Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư (Công nghiệp 4.0), nhu cầu bảo vệ tài sản cá nhân, cơ quan và gia đình ngày càng gia tăng. Các loại khóa cơ khí truyền thống tuy có giá thành rẻ và dễ sử dụng nhưng bộc lộ nhiều điểm yếu về an ninh, dễ bị vô hiệu hóa bởi các loại chìa khóa đa năng. Để khắc phục nhược điểm này, các công nghệ khóa cửa thông minh ứng dụng sinh trắc học (vân tay, nhận diện khuôn mặt), thẻ từ RFID và mật mã số đang dần thay thế khóa cơ học nhờ tính an toàn cao và sự tiện lợi trong quá trình sử dụng. Trong đó, công nghệ nhận diện khuôn mặt cho phép tự động hóa quy trình kiểm soát truy cập, tiết kiệm thời gian và hạn chế việc phải mang theo các vật dụng vật lý hay ghi nhớ mật khẩu.

Nhằm nâng cao tính bảo mật và tối ưu hóa chi phí sản xuất, đề tài "Thiết kế hệ thống cửa thông minh sử dụng nhận diện khuôn mặt" được nhóm tác giả lựa chọn và thực hiện với các mục tiêu nghiên cứu cụ thể sau:

  1. Nghiên cứu các phương pháp nhận diện khuôn mặt hiệu quả đang được ứng dụng phổ biến hiện nay.
  2. Nghiên cứu, thiết kế và xây dựng các chương trình tối ưu hóa tính năng nhận diện khuôn mặt người trong những điều kiện thực tế phức tạp.
  3. Nghiên cứu, tính toán và lựa chọn các linh kiện phần cứng phù hợp với mô hình sản phẩm.
  4. Nghiên cứu, tính toán và lựa chọn vi điều khiển đáp ứng yêu cầu kỹ thuật của đề tài.
  5. Nghiên cứu, tính toán và lựa chọn các loại cảm biến phù hợp với yêu cầu bài toán.
  6. Thiết kế phần mềm đăng ký dữ liệu khuôn mặt người dùng.
  • Đối tượng nghiên cứu: Quy trình nhận diện và xác thực khuôn mặt của người truy cập thông qua việc so khớp dữ liệu hình ảnh thu nhận từ camera với cơ sở dữ liệu khuôn mặt đã đăng ký (bao gồm hình ảnh, tên, thông tin và quyền truy cập).
  • Phạm vi nghiên cứu:
    • Lĩnh vực chuyên môn và công cụ: Lập trình ứng dụng trên Python, lập trình nhúng Keil C, thiết kế mạch in điện tử trên phần mềm Altium Designer.
    • Không gian thực hiện: Khoa Điện tử, Trường Đại học Công nghiệp Hà Nội.
    • Thời gian thực hiện: Từ ngày 18/03/2024 đến ngày 18/05/2024.

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp giữa lý thuyết xử lý ảnh kỹ thuật số, học sâu và kỹ thuật vi điều khiển điều khiển hệ thống nhúng:

  • Khung lý thuyết và công nghệ sử dụng:

    • Thư viện OpenCV (Open Source Computer Vision Library): Thư viện mã nguồn mở theo giấy phép BSD (khởi xướng bởi Gary Bradsky thuộc Intel năm 1999), hỗ trợ các giao diện lập trình C++, C, Python, Java. Hệ thống sử dụng các module nền tảng của OpenCV như core, imgproc, highgui, objdetect, videoio để thu nhận và tiền xử lý khung hình.
    • Phương pháp nhận diện Dlib và Deep Learning: Đề tài ứng dụng thuật toán biểu đồ hướng gradient HOG (Histogram of Oriented Gradients) kết hợp với máy vector hỗ trợ SVM (Support Vector Machine) được tích hợp trong thư viện Dlib. HOG thực hiện chuyển đổi ảnh sang vector đặc trưng cục bộ dựa trên phân bố của hướng gradient, có khả năng bất biến tương đối với thay đổi độ sáng; sau đó SVM thực hiện nhiệm vụ phân loại. Ngoài ra, văn bản cũng khảo cứu các phương pháp liên quan như đặc trưng Haar-Like (Viola-Jones), mạng nơ-ron tích chập đa nhiệm MTCNN và mô hình FaceNet.
    • Quy trình xử lý ảnh 5 giai đoạn: (1) Thu nhận ảnh đầu vào từ camera; (2) Tiền xử lý (cải thiện độ tương phản, khử nhiễu, khôi phục hình ảnh, nắn chỉnh hình học); (3) Trích chọn vùng đặc trưng khuôn mặt; (4) Hậu xử lý (chuyển đổi định dạng, thay đổi kích thước, cắt xén); (5) So sánh, đối chiếu và kết luận danh tính.
    • Lý thuyết xác thực sinh trắc học: Phân tích các ưu điểm (tính bảo mật, tiện lợi, khó gian lận) và nhược điểm (chi phí, nguy cơ rò rỉ dữ liệu riêng tư, sai số quang học, nguy cơ bị đánh lừa bởi mặt nạ silicon hoặc hình ảnh in).

