Bối cảnh và vấn đề nghiên cứu

Áp lực trong xã hội hiện đại từ việc học tập, thi cử, yêu cầu công việc, kỳ vọng gia đình và sự phát triển của các nền tảng mạng xã hội (Facebook, Twitter, Zalo) đang làm gia tăng các trạng thái tâm lý tiêu cực ở con người. Khóa luận dẫn chứng nghiên cứu năm 2015 của Đại học Michigan cho thấy mức độ buồn chán, thất vọng ở người trẻ tỷ lệ thuận với thời gian sử dụng mạng xã hội, cùng với nghiên cứu tại Hàn Quốc về tình trạng nghiện game online như một cơ chế trốn thoát áp lực thực tại. Các trạng thái cảm xúc tiêu cực nếu tích tụ kéo dài có thể dẫn đến rối loạn giấc ngủ, hành vi tự hại, trầm cảm, rối loạn lưỡng cực, rối loạn nhân cách, suy giảm trí nhớ hoặc tâm thần phân liệt.

Theo số liệu từ Tổ chức Y tế Thế giới (WHO) được trích dẫn trong văn bản:

  • Toàn cầu có hơn 300 triệu người mắc rối loạn tâm thần (chiếm khoảng 4,4% dân số thế giới). Trầm cảm là nguyên nhân hàng đầu dẫn đến hơn 800.000 ca tử vong do tự sát mỗi năm và là nhóm bệnh ảnh hưởng sức khỏe lớn thứ hai sau tim mạch vào năm 2020.
  • Tại Việt Nam, hơn 3,5 triệu người phải đối mặt với các chứng rối loạn tâm thần hoặc rối loạn lưỡng cực; ghi nhận khoảng 40.000 trường hợp tự sát mỗi năm; tỷ lệ người mắc trầm cảm ước tính chiếm khoảng 30% dân số (theo thống kê từ Bệnh viện Bạch Mai).

Trước thực trạng này, các liệu pháp can thiệp phi dược lý, đặc biệt là trị liệu bằng âm nhạc, đã được chứng minh có khả năng làm giảm hoạt động của hệ thần kinh giao cảm, giảm căng thẳng, hạ huyết áp, ổn định nhịp tim, nhịp thở và giảm nồng độ hormone cortisol. Khóa luận đặt ra 03 mục tiêu nghiên cứu cụ thể:

  1. Nghiên cứu và hiện thực mô hình hỗ trợ điều tiết cảm xúc bằng phương pháp sử dụng âm nhạc.
  2. Nắm bắt kỹ thuật điều tiết cảm xúc bằng âm nhạc và xây dựng mô hình giải pháp điều tiết cảm xúc bằng âm nhạc.
  3. Hiện thực hệ thống kiểm tra khả năng ứng dụng giải pháp điều tiết cảm xúc bằng âm nhạc và đánh giá các kết quả thực nghiệm để so sánh với kết quả dự kiến.

Đối tượng nghiên cứu của đề tài là 7 trạng thái cảm xúc cơ bản của con người biểu hiện qua khuôn mặt và các thuộc tính âm nhạc (nhịp độ, nhịp điệu) cùng ánh sáng màu có khả năng điều hòa cảm xúc. Phạm vi ứng dụng của hệ thống hướng tới môi trường phòng ở trong nhà thông minh (smart home) và phòng hỗ trợ trị liệu tâm lý tại bệnh viện. Đề tài được thực hiện bởi sinh viên ngành Kỹ thuật Máy tính tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP. Hồ Chí Minh năm 2022.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết về cảm xúc và âm nhạc

Nghiên cứu dựa trên lý thuyết cảm xúc cơ bản của Paul Ekman và Armindo Freitas-Magalhaes, phân loại biểu cảm khuôn mặt thành 6 trạng thái cơ bản mang tính phổ quát, không bị chi phối bởi văn hóa: hạnh phúc, buồn bã, sợ hãi, giận dữ, ngạc nhiên, chán ghét (cùng trạng thái bình thường/neutral). Khóa luận áp dụng mô hình vòng tròn cảm xúc Circumplex (Circumplex Model of Affect) để biểu diễn cảm xúc trên hai trục: kích hoạt (Activation: từ không kích hoạt đến kích hoạt cao) và mức độ hài lòng (Pleasantness: từ khó chịu đến dễ chịu). Từ đó, cảm xúc được quy về 4 nhóm trạng thái:

  • Kích hoạt - Hài lòng (Activated Pleasant Affect)
  • Kích hoạt - Không hài lòng (Activated Unpleasant Affect)
  • Không kích hoạt - Hài lòng (Unactivated Pleasant Affect)
  • Không kích hoạt - Không hài lòng (Unactivated Unpleasant Affect)

Về mối quan hệ giữa âm nhạc và sinh lý học, tác giả đối chiếu hai luồng quan điểm: trường phái khoa học nhận thức (cognitivists) cho rằng âm nhạc chỉ gợi tả nhận thức mà không gây cảm xúc thật; ngược lại, các nghiên cứu thực nghiệm của Krumhansl (1997), Blood & Zatorre (2001) và Juslin (2010) chứng minh âm nhạc kích thích não bộ tiết dopamine, serotonin và tạo ra các phản xạ sinh lý học thực tế (huyết áp, nhịp tim, thân nhiệt).

Khóa luận phân tích hai yếu tố then chốt của âm nhạc là nhịp độ (tempo) và nhịp điệu (rhythm):

  • Nhịp độ từ 60–80 bpm mang lại cảm giác bình tĩnh, thư giãn; dưới 60 bpm thường gợi cảm giác buồn bã, chán nản; từ 80–120 bpm là khoảng nhịp độ phổ biến; từ 100 bpm trở lên tạo trạng thái phấn chấn, sống động. Nhịp độ nhanh liên quan đến cảm xúc giận dữ hoặc hạnh phúc, trong khi nhịp độ chậm liên quan đến sự thanh thản hoặc buồn bã.
  • Nhịp tim phản ánh trạng thái kích thích cảm xúc. Dữ liệu khảo sát thực nghiệm trên mẫu N = 50 người (độ tuổi từ 22 đến 26) được thống kê trong văn bản như sau:
Trạng thái cảm xúc Dao động nhịp tim ghi nhận (bpm)
Hạnh phúc 88 – 98
Buồn bã 70 – 80
Ngạc nhiên 82 – 92
Bình thường 70 – 80
Sợ hãi 90 – 100
Giận dữ 95 – 105
Chán ghét 75 – 85

(Ghi chú: Khảo sát thực hiện trên quy mô N = 50 người tham gia).

Phương pháp nghiên cứu và nguồn dữ liệu

Phương pháp nghiên cứu kết hợp giữa phân tích lý thuyết, thu thập dữ liệu thị giác máy tính và thực nghiệm mô hình học sâu:

  • Phát hiện khuôn mặt: Sử dụng framework mã nguồn mở MediaPipe của Google để định vị và cắt vùng khuôn mặt từ khung hình đầu vào kích thước 640x480 pixel.
  • Phân loại cảm xúc: Áp dụng mô hình mạng nơ-ron đa tác vụ nhẹ (lightweight neural network) kế thừa kiến trúc MobileNet-v1, EfficientNet-B0/B2, RexNet-150. Mô hình gốc được huấn luyện trên tập dữ liệu VGGFace2 (3.564 hình ảnh của 9.131 đối tượng) với hàm mất mát categorical cross-entropy, tối ưu hóa bằng SAM (Sharpness-Aware Minimization) và thuật toán Adam (tốc độ học 0,001 ở epoch đầu, sau đó duy trì 0,0001 trong 10 epoch). Mạng đạt độ chính xác 92,7% trên tập xác thực của VGGFace2 trước khi được tinh chỉnh (fine-tune) cho bài toán nhận diện cảm xúc.
  • Dữ liệu huấn luyện:
    • Tập dữ liệu FER-2013: Gồm 35.887 hình ảnh thang độ xám kích thước 48x48 pixel (28.709 ảnh huấn luyện và 3.859 ảnh kiểm thử công bố), phân bố thành 7 lớp nhãn (0 = Giận dữ: 4.965 ảnh train / 958 ảnh test; 1 = Chán ghét: 436 ảnh train / 111 ảnh test; 2 = Sợ hãi: 4.097 ảnh train / 1.024 ảnh test; 3 = Hạnh phúc: 7.215 ảnh train / 1.774 ảnh test; 4 = Buồn: 4.830 ảnh train / 1.247 ảnh test; 5 = Ngạc nhiên: 3.171 ảnh train / 831 ảnh test; 6 = Bình thường).
    • Tập dữ liệu khuôn mặt người Việt Nam (Vietnamese dataset): Do nhóm tác giả tự xây dựng gồm 5.359 hình ảnh. Dữ liệu được thu thập từ Google Images (từ khóa: "Sinh viên Việt Nam", "Nụ cười Việt Nam", "Chương trình truyền hình Việt Nam") và trích xuất từ hơn 50 video trên YouTube (lấy mẫu 1 khung hình sau mỗi 5 khung hình để tránh trùng lặp). Việc gán nhãn 7 trạng thái cảm xúc được thực hiện thủ công bởi 2 người Việt Nam.

Thiết kế và triển khai hệ thống

Kiến trúc phân tầng của hệ thống

Hệ thống điều chỉnh cảm xúc được xây dựng theo mô hình kiến trúc gồm 3 lớp độc lập:

  1. Lớp phát hiện cảm xúc cơ bản (Basic emotion detection layer):

    • Camera thu nhận khung hình kích thước 640x480 pixel theo chu kỳ định thời 30 giây.
    • MediaPipe thực hiện trích xuất và cắt vùng khuôn mặt.
    • Mô hình CNN nhẹ tiến hành tiền xử lý, phân loại khuôn mặt thành 1 trong 7 biểu cảm và ánh xạ về trạng thái tình cảm tương ứng theo mô hình Circumplex.

  2. Lớp ra quyết định (Decision layer):

    • Tiếp nhận trạng thái tình cảm từ lớp thứ nhất để lựa chọn kịch bản âm thanh và ánh sáng tương ứng.
    • Các kịch bản được xây dựng dựa trên nguyên lý chiếu sáng cảm xúc và nhịp độ âm nhạc:
      • Kích hoạt - Không hài lòng (tức giận, sợ hãi): Kích hoạt nhạc có nhịp độ thư giãn (60–80 bpm), kết hợp ánh sáng màu xanh lá/xanh dương để làm dịu thần kinh.
      • Không kích hoạt - Không hài lòng (buồn bã): Kích hoạt nhạc có nhịp độ tăng dần (80–120 bpm), kết hợp ánh sáng màu ấm (vàng, cam) nhằm kích thích năng lượng tích cực.
      • Kích hoạt - Hài lòng (hạnh phúc, hào hứng): Duy trì âm nhạc vui tươi, ánh sáng màu hồng hoặc tím.
      • Không kích hoạt - Hài lòng (bình tĩnh, thư thái): Duy trì âm nhạc nhẹ nhàng, ánh sáng dịu.

  3. Lớp kiểm soát bộ truyền động (Actuator control layer):

    • Nhận kịch bản từ lớp ra quyết định và thực thi thông qua tệp kịch bản lệnh Shell (script.sh).
    • Điều khiển dải đèn LED (RGB) về màu sắc, cường độ sáng và truyền tín hiệu phát tệp âm thanh định dạng MP3 tới loa qua giao thức Bluetooth.

