặc hư hỏng. Những sai sót này, dù nhỏ, có thể ảnh hưởng đến kết quả học tập và đánh giá cuối kỳ của sinh viên. Một hệ thống điểm danh tự động, đặc biệt là sử dụng sinh trắc học trong giáo dục, có thể loại bỏ gần như hoàn toàn các rủi ro này, đảm bảo tính chính xác và minh bạch tuyệt đối, góp phần chống gian lận thi cử và học tập.

2.2. Hạn chế về thời gian và nguồn lực của phương pháp cũ

Gánh nặng hành chính là một hạn chế rõ rệt của điểm danh thủ công. Giảng viên phải dành một phần thời gian đầu hoặc cuối buổi học cho công việc lặp đi lặp lại này, thay vì tập trung vào việc truyền đạt kiến thức hoặc giải đáp thắc mắc. Sau đó, bộ phận giáo vụ lại phải tốn thêm thời gian và nhân lực để nhập liệu từ sổ điểm danh vào hệ thống quản lý chung. Quá trình này không chỉ tốn thời gian mà còn dễ phát sinh lỗi. Việc truy xuất dữ liệu để làm báo cáo, thống kê chuyên cần theo tuần, tháng, hay học kỳ cũng trở nên phức tạp và chậm trễ. Ngược lại, một ứng dụng điểm danh tự động sẽ giải quyết triệt để vấn đề này, tự động hóa toàn bộ quy trình từ ghi nhận đến báo cáo, giúp các cơ sở giáo dục tiết kiệm đáng kể thời gian và chi phí vận hành, đồng thời nâng cao hiệu suất làm việc của cả giảng viên và nhân viên quản lý.

III. Cách hệ thống điểm danh bằng khuôn mặt tối ưu hóa quy trình

Một hệ thống điểm danh nhận diện khuôn mặt hoạt động dựa trên một quy trình công nghệ được thiết kế chặt chẽ, từ khâu thu thập dữ liệu đến khi xuất ra kết quả cuối cùng. Mô hình chung của bài toán này, như được mô tả trong tài liệu nghiên cứu, bắt đầu bằng việc phát hiện và xác định sự tồn tại của khuôn mặt trong một khung hình từ camera. Sau đó, hệ thống sẽ tiến hành các bước tiền xử lý để chuẩn hóa hình ảnh, chẳng hạn như điều chỉnh kích thước và loại bỏ nhiễu, nhằm tăng cường độ chính xác. Bước quan trọng tiếp theo là trích chọn đặc trưng, nơi các thuật toán như LBPH (Local Binary Patterns Histogram) được sử dụng để biến đổi các đặc điểm độc nhất của khuôn mặt thành một chuỗi mã hóa. Cuối cùng, chuỗi mã này sẽ được so sánh với cơ sở dữ liệu đã được huấn luyện để tìm ra sự trùng khớp và xác nhận danh tính. Toàn bộ quy trình này diễn ra chỉ trong vài giây, cho phép điểm danh không tiếp xúc và xử lý đồng thời nhiều sinh viên, mang lại hiệu quả vượt trội so với các phương pháp truyền thống.

3.1. Quy trình thu thập và xử lý dữ liệu sinh trắc học

Để hệ thống hoạt động, bước đầu tiên và quan trọng nhất là xây dựng cơ sở dữ liệu khuôn mặt. Sinh viên sẽ được yêu cầu cung cấp hình ảnh của mình thông qua việc tải ảnh lên hoặc được chụp trực tiếp qua camera của hệ thống. Các hình ảnh này sau đó trải qua một giai đoạn tiền xử lý nghiêm ngặt. Hệ thống sẽ tự động chuẩn hóa kích thước, căn chỉnh góc mặt, và áp dụng các bộ lọc để cải thiện chất lượng ảnh, loại bỏ các yếu tố gây nhiễu như ánh sáng không đồng đều. Sau khi tiền xử lý, thuật toán sẽ trích xuất các vector đặc trưng – một dạng 'dấu vân tay' kỹ thuật số của khuôn mặt – và lưu trữ chúng một cách an toàn. Quy trình này đảm bảo rằng dữ liệu đầu vào cho mô hình nhận diện là đồng nhất và chất lượng cao, là tiền đề cho việc quản lý dữ liệu và bảo mật hiệu quả về sau.

3.2. Nguyên lý hoạt động của camera AI và thuật toán nhận diện

Tại lớp học, camera AI điểm danh sẽ liên tục quét và phát hiện các khuôn mặt trong tầm nhìn. Khi một khuôn mặt được phát hiện, hệ thống sẽ thực hiện các bước trích xuất đặc trưng tương tự như khi thu thập dữ liệu ban đầu. Vector đặc trưng vừa được tạo ra sẽ được gửi đến bộ xử lý trung tâm. Tại đây, thuật toán so sánh sẽ đối chiếu vector này với hàng ngàn vector trong cơ sở dữ liệu để tìm ra kết quả trùng khớp nhất với một ngưỡng tin cậy xác định. Các phần mềm điểm danh sinh viên hiện đại, như VN Face School được đề cập trong tài liệu, có thể đạt độ chính xác lên tới 99,99% với thời gian xử lý dưới một giây. Khi danh tính được xác nhận, thông tin điểm danh (ID sinh viên, thời gian, môn học) sẽ tự động được ghi lại vào bảng lịch sử điểm danh, hoàn tất quy trình một cách nhanh chóng và chính xác.

IV. Lợi ích vượt trội của giải pháp điểm danh thông minh bằng AI

Việc áp dụng giải pháp điểm danh thông minh dựa trên công nghệ nhận diện khuôn mặt mang lại nhiều lợi ích chiến lược cho các tổ chức giáo dục. Lợi ích rõ ràng nhất là tiết kiệm thời gian và tăng cường hiệu quả. Quá trình điểm danh được tự động hóa hoàn toàn, giảm gánh nặng hành chính cho giảng viên và cho phép họ dành toàn bộ thời gian trên lớp cho việc giảng dạy. Tính chính xác và minh bạch cũng được nâng cao đáng kể. Vì dựa trên dữ liệu sinh trắc học duy nhất, hệ thống loại bỏ hoàn toàn khả năng điểm danh hộ, đảm bảo dữ liệu chuyên cần phản ánh đúng thực tế. Điều này không chỉ giúp việc quản lý lớp học bằng AI trở nên hiệu quả hơn mà còn tạo ra một môi trường học tập công bằng. Hơn nữa, hệ thống này còn là một nền tảng để phát triển thêm các ứng dụng khác như kiểm soát ra vào, giám sát an ninh trong khuôn viên trường học, và chống gian lận thi cử, tạo ra một hệ sinh thái quản lý toàn diện và hiện đại.

