Giới thiệu dự án

Trong bối cảnh đô thị hóa nhanh và mức sống tại các hộ gia đình ngày càng được nâng cao, nhu cầu bảo vệ tài sản và tính mạng trở thành một trong những ưu tiên hàng đầu. Theo thống kê từ ngành công an và các tổ chức an ninh dân dụng, hơn 65% các vụ đột nhập trái phép vào nhà dân bắt nguồn từ việc phá khóa cơ học truyền thống hoặc kẻ gian đột nhập qua các điểm mù không được giám sát kịp thời. Các hệ thống an ninh hiện đại trên thị trường dù phát triển mạnh mẽ nhưng đa phần vẫn là các giải pháp độc lập, phân mảnh (khóa vân tay riêng biệt, camera IP riêng biệt) hoặc có chi phí đầu tư và duy trì dịch vụ điện toán đám mây (Cloud) quá cao, vượt quá khả năng tiếp cận của các hộ gia đình thu nhập trung bình và sinh viên/người thuê trọ.

Đề tài tốt nghiệp "Thiết kế thi công hệ thống cửa bảo mật và camera giám sát cho hộ gia đình" của nhóm tác giả Phan Viết Tùng và Dương Thanh Hải (Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, dưới sự hướng dẫn của ThS. Nguyễn Đình Phú) giải quyết trực diện bài toán này bằng cách tích hợp toàn diện giải pháp kiểm soát ra vào đa phương thức và giám sát an ninh chủ động trên một nền tảng máy tính nhúng duy nhất.

+-----------------------------------------------------------------------------+
|                           MÔ HÌNH HỆ THỐNG AN NINH TỔNG THỂ                 |
|                                                                             |
|  [CỬA VÀO]                                  [TRUNG TÂM XỬ LÝ]    [CẢNH BÁO] |
|  - Logitech C270 (Nhận diện khuôn mặt) --->                 ---> [SIM800L]  |
|  - Cảm biến vân tay R305 (UART)        --->  Raspberry Pi 3       (SMS)     |
|  - Đầu đọc RFID RC522 (SPI)            --->    Model B      ---> [Còi hú]   |
|  - Bàn phím / Nút bấm chế độ           ---> (Python 3.7 +   ---> [LCD 20x4] |
|                                             OpenCV 4.x)     ---> [Khóa 12V] |
|  [TRONG NHÀ]                                                                |
|  - Logitech C270 (Phát hiện c/động)    --->                 ---> [Web Server|
|                                                                  Localhost] |
+-----------------------------------------------------------------------------+

Mục tiêu của dự án

  1. Thiết kế cơ chế mở cửa bảo mật kép (Dual-Mode Authentication):
    • Chế độ 1: Xác thực sinh trắc học khuôn mặt không chạm bằng camera quang học ứng dụng thị giác máy tính.
    • Chế độ 2: Xác thực 2 lớp kết hợp giữa thẻ thông minh RFID 13.56 MHz và cảm biến vân tay quang học.
  2. Xây dựng hệ thống camera giám sát thông minh trong nhà: Tự động phát hiện chuyển động bất thường dựa trên thuật toán trừ nền và gửi cảnh báo khẩn cấp tức thời (SMS và chuông báo).
  3. Phát triển giao diện quản trị Web Localhost: Cho phép gia chủ theo dõi lịch sử ra vào (kèm ảnh chụp khuôn mặt thực tế), kiểm soát trạng thái khóa và đóng/mở cửa từ xa qua mạng nội bộ.
  4. Tối ưu hóa chi phí phần cứng và mức độ độc lập dữ liệu: Hệ thống xử lý trực tiếp tại biên (Edge Computing), không phụ thuộc vào server trung gian bên thứ ba, bảo mật dữ liệu riêng tư tuyệt đối cho gia đình.