Cơ chế máy trạng thái của hệ thống phát nhạc

Trình phát nhạc được quản lý thông qua 3 trạng thái hoạt động chính:

  • Trạng thái IDLE (Nghỉ/Chờ): Hệ thống kiểm tra thư mục nhạc tương ứng với cảm xúc vừa nhận dạng. Nếu thư mục tồn tại, hệ thống truy cập, chọn ngẫu nhiên một tệp MP3 và phát. Nếu sau khi phát hết bài mà cảm xúc người dùng đã trở về bình thường, người dùng có thể gửi lệnh PAUSE để dừng hoặc đưa hệ thống về trạng thái nghỉ. Nếu cảm xúc chưa bình thường, hệ thống tiếp tục chọn ngẫu nhiên bài tiếp theo trong cùng thư mục.
  • Trạng thái PAUSE (Tạm dừng): Xuất hiện khi người dùng trước đó tạm dừng hệ thống và có người dùng mới tiếp cận. Hệ thống nhận diện cảm xúc hiện tại và đối chiếu với cảm xúc của người dùng trước đó. Nếu trùng khớp, hệ thống tiếp tục phát tệp MP3 ngẫu nhiên trong thư mục cũ; nếu khác biệt, hệ thống chuyển về trạng thái IDLE để thiết lập lại thư mục tương ứng với cảm xúc mới.
  • Trạng thái PLAYING (Đang phát): Xuất hiện khi chương trình đang chạy mà có người dùng kế tiếp xuất hiện. Hệ thống nhận diện cảm xúc mới và so sánh với cảm xúc đang xử lý. Nếu trùng khớp, chương trình chuyển về trạng thái IDLE để tiếp tục chu trình xử lý danh sách phát.

Cấu hình phần cứng triển khai

Hệ thống được cài đặt và vận hành trên thiết bị nhúng với các thông số kỹ thuật thực tế:

Thiết bị Thông số kỹ thuật chi tiết
Bo mạch máy tính nhúng
(Raspberry Pi 4 Model B)		 - Vi xử lý: Broadcom BCM2711, Quad-core Cortex-A72 (ARM v8) 64-bit SoC @ 1.5GHz
- Bộ nhớ RAM: 8GB LPDDR4
- Kết nối: Wi-Fi 2.4/5.0 GHz 802.11ac, Bluetooth 5.0 BLE, Gigabit Ethernet, 2 cổng USB 3.0, 40 chân GPIO
- Nguồn cấp: 5V DC qua cổng USB-C (tối thiểu 3A) hoặc chân GPIO
Thiết bị ghi hình
(Xiaomi Camera)		 - Độ phân giải khung hình hoạt động: 640x480 pixel
- Nhiệt độ môi trường hoạt động: -10°C đến 50°C
Thiết bị phát âm thanh
(Loa LG Xboom Go PN1)		 - Kết nối không dây: Bluetooth
- Nguồn điện: Pin tích hợp
Thiết bị chiếu sáng - Dải đèn LED RGB điều khiển thông qua chân GPIO của Raspberry Pi

Nội dung chính theo từng chương

Chương 1. TỔNG QUAN ĐỀ TÀI

Chương mở đầu phân tích áp lực tâm lý trong đời sống hiện đại, ảnh hưởng tiêu cực của mạng xã hội và nghiện game dẫn đến các rối loạn tâm thần. Tác giả dẫn chứng số liệu của WHO (hơn 300 triệu người rối loạn tâm thần, 800.000 ca tự sát/năm trên thế giới; hơn 3,5 triệu người rối loạn tâm thần và 40.000 ca tự sát/năm tại Việt Nam). Chương này xác định mục tiêu xây dựng mô hình điều tiết cảm xúc bằng âm nhạc kết hợp ánh sáng, nêu rõ ý nghĩa ứng dụng cho mô hình nhà thông minh và hỗ trợ bệnh nhân tâm lý tại bệnh viện.

Chương 2. CƠ SỞ LÝ THUYẾT

Nội dung chương tập trung vào cơ chế biểu hiện 6 cảm xúc cơ bản qua nét mặt và các yếu tố ngoại cảnh tác động đến cảm xúc (thời tiết, ánh sáng, giấc ngủ, tập luyện, mạng xã hội, âm nhạc). Tác giả phân tích sự biến đổi sinh lý theo nhịp độ (tempo) và nhịp điệu (rhythm), nêu dẫn chứng về khả năng hạ huyết áp của nhạc rock thập niên 1960–1970 và khả năng giảm cortisol của nhạc giao hưởng. Chương này trình bày mô hình Circumplex và công bố bảng số liệu khảo sát nhịp tim theo 7 cảm xúc trên 50 người tham gia (độ tuổi 22–26).