4.1. Nâng cao hiệu quả quản lý và tối ưu hóa quy trình điểm danh

Hiệu quả quản lý được cải thiện rõ rệt thông qua việc tự động hóa và số hóa dữ liệu. Thay vì phải xử lý sổ sách giấy tờ, ban giám hiệu và phòng giáo vụ có thể truy cập vào các báo cáo, biểu đồ thống kê về tỷ lệ chuyên cần theo thời gian thực ngay trên hệ thống. Dữ liệu này có thể được lọc theo lớp, theo môn học, hoặc theo từng sinh viên một cách dễ dàng. Khả năng tối ưu hóa quy trình điểm danh giúp giảm thiểu các bước thủ công, từ đó giảm sai sót và tăng tốc độ xử lý thông tin. Ví dụ, hệ thống có thể tự động gửi thông báo cho phụ huynh khi học sinh vắng mặt, hoặc cảnh báo cho cố vấn học tập khi một sinh viên có tỷ lệ vắng học cao bất thường, cho phép can thiệp và hỗ trợ kịp thời.

4.2. Tích hợp liền mạch với hệ thống quản lý trường học SMS

Một trong những ưu điểm mạnh mẽ nhất của các phần mềm điểm danh sinh viên hiện đại là khả năng tích hợp. Dữ liệu từ hệ thống điểm danh có thể được đồng bộ hóa một cách liền mạch với hệ thống quản lý trường học (SMS) hiện có. Điều này tạo ra một luồng dữ liệu thông suốt, loại bỏ nhu cầu nhập liệu thủ công trùng lặp. Thông tin chuyên cần có thể tự động được cập nhật vào hồ sơ của sinh viên trong SMS, phục vụ cho việc tính điểm chuyên cần, xét điều kiện thi, hay các quy trình học vụ khác. Sự tích hợp này không chỉ giúp quản lý học sinh hiện đại hơn mà còn biến các hệ thống riêng lẻ thành một hệ sinh thái công nghệ đồng bộ, cung cấp một cái nhìn 360 độ về hoạt động của nhà trường và học sinh.

V. Hướng dẫn triển khai và các vấn đề bảo mật dữ liệu cần biết

Triển khai một hệ thống điểm danh nhận diện khuôn mặt đòi hỏi một kế hoạch chi tiết, bao gồm cả việc lựa chọn công nghệ và giải quyết các vấn đề liên quan đến bảo mật. Quá trình này không chỉ đơn thuần là cài đặt phần mềm, mà còn liên quan đến việc chuẩn bị hạ tầng phần cứng như camera chất lượng cao, máy chủ xử lý, và hệ thống lưu trữ. Yếu tố quan trọng nhất cần được xem xét là bảo mật dữ liệu sinh trắc học. Dữ liệu khuôn mặt là thông tin cá nhân cực kỳ nhạy cảm. Do đó, các tổ chức giáo dục phải đảm bảo rằng nhà cung cấp giải pháp tuân thủ các quy định nghiêm ngặt về bảo vệ dữ liệu, sử dụng các phương pháp mã hóa mạnh mẽ để bảo vệ dữ liệu cả trong quá trình truyền tải và khi lưu trữ. Việc xây dựng một chính sách rõ ràng về việc thu thập, sử dụng và xóa dữ liệu, đồng thời truyền thông minh bạch với sinh viên và phụ huynh là bước đi cần thiết để xây dựng lòng tin và đảm bảo việc triển khai thành công.

5.1. Các bước triển khai phần mềm điểm danh sinh viên hiệu quả

Một kế hoạch triển khai hiệu quả thường bao gồm các bước sau. Đầu tiên là khảo sát hạ tầng hiện tại và xác định yêu cầu cụ thể của nhà trường. Tiếp theo là lựa chọn nhà cung cấp uy tín có kinh nghiệm trong lĩnh vực giáo dục. Giai đoạn thu thập dữ liệu ban đầu cần được tổ chức một cách khoa học, hướng dẫn sinh viên cách cung cấp hình ảnh chất lượng. Sau khi cài đặt và cấu hình hệ thống, cần có một giai đoạn chạy thử nghiệm (pilot) ở một vài lớp học để kiểm tra độ ổn định, độ chính xác và thu thập phản hồi từ người dùng. Cuối cùng, việc đào tạo cho giảng viên, nhân viên quản lý và sinh viên về cách sử dụng hệ thống là rất quan trọng để đảm bảo tất cả các bên đều có thể tận dụng tối đa các tính năng của phần mềm điểm danh sinh viên.

5.2. Giải pháp đảm bảo an toàn và bảo mật dữ liệu sinh trắc học

Để đảm bảo an toàn, dữ liệu khuôn mặt không nên được lưu dưới dạng hình ảnh thô. Thay vào đó, chúng cần được chuyển đổi thành các vector đặc trưng đã được mã hóa. Việc truy cập vào cơ sở dữ liệu này phải được kiểm soát chặt chẽ thông qua cơ chế phân quyền, chỉ những người có thẩm quyền mới có thể truy cập. Hệ thống cần được trang bị các biện pháp bảo mật mạng như tường lửa, mã hóa SSL/TLS cho việc truyền dữ liệu. Ngoài ra, cần có chính sách lưu trữ và hủy dữ liệu rõ ràng: dữ liệu sinh trắc học của sinh viên nên được xóa vĩnh viễn khỏi hệ thống sau khi họ tốt nghiệp một khoảng thời gian nhất định. Việc tuân thủ các nguyên tắc bảo mật dữ liệu sinh trắc học này không chỉ là trách nhiệm pháp lý mà còn là yếu tố then chốt để bảo vệ quyền riêng tư cho người học.