Phạm vi và giới hạn đề tài

  • Phạm vi: Thi công mô hình cửa kiểm soát thực tế với đầy đủ phần cứng nhúng, buồng chiếu sáng ổn định cho camera, cơ cấu chấp hành khóa chốt điện từ 12VDC, mạch cảnh báo GSM và máy chủ web cục bộ.
  • Giới hạn kỹ thuật: Hệ thống nhận diện khuôn mặt hoạt động tối ưu ở góc nghiêng không quá 15 độ và trong điều kiện ánh sáng kiểm soát (buồng sáng); chưa tích hợp mạng nơ-ron sâu phức tạp (Deep Learning) do giới hạn tài nguyên tính toán của vi xử lý nhúng Raspberry Pi 3.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và thị trường

Giải pháp hiện nay Ưu điểm Nhược điểm Chi phí ước tính Khả năng tùy biến
Khóa cơ khí truyền thống Đơn giản, không dùng điện, rẻ tiền. Dễ bị bẻ khóa bằng chìa vạn năng, không có nhật ký ra vào. 200.000 - 800.000 VNĐ Không
Khóa số / Vân tay thương mại Tiện lợi, thẩm mỹ cao, độ bền tốt. Giá thành đắt, hoạt động độc lập, không tích hợp camera giám sát. 3.500.000 - 10.000.000 VNĐ Rất thấp (Closed Source)
Camera IP Cloud độc lập Giám sát từ xa tốt qua App di động. Phí thuê bao Cloud hàng tháng, nguy cơ lộ lọt video cá nhân, không mở được cửa. 800.000 - 2.500.000 VNĐ/cam + phí Cloud Không
Giải pháp đề tài (All-in-One) Đa phương thức xác thực, cảnh báo SMS độc lập Internet, chi phí thấp, dữ liệu bảo mật cục bộ. Cần không gian lắp ráp mạch điều khiển, yêu cầu nguồn điện liên tục. 1.800.000 - 2.300.000 VNĐ Rất cao (Open Architecture)

Ma trận yêu cầu người dùng (MoSCoW)

  • Must-Have (Bắt buộc phải có):
    • Mở cửa bằng thẻ RFID RC522 kết hợp vân tay R305.
    • Nhận diện khuôn mặt bằng Haar Cascade + OpenCV.
    • Tự động khóa hệ thống và gửi SMS cảnh báo khi xác thực sai quá 3 lần.
    • Phát hiện chuyển động khi bật chế độ theo dõi và kích hoạt còi báo động.
  • Should-Have (Nên có):
    • Web Server nội bộ hiển thị lịch sử kèm ảnh chụp khuôn mặt.
    • Màn hình LCD 20x4 hiển thị trạng thái hướng dẫn thao tác theo thời gian thực.
    • Mở cửa và kích hoạt hệ thống giám sát bằng cú pháp tin nhắn SMS.
  • Could-Have (Có thể có):
    • Buồng chiếu sáng chuyên dụng cân bằng ánh sáng cho camera ngoài cửa.
    • Chế độ phân quyền quản trị viên (Admin) cho phép thêm/xóa thẻ và dấu vân tay trực tiếp trên giao diện nút bấm.
  • Won't-Have (Chưa triển khai trong phiên bản này):
    • Nhận diện khuôn mặt 3D chống giả mạo bằng ảnh in (Anti-spoofing).
    • Kết nối Cloud đồng bộ dữ liệu đa chi nhánh.

Thiết kế kiến trúc hệ thống và ngăn xếp công nghệ (Tech Stack)

graph TD
    subgraph SENSORS & INPUTS
        CAM1[Logitech C270 - Face] -->|USB 2.0 / MJPEG| RPI[Raspberry Pi 3 Model B]
        CAM2[Logitech C270 - Motion] -->|USB 2.0 / MJPEG| RPI
        RFID[Module RC522 13.56MHz] -->|SPI Protocol| RPI
        FP[Cảm biến vân tay R305] -->|UART to CP2102| RPI
        BTN[Khối phím chức năng] -->|GPIO Inputs| RPI
    end

