Bối cảnh và vấn đề nghiên cứu

Trong công tác quản lý đào tạo tại các trường đại học, việc điểm danh sinh viên tham gia lớp học, kiểm soát thí sinh dự thi hoặc giám sát ra vào giảng đường thường được thực hiện bằng các biện pháp thủ công như giảng viên gọi tên, ký tên, người giám sát đối chiếu danh sách hoặc quẹt thẻ sinh viên. Tác giả chỉ ra rằng các phương pháp này bộc lộ nhiều điểm hạn chế:

  • Thiếu tính xác thực danh tính: Hình thức quẹt thẻ từ chỉ ghi nhận thông tin của thẻ mà không thể định danh chính xác người đang cầm thẻ, dẫn đến hiện tượng điểm danh hộ giữa các sinh viên.
  • Áp lực thời gian và sai sót thủ công: Với quy mô lớp học đông, việc người giám sát quan sát và đối chiếu khuôn mặt từng sinh viên với hồ sơ giấy tờ làm tiêu tốn nhiều thời gian trên lớp và khó đạt được độ chính xác cao.

Để giải quyết tình trạng này, đề tài đặt ra mục tiêu ứng dụng công nghệ sinh trắc học khuôn mặt nhằm tự động hóa quy trình điểm danh, nâng cao tính chính xác và tối ưu thời gian quản lý lớp học.

Các mục tiêu và nhiệm vụ nghiên cứu được văn bản xác định cụ thể như sau:

  1. Nghiên cứu cơ sở lý thuyết: Tìm hiểu nguyên lý hoạt động của mạng nơ-ron nhân tạo và các kiến trúc mạng nơ-ron tích chập (CNN) tiêu biểu ứng dụng trong thị giác máy tính.
  2. Khảo sát công nghệ thị giác máy tính: Khảo sát toàn diện các thuật toán và mô hình chuyên biệt cho từng khâu trong chuỗi nhận diện khuôn mặt (phát hiện, căn chỉnh, chống giả mạo, trích xuất đặc trưng và so khớp danh tính).
  3. Phát triển khả năng chống giả mạo (Face Anti-spoofing): Nghiên cứu các giải pháp kỹ thuật ngăn chặn các hình thức tấn công hệ thống bằng hình ảnh in sẵn (2D photo) hoặc video quay sẵn.
  4. Phân tích, thiết kế và xây dựng ứng dụng: Phân tích ca sử dụng (Use Case), thiết kế kiến trúc hệ thống Client - Server và hiện thực hóa phần mềm điểm danh phục vụ ba nhóm người dùng: Quản trị viên (Admin), Giảng viên và Sinh viên.

Về đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Quy trình điểm danh lớp học; các thuật toán học máy, học sâu xử lý ảnh khuôn mặt; bài toán định danh đóng (Close-set Face Identification).
  • Phạm vi nghiên cứu:
    • Không gian: Môi trường lớp học đại học với điều kiện ảnh chụp thực tế từ thiết bị của sinh viên và giảng viên.
    • Kỹ thuật: Hệ thống tập trung xử lý các thách thức bao gồm: vấn đề chống tấn công giả mạo; các góc chụp nghiêng hoặc che khuất; sự thay đổi diện mạo khuôn mặt theo thời gian và biểu cảm (vui, buồn, râu, tóc); sự biến đổi của điều kiện ánh sáng, nền ảnh và thiết bị thu nhận hình ảnh.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng nền tảng trên lý thuyết học sâu (Deep Learning) kết hợp với các kỹ thuật thị giác máy tính hiện đại, sử dụng phương pháp nghiên cứu phân tích - tổng hợp tài liệu chuyên khảo và thực nghiệm thiết kế hệ thống phần mềm.