  • Phương pháp nghiên cứu:

    • Phương pháp nghiên cứu lý thuyết: Thu thập, phân tích tài liệu chuyên ngành về thị giác máy tính, nhận dạng sinh trắc học và cấu trúc phần cứng của hệ thống khóa điện tử.
    • Phương pháp nghiên cứu thực nghiệm: Thu thập dữ liệu hình ảnh trực tiếp từ webcam; trích xuất vector đặc trưng; phân tích yêu cầu thiết kế hệ thống phần cứng và phần mềm; lập trình thuật toán; lắp ráp mạch thực tế; kiểm thử và đánh giá độ chính xác trong các điều kiện môi trường khác nhau.

  • Nguồn dữ liệu: Dữ liệu hình ảnh khuôn mặt được thu thập trực tiếp qua webcam máy tính trong quá trình đăng ký người dùng mới và lưu trữ dưới dạng tệp vector mã hóa.

Thiết kế và triển khai

Hệ thống khóa cửa thông minh được thiết kế tích hợp 3 phương thức xác thực: nhận diện khuôn mặt, quét cảm biến vân tay và nhập mật mã qua bàn phím ma trận.

Phân tích và lựa chọn bộ điều khiển trung tâm

Tiêu chí so sánh Giải pháp sử dụng STM32F103C8T6 (Được chọn) Giải pháp sử dụng Arduino Uno Giải pháp sử dụng ESP32
Ưu điểm Tốc độ xử lý nhanh (72 MHz), xử lý đa nhiệm tốt, tích hợp nhiều ngoại vi (UART, SPI, I2C, ADC, PWM), giá thành hợp lý. Dễ sử dụng, cộng đồng hỗ trợ lớn, nhiều thư viện mẫu, thiết kế nhỏ gọn. Tích hợp sẵn Wi-Fi và Bluetooth, chi phí thấp, dòng sản phẩm đa dạng.
Nhược điểm Cấu hình và lập trình phức tạp hơn đối với người mới bắt đầu. Hiệu suất thấp, số lượng chân I/O hạn chế, không phù hợp cho xử lý phức tạp. Hiệu suất xử lý tính toán thấp hơn STM32, bộ nhớ RAM bị giới hạn ở một số tác vụ.
Đánh giá lựa chọn Phù hợp cho đề tài đòi hỏi hiệu suất xử lý liên tục, tốc độ xung nhịp cao và có tiềm năng mở rộng. Chỉ phù hợp cho dự án nhỏ, cấu trúc đơn giản. Phù hợp cho các ứng dụng kết nối IoT không dây.

Cấu trúc phần cứng và tính toán thông số kỹ thuật

Hệ thống phần cứng bao gồm các khối chức năng chính:

  • Khối nguồn:
    • Sử dụng biến áp hạ nguồn từ điện lưới 220VAC xuống 12V (hoặc nguồn Adapter 12V/3A).
    • Mạch ổn áp 12V sử dụng IC LM7812 (điện áp vào cực đại 35V, dòng tối đa 1A) để cấp nguồn cho cơ cấu khóa điện từ.
    • Mạch hạ áp 5V sử dụng IC LM2596 (nguồn vào 4V–35V, ra điều chỉnh 1V–30V, dòng cực đại 3A, hiệu suất 92%) cấp nguồn cho màn hình LCD. Tụ điện đầu vào được tính toán theo công thức: $$C_{in} = \frac{I_{out}}{10 \times f} = \frac{3\text{ A}}{10 \times 52000\text{ Hz}} \approx 5.77,\mu\text{F}$$ Nhóm tác giả chọn tụ điện có giá trị tiêu chuẩn $100,\mu\text{F}$ để đảm bảo độ ổn định và dự phòng.
    • Mạch hạ áp 3.3V sử dụng IC AMS1117 (điện áp vào 5V–9V, ngõ ra 3.3V, dòng 0.8A) để cấp nguồn cho vi điều khiển STM32 và cảm biến vân tay.
  • Khối đầu vào:
    • Camera Webcam USB: Độ phân giải Full HD (1920x1080), tốc độ khung hình 30–60 fps, góc nhìn 60–90 độ, độ nhạy sáng 1–5 Lux, khoảng cách hoạt động lý tưởng 50 cm – 1 m.
    • Cảm biến nhận dạng vân tay AS608: Giao tiếp UART TTL (tốc độ baud mặc định $9600 \times N$), nguồn cấp 3.3VDC (dòng tiêu thụ 30–60 mA), dung lượng lưu trữ 300 vân tay (ID 0–299), kích thước ảnh cảm biến $256 \times 288$ pixel, thời gian xử lý ảnh $< 0.4$ giây, thời gian tìm kiếm $< 0.001%$.
    • Bàn phím ma trận mềm 4x4: Gồm 16 phím, đầu nối 8 chân kết nối với các chân I/O từ chân 23 đến chân 30 của STM32F103C8T6.
  • Khối điều khiển trung tâm: Vi điều khiển STM32F103C8T6 (lõi ARM 32-bit Cortex-M3, tần số 72 MHz, 64 KB Flash, 20 KB SRAM, 37 chân I/O, 2 bộ ADC 12-bit).
  • Khối hiển thị: Màn hình LCD 1602 (bộ điều khiển HD44780, cấu hình hiển thị 2 dòng x 16 ký tự, mỗi ký tự $5 \times 7$ điểm ảnh), kết nối vi điều khiển qua giao tiếp 4-bit (chân D4–D7) và tích hợp biến trở $10\text{ k}\Omega$ điều chỉnh độ tương phản.
  • Khối cơ cấu chấp hành:
    • Khóa điện từ: Hoạt động ở điện áp 12VDC, dòng điện 0.4A, thời gian mở 1 giây, kích thước $27 \times 15 \times 17$ mm, sử dụng nguyên lý nam châm điện để rút chốt kim loại.
    • Còi chíp báo hiệu (3.3V): Điều khiển thông qua Transistor NPN C1815. Dòng bão hòa qua cực B được tính toán: $$I_B = \frac{I_C}{\beta} = \frac{30\text{ mA}}{100} = 0.3\text{ mA}$$ Từ đó tính toán và lựa chọn điện trở định thiên cực B là $12\text{ k}\Omega$.

Ràng buộc chi phí linh kiện phần cứng

STT Tên sản phẩm / Linh kiện Đơn giá tham khảo (VNĐ)
1 Bộ KIT STM32F103C8T6 125.000
2 Màn hình LCD 1602 39.000
3 LED đơn 3.000
4 Header kết nối 1.500
5 Bàn phím dán 4x4 20.000
6 Biến áp 3A 90.000
7 Module hạ áp LM2596 15.000

Ghi chú: Toàn bộ chi phí phần cứng được thiết kế tối ưu trong ngân sách dưới 1.000.000 VNĐ.

Thuật toán và luồng điều khiển

  1. Quy trình nhận diện khuôn mặt (xử lý trên máy tính):
    • Thu nhận khung hình từ Webcam $\rightarrow$ Chuyển đổi không gian màu từ BGR sang RGB.
    • Xác định vị trí và bounding box của khuôn mặt trên khung hình.
    • Trích xuất và mã hóa các điểm đặc trưng thành ma trận điểm ảnh/vector đặc trưng.
    • So sánh vector thu được với vector ảnh gốc trong cơ sở dữ liệu thông qua khoảng cách sai số (Euclidean distance).
    • Ngưỡng quyết định: Nếu khoảng cách sai số $< 0.5$, hệ thống xác nhận danh tính hợp lệ và truyền ký tự 'a' qua giao thức UART tới STM32; nếu khoảng cách $\ge 0.5$, hệ thống gán nhãn "Unknow" và truyền ký tự 'z'.
  2. Quy trình điều khiển đóng/mở khóa (xử lý trên STM32):
    • STM32 đồng thời nhận dữ liệu từ 3 nguồn: tín hiệu UART từ máy tính (nhận diện khuôn mặt), tín hiệu UART từ cảm biến AS608 (vân tay), và quá trình quét ma trận phím $4 \times 4$ (mật khẩu).
    • Nếu một trong ba phương thức xác thực thành công: STM32 xuất tín hiệu kích hoạt rơ-le/transistor mở khóa điện từ trong 1 giây, còi chíp kêu báo hiệu và màn hình LCD 1602 hiển thị trạng thái mở.
    • Nếu xác thực sai: Khóa giữ nguyên trạng thái đóng, còi phát tín hiệu cảnh báo và màn hình hiển thị lỗi.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết

  • Phân tích bối cảnh an ninh hiện đại, so sánh giữa khóa cơ học truyền thống và khóa thông minh sinh trắc học.
  • Khảo cứu tình hình nghiên cứu khóa thông minh trong và ngoài nước (các giải pháp thương mại của Apple Face ID, ứng dụng ngân hàng, sân bay, doanh nghiệp).
  • Trình bày tổng quan cấu trúc module và nguyên lý hoạt động của OpenCV (do Gary Bradsky sáng lập).
  • Phân tích khái niệm Deep Learning và các kỹ thuật nhận diện: Haar Cascade, MTCNN kết hợp FaceNet, Dlib kết hợp thuật toán HOG và bộ phân lớp SVM.
  • Trình bày 5 giai đoạn cơ bản trong quy trình xử lý ảnh chuẩn và nêu rõ các thách thức kỹ thuật (ánh sáng, góc nghiêng, khoảng cách, biểu cảm, che khuất).

Chương 2: Thiết kế hệ thống cửa thông minh sử dụng nhận diện khuôn mặt

  • Phân tích yêu cầu bài toán, xác định các tiêu chí thiết kế: khoảng cách nhận diện từ 50 cm đến 150 cm, độ chính xác nhận diện hướng tới 85%, giới hạn ngân sách linh kiện dưới 1 triệu đồng.
  • Đánh giá ưu nhược điểm của 3 phương án vi điều khiển (STM32, Arduino Uno, ESP32) và luận giải việc lựa chọn STM32F103C8T6.
  • Thiết kế chi tiết sơ đồ khối, sơ đồ nguyên lý mạch điện, chức năng từng chân của IC nguồn (LM2596, AMS1117, LM7812).
  • Trình bày tính toán lý thuyết lựa chọn thông số tụ lọc nguồn ($100,\mu\text{F}$) và điện trở định thiên Transistor còi chíp ($12\text{ k}\Omega$).
  • Xây dựng lưu đồ thuật toán nhận diện khuôn mặt bằng Python và lưu đồ thuật toán điều khiển hợp nhất 3 phương thức (khuôn mặt, vân tay, mật khẩu) trên STM32.
  • Trình bày bản vẽ sơ đồ mạch in 2D, 3D thiết kế trên Altium Designer và mô hình phần cứng thực tế.

Chương 3: Kết quả thực nghiệm và đánh giá

  • Kiểm thử chức năng thu thập ảnh khuôn mặt từ webcam, mã hóa thành vector và lưu trữ vào tệp cơ sở dữ liệu.
  • Thử nghiệm chức năng định danh trong các trường hợp: nhận diện chính xác 1 người, nhận diện đồng thời nhiều người, nhận diện người lạ không có trong dữ liệu (gán nhãn "Unknow"), và nhận diện với góc mặt nghiêng $45^\circ$ so với trục camera.
  • Thực nghiệm chức năng cơ cấu chấp hành: khóa điện từ đóng/mở chính xác tương ứng với tín hiệu phản hồi từ vi điều khiển khi xác thực đúng hoặc sai.
  • Đánh giá các yếu tố ảnh hưởng trực tiếp đến hiệu năng hệ thống: cường độ ánh sáng môi trường, góc quay khuôn mặt ($> 90^\circ$ không nhận diện được), tình trạng che khuất (che nửa mặt làm mất khả năng nhận diện), khoảng cách người đứng so với camera và dung lượng tập mẫu ảnh gốc.

