Tổng quan nghiên cứu

Công tác quản lý học sinh tại các cơ sở giáo dục chuyên biệt luôn đặt ra những yêu cầu khắt khe về nhân lực, quy trình và độ an toàn. Tại Trường Phổ thông Dân tộc Nội trú tỉnh Quảng Ninh, trong năm học 2018 - 2019, nhà trường tiếp nhận 305 học sinh sinh hoạt và học tập tập trung 100% tại khu nội trú. Khuôn viên ký túc xá được quy hoạch riêng biệt gồm 36 phòng ở, trong đó bố trí 12 phòng dành cho học sinh nam và 24 phòng dành cho học sinh nữ theo quy định của Thông tư 01/2016/TT-BGDĐT. Để duy trì nề nếp kỷ cương, nhà trường áp dụng nội quy nghiêm ngặt nghiêm cấm học sinh nam sang khu vực nữ và ngược lại. Tuy nhiên, việc duy trì đội ngũ giám thị và ban quản sinh tuần tra liên tục 24/7 trên toàn bộ khuôn viên tiêu tốn hơn 60 giờ làm việc mỗi tuần, đồng thời tiềm ẩn nhiều sai sót do yếu tố mệt mỏi chủ quan.

Trước thực trạng đó, đề tài luận văn thạc sĩ khoa học máy tính đã tập trung giải quyết bài toán tự động hóa quy trình giám sát thông qua công nghệ thị giác máy tính. Mục tiêu cụ thể của nghiên cứu là xây dựng hệ thống phát hiện giới tính tự động qua hình ảnh camera, nhằm nhận diện chính xác đối tượng ra vào các khu vực ký túc xá và phát tín hiệu cảnh báo tức thời khi phát hiện vi phạm. Phạm vi nghiên cứu được thực nghiệm trực tiếp tại hệ thống camera giám sát của Trường Phổ thông Dân tộc Nội trú tỉnh Quảng Ninh trong giai đoạn 2018 - 2020. Nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp giảm thiểu khoảng 75% khối lượng công việc kiểm tra thủ công, đồng thời nâng cao hiệu lực quản lý an ninh học đường với thời gian phản hồi vi phạm dưới 1 giây.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết xử lý ảnh số, nhận dạng mẫu và học sâu. Quy trình nhận dạng khuôn mặt tổng quát bao gồm 4 giai đoạn chuẩn hóa: phát hiện khuôn mặt (Face Detection), căn chỉnh khuôn mặt (Face Alignment), biểu diễn đặc trưng (Face Representation) và nhận dạng hoặc phân lớp (Face Recognition/Classification).

Trong phương pháp truyền thống, luận văn phân tích kỹ thuật trích chọn đặc trưng cục bộ kết hợp bộ lọc Retinal filter để khắc phục sự biến đổi ánh sáng. Mô hình Retinal filter mô phỏng hai lớp tế bào Photoreceptor và Outer Plexiform của thị giác người, sử dụng hàm phi tuyến Naka-Rushton kết hợp hai bộ lọc Gaussian với độ lệch chuẩn lần lượt là 1 và 3 cùng bộ lọc sai phân Gaussian (DoG). Kỹ thuật lượng tử hóa pha cục bộ (Local Phase Quantization - LPQ) được áp dụng dựa trên tính bất biến đối với độ mờ của thành phần phổ pha trong biến đổi Fourier 2 chiều (STFT) trên 4 tần số phức, tạo ra ma trận biến đổi kích thước 8 nhân với bình phương kích thước cửa sổ. Các vector đặc trưng sau đó được phân loại bằng thuật toán k láng giềng gần nhất (k-NN với k=1) dựa trên khoảng cách Chi-Square.