1. Khung lý thuyết và mô hình mạng nơ-ron

  • Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN):
    • Cấu tạo từ các perceptron mô phỏng tế bào thần kinh sinh học, gồm các tín hiệu đầu vào $x_i$, trọng số liên kết $w_i$, hệ số chệch $b$ (bias) và hàm kích hoạt $\sigma$.
    • Tác giả hệ thống hóa các hàm kích hoạt phổ biến: Sigmoid, Tanh, ReLU và Softmax.
    • Quá trình huấn luyện mạng dựa trên cơ chế lan truyền tiến (Feedforward) để tính toán đầu ra qua các tầng (Input layer, Hidden layers, Output layer) và lan truyền ngược (Backpropagation) sử dụng thuật toán hạ dốc nhiệt độ (Gradient Descent) để cập nhật trọng số nhằm tối thiểu hóa hàm mất mát (Loss function).
  • Mạng nơ-ron tích chập (Convolutional Neural Network - CNN):
    • Khắc phục nhược điểm bùng nổ tham số và hiện tượng quá khớp (overfitting) của các tầng kết nối đầy đủ khi xử lý dữ liệu ảnh dạng tensor 3 chiều ($H \times W \times D$).
    • Lớp tích chập (Convolution layer): Sử dụng các bộ lọc (kernel/filter kích thước $k \times k$, với $k$ lẻ như 1, 3, 5, 7) trượt qua ảnh theo bước nhảy (Stride) và đệm biên (Padding) để trích xuất các bản đồ đặc trưng (feature maps).
    • Lớp lấy mẫu (Pooling layer): Làm giảm kích thước không gian và giảm tải tính toán; phân biệt giữa Max pooling (lấy giá trị cực đại, hỗ trợ khử nhiễu) và Average pooling (lấy giá trị trung bình).
    • Lớp kết nối đầy đủ (Fully Connected layer): Làm phẳng tensor thành vector để học các tổ hợp đặc trưng phi tuyến tính phục vụ phân loại.
  • Các kiến trúc CNN tiêu biểu:
    • VGG16: Gồm 16 tầng (13 tầng tích chập và 3 tầng kết nối đầy đủ), đồng nhất sử dụng bộ lọc nhỏ kích thước $3 \times 3$, chứa khoảng 138 triệu tham số, đạt độ chính xác 92,7% top-5 trên tập dữ liệu ImageNet.
    • ResNet: Sáng kiến của Kaiming He giải quyết hiện tượng tiêu biến đạo hàm (Vanishing Gradient) ở các mạng rất sâu thông qua các khối dư (Residual block) với nhánh nối tắt (skip connection) $F(x) + x$.
    • GoogleNet (Inception): Sử dụng khối Inception kết hợp song song các bộ lọc kích thước $1 \times 1$, $3 \times 3$, $5 \times 5$ và Max pooling; tích chập $1 \times 1$ giúp giảm số chiều kênh; kiến trúc Inception V1 có 22 tầng nhưng chỉ chứa 5 triệu tham số (ít hơn 27 lần so với VGG16); các biến thể sau bổ sung kỹ thuật thừa số hóa (Factorization) và các khối giảm chiều (Reduction blocks).

2. Phương pháp nghiên cứu và nguồn dữ liệu

Tác giả sử dụng phương pháp khảo sát, phân tích so sánh các công nghệ xử lý ảnh và thị giác máy tính đã công bố giai đoạn 2015–2020:

  • Nguồn dữ liệu tham khảo và đánh giá:
    • WIDER FACE: Bộ dữ liệu phát hiện khuôn mặt chuẩn được phân chia theo 3 cấp độ (Dễ, Trung bình, Khó) với biên độ biến đổi lớn về tỷ lệ, tư thế.
    • iBUG 300-W: Bộ dữ liệu huấn luyện bộ phát hiện 68 điểm mốc đặc trưng khuôn mặt (facial landmarks).
    • ImageNet: Tập dữ liệu gồm 14 triệu ảnh thuộc 1.000 lớp dùng để huấn luyện trước (pre-train) các mạng đường trục (backbone).
    • Dữ liệu nội bộ: Tập ảnh khuôn mặt sinh viên được thu thập, phân chia thành tập huấn luyện (train) và tập kiểm thử (test) để đánh giá mô hình thực tế.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo kiến trúc Client - Server nhằm đảm bảo tính phân tán, xử lý tính toán tập trung tại máy chủ và cung cấp giao diện tương tác thuận tiện trên thiết bị người dùng.

