Giới thiệu dự án

Trong bối cảnh chuyển đổi số toàn diện và sự bùng nổ của các cuộc tấn công mạng, an toàn thông tin trở thành ưu tiên sống còn đối với mọi tổ chức. Theo báo cáo thường niên của Verizon Data Breach Investigations Report (DBIR), hơn 80% các vụ rò rỉ dữ liệu bắt nguồn từ việc lộ lọt, tấn công vét cạn (brute-force) hoặc đánh cắp thông tin định danh người dùng (Username/Password). Các giải pháp xác thực truyền thống dựa trên yếu tố sở hữu (Possession-based) như thẻ từ, mã OTP qua SMS/Email hay Token phần cứng tuy nâng cao tính bảo mật nhưng vẫn tồn tại điểm yếu cố hữu: phụ thuộc hạ tầng viễn thông, rủi ro bị tấn công phi kỹ thuật (Phishing, SIM swapping), thất lạc thiết bị và chi phí vận hành định kỳ cao.

Đồ án tốt nghiệp chuyên ngành An toàn thông tin tại Học viện Công nghệ Bưu chính Viễn thông (PTIT) do sinh viên Phan Thị Kim Hoàn thực hiện, dưới sự hướng dẫn của PGS.TS Hoàng Xuân Dậu, tập trung giải quyết bài toán: Nghiên cứu các phương pháp xác thực sử dụng khuôn mặt thông qua sự kết hợp giữa hai kiến trúc học sâu (Deep Learning) tiên tiến: MTCNN (Multi-task Cascaded Convolutional Networks) cho tiền xử lý, phát hiện, căn chỉnh khuôn mặt và FaceNet với hàm mất mát Triplet Loss cho biểu diễn vector đặc trưng trong không gian Euclidean 128 chiều.

                    QUY TRÌNH HỆ THỐNG XÁC THỰC KHUÔN MẶT
+-----------------+      +-----------------------+      +-------------------------+
|  Đăng ký & Thu  | ---> |   Xử lý ảnh & Trích   | ---> |  Phân loại & So sánh    | ---> [ Quyết định ]
|  thập dữ liệu   |      |   xuất đặc trưng      |      |  Khoảng cách Euclidean  |      (Accept/Reject)
+-----------------+      +-----------------------+      +-------------------------+
   (Camera/Video)           (MTCNN + FaceNet 128D)            (Ngưỡng Threshold α)

Mục tiêu cụ thể của đề tài

  1. Khảo sát và phân tích toàn diện các yếu tố xác thực đa phương thức (MFA), đặc biệt là phân loại sinh trắc học sinh lý (vân tay, mống mắt, khuôn mặt) và hành vi (giọng nói, động lực học phím bấm, chữ ký số).
  2. Thiết kế và tối ưu hóa Pipeline phát hiện khuôn mặt sử dụng mạng tích chập tầng MTCNN (P-Net, R-Net, O-Net) kết hợp kỹ thuật Image Pyramid và non-maximum suppression (NMS).
  3. Hiện thực hóa mô hình trích xuất đặc trưng khuôn mặt bằng mạng nơ-ron tích chập FaceNet, ánh xạ hình ảnh khuôn mặt về vector biểu diễn 128 chiều ($d = 128$).
  4. Xây dựng phần mềm ứng dụng xác thực hoàn chỉnh có giao diện trực quan, thực hiện đăng ký thông tin, trích xuất khung hình tự động từ video, tính toán và lưu trữ embeddings, đối sánh định danh theo thời gian thực.
  5. Thực nghiệm và đánh giá chất lượng trên hai tập dữ liệu chuẩn quốc tế (Yale Face Database, AT&T Database) cùng tập dữ liệu thực tế gồm 50 đối tượng sinh viên trong các điều kiện môi trường đa dạng (có kính, không kính, góc nghiêng và đối tượng lạ - Unknown).

