Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và phát triển đô thị thông minh (Smart City), an ninh vật lý tại các tòa nhà, văn phòng và khu dân cư cao cấp đang đối mặt với nhiều thách thức nghiêm trọng. Theo các báo cáo thống kê từ ngành an ninh công nghệ, hơn 65% các vụ xâm nhập trái phép bắt nguồn từ các lỗ hổng của khóa cơ khí truyền thống như sao chép chìa khóa, cạy phá ổ khóa hoặc làm rơi mất chìa. Mặt khác, các hệ thống bảo mật thẻ từ độc lập vẫn tiềm ẩn rủi ro mượn thẻ, trộm thẻ hoặc sao chép tần số vô tuyến trái phép.

Đề tài "Thiết kế và thi công hệ thống bảo mật ứng dụng xử lý ảnh" do nhóm sinh viên Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh thực hiện, tập trung giải quyết bài toán kiểm soát truy cập (Access Control) thông minh bằng cách kết hợp cơ chế xác thực sinh trắc học và hệ thống xác thực hai nhân tố (2FA) dự phòng.

+-------------------------------------------------------------------------+
|                HỆ THỐNG BẢO MẬT ĐA PHƯƠNG THỨC (MFA)                    |
|                                                                         |
|  [ Kênh chính: Sinh trắc học ]      [ Kênh dự phòng: Thẻ & Mã PIN ]     |
|   Camera V2 + Thuật toán PCA  --->   Thẻ RFID RC522 + Keypad 4x4        |
|                  \                     /                                |
|                   v                   v                                 |
|               [ Bộ điều khiển trung tâm RPi 3 ]                         |
|                               |                                         |
|                               v                                         |
|              [ Arduino Uno R3 + Cầu H L298N ]                           |
|                               |                                         |
|                               v                                         |
|                  [ Động cơ DC 12V Chấp hành ]                           |
+-------------------------------------------------------------------------+

Mục tiêu dự án

  1. Xây dựng hệ thống xác thực sinh trắc học khuôn mặt: Nhận diện khuôn mặt thời gian thực bằng camera thông qua thuật toán Phân tích thành phần chính (Principal Component Analysis - PCA) trên nền tảng Raspberry Pi 3 Model B và OpenCV.
  2. Thiết lập cơ chế xác thực dự phòng (Failover): Tích hợp công nghệ nhận dạng qua tần số vô tuyến (Radio Frequency Identification - RFID) kết hợp bàn phím ma trận 4x4 (Matrix Keypad) để nhập mã PIN xác thực khi sinh trắc học gặp sự cố (mặt biến dạng, chấn thương hoặc góc chụp che khuất).
  3. Thiết kế buồng sáng chuẩn hóa quang học: Tích hợp hệ thống đèn LED trắng 12V nhằm triệt tiêu nhiễu do thay đổi ánh sáng môi trường, nâng cao độ chính xác khi thu nhận ảnh.
  4. Xây dựng khối chấp hành và quản lý cơ sở dữ liệu: Phân tách tầng xử lý thuật toán (Raspberry Pi 3) và tầng điều khiển động lực (Arduino Uno R3 + Module cầu H L298N) để đóng/mở động cơ DC 12V an toàn; quản trị danh tính người dùng trên hệ quản trị cơ sở dữ liệu MySQL.

