Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của các thiết bị tự động và công nghệ nhận dạng thông minh, các hệ sinh thái bảo mật hiện đại đang dần thay thế khóa cơ khí truyền thống bằng các giải pháp sinh trắc học và vi điện tử. Theo nhóm tác giả Lê Hoàng Thành và Hồ Đình Vương (Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh), việc áp dụng các hệ thống bảo mật tự động đem lại nhiều lợi ích thiết thực so với mô hình quản lý thủ công truyền thống, bao gồm: tiết kiệm chi phí thuê nhân công, kiểm soát an ninh chặt chẽ hơn, tinh gọn quy trình quản lý tài sản và tối ưu chi phí vận hành.

Mặc dù công nghệ nhận dạng qua sóng vô tuyến (RFID) đã được ứng dụng phổ biến tại các quốc gia phát triển, song tại thời điểm nghiên cứu, việc triển khai công nghệ này tại Việt Nam vẫn gặp nhiều rào cản do thiếu năng lực chế tạo nội địa và phụ thuộc vào nguồn linh kiện nhập khẩu. Bên cạnh đó, các giải pháp nhận dạng đơn lẻ thường bộc lộ những rủi ro vận hành cố hữu; ví dụ, hệ thống thị giác máy tính có thể mất khả năng xác thực khi khuôn mặt người dùng bị thay đổi do chấn thương hoặc biến dạng tạm thời. Đồ án được hình thành nhằm giải quyết bài toán an ninh tích hợp hai cơ chế bảo mật bổ trợ: thị giác máy tính làm phương thức chính và công nghệ RFID kết hợp mã PIN làm giải pháp dự phòng.

Đề tài xác định rõ hệ thống mục tiêu và nhiệm vụ nghiên cứu được đánh số cụ thể như sau:

  1. Thiết kế và thi công mô hình cửa tự động đóng mở bằng động cơ DC 12V.
  2. Thiết kế buồng sáng chuyên dụng sử dụng dải đèn LED trắng 12V nhằm ổn định điều kiện chiếu sáng cho camera thu nhận hình ảnh.
  3. Thiết lập hệ thống cơ sở dữ liệu trên máy tính nhúng để lưu trữ thông tin quản lý người dùng (họ tên, mã định danh thẻ, tuổi, giới tính).
  4. Thiết kế giao tiếp phần cứng và truyền thông dữ liệu giữa module đọc RFID MFRC522 với hệ thống xử lý trung tâm.
  5. Xây dựng cơ sở dữ liệu huấn luyện lưu trữ các vector đặc trưng khuôn mặt phục vụ thuật toán nhận dạng.

Đối tượng nghiên cứu của đồ án là quy trình nhận dạng khuôn mặt hai chiều và quy trình xác thực hai bước qua thẻ từ kết hợp bàn phím ma trận. Phạm vi nghiên cứu về mặt không gian và phần cứng được giới hạn trong một mô hình cửa tự động thử nghiệm vật lý thu nhỏ, vận hành tại Phòng thí nghiệm Bộ môn Điện tử Công nghiệp – Y sinh, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Phạm vi thời gian thực hiện kéo dài từ ngày 19/03/2019 đến ngày 31/06/2019. Số liệu ban đầu đặt ra cho hệ thống thử nghiệm bao gồm: nhận diện 01 đối tượng khuôn mặt người dùng, quản trị 02 thẻ RFID (trong đó phân quyền kích hoạt cho 01 thẻ hợp lệ) và cấu hình 01 mật mã PIN chính xác.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng khung lý thuyết dựa trên quy trình xử lý ảnh số kinh điển gồm 5 công đoạn kế tiếp nhau:

  1. Thu nhận ảnh (Image Acquisition): Tiếp nhận tín hiệu quang học qua cảm biến camera và chuyển đổi thành ma trận điểm ảnh số.
  2. Tiền xử lý (Image Processing): Thực hiện lọc nhiễu và cân bằng độ tương phản nhằm nâng cao độ sắc nét của ảnh đầu vào.
  3. Phân đoạn ảnh (Image Segmentation): Phân tách vùng chứa đối tượng khuôn mặt cần quan tâm ra khỏi nền ảnh phức tạp.
  4. Biểu diễn ảnh và trích chọn đặc trưng (Feature Selection): Biến đổi dữ liệu vùng ảnh thành các vector thông tin định lượng đại diện cho đặc tính hình thái khuôn mặt.
  5. Nhận dạng và nội suy ảnh: Đối sánh các vector đặc trưng vừa trích xuất với dữ liệu mẫu chuẩn đã được lưu trữ trong quá trình huấn luyện để đưa ra quyết định xác thực.

