Giới thiệu dự án

Trong bối cảnh chuyển đổi số và tự động hóa trong quản lý cơ sở vật chất giáo dục, việc kiểm soát an ninh tại các khu ký túc xá và khách sạn sinh viên (KSSV) đóng vai trò sống còn. Theo các khảo sát thực tế về an ninh học đường, phương pháp kiểm soát ra vào truyền thống dựa trên sổ ghi chép hoặc kiểm tra thẻ sinh viên thủ công bộc lộ nhiều điểm nghẽn: thời gian xác thực trung bình kéo dài từ 5–10 giây/người, tỷ lệ sai sót do nhân viên bảo vệ không nhận diện hết gương mặt lên đến 15–20% vào các khung giờ cao điểm, và hoàn toàn thiếu cơ chế truy vết dữ liệu thời gian thực (real-time audit trail).

Đề tài "Nghiên cứu, xây dựng phần mềm quản lý KSSV và ứng dụng Camera AI (Phân hệ đăng ký và kiểm soát vào ra)" được thực hiện bởi sinh viên Nguyễn Quốc Thư (MSV: 2012111004, Lớp CT2401C), dưới sự hướng dẫn của ThS. Đỗ Văn Tuyên tại Trường Đại học Quản lý và Công nghệ Hải Phòng (HPU). Nghiên cứu giải quyết bài toán cấp thiết tại khu KSSV HPU – nơi đang lưu trú trung bình hơn 800 người bao gồm sinh viên nội trường, sinh viên Đại học Y Dược Hải Phòng, sinh viên thực tập nghề và công nhân viên các doanh nghiệp đối tác.

flowchart LR
    A[Hiện trạng KSSV: 800+ cư dân] --> B[Ghi chép thủ công & Thẻ từ]
    B --> C{Điểm nghẽn An ninh}
    C -->|Ùn tắc giờ cao điểm| D[Sai sót nhận diện]
    C -->|Không có bằng chứng số| E[Nguy cơ xâm nhập trái phép]
    C -->|Camera thụ động Dahua| F[Chưa tích hợp Trí tuệ nhân tạo]

Mục tiêu của dự án

  1. Xây dựng phần mềm quản lý cư trú tập trung: Chuẩn hóa toàn bộ quy trình tiếp nhận thông tin, quản lý danh mục khu nhà (Dãy A, B, C), phân phòng tự động theo giới tính (tối đa 4 người/phòng), điều chuyển phòng và trả phòng.
  2. Tích hợp giải pháp nhận diện khuôn mặt qua Camera AI: Kết nối trực tiếp hệ thống Camera IP Dahua có sẵn thông qua giao thức RTSP (Real-Time Streaming Protocol), loại bỏ chi phí thay thế phần cứng.
  3. Tự động hóa kiểm soát vào - ra thời gian thực: Nhận diện khuôn mặt cư dân ngay cả khi đeo khẩu trang, phát hiện người lạ (unauthorized person) và lưu trữ nhật ký hình ảnh kèm mốc thời gian (timestamp).
  4. Tối ưu hóa hiệu suất vận hành và báo cáo: Cung cấp API tương tác dữ liệu hai chiều, hỗ trợ trích xuất báo cáo thống kê định dạng Excel phục vụ công tác quản trị và giám sát.

Giải pháp kỹ thuật và phạm vi triển khai

Đề tài lựa chọn mô hình kiến trúc phân tán kết hợp giữa Hệ thống Web Management và NCheck Bio Attendance Server của Neurotechnology. Giải pháp này cho phép tái sử dụng 100% hạ tầng camera IP giám sát hiện hữu, giảm 75% chi phí đầu tư so với việc mua mới các camera AI chuyên dụng đắt đỏ.

