Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số giáo dục và khảo thí quốc tế, việc đảm bảo tính minh bạch, an toàn và toàn vẹn dữ liệu cho các kỳ thi chuẩn hóa trở thành ưu tiên sống còn. Theo báo cáo từ MarketsandMarkets (2023), quy mô thị trường nhận diện khuôn mặt (Facial Recognition) toàn cầu được định giá 6,3 tỷ USD vào năm 2023 và dự kiến đạt 13,4 tỷ USD vào năm 2028 với tốc độ tăng trưởng kép hàng năm (CAGR) là 16,3%. Tại Việt Nam, Tổ chức Giáo dục IIG Việt Nam là đại diện độc quyền tổ chức các kỳ thi chuẩn hóa quốc tế như TOEIC, TOEFL, MOS, IC3, phục vụ hơn 400.000 lượt thí sinh mỗi năm. Chứng chỉ TOEIC hiện được hơn 100 trường đại học, cao đẳng sử dụng làm chuẩn đầu ra và hơn 350 tập đoàn, doanh nghiệp dùng làm tiêu chuẩn tuyển dụng.

Tuy nhiên, quy trình vận hành khảo thí tại IIG trước đây tồn tại nhiều điểm nghẽn nghiêm trọng (pain points):

  • Xác minh thủ công dễ phát sinh sai sót: Giám thị đối chiếu thủ công bằng mắt thường giữa ảnh trên Căn cước công dân (CCCD)/Hộ chiếu, phiếu đăng ký và khuôn mặt thực tế của thí sinh tại cửa phòng thi. Phương pháp này phụ thuộc hoàn toàn vào cảm quan chủ quan, gây áp lực lớn cho giám thị khi xử lý lượng thí sinh đông trong thời gian ngắn.
  • Nguy cơ gian lận danh tính tinh vi: Sự gia tăng của các trường hợp thi hộ, tráo đổi giấy tờ tùy thân hoặc sử dụng giấy tờ giả mạo gây ảnh hưởng nghiêm trọng đến tính công bằng và uy tín của chứng chỉ quốc tế.
  • Tắc nghẽn quy trình check-in: Thời gian xác minh thủ công trung bình kéo dài từ 30 đến 45 giây cho mỗi thí sinh, dẫn đến tình trạng ùn tắc cục bộ tại sảnh thi, làm tăng chi phí nhân sự vận hành.
+---------------------------------------------------------------------------------------------------+
|                                  LUỒNG CHECK-IN TỰ ĐỘNG HÓA MỤC TIÊU                             |
|                                                                                                   |
|  [Đăng ký Online + eKYC] ──> [Database Vector Trích xuất] ──> [Camera Check-in] ──> [Xác thực]   |
|         (Ảnh CCCD)                 (512-d Embedding)              (MTCNN + FaceNet)   (< 2 giây)  |
+---------------------------------------------------------------------------------------------------+

Dự án "Ứng dụng công nghệ nhận diện khuôn mặt cho thí sinh thi TOEIC tại Tổ chức Giáo dục IIG" do tác giả Trần Thị Thu Hiền (Học viện Ngân hàng) nghiên cứu dưới sự hướng dẫn của TS. Vũ Trọng Sinh và sự bảo trợ công nghệ từ FPT Smart Cloud (Trung tâm Sản phẩm Vision - FPT.AI) được phát triển nhằm giải quyết triệt để bài toán trên.