Trong bốn hướng tiếp cận nhận diện khuôn mặt phổ biến (tiếp cận theo tri thức, đặc trưng không đổi, so khớp mẫu và diện mạo), nhóm tác giả lựa chọn hướng tiếp cận so khớp mẫu dựa trên thuật toán Phân tích thành phần chính (Principal Component Analysis – PCA). Thuật toán PCA thực hiện phép biến đổi trực giao để chuyển đổi tập dữ liệu điểm ảnh từ không gian đa chiều ban đầu sang một không gian mới có số chiều nhỏ hơn (2 hoặc 3 chiều), bảo toàn tối đa phương sai của dữ liệu trên các trục trực giao mới. Cơ sở toán học của thuật toán PCA vận dụng các khái niệm: kỳ vọng, phương sai, hiệp phương sai, ma trận hiệp phương sai, giá trị riêng (eigenvalues) và vector riêng (eigenvectors) để tạo ra tập "Eigenfaces" phục vụ đối sánh.

Về phương pháp thực nghiệm và công nghệ triển khai, đồ án áp dụng các chuẩn truyền thông công nghiệp và công cụ lập trình chuyên dụng:

  • Chuẩn giao tiếp phần cứng: Sử dụng giao tiếp nối tiếp SPI (Serial Peripheral Interface) giữa Raspberry Pi 3 và module RFID RC522; giao tiếp CSI (Camera Serial Interface) với bus cáp 15 chân dài 20 cm để nhận dữ liệu từ cảm biến camera; giao thức truyền thông nối tiếp bất đồng bộ UART và kỹ thuật điều chế độ rộng xung (PWM) để kiểm soát vi điều khiển ngoại vi.
  • Công nghệ RFID: Vận hành trên băng tần sóng vô tuyến cao (HF – High Frequency) ở tần số chuẩn 13,56 MHz, đọc các loại thẻ thụ động tuân thủ tiêu chuẩn ISO/IEC 14443A (thẻ Mifare Classic 1K S50 dạng móc khóa và thẻ nhựa NFC).
  • Nền tảng phần mềm và cơ sở dữ liệu: Toàn bộ giải thuật nhận dạng thị giác và chương trình điều khiển chính được viết bằng ngôn ngữ Python 3.7 cùng thư viện thị giác máy tính OpenCV, thực thi trong môi trường ảo hóa trên hệ điều hành Raspbian (nhân Linux). Cơ sở dữ liệu quản lý thông tin định danh người dùng được cài đặt trên hệ quản trị cơ sở dữ liệu quan hệ MySQL, quản trị thông qua giao diện web phpMyAdmin. Lập trình điều khiển chấp hành trên vi điều khiển Atmega328P được biên dịch qua môi trường Arduino IDE.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo cấu trúc điều khiển phân tán gồm hai khối xử lý chính: bộ xử lý trung tâm (Raspberry Pi 3 Model B) đảm nhiệm các tác vụ tính toán nặng và bộ xử lý tín hiệu ngoại vi (Arduino Uno R3) phụ trách điều khiển cơ cấu cơ điện. Giải pháp này giúp loại bỏ hiện tượng trễ chu kỳ xung (delay) trên vi điều khiển chính khi phải thực hiện đồng thời việc quét camera, đọc thẻ từ và điều khiển động cơ.