1. Chuỗi quy trình kỹ thuật nhận diện khuôn mặt

Quy trình xử lý một yêu cầu điểm danh qua ảnh được tác giả phân rã thành 5 mô-đun tuần tự:

Thứ tự Mô-đun kỹ thuật Chức năng cụ thể Thuật toán / Giải pháp được khảo sát
1 Phát hiện khuôn mặt (Face Detection) Định vị tọa độ hộp bao (bounding box) chứa khuôn mặt và xác suất tương ứng từ ảnh đầu vào. HOG-SVM, MTCNN (P-Net, R-Net, O-Net), Faster R-CNN, SSD (Single Shot MultiBox Detector), FPN, RetinaFace.
2 Căn chỉnh khuôn mặt (Face Alignment) Xác định các điểm mốc hình thái và chuẩn hóa hình học khuôn mặt về góc nhìn chuẩn. Bộ phát hiện 68 điểm facial landmark (Dlib / iBUG 300-W); Biến đổi hình học (Euclidean, Similarity, Affine, Projective Transformation).
3 Chống giả mạo (Face Anti-spoofing) Xác thực khuôn mặt chụp trực tiếp (Live face) hay giả mạo (ảnh in giấy, video phát lại, mặt nạ 3D). Phản xạ tự nhiên (nháy mắt); Thử thách - phản hồi; Phân loại LBP + SVM; Mạng CNN dùng Central Difference Convolution (CDC); FeatherNet (Streaming Module, Depthwise Conv); Cảm biến 3D/nhiệt.
4 Trích xuất đặc trưng (Feature Extraction) Chuyển đổi dữ liệu ảnh khuôn mặt đã căn chỉnh thành một vector nhúng đặc trưng (embedding vector). Mạng CNN tối ưu qua các hàm mất mát: Triplet Loss (Anchor, Positive, Negative với khoảng cách lề $\alpha$), ArcFace (Additive Angular Margin Loss).
5 So khớp khuôn mặt (Face Matching) Tính toán độ tương đồng giữa vector ảnh đầu vào với các vector mẫu lưu trong cơ sở dữ liệu. Bài toán Close-set Face Identification; Sử dụng các độ đo: Khoảng cách Euclidean ($L_2$), Độ tương đồng Cosine (Cosine Similarity), Khoảng cách Hamming.

2. Thiết kế chức năng và các tác nhân hệ thống

Hệ thống phân quyền cho 3 nhóm tác nhân (Actor) chính:

  • Quản trị viên (Admin):
    • Quản lý tài khoản giảng viên: thêm mới, chỉnh sửa thông tin, xóa tài khoản.
    • Quản lý tài khoản sinh viên: thêm mới, cập nhật thông tin cá nhân, xóa tài khoản, thêm và quản lý tập ảnh mẫu khuôn mặt của sinh viên vào cơ sở dữ liệu.
    • Quản lý lớp học: tạo lớp học, gán giảng viên phụ trách, thêm/bớt sinh viên vào danh sách lớp.
  • Giảng viên (Lecturer):
    • Quản lý phiên điểm danh: tạo phiên điểm danh mới theo buổi học và phát thông báo yêu cầu điểm danh tới sinh viên trong lớp.
    • Kiểm soát kết quả: trực tiếp theo dõi, chỉnh sửa kết quả điểm danh của sinh viên khi phiên điểm danh đang ở trạng thái mở (Open).
    • Báo cáo thống kê: tra cứu, tổng hợp và thống kê tỷ lệ chuyên cần của lớp học theo từng ngày học.
  • Sinh viên (Student):
    • Đăng nhập hệ thống, tiếp nhận thông báo phiên điểm danh của lớp học đang tham gia.
    • Chụp ảnh chân dung và gửi yêu cầu điểm danh trong thời gian phiên điểm danh đang mở.