    subgraph PROCESSING CORE
        RPI --> PROC[Core Process Python 3.7]
        PROC --> CV[OpenCV 4.x Engine]
        PROC --> DB[(Local SQLite / File Log)]
        PROC --> WEB[Localhost Web Dashboard]
    end

    subgraph ACTUATORS & ALERTS
        PROC -->|I2C Protocol| LCD[LCD 20x4 + PCF8574]
        PROC -->|UART to CP2102| GSM[SIM800L Quad-Band]
        PROC -->|GPIO Output| RELAY[Relay Driver 2SC1815]
        RELAY --> LOCK[Khóa chốt điện từ 12V]
        PROC -->|GPIO Output| BUZZ[Còi báo động 5V]
    end
  • Phần cứng trung tâm: Raspberry Pi 3 Model B (SoC Broadcom BCM2837 64-bit Quad-Core ARM Cortex-A53 @ 1.2 GHz, 1GB LPDDR2 RAM, VideoCore IV GPU, 40 chân GPIO).
  • Hệ điều hành: Raspbian OS Linux Kernel 4.19 tối ưu hóa tài nguyên nhúng.
  • Môi trường & Ngôn ngữ lập trình: Python 3.7, IDE Visual Studio Code (Remote-SSH), XLaunch (X11 Forwarding).
  • Thư viện thị giác máy tính: OpenCV 4.1.x (Open Source Computer Vision Library).
  • Giao thức ngoại vi:
    • SPI (Serial Peripheral Interface): Giao tiếp với đầu đọc thẻ RFID-RC522 (Tốc độ truyền dữ liệu lên đến 10 Mbps).
    • UART (Universal Asynchronous Receiver-Transmitter): Giao tiếp cảm biến vân tay R305 (Baud rate 57600 bps) và Module GSM SIM800L (Baud rate 9600 bps) thông qua chip cầu nối USB-UART CP2102.
    • I2C (Inter-Integrated Circuit): Giao tiếp màn hình LCD 20x4 qua mạch đệm PCF8574 (chỉ sử dụng 2 dây SDA và SCL).

Thiết kế phần cứng và nguồn điện

Mạch nguồn được thiết kế phân tầng để đáp ứng các mức điện áp và dòng đỉnh khác nhau, triệt tiêu hiện tượng sụt áp gây reset vi điều khiển:

  1. Khối nguồn tổng: Nguồn tổ ong 20V/12V - 10A cung cấp năng lượng toàn hệ thống.
  2. Khối hạ áp vi xử lý: Module DC-DC Buck LM2596 điều chỉnh xuống 5.0V - 3.0A cấp nguồn cho Raspberry Pi 3 qua cổng Micro USB.
  3. Khối nguồn GSM: Module LM2596 thứ hai điều chỉnh chính xác về 4.0V với tụ lọc hóa $1000\mu\text{F}$ và tụ gốm $100\text{nF}$ để chịu xung dòng đỉnh 2.0A của module SIM800L trong quá trình phát sóng truyền tin.
  4. Mạch lái khóa điện từ: Sử dụng Transistor lưỡng cực NPN 2SC1815 kích mở Relay 12VDC, có diode dập xung ngược 1N4007 bảo vệ vi điều khiển khỏi sức điện động cảm ứng từ cuộn dây solenoid.

Implementation và kết quả thực nghiệm

Thuật toán cốt lõi và mã nguồn triển khai

Hệ thống tích hợp hai thuật toán xử lý ảnh trọng tâm: Haar Cascade kết hợp AdaBoost để phát hiện/nhận diện khuôn mặt và Background Subtraction để phát hiện chuyển động.