VI. Tương lai của công nghệ điểm danh khuôn mặt trong giáo dục 4

Công nghệ điểm danh nhận diện khuôn mặt không chỉ dừng lại ở chức năng hiện tại mà còn hứa hẹn những bước phát triển xa hơn trong tương lai của giáo dục 4.0. Khi công nghệ AI ngày càng trở nên tinh vi, các hệ thống này sẽ được tối ưu hóa quy trình điểm danh để đạt hiệu suất cao hơn, có khả năng nhận diện chính xác hơn trong các điều kiện phức tạp như ánh sáng yếu, góc mặt nghiêng, hoặc thậm chí khi đeo khẩu trang. Hướng phát triển trong tương lai, như được đề cập trong nghiên cứu, là không ngừng tích lũy kiến thức chuyên môn để hoàn thiện hệ thống. Một tiềm năng lớn là việc tích hợp công nghệ này với các hệ thống phân tích hành vi học tập. Bằng cách phân tích biểu cảm khuôn mặt, hệ thống có thể cung cấp cho giáo viên những phản hồi gián tiếp về mức độ tập trung hay hứng thú của sinh viên đối với bài giảng. Xa hơn nữa, công nghệ nhận dạng khuôn mặt có thể trở thành một phần không thể thiếu của mộtキャン퍼с thông minh, quản lý mọi hoạt động từ điểm danh, thi cử, mượn sách thư viện đến thanh toán không tiền mặt, tạo ra một trải nghiệm giáo dục liền mạch, an toàn và cá nhân hóa.

6.1. Xu hướng phát triển và tối ưu hóa hệ thống trong tương lai

Các nhà phát triển đang liên tục nghiên cứu để khắc phục những hạn chế hiện tại, chẳng hạn như khả năng nhận diện đồng thời nhiều khuôn mặt trong thời gian thực với độ chính xác cao. Việc tối ưu hóa thuật toán để giảm yêu cầu về phần cứng và tăng tốc độ xử lý là một ưu tiên hàng đầu. Một xu hướng khác là tích hợp với công nghệ IoT (Internet of Things). Cửa lớp học có thể tự động mở khóa khi nhận diện đúng sinh viên và giảng viên, hệ thống chiếu sáng và điều hòa có thể tự điều chỉnh dựa trên số lượng người có mặt. Sự hội tụ công nghệ này sẽ biến lớp học truyền thống thành một không gian học tập thông minh và linh hoạt, nơi mọi quy trình vận hành đều được tự động hóa để phục vụ tốt nhất cho hoạt động dạy và học.

6.2. Mở rộng ứng dụng Từ điểm danh đến quản lý an ninh toàn diện

Phạm vi ứng dụng của nhận diện khuôn mặt trong giáo dục sẽ không chỉ giới hạn ở việc điểm danh. Công nghệ này có tiềm năng to lớn trong việc tăng cường an ninh cho toàn bộ khuôn viên trường học. Hệ thống camera an ninh tích hợp AI có thể phát hiện và cảnh báo về sự xâm nhập của người lạ vào các khu vực hạn chế. Trong các kỳ thi, nó có thể được dùng để xác thực danh tính thí sinh và chống gian lận thi cử một cách hiệu quả. Thư viện có thể sử dụng công nghệ này để thay thế thẻ sinh viên trong việc mượn trả sách. Bằng cách mở rộng các ứng dụng này, các cơ sở giáo dục có thể xây dựng một môi trường quản lý học sinh hiện đại, an toàn và hiệu quả hơn, tận dụng tối đa sức mạnh của cuộc chuyển đổi số trong giáo dục.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Đồ án tốt nghiệp "Xây dựng hệ thống điểm danh nhận diện khuôn mặt" được thực hiện bởi nhóm sinh viên Hồ Anh Hòa (MSV: 205748020110041) và Nguyễn Hữu Nhật (MSV: 205748020110020) thuộc Nhóm 23, dưới sự hướng dẫn của TS. Cao Thanh Sơn, hoàn thành vào tháng 12/2023 tại Nghệ An.

Bối cảnh thực tiễn và lý do chọn đề tài

Khảo sát thực tế tại Trường Đại học Vinh cho thấy mô hình tổ chức đào tạo được phân chia theo các lớp học phần. Mỗi lớp học phần bao gồm một giảng viên phụ trách và quy mô từ 20 đến 80 sinh viên. Trong phương thức quản lý truyền thống, đầu hoặc cuối mỗi buổi học, giảng viên phải mở danh sách lớp và đọc tên từng sinh viên để ghi nhận sự có mặt. Quy trình thủ công này tồn tại các hạn chế:

• Tiêu tốn từ 5 đến 10 phút của mỗi tiết học, làm giảm thời lượng giảng dạy và tương tác chuyên môn.
• Dễ phát sinh sai sót trong quá trình ghi chép thủ công trên danh sách giấy.
• Khó kiểm soát và phát hiện các trường hợp gian lận như điểm danh hộ hoặc đi học hộ.

Việc ứng dụng thị giác máy tính và trí tuệ nhân tạo để nhận diện khuôn mặt qua máy ảnh cho phép tự động hóa quy trình xác thực danh tính sinh viên, giảm thiểu thời gian thao tác và nâng cao tính minh bạch trong quản lý đào tạo.

Mục tiêu và nhiệm vụ nghiên cứu

Đồ án đặt ra các mục tiêu và nhiệm vụ cụ thể:

1. Nghiên cứu tổng quan bài toán nhận diện khuôn mặt trong lĩnh vực thị giác máy tính và các giải pháp thương mại hiện có.
2. Xây dựng quy trình nghiệp vụ điểm danh tự động gồm 8 giai đoạn: thu thập dữ liệu, tiền xử lý dữ liệu, trích chọn đặc trưng, huấn luyện mô hình, đánh giá mô hình, triển khai hệ thống, ghi nhận lịch sử và bảo mật dữ liệu.
3. Phân tích, thiết kế hệ thống hướng đối tượng với 3 nhóm tác nhân (Quản trị viên, Giảng viên, Sinh viên) và xây dựng cơ sở dữ liệu quan hệ hoàn chỉnh.
4. Triển khai ứng dụng web tích hợp mô hình nhận diện khuôn mặt, thực hiện kiểm thử chức năng và đánh giá kết quả thực tế.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Quy trình điểm danh sinh viên và các giải pháp trích chọn đặc trưng, nhận diện khuôn mặt phục vụ định danh tự động.
• Phạm vi không gian: Áp dụng cho các lớp học phần tại Trường Đại học Vinh.
• Phạm vi thời gian: Đồ án được triển khai và hoàn thành trong thời gian 10 tuần, nghiệm thu vào tháng 12/2023.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật

Bài toán nhận diện khuôn mặt được triển khai theo mô hình xử lý 3 bước tiêu chuẩn của thị giác máy tính:

1. Phát hiện khuôn mặt: Xác định vị trí và giới hạn khuôn mặt người trong ảnh tĩnh hoặc khung hình từ luồng video.
2. Tiền xử lý và trích chọn đặc trưng: Chuẩn hóa kích thước hình ảnh cắt từ video để giảm ảnh hưởng của sự biến đổi tỷ lệ; lọc nhiễu và tăng độ nét; áp dụng phương pháp LBPH (Local Binary Patterns Histogram) để mã hóa và trích xuất các vector đặc trưng khuôn mặt.
3. So sánh và nhận diện: So khớp các vector đặc trưng vừa trích xuất với tập dữ liệu khuôn mặt đã được lưu trữ trong cơ sở dữ liệu để đưa ra kết luận về danh tính có độ trùng khớp cao nhất.

