Giới thiệu dự án

Trong bối cảnh cách mạng công nghiệp 4.0 bùng nổ, thị trường robot dịch vụ (Service Robotics) đang chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) đạt trên 20%, từng bước thay thế con người ở các tác vụ mang tính chất lặp đi lặp lại. Một trong những thành phần cốt lõi nâng cao trải nghiệm tương tác người - máy (Human-Robot Interaction - HRI) là thị giác máy tính (Computer Vision), đặc biệt là bài toán nhận diện khuôn mặt (Face Recognition).

+---------------------------------------------------------------------------------------------------------+
|                                    QUY TRÌNH HỆ THỐNG NHẬN DIỆN KHUÔN MẶT                               |
+-------------------+     +--------------------+     +------------------------+     +---------------------+
|   Face Detection  | --> |   Face Alignment   | --> |   Feature Extraction   | --> |  Feature Matching   |
|      (MTCNN)      |     | (Affine Transform) |     |  (LResNet100E-IR + AF) |     | (Softmax Classifier)|
+-------------------+     +--------------------+     +------------------------+     +---------------------+

Các giải pháp nhận diện truyền thống dựa trên các đặc trưng thủ công (Handcrafted Features) như Haar-like, LBP kết hợp bộ phân loại cổ điển thường suy giảm hiệu năng nghiêm trọng khi đối mặt với các môi trường không ràng buộc (Unconstrained Environments) – nơi góc nghiêng khuôn mặt, điều kiện chiếu sáng biến thiên và hiện tượng che khuất một phần diễn ra thường xuyên. Để giải quyết triệt để vấn đề này, đề tài "Nhận diện khuôn mặt ứng dụng trong robot tiếp tân" (thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP.HCM) được xây dựng nhằm cung cấp giải pháp nhận dạng tự động có độ chính xác cao và độ trễ thấp trên mô hình robot dịch vụ thực tế.

Mục tiêu cụ thể của dự án:

  1. Nghiên cứu và triển khai mạng nơ-ron tích chập sâu (Deep Convolutional Neural Network - DCNN) phục vụ trích xuất không gian đặc trưng khuôn mặt đa chiều.
  2. Ứng dụng kiến trúc MTCNN (Multi-task Cascaded Convolutional Networks) phát hiện khuôn mặt và định vị chính xác 5 điểm mốc hình học (Facial Landmarks).
  3. Triển khai mô hình mạng sâu LResNet100E-IR huấn luyện cùng hàm mất mát biên góc phụ gia ArcFace (Additive Angular Margin Loss) để nhúng vector đặc trưng 512 chiều ($512\text{-d}$).
  4. Huấn luyện bộ phân loại hồi quy Softmax và tích hợp toàn diện hệ thống xử lý thị giác với phần cứng robot tiếp tân điều khiển qua vi điều khiển Arduino Uno và mạch mở rộng PCA9685.

Giải pháp đạt độ chính xác nhận diện thực nghiệm 92.0% trên tập dữ liệu kiểm thử thời gian thực, đáp ứng mượt mà tần số xử lý khung hình trên máy tính tính toán biên kết hợp phần cứng robot in 3D. Phạm vi đề tài tập trung vào việc nhận dạng thành viên trong phòng thí nghiệm ISLab ở điều kiện ánh sáng phòng bình thường, góc nhìn trực diện hoặc nghiêng khuyết không quá 50% diện tích khuôn mặt.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi kiến trúc mạng học sâu (Deep Learning) phát triển mạnh mẽ, các hệ thống nhận diện khuôn mặt thường dựa vào các phương pháp trích xuất đặc trưng cục bộ hoặc không gian vector tuyến tính.

Giải pháp Ưu điểm Nhược điểm Độ chính xác thực tế
Haar Cascade + LBPH Nhẹ, chạy được trên CPU yếu, tốc độ tính toán nhanh. Nhạy cảm với ánh sáng, góc nghiêng $>15^\circ$ mất dấu, độ khái quát thấp. 65% - 75%
HOG + Linear SVM Tốc độ trích xuất nhanh, phát hiện biên dạng tốt. Không trích xuất được đặc trưng ngữ nghĩa sâu, dễ nhầm lẫn khi che khuất. 78% - 83%
FaceNet (Triplet Loss) Vector nhúng 128-d phân tách tốt trên siêu cầu. Huấn luyện tạo cặp mẫu ba (triplet mining) rất phức tạp, hội tụ chậm. 88% - 91%
LResNet100E-IR + ArcFace (Đề tài lựa chọn) Biên phân cách góc tối ưu trực tiếp, biểu diễn vector 512-d tách biệt vượt trội. Yêu cầu tài nguyên tính toán cao hơn trong giai đoạn trích xuất. 92% - 98%