Bên cạnh đó, nghiên cứu đi sâu ứng dụng mô hình mạng nơ-ron tích chập (Convolutional Neural Network - CNN). Kiến trúc CNN khai thác 3 cơ chế cốt lõi: trường tiếp nhận cục bộ, chia sẻ trọng số và tầng tổng hợp (pooling). Luận văn tối ưu hóa lớp tích chập bằng việc sử dụng 2 bộ lọc kích thước 3x3 chứa 18 tham số thay cho bộ lọc 5x5 chứa 25 tham số, kết hợp hàm kích hoạt ReLU và tầng Max Pooling nhằm đảm bảo tính bất biến đối với phép dịch chuyển, co giãn và quay của hình ảnh.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu hình ảnh thực nghiệm thu thập từ hệ thống camera an ninh giám sát tại các lối đi, cầu thang và cửa ra vào khu nội trú của Trường Phổ thông Dân tộc Nội trú tỉnh Quảng Ninh. Cỡ mẫu nghiên cứu bao gồm hơn 300 mẫu hình ảnh khuôn mặt học sinh thực tế tại trường, kết hợp cùng các tập dữ liệu khuôn mặt chuẩn quốc tế để phục vụ quá trình huấn luyện và kiểm thử. Phương pháp chọn mẫu phân tầng được áp dụng nhằm phản ánh đúng tỷ lệ giới tính thực tế tại trường (khoảng 66.7% học sinh nữ và 33.3% học sinh nam) cùng nhiều điều kiện ánh sáng ngày và đêm khác nhau.

Lý do lựa chọn phương pháp phân tích bằng mạng CNN là khả năng tự động học các biểu diễn đặc trưng từ mức độ cơ bản đến trừu tượng cao mà không phụ thuộc vào các thuật toán trích chọn thủ công. Quá trình phát triển hệ thống được lập trình trên ngôn ngữ Python, khai thác sức mạnh của các thư viện mã nguồn mở chuyên sâu như TensorFlow, Keras, OpenCV và Scikit-learn. Toàn bộ timeline nghiên cứu, xây dựng thuật toán và chạy thử nghiệm được triển khai chặt chẽ từ cuối năm 2018 đến tháng 9 năm 2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình huấn luyện và thử nghiệm thực tế hệ thống phát hiện giới tính đã mang lại những kết quả định lượng rõ rệt:

Thứ nhất, mô hình học sâu CNN sau 50 chu kỳ huấn luyện (epochs) đạt độ chính xác nhận diện giới tính trung bình xấp xỉ 92% trên tập dữ liệu kiểm thử thực tế tại ký túc xá. Con số này vượt trội hơn khoảng 7% so với phương pháp trích chọn đặc trưng LPQ kết hợp phân lớp k-NN truyền thống vốn chỉ đạt độ chính xác khoảng 85% trong cùng điều kiện.

Thứ hai, việc sử dụng bộ lọc sinh học Retinal filter ở khâu tiền xử lý giúp giảm thiểu hơn 40% sai số nhận dạng do tác động của ánh sáng yếu hoặc chênh sáng phức tạp tại các hành lang khu nội trú. Nhờ áp dụng hàm chuẩn hóa Naka-Rushton, độ tương phản cục bộ tại các vị trí đặc trưng như mắt, chân mày và sống mũi được tăng cường rõ rệt.

Thứ ba, việc tối ưu kiến trúc mạng bằng các bộ lọc kích thước 3x3 giúp giảm khoảng 28% tổng số lượng tham số tính toán so với việc dùng bộ lọc 5x5, từ đó rút ngắn thời gian xử lý mỗi khung hình xuống dưới 0.18 giây trên phần cứng tiêu chuẩn. Tốc độ này hoàn toàn đáp ứng yêu cầu xử lý luồng video thời gian thực từ hệ thống camera giám sát.

Thảo luận kết quả

Hiệu năng vượt trội của CNN bắt nguồn từ khả năng trích xuất đồng thời cả đặc trưng cục bộ lẫn cấu trúc toàn cục của khuôn mặt. Trong thực tế, sự khác biệt giới tính ở lứa tuổi học sinh trung học phổ thông biểu hiện qua các chi tiết tinh vi như độ dày lông mày, độ bạnh của xương gò má và đường viền cằm. Khi dữ liệu được đưa qua các lớp tích chập sâu, mạng nơ-ron tự động cô lập và tăng cường các tín hiệu phân biệt này tốt hơn hẳn so với việc tính toán hướng gradient thủ công của thuật toán HOG hay ma trận hiệp phương sai của LPQ.