Khảo sát các giải pháp liên quan

Tác giả tiến hành khảo sát hai phần mềm điểm danh nhận diện khuôn mặt tiêu biểu tại Việt Nam:

Tiêu chí	Phần mềm ACheckin	Phần mềm VN Face School
Đơn vị phát triển	Appota Group	Nền tảng chuyên biệt cho giáo dục
Phần cứng / Công nghệ	Hanet AI Camera tích hợp NPU, độ phân giải 2K, bộ nhớ 8GB/32GB/64GB	Máy ảnh giám sát tiêu chuẩn kết hợp máy chủ nhận diện
Chức năng chính	Chấm công, quản lý nhân sự, quản lý dự án, truyền thông nội bộ	Điểm danh học sinh, quản lý đưa đón, kết nối phụ huynh và nhà trường
Độ chính xác & Tốc độ	Xử lý trực tiếp trên camera AI, giảm tải hạ tầng	Độ chính xác công bố đạt 99,99%, thời gian nhận diện < 1 giây

Ngoài ra, nhóm nghiên cứu đã khảo sát các nền tảng thương mại quốc tế gồm Kairos, Amazon Rekognition, Microsoft Azure để đối chiếu ưu - nhược điểm công nghệ.

Phương pháp nghiên cứu và quy trình phát triển

• Phương pháp tiếp cận: Tra cứu tài liệu học thuật theo các từ khóa chuyên ngành (face recognition attendance system, facial recognition technology, facial biometrics); hồi cứu tài liệu; tham khảo ý kiến chuyên gia trên các diễn đàn công nghệ thông tin.
• Quy trình phát triển phần mềm: Áp dụng mô hình Agile và khung làm việc Scrum, phân chia khối lượng công việc thành các sprint cụ thể, quản lý tiến độ qua công cụ trực quan.
• Nguồn dữ liệu: Dữ liệu khuôn mặt thực tế của sinh viên thu thập trực tiếp thông qua máy ảnh trên giao diện web hoặc tệp hình ảnh/video do sinh viên tải lên hệ thống.

---

Thiết kế và triển khai

Môi trường và công cụ phát triển

• Môi trường máy chủ: Laragon (cung cấp môi trường máy chủ cục bộ hỗ trợ Apache, Nginx, cơ sở dữ liệu MySQL/MariaDB và tích hợp sẵn Git).
• Môi trường phát triển tích hợp (IDE): Visual Studio Code.
• Quản lý công việc: Trello (tổ chức quy trình theo 3 bảng trạng thái: "Cần thực hiện", "Đang thực hiện", "Hoàn thành").
• Quản lý mã nguồn: GitLab (kiểm soát phiên bản và lịch sử các lần đẩy mã nguồn theo nhiệm vụ phân công).
• Bộ giao diện quản trị: Mẫu giao diện "NiceAdmin" của BootstrapMade (xây dựng trên nền tảng Bootstrap, tích hợp DataTables, TinyMCE, ECharts).

Thiết kế cơ sở dữ liệu quan hệ

Hệ thống sử dụng cơ sở dữ liệu quan hệ gồm 6 bảng chính để quản lý toàn bộ dữ liệu người dùng, cấu trúc lớp học và dữ liệu nhận diện:

STT	Tên bảng	Tên trường khóa chính / ngoại	Mục đích lưu trữ
1	tbl_users	PK: id	Lưu trữ thông tin tài khoản người dùng, phân quyền (role), họ tên, ngày sinh, email, điện thoại, ảnh đại diện và trạng thái kích hoạt.
2	tbl_courses	PK: id	Lưu thông tin danh mục học phần (courseName), trạng thái và mô tả.
3	tbl_class	PK: id, FK: courseID	Quản lý các lớp học phần, sĩ số tối đa (peopleMax), ngày bắt đầu và kết thúc.
4	tbl_class_users	PK: id, FK: classID, userID	Ghi nhận danh sách người dùng (sinh viên, giảng viên) trực thuộc từng lớp học phần.
5	tbl_datasets	PK: id, FK: userID	Lưu trữ thông tin tập dữ liệu hình ảnh khuôn mặt đã huấn luyện và số lượng ảnh (quantity).
6	tbl_attendance_history	PK: id, FK: userID, classID	Lưu trữ lịch sử điểm danh chi tiết theo từng buổi học (Lessons), loại điểm danh (Type) và ghi chú.

Kết quả kiểm thử chức năng

Tác giả đã xây dựng và thực thi 10 kịch bản kiểm thử giao diện và kiểm thử ràng buộc dữ liệu (Validation), tất cả đều đạt kết quả "Vượt qua":

ID	Nhóm chức năng kiểm thử	Nội dung và ràng buộc kiểm tra	Kết quả
1	Đăng nhập	Kiểm tra bố cục giao diện; bắt lỗi bỏ trống ô nhập; bắt lỗi sai tài khoản/mật khẩu; điều hướng chính xác khi nhập đúng.	Vượt qua
2	Đổi mật khẩu	Bắt lỗi bỏ trống các trường; kiểm tra mật khẩu cũ; kiểm tra sự trùng khớp giữa mật khẩu mới và xác nhận mật khẩu.	Vượt qua
3	Quản lý hồ sơ cá nhân	Bắt lỗi sai định dạng email; bắt lỗi số điện thoại vượt quá 10 ký tự; cập nhật và xóa ảnh đại diện.	Vượt qua
4	Quản lý người dùng	Tìm kiếm người dùng; mở giao diện thêm mới; nhập người dùng từ tệp (Import); xem chi tiết và chỉnh sửa.	Vượt qua
5	Thêm mới người dùng	Kiểm tra bố cục khung nhập liệu; bắt lỗi dữ liệu sai định dạng; lưu thành công bản ghi mới.	Vượt qua
6	Quản lý học phần	Tìm kiếm học phần; tạo mới học phần; xem chi tiết, chỉnh sửa và xác nhận xóa học phần.	Vượt qua
7	Quản lý lớp học	Tìm kiếm lớp học; tạo lớp học mới; xem chi tiết, chỉnh sửa thông tin và phân trang dữ liệu.	Vượt qua
8	Thêm thành viên lớp học	Tìm kiếm thành viên; thêm thành viên vào lớp; hiển thị hộp thoại xác nhận xóa thành viên khỏi lớp; phân trang.	Vượt qua
9	Cập nhật dữ liệu khuôn mặt	Bắt lỗi tải video vượt quá dung lượng 100MB; bắt lỗi tải sai định dạng (tệp .mp3); kích hoạt máy ảnh và cập nhật dữ liệu.	Vượt qua
10	Điểm danh sinh viên	Bắt lỗi khi chưa chọn lớp/buổi học; bật camera nhận dạng tự động; thống kê vắng theo buổi; thống kê tổng số buổi vắng/muộn.	Vượt qua