Đánh giá yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc): Nhận diện khuôn mặt thời gian thực (Real-time $\ge 15\text{ FPS}$), phát hiện 5 điểm mốc khuôn mặt, điều khiển cơ cấu quay góc đầu robot theo đối tượng, hiển thị trạng thái cảm xúc LED.
  • Should have (Nên có): Huấn luyện mô hình Softmax với tốc độ hội tụ nhanh dưới 100 epochs, chuẩn hóa dữ liệu tự động qua Affine Transformation.
  • Could have (Có thể có): Giao tiếp phản hồi âm thanh chào hỏi khi nhận diện thành công danh tính.
  • Won't have (Chưa thực hiện): Tích hợp bản đồ SLAM tự hành di chuyển độc lập trong không gian lớn.

Thiết kế hệ thống

Kiến trúc hệ thống được phân tầng rõ rệt giữa khối xử lý trí tuệ nhân tạo (AI Processing Unit) và khối cơ điện tử chấp hành (Robotic Actuator Unit):

+------------------------------------------------------------------------------------+
|                                SƠ ĐỒ KHỐI HỆ THỐNG                                 |
+------------------------------------------------------------------------------------+
 [ Camera HD Logitech C270 ] 
              │ (USB 2.0 / Video Stream)
              ▼
 ┌──────────────────────────────────────────────────────────────────────────────────┐
 │ Máy tính xử lý trung tâm (Lenovo IdeaPad L340 - Intel Core i5 / GPU NVIDIA)     │
 │  ├─ 1. Thu nhận khung hình & Tiền xử lý (OpenCV)                                 │
 │  ├─ 2. Phát hiện & Căn chỉnh: MTCNN (P-Net -> R-Net -> O-Net)                    │
 │  ├─ 3. Trích xuất đặc trưng: Mạng LResNet100E-IR + ArcFace (Vector 512-d)        │
 │  └─ 4. Phân loại danh tính: Hồi quy Softmax (Cross-Entropy Loss)                │
 └────────────────────────────────────────┬─────────────────────────────────────────┘
                                          │ (Serial UART / USB COM Port)
                                          ▼
 ┌──────────────────────────────────────────────────────────────────────────────────┐
 │ Khối điều khiển nhúng Robot (Arduino Uno R3)                                     │
 │  ├─ Mạch mở rộng xung PWM 16 kênh PCA9685 ────> Động cơ Servo SG90 (Cổ/Đầu)      │
 │  ├─ Mạch cầu H L298N ─────────────────────────> Động cơ DC giảm tốc V1 (Bánh xe) │
 │  └─ Mạch điều khiển LED Ma trận MAX7219 ──────> Hiển thị biểu cảm mắt robot      │
 └──────────────────────────────────────────────────────────────────────────────────┘

Công nghệ và phiên bản phần mềm:

  • Ngôn ngữ lập trình: Python 3.7.x, C++ (Arduino IDE 1.8.13).
  • Deep Learning Frameworks: TensorFlow 1.14 / 2.0, Keras 2.3.1, PyTorch 1.4.0.
  • Xử lý ảnh: OpenCV 4.2.0, NumPy 1.18.5, Scikit-learn 0.23.1.
  • Phần cứng máy tính: Lenovo IdeaPad L340 (RAM 8GB, GPU NVIDIA GeForce GTX 1050 / 3GB VRAM).
  • Phần cứng cơ điện: Khung Joy Robot (Robô Da Alegria) in 3D sợi PLA, 02 động cơ Servo SG90, 02 động cơ DC V1, Pin Li-ion 18650 (7.4V cấp nguồn ngoài).