Phạm vi và giới hạn nghiên cứu

  • Phạm vi: Ứng dụng công nghệ xử lý ảnh số 2D và mạng nơ-ron tích chập sâu phục vụ định danh người dùng trong môi trường cục bộ (On-premises).
  • Giới hạn: Nghiên cứu chưa tích hợp cảm biến đo độ sâu 3D (3D Structured Light) hoặc thuật toán chống giả mạo sinh trắc học nâng cao (Anti-spoofing / Liveness Detection) để phòng chống tấn công bằng mặt nạ silicon hoặc video deepfake độ phân giải cao.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương thức xác thực Mức độ bảo mật Độ chính xác Tính lâu dài Trải nghiệm (Usability) Chi phí triển khai Rủi ro chính
Mật khẩu (Password) Thấp Trung bình Thấp Thấp (Dễ quên) Rất thấp Brute-force, Phishing, Keylogger
OTP qua SMS/Email Trung bình Trung bình Thấp Trung bình Thấp - Trung bình SIM Swap, MITM, Phụ thuộc mạng
Token vật lý (RSA/FIDO2) Cao Rất cao Cao Trung bình Cao Thất lạc, hỏng thiết bị phần cứng
Dấu vân tay (Fingerprint) Cao Cao Trung bình Cao Trung bình Mòn vân tay, bụi bẩn, tiếp xúc vật lý
Mống mắt (Iris Recognition) Rất cao Rất cao Rất cao Thấp Rất cao Chi phí thiết bị chuyên dụng đắt đỏ
Khuôn mặt (MTCNN + FaceNet) Cao Cao Trung bình Rất cao (Zero-touch) Thấp (Dùng Webcam phổ thông) Biến đổi ánh sáng, góc nghiêng, phụ kiện

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have: Thu nhận luồng video từ webcam, phát hiện khuôn mặt tự động đa kích thước bằng MTCNN, trích xuất vector embedding 128D bằng FaceNet, đối sánh khoảng cách $L_2$, hiển thị nhãn định danh hoặc cảnh báo Unknown.
  • Should Have: Module cắt khung hình tự động từ video để tạo tập mẫu đăng ký, chuẩn hóa khuôn mặt (Face Alignment) dựa trên 5 điểm landmark mốc giải phẫu.
  • Could Have: Tối ưu hóa ngưỡng phân ngưỡng khoảng cách Euclidean ($\alpha \in [0.6, 0.8]$) tùy thuộc vào độ biến thiên của môi trường ánh sáng.
  • Won't Have: Module nhận diện cảm xúc (Emotion Recognition) và ước lượng độ tuổi.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo cấu trúc modular gồm 3 phân hệ chính: Phân hệ Thu nhận & Tiền xử lý, Phân hệ Trích xuất vector đặc trưng, và Phân hệ Đối sánh & Định danh.

graph TD
    A[Input Image / Camera Stream] --> B[Image Pyramid Generation]
    B --> C[P-Net: Proposal Network 12x12]
    C --> D[NMS & Bounding Box Regression]
    D --> E[R-Net: Refinement Network 24x24]
    E --> F[NMS & False Positive Suppression]
    F --> G[O-Net: Output Network 48x48]
    G --> H[5 Facial Landmarks & Aligned Face 160x160]
    H --> I[FaceNet Deep CNN Backbone]
    I --> J[128-Dimensional Euclidean Embedding Vector]
    J --> K{Feature Matching: L2 Distance vs Existing DB}
    K -->|Distance <= Threshold| L[Xác thực thành công: Gán Identity]
    K -->|Distance > Threshold| M[Xác thực thất bại: Gán Unknown]

Công nghệ sử dụng và phiên bản chi tiết

  • Ngôn ngữ lập trình: Python v3.8.10
  • Deep Learning Framework: TensorFlow v2.10.0, Keras v2.10.0
  • Xử lý ảnh & Thị giác máy tính: OpenCV-Python v4.8.0.76, PIL (Pillow) v9.5.0
  • Tính toán ma trận & Khoa học dữ liệu: NumPy v1.23.5, SciPy v1.10.1, Scikit-learn v1.2.2
  • Giao diện người dùng: Tkinter / Custom GUI framework
  • Mô hình học sâu nạp sẵn: Pre-trained FaceNet (Inception-ResNet-v1 trên tập dữ liệu VGGFace2/CASIA-WebFace).

Thiết kế cơ sở dữ liệu lưu trữ

Cơ sở dữ liệu người dùng được tổ chức phân cấp, đảm bảo tính phân tán và tối ưu tốc độ truy vấn:

  1. Bảng định danh người dùng (users): Lưu trữ mã sinh viên/nhân viên, họ và tên, lớp/phòng ban, ngày đăng ký, đường dẫn thư mục ảnh gốc.
  2. Cơ sở dữ liệu vector (embeddings.pkl / HDF5 structure): Lưu trữ ma trận tensor kích thước $N \times 128$ (với $N$ là tổng số lượng vector mẫu khuôn mặt đã đăng ký) kèm theo nhãn ID tương ứng.