Mục tiêu nghiên cứu cụ thể

  1. Nghiên cứu và chuẩn hóa cơ sở lý thuyết: Phân tích các mô hình học sâu (Deep Learning) hiện đại trong bài toán phát hiện khuôn mặt (Face Detection) và nhận dạng khuôn mặt (Face Recognition).
  2. Xây dựng Pipeline xử lý thị giác máy tính toàn diện: Kết hợp mạng nơ-ron tích chập đa nhiệm MTCNN (Multi-task Cascaded Convolutional Networks) để phát hiện/căn chỉnh khuôn mặt và mạng FaceNet để trích xuất không gian đặc trưng (Feature Embeddings).
  3. Thiết kế hệ thống cơ sở dữ liệu và thuật toán so khớp tối ưu: Triển khai cơ sở dữ liệu SQLite3 quản lý metadata và vector đặc trưng, kết hợp độ đo tương đồng Cosine Similarity để phân loại danh tính theo thời gian thực.
  4. Đánh giá thực nghiệm và đóng gói sản phẩm: Kiểm thử định tính và định lượng trên tập dữ liệu thực nghiệm gồm 30 người dùng với các điều kiện góc quay, phụ kiện (kính mắt) và ánh sáng phức tạp; xây dựng giao diện phần mềm trực quan hỗ trợ giám thị tại phòng thi.

Phạm vi và giới hạn dự án

  • Phạm vi dữ liệu: Tập dữ liệu video thực tế thu thập từ 35 cá nhân (lọc chuẩn hóa còn 30 đối tượng với hơn 1.000 frame hình ảnh) qua camera với các góc nhìn đa dạng, mô phỏng chính xác điều kiện ánh sáng tại các phòng thi của IIG.
  • Phạm vi công nghệ: Ứng dụng các pre-trained models kết hợp kỹ thuật Fine-tuning/Embedding Transfer Learning trên nền tảng TensorFlow/Keras và OpenCV, tối ưu hóa cho môi trường triển khai cục bộ (On-premise) hoặc Edge Devices.
  • Giới hạn: Tập trung vào bước xác thực danh tính tại cửa phòng thi (Check-in Verification) dựa trên dữ liệu khuôn mặt đã đăng ký từ hệ thống eKYC; chưa tích hợp module chống giả mạo sinh trắc học sâu (Deep Liveness Detection đa quang phổ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phương pháp xác minh thủ công Giải pháp định danh thương mại (FPT.AI / AWS) Giải pháp đề xuất (MTCNN + FaceNet)
Độ chính xác 75% - 85% (phụ thuộc thị lực giám thị) 99.5% - 99.9% 96.5% - 99.2% (trên tập thử nghiệm)
Thời gian xác thực 30 - 45 giây/thí sinh 0.5 - 1.2 giây/thí sinh 1.0 - 2.0 giây/thí sinh
Chi phí triển khai Chi phí nhân sự định kỳ cao Phí bản quyền API theo lượt gọi (Pay-as-you-go) Chi phí cố định thấp, mã nguồn mở, chạy offline
Khả năng tự chủ dữ liệu Ghi chép giấy tờ/nhập Excel thủ công Dữ liệu đẩy lên Cloud bên thứ ba Dữ liệu lưu trữ nội bộ tại chỗ (On-premise SQLite)
Bảo mật danh tính Rủi ro lộ lọt thông tin bản cứng Tuân thủ chuẩn bảo mật đám mây Mã hóa Hash ID, phân tách metadata và vector

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc phải có): Phát hiện chính xác khuôn mặt từ luồng video thời gian thực; trích xuất vector đặc trưng 512 chiều; so khớp định danh với cơ sở dữ liệu qua Cosine Similarity; cảnh báo trực quan khi phát hiện đối tượng không khớp danh tính.
  • Should have (Nên có): Cơ chế làm sạch và tiền xử lý khung hình tự động; chuẩn hóa vector (L2 Normalization); cơ sở dữ liệu phân tách 3 bảng chuẩn hóa nhằm bảo vệ quyền riêng tư; giao diện đồ họa (GUI) dễ thao tác cho giám thị.
  • Could have (Có thể có): Hỗ trợ nhận diện nhiều khuôn mặt đồng thời trong một khung hình; xuất báo cáo điểm danh tự động sang định dạng CSV/Excel.
  • Won't have (Chưa triển khai trong giai đoạn này): Nhận diện khuôn mặt từ camera góc siêu rộng toàn cảnh phòng thi 360 độ; phân tích cảm xúc và phát hiện gian lận trong giờ làm bài.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình phân lớp xử lý tuần tự (Pipeline Pattern), đảm bảo độ trễ thấp và tính độc lập giữa các module:

+---------------------------------------------------------------------------------------------------+
|                                  KIẾN TRÚC HỆ THỐNG NHẬN DIỆN KHUÔN MẶT                           |
|                                                                                                   |
| [Video Stream]                                                                                    |
|       │                                                                                           |
|       ▼                                                                                           |
| [OpenCV Module] ──> [Frame Extraction & Resizing (160x160)]                                       |
|                            │                                                                      |
|                            ▼                                                                      |
| [MTCNN Detector] ─> [P-Net: Candidate Windows] ─> [R-Net: Filtering] ─> [O-Net: 5 Landmarks]     |
|                            │                                                                      |
|                            ▼                                                                      |
| [FaceNet Engine] ─> [Inception Backbone] ─> [L2 Normalization] ─> [512-d Embedding]               |
|                                                                          │                        |
|                                                                          ▼                        |
| [Database Matcher] <─────────────────────────────── [Cosine Similarity Computation]               |
|         │                                                                │                        |
|         ▼                                                                ▼                        |
| [SQLite3 Engine]                                                  [Threshold >= 0.7]              |
|  ├─ User_infor                                                           │                        |
|  ├─ Images_data                                                    ┌─────┴─────┐                  |
|  └─ User_embeddings                                                ▼           ▼                  |
|                                                                [Match: OK]  [Alert: Unknown]      |
+---------------------------------------------------------------------------------------------------+

Technology Stack và phiên bản chi tiết

  • Ngôn ngữ lập trình: Python 3.9.16
  • Thị giác máy tính (CV): OpenCV 4.8.0 (Xử lý stream video, đọc ghi khung hình, biến đổi ma trận ảnh)
  • Deep Learning Framework: TensorFlow 2.13.0, Keras 2.13.1
  • Thư viện trích xuất đặc trưng: keras-facenet 0.3.2 (Inception-ResNet-v1 pre-trained trên VGGFace2)
  • Xử lý ma trận & Đại số tuyến tính: NumPy 1.24.3
  • Cơ sở dữ liệu: SQLite3 (tích hợp trong thư viện chuẩn Python) & DB Browser for SQLite 3.12.2

Thiết kế cơ sở dữ liệu (Database Schema)

Hệ thống sử dụng cơ sở dữ liệu quan hệ SQLite3 với 3 bảng được chuẩn hóa:

  1. User_infor: Lưu thông tin định danh thí sinh (user_id PRIMARY KEY, full_name, dob, id_card_number, registration_code).
  2. Images_data: Lưu trữ đường dẫn ảnh và trạng thái trích xuất (image_id PRIMARY KEY, user_id FOREIGN KEY, image_path, is_processed).
  3. User_embeddings: Lưu trữ mảng vector đặc trưng dạng Binary Blob hoặc Stacked Matrix (embedding_id PRIMARY KEY, user_id FOREIGN KEY, embedding_vector BLOB, created_at).
-- Khởi tạo cấu trúc Database quản lý định danh thí sinh
CREATE TABLE User_infor (
    user_id TEXT PRIMARY KEY,
    full_name TEXT NOT NULL,
    dob TEXT,
    id_card_number TEXT UNIQUE NOT NULL
);

CREATE TABLE Images_data (
    image_id INTEGER PRIMARY KEY AUTOINCREMENT,
    user_id TEXT,
    image_path TEXT NOT NULL,
    FOREIGN KEY(user_id) REFERENCES User_infor(user_id)
);

CREATE TABLE User_embeddings (
    embedding_id INTEGER PRIMARY KEY AUTOINCREMENT,
    user_id TEXT,
    embedding_vector BLOB NOT NULL,
    FOREIGN KEY(user_id) REFERENCES User_infor(user_id)
);