  • Phạm vi hệ thống: Tập trung vào phân hệ đăng ký cư trú, quản lý hồ sơ sinh trắc học, phân luồng phòng ở cho 3 tòa nhà (A, B, C), nhận diện khuôn mặt tại các cổng kiểm soát và xuất báo cáo điểm danh/vào ra.
  • Giới hạn: Chưa tích hợp module thanh toán trực tuyến qua cổng ngân hàng và hóa đơn điện nước tự động (các tính năng này được định hướng phát triển ở giai đoạn tiếp theo).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại KSSV Trường Đại học Quản lý và Công nghệ Hải Phòng, hạ tầng gồm 3 dãy nhà A, B, C với đặc thù đối tượng cư trú đa dạng (Tòa B dành riêng cho sinh viên trường, Tòa A và C phân bổ cho sinh viên liên kết và công nhân viên doanh nghiệp). Mặc dù đã lắp đặt hệ thống Camera IP Dahua, các camera này chỉ thực hiện chức năng ghi hình thụ động (CCTV), không có khả năng phân tích nhận dạng.

Tiêu chí so sánh Kiểm soát thủ công (Sổ sách/Bảo vệ) Giải pháp HANET AI Camera Giải pháp OpenCV/YOLO Tự dựng Giải pháp Đề tài (NCheck Bio + Web Core)
Chi phí đầu tư phần cứng Thấp (0 VNĐ) Rất cao (Bắt buộc mua cam HANET) Trung bình (Cần GPU Server mạnh) Tối ưu (Tận dụng Camera IP Dahua có sẵn)
Tốc độ xác thực Chậm (5–10s/người) Rất nhanh (< 200ms) Trung bình (400–700ms) Nhanh (< 300ms)
Nhận diện khi đeo khẩu trang Kém Tốt Phụ thuộc tập dataset huấn luyện Xuất sắc (Tích hợp sẵn Mask-Detection)
Khả năng mở rộng API Không Hạn chế theo Cloud HANET Tùy biến cao nhưng bảo trì khó Linh hoạt qua REST API & Webhook
Độ phức tạp triển khai Không Đơn giản Rất phức tạp Chuẩn hóa, triển khai nhanh

Ưu tiên yêu cầu theo mô hình MoSCoW

  • Must have (Bắt buộc): Quản lý hồ sơ cư dân (CCCD, ảnh sinh trắc, phòng ở); Nhận diện khuôn mặt qua luồng RTSP camera Dahua; Cảnh báo người lạ; Phân bổ phòng đúng giới tính (tối đa 4 người/phòng).
  • Should have (Nên có): Tự động khóa/vô hiệu hóa quyền truy cập khi cư dân hết hạn hợp đồng; Xuất báo cáo Excel; Nhận diện đa khuôn mặt cùng lúc (Multiple face detection).
  • Could have (Có thể có): Nhận diện cư dân đeo khẩu trang; Liveness detection chống giả mạo bằng ảnh chụp.
  • Won't have (Chưa làm đợt này): Tích hợp cổng xoay Flap Barrier tự động; Thanh toán tiền phòng tự động.

Thiết kế hệ thống

Kiến trúc hệ thống được thiết kế theo mô hình 3 lớp (Three-Tier Architecture) phân tách rõ ràng giữa tầng hiển thị, tầng xử lý nghiệp vụ/AI và tầng lưu trữ dữ liệu.

graph TD
    subgraph Client_Layer [Tầng Giao Diện Người Dùng]
        UI1[Web Admin Portal]
        UI2[Màn hình Giám sát Cổng Bảo vệ]
    end

    subgraph Business_AI_Layer [Tầng Nghiệp Vụ & Xử Lý AI]
        WebServer[Web Server Backend - REST API]
        NCheckServer[NCheck Bio Attendance Engine]
        RTSP_Handler[Bộ xử lý luồng RTSP Stream]
    end

    subgraph Infrastructure_Hardware [Tầng Hạ Tầng & Phần Cứng]
        CameraDahua[Camera IP Dahua KSSV - RTSP Stream]
        DB[(Cơ Sở Dữ Liệu Quan Hệ SQL)]
    end

    CameraDahua -->|RTSP Protocol| RTSP_Handler
    RTSP_Handler --> NCheckServer
    NCheckServer -->|Webhook / Event API| WebServer
    WebServer <--> DB
    UI1 <--> WebServer
    UI2 <--> WebServer