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển linh hoạt (Agile-based methodology) qua 4 Sprint chính:

  • Sprint 1 (Tuần 1 - 2): Khảo sát lý thuyết về Tensor, phép tích chập (Convolution 2D), Stride, Padding, Pooling, Fully Connected Layers và cơ chế hoạt động của sinh trắc học.
  • Sprint 2 (Tuần 3 - 4): Xây dựng pipeline phát hiện và căn chỉnh khuôn mặt MTCNN. Xây dựng module trích xuất frame từ video camera.
  • Sprint 3 (Tuần 5 - 6): Tích hợp FaceNet, xây dựng module tính toán vector embeddings 128 chiều và thuật toán so khớp khoảng cách Euclidean $L_2$.
  • Sprint 4 (Tuần 7 - 8): Thiết kế giao diện đăng ký/xác thực, thực nghiệm trên tập Yale, AT&T và tập dữ liệu 50 sinh viên, tinh chỉnh ngưỡng Threshold.

Implementation và kết quả

Chi tiết các thuật toán cốt lõi

1. Mạng tích chập phân tầng đa nhiệm (MTCNN)

MTCNN giải quyết bài toán phát hiện khuôn mặt và định vị điểm mốc thông qua 3 mạng CNN nối tiếp:

  • P-Net (Proposal Network): Mạng tích chập quét qua các phiên bản ảnh được thu phóng theo tỷ lệ (Image Pyramid) với kích thước kernel $12 \times 12 \times 3$. P-Net sinh ra hàng loạt các bounding box ứng viên và loại bỏ các vùng có độ tin cậy thấp thông qua Non-Maximum Suppression (NMS).
  • R-Net (Refine Network): Tiếp nhận các vùng ảnh ứng viên từ P-Net, chuẩn hóa về kích thước $24 \times 24 \times 3$, áp dụng padding vector 0 nếu bounding box vượt biên ảnh. R-Net lọc bỏ phần lớn các False Positives và tinh chỉnh lại tọa độ hộp bao.
  • O-Net (Output Network): Chuẩn hóa kích thước đầu vào thành $48 \times 48 \times 3$, thực hiện 3 nhiệm vụ song song: phân loại khuôn mặt (Face classification score), hồi quy tọa độ hộp bao (Bounding box regression), và xác định tọa độ 5 điểm mốc giải phẫu (2 mắt, 1 đỉnh mũi, 2 khóe miệng).

2. Mạng FaceNet và hàm mất mát Triplet Loss

FaceNet sử dụng kiến trúc mạng nơ-ron tích chập sâu (Inception-ResNet) để ánh xạ một bức ảnh khuôn mặt $x$ thành một vector nhúng $f(x) \in \mathbb{R}^{128}$ thỏa mãn điều kiện chuẩn hóa $|f(x)|_2 = 1$.

Hàm mất mát Triplet Loss được tối ưu hóa dựa trên bộ 3 hình ảnh: ảnh gốc (Anchor - $A$), ảnh cùng người với Anchor (Positive - $P$), và ảnh của người khác (Negative - $N$). Mục tiêu của hàm tối ưu là đảm bảo khoảng cách giữa $A$ và $P$ luôn nhỏ hơn khoảng cách giữa $A$ và $N$ một khoảng lề an toàn (margin) $\alpha > 0$:

$$|f(A_i) - f(P_i)|_2^2 + \alpha < |f(A_i) - f(N_i)|_2^2$$

Hàm mất mát tổng quát trên toàn bộ $n$ bộ ba mẫu huấn luyện:

$$\mathcal{L}(A, P, N) = \sum_{i=1}^{n} \max \left( |f(A_i) - f(P_i)|_2^2 - |f(A_i) - f(N_i)|_2^2 + \alpha, 0 \right)$$

import numpy as np
from mtcnn.mtcnn import MTCNN
from PIL import Image
from numpy import asarray

# 1. Trích xuất khuôn mặt bằng MTCNN
def extract_face(filename, required_size=(160, 160)):
    image = Image.open(filename)
    image = image.convert('RGB')
    pixels = asarray(image)
    
    # Khởi tạo bộ phát hiện MTCNN
    detector = MTCNN()
    results = detector.detect_faces(pixels)
    if len(results) == 0:
        return None
        
    x1, y1, width, height = results[0]['box']
    x1, y1 = abs(x1), abs(y1)
    x2, y2 = x1 + width, y1 + height
    