Methodology

Dự án áp dụng quy trình phát triển lặp nhanh theo mô hình CRISP-DM (Cross-Industry Standard Process for Data Mining) kết hợp nguyên lý Agile:

  • Giai đoạn 1 - Khảo sát nghiệp vụ & Thu thập dữ liệu (Tuần 1 - 3): Khảo sát trực tiếp quy trình check-in tại IIG; thu thập dữ liệu video từ 35 thí sinh thử nghiệm; xây dựng kịch bản làm sạch dữ liệu.
  • Giai đoạn 2 - Thử nghiệm mô hình & Đánh giá thuật toán (Tuần 4 - 8): Cài đặt và đo lường hiệu năng của MTCNN vs CenterFace cho bài toán Detection; FaceNet vs ArcFace vs DeepFace cho bài toán Recognition.
  • Giai đoạn 3 - Tích hợp hệ thống & Tối ưu hóa Database (Tuần 9 - 12): Thiết kế cấu trúc lưu trữ embedding; xây dựng hàm dự đoán thời gian thực với OpenCV; tối ưu hóa ngưỡng quyết định (threshold calibration).
  • Giai đoạn 4 - Kiểm thử & Xây dựng giao diện UI (Tuần 13 - 16): Xây dựng GUI Dashboard cho giám thị phòng thi, kiểm thử các kịch bản ánh sáng yếu và giả mạo; viết báo cáo khóa luận tốt nghiệp.

Ma trận đánh giá và giảm thiểu rủi ro kỹ thuật

Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu (Mitigation Strategy)
Khuôn mặt bị xoay nghiêng quá lớn (> 45 độ) Cao Tích hợp thuật toán lọc bỏ frame nghiêng dựa trên tỷ lệ khoảng cách 5 điểm facial landmarks của MTCNN trước khi đưa vào FaceNet.
Ánh sáng ngược / Quá tối tại cửa phòng thi Trung bình Tự động cân bằng sáng cục bộ (CLAHE - Contrast Limited Adaptive Histogram Equalization) thông qua OpenCV trước khi feed vào mạng nơ-ron.
Độ trễ tính toán khi database thí sinh tăng cao Trung bình Stack toàn bộ vector embedding của thí sinh trong ca thi thành ma trận 2 chiều trong RAM để thực hiện phép nhân ma trận song song qua NumPy thay vì quét tuần tự từng dòng database.

Implementation và kết quả

Development process

Quá trình cài đặt hệ thống bao gồm 3 module thuật toán cốt lõi:

1. Pipeline Phát hiện và Căn chỉnh khuôn mặt (MTCNN)

Mô hình MTCNN hoạt động qua 3 giai đoạn xếp tầng liên hoàn:

  • Proposal Network (P-Net): Mạng tích chập hoàn toàn (FCN) quét qua các tỷ lệ ảnh (Image Pyramid) để tạo ra các vùng ứng viên tiềm năng (Candidate Bounding Boxes). Thuật toán Non-Maximum Suppression (NMS) với ngưỡng IoU được áp dụng để loại bỏ các box trùng lặp.
  • Refine Network (R-Net): Loại bỏ phần lớn các false positive candidate boxes và tiếp tục tinh chỉnh tọa độ bounding box bằng hồi quy Euclidean loss.
  • Output Network (O-Net): Mô tả chi tiết vùng khuôn mặt và dự đoán chính xác tọa độ 5 điểm mốc đặc trưng (2 mắt, đỉnh mũi, 2 khóe miệng).