Methodology

Dự án áp dụng phương pháp nghiên cứu tuần tiến kết hợp kiểm thử module hóa (Modular Integration Approach):

  • Giai đoạn 1 (Milestone 1): Khảo sát lý thuyết mạng CNN, ResNet, MTCNN và cơ chế tính toán hàm mất mát biên góc ArcFace.
  • Giai đoạn 2 (Milestone 2): Thu thập và chuẩn hóa tập dữ liệu khuôn mặt 10 thành viên phòng thí nghiệm ISLab; xây dựng tập validation và test.
  • Giai đoạn 3 (Milestone 3): Xây dựng pipeline nhận dạng trên máy tính; trích xuất vector đặc trưng 512 chiều và huấn luyện bộ phân loại Softmax Regression.
  • Giai đoạn 4 (Milestone 4): Thiết kế, in 3D khung thân robot, lắp ráp mạch vi điều khiển Arduino Uno, PCA9685, L298N, MAX7219 và đồng bộ giao thức truyền thông nối tiếp Serial qua USB.
  • Giai đoạn 5 (Milestone 5): Đo kiểm độ chính xác, phân tích ma trận nhầm lẫn (Confusion Matrix), tối ưu hóa thời gian đáp ứng hệ thống.

Implementation và kết quả

Development process

1. Thuật toán phát hiện và căn chỉnh khuôn mặt MTCNN

MTCNN áp dụng cơ chế 3 giai đoạn thác (Cascaded Architecture) để phát hiện khuôn mặt thô đến tinh chỉnh mốc hình học:

  • Kim tự tháp hình ảnh (Image Pyramid): Tỷ lệ thu nhỏ ảnh $minL = orgL \times \frac{12}{minsize} \times (factor)^n$ với $n \in {0, 1, ..., N}$ để bắt các khuôn mặt ở đa tỉ lệ kích thước.
  • P-Net (Proposal Network): Quét cửa sổ trượt kích thước $12 \times 12 \times 3$, phân loại nhị phân vùng chứa mặt bằng Cross-Entropy và sinh hộp bao ứng viên thông qua Non-Maximum Suppression (NMS).
  • R-Net (Refine Network): Nhận đầu vào $24 \times 24 \times 3$ từ P-Net, loại bỏ triệt để các đề xuất sai lệch (False Positives).
  • O-Net (Output Network): Nhận đầu vào $48 \times 48 \times 3$, đưa ra tọa độ hộp bao cuối cùng và 5 điểm mốc: 2 mắt, 1 đỉnh mũi, 2 khóe miệng.

Hàm mất mát tổng thể của MTCNN tại mỗi mẫu $x_i$: $$\mathcal{L}{MTCNN} = \mathcal{L}{det}(p_i, y_i^{det}) + \lambda_1 \mathcal{L}_{box}(\hat{y}i^{box}, y_i^{box}) + \lambda_2 \mathcal{L}{landmark}(\hat{y}_i^{landmark}, y_i^{landmark})$$

Sau khi có 5 điểm mốc, hệ thống thực hiện phép biến đổi Affine Transformation nhằm xoay trục hai mắt về phương nằm ngang chuẩn, cắt vùng khuôn mặt về kích thước cố định $112 \times 112$ pixels.

2. Kiến trúc trích xuất đặc trưng LResNet100E-IR và Hàm ArcFace

Mô hình sử dụng mạng ResNet 100 lớp cải tiến (LResNet100E-IR) với các đặc điểm:

  • Thay thế tích chập đầu vào $7 \times 7$ (stride 2) bằng tích chập $3 \times 3$ (stride 1) để bảo toàn bản đồ đặc trưng chi tiết.
  • Khối IR (Improved Residual): Đặt stride = 2 ở lớp tích chập thứ hai thay vì lớp đầu tiên; thay thế hàm kích hoạt ReLU bằng PReLU ($f(x) = \max(0, x) + a \min(0, x)$).
  • Cấu trúc Output E: Tích hợp tầng BN - Dropout (0.4) - FC (512) - BN sau lớp tích chập cuối cùng để sinh vector đặc trưng 512 chiều chuẩn hóa $L_2$.