    # Trích xuất vùng khuôn mặt và resize về chuẩn FaceNet
    face = pixels[y1:y2, x1:x2]
    image_face = Image.fromarray(face)
    image_face = image_face.resize(required_size)
    return asarray(image_face)

# 2. Tính toán vector embedding 128 chiều từ FaceNet
def get_embedding(model, face_pixels):
    face_pixels = face_pixels.astype('float32')
    # Chuẩn hóa giá trị pixel qua Z-score
    mean, std = face_pixels.mean(), face_pixels.std()
    face_pixels = (face_pixels - mean) / std
    samples = np.expand_dims(face_pixels, axis=0)
    
    # Dự đoán embedding 128D
    yhat = model.predict(samples)
    return yhat[0]

# 3. Đối sánh khoảng cách Euclidean L2-norm
def match_face(embedding_input, database_embeddings, threshold=0.7):
    min_dist = float("inf")
    matched_identity = "Unknown"
    
    for identity, db_embed in database_embeddings.items():
        # Tính khoảng cách Euclidean
        dist = np.linalg.norm(embedding_input - db_embed)
        if dist < min_dist:
            min_dist = dist
            if dist <= threshold:
                matched_identity = identity
                
    return matched_identity, min_dist

Testing và thực nghiệm

Kết quả thử nghiệm trên tập dữ liệu chuẩn (Yale & AT&T)

Mô hình / Phương pháp Tập dữ liệu Số lượng đối tượng Số lượng ảnh Độ chính xác (Accuracy %) Thời gian xử lý trung bình (ms)
PCA (Eigenfaces) + SVM AT&T 40 400 88.5% 45 ms
LBPH (Local Binary Patterns) AT&T 40 400 91.2% 38 ms
MTCNN + FaceNet (Đề tài) AT&T 40 400 98.2% 118 ms
PCA (Eigenfaces) + SVM Yale 15 165 78.4% 52 ms
MTCNN + FaceNet (Đề tài) Yale 15 165 96.7% 124 ms

Kết quả thử nghiệm trên tập dữ liệu thực tế (50 sinh viên PTIT)

Kịch bản thử nghiệm Số lượng mẫu kiểm tra Nhận diện đúng (True Positive) Nhận diện sai (False Alarm) Bị từ chối sai (False Reject) Độ chính xác (%)
Điều kiện chuẩn (Không kính, đủ sáng) 100 98 1 1 98.0%
Đối tượng đeo kính mắt 60 56 2 2 93.3%
Góc nghiêng khuôn mặt ($15^\circ - 30^\circ$) 50 46 2 2 92.0%
Ánh sáng yếu / Đèn nền ngược sáng 40 36 2 2 90.0%
Đối tượng lạ ngoài cơ sở dữ liệu (Unknown) 50 48 (Nhận diện đúng Unknown) 2 (Nhận nhầm vào DB) 0 96.0%
Tổng thể tập dữ liệu thực nghiệm 300 284 9 7 94.67%

Đổi mới và đóng góp

  1. Khắc phục triệt để hạn chế của phương pháp trích xuất đặc trưng truyền thống: Các phương pháp cổ điển như Eigenfaces (dựa trên PCA) hay Fisherfaces (dựa trên LDA) biểu diễn khuôn mặt phụ thuộc tuyến tính vào cường độ sáng của pixel, dẫn đến sụp đổ độ chính xác khi đối tượng thay đổi góc nhìn hoặc biểu cảm. Sự kết hợp MTCNN + FaceNet trong đồ án giải quyết trọn vẹn bài toán bất biến với phép tịnh tiến, phép quay góc nhỏ và thay đổi ánh sáng.
  2. Tối ưu hóa bài toán One-Shot Learning: Nhờ cơ chế không gian biểu diễn nhúng 128D của FaceNet, hệ thống có khả năng đăng ký người dùng mới ngay lập tức chỉ với 1 đến 5 ảnh mẫu từ video trích xuất, hoàn toàn không cần tái huấn luyện (Retrain) mạng nơ-ron như các mô hình Softmax thông thường.
  3. Giảm thiểu độ phức tạp tính toán: So với các mô hình mạng nơ-ron sâu sinh vector 1024 chiều hoặc 4096 chiều (như VGG-16 nguyên bản), vector 128 chiều của FaceNet giúp giảm 87.5% - 96.8% dung lượng bộ nhớ lưu trữ embeddings và tăng tốc độ đối sánh khoảng cách Euclidean lên hơn 4 lần, đạt mức tính toán $O(N \cdot d)$ với $d=128$.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  • Điểm danh sinh viên tự động trong lớp học: Tích hợp camera tại cửa phòng học để điểm danh tự động danh sách sinh viên mà không làm gián đoạn bài giảng.
  • Hệ thống kiểm soát vào ra (Access Control) văn phòng: Thay thế đầu đọc thẻ từ và chấm công vân tay, hạn chế tiếp xúc cơ học, nâng cao an toàn vệ sinh dịch tễ.
  • Xác thực định danh eKYC tầng thứ nhất: Áp dụng so khớp khuôn mặt giữa ảnh chụp chân dung trực tiếp và ảnh trên Căn cước công dân (CCCD) trong các ứng dụng tài chính số.