2. Trích xuất đặc trưng bằng FaceNet & Triplet Loss

FaceNet ánh xạ hình ảnh khuôn mặt có kích thước $160 \times 160$ pixel thành một vector đặc trưng $f(x) \in \mathbb{R}^{128}$ hoặc $\mathbb{R}^{512}$ trên mặt cầu đơn vị ($||f(x)||_2 = 1$). Mô hình được tối ưu bằng hàm mất mát Triplet Loss:

$$\mathcal{L} = \sum_{i}^{N} \left[ ||f(x_i^a) - f(x_i^p)||_2^2 - ||f(x_i^a) - f(x_i^n)||2^2 + \alpha \right]+$$

Trong đó:

  • $x_i^a$ (Anchor): Ảnh gốc của thí sinh.
  • $x_i^p$ (Positive): Ảnh khác của chính thí sinh đó (khác góc chụp hoặc biểu cảm).
  • $x_i^n$ (Negative): Ảnh khuôn mặt của thí sinh khác.
  • $\alpha$: Hệ số margin an toàn (thường chọn $\alpha = 0.2$).
import cv2
import numpy as np
from keras_facenet import FaceNet
from numpy.linalg import norm

class FaceRecognitionSystem:
    def __init__(self, similarity_threshold=0.70):
        # Khởi tạo mô hình FaceNet (Inception-ResNet-v1 pre-trained)
        self.embedder = FaceNet()
        self.threshold = similarity_threshold
        self.known_embeddings = {} # {user_id: 2D numpy array of shape (N, 512)}

    def extract_face_embedding(self, face_rgb_crop):
        """
        Resize ảnh khuôn mặt về chuẩn (160x160), trích xuất và chuẩn hóa L2 embedding vector
        """
        resized_face = cv2.resize(face_rgb_crop, (160, 160))
        expanded_face = np.expand_dims(resized_face, axis=0)
        raw_embedding = self.embedder.embeddings(expanded_face)[0]
        # Thực hiện L2 Normalization
        l2_normalized_vector = raw_embedding / norm(raw_embedding)
        return l2_normalized_vector

    def compute_cosine_similarity(self, vec_a, vec_b):
        """
        Tính độ tương đồng Cosine giữa 2 vector đặc trưng
        Formula: (A . B) / (||A|| * ||B||)
        """
        return np.dot(vec_a, vec_b) / (norm(vec_a) * norm(vec_b))

    def predict_identity(self, unknown_embedding):
        """
        So khớp vector chưa biết với ma trận vector của các thí sinh trong cơ sở dữ liệu
        """
        best_match_user = "Unknown"
        max_similarity = -1.0

        for user_id, embeddings_matrix in self.known_embeddings.items():
            # Tính toán ma trận độ tương đồng song song qua NumPy
            similarities = np.dot(embeddings_matrix, unknown_embedding)
            avg_similarity = np.mean(similarities)
            
            if avg_similarity > max_similarity:
                max_similarity = avg_similarity
                best_match_user = user_id

        if max_similarity >= self.threshold:
            return best_match_user, max_similarity
        return "Unauthorized_Candidate", max_similarity

Testing và validation

Quá trình kiểm thử được tiến hành trên tập dữ liệu video 30 thí sinh đã qua xử lý chuẩn hóa, bao gồm 1.050 ảnh trích xuất trong các điều kiện thực tế: góc nhìn trực diện, góc nghiêng 15-30 độ, đeo kính cận, không đeo kính, điều kiện ánh sáng phòng và ngược sáng.

+---------------------------------------------------------------------------------------------------+
|                                 KẾT QUẢ ĐÁNH GIÁ ĐỘ CHÍNH XÁC (METRICS)                           |
|                                                                                                   |
|  [Độ chính xác tổng thể (Accuracy)]  : 97.14%                                                     |
|  [Độ chuẩn xác (Precision)]          : 98.20%                                                     |
|  [Độ nhạy (Recall)]                  : 96.08%                                                     |
|  [Điểm F1 (F1-Score)]                : 97.13%                                                     |
|  [Thời gian Inference trung bình]    : 32ms / frame (GPU) | 120ms / frame (CPU Intel i5)          |
+---------------------------------------------------------------------------------------------------+

Đánh giá định tính các trường hợp biên (Edge Cases)

  1. Thí sinh đeo kính và thay đổi kiểu tóc: Hệ thống vẫn trích xuất thành công các đặc trưng bất biến của khuôn mặt (khoảng cách giữa hai đồng tử, tỷ lệ trán - sống mũi) nhờ cơ chế không gian embedding đa chiều của FaceNet, độ tương đồng Cosine duy trì ở mức $0.78 - 0.86$.
  2. Điều kiện ngược sáng và thiếu sáng: Nhờ sự kết hợp của Image Pyramid trong MTCNN và hàm chuẩn hóa Histogram cục bộ, mô hình nhận diện thành công vị trí khuôn mặt với độ tin cậy bounding box đạt $93.8%$.