Chương 3. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG

Chương 3 trình bày cơ sở kỹ thuật của mạng nơ-ron tích chập (CNN) gồm các lớp Convolution, Max/Average Pooling, Fully Connected và Softmax. Tác giả giới thiệu tổng quan các bộ dữ liệu khuôn mặt chuẩn (CK+, JAFFE, MMI, AFEW, SFEW, Oulu-Casia, AffectNet, FER-2013) và công bố tập dữ liệu 5.359 ảnh người Việt Nam tự thu thập. Chương này thiết kế chi tiết kiến trúc 3 lớp của hệ thống (Phát hiện cảm xúc cơ bản sử dụng MediaPipe và CNN nhẹ, Ra quyết định kịch bản âm thanh - ánh sáng, Kiểm soát bộ truyền động qua script.sh với 3 trạng thái IDLE, PLAYING, PAUSE), kèm theo thông số phần cứng của Raspberry Pi 4 Model B, camera Xiaomi và loa LG Xboom Go PN1.

Chương 4. NGHIÊN CỨU ĐÁNH GIÁ THỰC NGHIỆM

Chương này thiết lập phương pháp đánh giá mô hình phân loại cảm xúc thông qua chỉ số độ chính xác (Accuracy = $(TP + TN) / (TP + TN + FP + FN)$) và ma trận lỗi (Confusion Matrix). Văn bản trình bày biểu đồ phân bố dữ liệu của tập FER-2013 (7.215 ảnh Happy, 436 ảnh Disgust trong tập train) và các kịch bản kiểm thử việc huấn luyện mô hình trên tập FER-2013 kết hợp với tập dữ liệu khuôn mặt người Việt Nam.

Chương 5. KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN

Chương tổng kết các nội dung nghiên cứu lý thuyết và kết quả hiện thực hóa sản phẩm phần cứng nhúng. Tác giả khẳng định khả năng ứng dụng của mô hình trong việc điều hòa cảm xúc tự động và vạch ra định hướng hoàn thiện hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật và thực nghiệm

  • Xây dựng thành công bộ dữ liệu ảnh cảm xúc khuôn mặt người Việt Nam gồm 5.359 hình ảnh được gán nhãn 7 lớp biểu cảm, khắc phục sự thiếu hụt mẫu nhận diện khuôn mặt người Á Đông trong các tập dữ liệu quốc tế.
  • Tích hợp thành công mô hình học sâu nhận dạng nét mặt gọn nhẹ (dựa trên MobileNet và tối ưu hóa SAM) với framework MediaPipe, cho phép xử lý ảnh đầu vào 640x480 pixel trực tiếp trên bo mạch nhúng Raspberry Pi 4 Model B (RAM 8GB) mà không bị quá tải tài nguyên CPU/RAM.
  • Hiện thực hóa hệ thống điều khiển tự động 3 lớp hoàn chỉnh, định thời quét khuôn mặt chu kỳ 30 giây, kích hoạt kịch bản điều khiển đồng bộ giữa dải đèn LED RGB và loa Bluetooth phát các bản nhạc MP3 tương ứng với trạng thái cảm xúc.
  • Xây dựng thuật toán quản lý phát nhạc thông qua máy trạng thái (IDLE, PAUSE, PLAYING) giúp hệ thống xử lý liên tục khi người dùng thay đổi hoặc khi trạng thái cảm xúc đã cân bằng trở lại.