Phạm vi và giới hạn kỹ thuật

  • Hệ thống được triển khai trên mô hình cửa tự động thu nhỏ, sử dụng động cơ DC 12V.
  • Module Camera Raspberry Pi V2 (5MP) thu nhận hình ảnh trong buồng sáng kiểm soát.
  • Bộ nhớ lưu trữ và xử lý trực tiếp trên thẻ nhớ MicroSD 32GB cài hệ điều hành Raspbian OS, quản lý dữ liệu người dùng với các trường thông tin: ID, Tên, Tuổi, Giới tính, Mã thẻ UID, Mật khẩu PIN.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Khóa cơ khí truyền thống Khóa thẻ từ RFID đơn thuần Khóa nhận diện cảm xúc (PCA trên Arduino) Hệ thống bảo mật đa tầng (Đề xuất)
Độ an toàn bảo mật Rất thấp (Dễ bẻ khóa, nhân bản chìa) Trung bình (Rủi ro mất cắp, quét trộm thẻ) Khá (Dễ bị từ chối sai nếu cảm xúc lệch mẫu) Rất cao (Kết hợp Sinh trắc học PCA + RFID + PIN)
Cơ chế dự phòng Không có Chìa khóa cơ Không có Thẻ RFID Mifare kết hợp mã PIN 5 ký tự
Ổn định môi trường sáng Không ảnh hưởng Không ảnh hưởng Dễ lỗi khi thiếu sáng/ngược sáng Ổn định cao nhờ tích hợp buồng sáng LED trắng 12V
Phân tách công suất Không áp dụng Thấp (Dễ sụt áp vi điều khiển) Thấp (Arduino kéo cả xử lý lẫn servo) Tách biệt Raspberry Pi (Tính toán) & Arduino (Động lực)
Chi phí triển khai Rất thấp (< 200.000 VNĐ) Thấp (300.000 - 600.000 VNĐ) Trung bình (~ 1.000.000 VNĐ) Tối ưu (~ 1.800.000 VNĐ / < 80 USD)

Phân tích yêu cầu người dùng (Mô hình MoSCoW)

  • Must-have (Bắt buộc phải có):
    • Nhận dạng khuôn mặt chính xác qua Camera CSI trong buồng sáng chuẩn.
    • Đọc định danh thẻ RFID Mifare qua module RC522 (tần số 13.56 MHz).
    • Nhập mã PIN qua bàn phím ma trận 4x4 khi thẻ RFID hợp lệ.
    • Tự động kích hoạt đóng/mở động cơ DC 12V qua module công suất L298N.
  • Should-have (Nên có):
    • Hiển thị thông báo trạng thái, thông tin người dùng (Họ tên, Giới tính, Tuổi) trên màn hình LCD 20x4.
    • Các nút bấm chức năng ngoại vi (Mode, Insert, Delete) để thêm/xóa thẻ trực tiếp trên hệ thống mà không cần can thiệp code.
  • Could-have (Có thể mở rộng):
    • Đổi mật khẩu trực tiếp qua phím chức năng A trên Keypad.
  • Won't-have (Chưa thực hiện ở giai đoạn này):
    • Truyền dữ liệu streaming qua Cloud Internet thời gian thực.
    • Nhận diện đồng thời nhiều khuôn mặt trong cùng một khung hình.

Thiết kế kiến trúc hệ thống

graph TD
    subgraph Input_Layer ["Khối Thu Thập Tín Hiệu (Input)"]
        CAM["Raspberry Pi Camera V2\n(Giao tiếp CSI Bus)"]
        RFID["Module RFID-RC522\n(Giao tiếp SPI 13.56MHz)"]
        KEYPAD["Bàn Phím Ma Trận 4x4\n(8 Chân GPIO Quét Hàng/Cột)"]
        BUTTONS["Nút Bấm Điều Khiển\n(Mode / Insert / Delete)"]
        LIGHT["Buồng Sáng LED Trắng 12V\n(Chuẩn Hóa Ánh Sáng)"]
    end

    subgraph Processing_Layer ["Khối Xử Lý Trung Tâm"]
        RPI["Raspberry Pi 3 Model B\n(Broadcom BCM2835 Quad-Core 1.2GHz, 1GB RAM)\n- Hệ điều hành Raspbian OS\n- Python 3.7 + OpenCV\n- Thuật toán PCA"]
        DB[(Cơ Sở Dữ Liệu MySQL\nBảng: User, Tag_UID, PIN)]
        RPI <--> DB
    end

    subgraph Actuation_Layer ["Khối Chấp Hành & Hiển Thị (Output)"]
        LCD["Màn Hình LCD 20x4\n(Hiển Thị Trạng Thái & Thông Tin)"]
        ARDUINO["Arduino Uno R3\n(ATmega328P - Xử Lý Lệnh Ngoại Vi)"]
        L298N["Module Cầu H L298N\n(Cách Ly Dòng Tải Max 2A)"]
        MOTOR["Động Cơ DC 12V\n(Cơ Cấu Khóa Mở Cửa)"]
    end

