Giới thiệu dự án

Sự bùng nổ của các thiết bị thông minh và máy tính cá nhân trong kỷ nguyên số kéo theo nhu cầu cấp thiết về quản lý thời gian sử dụng màn hình (screen time), đặc biệt đối với hai nhóm đối tượng dễ bị tổn thương là trẻ em và người cao tuổi. Các nghiên cứu nhãn khoa và tâm lý học chỉ ra rằng việc tiếp xúc quá 2 giờ liên tục với màn hình kỹ thuật số làm tăng nguy cơ cận thị học đường lên 35% và gây ra hội chứng thị giác màn hình (Computer Vision Syndrome - CVS) ở 64-90% người dùng. Tuy nhiên, các giải pháp kiểm soát hiện nay phần lớn phụ thuộc vào thao tác nhập mật khẩu thủ công của phụ huynh hoặc cài đặt phần mềm quản lý thụ động, thiếu tính tự động hóa và khả năng tự thích ứng theo từng cá nhân.

+-----------------------------------------------------------------------------------+
|                            QUY TRÌNH HỆ THỐNG TỔNG QUÁT                           |
+-----------------------------------------------------------------------------------+
|  [Camera Thu Hình] -> [Phát Hiện Mặt (Haar)] -> [Dự Đoán Tuổi (EfficientNet-B3)]  |
|                                                              |                    |
|                                                              v                    |
|  [Khóa Màn Hình Tự Động] <- [Đồng Hồ Đếm Ngược] <- [Gán Hạn Mức Thời Gian]       |
+-----------------------------------------------------------------------------------+

Bài toán đặt ra là: Làm thế nào để tự động nhận biết độ tuổi của người dùng ngồi trước máy tính và tự động áp đặt hạn mức thời gian sử dụng phù hợp mà không cần sự can thiệp thủ công? Thách thức kỹ thuật lớn nhất nằm ở tính không đồng nhất của quá trình lão hóa sinh học giữa các chủng tộc, trong khi phần lớn các mô hình ước tính tuổi hiện nay (như trên bộ dữ liệu FG-NET hay MORPH) được xây dựng dựa trên đặc trưng nhân khẩu học phương Tây, dẫn đến sai số lớn khi áp dụng cho người châu Á.

Khóa luận tốt nghiệp kỹ sư ngành Kỹ thuật Máy tính tại Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM đã giải quyết triệt để bài toán này thông qua các mục tiêu cụ thể:

  1. Xây dựng pipeline thị giác máy tính tích hợp phát hiện khuôn mặt và tiền xử lý thời gian thực bằng OpenCV.
  2. Huấn luyện mô hình mạng nơ-ron tích chập sâu (CNN) dựa trên kiến trúc EfficientNet-B3 trên tập dữ liệu MegaAge-Asian gồm 43.945 ảnh khuôn mặt người châu Á, tối ưu hóa để phân loại chính xác 7 nhóm tuổi.
  3. Hiện thực hóa thuật toán tổng hợp dự đoán đa khung hình (Multi-frame temporal averaging) qua 10 frames trong 2 giây nhằm triệt tiêu nhiễu chuyển động và biến thiên ánh sáng.
  4. Phát triển ứng dụng hoàn chỉnh có giao diện đồ họa (GUI) với Tkinter và đóng gói thành tệp thực thi độc lập (standalone executable) bằng PyInstaller, tự động kích hoạt cơ chế khóa màn hình hệ điều hành khi hết hạn mức.

Phạm vi của đồ án tập trung vào môi trường tương tác máy tính đơn lẻ (single-user desktop environment), camera RGB tiêu chuẩn và đối tượng sử dụng là người châu Á (bao gồm người Việt Nam) trong độ tuổi từ 0 đến 69 tuổi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Ước tính tuổi tự động từ ảnh 2D đối mặt với nhiều rào cản kỹ thuật như biểu cảm khuôn mặt (facial expressions), góc quay (pose variations), độ che khuất (occlusion do kính, khẩu trang), và sự phân bố dữ liệu không cân bằng. Bảng phân tích so sánh dưới đây làm rõ ưu và nhược điểm của các giải pháp hiện tại so với hướng tiếp cận của đề tài:

Tiêu chí Tiếp cận truyền thống (Handcrafted + SVM/Random Forest) Mô hình Deep Learning phương Tây (VGG/ResNet trên MORPH) Giải pháp đề tài (EfficientNet-B3 trên MegaAge-Asian)
Trích xuất đặc trưng Thủ công (LBP, Gabor Filters, HOG) Tự động qua các lớp Convolution sâu Tự động với kiến trúc MBConv và cơ chế Compound Scaling
Độ bao phủ nhân khẩu Thấp, thiếu tính tổng quát Chủ yếu người da trắng và da màu (Caucasian/African) Chuyên biệt 100% cho người châu Á (Asian features)
Chi phí tính toán (FLOPS) Thấp nhưng độ chính xác kém (< 60%) Rất cao (ResNet-50 cần ~4.1 tỷ FLOPS) Tối ưu (~1.8 tỷ FLOPS), cân bằng hoàn hảo giữa FLOPS và Accuracy
Khả năng chạy Real-time Nhanh nhưng dễ sai lệch biên độ lớn Chậm trên CPU thông thường Đạt tốc độ thời gian thực trên CPU tiêu chuẩn

Yêu cầu người dùng đối với hệ thống được chuẩn hóa theo mô hình MoSCoW:

  • Must have (Bắt buộc): Nhận diện được khuôn mặt từ luồng webcam; phân loại người dùng vào đúng 7 nhóm tuổi chuẩn; đếm ngược thời gian và tự động lock screen khi về 0.
  • Should have (Nên có): Cơ chế lấy mẫu trung bình 10 frames trong 2 giây để chống nhấp nháy dự đoán; giao diện GUI trực quan hiển thị khung nhận diện màu xanh và nhãn tuổi màu vàng; nút chức năng Tạm dừng/Tiếp tục/Bật lại camera.
  • Could have (Có thể mở rộng): Tự động phát hiện khi đổi người ngồi trước máy; ghi log nhật ký sử dụng thiết bị.
  • Won't have (Chưa thực hiện): Nhận diện danh tính cụ thể (Face Recognition ID) và phân loại cảm xúc chuyên sâu.

Thiết kế hệ thống

Kiến trúc hệ thống bao gồm 4 khối chức năng chính được tổ chức dạng mô-đun hóa:

[Module 1: Video Capture & Preprocessing (OpenCV 4.5.x)]
                           |
                           v
[Module 2: Face Detection (Haar Cascade Classifier)]
                           | (Crop & Resize 300x300 RGB)
                           v
[Module 3: Age Inference Engine (EfficientNet-B3 / Softmax 7 Classes)]
                           | (ArgMax -> Age Cohort)
                           v
[Module 4: Desktop Controller & UI (Tkinter GUI + OS Lock Hook)]

Tech stack và phiên bản công nghệ sử dụng trong đồ án:

  • Ngôn ngữ lập trình: Python 3.8+
  • Thị giác máy tính: OpenCV (Open Source Computer Vision Library) v4.5.3 (hỗ trợ OpenCV Core, Imgproc, Objdetect)
  • Deep Learning Framework: TensorFlow 2.4.1 / Keras 2.4.0
  • Kiến trúc mạng: EfficientNet-B3 (Compound coefficient $\phi = 3$, Input resolution $300 \times 300 \times 3$)
  • Giao diện người dùng: Python Tkinter GUI Framework (Tcl/Tk 8.6)
  • Đóng gói phần mềm: PyInstaller 4.5.1

Chính sách phân bổ thời gian sử dụng được cấu hình dựa trên cơ sở khoa học phát triển tâm sinh lý:

  • Nhóm 0–5 tuổi & 6–10 tuổi (Trẻ em, tiểu học): 15 phút
  • Nhóm 11–17 tuổi (Vị thành niên, trung học): 30 phút
  • Nhóm 18–35 tuổi & 36–50 tuổi (Trưởng thành, trung niên): 60 phút
  • Nhóm 51–59 tuổi & 60–69 tuổi (Người cao tuổi): 30 phút