Kết quả và đóng góp

Kết quả thực nghiệm chính

  • Chức năng nhận diện khuôn mặt:
    • Nhận diện chính xác đối tượng đã đăng ký khi đứng trong khoảng cách lý tưởng (50 cm – 100 cm, tối đa 150 cm).
    • Tự động phát hiện và gán nhãn "Unknow" đối với khuôn mặt chưa đăng ký trong cơ sở dữ liệu.
    • Nhận diện đồng thời 2 hoặc nhiều người trong cùng một khung hình.
    • Nhận diện ổn định khi góc nghiêng khuôn mặt lệch đến $45^\circ$ so với camera.
    • Ngưỡng phân loại khoảng cách sai số Euclidean được xác lập ở mức $0.5$.
  • Chức năng điều khiển và tích hợp đa phương thức:
    • Vi điều khiển STM32F103C8T6 tiếp nhận và xử lý chính xác dữ liệu từ cả 3 kênh: UART khuôn mặt từ máy tính, UART từ cảm biến vân tay AS608, và quét bàn phím $4 \times 4$.
    • Mở khóa điện từ chính xác trong khoảng thời gian định thời 1 giây khi có tín hiệu hợp lệ từ bất kỳ kênh nào.
    • Màn hình LCD 1602 và còi chíp phản hồi trạng thái đóng/mở tức thời.
  • Chỉ tiêu kỹ thuật và kinh tế:
    • Độ chính xác nhận diện thiết kế đạt mức 85%.
    • Tổng chi phí linh kiện phần cứng được tối ưu dưới mức ngân sách 1.000.000 VNĐ.

Đóng góp của đề tài

  • Xây dựng thành công mô hình phần cứng khóa cửa thông minh kết hợp đồng thời ba phương thức bảo mật (khuôn mặt, vân tay, mã PIN) với chi phí thấp.
  • Hiện thực hóa quy trình giao tiếp nối tiếp UART giữa chương trình xử lý ảnh Python (trên PC) và vi điều khiển nhúng 32-bit STM32F103C8T6.
  • Đưa ra phương án tính toán mạch nguồn ổn áp nhiều cấp (12V, 5V, 3.3V) và mạch kích công suất còi báo đảm bảo hoạt động an toàn, chống sụt áp cho hệ thống vi điều khiển.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Thuật toán nhận diện khuôn mặt hoạt động kém hiệu quả hoặc không thể nhận diện trong điều kiện môi trường thiếu sáng hoặc cường độ sáng thay đổi đột ngột.
  • Hệ thống mất khả năng nhận dạng khi khuôn mặt bị che khuất một phần (ví dụ che nửa mặt) hoặc khi góc quay mặt nghiêng vượt quá $90^\circ$ so với trục camera.
  • Tỉ lệ nhận diện giảm khi người dùng đứng ở khoảng cách quá xa so với camera hoặc khi số lượng ảnh mẫu thu thập ban đầu trong cơ sở dữ liệu quá ít.
  • Xử lý nhận diện khuôn mặt vẫn phụ thuộc vào máy tính ngoại vi kết nối với Webcam để tính toán, chưa thực hiện xử lý độc lập hoàn toàn trực tiếp trên bộ xử lý nhúng độc lập tại cánh cửa.

Hướng phát triển tiếp theo

  • Nghiên cứu cải tiến thuật toán trích xuất đặc trưng và xử lý ảnh nhằm nâng cao độ chính xác trong điều kiện ánh sáng yếu và góc mặt phức tạp.
  • Mở rộng tập dữ liệu ảnh mẫu gốc cho từng người dùng nhằm tăng độ bền vững của mô hình.
  • Nghiên cứu tích hợp các giải pháp vi xử lý chuyên dụng có khả năng chạy mô hình AI trực tiếp (như nhúng sâu trên Edge AI / SoC) để loại bỏ sự phụ thuộc vào máy tính cá nhân.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Điện tử - Viễn thông, Kỹ thuật Máy tính, Hệ thống Nhúng & IoT, và Kỹ thuật Điều khiển - Tự động hóa:

  • Khối phần cứng: Tham khảo thiết kế sơ đồ nguyên lý mạch nguồn đa cấp (LM7812, LM2596, AMS1117), phương pháp tính toán tụ lọc nguồn DC-DC, mạch đệm điều khiển còi chíp dùng BJT C1815, và kỹ thuật layout mạch in 2D/3D trên Altium Designer.
  • Khối phần mềm nhúng: Tham khảo phương pháp lập trình Keil C cấu hình ngoại vi STM32F103C8T6, giao tiếp UART không đồng bộ, giao tiếp 4-bit với LCD 1602 và thuật toán quét phím ma trận $4 \times 4$.
  • Khối thị giác máy tính: Cung cấp tài liệu thực hành về quy trình xử lý ảnh 5 bước, sử dụng thư viện Dlib (HOG + SVM) trong Python để định vị, trích xuất vector khuôn mặt và phân loại theo ngưỡng khoảng cách sai số.