---

Nội dung chính theo từng chương

Mở đầu

Trình bày tổng quan về sự phát triển của công nghệ thông tin và vai trò của nhận diện khuôn mặt trong quản lý giáo dục. Đặt vấn đề chuyển đổi số quy trình điểm danh từ thủ công sang tự động nhằm tiết kiệm thời gian, tăng cường tính chính xác, ngăn chặn gian lận và nâng cao hiệu quả giảng dạy.

Chương 1. Mô tả bài toán điểm danh nhận diện khuôn mặt

Nội dung chương 1 tập trung phân tích bài toán điểm danh và khảo sát hiện trạng:

• Bài toán nhận diện khuôn mặt: Phân tích bản chất bài toán thị giác máy tính khi biểu diễn các đặc trưng khuôn mặt trong không gian nhiều chiều để máy tính phân biệt từng cá nhân.
• Khảo sát nghiệp vụ: Khảo sát quy mô lớp học phần tại Trường Đại học Vinh (20 - 80 sinh viên/lớp), chỉ ra nhược điểm của việc đọc tên điểm danh truyền thống (mất 5 - 10 phút, dễ sai sót và điểm danh hộ).
• Quy trình nghiệp vụ 8 bước: Xác định các bước từ thu thập ảnh, tiền xử lý, trích xuất đặc trưng bằng LBPH, huấn luyện mô hình, kiểm tra hiệu suất, triển khai web, lưu vết điểm danh đến bảo mật cơ sở dữ liệu.
• Khảo sát giải pháp tham chiếu: Phân tích kiến trúc phần cứng - phần mềm của hệ thống chấm công ACheckin và giải pháp trường học VN Face School.
• Phương pháp tiếp cận: Xác định mục tiêu, chiến lược tra cứu tài liệu chuyên ngành và tìm hiểu giải pháp từ các nền tảng đám mây lớn (Kairos, Amazon Rekognition, Azure).

Chương 2. Phân tích và thiết kế hệ thống điểm danh nhận diện khuôn mặt

Chương 2 trình bày chi tiết các mô hình phân tích và thiết kế hệ thống hướng đối tượng:

• Mô hình ca sử dụng (Use Case): Xác định 3 tác nhân chính:
  • Quản trị viên: Quản lý người dùng, quản lý học phần, quản lý lớp học phần, gán người dùng vào lớp và quản lý hồ sơ cá nhân.
  • Giảng viên: Quản lý lớp học phụ trách, điều khiển máy ảnh điểm danh sinh viên và xem báo cáo thống kê.
  • Sinh viên: Cập nhật dữ liệu khuôn mặt phục vụ nhận dạng và chỉnh sửa thông tin cá nhân.
• Đặc tả ca sử dụng và biểu đồ tuần tự: Xây dựng bảng mô tả chi tiết điều kiện trước, các bước thực hiện, luồng sự kiện bổ sung và biểu đồ tuần tự cho 9 chức năng cốt lõi (Đăng nhập, Đổi mật khẩu, Quản lý hồ sơ, Quản lý người dùng, Quản lý học phần, Quản trị viên quản lý lớp, Giảng viên quản lý lớp, Điểm danh sinh viên, Cập nhật dữ liệu khuôn mặt).
• Thiết kế cơ sở dữ liệu: Xây dựng biểu đồ phân lớp và định nghĩa cấu trúc chi tiết cho 6 bảng dữ liệu (tbl_users, tbl_courses, tbl_class, tbl_class_users, tbl_datasets, tbl_attendance_history) với đầy đủ kiểu dữ liệu, ràng buộc khóa chính (PK) và khóa ngoại (FK).

Chương 3. Triển khai hệ thống điểm danh nhận diện khuôn mặt

Chương 3 mô tả quá trình hiện thực hóa và kiểm thử phần mềm:

• Hạ tầng công nghệ: Thiết lập môi trường máy chủ Laragon, viết mã nguồn trên Visual Studio Code, quản trị dự án theo Agile/Scrum qua Trello và lưu trữ kho mã nguồn trên GitLab. Ứng dụng mẫu giao diện NiceAdmin hỗ trợ tương thích đa thiết bị.
• Xây dựng giao diện: Hiện thực hóa các màn hình chức năng gồm: đăng nhập, đổi mật khẩu, quản lý hồ sơ cá nhân, danh sách và thêm mới người dùng, quản lý học phần, quản lý lớp học, gán thành viên lớp học, giao diện cập nhật dữ liệu khuôn mặt (cho phép quay camera trực tiếp hoặc tải video), giao diện chọn buổi điểm danh và giao diện hiển thị khung camera nhận dạng sinh viên theo thời gian thực kèm tên nhận diện.
• Kiểm thử phần mềm: Thiết kế và thực thi chi tiết 10 bảng kiểm thử chức năng (từ Bảng 3.1 đến Bảng 3.10), ghi nhận các trường hợp kiểm tra giao diện, kiểm tra ràng buộc dữ liệu đầu vào và kiểm tra logic nghiệp vụ.

---

Kết quả và đóng góp

Kết quả đạt được

1. Hoàn thành ứng dụng phần mềm: Xây dựng hoàn chỉnh hệ thống điểm danh bằng nhận diện khuôn mặt trên nền tảng web, phân quyền đầy đủ cho 3 nhóm đối tượng: Quản trị viên, Giảng viên và Sinh viên.
2. Quy trình quản lý dự án: Áp dụng thành công mô hình Agile và quy trình Scrum trong thời gian 10 tuần; phân chia công việc theo sprint thông qua công cụ Trello và quản lý mã nguồn trên GitLab.
3. Tự động hóa nghiệp vụ điểm danh: Tích hợp phương pháp trích chọn đặc trưng LBPH để nhận diện khuôn mặt sinh viên qua camera, tự động ghi nhận dữ liệu vào bảng lịch sử điểm danh (tbl_attendance_history) và cung cấp công cụ thống kê vắng học theo từng buổi hoặc theo toàn bộ học phần.
4. Kiểm thử toàn diện: Thực hiện 10 ca kiểm thử chức năng và giao diện với tỷ lệ đạt yêu cầu 100%, đảm bảo hệ thống bắt lỗi chính xác các trường hợp nhập sai định dạng, thiếu dữ liệu hoặc tải tệp vượt quá giới hạn (video > 100MB, file .mp3).