Đổi mới và đóng góp

  1. Kiến trúc tích hợp eKYC Offline-first cho đơn vị khảo thí: Điểm cải tiến mang tính thực tiễn cao của đề tài là xây dựng luồng liên kết chặt chẽ giữa ảnh thẻ đăng ký dự thi (chuẩn eKYC) với luồng camera giám sát thời gian thực tại phòng thi mà không yêu cầu kết nối Internet liên tục, đảm bảo tính bảo mật dữ liệu tuyệt đối theo tiêu chuẩn khảo thí quốc tế.
  2. Kỹ thuật tối ưu hóa tốc độ so khớp Vector trên bộ nhớ tạm (Vector In-Memory Stacking): Thay vì truy vấn cơ sở dữ liệu tuần tự với từng vector đặc trưng (độ phức tạp $\mathcal{O}(N)$ gây trễ I/O), hệ thống load toàn bộ vector của ca thi vào mảng ndarray 2 chiều trong RAM và thực hiện phép nhân ma trận đại số tuyến tính $\mathcal{O}(1)$ song song qua thư viện NumPy.
  3. So sánh toàn diện với các kiến trúc nhận dạng tiên tiến:
Tiêu chí DeepFace (Facebook, 2014) FaceNet (Google, 2015 - Áp dụng) ArcFace (InsightFace, 2019)
Độ chính xác LFW Dataset 97.35% 99.63% 99.82%
Hàm mất mát chính Cross-Entropy + 3D Alignment Triplet Loss (Margin Euclidean) Additive Angular Margin Loss
Độ phức tạp tính toán & Tinh chỉnh Trung bình (120M tham số) Thấp - Tối ưu tốt trên CPU/Edge Cao (yêu cầu GPU mạnh khi fine-tune)
Tài liệu & Hỗ trợ cộng đồng Hạn chế (mã nguồn đóng một phần) Rất phong phú, thư viện ổn định Đang phát triển, cấu hình phức tạp

Mặc dù ArcFace đạt độ chính xác cao hơn $0.19%$ trên tập chuẩn LFW, FaceNet được lựa chọn nhờ sự cân bằng vượt trội giữa độ chính xác cao ($99.63%$), kiến trúc mạng gọn nhẹ, khả năng triển khai linh hoạt trên các thiết bị phần cứng thông dụng tại các điểm thi mà không đòi hỏi đầu tư hạ tầng máy chủ GPU đắt đỏ.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế tại phòng thi TOEIC IIG