    CAM --> RPI
    RFID --> RPI
    KEYPAD --> RPI
    BUTTONS --> RPI
    LIGHT -.-> CAM
    
    RPI --> LCD
    RPI -- "Tín hiệu Logic GPIO" --> ARDUINO
    ARDUINO --> L298N
    L298N --> MOTOR

Thông số kỹ thuật của Technology Stack

+-----------------------------------------------------------------------------------+
| THÀNH PHẦN             | PHIÊN BẢN / THÔNG SỐ KỸ THUẬT                            |
+------------------------+----------------------------------------------------------+
| Vi xử lý trung tâm     | Raspberry Pi 3 Model B (Broadcom BCM2835 Quad-Core 1.2GHz|
| Vi điều khiển ngoại vi | Arduino Uno R3 (ATmega328P 8-bit, 16MHz, 32KB Flash)     |
| Cảm biến hình ảnh      | Raspberry Pi Camera Module V2 (5 Megapixel, góc nhìn 72°4|
| Module RFID            | Philips MFRC522 (Tần số 13.56 MHz, chuẩn SPI, ISO 14443A)|
| Module công suất       | Cầu H kép L298N (Điện áp 5-30V DC, Dòng đỉnh 2A/kênh)     |
| Ngôn ngữ & Thư viện    | Python 3.7, OpenCV 3.4/4.x, Arduino C/C++                 |
| Cơ sở dữ liệu          | MySQL 5.7 / MariaDB quản trị qua giao diện phpMyAdmin    |
| Hiển thị & Nhập liệu   | Màn hình LCD 20x4 ký tự, Bàn phím ma trận 16 phím (4x4)  |
+-----------------------------------------------------------------------------------+

Thiết kế cơ sở dữ liệu (MySQL Schema)

Cơ sở dữ liệu được thiết kế trên MySQL nhằm quản lý danh tính, phân quyền và lịch sử xác thực:

CREATE DATABASE IF NOT EXISTS smart_security_db;
USE smart_security_db;

CREATE TABLE IF NOT EXISTS users (
    id INT AUTO_INCREMENT PRIMARY KEY,
    uid_tag VARCHAR(32) NOT NULL UNIQUE,
    full_name VARCHAR(100) NOT NULL,
    age INT NOT NULL,
    gender VARCHAR(10) NOT NULL,
    pin_code VARCHAR(10) NOT NULL,
    face_trained_status TINYINT(1) DEFAULT 1,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Lịch trình triển khai (Methodology & Timeline)

Dự án được triển khai theo mô hình Thác nước kết hợp Kiểm thử lặp (Iterative Waterfall) trong 12 tuần:

[Tuần 1 - 3]: Khảo sát, Đề cương & Cơ sở lý thuyết PCA 
      │
[Tuần 4 - 6]: Giao tiếp phần cứng (Pi Camera CSI, RFID RC522 SPI, Keypad 4x4)
      │
[Tuần 7 - 8]: Lập trình Arduino Uno + L298N, Thi công buồng sáng & Mô hình cơ khí
      │
[Tuần 9 - 10]: Tích hợp toàn hệ thống, Cấu hình CSDL MySQL, Thử nghiệm kịch bản
      │
[Tuần 11 - 12]: Hiệu chỉnh tham số nhận diện, Đóng gói báo cáo & Nghiệm thu
  • Tuần 1 - 3: Nghiên cứu thuật toán PCA, lựa chọn linh kiện, hoàn thành đề cương chi tiết.
  • Tuần 4 - 6: Cấu hình hệ điều hành Raspbian, cấu hình môi trường ảo Python virtualenv, kiểm thử driver Camera qua raspistill, lập trình đọc mã thẻ RFID RC522 và ma trận phím.
  • Tuần 7 - 8: Lập trình Arduino Uno R3 điều khiển động cơ qua xung PWM và đảo chiều cầu H L298N; thi công phần cứng khung cửa và buồng sáng.
  • Tuần 9 - 10: Ghép nối hệ thống, liên kết cơ sở dữ liệu MySQL, kiểm tra độ ổn định khi truyền tín hiệu giữa Raspberry Pi và Arduino.
  • Tuần 11 - 12: Tối ưu hóa ngưỡng phân lớp nhận diện khuôn mặt, đo đạc thông số thực nghiệm, khắc phục lỗi trễ xung và hoàn thiện tài liệu.

Hiện thực hóa kỹ thuật và Kết quả thực nghiệm

Thuật toán nhận diện khuôn mặt PCA (Principal Component Analysis)

Thuật toán PCA giúp giảm số chiều của không gian ảnh từ $N \times M$ điểm ảnh xuống không gian vector đặc trưng (Eigenfaces) $K$ chiều ($K \ll N \times M$) mà vẫn bảo toàn phương sai biến thiên lớn nhất của dữ liệu.

  1. Chuẩn hóa dữ liệu: Vector hóa mỗi ảnh huấn luyện kích thước $N \times M$ thành vector cột $\Gamma_i \in \mathbb{R}^{D}$ với $D = N \times M$. Tính vector khuôn mặt trung bình $\Psi$: $$\Psi = \frac{1}{M} \sum_{i=1}^{M} \Gamma_i$$
  2. Tính vector sai khác: $\Phi_i = \Gamma_i - \Psi$.
  3. Tính ma trận hiệp phương sai: $C = \frac{1}{M} \sum_{i=1}^{M} \Phi_i \Phi_i^T = A A^T$, trong đó $A = [\Phi_1, \Phi_2, \dots, \Phi_M]$.
  4. Tìm trị riêng và vector riêng: Tìm các vector riêng $u_k$ ứng với các trị riêng lớn nhất $\lambda_k$ của ma trận $C$ để xây dựng không gian con Eigenfaces.
  5. Chiếu ảnh và nhận dạng: Chiếu vector ảnh đầu vào $\Phi$ vào không gian Eigenfaces: $\Omega = U^T \Phi$. Khoảng cách Euclidean $\epsilon_k = |\Omega - \Omega_k|$ được dùng để phân lớp nhận dạng theo ngưỡng $\theta$.
# Trích đoạn mã nguồn nhận diện khuôn mặt trên Raspberry Pi 3
import cv2
import numpy as np
import RPi.GPIO as GPIO
import time

# Cấu hình GPIO kết nối Arduino
SIGNAL_PIN = 17
GPIO.setmode(GPIO.BCM)
GPIO.setup(SIGNAL_PIN, GPIO.OUT)
GPIO.output(SIGNAL_PIN, GPIO.LOW)

# Khởi tạo bộ nhận diện khuôn mặt OpenCV EigenFaceRecognizer
recognizer = cv2.face.EigenFaceRecognizer_create()
recognizer.read('/home/pi/facerecog/trainer/trainer.yml')
face_cascade = cv2.CascadeClassifier('/home/pi/facerecog/haarcascade_frontalface_default.xml')

cam = cv2.VideoCapture(0)
cam.set(3, 640) # Chiều rộng khung hình
cam.set(4, 480) # Chiều cao khung hình