Yêu cầu phần cứng và phần mềm triển khai

+-------------------------------------------------------------------------+
|                  CẤU HÌNH HỆ THỐNG TRIỂN KHAI                           |
+-------------------------------------------------------------------------+
| Thành phần       | Yêu cầu tối thiểu           | Khuyến nghị vận hành   |
| CPU              | Intel Core i3 (Thế hệ 8+)   | Intel Core i5/i7, AMD  |
| RAM              | 4 GB DDR4                   | 8 GB - 16 GB DDR4      |
| GPU (Khuyên dùng)| Không bắt buộc (Dùng CPU)   | NVIDIA GTX 1650 (4GB+) |
| Camera           | Webcam HD 720p (30 fps)     | Camera Full HD 1080p   |
| Hệ điều hành     | Windows 10/11, Ubuntu 20.04 | Ubuntu Server 22.04 LTS|
+-------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ phụ thuộc vào chất lượng cảm biến quang học 2D: Chưa có khả năng phân biệt giữa khuôn mặt thật và hình ảnh hiển thị trên màn hình điện thoại hoặc ảnh in màu độ nét cao (2D Spoofing attack).
  • Góc nghiêng cực hạn ($> 45^\circ$): Khi khuôn mặt bị nghiêng hoặc che khuất một phần lớn (ví dụ đeo khẩu trang y tế che kín mũi và miệng), hiệu năng phát hiện của mạng P-Net và O-Net suy giảm rõ rệt.

Hướng phát triển trong tương lai

  • Tích hợp module Anti-Spoofing (Liveness Detection): Ứng dụng mạng nơ-ron phân tích kết cấu vi mô bề mặt da (Texture Analysis) kết hợp kiểm tra cử động chớp mắt ngẫu nhiên hoặc đo độ sâu quang học.
  • Triển khai kiến trúc Loss hiện đại hơn: Nâng cấp từ Triplet Loss lên ArcFace (Additive Angular Margin Loss) hoặc CosFace nhằm tối đa hóa khoảng cách góc giữa các lớp khuôn mặt trong không gian hình cầu siêu chiều.
  • Đóng gói giải pháp Edge AI: Tối ưu hóa mô hình bằng TensorRT hoặc OpenVINO để nhúng trực tiếp lên các vi máy tính tiêu thụ điện năng thấp như Raspberry Pi 4 hoặc NVIDIA Jetson Nano.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành ATTT / CNTT: Nguồn tài liệu tham khảo hoàn chỉnh từ toán học giải tích ma trận, đại số tích chập đến mã nguồn thực thi hệ thống xác thực sinh trắc học thực tế.
  • Kỹ sư phát triển phần mềm (Software Engineers): Nắm bắt mô hình kiến trúc pipeline chuẩn (Detection $\to$ Alignment $\to$ Feature Extraction $\to$ Metric Matching) để tích hợp vào các dự án quản trị nhân sự và kiểm soát vào ra.
  • Doanh nghiệp & Tổ chức giáo dục: Sở hữu giải pháp xác thực không tiếp xúc chi phí thấp, tận dụng hạ tầng camera có sẵn mà không cần đầu tư máy quét sinh trắc học đắt tiền.
  • Các nhà nghiên cứu thị giác máy tính: Cung cấp số liệu đối sánh thực nghiệm tin cậy giữa các phương pháp trích xuất đặc trưng cổ điển (PCA/LBPH) và học sâu (MTCNN + FaceNet) trên tập dữ liệu chuẩn và tập ảnh thực tế Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai hệ thống là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 10/11 hoặc Linux (Ubuntu 20.04 trở lên), cài đặt môi trường Python 3.8+ cùng các thư viện tensorflow, mtcnn, opencv-python. Về phần cứng, hệ thống hoạt động ổn định trên CPU từ Intel Core i3 trở lên với 4GB RAM và webcam chuẩn 720p. Nếu trang bị thêm GPU NVIDIA (hỗ trợ CUDA), tốc độ xử lý trích xuất vector khuôn mặt sẽ đạt mức thời gian thực dưới 30ms/frame.