3. Cài đặt và giao diện ứng dụng

Phần mềm được hiện thực hóa đầy đủ với các phân hệ:

  • Phía Server: Chịu trách nhiệm lưu trữ cơ sở dữ liệu người dùng, lớp học, lịch sử điểm danh; tích hợp các mô hình học máy xử lý ảnh (phát hiện khuôn mặt, kiểm tra giả mạo, trích xuất đặc trưng và so khớp vector).
  • Phía Client: Ứng dụng cung cấp hệ thống giao diện trực quan cho người dùng:
    • Giao diện Đăng nhập: Tiếp nhận mã người dùng và mật khẩu, phân luồng điều hướng theo vai trò.
    • Giao diện Danh sách lớp học: Giảng viên theo dõi các lớp phụ trách, sinh viên xem các lớp đang theo học.
    • Giao diện Điểm danh và Kết quả điểm danh: Thu nhận ảnh khuôn mặt thời gian thực và hiển thị trạng thái điểm danh thành công hay thất bại.
    • Các giao diện Quản trị của Admin: Đăng nhập quản trị, giao diện thêm/sửa/xóa tài khoản, giao diện bổ sung ảnh chân dung mẫu cho tài khoản sinh viên.

Nội dung chính theo từng chương

Chương 1: Tìm hiểu bài toán điểm danh sử dụng nhận diện khuôn mặt

Chương này trình bày tổng quan về bài toán điểm danh tự động bằng hình ảnh, chỉ ra các nguyên nhân dẫn đến sự bất cập của phương thức truyền thống và phân tích 4 khó khăn kỹ thuật cốt lõi:

  • Vấn đề giả mạo sinh trắc học qua ảnh 2D, video hoặc mô hình 3D.
  • Sự biến dạng do góc chụp, tư thế khuôn mặt quay lệch hoặc bị che khuất.
  • Sự thay đổi diện mạo sinh học theo thời gian (kiểu tóc, râu) và các trạng thái biểu cảm.
  • Sự sai khác về điều kiện môi trường (cường độ ánh sáng, nền ảnh phức tạp, độ phân giải thiết bị).

Phần tiếp theo của chương tập trung xây dựng nền tảng toán học về mạng nơ-ron nhân tạo: phân tích cấu trúc perceptron, các hàm kích hoạt (Sigmoid, Tanh, ReLU, Softmax), quá trình lan truyền tiến và thuật toán lan truyền ngược. Tiếp đó, tác giả luận giải chi tiết cơ chế hoạt động của mạng tích chập (CNN) trên dữ liệu tensor nhiều chiều, các thông số của bộ lọc (kích thước, Stride, Padding), cơ chế hoạt động của Max pooling và Average pooling. Cuối chương, ba kiến trúc mạng kinh điển được phân tích sâu: kiến trúc sâu 16 tầng của VGG16 (với 138 triệu tham số), cơ chế khối dư (Residual block) trong ResNet giải quyết hiện tượng tiêu biến đạo hàm, và khối Inception đa nhánh trong GoogleNet (Inception V1, V4) giúp giảm thiểu số lượng tham số xuống còn 5 triệu nhờ tích chập $1 \times 1$.