CONFIDENCE_THRESHOLD = 4000  # Ngưỡng chấp nhận nhận diện của PCA

def unlock_door():
    print("[INFO] Xác thực thành công! Đang kích hoạt mở cửa...")
    GPIO.output(SIGNAL_PIN, GPIO.HIGH)
    time.sleep(1.0)
    GPIO.output(SIGNAL_PIN, GPIO.LOW)

while True:
    ret, img = cam.read()
    if not ret:
        break
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
    
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
        face_roi = cv2.resize(gray[y:y+h, x:x+w], (100, 100))
        label_id, confidence = recognizer.predict(face_roi)
        
        # Giá trị confidence trong EigenFace: càng nhỏ càng chính xác
        if confidence < CONFIDENCE_THRESHOLD:
            cv2.putText(img, f"ID: {label_id} - Match", (x, y-10), 
                        cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
            unlock_door()
            time.sleep(5.0) # Trễ chờ cửa hoàn thành chu trình
        else:
            cv2.putText(img, "Unknown User", (x, y-10), 
                        cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
            
    cv2.imshow('Camera An Ninh', img)
    if cv2.waitKey(10) & 0xFF == 27: # Thoát khi nhấn ESC
        break

cam.release()
cv2.destroyAllWindows()
GPIO.cleanup()

Module điều khiển động cơ trên Arduino Uno R3

Nhằm loại bỏ hiện tượng sụt áp trên Raspberry Pi 3 khi động cơ khởi động, vi điều khiển ATmega328P trên bo Arduino nhận tín hiệu kích hoạt từ Raspberry Pi qua chân Digital Input, sau đó xuất tín hiệu điều khiển cầu H L298N thực hiện chu trình: Quay thuận mở cửa $\rightarrow$ Dừng chờ $5\text{s}$ $\rightarrow$ Quay nghịch đóng cửa $\rightarrow$ Dừng hoàn toàn.

// Firmware Arduino Uno R3: Điều khiển động cơ DC 12V qua cầu H L298N
const int triggerPin = 2; // Nhận tín hiệu từ Raspberry Pi GPIO 17
const int in1Pin = 8;     // Chân điều khiển IN1 của L298N
const int in2Pin = 9;     // Chân điều khiển IN2 của L298N
const int enaPin = 10;    // Chân băm xung PWM điều khiển tốc độ (ENA)

void setup() {
  pinMode(triggerPin, INPUT);
  pinMode(in1Pin, OUTPUT);
  pinMode(in2Pin, OUTPUT);
  pinMode(enaPin, OUTPUT);
  
  // Trạng thái ban đầu: Dừng động cơ
  digitalWrite(in1Pin, LOW);
  digitalWrite(in2Pin, LOW);
  analogWrite(enaPin, 0);
  Serial.begin(9600);
}

void openDoor() {
  Serial.println("Kích hoạt mở cửa...");
  analogWrite(enaPin, 200); // 78% duty cycle
  digitalWrite(in1Pin, HIGH);
  digitalWrite(in2Pin, LOW);
  delay(2500); // Thời gian chạy hết hành trình mở cửa
  
  // Dừng động cơ giữ cửa mở
  digitalWrite(in1Pin, LOW);
  digitalWrite(in2Pin, LOW);
  delay(5000); // Thời gian chờ người đi qua (5 giây)
  
  // Quay nghịch đóng cửa
  Serial.println("Kích hoạt đóng cửa...");
  digitalWrite(in1Pin, LOW);
  digitalWrite(in2Pin, HIGH);
  delay(2500);
  
  // Dừng động cơ kết thúc chu trình
  digitalWrite(in1Pin, LOW);
  digitalWrite(in2Pin, LOW);
  analogWrite(enaPin, 0);
}

void loop() {
  int signalState = digitalRead(triggerPin);
  if (signalState == HIGH) {
    openDoor();
  }
}

Kết quả đo đạc thực nghiệm

Hệ thống đã trải qua các bài kiểm thử nghiêm ngặt tại phòng thí nghiệm Bộ môn Điện tử Công nghiệp – Y sinh:

+-----------------------------------------------------------------------------------+
| KỊCH BẢN THỬ NGHIỆM            | TỶ LỆ CHÍNH XÁC | THỜI GIAN ĐÁP ỨNG | KẾT QUẢ    |
+--------------------------------+-----------------+-------------------+------------+
| Khuôn mặt chuẩn trong buồng sáng| 94.5% (189/200) | 1.15 giây         | Đạt chuẩn  |
| Khuôn mặt lệch góc (> 25 độ)   | 72.0% (144/200) | 1.30 giây         | Chuyển RFID|
| Khuôn mặt người lạ (Chưa train)| 99.0% từ chối   | 1.10 giây         | Khóa cửa   |
| Quét thẻ RFID đúng + PIN đúng  | 100% (200/200)  | 0.35 giây         | Mở cửa     |
| Quét thẻ RFID sai UID          | 100% từ chối    | 0.15 giây         | Báo lỗi LCD|
| Thẻ đúng nhưng nhập sai PIN    | 100% từ chối    | 0.20 giây         | Báo lỗi LCD|
| Thao tác Insert / Delete thẻ   | 100% thành công | < 2.0 giây        | Cập nhật DB|
+-----------------------------------------------------------------------------------+

Đổi mới và Đóng góp kỹ thuật

  1. Cơ chế chuyển đổi dự phòng thông minh (Failover Dual-Layer Architecture): Khắc phục triệt để nhược điểm của các hệ thống sinh trắc học truyền thống khi người dùng bị thương tật tạm thời hoặc thay đổi nhận dạng khuôn mặt. Hệ thống tự động chuyển tiếp sang chế độ xác thực RFID kết hợp mã PIN bàn phím số.
  2. Thiết kế buồng sáng quang học chuyên dụng: Giải quyết bài toán độ nhạy ánh sáng của camera số trong môi trường ánh sáng phức tạp. Việc sử dụng dàn đèn LED trắng 12V phân bổ đều giúp triệt tiêu hiện tượng sấp bóng và cải thiện độ chính xác của thuật toán PCA thêm 18.5% so với môi trường không buồng sáng.
  3. Phân tách vi xử lý và vi điều khiển công suất: Phân bổ tải tính toán thông minh giữa Raspberry Pi 3 (đảm nhiệm xử lý ảnh, CSDL MySQL, giao tiếp SPI/CSI) và Arduino Uno R3 (điều khiển trực tiếp module công suất L298N). Thiết kế này bảo vệ Raspberry Pi khỏi dòng cảm ứng ngược của động cơ và tránh sụt áp hệ thống.
  4. Quản trị người dùng trực quan ngay trên phần cứng: Cho phép thêm người dùng mới, đăng ký thẻ RFID, nhập thông tin giới tính/tuổi và xóa người dùng trực tiếp thông qua các nút nhấn vật lý Insert/Delete kết hợp màn hình LCD 20x4 mà không cần truy cập máy tính chủ.

Ứng dụng thực tế và Triển khai thương mại

Kịch bản ứng dụng thực tế

  • Căn hộ thông minh & Biệt thự (Smart Home): Lắp đặt tại cửa chính, cho phép gia chủ mở cửa không cần chìa bằng nhận diện khuôn mặt và cung cấp mã PIN/thẻ RFID cho khách hoặc người giúp việc.
  • Phòng máy chủ & Trung tâm dữ liệu (Server Room / Data Center): Kiểm soát nghiêm ngặt quyền truy cập của kỹ sư vận hành, ghi nhận lịch sử định danh qua CSDL MySQL.
  • Văn phòng doanh nghiệp & Phòng thí nghiệm bảo mật: Thay thế máy chấm công thẻ từ truyền thống, ngăn chặn tình trạng quẹt thẻ hộ và gian lận giờ làm việc.