2. Giới hạn mở rộng (Scalability) của hệ thống khi cơ sở dữ liệu lên tới hàng chục nghìn người là gì?

Khi số lượng người dùng tăng lên hàng chục nghìn, thuật toán tìm kiếm tuyến tính khoảng cách Euclidean $O(N)$ sẽ làm tăng độ trễ. Giải pháp giải quyết triệt để là tích hợp các cấu trúc dữ liệu không gian nhiều chiều hoặc thư viện tìm kiếm vector lân cận xấp xỉ chuyên dụng như FAISS (Facebook AI Similarity Search) hoặc HNSW (Hierarchical Navigable Small World), cho phép thời gian truy vấn giảm về mức $O(\log N)$, đáp ứng thời gian phản hồi $< 5\text{ms}$ cho cơ sở dữ liệu 100.000 khuôn mặt.

3. Hệ thống có thể tích hợp với các hệ thống quản lý nhân sự/điểm danh hiện có như thế nào?

Hệ thống được module hóa hoàn toàn. Ta có thể đóng gói phân hệ xử lý AI thành một RESTful API Microservice sử dụng FastAPI hoặc Flask. Ứng dụng web/di động bên ngoài chỉ cần gửi ảnh khuôn mặt dạng Base64 hoặc Multipart Form-data lên endpoint /api/v1/verify, hệ thống sẽ trả về kết quả JSON chứa trạng thái xác thực (success/failed), mã định danh người dùng (user_id), độ tin cậy và khoảng cách khoảng cách đo được.

4. Quy trình bảo trì và cập nhật vector đặc trưng khi người dùng thay đổi diện mạo theo thời gian?

Hệ thống cho phép cập nhật đa vector đại diện (Multiple Embeddings per User). Khi người dùng thay đổi diện mạo (thay đổi kiểu tóc, đeo kính mới, hoặc già đi theo thời gian), module quản trị có thể kích hoạt tính năng "Cập nhật mẫu khuôn mặt" để tính toán thêm các vector nhúng mới bổ sung vào cơ sở dữ liệu mà không làm gián đoạn hoạt động của hệ thống.

5. Chi phí đầu tư và thời gian hoàn vốn (ROI) khi triển khai giải pháp này cho doanh nghiệp?

So với việc mua sắm hệ thống máy chấm công nhận diện khuôn mặt chuyên dụng (chi phí từ 10.000.000 đến 30.000.000 VNĐ/cửa), giải pháp phần mềm mã nguồn mở dựa trên MTCNN và FaceNet tận dụng được hệ thống PC và webcam văn phòng sẵn có, giúp tiết kiệm hơn 70% chi phí đầu tư ban đầu. Thời gian hoàn vốn ước tính đạt từ 3 đến 6 tháng nhờ cắt giảm chi phí phôi thẻ từ, chi phí nhân sự vận hành điểm danh thủ công và ngăn chặn triệt để tình trạng chấm công hộ.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu các phương pháp xác thực sử dụng khuôn mặt" của sinh viên Phan Thị Kim Hoàn đã giải quyết trọn vẹn cả hai phương diện: lý thuyết học thuật chuyên sâu về an toàn thông tin - sinh trắc học và thực tiễn kỹ thuật phần mềm. Bằng việc kết hợp kiến trúc mạng phân tầng đa nhiệm MTCNN cho bài toán phát hiện/căn chỉnh khuôn mặt và mô hình FaceNet với hàm mất mát Triplet Loss cho bài toán biểu diễn vector 128 chiều, hệ thống đã đạt độ chính xác vượt trội 98.2% trên tập AT&T, 96.7% trên tập Yale và 94.67% trên tập dữ liệu thực tế.

Kết quả nghiên cứu khẳng định tính khả thi vượt bậc của công nghệ học sâu trong việc nâng cấp các hệ thống kiểm soát an ninh số, tạo tiền đề vững chắc cho việc tích hợp thêm các công nghệ chống giả mạo tiên tiến và đưa vào ứng dụng thực tế trong quản trị trường học và doanh nghiệp thông minh.