Chương 2: Khảo sát các công nghệ xử lý ảnh, học máy trong hệ thống nhận diện gương mặt

Chương 2 thực hiện khảo sát chuyên sâu 5 mô-đun chức năng tạo nên hệ thống nhận diện khuôn mặt hoàn chỉnh:

  • Bộ phát hiện khuôn mặt (Face Detector): Phân loại hai nhánh phương pháp chính:
    • Nhánh truyền thống: Dựa trên đặc trưng thủ công (hand-crafted features) như HOG, SIFT, LBP kết hợp bộ phân loại SVM (tiêu biểu là mô hình HOG-SVM trên thư viện Dlib), vốn kém ổn định trong điều kiện thực tế.
    • Nhánh học sâu: Phân tích cơ chế của MTCNN (chuỗi 3 mạng P-Net tạo Image Pyramid, R-Net tinh chỉnh và O-Net trích xuất điểm mốc); Faster R-CNN (thuật toán 2 giai đoạn dùng Region Proposal Network và anchor); SSD (Single Shot MultiBox Detector kết hợp mạng nền VGG16 và 6 tầng tích chập phụ trợ nhằm tăng tốc độ nhận diện thời gian thực); FPN (Feature Pyramid Network kết hợp luồng Bottom-Up và Top-Down với đường nối tắt để khắc phục tình trạng mất thông tin vật thể nhỏ); và mô hình RetinaFace (tích hợp mạng đường trục MobileNet hoặc ResNet50, trích xuất 5 điểm landmark và áp dụng hàm Focal Loss để tập trung tối ưu cho các mẫu khó phát hiện).
  • Bộ căn chỉnh khuôn mặt (Face Alignment): Khảo sát phương pháp định vị 68 điểm mốc đặc trưng (facial landmarks) trên khuôn mặt từ thư viện Dlib (huấn luyện trên tập iBUG 300-W) và các phép biến đổi hình học (Euclidean, Similarity, Affine, Projective Transformation) nhằm quy chuẩn góc nhìn khuôn mặt trước khi trích xuất vector.
  • Bộ chống giả mạo khuôn mặt (Face Anti-spoofing): Phân tích các hình thức tấn công (Print Attack, Video Replay, 3D mask). Đánh giá 3 nhóm giải pháp: phương pháp tương tác người dùng (nháy mắt, thử thách - phản hồi ngẫu nhiên); phương pháp phần cứng 3D (cảm biến chiều sâu, cảm biến thân nhiệt 37°C); và phương pháp học máy (trích xuất đặc trưng LBP + SVM; mạng tích chập CDC - Central Difference Convolution; mô hình FeatherNet ứng dụng khối Streaming Module kết hợp Depthwise Convolution để khắc phục hạn chế làm mất thông tin không gian của lớp Global Average Pooling).
  • Bộ trích xuất đặc trưng khuôn mặt (Face Feature Extraction): Trình bày kỹ thuật tạo vector nhúng (embedding) và so sánh các hàm tối ưu: Triplet Loss (sử dụng bộ ba Anchor, Positive, Negative với khoảng cách lề) và ArcFace (Additive Angular Margin Loss, bổ sung lề góc vào hàm Softmax giúp nén chặt khoảng cách nội lớp và nới rộng khoảng cách giữa các lớp).
  • Bộ nhận diện khuôn mặt (Face Matching): Định nghĩa bài toán định danh đóng (Close-set Face Identification); trình bày công thức và phạm vi ứng dụng của ba độ đo khoảng cách: Euclidean Distance ($L_2$), Cosine Similarity và khoảng cách Hamming.