Phân tích chi phí và Hiệu quả đầu tư (ROI)

+-------------------------------------------------------------+
| LINH KIỆN / THIẾT BỊ          | SỐ LƯỢNG | ĐƠN GIÁ (VNĐ)    |
+-------------------------------+----------+------------------+
| Raspberry Pi 3 Model B        | 01       | 950.000          |
| Raspberry Pi Camera Module V2 | 01       | 350.000          |
| Arduino Uno R3                | 01       | 130.000          |
| Module RFID-RC522 + Thẻ Tag   | 01       | 45.000           |
| Module cầu H L298N            | 01       | 40.000           |
| Màn hình LCD 20x4             | 01       | 85.000           |
| Bàn phím ma trận 4x4          | 01       | 25.000           |
| Động cơ DC 12V + Khung cơ khí | 01       | 120.000          |
| Nguồn tổ ong 12V 5A + Dây LED | 01       | 95.000           |
+-------------------------------+----------+------------------+
| TỔNG CHI PHÍ PHẦN CỨNG        |          | ~ 1.840.000 VNĐ  |
+-------------------------------------------------------------+

So với các bộ khóa vân tay – khuôn mặt thương mại trên thị trường (có giá dao động từ 6.000.000 đến 15.000.000 VNĐ), giải pháp tự thiết kế giúp tiết kiệm hơn 70% chi phí đầu tư ban đầu, đồng thời hoàn toàn làm chủ mã nguồn và dễ dàng tùy biến mở rộng tính năng.

Hạn chế và Hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Thuật toán PCA là thuật toán tuyến tính cổ điển, nhạy cảm với góc quay khuôn mặt lớn (> 30 độ) và biểu cảm khuôn mặt cực đoan.
  • Bộ vi xử lý Raspberry Pi 3 Model B có dung lượng RAM 1GB nên tốc độ nhận diện thời gian thực bị giới hạn ở mức xấp xỉ 1 khung hình/giây (FPS) khi xử lý đồng thời CSDL lớn.
  • Hệ thống hiện chỉ hỗ trợ nhận diện trực tiếp từng người một tại khoảng cách cố định trong buồng sáng.

Hướng nâng cấp trong tương lai

  • Nâng cấp phần cứng AI chuyên dụng: Chuyển dịch sang các kit máy tính nhúng hỗ trợ bộ tăng tốc Tensor/NPU như Raspberry Pi 4/5, NVIDIA Jetson Nano hoặc Google Coral Dev Board.
  • Chuyển đổi sang mô hình Deep Learning: Ứng dụng các mạng nơ-ron tích chập (CNN) hiện đại như MobileNetV2-SSD, FaceNet hoặc InsightFace để đạt độ chính xác > 99.2% trong mọi điều kiện ánh sáng và góc nghiêng.
  • Tích hợp IoT & Cloud Management: Xây dựng Web Dashboard và Mobile App (Flutter/React Native) kết nối qua giao thức MQTT/Websocket, cho phép gửi cảnh báo xâm nhập kèm hình ảnh trực tiếp về điện thoại người quản trị.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------+
| NHÓM ĐỐI TƯỢNG      | GIÁ TRỊ VÀ LỢI ÍCH CỤ THỂ                                 |
+---------------------+-----------------------------------------------------------+
| Sinh viên kỹ thuật  | Nguồn tài liệu tham khảo hoàn chỉnh về xử lý ảnh OpenCV,  |
|                     | lập trình nhúng Python/C++ và tích hợp giao tiếp SPI/UART.|
| Lập trình viên IoT  | Kiến trúc mẫu về phân tách tầng tính toán và chấp hành,   |
|                     | kỹ thuật xử lý tín hiệu tránh sụt áp cho vi điều khiển.   |
| Doanh nghiệp / SMEs | Giải pháp Access Control tự chủ, chi phí thấp, tối ưu chi |
|                     | phí vận hành và dễ dàng tích hợp vào hạ tầng sẵn có.      |
| Nhà nghiên cứu      | Cơ sở dữ liệu thực nghiệm về đánh giá độ chính xác của    |
|                     | thuật toán Eigenfaces trong môi trường buồng sáng vật lý. |
+---------------------------------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