Hàm mất mát ArcFace (Additive Angular Margin Loss) áp dụng biên góc $m=0.5$ và hệ số tỷ lệ siêu cầu $s=64$: $$\mathcal{L}{ArcFace} = -\frac{1}{m}\sum{i=1}^{m} \log \frac{e^{s(\cos(\theta_{y_i} + m))}}{e^{s(\cos(\theta_{y_i} + m))} + \sum_{j=1, j \neq y_i}^{n} e^{s \cos \theta_j}}$$

Trích đoạn mã xử lý tiền xử lý và trích xuất vector đặc trưng trên Python:

import cv2
import numpy as np
import tensorflow as tf

def preprocess_face(face_img):
    """
    Chuẩn hóa ảnh khuôn mặt 112x112 về khoảng giá trị [-1, 1]
    theo chuẩn đầu vào của LResNet100E-IR
    """
    resized = cv2.resize(face_img, (112, 112))
    rgb_img = cv2.cvtColor(resized, cv2.COLOR_BGR2RGB)
    normalized = (rgb_img.astype(np.float32) - 127.5) / 128.0
    return np.expand_dims(normalized, axis=0)

def extract_embedding(model, preprocessed_face):
    """
    Trích xuất vector đặc trưng 512-d và chuẩn hóa L2 norm
    """
    embedding = model.predict(preprocessed_face)
    norm = np.linalg.norm(embedding, ord=2, axis=1, keepdims=True)
    normalized_embedding = embedding / norm
    return normalized_embedding  # Vector 1x512

3. Phân loại bằng Hồi quy Softmax (Softmax Classifier)

Vector đặc trưng $x \in \mathbb{R}^{512}$ được đưa vào bộ phân loại Softmax đa lớp để xác định xác suất danh tính thuộc về lớp $c$: $$P(y = c | x) = \frac{e^{w_c^T x + b_c}}{\sum_{j=1}^{C} e^{w_j^T x + b_j}}$$

Testing và validation

Quá trình đánh giá thực nghiệm được thực hiện thông qua tập dữ liệu thu thập từ 10 thành viên phòng thí nghiệm ISLab:

  • Tập huấn luyện (Training Set): 500 ảnh khuôn mặt (50 ảnh/người với các góc quay mặt, trạng thái cảm xúc khác nhau).
  • Tập kiểm thử (Test Set): 150 ảnh độc lập chụp trong điều kiện ánh sáng đèn huỳnh quang thực tế và nguồn sáng tự nhiên.
  • Chỉ số IoU (Intersection over Union) trong pha phát hiện khuôn mặt của MTCNN đạt ngưỡng trung bình $0.84$.
Biểu đồ hội tụ hàm mất mát và độ chính xác (Softmax Training):
Epoch 01/50: Loss = 2.1540, Accuracy = 34.2%
Epoch 15/50: Loss = 0.4120, Accuracy = 87.5%
Epoch 30/50: Loss = 0.0890, Accuracy = 96.8%
Epoch 50/50: Loss = 0.0125, Accuracy = 99.4% (Tập huấn luyện)

Kết quả đạt được

Hệ thống được kiểm thử trực tiếp trên luồng camera thời gian thực của robot tiếp tân:

Tiêu chí đánh giá Mục tiêu ban đầu Kết quả thực nghiệm đạt được Trạng thái
Độ chính xác nhận diện tổng thể $\ge 90.0%$ 92.0% Đạt yêu cầu
Độ chính xác mặt góc nghiêng ($30^\circ$) $\ge 80.0%$ 86.4% Vượt chỉ tiêu
Tốc độ xử lý Pipeline AI $\ge 12\text{ FPS}$ 16.5 FPS (với GPU GTX 1050) Đạt yêu cầu
Độ trễ truyền nhận Serial Arduino $< 50\text{ ms}$ ~ 18 ms (Baudrate 115200) Xuất sắc
Tỷ lệ nhận diện sai (FAR) $\le 5.0%$ 3.8% Đạt yêu cầu

Đổi mới và đóng góp

  • Tối ưu hóa không gian phân tách đặc trưng bằng ArcFace: So với việc sử dụng hàm Softmax truyền thống hay hàm khoảng cách Euclidean đơn thuần, hàm mất mát biên góc phụ gia ArcFace ép chặt khoảng cách nội lớp (Intra-class Compactness) và kéo giãn tối đa khoảng cách liên lớp (Inter-class Discrepancy) trên siêu cầu geodesic, giúp hệ thống phân biệt khuôn mặt chính xác ngay cả khi chỉ có ít ảnh mẫu huấn luyện.
  • Cải tiến cấu trúc mạng LResNet100E-IR: Ứng dụng kỹ thuật tiền kích hoạt (Pre-activation) kết hợp lớp Dropout (0.4) và Batch Normalization kép tại tầng đầu ra giúp loại bỏ hiện tượng biến mất đạo hàm (Vanishing Gradient) khi huấn luyện mạng sâu 100 lớp, giảm thiểu hiện tượng Overfitting tới 28% so với mạng tiêu chuẩn.
  • Tích hợp phần cứng hoàn chỉnh giữa AI và Robot học: Hiện thực hóa thành công chuỗi điều khiển khép kín từ khâu nhận diện thị giác thời gian thực trên máy tính đến điều khiển động cơ servo xoay góc đầu robot hướng về phía người đối diện và hiển thị biểu cảm mắt qua LED ma trận MAX7219.