Tên thiết bị / Module Thông số kỹ thuật chính Vai trò trong hệ thống
Raspberry Pi 3 Model B SoC Broadcom BCM2835, CPU 4 nhân ARM Cortex-A53 64-bit 1,2 GHz, RAM 1 GB, 40 chân GPIO Bộ xử lý trung tâm, chạy hệ điều hành Raspbian, xử lý thuật toán PCA, quản lý CSDL MySQL
Raspberry Pi Camera V2 Cảm biến 5 Megapixel, ống kính 1/4 inch, tiêu cự 3,29 mm, góc nhìn 72,4 độ, kết nối cáp phẳng CSI Thu nhận khung hình video trực tiếp phục vụ nhận diện khuôn mặt
Module RFID RC522 IC MFRC522, thạch anh 27,12 MHz, tần số 13,56 MHz, điện áp cấp 2,5–3,3V, dòng điện 13–26 mA Đọc mã nhận dạng duy nhất (UID) của thẻ RFID thụ động chuẩn ISO/IEC 14443A
Bàn phím ma trận 4x4 16 phím bấm (0–9, A–D, *, #), 8 ngõ ra (4 hàng, 4 cột), kích thước 77 x 69 mm Nhập mã PIN bảo mật 5 ký tự và kích hoạt chức năng đổi mật khẩu
Arduino Uno R3 Vi điều khiển ATmega328P (8-bit), Flash 32 KB, SRAM 2 KB, 14 chân Digital I/O, cấp nguồn 5V USB Tiếp nhận lệnh điều khiển mở/đóng cửa từ Raspberry Pi, tạo tín hiệu logic điều khiển driver động cơ
Module Driver L298N Cầu H kép dùng IC L298, dòng tải định mức 2A, công suất tối đa 25W/cầu, điện áp vào DC 5–30V Khuếch đại dòng điện từ Arduino để kéo động cơ DC công suất lớn
Màn hình LCD 20x4 Kích thước hiển thị 20 ký tự x 4 dòng, chuẩn giao tiếp song song 4-bit/8-bit qua các chân RS, RW, E, D0–D7 Hiển thị trạng thái xác thực, thông số cá nhân người dùng và các thông báo lỗi
Động cơ mở cửa DC Động cơ một chiều điện áp danh định 12V DC Chấp hành hành trình kéo chốt mở cửa hoặc đóng cửa theo đảo chiều cực tính
Buồng sáng hỗ trợ Hộp che chắn quang học tích hợp dải đèn LED trắng 12V DC Cố định cường độ ánh sáng chiếu rọi vào khuôn mặt, giảm thiểu nhiễu sáng môi trường

Cơ chế điều khiển động cơ thông qua module L298 được thiết lập theo bảng trạng thái logic:

  • Khi chân IN1 ở mức LOW và IN2 ở mức HIGH: Transistor Q2 và Q3 dẫn dòng điện từ nguồn qua động cơ xuống mass, động cơ quay thuận (mở cửa).
  • Khi chân IN1 ở mức HIGH và IN2 ở mức LOW: Transistor Q1 và Q4 dẫn dòng, chiều dòng điện qua động cơ đảo ngược, động cơ quay nghịch (đóng cửa).
  • Khi cả hai chân IN1 và IN2 đồng thời ở mức LOW hoặc đồng thời ở mức HIGH: Tất cả các transistor cầu H đều ngắt hoặc ngắn mạch mass, triệt tiêu dòng điện, động cơ lập tức dừng quay. Tốc độ đóng mở được điều chỉnh linh hoạt bằng cách cấp xung điều rộng PWM vào chân kích hoạt ENA.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 thiết lập các luận điểm nền tảng của đề tài, tập trung phân tích sự cần thiết của hệ thống an ninh đa phương thức trong bối cảnh tự động hóa. Tác giả khảo sát các công trình liên quan trước đó của sinh viên, tiêu biểu là đồ án của Nguyễn Thị Đài Trang và Hà Tiến Dương (nghiên cứu nhận dạng 3 trạng thái cảm xúc vui, buồn, ngạc nhiên bằng thuật toán PCA trên Arduino Uno R3 để điều khiển động cơ Servo). Từ việc đánh giá hạn chế của mô hình đơn lớp, tác giả định hình giải pháp tích hợp 2 lớp xác thực (thị giác máy tính và RFID/Keypad), vạch rõ 5 mục tiêu thi công, phân chia nội dung nghiên cứu thành các bước từ chế tạo phần cứng, hiệu chỉnh buồng sáng, lập trình cơ sở dữ liệu đến cân chỉnh hệ thống và xác định các giới hạn thực nghiệm ban đầu.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày chi tiết nền tảng lý thuyết và cơ sở kỹ thuật của các khối chức năng. Tác giả phân tích cấu trúc 5 bước cơ bản của xử lý ảnh số, phương pháp toán học PCA trong giảm chiều không gian vector khuôn mặt, cũng như nguyên lý hoạt động của môi trường Python 3.7 và thư viện OpenCV trên hệ điều hành Raspbian. Nội dung chương mô tả chi tiết quy trình xác thực của hai phương pháp bảo mật: nhận diện thị giác tự động và cơ chế dự phòng hai yếu tố qua thẻ RFID kết hợp bàn phím 4x4. Toàn bộ thông số kỹ thuật, cấu trúc thanh ghi, sơ đồ chân và nguyên lý truyền thông của các chuẩn UART, SPI, I2C, xung PWM cùng các linh kiện phần cứng (Raspberry Pi 3 Model B, Camera V2, RFID MFRC522, LCD 20x4, vi điều khiển ATmega328P, driver L298) được hệ thống hóa đầy đủ.