Chương 3: Phân tích thiết kế hệ thống

Chương này chuyển hóa các kết quả nghiên cứu thành thiết kế phần mềm cụ thể:

  • Phân tích chi tiết yêu cầu chức năng của 3 tác nhân: Admin, Giảng viên và Sinh viên.
  • Xây dựng sơ đồ ca sử dụng tổng quan (Use Case Diagram) và bảng đặc tả kịch bản ca sử dụng chi tiết kèm sơ đồ tuần tự (Sequence Diagram) cho các nghiệp vụ: Đăng nhập; Thêm/Sửa/Xóa tài khoản giảng viên; Thêm/Sửa/Xóa tài khoản sinh viên; Thêm/Sửa/Xóa lớp học; Tạo phiên điểm danh; Điểm danh; Thống kê kết quả chuyên cần theo ngày.
  • Thiết kế mô hình lớp phân tích (Class Diagram) thể hiện mối quan hệ giữa các thực thể người dùng, lớp học, phiên điểm danh và kết quả nhận diện.
  • Thiết kế vật lý hệ thống theo mô hình tương tác Client - Server.
  • Xây dựng quy trình tổng quan của chức năng điểm danh bằng khuôn mặt (kết hợp các mô-đun phát hiện, căn chỉnh, chống giả mạo, trích xuất đặc trưng và so khớp với ngưỡng định danh).

Chương 4: Thử nghiệm cài đặt và xây dựng ứng dụng

Nội dung chương 4 tập trung vào khâu triển khai thực tế của đề tài:

  • Trình bày quy trình cài đặt môi trường và các dịch vụ trên Server.
  • Cài đặt và cấu hình ứng dụng Client.
  • Hiện thực hóa hệ thống giao diện người dùng theo phân quyền:
    • Giao diện đăng nhập hệ thống.
    • Giao diện quản lý danh sách lớp học.
    • Giao diện thực hiện điểm danh bằng camera.
    • Giao diện hiển thị kết quả điểm danh cho giảng viên và sinh viên.
    • Giao diện quản trị Admin: quản lý thêm, sửa, xóa tài khoản người dùng; giao diện nạp ảnh mẫu chân dung cho sinh viên vào kho dữ liệu.

Kết quả và đóng góp

1. Kết quả kỹ thuật và thực nghiệm

Văn bản ghi nhận các kết quả cụ thể về mặt nghiên cứu mô hình và xây dựng phần mềm:

  • Khảo sát và đánh giá mô hình thị giác máy tính: Khảo sát có hệ thống các mô hình phát hiện khuôn mặt trên bộ dữ liệu chuẩn WIDER FACE và mô hình chống giả mạo (thể hiện qua các bảng số liệu đánh giá mô hình, tập huấn luyện và tập kiểm thử được lập danh mục ở trang viii của đồ án).
  • Hoàn thiện chuỗi thuật toán xử lý: Tích hợp quy trình xử lý ảnh 5 bước từ khâu nhận diện thô (Face Detection qua RetinaFace/SSD), căn chỉnh chuẩn hóa (Dlib 68 điểm mốc), phân định ảnh sống/ảnh giả (Anti-spoofing qua CDC/FeatherNet), trích xuất vector đặc trưng với hàm mất mát góc ArcFace/Triplet Loss, đến so khớp định danh Close-set bằng độ đo khoảng cách.
  • Xây dựng ứng dụng hoàn chỉnh: Hiện thực hóa phần mềm điểm danh phân quyền 3 tác nhân hoạt động trên kiến trúc Client - Server với đầy đủ các giao diện tác nghiệp: đăng nhập, quản lý tài khoản, quản lý lớp học, quản lý kho ảnh mẫu sinh viên, tạo phiên điểm danh thời gian thực và thống kê dữ liệu chuyên cần.

2. Đóng góp của đề tài

Theo tự đánh giá của tác giả, công trình đạt được các đóng góp chính sau:

  • Về mặt học thuật: Cung cấp tài liệu tổng quan, hệ thống hóa chi tiết các tiến bộ công nghệ trong lĩnh vực nhận diện khuôn mặt giai đoạn 2015–2020; phân tích chuyên sâu các hàm mất mát tiên tiến (Triplet Loss, ArcFace) và cơ chế chống giả mạo bằng mạng tích chập chuyên biệt (CDC, FeatherNet).
  • Về mặt ứng dụng: Đề xuất và xây dựng một giải pháp phần mềm cụ thể nhằm chuyển đổi phương thức điểm danh truyền thống sang điểm danh sinh trắc học tự động trong môi trường lớp học đại học; giải quyết đồng thời hai bài toán nghiệp vụ: tự động hóa nhận diện danh tính và ngăn chặn các hành vi gian lận điểm danh hộ bằng ảnh chụp giả mạo.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích trong văn bản về những khó khăn thực tế của bài toán nhận diện và phạm vi triển khai của đồ án:

  • Hạn chế:
    • Độ nhạy với điều kiện môi trường: Độ chính xác của các khâu phát hiện và so khớp khuôn mặt vẫn bị tác động bởi các điều kiện ngoại cảnh phức tạp như góc chụp nghiêng lớn, khuôn mặt bị che khuất một phần, sự thay đổi thất thường của ánh sáng phòng học và nền ảnh nhiều chi tiết nhiễu.
    • Biến đổi sinh học: Các yếu tố thay đổi diện mạo của sinh viên theo thời gian (kiểu tóc, râu) hoặc trạng thái cảm xúc mạnh có thể ảnh hưởng đến kết quả so khớp vector đặc trưng.
    • Tài nguyên tính toán: Các mô hình học sâu có độ chính xác cao đòi hỏi năng lực xử lý tính toán lớn, việc tối ưu hóa để vận hành đồng thời trên các thiết bị di động có cấu hình hạn chế vẫn là một thách thức kỹ thuật.
    • Giới hạn của bộ chống giả mạo: Các phương pháp chống giả mạo trên ảnh đơn hoặc tương tác thông thường khó phát hiện triệt để các hình thức tấn công video độ phân giải cao hoặc mô hình mặt nạ 3D nếu không có sự hỗ trợ của các cảm biến chuyên dụng (cảm biến chiều sâu, cảm biến nhiệt).
  • Hướng nghiên cứu tiếp:
    • Tiếp tục tối ưu hóa kiến trúc mạng để giảm kích thước mô hình và độ phức tạp tính toán, phục vụ triển khai trơn tru các tác vụ xử lý trực tiếp trên thiết bị đầu cuối của người dùng.
    • Nâng cao năng lực của mô-đun chống giả mạo khuôn mặt (Face Anti-spoofing) trong điều kiện ánh sáng và góc chụp biến động mạnh.

Giá trị tham khảo

Đồ án là nguồn tài liệu hữu ích cho:

  • Sinh viên ngành Công nghệ thông tin, Kỹ thuật phần mềm và Hệ thống thông tin: Có thể tham khảo phương pháp luận phân tích thiết kế hệ thống theo chuẩn UML, cách xây dựng các biểu đồ ca sử dụng (Use Case), biểu đồ tuần tự (Sequence Diagram), biểu đồ lớp (Class Diagram) và mô hình kiến trúc Client - Server cho một bài toán quản lý đào tạo thực tế.
  • Người nghiên cứu về Thị giác máy tính (Computer Vision) và Học sâu: Tài liệu cung cấp phần tổng quan lý thuyết rất chi tiết và mạch lạc về mạng CNN (từ biểu diễn tensor, toán học tích chập, pooling đến các kiến trúc VGG16, ResNet, Inception), cùng bức tranh toàn cảnh về 5 khâu trong chuỗi nhận diện khuôn mặt hiện đại và các hàm mất mát chuyên biệt (Triplet Loss, ArcFace, Focal Loss).
  • Các nhóm phát triển ứng dụng sinh trắc học: Đồ án cung cấp các phân tích thiết thực về mô-đun chống giả mạo (Face Anti-spoofing), giúp người làm đề tài tương tự nhận diện các lỗ hổng bảo mật khi triển khai ứng dụng nhận diện khuôn mặt trên thiết bị di động và môi trường mở.