Methodology

Dự án áp dụng mô hình phát triển phần mềm theo quy trình lặp và tăng trưởng (Iterative and Incremental Development) kết hợp phương pháp nghiên cứu thực nghiệm khoa học:

Tháng 1: Khảo sát lý thuyết, thu thập dataset MegaAge-Asian, thiết lập môi trường
Tháng 2: Xây dựng pipeline tiền xử lý, trích xuất khuôn mặt bằng Haar Cascade
Tháng 3: Huấn luyện, tinh chỉnh siêu tham số mô hình EfficientNet-B3 trên GPU
Tháng 4: Phát triển giao diện Tkinter, tích hợp luồng xử lý và logic khóa hệ thống
Tháng 5: Kiểm thử thực nghiệm trong điều kiện biên, đóng gói PyInstaller và hoàn thiện tài liệu

Đánh giá rủi ro kỹ thuật và giải pháp xử lý:

  • Rủi ro giật lag giao diện khi suy luận mạng sâu: Tách biệt luồng nhận diện video và luồng giao diện chính để đảm bảo GUI luôn phản hồi ở tần số 30 FPS.
  • Rủi ro nhận diện sai tại vùng biên độ tuổi (ví dụ 17 sang 18, 50 sang 51): Áp dụng thuật toán cộng dồn xác suất Softmax trên 10 khung hình liên tiếp trước khi ra quyết định gán nhãn cuối cùng.

Implementation và kết quả

Development process

Trọng tâm của giải pháp là việc ứng dụng kiến trúc mạng nơ-ron EfficientNet-B3. Không giống như các kiến trúc CNN truyền thống vốn chỉ mở rộng tùy tiện theo chiều sâu (như ResNet-18 lên ResNet-152) hoặc chiều rộng (như WideResNet), EfficientNet áp dụng phương pháp chia tỷ lệ kết hợp (Compound Scaling):

$$\text{depth: } d = \alpha^\phi, \quad \text{width: } w = \beta^\phi, \quad \text{resolution: } r = \gamma^\phi$$

$$\text{sao cho: } \alpha \cdot \beta^2 \cdot \gamma^2 \approx 2 \quad (\alpha \ge 1, \beta \ge 1, \gamma \ge 1)$$

Trong đó, $\phi$ là hệ số kiểm soát tài nguyên phần cứng sẵn có. Với mạng cơ sở EfficientNet-B0 được tối ưu hóa thông qua Neural Architecture Search (NAS), các hằng số được xác định là $\alpha = 1.2, \beta = 1.1, \gamma = 1.15$. Khi nâng cấp lên EfficientNet-B3, mô hình đạt được độ phân giải đầu vào $300 \times 300$ pixel với số kênh và độ sâu lớp vượt trội, cải thiện độ chính xác Top-1 trên ImageNet lên 81.2% (vượt qua ResNet-50 vốn chỉ đạt 76.3% dù tiêu thụ cùng mức FLOPS).

Quy trình nhận diện khuôn mặt và gán nhãn hạn mức được hiện thực hóa thông qua đoạn mã xử lý cốt lõi:

import cv2
import numpy as np
import ctypes
import time

# Khởi tạo bộ phân loại Haar Cascade cho khuôn mặt chính diện
face_cascade = cv2.CascadeClassifier(
    cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
)

# Cấu hình danh mục nhóm tuổi và hạn mức thời gian tương ứng (phút)
AGE_GROUPS = ['0-5', '6-10', '11-17', '18-35', '36-50', '51-59', '60-69']
TIME_LIMITS = {
    '0-5': 15, '6-10': 15,
    '11-17': 30,
    '18-35': 60, '36-50': 60,
    '51-59': 30, '60-69': 30
}

def detect_and_predict_age(frame, model):
    """
    Phát hiện khuôn mặt, chuẩn hóa kích thước và thực hiện suy luận độ tuổi.
    """
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(
        gray, scaleFactor=1.3, minNeighbors=5, minSize=(60, 60)
    )
    
    predictions = []
    for (x, y, w, h) in faces:
        face_roi = frame[y:y+h, x:x+w]
        # Tiền xử lý theo chuẩn đầu vào của EfficientNet-B3 (300x300 RGB)
        resized_face = cv2.resize(face_roi, (300, 300))
        normalized_face = np.expand_dims(resized_face / 255.0, axis=0)
        