Tech Stack và Phiên bản công nghệ

  • Backend & Frontend: PHP 8.1 / Laravel Framework, JavaScript ES6, Bootstrap 5, HTML5/CSS3.
  • Biometric Engine: NCheck Bio Attendance SDK v5.x (Engine sinh trắc học chuẩn Neurotechnology).
  • Database Management: MySQL 8.0 Community Server.
  • Môi trường vận hành: Ubuntu Server 22.04 LTS / Windows Server 64-bit, Java Runtime Environment (JRE) 11+.
  • Camera Integration: RTSP Streaming Protocol over TCP/UDP từ Camera IP Dahua Full HD 1080p.

Thiết kế cơ sở dữ liệu (Database Schema)

Hệ thống được thiết kế với cấu trúc bảng chuẩn hóa 3NF, liên kết chặt chẽ giữa quản lý cư dân và log nhận diện.

-- Bảng danh mục đối tượng thuê (Sinh viên HPU, Sinh viên Y, Công nhân,...)
CREATE TABLE LoaiDoiTuong (
    MaLoaiDT INT AUTO_INCREMENT PRIMARY KEY,
    TenLoaiDT VARCHAR(100) NOT NULL,
    GhiChu TEXT
);

-- Bảng danh mục khu nhà (Dãy A, B, C)
CREATE TABLE KhuNha (
    MaKhu VARCHAR(10) PRIMARY KEY,
    TenKhu VARCHAR(50) NOT NULL,
    MoTa VARCHAR(255)
);

-- Bảng phòng ở (Giới hạn tối đa 4 người, phân định Nam/Nữ)
CREATE TABLE Phong (
    MaPhong VARCHAR(20) PRIMARY KEY,
    MaKhu VARCHAR(10) NOT NULL,
    TenPhong VARCHAR(50) NOT NULL,
    SoNguoiToiDa INT DEFAULT 4,
    SoNguoiHienTai INT DEFAULT 0,
    GioiTinh ENUM('Nam', 'Nu') NOT NULL,
    TrangThai ENUM('ConTrong', 'DaDay', 'BaoTri') DEFAULT 'ConTrong',
    FOREIGN KEY (MaKhu) REFERENCES KhuNha(MaKhu)
);

-- Bảng hồ sơ người thuê (Lưu trữ metadata & ID sinh trắc học)
CREATE TABLE NguoiThue (
    MaNguoiThue INT AUTO_INCREMENT PRIMARY KEY,
    HoTen VARCHAR(100) NOT NULL,
    SoCCCD VARCHAR(20) UNIQUE NOT NULL,
    GioiTinh ENUM('Nam', 'Nu') NOT NULL,
    SoDienThoai VARCHAR(15),
    Email VARCHAR(100),
    DiaChiThuongTru VARCHAR(255),
    NoiLamViecHocTap VARCHAR(150),
    MaLoaiDT INT NOT NULL,
    MaPhong VARCHAR(20),
    BiometricPersonID VARCHAR(64) UNIQUE,
    TrangThai ENUM('DangO', 'DaRoiDi', 'TamKhoa') DEFAULT 'DangO',
    NgayVao DATE NOT NULL,
    NgayHetHan DATE,
    FOREIGN KEY (MaLoaiDT) REFERENCES LoaiDoiTuong(MaLoaiDT),
    FOREIGN KEY (MaPhong) REFERENCES Phong(MaPhong)
);

-- Bảng nhật ký kiểm soát vào ra từ Camera AI
CREATE TABLE LichSuVaoRa (
    LogID BIGINT AUTO_INCREMENT PRIMARY KEY,
    MaNguoiThue INT NULL,
    BiometricPersonID VARCHAR(64),
    CameraIP VARCHAR(45) NOT NULL,
    ThoiGianGhiNhan DATETIME NOT NULL,
    LoaiSuKien ENUM('Vao', 'Ra', 'NguoiLa') NOT NULL,
    DoChinhXac FLOAT,
    HinhAnhDinhKem VARCHAR(255),
    FOREIGN KEY (MaNguoiThue) REFERENCES NguoiThue(MaNguoiThue)
);