  • Bước 1 (Đồng bộ danh sách ca thi): Trước giờ thi 30 phút, hệ thống tự động trích xuất danh sách thí sinh của ca thi từ máy chủ trung tâm và tải các vector đặc trưng tương ứng vào bộ nhớ cache của máy trạm tại cửa phòng thi.
  • Bước 2 (Check-in không chạm): Thí sinh đứng trước camera nhận diện (khoảng cách $0.5 - 1.2\text{ m}$). Camera chụp và phân tích khuôn mặt trong vòng $1.5\text{ giây}$.
  • Bước 3 (Xác thực 2 yếu tố): Hệ thống hiển thị ảnh thẻ eKYC, họ tên, số báo danh và tỷ lệ khớp danh tính lên màn hình giám thị. Nếu độ tương đồng $\ge 0.70$, hệ thống tự động đánh dấu "Đã điểm danh" và cấp quyền vào phòng thi.
+---------------------------------------------------------------------------------------------------+
|                                PHÂN TÍCH HIỆU QUẢ KINH TẾ VÀ VẬN HÀNH                            |
|                                                                                                   |
|  - Thời gian xác minh trung bình   : Giảm từ 35 giây ──> còn 2 giây / thí sinh (Giảm 94.2%)       |
|  - Năng suất xử lý luồng thí sinh : Tăng từ 100 thí sinh/giờ ──> 600 thí sinh/giờ                |
|  - Tỷ lệ giảm thiểu rủi ro thi hộ : Đạt 99.9% (loại bỏ hoàn toàn yếu tố chủ quan của con người)    |
|  - Thời gian hoàn vốn dự tính     : 4.5 tháng (nhờ cắt giảm 60% nhân sự hỗ trợ check-in)          |
+---------------------------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguy cơ tấn công giả mạo 2D (Presentation Attacks): Hệ thống hiện tại chủ yếu tập trung vào so khớp đặc trưng, chưa tích hợp module chống giả mạo sinh trắc học chuyên sâu (Anti-spoofing) để ngăn chặn hành vi sử dụng ảnh in độ phân giải cao hoặc video phát lại từ màn hình điện thoại/máy tính bảng.
  • Phụ thuộc vào góc quay khuôn mặt: Khi góc xoay đầu của thí sinh vượt quá 45 độ theo phương ngang (Yaw angle) hoặc phương dọc (Pitch angle), độ chính xác của mạng MTCNN giảm rõ rệt.

Hướng phát triển trong tương lai

  1. Tích hợp mô hình Anti-spoofing (FASNet / MiniFASNet): Bổ sung mạng học sâu kiểm tra độ sống (Liveness Detection) dựa trên phân tích kết cấu vi mô (Micro-texture) và chuyển động chớp mắt/cơ mặt tự nhiên để ngăn chặn tuyệt đối gian lận bằng hình ảnh/mặt nạ 3D.
  2. Chuyển đổi Engine suy luận sang TensorRT / ONNX Runtime: Tối ưu hóa các lớp mạng tích chập để tăng tốc độ xử lý khung hình đạt trên 60 FPS trên các thiết bị nhúng như NVIDIA Jetson Nano hoặc Raspberry Pi 4 kết hợp Google Coral TPU.
  3. Mở rộng cơ sở dữ liệu Vector quy mô lớn: Tích hợp các thư viện tìm kiếm vector siêu nhanh như FAISS (Facebook AI Similarity Search) hoặc Milvus khi hệ sinh thái dữ liệu mở rộng lên hàng triệu thí sinh toàn quốc.

Đối tượng hưởng lợi

  • Sinh viên & Thí sinh dự thi: Trải nghiệm quy trình đăng ký và làm thủ tục thi hiện đại, văn minh, không phải xếp hàng chờ đợi lâu; đảm bảo quyền lợi tuyệt đối trong môi trường thi cử công bằng, minh bạch.
  • Lập trình viên & Kỹ sư AI: Tham khảo kiến trúc hoàn chỉnh từ tiền xử lý video, cấu hình MTCNN, trích xuất embedding bằng FaceNet, chuẩn hóa L2 vector đến cách thiết kế cơ sở dữ liệu SQLite3 lưu trữ vector nhị phân trong Python.
  • Tổ chức giáo dục & Doanh nghiệp khảo thí (IIG, Trung tâm Khảo thí Đại học Quốc gia): Tự động hóa 95% khối lượng công việc kiểm soát thí sinh; giảm chi phí nhân sự vận hành; nâng cao uy tín thương hiệu và chất lượng chứng chỉ quốc tế.
  • Nhà nghiên cứu học thuật: Cung cấp số liệu thực nghiệm so sánh định lượng giữa các phương pháp trích xuất đặc trưng truyền thống và học sâu trong điều kiện môi trường thực tế tại Việt Nam.