Đóng góp thực tiễn của đề tài

• Cung cấp giải pháp phần mềm cụ thể nhằm giải quyết vấn đề mất thời gian (5 - 10 phút/buổi) và nguy cơ gian lận trong công tác điểm danh tại các lớp học phần từ 20 đến 80 sinh viên của Trường Đại học Vinh.
• Hệ thống hóa tài liệu phân tích thiết kế hướng đối tượng (UML use case, biểu đồ tuần tự, biểu đồ phân lớp) và cấu trúc cơ sở dữ liệu quan hệ cho một bài toán ứng dụng trí tuệ nhân tạo trong môi trường đào tạo đại học.

---

Hạn chế và hướng nghiên cứu tiếp

Những tồn tại và hạn chế

Theo tự đánh giá của nhóm tác giả trong khóa luận:

• Nhóm nghiên cứu chưa có nhiều kinh nghiệm trong việc xây dựng chương trình và quản lý dự án công nghệ thông tin ở quy mô lớn.
• Hệ thống chưa đáp ứng tối ưu ở chế độ thời gian thực khi xuất hiện đồng thời quá nhiều khuôn mặt trong cùng một khung hình máy ảnh, có khả năng dẫn đến sai sót nhận dạng trong điều kiện mật độ khuôn mặt dày đặc.
• Chương trình chưa được tối ưu hóa sâu để giảm thiểu thời gian truy xuất cơ sở dữ liệu và tối ưu dung lượng bộ nhớ sử dụng khi xử lý luồng dữ liệu hình ảnh.

Hướng phát triển tiếp theo

• Tiếp tục khảo sát, thu thập ý kiến đóng góp từ người dùng thực tế (giảng viên, sinh viên) để phát triển thêm các tính năng tiện ích mới phù hợp với nhu cầu quản lý đào tạo.
• Tối ưu hóa thuật toán xử lý và mã nguồn chương trình nhằm tăng tốc độ nhận dạng, giảm mức tiêu hao bộ nhớ phần cứng xuống mức thấp nhất và nâng cao hiệu năng tổng thể của hệ thống.

---

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho các nhóm đối tượng:

• Sinh viên ngành Công nghệ thông tin và Kỹ nghệ phần mềm: Có thể tham khảo phương pháp áp dụng mô hình Agile/Scrum, cách sử dụng công cụ Trello và GitLab trong phân chia sprint và quản lý mã nguồn đồ án tốt nghiệp.
• Người nghiên cứu hệ thống nhận diện khuôn mặt ứng dụng: Cung cấp tài liệu tham khảo thực tế về quy trình 8 bước triển khai bài toán thị giác máy tính kết hợp ứng dụng web, phương pháp trích chọn đặc trưng LBPH và cấu trúc cơ sở dữ liệu 6 bảng phục vụ lưu vết điểm danh.
• Phần đáng chú ý để tham khảo:
  • Hệ thống biểu đồ tuần tự và bảng đặc tả ca sử dụng chi tiết tại Chương 2.
  • Mẫu thiết kế bảng dữ liệu cơ sở dữ liệu quan hệ (tbl_users, tbl_datasets, tbl_attendance_history).
  • Ma trận các kịch bản kiểm thử giao diện và ràng buộc dữ liệu (Validation test cases) tại Chương 3.

---

Câu hỏi thường gặp

1. Hệ thống sử dụng phương pháp nào để trích chọn đặc trưng khuôn mặt của sinh viên?

Theo quy trình nghiệp vụ được trình bày trong đồ án, hệ thống sử dụng phương pháp LBPH (Local Binary Patterns Histogram) để trích chọn các đặc trưng từ ảnh khuôn mặt đã qua tiền xử lý và thực hiện mã hóa các đặc trưng này trước khi đưa vào so khớp và nhận diện.

2. Cơ sở dữ liệu của hệ thống bao gồm những bảng nào?

Cơ sở dữ liệu của hệ thống gồm 6 bảng quan hệ: tbl_users (lưu trữ người dùng và phân quyền), tbl_courses (lưu thông tin học phần), tbl_class (lưu thông tin lớp học phần), tbl_class_users (lưu danh sách người dùng thuộc lớp), tbl_datasets (lưu trữ thông tin tập dữ liệu hình ảnh khuôn mặt đã huấn luyện), và tbl_attendance_history (lưu vết lịch sử điểm danh theo buổi).

3. Giảng viên thực hiện thao tác điểm danh trên hệ thống như thế nào?

Giảng viên đăng nhập tài khoản, truy cập mục "Điểm danh sinh viên", chọn lớp học phần và buổi học cần điểm danh, sau đó bấm nút "Bật camera". Hệ thống sẽ kích hoạt máy ảnh, tự động nhận diện khuôn mặt sinh viên, hiển thị tên trên khung hình và ghi nhận trạng thái có mặt vào danh sách điểm danh. Giảng viên cũng có thể bấm nút xem thống kê vắng theo buổi hoặc thống kê tổng số buổi vắng/muộn của lớp.

4. Quy định về dữ liệu khi sinh viên cập nhật ảnh nhận dạng là gì?

Sinh viên có thể bật máy ảnh để thu thập dữ liệu trực tiếp hoặc tải lên tệp video/hình ảnh. Hệ thống áp dụng các ràng buộc: tệp video tải lên có dung lượng tối đa không quá 100MB và phải đúng định dạng video (hệ thống sẽ báo lỗi nếu tải tệp sai định dạng như .mp3).

5. Khóa luận được hoàn thiện trong bao lâu và nhóm tác giả sử dụng các công cụ quản lý nào?

Đồ án được thực hiện và hoàn thành trong khoảng thời gian 10 tuần, áp dụng mô hình Agile và quy trình Scrum. Nhóm tác giả sử dụng phần mềm Trello để quản lý danh mục công việc qua 3 bảng trạng thái và hệ thống GitLab để quản lý mã nguồn và theo dõi lịch sử các lần đẩy mã nguồn.