Câu hỏi thường gặp

1. Hệ thống ra quyết định nhận diện đúng/sai khuôn mặt và truyền lệnh sang vi điều khiển STM32 như thế nào?

Sau khi trích xuất và mã hóa các điểm đặc trưng của khuôn mặt từ webcam thành vector, chương trình Python tiến hành so sánh vector này với vector ảnh gốc trong cơ sở dữ liệu để tính khoảng cách sai số Euclidean. Nếu khoảng cách sai số nhỏ hơn $0.5$, hệ thống xác nhận người dùng hợp lệ và gửi ký tự 'a' qua cổng UART đến vi điều khiển STM32 để mở cửa. Nếu khoảng cách lớn hơn hoặc bằng $0.5$, hệ thống coi là người lạ ("Unknow") và gửi ký tự 'z'.

2. Vì sao nhóm tác giả lựa chọn STM32F103C8T6 thay vì Arduino Uno hay ESP32?

Nhóm tác giả lựa chọn STM32F103C8T6 vì dòng vi điều khiển ARM Cortex-M3 32-bit này sở hữu tốc độ xung nhịp cao (72 MHz), khả năng xử lý đa nhiệm liên tục tốt và tích hợp nhiều ngoại vi (UART, Timer, ADC). So với Arduino Uno (hiệu suất thấp, ít chân I/O) và ESP32 (hiệu suất xử lý tính toán thấp hơn STM32, bộ nhớ RAM hạn chế ở một số ứng dụng), STM32 vừa đáp ứng yêu cầu kỹ thuật của đề tài, vừa phù hợp với kiến thức chuyên ngành đã học và có nhiều không gian để phát triển mở rộng.

3. Cảm biến vân tay AS608 trong đề tài có các thông số kỹ thuật và phương thức kết nối ra sao?

Cảm biến AS608 sử dụng giao tiếp UART TTL (hoặc USB), hoạt động ở điện áp 3.6VDC với dòng tiêu thụ trung bình 40 mA (tối đa 60 mA). Thiết bị có khả năng lưu trữ 300 mẫu vân tay (ID từ 0 đến 299), kích thước ảnh cảm biến là $256 \times 288$ pixel, thời gian xử lý ảnh dưới 0.4 giây và thời gian tìm kiếm vân tay dưới $0.001%$. Cảm biến kết nối với chân UART của vi điều khiển STM32 để truyền/nhận lệnh đọc, ghi và đối sánh dữ liệu.

4. Những điều kiện môi trường nào làm suy giảm hiệu năng nhận diện khuôn mặt của hệ thống?

Qua thực nghiệm tại Chương 3, hệ thống bị giảm tỉ lệ nhận diện hoặc không thể nhận diện trong các trường hợp: (1) Môi trường thiếu sáng hoặc ánh sáng không đồng đều; (2) Khuôn mặt quay nghiêng một góc vượt quá $90^\circ$ so với camera; (3) Khuôn mặt bị che khuất một phần (như che nửa mặt); (4) Người dùng đứng ở khoảng cách quá xa ngoài vùng 50 cm – 150 cm; (5) Số lượng ảnh mẫu đã đăng ký trong tập dữ liệu gốc quá ít.

Kết luận

Đồ án tốt nghiệp "Thiết kế hệ thống cửa thông minh sử dụng nhận diện khuôn mặt" của nhóm sinh viên Trường Đại học Công nghiệp Hà Nội đã thiết kế và chế tạo thành công một mô hình khóa cửa thông minh kết hợp đa phương thức xác thực sinh trắc học và mật mã số. Hệ thống tích hợp hiệu quả giữa thuật toán nhận diện khuôn mặt HOG-SVM trên nền tảng OpenCV/Dlib xử lý qua webcam với khối điều khiển nhúng trung tâm STM32F103C8T6, cảm biến vân tay AS608, bàn phím $4 \times 4$ và khóa điện từ 12V. Các kết quả thực nghiệm cho thấy hệ thống hoạt động ổn định ở cự ly từ 50 cm đến 150 cm với ngân sách linh kiện tối ưu dưới 1 triệu đồng, đồng thời chỉ ra rõ các giới hạn về góc nghiêng và ánh sáng để làm cơ sở định hướng phát triển trong tương lai.