Chương 3: Tính toán và thiết kế

Chương 3 tập trung vào công tác hiện thực hóa mô hình từ sơ đồ khối tổng quát đến sơ đồ nguyên lý liên kết toàn mạch. Tác giả trình bày các sơ đồ phối ghép giao tiếp: kết nối camera qua chuẩn CSI; nối ghép module RFID RC522 và bàn phím 4x4 với các cổng GPIO của Raspberry Pi; giao tiếp hiển thị trên LCD 20x4; và kết nối tín hiệu giữa Raspberry Pi với mạch Arduino Uno R3 điều khiển động cơ qua L298. Chương này cũng phân tích giải pháp thiết kế buồng sáng vật lý sử dụng LED trắng 12V để triệt tiêu ảnh hưởng của quang sai môi trường. Đồng thời, tác giả xây dựng Bảng 3.1 thống kê mức tiêu thụ dòng điện chi tiết của từng thành phần tải để tính toán và lựa chọn bộ nguồn DC kép (5V cho mạch xử lý số và 12V cho khối động lực).

Chương 4: Thi công hệ thống

Chương 4 mô tả toàn bộ quy trình lắp ráp vật lý và lập trình giải thuật cho hệ thống. Nội dung bao gồm việc xây dựng các lưu đồ thuật toán: lưu đồ chương trình chính trên máy tính nhúng, lưu đồ nhận dạng đối sánh ảnh, lưu đồ xử lý ảnh chụp đầu vào, và các lưu đồ con điều khiển động cơ (chạy thuận, chạy nghịch, dừng cưỡng bức). Tác giả chi tiết hóa các bước cấu hình cơ sở dữ liệu quan hệ MySQL trên phpMyAdmin, bao gồm việc tạo bảng dữ liệu và cấu hình 4 trường thông tin: Tên (VARCHAR), ID/UID (VARCHAR), Tuổi (INT), Giới tính (VARCHAR). Phần cuối của chương là các hướng dẫn thực thi lệnh trong terminal Linux để mở môi trường ảo (source ~/.profile, workon cv), gọi script thực thi và quy trình biên dịch mã nguồn điều khiển trên Arduino IDE.

Chương 5: Kết quả – Nhận xét – Đánh giá

Chương 5 công bố các dữ liệu thực nghiệm thu được từ mô hình sản phẩm hoàn thiện. Kết quả nhận diện thị giác được phân tích dưới các kịch bản thực tế: góc mặt chuẩn diện, đối tượng đứng ngoài cự ly tiêu chuẩn (quá xa camera) và trường hợp người lạ không có trong cơ sở dữ liệu huấn luyện. Hệ thống thực nghiệm các chế độ vận hành qua nút chức năng vật lý: chuyển đổi chế độ làm việc (nút Mode), xóa thẻ định danh hiện hành (nút Delete - BTN1), đăng ký thẻ thành viên mới kèm nhập thông tin nhân khẩu học (nút Insert - BTN2) và quy trình đổi mật mã PIN mới gồm 5 ký tự thông qua phím chức năng 'A'. Mọi kết quả kiểm tra thời gian đáp ứng của động cơ và tỷ lệ nhận dạng thành công được nhóm tác giả tổng hợp tại Bảng 5.1 nhằm đánh giá định lượng độ tin cậy của hệ thống.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết mức độ hoàn thành nhiệm vụ nghiên cứu so với các chỉ tiêu ban đầu đề ra trong đề cương tốt nghiệp. Tác giả khẳng định hệ thống bảo mật hai lớp đã vận hành chính xác theo đúng kịch bản logic thiết kế, cơ chế dự phòng phát huy hiệu quả khi phương thức thị giác gặp sự cố. Đồng thời, chương này chỉ ra các nút thắt kỹ thuật còn tồn tại về năng lực tính toán phần cứng và đề xuất các hướng nâng cấp mở rộng cho các nghiên cứu tiếp theo.