Khi đối chiếu với các công trình nghiên cứu sử dụng thuật toán phân tích thành phần chính (PCA/Eigenfaces) hoặc phân tích biệt số tuyến tính (LDA/Fisherfaces), phương pháp đề xuất trong luận văn duy trì sự ổn định cao hơn khi góc mặt nghiêng vượt quá 30 độ. Các dữ liệu thực nghiệm về hàm mất mát (loss function) và độ chính xác (accuracy) được biểu diễn trực quan qua đồ thị huấn luyện cho thấy mô hình đạt trạng thái hội tụ ổn định sau 35 epochs mà không gặp hiện tượng quá khớp (overfitting). Điều này chứng minh giải pháp hoàn toàn khả thi để ứng dụng vào công tác quản trị an ninh trường học thông minh.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu lý thuyết và thử nghiệm thực tế, luận văn đưa ra 4 nhóm giải pháp mang tính hành động cao:

Thứ nhất, nâng cấp đồng bộ hệ thống camera giám sát IP tại 36 phòng nội trú và các khu vực cầu thang, hành lang chuyển tiếp. Mục tiêu là nâng độ phân giải ghi hình tối thiểu lên chuẩn Full HD 1080p, đồng thời tích hợp cảm biến hồng ngoại ban đêm trước quý 2 năm 2021. Ban Quản trị cơ sở vật chất nhà trường cần chủ trì thực hiện nhằm đảm bảo tỷ lệ khung hình đạt chuẩn nhận diện trên 98%.

Thứ hai, thiết lập module cảnh báo vi phạm tự động theo thời gian thực kết nối trực tiếp đến ứng dụng quản lý trên điện thoại thông minh của Ban Quản sinh. Thời gian gửi thông báo hình ảnh kèm vị trí vi phạm phải đạt mục tiêu dưới 3 giây kể từ khi hệ thống phát hiện học sinh nam xuất hiện tại khu vực nữ hoặc ngược lại. Đội ngũ kỹ thuật công nghệ thông tin của trường sẽ phối hợp hoàn thành tính năng này trong vòng 3 tháng.

Thứ ba, áp dụng các kỹ thuật nén mô hình như lượng tử hóa trọng số (Model Quantization) và cắt tỉa mạng (Pruning) để triển khai trực tiếp thuật toán lên các vi máy tính nhúng (Edge AI) như NVIDIA Jetson hoặc Raspberry Pi. Giải pháp này do nhóm nghiên cứu phần mềm đảm nhiệm trong năm 2021 nhằm giảm tải 50% băng thông truyền dẫn mạng nội bộ.

Thứ tư, Sở Giáo dục và Đào tạo tỉnh Quảng Ninh cùng Ban Giám hiệu nhà trường cần ban hành quy chế bảo mật thông tin và quyền riêng tư hình ảnh học sinh trước năm học 2021 - 2022. Toàn bộ dữ liệu video và nhận diện phải được mã hóa theo chuẩn bảo mật AES-256, đảm bảo 100% thông tin cá nhân của học sinh được bảo vệ an toàn.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng chính:

Thứ nhất, học viên cao học và nghiên cứu sinh ngành Khoa học máy tính, Trí tuệ nhân tạo và Công nghệ thông tin. Luận văn cung cấp tài liệu tham khảo chi tiết về toán học xử lý ảnh, từ biến đổi STFT, bộ lọc Retinal filter cho đến cách cấu trúc các tầng trong mạng CNN.

Thứ hai, cán bộ quản lý giáo dục và Ban Giám hiệu các trường Phổ thông Dân tộc Nội trú trên cả nước. Nghiên cứu mang lại một case study điển hình về việc ứng dụng công nghệ số vào giải quyết bài toán quản lý học sinh nội trú đặc thù, giúp tối ưu hóa chi phí nhân sự và nâng cao kỷ cương học đường.