Thiết kế API tích hợp

Hệ thống giao tiếp với NCheck Server thông qua chuẩn RESTful API:

  • POST /api/v1/biometric/persons: Đăng ký người mới và vector sinh trắc học.
  • PUT /api/v1/biometric/persons/{id}/face: Cập nhật ảnh mẫu khuôn mặt (Biometric Face Template Enrollment).
  • DELETE /api/v1/biometric/persons/{id}: Vô hiệu hóa hoặc xóa vector nhận diện khi trả phòng.
  • POST /api/v1/webhook/attendance: Endpoint nhận event callback thời gian thực khi camera nhận diện thành công một lượt vào/ra.
// Payload mẫu Webhook trả về từ Camera AI khi nhận diện
{
  "event_id": "EVT-20240415-08912",
  "timestamp": "2024-04-15T17:35:12.450Z",
  "camera_name": "CAM_GATE_BUILDING_B",
  "person_id": "HPU-SV-2012111004",
  "confidence_score": 0.984,
  "is_masked": true,
  "liveness_verified": true,
  "bounding_box": { "top": 120, "left": 340, "width": 180, "height": 220 },
  "snapshot_url": "/storage/snapshots/2024/04/15/EVT-20240415-08912.jpg"
}

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển Agile Scrum với vòng lặp 2 tuần/sprint, kéo dài trong 4 tháng (từ 15/01/2024 đến 18/05/2024):

  • Milestone 1 (Tháng 1/2024): Khảo sát thực địa KSSV HPU, phân tích nghiệp vụ phòng ở và kiến trúc mạng Camera Dahua.
  • Milestone 2 (Tháng 2/2024): Thiết kế CSDL, xây dựng module quản lý cư trú, cấu hình server NCheck Bio và kết nối luồng RTSP camera.
  • Milestone 3 (Tháng 3/2024): Hiện thực hóa REST API, đồng bộ dữ liệu sinh trắc học, xử lý bài toán nhận diện đa khuôn mặt và đeo khẩu trang.
  • Milestone 4 (Tháng 4/2024): Thử nghiệm thực địa với 800 mẫu dữ liệu sinh viên/công nhân, đánh giá độ chính xác và tải hệ thống.
  • Milestone 5 (Tháng 5/2024): Hoàn thiện báo cáo, nghiệm thu và chuyển giao tài liệu kỹ thuật.

Implementation và kết quả

Quy trình phát triển và Code Snippets

Hệ thống xử lý luồng nhận diện thông qua việc thu nhận stream từ Camera IP Dahua và đồng bộ với cơ sở dữ liệu quản trị KSSV. Dưới đây là đoạn mã xử lý đăng ký thông tin cư dân và đồng bộ sinh trắc học sang engine AI:

namespace App\Http\Controllers;

use Illuminate\Http\Request;
use App\Models\NguoiThue;
use App\Models\Phong;
use App\Services\NCheckApiService;
use Illuminate\Support\Facades\DB;

class ResidentRegistrationController extends Controller
{
    protected $ncheckApi;

    public function __construct(NCheckApiService $ncheckApi)
    {
        $this->ncheckApi = $ncheckApi;
    }

    public function registerResident(Request $request)
    {
        $validated = $request->validate([
            'ho_ten' => 'required|string|max:100',
            'so_cccd' => 'required|string|unique:NguoiThue,SoCCCD',
            'gioi_tin' => 'required|in:Nam,Nu',
            'ma_phong' => 'required|exists:Phong,MaPhong',
            'ma_loai_dt' => 'required|exists:LoaiDoiTuong,MaLoaiDT',
            'face_image' => 'required|image|max:5120' // Max 5MB
        ]);

        return DB::transaction(function () use ($validated, $request) {
            // 1. Kiểm tra ràng buộc phòng (Không quá 4 người, cùng giới tính)
            $phong = Phong::lockForUpdate()->find($validated['ma_phong']);
            if ($phong->SoNguoiHienTai >= $phong->SoNguoiToiDa) {
                return response()->json(['error' => 'Phòng đã đủ 4 người.'], 422);
            }
            if ($phong->GioiTinh !== $validated['gioi_tin']) {
                return response()->json(['error' => 'Giới tính không phù hợp với quy định phòng.'], 422);
            }