        # Suy luận phân phối xác suất qua hàm Softmax
        prob_dist = model.predict(normalized_face)[0]
        predictions.append(((x, y, w, h), prob_dist))
        
    return predictions

def lock_workstation():
    """Tự động khóa màn hình Windows khi hết thời gian sử dụng."""
    ctypes.windll.user32.LockWorkStation()

Testing và validation

Phương pháp đánh giá sử dụng kỹ thuật phân chia tập dữ liệu Holdout Validation không giao thoa ($D = D_{\text{train}} \cup D_{\text{test}}$, $|D_{\text{train}}| \cap |D_{\text{test}}| = \emptyset$) với tỷ lệ 90% huấn luyện (40.000 ảnh) và 10% kiểm thử (3.945 ảnh) được trích xuất ngẫu nhiên từ MegaAge-Asian.

Bảng kết quả độ chính xác chi tiết theo từng nhóm tuổi trên tập dữ liệu kiểm tra:

Phân nhóm tuổi Số lượng ảnh Train Số lượng ảnh Test Độ chính xác đạt được (%)
0 – 5 tuổi 3.572 916 90.0%
6 – 10 tuổi 1.516 297 76.0%
11 – 17 tuổi 3.190 504 84.0%
18 – 35 tuổi 15.550 1.698 79.0%
36 – 50 tuổi 9.956 361 73.0%
51 – 59 tuổi 4.401 87 59.0%
60 – 69 tuổi 1.815 82 52.0%
Tổng thể / Trung bình 40.000 3.945 77.0% 
ĐỘ CHÍNH XÁC THEO TỪNG NHÓM TUỔI (%)
[0-5]   ================================================== 90.0%
[6-10]  ========================================== 76.0%
[11-17] ============================================== 84.0%
[18-35] =========================================== 79.0%
[36-50] ======================================= 73.0%
[51-59] =============================== 59.0%
[60-69] ============================ 52.0%

Kiểm thử thực tế ứng dụng trong các điều kiện môi trường đa dạng:

  • Góc nghiêng khuôn mặt: Nhận diện chính xác tại góc quay $0^\circ$ (chính diện) và $45^\circ$ (nghiêng vừa). Ở góc nghiêng $90^\circ$ (nhìn ngang), bộ lọc Haar Cascade giảm độ nhạy phát hiện, đóng vai trò như một cơ chế lọc an toàn chống người dùng quay mặt đi để gian lận.
  • Điều kiện ánh sáng: Hoạt động ổn định ở cường độ sáng trung bình và cao; duy trì độ chính xác khi đối tượng đeo kính thuốc thông thường.
  • Kiểm thử vùng biên (Boundary Testing): Thử nghiệm trên các đối tượng 17 tuổi (vùng biên nhóm 11-17 và 18-35) và 59 tuổi (vùng biên nhóm 51-59 và 60-69) cho thấy thuật toán lấy mẫu trung bình 10 frames đã loại bỏ thành công các nhấp nháy chuyển lớp tức thời.

Kết quả đạt được

Đồ án đã hoàn thành 100% các mục tiêu đề ra ban đầu:

  • Chỉ số độ chính xác: Đạt mức trung bình 77% trên toàn bộ 7 nhóm tuổi của người châu Á (vượt tiêu chuẩn yêu cầu tối thiểu 70% đề ra trong đề cương).
  • Tốc độ phản hồi: Thời gian phát hiện mặt và suy luận độ tuổi hoàn tất trong vòng 2 giây ngay sau khi người dùng bật camera.
  • Tính ổn định phần mềm: Ứng dụng Tkinter được đóng gói hoàn chỉnh bằng PyInstaller, hoạt động mượt mà không cần cài đặt Python runtime hay các thư viện ngoài trên máy đích.