1. Nguyên lý nhận diện khuôn mặt Haar Cascade

Thuật toán dựa trên công trình của Paul Viola và Michael Jones. Các đặc trưng Haar-like (Edge, Line, Center-surround) được tính toán siêu tốc thông qua biểu diễn ma trận tích phân (Integral Image):

$$ii(x, y) = \sum_{x' \le x, y' \le y} i(x', y')$$

Giá trị tổng cường độ sáng của vùng chữ nhật bất kỳ $D$ được tính chỉ bằng 4 phép truy xuất điểm ảnh:

$$D = P_4 - P_2 - P_3 + P_1$$

Các bộ phân loại yếu (Weak Classifiers) được chọn lọc và liên kết thành bộ phân loại mạnh bằng thuật toán AdaBoost theo công thức:

$$H(x) = \text{sign}\left(\sum_{t=1}^T \alpha_t h_t(x)\right)$$

import cv2
import numpy as np

# Khởi tạo bộ phát hiện khuôn mặt Haar Cascade
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')

def verify_face_stream(camera_port=0):
    cap = cv2.VideoCapture(camera_port)
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
    
    match_count = 0
    while True:
        ret, frame = cap.read()
        if not ret:
            break
            
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # Tiền xử lý: Lọc mịn Gauss và cân bằng lược đồ mức xám
        gray_filtered = cv2.GaussianBlur(gray, (5, 5), 0)
        faces = face_cascade.detectMultiScale(
            gray_filtered, 
            scaleFactor=1.2, 
            minNeighbors=5, 
            minSize=(100, 100)
        )
        
        for (x, y, w, h) in faces:
            roi_gray = gray_filtered[y:y+h, x:x+w]
            id_predicted, confidence = recognizer.predict(roi_gray)
            
            # Ngưỡng tin cậy (Confidence threshold càng nhỏ thì độ chính xác càng cao với LBPH)
            if confidence < 55:
                match_count += 1
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            else:
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
                
        if match_count >= 5: # Xác thực thành công khi nhận diện liên tiếp 5 khung hình
            cap.release()
            cv2.destroyAllWindows()
            return True, id_predicted
            
    cap.release()
    cv2.destroyAllWindows()
    return False, None

2. Thuật toán phát hiện chuyển động trong nhà (Motion Detection)

Hệ thống sử dụng kỹ thuật trừ nền động (Background Differencing) kết hợp giãn nở nhị phân (Dilate) và tìm đường bao (Contours):

def detect_indoor_motion(cap, first_frame_bg, threshold_val=25, min_area=5000):
    ret, frame = cap.read()
    if not ret:
        return False, None
        
    # Chuyển đổi mức xám và làm mịn Gauss để triệt tiêu nhiễu hạt
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)
    
    # Tính sai phân tuyệt đối giữa khung hình hiện tại và ảnh nền tĩnh
    frame_delta = cv2.absdiff(first_frame_bg, gray)
    thresh = cv2.threshold(frame_delta, threshold_val, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)
    
    contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    motion_detected = False
    
    for c in contours:
        if cv2.contourArea(c) < min_area:
            continue
        motion_detected = True
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
        
    return motion_detected, frame

Kịch bản thử nghiệm và kết quả định lượng

Hệ thống đã trải qua các đợt kiểm thử nghiêm ngặt tại phòng thí nghiệm Bộ môn Điện tử Công nghiệp – Y sinh thuộc Trường ĐH Sư phạm Kỹ thuật TP.HCM.

+-----------------------------------------------------------------------------+
|               BIỂU ĐỒ TỶ LỆ NHẬN DIỆN KHUÔN MẶT THEO KHOẢNG CÁCH            |
|                                                                             |
|  100% |  ******************* (96.7%)                                        |
|   90% |                     \                                               |
|   80% |                      \****************** (88.3%)                    |
|   70% |                                         \                           |
|   60% |                                          \                          |
|   50% |                                           \***** (45.0%)            |
|    0% +--------------------+--------------------+--------------------+       |
|            30cm - 50cm          50cm - 80cm           > 80cm                |
|                        KHOẢNG CÁCH TỪ MẶT ĐẾN CAMERA                        |
+-----------------------------------------------------------------------------+