Kết quả và đóng góp

Đồ án ghi nhận các kết quả thực nghiệm định lượng cụ thể trên mô hình phần cứng vật lý:

  • Xây dựng thành công cơ chế nhận diện khuôn mặt tự động: Hệ thống trích xuất và đối sánh chính xác vector khuôn mặt của 01 người dùng đã được huấn luyện dữ liệu từ trước thông qua camera Raspberry Pi V2 trong môi trường buồng sáng ổn định, kích hoạt mở cửa tự động mà không cần tác động vật lý.
  • Thiết lập hoàn chỉnh phân hệ bảo mật dự phòng hai lớp:
    • Module RFID RC522 đọc và kiểm tra chính xác mã UID của thẻ trong phạm vi khoảng cách từ 0 đến 5 cm. Nếu thẻ hợp lệ, hệ thống trích xuất thông tin tương ứng (Tên, ID, Giới tính, Tuổi) từ MySQL và hiển thị trực tiếp lên LCD 20x4, đồng thời cấp quyền mở khóa bàn phím ma trận.
    • Người dùng nhập chuỗi mã PIN bảo mật độ dài 5 ký tự. Khi mã chính xác, màn hình hiển thị chuỗi thông báo "Mật khẩu đúng" và truyền tín hiệu điều khiển động cơ quay thuận để mở cửa. Khi mã sai, màn hình xuất thông báo "Sai mật khẩu!". Nếu quét thẻ lạ không có trong CSDL, hệ thống báo "Mã thẻ sai" và ngắt hoàn toàn quyền nhập bàn phím.
  • Chức năng quản trị người dùng linh hoạt tại chỗ: Vận hành ổn định 3 nút bấm cơ học:
    • Nút Mode: Chuyển đổi linh hoạt giữa các chế độ vận hành của hệ thống.
    • Nút Delete (BTN1): Quét thẻ cần hủy và nhấn nút để xóa bỏ hoàn toàn quyền truy cập của UID khỏi cơ sở dữ liệu.
    • Nút Insert (BTN2): Tiếp nhận thẻ mới, cho phép quản trị viên nhập lần lượt thông tin Tên, Tuổi, Giới tính hiển thị trên LCD 20x4, sau đó lưu trực tiếp vào bảng MySQL.
    • Phím ký tự 'A' trên bàn phím ma trận: Kích hoạt chế độ "Nhập mật khẩu mới", cho phép người dùng cấu hình lại chuỗi mật mã 5 ký tự và tự động ghi đè dữ liệu.
  • Đóng góp so với nghiên cứu tiền nhiệm: So với đồ án tốt nghiệp của Nguyễn Thị Đài Trang và Hà Tiến Dương vốn chỉ sử dụng một bo mạch Arduino Uno R3 kết hợp thuật toán PCA đơn giản để nhận dạng 3 biểu cảm cảm xúc (vui, buồn, ngạc nhiên) điều khiển động cơ Servo nhỏ, công trình của Lê Hoàng Thành và Hồ Đình Vương đã đạt được bước tiến rõ rệt về mặt kỹ thuật: nâng cấp nền tảng xử lý lên máy tính nhúng Raspberry Pi 3 Model B, cấu hình hệ điều hành Linux đa nhiệm, tích hợp hệ quản trị cơ sở dữ liệu quan hệ MySQL và phát triển thành công kiến trúc bảo mật hỗn hợp (kết hợp nhận dạng sinh trắc học với thẻ từ RFID và mật mã bàn phím), giải quyết triệt để nguy cơ người dùng bị cô lập bên ngoài khi hệ thống nhận diện khuôn mặt gặp trục trặc quang học.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích đánh giá trong văn bản đồ án, hệ thống còn tồn tại một số hạn chế kỹ thuật:

  • Hiệu năng xử lý của máy tính nhúng: Do sử dụng kit Raspberry Pi 3 Model B, tốc độ xử lý thuật toán phân tích thành phần chính và nhận diện khung hình video vẫn còn độ trễ nhất định so với việc thực thi trên các máy tính để bàn (PC) chuyên dụng.
  • Độ nhạy quang học và cự ly nhận dạng: Camera Raspberry Pi V2 chưa hỗ trợ tự động căn chỉnh khoảng cách linh hoạt; nếu người dùng đứng ở cự ly quá xa buồng chụp hoặc góc mặt nghiêng lệch chuẩn, tỷ lệ nhận diện bị suy giảm rõ rệt.
  • Phụ thuộc cấu trúc vật lý cố định: Hệ thống bắt buộc phải sử dụng buồng sáng kèm dải đèn LED trắng 12V cố định để duy trì kết quả nhận dạng ổn định, làm hạn chế tính cơ động khi lắp đặt thực tế ở các môi trường ánh sáng tự nhiên biến thiên mạnh.
  • Quy mô cơ sở dữ liệu thử nghiệm: Dữ liệu thử nghiệm ban đầu của đồ án mới dừng lại ở mức kiểm chứng tính khả thi với 01 đối tượng khuôn mặt, 02 thẻ RFID mẫu và 01 mã PIN mặc định.

Về hướng nghiên cứu tiếp theo, văn bản định hướng:

  • Nâng cấp phần cứng máy tính nhúng lên các thế hệ vi xử lý có xung nhịp cao hơn và bộ nhớ RAM lớn hơn nhằm rút ngắn thời gian xử lý ảnh.
  • Cải tiến thuật toán thị giác máy tính và tiền xử lý ảnh để mở rộng góc nhận diện, tăng cự ly tương tác và thích ứng linh hoạt hơn với điều kiện ánh sáng tự nhiên ngoài trời mà không cần phụ thuộc hoàn toàn vào buồng sáng.
  • Mở rộng dung lượng cơ sở dữ liệu để quản lý đồng thời nhiều người dùng, phân quyền truy cập đa cấp bậc cho các cơ quan, văn phòng.

Giá trị tham khảo

Đồ án là tài liệu tham khảo kỹ thuật hữu ích đối với sinh viên, học viên chuyên ngành Công nghệ Kỹ thuật Điện tử – Truyền thông, Kỹ thuật Máy tính, Công nghệ Thông tin, Kỹ thuật Điều khiển và Tự động hóa.

Nội dung tài liệu mang lại giá trị thực hành cao ở các khía cạnh:

  • Thiết kế kiến trúc hệ thống nhúng phối hợp: Hướng dẫn cách phân chia tải xử lý giữa máy tính nhúng Raspberry Pi (tác vụ tính toán thuật toán, cơ sở dữ liệu) và vi điều khiển Arduino (tác vụ điều khiển chấp hành thời gian thực, điều khiển động cơ qua mạch cầu H L298N).
  • Lập trình thị giác máy tính nhúng: Cung cấp phương pháp triển khai thư viện OpenCV trên môi trường ảo hóa của hệ điều hành Raspbian bằng ngôn ngữ Python, ứng dụng thuật toán PCA vào bài toán nhận dạng đối tượng thực tế.
  • Tích hợp ngoại vi đa giao thức: Cung cấp các sơ đồ chân và lưu đồ điều khiển chi tiết cho các module thông dụng như đầu đọc RFID MFRC522 (chuẩn SPI), bàn phím ma trận 4x4, màn hình ký tự LCD 20x4 và module công suất L298N.

Câu hỏi thường gặp

1. Tại sao hệ thống cần sử dụng đồng thời cả Raspberry Pi 3 và vi điều khiển Arduino Uno R3? Hệ thống sử dụng đồng thời hai bộ điều khiển nhằm phân tách tải xử lý: Raspberry Pi 3 Model B đóng vai trò máy tính trung tâm phụ trách các tác vụ tiêu tốn nhiều tài nguyên như phân tích ảnh OpenCV/PCA, đọc thẻ qua chuẩn SPI, quét bàn phím và truy vấn CSDL MySQL. Trong khi đó, Arduino Uno R3 được giao nhiệm vụ chuyên trách điều khiển tín hiệu logic cho driver L298N để kéo động cơ mở cửa, ngăn chặn triệt để nguy cơ trễ chu kỳ xung (delay) do bộ xử lý trung tâm bị quá tải khi xử lý đa nhiệm.