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

Hệ thống yêu cầu bo mạch tối thiểu là Raspberry Pi 3 Model B (Quad-Core 1.2GHz, 1GB RAM), thẻ nhớ MicroSD Class 10 dung lượng tối thiểu 16GB, Camera Module CSI 5MP, bo mạch Arduino Uno R3 (hoặc Nano), module RFID RC522 chuẩn SPI, bàn phím ma trận 4x4 và bộ nguồn 12V 5A kèm mạch hạ áp LM2596 xuống 5V 3A cấp cho Raspberry Pi.

2. Giới hạn mở rộng (Scalability) của hệ thống là bao nhiêu người dùng?

Với thuật toán PCA lưu trữ vector đặc trưng cục bộ trên Raspberry Pi 3, hệ thống hoạt động tối ưu với cơ sở dữ liệu dưới 50 người dùng. Khi mở rộng quy mô từ 500 - 10.000 người, hệ thống cần chuyển sang mô hình Server-Client hoặc nâng cấp thuật toán sang MobileNet-FaceNet lưu vector nhúng (embedding 128 chiều) trên cơ sở dữ liệu phân tán.

3. Hệ thống có thể tích hợp với các hệ thống an ninh tòa nhà sẵn có không?

Có. Nhờ phân tách tín hiệu điều khiển logic qua Arduino Uno R3, ngõ ra của module cầu H hoặc Relay có thể đấu nối song song trực tiếp với các loại khóa từ hút (Magnetic Lock), cổng tay xoay Tripod Turnstile hoặc kết nối với hệ thống báo cháy/báo trộm sẵn có trong tòa nhà.

4. Quy trình bảo trì và độ bền phần cứng như thế nào?

Module quang học và buồng sáng LED không có chi tiết chuyển động cơ học nên tuổi thọ đèn LED đạt trên 30.000 giờ chiếu sáng liên tục. Động cơ cơ khí và hệ thống bánh răng cần được tra dầu bôi trơn định kỳ 6 tháng/lần. Hệ thống cho phép sao lưu cơ sở dữ liệu MySQL định kỳ qua lệnh mysqldump tự động trên Linux.

5. Chi phí đầu tư và thời gian hoàn vốn (ROI) ước tính?

Với tổng chi phí linh kiện phần cứng khoảng 1.840.000 VNĐ, giải pháp giúp doanh nghiệp hoặc hộ gia đình tiết kiệm ngay lập tức 70 - 80% chi phí so với mua thiết bị thương mại. Thời gian hoàn vốn đầu tư ước tính dưới 3 tháng thông qua việc cắt giảm chi phí làm chìa khóa cơ, thẻ từ thay thế và giảm thiểu rủi ro thất thoát tài sản.

Kết luận

Đồ án tốt nghiệp "Thiết kế và thi công hệ thống bảo mật ứng dụng xử lý ảnh" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã hiện thực hóa thành công một giải pháp kiểm soát truy cập an ninh thông minh, kết hợp hài hòa giữa xử lý ảnh sinh trắc học và công nghệ xác thực đa nhân tố RFID/PIN.

Hệ thống chứng minh tính khả thi vượt trội với độ chính xác nhận diện khuôn mặt đạt 94.5% trong buồng sáng chuẩn, thời gian phản hồi mở cửa nhanh dưới 1.2 giây, cùng cơ chế dự phòng failover thông minh giải quyết triệt để các rủi ro của khóa an ninh truyền thống. Đây là tiền đề vững chắc cho việc phát triển các sản phẩm Access Control thương mại "Make in Vietnam" với chi phí tối ưu và tính năng bảo mật toàn diện.