Đánh giá độ chính xác của các phân hệ xác thực

Module kiểm thử Điều kiện kiểm thử Số mẫu thử Thành công Thất bại Độ chính xác (%) Thời gian phản hồi
Thẻ RFID RC522 Khoảng cách 1 - 4 cm, góc quét tự do 100 100 0 100.0% < 150 ms
Vân tay R305 Ngón tay khô ráo, góc đặt thẳng $\pm 15^\circ$ 100 97 3 97.0% < 300 ms
Vân tay R305 Ngón tay ướt mồ hôi nhẹ 50 41 9 82.0% ~ 450 ms
Khuôn mặt (C270) Đủ sáng (Buồng sáng chuyên dụng), cự ly 40cm 120 116 4 96.7% 850 - 1200 ms
Khuôn mặt (C270) Thiếu sáng, ngược sáng mạnh 60 38 22 63.3% > 1800 ms
Báo động SIM800L Gửi tin nhắn SMS cảnh báo đột nhập 50 50 0 100.0% 3.2 - 5.5 s
Phát hiện chuyển động Ban ngày, vật thể diện tích $> 5000\text{ px}$ 80 79 1 98.75% < 200 ms

Đổi mới và đóng góp kỹ thuật

  1. Kiến trúc xác thực lai đa chế độ (Hybrid Multi-Factor Architecture): Thay vì sử dụng một phương thức duy nhất dễ bị tổn thương, hệ thống cung cấp sự linh hoạt hoàn hảo: mở cửa không chạm (khuôn mặt) cho gia chủ khi mang vác đồ đạc, và mở cửa thẻ từ kết hợp vân tay dự phòng an toàn tuyệt đối khi thời tiết xấu hoặc môi trường ánh sáng phức tạp.
  2. Kênh cảnh báo thoát băng thông (Out-of-band GSM Alerting): Việc sử dụng SIM800L độc lập hoàn toàn với mạng Internet băng rộng của gia đình đảm bảo dù kẻ gian có cố tình cắt cáp quang, ngắt kết nối Wifi thì tín hiệu cảnh báo đột nhập vẫn được gửi qua mạng viễn thông di động GSM/GPRS tới điện thoại gia chủ trong vòng dưới 5 giây.
  3. Thiết kế buồng sáng chuẩn hóa cho camera biên: Dự án giải quyết triệt để vấn đề phụ thuộc ánh sáng môi trường của camera quang học thông thường bằng việc chế tạo buồng sáng tích hợp đèn LED tán xạ, giúp tỷ lệ nhận diện khuôn mặt nâng từ $63.3%$ lên đến $96.7%$.
  4. Tối ưu hóa tài nguyên phần cứng nhúng: Bằng cách lập trình đa luồng (Multi-threading) trên Python 3.7 và tinh chỉnh ma trận tích phân trong OpenCV, hệ thống duy trì được tốc độ xử lý khung hình đạt 24-28 FPS trên nền tảng chip ARM BCM2837 mà không gây quá nhiệt (duy trì nhiệt độ CPU dưới $62^\circ\text{C}$).

Ứng dụng thực tế và triển khai

Phân tích chi phí - lợi ích và ROI

Dưới đây là bảng dự toán chi phí linh kiện phần cứng chi tiết để chế tạo một hệ thống hoàn chỉnh:

+-----------------------------------------------------------------------------+
|                     BẢNG TỔNG HỢP CHI PHÍ BẢN THI CÔNG                      |
|                                                                             |
|  1. Bộ máy tính nhúng Raspberry Pi 3 Model B:         850.000 VNĐ           |
|  2. Thẻ nhớ MicroSD Sandisk 32GB Class 10:            120.000 VNĐ           |
|  3. Cặp Camera Logitech C270 HD (2 cái):              650.000 VNĐ           |
|  4. Cảm biến vân tay quang học R305:                  260.000 VNĐ           |
|  5. Module đọc thẻ RFID RC522 + Thẻ Mifare:            45.000 VNĐ           |
|  6. Module GSM/GPRS SIM800L:                          110.000 VNĐ           |
|  7. Khóa chốt điện từ Solenoid 12VDC:                 130.000 VNĐ           |
|  8. Màn hình LCD 20x4 + Module I2C PCF8574:           115.000 VNĐ           |
|  9. Mạch nguồn, LM2596, Relay, vỏ hộp, còi hú:        180.000 VNĐ           |
|  -------------------------------------------------------------------------  |
|  TỔNG CHI PHÍ PHẦN CỨNG:                            2.460.000 VNĐ           |
+-----------------------------------------------------------------------------+

So với một hệ thống khóa thông minh nhập khẩu có tính năng nhận diện khuôn mặt và camera chuông cửa (dao động từ 8.000.000 đến 15.000.000 VNĐ), hệ thống của đề tài giúp tiết kiệm từ 68% đến 83% chi phí đầu tư ban đầu, đồng thời miễn phí trọn đời chi phí duy trì máy chủ Cloud.

Kịch bản ứng dụng thực tế

  • Căn hộ chung cư và nhà phố: Kiểm soát cửa chính ra vào, phát hiện người giúp việc, người lạ tiếp cận cửa hoặc đột nhập từ ban công khi gia chủ đi vắng.
  • Khu nhà trọ, ký túc xách sinh viên: Sử dụng thẻ RFID cấp phát cho từng người thuê, quản lý giờ giấc ra vào tự động và mở cửa từ xa qua Web khi có khách đến thăm.
  • Phòng thí nghiệm / Kho lưu trữ bảo mật: Yêu cầu xác thực đồng thời 2 yếu tố (Thẻ từ + Vân tay) để mở cửa tài liệu mật, kích hoạt camera tự động chụp ảnh người mở cửa lưu trữ trên server.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Xử lý ảnh khuôn mặt: Thuật toán Haar Cascade nhạy cảm với góc quay khuôn mặt lớn ($> 15^\circ$) và biểu cảm khuôn mặt thay đổi quá nhiều so với tập mẫu huấn luyện (Datasets).
  • Bộ nhớ lưu trữ cục bộ: Thẻ nhớ 32GB giới hạn khả năng lưu trữ video ghi hình liên tục trong thời gian dài (chủ yếu lưu ảnh chụp theo sự kiện).
  • Chưa có nguồn dự phòng UPS: Khi mất điện lưới đột ngột, hệ thống tạm ngừng hoạt động trừ khi được trang bị thêm bộ lưu điện DC 12V.

Hướng nghiên cứu và nâng cấp tiếp theo

  1. Nâng cấp thuật toán AI: Thay thế Haar Cascade bằng mô hình mạng nơ-ron tích chập nhẹ như MobileNet-SSD hoặc FaceNet kết hợp với bộ tăng tốc phần cứng Google Coral USB Accelerator để tăng độ chính xác nhận diện lên $> 99.5%$ ở mọi góc nhìn.
  2. Tích hợp giao thức IoT chuẩn hóa: Nâng cấp hệ thống giao tiếp qua giao thức MQTT và tích hợp vào nền tảng nhà thông minh mã nguồn mở Home Assistant, hỗ trợ điều khiển qua Apple HomeKit / Google Home.
  3. Phát triển mạch tích hợp nguyên khối (Custom PCB): Thiết kế board mạch in 2 lớp SMD chuẩn công nghiệp thay cho việc nối dây module thủ công, giảm kích thước hộp điều khiển xuống 60%.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Điện tử - Viễn thông, Tự động hóa, CNTT: Nguồn tài liệu thực tế mẫu mực về cách kết hợp giữa phần cứng nhúng (Raspberry Pi, cảm biến UART/SPI/I2C) và phần mềm thị giác máy tính (OpenCV Python).
  • Kỹ sư và Lập trình viên Embedded/IoT: Tham khảo giải pháp thiết kế mạch nguồn phân tầng chống sụt áp cho module GSM và kỹ thuật tối ưu hóa luồng xử lý thời gian thực trên Linux nhúng.
  • Hộ gia đình và Doanh nghiệp vừa & nhỏ (SME): Một giải pháp an ninh toàn diện, tin cậy, tự chủ công nghệ với chi phí chỉ bằng 1/4 thị trường.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và chạy hệ thống là gì?