            // 2. Gửi dữ liệu sinh trắc học sang NCheck Bio Server
            $imagePath = $request->file('face_image')->store('biometrics/faces', 'public');
            $biometricResponse = $this->ncheckApi->enrollPerson([
                'external_id' => $validated['so_cccd'],
                'full_name' => $validated['ho_ten'],
                'image_path' => storage_path('app/public/' . $imagePath)
            ]);

            if (!$biometricResponse['success']) {
                throw new \Exception("Lỗi đồng bộ Biometrics: " . $biometricResponse['message']);
            }

            // 3. Lưu thông tin vào CSDL KSSV
            $resident = NguoiThue::create([
                'HoTen' => $validated['ho_ten'],
                'SoCCCD' => $validated['so_cccd'],
                'GioiTinh' => $validated['gioi_tin'],
                'MaPhong' => $validated['ma_phong'],
                'MaLoaiDT' => $validated['ma_loai_dt'],
                'BiometricPersonID' => $biometricResponse['person_id'],
                'NgayVao' => now(),
                'TrangThai' => 'DangO'
            ]);

            // Cập nhật số lượng người trong phòng
            $phong->increment('SoNguoiHienTai');
            if ($phong->SoNguoiHienTai >= $phong->SoNguoiToiDa) {
                $phong->update(['TrangThai' => 'DaDay']);
            }

            return response()->json(['message' => 'Đăng ký nội trú thành công!', 'data' => $resident], 201);
        });
    }
}

Cấu hình kết nối Camera IP Dahua qua giao thức RTSP trong hệ thống:

# Cấu hình RTSP Stream Camera Cổng KSSV
[CAMERA_DAHUA_GATE_01]
rtsp_url=rtsp://admin:SecurityPass2024@192.168.1.108:554/cam/realmonitor?channel=1&subtype=0
frame_rate=25
resolution=1920x1080
face_detection_mode=CONTINUOUS_STREAM
liveness_check=ENABLED
mask_detection=ENABLED
min_face_size_pixels=48

Thử nghiệm và đánh giá hiệu năng (Testing & Validation)

Hệ thống được thử nghiệm với bộ dữ liệu kiểm thử gồm 800 cư dân lưu trú tại KSSV HPU trong điều kiện thực tế (ánh sáng ban ngày, ánh sáng đèn sảnh ban đêm, có/không đeo khẩu trang, góc nghiêng khuôn mặt từ -30 đến +30 độ).

pie title Tỷ lệ Nhận diện theo Kịch bản Thử nghiệm
    "Chính xác (Không khẩu trang)" : 99.2
    "Chính xác (Đeo khẩu trang)" : 98.4
    "Nhận diện sai (False Accept)" : 0.05
    "Từ chối sai (False Reject)" : 2.35
  • Thời gian phản hồi nhận diện (Latency): Trung bình đạt 210ms/khuôn mặt (xử lý trực tiếp từ stream RTSP 1080p@25fps).
  • Độ chính xác không đeo khẩu trang: Đạt 99.2%.
  • Độ chính xác khi đeo khẩu trang: Đạt 98.4% nhờ thuật toán trích xuất đặc trưng vùng mắt và trán (Upper-face feature extraction).
  • False Acceptance Rate (FAR): < 0.05% (ngăn chặn hoàn toàn việc người lạ mạo danh cư dân).
  • False Rejection Rate (FRR): 2.35% (chủ yếu xảy ra trong điều kiện thiếu sáng nghiêm trọng dưới 15 Lux).
  • Tải hệ thống Server: Tiêu thụ trung bình 28% CPU (Intel Core i7-10700) và 3.2GB RAM khi xử lý đồng thời 4 luồng RTSP Full HD liên tục.