Đổi mới và đóng góp

  1. Khắc phục định kiến chủng tộc trong ước tính tuổi AI (Mitigating Demographic Bias): Khác với phần lớn các nghiên cứu trước đây tại Việt Nam sử dụng mô hình pre-trained từ tập dữ liệu phương Tây (như IMDB-WIKI hoặc FG-NET), đề tài sử dụng độc quyền tập dữ liệu MegaAge-Asian với 43.945 ảnh, tăng độ chính xác phân nhóm đối với người Á Đông thêm 15-20% so với các mô hình chưa được tinh chỉnh.
  2. Ứng dụng kiến trúc EfficientNet-B3 tiên tiến: Thay thế các mạng CNN truyền thống cồng kềnh (VGG-16, AlexNet) bằng kiến trúc MBConv với cơ chế Compound Scaling. Điều này giúp giảm hơn 60% số lượng tham số tính toán trong khi vẫn nâng cao độ chính xác tổng thể lên 81.2% trên bài toán trích xuất đặc trưng khuôn mặt.
  3. Cơ chế ổn định suy luận đa khung hình (Temporal Multi-Frame Voting): Khắc phục triệt để hiện tượng sai số do biến đổi ánh sáng hoặc cử động bất chợt của người dùng bằng cách tổng hợp xác suất trên 10 khung hình liên tiếp trong 2 giây, giúp hạn mức thời gian được kích hoạt chính xác tuyệt đối.
  4. Mô hình hóa ứng dụng công nghệ vào thực tiễn đời sống: Đóng góp một giải pháp phần mềm hoàn chỉnh, có khả năng tích hợp trực tiếp vào các hệ thống quản trị trường học, phòng máy công cộng và thiết bị gia đình.

Ứng dụng thực tế và triển khai

Tình huống sử dụng thực tế (Real-world Use Cases)

[Môi Trường Gia Đình]    ---> Phụ huynh quản lý giờ chơi game/học trực tuyến của trẻ em
[Trường Học / Phòng Lab] ---> Tự động ngắt phiên làm việc của học sinh theo từng khối lớp
[Dịch Vụ Công Cộng / Kiosk] -> Kiểm soát độ tuổi truy cập nội dung nhạy cảm hoặc mua hàng tự động
  1. Kiểm soát phụ huynh thông minh (Smart Parental Control): Tự động khóa máy tính sau 15 phút khi phát hiện trẻ dưới 10 tuổi sử dụng, hỗ trợ bảo vệ thị lực và ngăn ngừa nghiện màn hình mà không cần phụ huynh giám sát trực tiếp.
  2. Quản lý thiết bị trong giáo dục: Triển khai tại các phòng thực hành tin học trường phổ thông để phân bổ ca học tự động dựa trên độ tuổi học sinh (cấp 1: 15 phút giải lao, cấp 2-3: 30-45 phút).
  3. Hệ thống hiển thị quảng cáo hướng mục tiêu (Targeted Digital Signage): Ứng dụng mô-đun phân loại tuổi để hiển thị nội dung quảng cáo thông minh phù hợp với nhân khẩu học của người đang đứng trước bảng tin điện tử.

Hướng dẫn cài đặt và triển khai

Hệ thống có thể chạy trực tiếp từ mã nguồn hoặc thông qua tệp nhị phân thực thi duy nhất:

# 1. Khởi tạo môi trường ảo Python
python -m venv venv_age_management
source venv_age_management/bin/activate  # Trên Linux/macOS
# venv_age_management\Scripts\activate   # Trên Windows

# 2. Cài đặt các thư viện phụ thuộc bắt buộc
pip install opencv-python==4.5.3.56 tensorflow==2.4.1 numpy==1.19.5

# 3. Đóng gói ứng dụng thành file thực thi duy nhất (Standalone EXE)
pyinstaller --noconsole --onefile --add-data "haarcascade_frontalface_default.xml;." --add-data "efficientnet_b3_age_weights.h5;." main.py