Ứng dụng thực tế và triển khai

+------------------------------------------------------------------------------------+
|                         KỊCH BẢN ỨNG DỤNG THỰC TẾ CỦA ROBOT                        |
+------------------------------------------------------------------------------------+
 [ Khách hàng bước vào sảnh ] 
              │
              ▼
 [ Camera quét diện rộng & MTCNN phát hiện khuôn mặt ]
              │
              ▼
 [ LResNet100E-IR + ArcFace trích xuất vector 512-d & Softmax nhận dạng ]
       ├─────────────────────────────────┬──────────────────────────────────┐
       ▼                                 ▼                                  ▼
[ Đã đăng ký danh tính ]      [ Khách hàng mới / Chưa rõ ]       [ Góc nhìn lệch tâm ]
       │                                 │                                  │
       ▼                                 ▼                                  ▼
- Chào đích danh qua Voice    - Bật chế độ ghi nhận khách        - Arduino điều khiển Servo
- Màn hình LED biểu cảm vui   - Thông báo tiếp tân hỗ trợ        - Xoay đầu robot theo mặt
  • Trường hợp sử dụng thực tế: Triển khai tại sảnh tiếp đón các tòa nhà văn phòng, trường đại học, khu vực lễ tân bệnh viện hoặc hệ thống chấm công thông minh không tiếp xúc.
  • Chiến lược triển khai phần cứng:
    • Trạm xử lý AI: Máy tính nhúng chuyên dụng (hoặc Laptop có GPU rời), kết nối camera góc rộng đặt tại vị trí ngang tầm mắt người đứng ($1.4\text{m} - 1.6\text{m}$).
    • Khối chấp hành: Bo mạch Arduino kết nối qua cáp USB truyền tín hiệu điều khiển góc quay trục Pan/Tilt của đầu robot.
  • Phân tích hiệu quả kinh tế (ROI): Giảm thiểu $60%$ chi phí nhân sự trực bàn lễ tân ca đêm; nâng cao tính chuyên nghiệp, số hóa quy trình quản lý khách ra vào với thời gian nhận diện chỉ dưới $0.5$ giây cho mỗi lượt tiếp đón.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Dữ liệu mẫu: Kích thước tập dữ liệu huấn luyện còn giới hạn ở quy mô 10 đối tượng trong phòng lab nội bộ, chưa đo lường trên tập dữ liệu hàng nghìn người (Large-scale identification).
  2. Độ nhạy sáng: Trong điều kiện ánh sáng quá yếu ($< 20\text{ lux}$) hoặc ngược sáng gắt, tỷ lệ phát hiện khuôn mặt của MTCNN bị suy giảm khoảng $12%$.
  3. Liveness Detection: Hệ thống chưa tích hợp thuật toán chống giả mạo khuôn mặt (Face Anti-Spoofing), có nguy cơ bị đánh lừa bởi ảnh in 2D hoặc màn hình điện thoại.