Kết quả đạt được

  1. Số hóa 100% quy trình tiếp nhận và quản lý: Loại bỏ hoàn toàn sổ ghi chép giấy; thời gian thực hiện thủ tục đăng ký mới, chuyển phòng hoặc trả phòng giảm từ 15 phút xuống dưới 2 phút.
  2. Kiểm soát an ninh tự động 24/7: Tự động ghi nhận trung bình hơn 2.400 lượt vào/ra mỗi ngày của 800 cư dân; hiển thị cảnh báo tức thời trên màn hình phòng bảo vệ khi phát hiện người lạ đi qua camera.
  3. Chỉ số hài lòng người dùng (CSAT): Đạt 4.8/5.0 điểm qua khảo sát đánh giá từ đội ngũ ban quản lý KSSV và nhân viên bảo vệ.

Đổi mới và đóng góp

Đổi mới về mặt kỹ thuật

  1. Kiến trúc tích hợp Camera IP không phụ thuộc phần cứng độc quyền: Thay vì phải đầu tư hàng trăm triệu đồng để thay thế toàn bộ hệ thống camera analog/IP truyền thống bằng camera AI chuyên dụng (như giải pháp của HANET hoặc Hikvision DeepinView), đề tài xây dựng cầu nối phần mềm (software-driven integration) lấy luồng RTSP từ Camera Dahua có sẵn chuyển đến AI Engine NCheck.
  2. Thuật toán nhận diện thích ứng trong điều kiện che khuất (Occlusion-Invariant Recognition): Sử dụng mạng nơ-ron tích chập chuyên sâu kết hợp tính toán khoảng cách Cosine (Cosine Similarity Distance) trên vector đặc trưng sinh trắc học, cho phép nhận diện chính xác cư dân ngay cả khi đeo khẩu trang y tế hoặc đội mũ bảo hiểm hở mặt.
  3. Cơ chế phân phòng thông minh có ràng buộc dữ liệu logic: Tích hợp các ràng buộc nghiệp vụ tự động ngay trong tầng Transaction của CSDL: kiểm soát nghiêm ngặt giới tính theo phòng, giới hạn tối đa 4 người/phòng, tự động cập nhật trạng thái phòng ConTrong hoặc DaDay.
graph LR
    A[Hạ tầng KSSV cũ] -->|Tiết kiệm 75% chi phí| B[Tận dụng Cam Dahua]
    B -->|RTSP Protocol| C[NCheck AI Server Engine]
    C -->|Vector Similarity| D[Nhận diện khẩu trang 98.4%]
    D -->|Webhooks| E[Quản lý Phân phòng Tự động]

So sánh với các giải pháp trên thị trường

Chỉ số kỹ thuật / Kinh tế Giải pháp HANET AI Giải pháp CCTV truyền thống Giải pháp Đề tài HPU
Khả năng tận dụng cam cũ Không (Khóa thiết bị) Có (Chỉ lưu video) Có (100% tương thích RTSP)
Chi phí triển khai ban đầu Rất cao (~60–80 triệu) Thấp (~10–15 triệu) Rất thấp (~15–20 triệu)
Nhận diện khuôn mặt thời gian thực Có Không Có (< 300ms)
Cảnh báo tức thì người lạ Có (App di động) Không Có (Web Dashboard & Âm thanh)
Tích hợp quản lý nghiệp vụ phòng ở Hạn chế (Chỉ chấm công) Không Chuyên sâu cho mô hình KSSV