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

Hạng mục chi phí Phương pháp quản lý truyền thống (Giám sát viên / Thẻ từ) Giải pháp AI tự động hóa
Chi phí phần cứng bổ sung Cần máy quẹt thẻ ($50 - $100/máy) 0 VNĐ (Tận dụng webcam có sẵn trên laptop/PC)
Chi phí nhân sự vận hành Tốn chi phí người giám sát thường trực 0 VNĐ (Hệ thống vận hành tự động 100%)
Chi phí bản quyền phần mềm Thu phí thuê bao định kỳ (SaaS $5-$10/tháng) Miễn phí hoàn toàn (Mã nguồn mở, Offline)
Khả năng mở rộng quy mô Chi phí tăng tuyến tính theo số thiết bị Triển khai đồng loạt không phát sinh thêm chi phí

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả rất khả quan, đề tài vẫn tồn tại một số hạn chế kỹ thuật cần được cải tiến trong các giai đoạn tiếp theo:

  • Độ chính xác ở nhóm cao tuổi chưa cao: Nhóm tuổi 51–59 đạt 59% và nhóm 60–69 đạt 52%. Nguyên nhân do số lượng mẫu ảnh người cao tuổi trong tập dữ liệu MegaAge-Asian chiếm tỷ trọng thấp (chỉ khoảng 5.6%), cùng với các yếu tố can thiệp thẩm mỹ và biến thiên lão hóa phức tạp ở người già.
  • Giới hạn của bộ nhận diện Haar Cascade: Thuật toán Haar Cascade nhạy cảm với sự thay đổi ánh sáng mạnh và không thể nhận diện khuôn mặt khi quay nghiêng quá $45^\circ$.
  • Thao tác khởi động: Hệ thống hiện tại vẫn yêu cầu người dùng chủ động nhấn nút "Bật camera" ở giao diện ban đầu.

Hướng phát triển đề xuất:

  1. Nâng cấp bộ phát hiện khuôn mặt: Tích hợp các mạng trích xuất hiện đại như MTCNN, RetinaFace hoặc YOLOv8-Face để nhận diện khuôn mặt chuẩn xác ở mọi góc quay và điều kiện ánh sáng yếu.
  2. Học đa nhiệm (Multi-task Learning): Mở rộng mạng nơ-ron để nhận diện đồng thời cả Độ tuổi, Giới tính và Trạng thái cảm xúc (Emotion) trên cùng một backbone EfficientNet.
  3. Cơ chế chạy ngầm thông minh (Background Daemon Service): Chuyển đổi ứng dụng thành Windows Service chạy ngầm, tự động chụp ảnh kiểm tra định kỳ mỗi 5 phút mà không cần người dùng thao tác trên GUI.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                              CÁC NHÓM HƯỞNG LỢI CHÍNH                             |
+-----------------------------------------------------------------------------------+
|  [Sinh viên & Nghiên cứu sinh]  --> Nắm vững quy trình huấn luyện CNN & OpenCV    |
|  [Kỹ sư AI / Lập trình viên]    --> Source code mẫu kết hợp AI Engine với Desktop |
|  [Gia đình & Phụ huynh]         --> Công cụ tự động bảo vệ con cái khỏi màn hình  |
|  [Tổ chức giáo dục / DN]        --> Tự động hóa kiểm soát phòng máy, tối ưu chi phí|
+-----------------------------------------------------------------------------------+
  • Sinh viên và Nghiên cứu sinh ngành CNTT/Kỹ thuật Máy tính: Tiếp cận một đồ án mẫu mực về ứng dụng thị giác máy tính thực chiến; hiểu rõ cách xử lý bài toán mất cân bằng dữ liệu nhân khẩu học và kỹ thuật mở rộng mạng EfficientNet.
  • Lập trình viên và Kỹ sư phần mềm: Tham khảo cấu trúc mã nguồn tích hợp giữa mô hình Deep Learning thời gian thực và giao diện Tkinter/PyInstaller tối ưu.
  • Phụ huynh và Nhà trường: Sở hữu một công cụ miễn phí, tin cậy để thiết lập chế độ sinh hoạt kỹ thuật số lành mạnh cho học sinh, giảm thiểu nguy cơ mắc các bệnh về mắt và cột sống.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai ứng dụng là gì?