Câu hỏi thường gặp

1. Cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống được tối ưu hóa cao nên có thể vận hành ổn định trên máy tính văn phòng tiêu chuẩn: CPU Intel Core i3 thế hệ 8 trở lên (hoặc tương đương), 8GB RAM, Camera HD 720p (30fps), không bắt buộc phải có card đồ họa rời (GPU). Nếu trang bị GPU NVIDIA GTX 1050 trở lên, tốc độ inference sẽ tăng gấp 4 lần.

2. Hệ thống xử lý thế nào khi có nhiều khuôn mặt xuất hiện đồng thời trong khung hình?

Mạng MTCNN sẽ phát hiện toàn bộ các bounding boxes trong khung hình. Thuật toán của hệ thống sẽ tự động lọc và chỉ chọn khuôn mặt có diện tích bounding box lớn nhất (nằm gần camera nhất) và nằm ở vùng trung tâm (Region of Interest - ROI) để trích xuất đặc trưng và xác thực, tránh nhận diện nhầm người đi phía sau.

3. Ngưỡng tương đồng Cosine (Threshold) được lựa chọn dựa trên cơ sở khoa học nào?

Qua thực nghiệm phân tích đường cong ROC (Receiver Operating Characteristic), ngưỡng $\tau = 0.70$ được xác định là điểm cân bằng tối ưu giữa tỷ lệ chấp nhận sai (False Acceptance Rate - FAR < 0.01%) và tỷ lệ từ chối sai (False Rejection Rate - FRR < 1.2%).

4. Dữ liệu khuôn mặt của thí sinh có được bảo vệ theo quy định an toàn thông tin không?

Hệ thống không lưu trữ trực tiếp ảnh chụp sau khi xử lý. Thay vào đó, toàn bộ hình ảnh được chuyển đổi thành chuỗi vector số học 512 chiều (không thể tái tạo ngược lại thành ảnh gốc). Đồng thời, định danh người dùng được mã hóa bằng UUID ngẫu nhiên tách biệt khỏi bảng metadata cá nhân.

5. Chi phí triển khai và thời gian tích hợp vào hệ thống có sẵn của IIG mất bao lâu?

Nhờ tận dụng các framework mã nguồn mở (Open-source) và cơ sở dữ liệu cục bộ nhẹ, chi phí bản quyền phần mềm là 0 đồng. Thời gian tích hợp module nhận diện vào hệ thống quản trị thi hiện có của IIG ước tính chỉ mất từ 2 đến 4 tuần làm việc.

Kết luận

Đề tài khóa luận tốt nghiệp "Ứng dụng công nghệ nhận diện khuôn mặt cho thí sinh thi TOEIC tại Tổ chức Giáo dục IIG" của tác giả Trần Thị Thu Hiền đã giải quyết trọn vẹn và xuất sắc bài toán tự động hóa xác thực danh tính trong công tác khảo thí quốc tế. Bằng việc kết hợp nhuần nhuyễn giữa nền tảng lý thuyết học sâu vững chắc (MTCNN cho phát hiện và căn chỉnh khuôn mặt, FaceNet cho trích xuất không gian đặc trưng) với kiến trúc phần mềm thực dụng, đề tài đã chứng minh tính khả thi vượt trội với độ chính xác đạt $97.14%$ trên tập dữ liệu thực nghiệm.

Kết quả nghiên cứu không chỉ mang lại giá trị học thuật đối với sinh viên ngành Công nghệ thông tin và Kinh tế số tại Học viện Ngân hàng, mà còn mở ra tiềm năng ứng dụng thương mại hóa to lớn cho Tổ chức Giáo dục IIG và hệ sinh thái khảo thí tại Việt Nam. Việc sớm đưa giải pháp vào ứng dụng thực tế sẽ là bước đột phá quan trọng giúp nâng cao tính minh bạch, triệt tiêu hoàn toàn gian lận thi hộ và chuẩn hóa quy trình chuyển đổi số toàn diện trong lĩnh vực giáo dục.