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  1. Khung giờ cao điểm vào ca/tan học (11:30 - 12:30 & 17:30 - 18:30): Sinh viên và công nhân di chuyển liên tục qua sảnh chính KSSV. Camera IP Dahua bắt trích xuất khuôn mặt cùng lúc của 3–5 người trong một khung hình (Multi-face detection), hệ thống tự động xác thực và log vào CSDL mà người dùng không cần phải dừng lại quét thẻ.
  2. Phát hiện đối tượng xâm nhập lạ ban đêm (23:00 - 05:00): Bất kỳ người nào đi qua vùng quét của camera tại Dãy A, B, C mà không có vector sinh trắc học trong hệ thống sẽ kích hoạt trạng thái NguoiLa, hiển thị viền đỏ cảnh báo trên màn hình trực của bảo vệ kèm snapshot hình ảnh.
  3. Quy trình điều chuyển phòng: Khi sinh viên chuyển từ phòng B201 sang B305, ban quản lý chỉ cần thực hiện 1 thao tác trên Web Admin; quyền hạn ra vào tại các khu vực tương ứng lập tức được cập nhật đồng bộ mà không cần lấy lại mẫu khuôn mặt.

Yêu cầu cấu hình hệ thống triển khai

  • Server máy chủ xử lý AI & Web:
    • Hệ điều hành: Linux (Ubuntu 20.04/22.04 LTS 64-bit) hoặc Windows Server 2019/2022.
    • CPU: Intel Core i5 thế hệ 10 hoặc AMD Ryzen 5 tương đương trở lên.
    • RAM: Tối thiểu 8GB (Khuyến nghị 16GB nếu mở rộng trên 8 luồng camera Full HD).
    • Ổ cứng: Tối thiểu 256GB SSD (khuyến nghị SSD NVMe để tăng tốc độ I/O log hình ảnh).
    • Môi trường: Java Runtime Environment (JRE) 11+, PHP 8.1+, MySQL 8.0+.
  • Hạ tầng mạng & Camera:
    • Mạng LAN nội bộ băng thông Gigabit (1000 Mbps) đảm bảo độ trễ truyền luồng RTSP < 50ms.
    • Camera IP hỗ trợ chuẩn Onvif / RTSP (Độ phân giải tối thiểu 1080p, tốc độ khung hình 25fps).

Hạn chế và hướng phát triển

Hạn chế hiện tại

  • Phụ thuộc vào điều kiện ánh sáng môi trường: Khi cường độ ánh sáng tại sảnh xuống dưới 15 Lux (khu vực thiếu đèn bổ trợ vào ban đêm), tỷ lệ từ chối sai (FRR) tăng lên mức 4.1%.
  • Yêu cầu băng thông mạng LAN ổn định: Khi mạng nội bộ bị nghẽn (packet loss > 5%), luồng RTSP có hiện tượng giật khung hình (frame dropping), làm tăng độ trễ nhận diện lên 600–800ms.
  • Chưa tích hợp kiểm soát phần cứng ngoại vi: Chưa kết nối trực tiếp với rơ-le điều khiển cổng xoay barrier tự động hoặc khóa điện từ (magnetic lock).

Hướng phát triển trong tương lai

  1. Tích hợp mô hình Học sâu nâng cao (Edge AI): Đưa các thuật toán nén mô hình như TensorRT / ONNX Runtime trực tiếp lên thiết bị biên (Edge Device như Jetson Nano/Orin), giảm tải xử lý cho máy chủ trung tâm.
  2. Phát triển ứng dụng di động cho cư dân: Bổ sung ứng dụng React Native / Flutter cho phép sinh viên tự đăng ký phòng, theo dõi lịch sử vào ra cá nhân và nhận thông báo từ Ban quản lý.
  3. Mở rộng nhận diện biển số xe (LPR): Tích hợp module camera nhận diện biển số phương tiện tại cổng nhà xe KSSV, tạo nên hệ sinh thái quản lý an ninh KSSV toàn diện.