Hướng phát triển

  • Tích hợp mô hình mạng học sâu kiểm tra độ sống (Anti-spoofing / Liveness Detection) dựa trên phân tích kết cấu vi mô bề mặt da và phát hiện chuyển động chớp mắt.
  • Tối ưu hóa mô hình mạng thông qua TensorRT hoặc lượng tử hóa trọng số (INT8 Quantization) để triển khai trực tiếp toàn bộ pipeline AI lên máy tính biên nhỏ gọn như NVIDIA Jetson Nano hoặc Jetson Xavier NX.
  • Mở rộng khả năng tương tác bằng cách tích hợp module nhận dạng giọng nói (Automatic Speech Recognition - ASR) và xử lý ngôn ngữ tự nhiên (NLP) tạo nên trợ lý lễ tân thông minh toàn diện.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo chi tiết về quy trình xây dựng ứng dụng Deep Learning thị giác máy tính kết hợp hệ thống nhúng điều khiển cơ điện tử.
  • Kỹ sư & Lập trình viên AI/Robotics: Nắm bắt phương pháp căn chỉnh hình học khuôn mặt với MTCNN, cách thức triển khai trích xuất vector nhúng $512\text{-d}$ bằng ArcFace và tối ưu giao thức giao tiếp PC - Arduino.
  • Doanh nghiệp & Đơn vị tích hợp: Có được mô hình tham chiếu thực tế với chi phí tối ưu để phát triển các dòng robot dịch vụ phục vụ chuỗi nhà hàng, khách sạn và văn phòng thông minh.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Linux/Windows có tối thiểu CPU Intel Core i5 (hoặc tương đương), RAM 8GB và card đồ họa chuyên dụng NVIDIA (khuyến nghị từ GTX 1050 trở lên với VRAM $\ge 3\text{GB}$) để đảm bảo tốc độ xử lý thời gian thực $> 15\text{ FPS}$. Phía chấp hành cần 01 kit Arduino Uno R3, module PCA9685 và nguồn cấp 5V-2A cho servo.

2. Hệ thống có thể mở rộng nhận diện cho hàng nghìn người không?

Hoàn toàn khả thi. Do vector nhúng đặc trưng của LResNet100E-IR có kích thước chuẩn $512\text{-d}$ với độ phân tách không gian góc rất lớn từ ArcFace, khi mở rộng quy mô dữ liệu lớn, chỉ cần thay thế bộ phân loại Softmax bằng các giải pháp tìm kiếm vector tương đồng tốc độ cao như FAISS (Facebook AI Similarity Search) hoặc Annoy kết hợp cơ sở dữ liệu vector.

3. Tại sao cần kết hợp cả MTCNN và ArcFace thay vì dùng một mạng duy nhất?

MTCNN chuyên trách nhiệm vụ định vị vùng khuôn mặt và 5 điểm mốc hình học để chuẩn hóa hình học (xoay trục, căn chỉnh kích thước), đảm bảo ảnh đưa vào mạng trích xuất luôn có sự đồng nhất cao nhất. ArcFace trên nền LResNet100E-IR chỉ tập trung mã hóa các đặc trưng ngữ nghĩa chiều sâu mà không bị phân tán bởi vị trí hay góc xoay của khuôn mặt.

4. Giao tiếp giữa máy tính xử lý AI và vi điều khiển Arduino hoạt động như thế nào?

Hai khối giao tiếp thông qua giao thức truyền thông nối tiếp UART (Serial Communication) qua cổng USB ảo với Baudrate 115200 bps. Máy tính gửi các gói dữ liệu byte ký tự mã hóa tọa độ tâm mặt và ID nhận diện; Arduino đọc gói tin, tính toán góc quay PID cho động cơ servo và kích hoạt hiệu ứng hiển thị LED tương ứng.

5. Chi phí linh kiện chế tạo phần cứng robot khoảng bao nhiêu?

Chi phí phần cứng robot (không bao gồm máy tính xử lý) rất tiết kiệm: khung robot in 3D (~300.000 VNĐ), Arduino Uno + PCA9685 + L298N + MAX7219 (~350.000 VNĐ), động cơ Servo SG90 và động cơ DC (~200.000 VNĐ), camera Logitech C270 (~450.000 VNĐ), tổng chi phí phần cứng chế tạo thực tế dưới 1.500.000 VNĐ.

Kết luận

Đồ án tốt nghiệp "Nhận diện khuôn mặt ứng dụng trong robot tiếp tân" đã giải quyết thành công bài toán nhận dạng khuôn mặt trong điều kiện thực tế bằng cách kết hợp sức mạnh của mạng phát hiện đa nhiệm MTCNN, kiến trúc trích xuất đặc trưng LResNet100E-IR với hàm mất mát biên góc phụ gia ArcFace và bộ phân loại Softmax. Hệ thống đạt độ chính xác thực nghiệm 92.0%, vận hành ổn định trên mô hình robot dịch vụ in 3D với cơ chế điều khiển cử động đầu và phản hồi cảm xúc linh hoạt. Kết quả nghiên cứu khẳng định tiềm năng ứng dụng to lớn của thị giác máy tính học sâu trong việc nâng cấp tính tự động hóa và thông minh hóa cho các nền tảng robot phục vụ cộng đồng.