Câu hỏi thường gặp

1. Hệ thống điểm danh trong đồ án bao gồm những mô-đun xử lý hình ảnh cốt lõi nào?
Hệ thống gồm 5 mô-đun tuần tự: Bộ phát hiện khuôn mặt (Face Detection), Bộ căn chỉnh khuôn mặt (Face Alignment), Bộ chống giả mạo khuôn mặt (Face Anti-spoofing), Bộ trích xuất đặc trưng khuôn mặt (Face Feature Extraction) và Bộ nhận diện/so khớp khuôn mặt (Face Matching).

2. Tại sao tác giả phải tích hợp mô-đun chống giả mạo (Face Anti-spoofing) vào hệ thống điểm danh?
Trong bài toán điểm danh lớp học, người dùng có thể gian lận bằng cách sử dụng ảnh chụp chân dung in sẵn trên giấy (Print Attack) hoặc phát video quay sẵn của sinh viên khác trước camera. Mô-đun Face Anti-spoofing có nhiệm vụ phân biệt khuôn mặt người thật đang có mặt trực tiếp (Live face) với các hình thức giả mạo để đảm bảo tính trung thực.

3. Khối Inception trong mạng GoogleNet giải quyết bài toán tối ưu tham số như thế nào so với VGG16?
Khối Inception tích hợp đồng thời các bộ lọc $1 \times 1$, $3 \times 3$, $5 \times 5$ trên các nhánh song song và sử dụng phép tích chập $1 \times 1$ để giảm số chiều kênh trước khi thực hiện các phép tích chập lớn hơn. Nhờ đó, Inception V1 có 22 tầng nhưng chỉ chứa khoảng 5 triệu tham số, giảm 27 lần so với 138 triệu tham số của mạng VGG16.

4. Mô hình RetinaFace sử dụng kỹ thuật nào để nâng cao độ chính xác khi phát hiện các khuôn mặt khó?
RetinaFace sử dụng mạng đường trục (Backbone) ResNet50 hoặc MobileNet kết hợp mô hình FPN, gán nhãn và dự đoán 5 điểm landmark chính trên khuôn mặt, đồng thời ứng dụng hàm mất mát Focal Loss nhằm giảm trọng số của các mẫu dễ nhận dạng và tập trung tối ưu hóa sai số trên các mẫu khó (khuôn mặt nhỏ, nghiêng, mờ hoặc bị che khuất).

5. Hàm mất mát ArcFace (Additive Angular Margin Loss) có ưu điểm gì nổi bật so với Softmax truyền thống trong trích xuất đặc trưng khuôn mặt?
Hàm ArcFace bổ sung một lề góc (angular margin) trực tiếp vào hàm mất mát Softmax, giúp tối ưu hóa không gian biểu diễn hình học: nén chặt khoảng cách giữa các vector đặc trưng của cùng một người (intra-class) và gia tăng rõ rệt khoảng cách phân tách ranh giới giữa các cá nhân khác nhau (inter-class), khắc phục sự mơ hồ trên đường biên quyết định của hàm Softmax tiêu chuẩn.

Kết luận

Đồ án tốt nghiệp của sinh viên Đỗ Khánh Linh đã giải quyết bài toán tự động hóa điểm danh lớp học thông qua việc khảo sát có hệ thống các kỹ thuật học sâu trong xử lý ảnh khuôn mặt và xây dựng hoàn chỉnh ứng dụng phần mềm theo mô hình Client - Server. Điểm nổi bật về mặt giải pháp của đề tài là việc tích hợp đầy đủ chuỗi xử lý 5 bước, trong đó chú trọng giải quyết thách thức chống giả mạo sinh trắc học và ứng dụng các hàm mất mát tiên tiến nhằm nâng cao độ chính xác nhận diện. Công trình cung cấp một tài liệu tham khảo có giá trị cả về cơ sở lý thuyết thị giác máy tính lẫn phương pháp phân tích, thiết kế hệ thống phần mềm ứng dụng thực tế.