Đóng góp của đề tài

  1. Về mặt giải pháp công nghệ: Thay vì sử dụng các mô hình nhận dạng cảm xúc cồng kềnh đòi hỏi máy chủ cấu hình cao, đề tài đã đưa ra giải pháp mạng nơ-ron tích chập đa tác vụ nhẹ có khả năng triển khai thực tế trên phần cứng nhúng phổ thông (Raspberry Pi 4).
  2. Về mặt dữ liệu: Bổ sung tập dữ liệu người Việt Nam (5.359 mẫu) nhằm tăng tính thích ứng của mô hình khi triển khai cho người dùng trong nước.
  3. Về mặt ứng dụng can thiệp tâm lý: Kết hợp đồng thời cả liệu pháp âm nhạc (nhịp độ, nhịp điệu) và ánh sáng màu (chiếu sáng cảm xúc theo mô hình Circumplex), tạo ra cơ chế tác động đa giác quan khép kín hỗ trợ người dùng giảm căng thẳng.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Tập dữ liệu chuẩn FER-2013 có sự mất cân bằng mẫu lớn giữa các lớp cảm xúc (lớp Hạnh phúc có 7.215 mẫu, trong khi lớp Chán ghét chỉ có 436 mẫu, chênh lệch hơn 16 lần). Một số hình ảnh trong FER-2013 bị dán nhãn sai, bị mờ hoặc chỉ hiển thị một phần khuôn mặt làm ảnh hưởng đến độ chính xác huấn luyện.
  • Cơ chế nhận dạng hiện tại phụ thuộc vào chu kỳ quét tĩnh định thời 30 giây của camera, chưa hỗ trợ theo dõi biểu cảm liên tục theo thời gian thực (real-time video streaming).
  • Hệ thống chỉ dựa trên nhận dạng thị giác từ biểu cảm khuôn mặt tĩnh, chưa tích hợp cảm biến đo trực tiếp các chỉ số sinh lý tức thời (nhịp tim, huyết áp) để đánh giá mức độ phục hồi cảm xúc của người dùng.

Hướng nghiên cứu tiếp

  • Tiếp tục mở rộng, chuẩn hóa và cân bằng tập dữ liệu khuôn mặt người Việt Nam để nâng cao độ chính xác phân loại các cảm xúc khó nhận diện (như chán ghét, sợ hãi).
  • Tối ưu hóa mô hình học sâu để giảm thời gian xử lý và triển khai thử nghiệm trên các vi xử lý nhúng chuyên dụng khác (như Jetson Nano).
  • Phát triển và thử nghiệm ứng dụng thực tế trong hệ thống nhà thông minh và các phòng hỗ trợ trị liệu tâm lý tại bệnh viện.

Giá trị tham khảo

Tài liệu khóa luận cung cấp giá trị tham khảo chuyên môn cho các đối tượng sau:

  • Sinh viên và nghiên cứu viên ngành Kỹ thuật Máy tính, Công nghệ Thông tin, Trí tuệ Nhân tạo: Tham khảo phương pháp xây dựng đường ống học máy nhúng (embedded machine learning pipeline), từ khâu thu nhận khung hình bằng MediaPipe đến việc tối ưu mô hình CNN nhẹ bằng kỹ thuật SAM (Sharpness-Aware Minimization) trên phần cứng Raspberry Pi 4.
  • Người nghiên cứu hệ thống tương tác người - máy (HCI) và tính toán cảm xúc (Affective Computing): Tham khảo quy trình thu thập, trích xuất khung hình từ video và gán nhãn tập dữ liệu biểu cảm khuôn mặt người Việt Nam.
  • Kỹ sư phát triển giải pháp IoT và Smart Home: Tham khảo mô hình kiến trúc 3 phân tầng và máy trạng thái (State Machine) điều khiển đồng bộ âm thanh và ánh sáng qua tệp lệnh Shell để ứng dụng vào các hệ thống tự động hóa tòa nhà.