---

Kết luận

Đồ án "Xây dựng hệ thống điểm danh nhận diện khuôn mặt" của nhóm sinh viên Hồ Anh Hòa và Nguyễn Hữu Nhật (Đại học Vinh) đã giải quyết trọn vẹn bài toán tự động hóa điểm danh cho các lớp học phần có quy mô từ 20 đến 80 sinh viên. Tác giả đã kết hợp thành công quy trình phân tích thiết kế phần mềm hướng đối tượng theo mô hình Agile/Scrum với phương pháp trích chọn đặc trưng LBPH trong thị giác máy tính. Toàn bộ 10 ca kiểm thử chức năng trên nền tảng web đều hoàn thành và đạt kết quả kiểm tra thực tế, tạo nền tảng vững chắc để tiếp tục tối ưu hóa hiệu năng nhận dạng đa khuôn mặt theo thời gian thực.

Trích đoạn nội dung tài liệu

MỞ ĐẦU. 1 DANH SÁCH CÁC HÌNH. MÔ TẢ BÀI TOÁN ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT. Bài toán điểm danh nhận diện khuôn mặt.

Khảo sát nghiệp vụ. Mô hình tổ chức. Quy trình nghiệp vụ. Một số phần mềm nhận diện khuôn mặt.

Phần mềm Acheckin. Phần mềm VN Face School. Phương pháp tiếp cận và nội dung nghiên cứu. Phương pháp tiếp cận.

Nội dung nghiên cứu. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT. Ca sử dụng của hệ thống. Tổng quan các chức năng của hệ thống.

Chức năng dùng chung. Chức năng dành cho quản trị viên. Chức năng dành cho giảng viên. Chức năng dành cho sinh viên.

Thiết kế cơ sở dữ liệu. Biểu đồ phân lớp của hệ thống. Cơ sở dữ liệu. TRIỂN KHAI HỆ THỐNG ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT.

Công cụ và công nghệ sử dụng. Phần mềm Laragon. Phần mềm Visual Studio Code. Công cụ quản lý công việc Trello.

Hệ thống quản lý mã nguồn GitLab. Mẫu giao diện. Xây dựng phần mềm. Giao diện đăng nhập.

Giao diện đổi mật khẩu. Giao diện quản lý hồ sơ cá nhân. Giao diện quản lý người dùng. Giao diện thêm mới người dùng.

Giao diện quản lý học phần. Giao diện quản lý lớp học. Giao diện thêm thành viên lớp học. Giao diện cập nhật dữ liệu khuôn mặt.

Giao diện điểm danh sinh viên. Giao diện nhận dạng sinh viên. 47 TÀI LIỆU THAM KHẢO. MÔ TẢ BÀI TOÁN ĐIỂM DANH NHẬN DIỆN KHUÔN MẶT 1.

Bài toán điểm danh nhận diện khuôn mặt Bài toán nhận diện khuôn mặt là một trong những vấn đề quan trọng trong hướng nghiên cứu về nhận diện của ngành thị giác máy tính, do các đặc tính giống nhau của khuôn mặt dùng cho việc nhận diện là rất khó. Đối với con người thì việc nhận diện có thể là một nhiệm vụ rất đơn giản, thậm chí là ở trong những điều kiện môi trường khác nhau, tuổi tác thay đổi, đội mũ, đeo kính,… Tuy nhiên, đối với máy tính thì nó vẫn còn là một thử thách khó khăn trong vài thập kỷ qua cho đến tận ngày nay. Trong thời đại bùng nổ của trí tuệ nhân tạo, tận dụng sức mạnh của các thuật toán nhận diện và lượng dữ liệu vô cùng lớn, chúng ta có thể tạo ra các mô hình hiện đại, cho phép biểu diễn khuôn mặt thành các đặc trưng trong không gian nhiều chiều. Để từ đó, máy tính 1 có thể thực hiện nhận diện ra từng người riêng biệt, mà thậm chí còn vượt qua khả năng của con người trong một số trường hợp.

Hệ thống điểm danh nhận diện khuôn mặt là một giải pháp ứng dụng công nghệ quét khuôn mặt để định danh thay cho việc điểm danh bằng thủ công. Giải pháp điểm danh bằng nhận diện khuôn mặt đem lại sự thuận tiện, minh bạch cũng như quản lý chặt chẽ hơn. Giải pháp được sử dụng và hoạt động dựa trên nền tảng của trí tuệ nhân tạo. Nó có thể tự động xác định hoặc nhận diện một đối tượng từ hình ảnh kỹ thuật số hoặc khung hình từ nguồn máy ảnh, sau đó xử lý, so sánh và phân tích với hình ảnh khuôn mặt đã được lưu trữ trước đó để nhận diện khuôn mặt trùng khớp với dữ liệu so sánh.

Khảo sát nghiệp vụ 1. Mô hình tổ chức Hiện nay các lớp học phần tại Trường Đại học Vinh được chia theo các học phần, mỗi lớp sẽ bao gồm một giảng viên phụ trách giảng dạy và từ 20 đến 80 sinh viên. Cứ mỗi đầu buổi học hoặc cuối mỗi buổi học giảng viên sẽ mở danh sách sinh viên của lớp học và lần lượt đọc tên điểm danh. Việc điểm danh thủ công như vậy thường mất khoảng 5 đến 10 phút.

Ngoài việc mất thời gian thì việc điểm danh như vậy cũng có thể dẫn đến nhiều sai sót và tình trạng sinh viên điểm danh hộ, học hộ rất khó phát hiện. Quy trình nghiệp vụ - Thu thập dữ liệu: sinh viên cần đăng nhập vào hệ thống và tải lên hình ảnh rõ mặt của bản thân lên để thực hiện thu thập dữ liệu của sinh viên thông qua những hình ảnh và khung hình đó, hình ảnh khuôn mặt sẽ được xử lý và lưu trữ lại. - Tiền xử lý dữ liệu: chuẩn hóa kích thước ảnh, đảm bảo rằng tất cả các ảnh được cắt từ video có kích thước đồng nhất để giảm thiếu ảnh hướng của sự biến đổi về kích thước. Áp dụng các kỹ thuật tiền xử lý để loại bỏ nhiễu và làm rõ nét các đặc điểm trên khuôn mặt nhằm tăng độ chính xác nhằm trích chọn đặc trưng khuôn mặt được tốt hơn.