Thứ ba, kỹ sư phát triển phần mềm thị giác máy tính và hệ thống nhúng IoT. Nhóm này có thể khai thác trực tiếp quy trình tiền xử lý ảnh, mã nguồn xây dựng mô hình trên nền tảng Python, TensorFlow và OpenCV để áp dụng vào các dự án camera AI thương mại.

Thứ tư, chuyên viên an ninh và quản trị tòa nhà tại các cơ quan, ký túc xá đại học hoặc doanh nghiệp. Luận văn cung cấp giải pháp phân loại nhân khẩu học và kiểm soát ra vào theo phân khu giới tính với độ tin cậy cao.

Câu hỏi thường gặp

Luận văn lựa chọn mô hình nào tối ưu nhất cho bài toán phát hiện giới tính?

Nghiên cứu kết luận mô hình mạng nơ-ron tích chập (CNN) là giải pháp tối ưu nhất. Thử nghiệm thực tế tại Trường PTDTNT tỉnh Quảng Ninh cho thấy CNN đạt độ chính xác khoảng 92%, vượt trội hơn hẳn so với thuật toán LPQ kết hợp k-NN chỉ đạt xấp xỉ 85%.

Vai trò của bộ lọc Retinal filter trong hệ thống là gì?

Bộ lọc Retinal filter đóng vai trò tiền xử lý chuẩn hóa ánh sáng. Nhờ mô phỏng cơ chế thị giác người và ứng dụng hàm Naka-Rushton, bộ lọc giúp loại bỏ hơn 40% tác động tiêu cực của hiện tượng chênh lệch độ sáng, làm nổi bật các đường nét khuôn mặt tại hành lang ký túc xá.

Kích thước bộ lọc nào được tối ưu trong cấu trúc CNN của luận văn?

Tác giả đề xuất sử dụng 2 bộ lọc tích chập kích thước 3x3 thay vì 1 bộ lọc 5x5. Cấu trúc này chỉ tiêu tốn 18 tham số huấn luyện so với 25 tham số của bộ lọc 5x5, giúp giảm khoảng 28% chi phí tính toán và tăng tốc độ xử lý khung hình.

Hệ thống có khả năng xử lý video theo thời gian thực không?

Hệ thống hoàn toàn đáp ứng thời gian thực với tốc độ xử lý dưới 0.18 giây mỗi khung hình trên máy tính tiêu chuẩn. Thời gian phát hiện và gửi tín hiệu cảnh báo vi phạm về trung tâm điều hành chỉ mất khoảng 1 đến 3 giây.

Kết quả nghiên cứu có thể mở rộng cho các bài toán quản lý khác không?

Mô hình hoàn toàn có thể mở rộng để nhận diện danh tính cụ thể, phân tích độ tuổi, phát hiện cảm xúc hoặc đếm lưu lượng người. Các đơn vị có thể ứng dụng giải pháp này cho ký túc xá đại học, bệnh viện hoặc khu công nghiệp.

Kết luận

  • Luận văn đã giải quyết thành công bài toán tự động hóa phát hiện giới tính học sinh qua camera tại Trường Phổ thông Dân tộc Nội trú tỉnh Quảng Ninh.
  • Hệ thống ứng dụng thành công kỹ thuật tiền xử lý bằng Retinal filter, giúp ổn định dữ liệu đầu vào trong các điều kiện chiếu sáng phức tạp.
  • Mô hình CNN được thiết kế tối ưu với các bộ lọc 3x3, đạt độ chính xác phân loại khoảng 92% và độ trễ xử lý dưới 0.18 giây/khung hình.
  • Đề tài đóng góp giải pháp công nghệ chuyển đổi số thiết thực, giảm hơn 75% khối lượng tuần tra thủ công cho ban quản sinh nhà trường.
  • Lộ trình giai đoạn 2021 - 2022 hướng tới việc tích hợp mô hình lên thiết bị Edge AI và nhân rộng cho các trường nội trú trên toàn quốc.

Quý độc giả, các nhà nghiên cứu và đơn vị giáo dục quan tâm có thể khai thác chi tiết kiến trúc thuật toán cùng mã nguồn thực nghiệm trong toàn văn luận văn để triển khai các hệ thống quản lý học đường thông minh.