Câu hỏi thường gặp

1. Hệ thống sử dụng những thiết bị phần cứng cụ thể nào để triển khai?

Hệ thống được vận hành trên máy tính nhúng Raspberry Pi 4 Model B (vi xử lý Broadcom BCM2711 4 nhân Cortex-A72 @ 1.5GHz, 8GB RAM LPDDR4), kết hợp camera Xiaomi thu nhận khung hình 640x480 pixel, loa Bluetooth LG Xboom Go PN1 phát âm thanh và dải đèn LED RGB điều khiển qua chân GPIO.

2. Tập dữ liệu khuôn mặt người Việt Nam được nhóm tác giả xây dựng như thế nào?

Tập dữ liệu gồm 5.359 hình ảnh, được thu thập từ Google Images theo các từ khóa ("Sinh viên Việt Nam", "Nụ cười Việt Nam", "Chương trình truyền hình Việt Nam") và trích xuất từ hơn 50 video trên YouTube (lấy 1 khung hình sau mỗi 5 khung hình). Toàn bộ ảnh được 2 người Việt Nam gán nhãn thủ công thành 7 nhóm cảm xúc cơ bản.

3. Ba trạng thái hoạt động của trình phát nhạc (Music Player) hoạt động ra sao?

Trình phát nhạc hoạt động qua 3 trạng thái:

  • IDLE: Truy cập thư mục nhạc tương ứng với cảm xúc phát hiện, chọn ngẫu nhiên tệp MP3 để phát; tiếp tục phát bài ngẫu nhiên nếu cảm xúc chưa bình thường hoặc dừng khi nhận lệnh.
  • PAUSE: Kích hoạt khi có người dùng mới đến sau khi hệ thống bị tạm dừng; nếu cảm xúc mới trùng với người trước thì phát tiếp bài ngẫu nhiên trong thư mục cũ, nếu khác thì chuyển về IDLE.
  • PLAYING: Xử lý khi có người dùng mới xuất hiện lúc nhạc đang phát; nếu cảm xúc mới trùng với người trước thì chuyển về IDLE để tiếp tục chu trình phát.

4. Kết quả khảo sát nhịp tim theo cảm xúc trên 50 người tham gia cho thấy điều gì?

Khảo sát trên 50 người (độ tuổi 22–26) ghi nhận nhịp tim thay đổi rõ rệt theo 7 trạng thái cảm xúc: giận dữ có nhịp tim cao nhất (95–105 bpm), tiếp theo là sợ hãi (90–100 bpm), hạnh phúc (88–98 bpm), ngạc nhiên (82–92 bpm), chán ghét (75–85 bpm); thấp nhất là buồn bã và bình thường (cùng ghi nhận trong khoảng 70–80 bpm).

5. Khóa luận giải quyết bài toán chạy mô hình học sâu nhận diện cảm xúc trên phần cứng nhúng bằng cách nào?

Nhóm tác giả tách biệt hai giai đoạn: dùng MediaPipe gọn nhẹ để cắt khuôn mặt từ khung hình 640x480, sau đó đưa vào mạng nơ-ron tích chập đa tác vụ nhẹ (lightweight neural network kế thừa MobileNet/SAM đã tiền huấn luyện trên VGGFace2 đạt độ chính xác 92,7% và tinh chỉnh lại trên FER-2013 cùng tập dữ liệu Việt Nam), giúp giảm tải mức chiếm dụng RAM và CPU trên bo mạch Raspberry Pi 4.

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Thị Duy An và Đặng Lê Ngọc Trâm đã nghiên cứu và hiện thực thành công hệ thống nhúng hỗ trợ điều chỉnh cảm xúc con người bằng âm nhạc kết hợp ánh sáng màu dựa trên nhận dạng nét mặt. Đề tài đóng góp một bộ dữ liệu thực nghiệm gồm 5.359 ảnh khuôn mặt người Việt Nam và hoàn thiện quy trình tích hợp mô hình học sâu thị giác máy tính gọn nhẹ lên bo mạch Raspberry Pi 4 Model B. Công trình mang tính ứng dụng kỹ thuật rõ ràng, mở ra khả năng tích hợp vào các giải pháp phòng ở thông minh và hỗ trợ trị liệu tâm lý phi dược lý trong tương lai.