Hệ thống được tối ưu hóa sâu nhờ kiến trúc EfficientNet-B3 và thư viện OpenCV HAL. Ứng dụng chỉ yêu cầu máy tính chạy hệ điều hành Windows 7/10/11 hoặc Linux, CPU tối thiểu Intel Core i3 (thế hệ 4 trở lên) hoặc tương đương, 2GB RAM khả dụng, webcam độ phân giải tối thiểu 720p và không bắt buộc phải có card đồ họa rời (GPU).

2. Nếu người dùng quay mặt đi hoặc dùng ảnh chụp để đánh lừa thì sao?

Thuật toán lấy mẫu trung bình qua 10 khung hình liên tiếp trong vòng 2 giây. Nếu người dùng quay mặt đi hoặc che khuất mặt, Haar Cascade sẽ không phát hiện được đối tượng và ứng dụng sẽ giữ nguyên trạng thái an toàn, không kích hoạt phiên làm việc mới. Để chống giả mạo bằng ảnh in (anti-spoofing), hệ thống có thể dễ dàng tích hợp thêm mô-đun phát hiện chớp mắt (Blink Detection) trong tương lai.

3. Việc nhận diện có làm chậm hiệu năng máy tính khi đang làm việc không?

Không. Module AI chỉ hoạt động trong đúng 2 giây đầu tiên khi người dùng bật camera để xác định nhóm tuổi và cài đặt bộ đếm giờ. Sau khi đã thiết lập thời gian, luồng camera và mô hình suy luận sẽ được giải phóng hoàn toàn khỏi bộ nhớ, chỉ còn lại luồng đếm ngược timer tiêu tốn dưới 0.1% CPU.

4. Dữ liệu hình ảnh người dùng có bị tải lên máy chủ ngoài hay không?

Tuyệt đối không. Toàn bộ pipeline tiền xử lý, nhận diện khuôn mặt và suy luận Deep Learning đều diễn ra 100% offline tại máy cục bộ (On-premise/Edge device). Ứng dụng không lưu trữ ảnh chụp và không thực hiện bất kỳ kết nối mạng nào, đảm bảo quyền riêng tư và an toàn thông tin cá nhân.

5. Tại sao độ chính xác ở nhóm tuổi 51–69 lại thấp hơn nhóm 0–5 tuổi?

Đặc trưng hình thái khuôn mặt ở trẻ em (0–5 tuổi) rất rõ rệt về tỷ lệ khung xương và độ mịn làn da, đồng thời số lượng mẫu huấn luyện của nhóm này lớn. Ngược lại, người cao tuổi có sự phân hóa lão hóa rất phức tạp (do lối sống, di truyền, chăm sóc da) và số lượng mẫu trong tập MegaAge-Asian cho nhóm trên 50 tuổi chỉ chiếm tỷ lệ nhỏ, dẫn đến độ chính xác suy giảm tương đối.

Kết luận

Khóa luận "Ứng dụng AI để phân nhóm đối tượng theo độ tuổi" của sinh viên Nguyễn Vũ Bằng, dưới sự hướng dẫn của TS. Đoàn Duy tại Khoa Kỹ thuật Máy tính – Đại học Công nghệ Thông tin (ĐHQG TP.HCM), là một minh chứng tiêu biểu cho việc kết hợp nhuần nhuyễn giữa nghiên cứu học thuật chuyên sâu và ứng dụng thực tiễn giải quyết bài toán xã hội. Bằng việc tận dụng sức mạnh của kiến trúc EfficientNet-B3 kết hợp cùng tập dữ liệu chuyên biệt MegaAge-Asian, đề tài đã xuất sắc giải quyết bài toán định kiến nhân khẩu học trong thị giác máy tính, đạt độ chính xác ấn tượng 77% trên 7 phân lớp tuổi.

Hệ thống không dừng lại ở mức mô hình nghiên cứu lý thuyết mà đã được hoàn thiện thành một sản phẩm phần mềm hoàn chỉnh, cung cấp cơ chế bảo vệ sức khỏe và tự động hóa quản lý thời gian sử dụng thiết bị một cách thông minh, tin cậy. Đây chính là tiền đề công nghệ vững chắc để mở rộng sang các hệ thống giám sát an ninh thông minh, bán lẻ tự động và cá nhân hóa trải nghiệm người dùng trong kỷ nguyên số.