2. Thuật toán nhận diện khuôn mặt được triển khai bằng phương pháp nào và vận hành ra sao? Nhóm tác giả sử dụng phương pháp Phân tích thành phần chính (PCA) thông qua thư viện OpenCV trên nền Python 3.7. Thuật toán tiến hành trực giao hóa và giảm số chiều của tập ảnh từ camera, trích xuất các vector đặc trưng khuôn mặt (Eigenfaces) dựa trên ma trận hiệp phương sai, giá trị riêng và vector riêng. Sau đó, hệ thống so sánh vector ảnh đầu vào với tập dữ liệu mẫu đã lưu trữ trong quá trình huấn luyện (training); nếu độ tương đồng đạt ngưỡng quy định, hệ thống sẽ gửi lệnh mở cửa.

3. Cơ chế hoạt động của phương thức xác thực dự phòng (RFID kết hợp bàn phím) diễn ra như thế nào? Phương thức dự phòng được kích hoạt khi việc nhận diện khuôn mặt không thành công. Người dùng đưa thẻ từ vào đầu đọc RFID RC522 (tần số 13,56 MHz). Nếu mã UID trùng khớp với bản ghi trong CSDL MySQL, hệ thống hiển thị thông tin người dùng (Tên, ID, Tuổi, Giới tính) lên LCD 20x4 và mở khóa cho phép bàn phím ma trận 4x4 hoạt động. Người dùng tiếp tục nhập chuỗi mã PIN 5 ký tự; nếu mã nhập vào chính xác, hệ thống xuất thông báo "Mật khẩu đúng" và kích hoạt mở cửa. Nếu thẻ không hợp lệ, hệ thống báo "Mã thẻ sai" và ngắt quyền nhập bàn phím.

4. Dữ liệu người dùng được lưu trữ trên hệ quản trị nào và gồm những thông tin gì? Dữ liệu người dùng được lưu trữ trong cơ sở dữ liệu quan hệ MySQL cài đặt trực tiếp trên hệ điều hành Raspbian của Raspberry Pi 3, được quản lý trực quan qua giao diện phpMyAdmin. Mỗi bản ghi người dùng bao gồm 4 thông số chính: Tên (họ và tên người dùng), ID (mã định danh UID của thẻ RFID), Tuổi, và Giới tính.

5. Giải pháp kỹ thuật nào được áp dụng để hạn chế sự ảnh hưởng của môi trường ánh sáng ngoài trời đối với camera? Nhóm tác giả đã thiết kế một buồng sáng vật lý chuyên dụng tích hợp dải đèn LED trắng sử dụng nguồn điện 12V DC gắn cố định xung quanh khu vực thu nhận ảnh của camera Raspberry Pi V2. Dải đèn này cung cấp cường độ ánh sáng ổn định và đồng đều lên khuôn mặt người dùng, hạn chế các tác động gây nhiễu ảnh do bóng đổ, ánh sáng yếu hoặc sự thay đổi thời tiết giữa các thời điểm thực nghiệm trong ngày.

Kết luận

Đồ án tốt nghiệp "Thiết kế và thi công hệ thống bảo mật ứng dụng xử lý ảnh" của sinh viên Lê Hoàng Thành và Hồ Đình Vương đã hoàn thành trọn vẹn mục tiêu nghiên cứu và chế tạo thành công mô hình phần cứng bảo mật hai lớp thực tế. Sự kết hợp giữa thuật toán phân tích thành phần chính PCA trên nền tảng máy tính nhúng Raspberry Pi 3 và cơ chế xác thực hai yếu tố RFID – Keypad mang lại tính khả thi và độ tin cậy vận hành cao. Công trình cung cấp giải pháp kỹ thuật mạch lạc, hệ thống hóa đầy đủ dữ liệu tính toán và là tài liệu kỹ thuật có giá trị tham khảo rõ ràng cho các đề tài phát triển hệ thống nhúng thông minh.