Hệ thống yêu cầu một bo mạch tính toán nhúng tối thiểu từ Raspberry Pi 3 Model B trở lên (khuyến nghị Pi 4 nếu xử lý đa luồng camera độ phân giải cao), thẻ nhớ MicroSD dung lượng tối thiểu 16GB chuẩn Class 10 (tốc độ đọc/ghi $\ge 80\text{MB/s}$), nguồn cấp DC ổn định $12\text{V}-5\text{A}$ và 2 webcam tương thích chuẩn giao tiếp UVC (USB Video Class) độ phân giải từ 720p.

2. Khi mất mạng Internet / Wifi, hệ thống có hoạt động được không?

Hoàn toàn bình thường. Tất cả các tác vụ nhận diện khuôn mặt, quét vân tay, đọc thẻ RFID và điều khiển đóng mở khóa đều được xử lý offline cục bộ trên chip Raspberry Pi. Khi phát hiện đột nhập, hệ thống truyền tin qua sóng viễn thông di động của Module SIM800L trực tiếp tới số điện thoại gia chủ mà không cần mạng Internet.

3. Làm cách nào để tránh việc nhận diện sai khi có người dùng ảnh chụp điện thoại để đánh lừa camera?

Trong phiên bản hiện tại, hệ thống sử dụng thuật toán kiểm tra biến thiên chuyển động mắt và cử động cơ mặt qua nhiều khung hình liên tiếp ($N \ge 5\text{ frames}$) trước khi ra quyết định mở khóa. Ở các bản cập nhật tiếp theo, giải pháp sẽ tích hợp thêm camera cảm biến chiều sâu (Depth Camera) hoặc thuật toán phân tích vân da (Liveness Detection) để triệt tiêu hoàn toàn nguy cơ giả mạo 2D.

4. Chi phí bảo trì và độ bền phần cứng của hệ thống như thế nào?

Cảm biến vân tay quang học R305 có độ bền lăng kính trên 1.000.000 lần chạm, đầu đọc thẻ RFID MFRC522 là thiết bị thụ động không tiếp xúc nên hầu như không bị hao mòn cơ học. Khóa chốt điện từ Solenoid có tuổi thọ đóng/mở trung bình trên 500.000 chu kỳ. Chi phí vận hành định kỳ duy trì duy nhất chỉ là cước phí duy trì SIM di động (khoảng 10.000 - 20.000 VNĐ/tháng để gửi SMS).

Kết luận

Đồ án tốt nghiệp "Thiết kế thi công hệ thống cửa bảo mật và camera giám sát cho hộ gia đình" đã hoàn thành xuất sắc toàn bộ các mục tiêu lý thuyết và thực tiễn đề ra. Dự án không chỉ dừng lại ở mô hình mô phỏng mà đã được hiện thực hóa thành một sản phẩm hoàn chỉnh với độ ổn định cao: tích hợp nhịp nhàng các chuẩn truyền thông công nghiệp (SPI, UART, I2C), làm chủ công nghệ xử lý ảnh biên với OpenCV trên nền tảng nhúng, và tạo ra cơ chế an ninh nhiều lớp linh hoạt. Đây là một minh chứng rõ nét cho xu hướng ứng dụng công nghệ cao vào đời sống thực tế với chi phí tối ưu, mở ra tiềm năng thương mại hóa rộng rãi cho các giải pháp Smart Home tự chủ tại Việt Nam.