Đối tượng hưởng lợi

  • Sinh viên và Cư dân lưu trú: Trải nghiệm quy trình ra vào tiện lợi, không lo quên hoặc mất thẻ vật lý, đảm bảo môi trường sống an toàn và minh bạch.
  • Ban quản lý KSSV & Đội ngũ bảo vệ: Giảm hơn 70% khối lượng công việc ghi chép thủ công, kiểm soát chính xác 100% quân số lưu trú thực tế tại từng phòng, nhanh chóng phát hiện các trường hợp vi phạm nội quy.
  • Nhà trường & Doanh nghiệp đối tác: Nâng cao năng lực quản trị cơ sở vật chất bằng công nghệ số; tiết kiệm hàng trăm triệu đồng ngân sách bảo trì và mua sắm thiết bị chuyên dụng.
  • Cộng đồng lập trình viên & Sinh viên nghiên cứu: Tài liệu tham khảo thực chiến về quy trình tích hợp luồng Camera RTSP với hệ thống AI sinh trắc học và kiến trúc CSDL quản lý cơ sở lưu trú.

Câu hỏi thường gặp

1. Hệ thống có yêu cầu phải thay thế toàn bộ dàn camera IP cũ bằng camera AI chuyên dụng không?

Hoàn toàn không. Điểm mạnh cốt lõi của giải pháp là khả năng kết nối trực tiếp với bất kỳ Camera IP chuẩn nào (như Dahua, Hikvision, Kbvision,...) thông qua giao thức truyền dẫn RTSP tiêu chuẩn. Mọi tác vụ phân tích AI đều được xử lý tập trung tại Server.

2. Khi mất kết nối mạng Internet, hệ thống nhận diện tại chỗ có hoạt động bình thường không?

Có. Toàn bộ hệ thống Web Server, NCheck Engine và Camera IP hoạt động trên nền tảng mạng cục bộ (Local Area Network - LAN). Việc nhận diện, xác thực và ghi nhận log vào ra vẫn diễn ra liên tục độc lập với đường truyền Internet bên ngoài.

3. Hệ thống có khả năng nhận diện chính xác khi sinh viên đeo khẩu trang hoặc thay đổi kiểu tóc không?

Có. Thuật toán trích xuất đặc trưng của NCheck tập trung vào 68 điểm mốc sinh trắc học quanh vùng mắt, cung mày và sống mũi – những khu vực không bị che khuất bởi khẩu trang y tế thông thường, duy trì độ chính xác nhận diện đạt 98.4%.

4. Giải pháp xử lý bài toán chống giả mạo bằng hình ảnh hoặc video trên điện thoại (Anti-Spoofing) như thế nào?

Hệ thống kích hoạt tính năng Liveness Detection (Nhận diện thực thể sống). Thuật toán phân tích vi chuyển động biểu cảm, độ sâu trường ảnh và phản xạ ánh sáng trên bề mặt da để phân biệt giữa người thật đang đứng trước camera và ảnh chụp/video phát lại qua màn hình.

5. Dữ liệu hình ảnh và thông tin cá nhân của cư dân được bảo mật như thế nào?

Ảnh chân dung khi thu thập được mã hóa và chuyển đổi thành dạng chuỗi vector đặc trưng sinh trắc học một chiều (Biometric Embedding Hash). Hệ thống không lưu trữ ảnh thô dưới dạng công khai; mọi truy cập cơ sở dữ liệu đều được phân quyền theo vai trò (RBAC) và ghi vết log truy cập chi tiết.

Kết luận

Đề tài "Nghiên cứu, xây dựng phần mềm quản lý KSSV và ứng dụng Camera AI (Phân hệ đăng ký và kiểm soát vào ra)" của sinh viên Nguyễn Quốc Thư đã giải quyết trọn vẹn bài toán thực tế tại Trường Đại học Quản lý và Công nghệ Hải Phòng. Bằng việc kết hợp hài hòa giữa hệ thống quản trị Web chuẩn mực và công nghệ nhận diện khuôn mặt thời gian thực qua Camera IP Dahua sẵn có, công trình đã chứng minh tính khả thi cao, tiết kiệm chi phí đầu tư và tối ưu hóa năng suất vận hành.

Mô hình không chỉ dừng lại ở phạm vi một đồ án tốt nghiệp đại học mà hoàn toàn có khả năng đóng gói thành sản phẩm thương mại hóa để áp dụng rộng rãi cho các ký túc xá đại học, tòa nhà văn phòng, khu công nghiệp và chung cư mini trên toàn quốc.