1 - Trích chọn đặc trưng: sử dụng phương pháp LBPH (Local Binary Patterns Histogram) để trích chọn được các đặc trưng khuôn mặt và mã hóa các đặc trưng đó. - Xây dựng và đào tạo mô hình nhận diện khuôn mặt: tìm hiểu và cài đặt các thuật toán nhận dạng khuôn mặt, phương pháp hoặc các thư viện sẵn có để xây dựng lên mô hình nhận diện tốt, độ chính xác cao, tốc độ xử lý nhanh và đạt được mục tiêu đề ra. - Kiểm tra và đánh giá mô hình: kiểm tra hiệu suất, độ chính xác của mô hình, độ nhạy của mô hình đó, mô hình phải hoạt động tốt trong mọi môi trường, hoàn cảnh. - Triển khai hệ thống: tích hợp ứng dụng điểm danh bằng nhận diện khuôn mặt hiệu quả và linh hoạt, hệ thống có thể chạy được trên nền tảng ứng dụng web đa dạng.

- Ghi lại thông tin điểm danh sinh viên: thực hiện ghi lại lịch sử điểm danh của sinh viên theo các môn học, buổi học và những thông tin liên quan của lớp học đó. - Quản lý dữ liệu và bảo mật: dữ liệu điểm danh cần được lưu trữ an toàn và có biện pháp bảo mật để ngăn chặn việc truy cập trái phép nhằm bảo vệ dữ liệu người dùng. Một số phần mềm nhận diện khuôn mặt 1. Phần mềm Acheckin ACheckin là phần mềm chấm công bằng khuôn mặt sử dụng Hanet AI Camera, là máy ảnh đầu tiên tại Việt Nam tích hợp NPU để xử lý trí tuệ nhân tạo ngay trên máy ảnh giúp tăng tốc độ xử lý và giảm tải hạ tầng, được trang bị cảm biến hình ảnh ở độ phân giải 2k.

Bên cạnh đó, máy ảnh này được tích hợp sẵn 8gb, 32gb, 64gb bộ nhớ trong cho phép ghi nhớ nhiều dữ liệu khuôn mặt mà không lo bị trùng lặp. Phần mềm Acheckin ACheckin là 1 sản phẩm thuộc Appota Group, cung cấp giải pháp đồng bộ hoá việc chấm công, quản lý nhân sự, dự án, truyền thông nội bộ trong một nền tảng duy nhất. Sản phẩm phù hợp với những công ty muốn quản lý thông minh và nâng cao trải nghiệm nhân sự. Áp dụng công nghệ hiện đại, giúp khắc phục sự thiếu chính xác, chậm trễ, không minh bạch của các hình thức chấm công cũ.

Bên cạnh đó, giúp đơn giản và đa dạng hoá hoạt động truyền thông nội bộ, phát triển văn hoá doanh nghiệp. Phần mềm điểm danh nhận diện khuôn mặt này sẽ ghi lại toàn bộ lịch sử đi làm của nhân viên, báo cáo ngày, tháng kịp thời, chấm công và tính lương minh bạch, chính xác. Chấm công nhanh chóng giảm thiểu tình trạng quên chấm công hay chấm công không thành công, hạn chế tối đa các nhược điểm của các hình thức chấm công cũ. Phần mềm VN Face School VN Face School là giải pháp điểm danh nhận diện khuôn mặt dành cho trường học.

Giúp quản lý đưa đón học sinh, tạo sự an tâm cho phụ huynh và chuyên nghiệp cho nhà trường, đồng thời là nền tảng kết nối giữa nhà trường, giáo viên và phụ huynh trong thời đại chuyển đổi số hệ thống giáo dục. Hỗ trợ nhà trường trong việc quản lý tập trung đối với học sinh. Chức năng nhận diện khuôn mặt chính xác lên tới 99,99% 1 với thời gian nhỏ hơn một giây, thông tin xác thực, minh bạch và hoàn toàn chính xác giúp tiết kiệm thời gian và tăng năng suất công việc. Phần mềm VN Face School VN Face School sẽ thực hiện quá trình nhận diện như sau: - Lấy mẫu: sử dụng máy ảnh giám sát hoặc thiết bị có cùng chức năng tương tự.

- Phân tích: các dữ liệu khuôn mặt sẽ được trích xuất từ các hình ảnh, các mẫu dữ liệu khuôn mặt sau đó được tiền xử lý và sau đó mã hóa để lưu trữ vào cơ sở dữ liệu. - So sánh: các dữ liệu vừa thu được sẽ được mã hóa và so sánh với dữ liệu trong cơ sở dữ liệu, từ đó cho ra xác suất khuôn mặt có kết quả giống nhất với dữ liệu vào. - Kết quả: hệ thống xác nhận kết quả so sánh có trùng khớp và phù hợp hay không. Phương pháp tiếp cận và nội dung nghiên cứu 1.

Phương pháp tiếp cận - Xác định rõ mục tiêu nghiên cứu đề tài, các từ khoá và cụm từ liên quan đến bài toán điểm danh nhận diện khuôn mặt, bao gồm các từ khóa và cụm từ như: “face recognition attendance system”, “facial recognition technology” và “facial biometrics”. - Tìm hiểu các trang web của các công ty chuyên về nhận diện khuôn mặt như Kairos, Amazon Rekognition, Microsoft Azure để biết về các giải pháp thương mại và công nghệ đang được phát triển nhằm tối ưu được ưu điểm hạn chế được nhược điểm. - Tìm hiểu về các nghiên cứu đã được thực hiện trước đó, kiểm tra hồi quy từ bài báo để xem xét các phương pháp và kết quả đã được công bố. - So sánh các phương pháp và kết quả từ các tài liệu khác nhau để xác định những điểm mạnh và điểm yếu, cũng như để đề xuất các hướng nghiên mới cứu tương lai.

- Tìm kiếm tài liệu trên các diễn đàn chuyên ngành công nghệ thông tin và bài viết của chuyên gia trong lĩnh vực để thu thập thông tin hữu ích từ cộng đồng người dùng. - Tham gia các nhóm cộng đồng trên các nền tảng như FaceBook, Zalo, … để tìm hiểu và học hỏi các kiến thức được các chuyên gia trong lĩnh vực nghiên cứu và chia sẻ. Nội dung nghiên cứu Nhận diện khuôn mặt người là một chủ đề nghiên cứu quan trọng trong lĩnh vực thị giác máy tính, đã phát triển từ những năm 90 của thế kỷ trước. Hiện nay, lĩnh vực này đang được đẩy mạnh phát triển và thu hút sự quan tâm rộng rãi của nhiều nhà nghiên cứu đến từ các lĩnh vực khác nhau.