Bối cảnh và vấn đề nghiên cứu

Tại Việt Nam, chứng chỉ tiếng Anh quốc tế TOEIC (Test of English for International Communication) hiện được sử dụng làm chuẩn đầu ra tại hơn 100 trường Đại học, Cao đẳng và là tiêu chuẩn đánh giá tuyển dụng của hơn 350 doanh nghiệp. Tổ chức Giáo dục IIG Việt Nam (thành lập năm 2000) là đại diện chính thức và duy nhất của Viện Khảo thí Giáo dục Hoa Kỳ (ETS) tại Việt Nam, Lào, Campuchia và Myanmar chịu trách nhiệm tổ chức các kỳ thi TOEIC, TOEFL cùng các chứng chỉ Tin học quốc tế như MOS, IC3. Thống kê nghiệp vụ cho thấy hàng năm IIG tiếp nhận hơn 400.000 lượt thí sinh đăng ký dự thi các bài thi Tiếng Anh và Tin học.

Quy trình vận hành truyền thống tại IIG từ khâu đăng ký hồ sơ đến khâu kiểm soát thí sinh vào phòng thi phần lớn được thực hiện thủ công:

  1. Thí sinh đăng ký trực tuyến trên cổng thông tin, sau đó nhân viên IIG phải nhập liệu thủ công thông tin vào hệ thống quản lý.
  2. Tại điểm thi, giám thị thực hiện đối chiếu thông tin trên phiếu đăng ký dự thi với giấy tờ tùy thân (Căn cước công dân/Hộ chiếu) và nhận diện khuôn mặt thí sinh hoàn toàn bằng mắt thường trước khi cho phép vào phòng thi.

Thực trạng đối chiếu thủ công bằng mắt thường bộc lộ nhiều hạn chế: tiêu tốn nhiều thời gian và nhân lực giám sát, gây ùn ứ tại cửa phòng thi và tiềm ẩn rủi ro sai sót trong nhận diện. Điều này tạo kẽ hở cho các hành vi gian lận thi cử nghiêm trọng, đặc biệt là tình trạng thi hộ. Nhằm tự động hóa quy trình xác thực, IIG đã hợp tác cùng FPT Smart Cloud để triển khai giải pháp định danh khách hàng điện tử (eKYC) và hệ thống camera nhận diện khuôn mặt thí sinh. Khóa luận tốt nghiệp của tác giả tập trung nghiên cứu, thử nghiệm và xây dựng giải pháp công nghệ nhận diện khuôn mặt tự động phục vụ trực tiếp cho nghiệp vụ check-in của IIG.

Nhiệm vụ và mục tiêu nghiên cứu của đề tài được xác định cụ thể theo 5 nội dung:

  1. Tổng quan cơ sở lý thuyết về bài toán và công nghệ nhận diện khuôn mặt.
  2. Khảo sát các công nghệ, thư viện và mô hình học sâu hiện có; phân tích, đánh giá để lựa chọn giải pháp mã nguồn mở và mô hình huấn luyện sẵn (pretrained model) phù hợp nhất.
  3. Tiến hành thu thập dữ liệu, cài đặt thử nghiệm và đánh giá hiệu năng mô hình qua các kết quả định tính và định lượng.
  4. Xây dựng giao diện phần mềm demo phục vụ quá trình check-in thí sinh và kiểm thử hệ thống.
  5. Đưa ra kết luận về độ chính xác và tính khả thi của giải pháp khi ứng dụng vào thực tế tại Tổ chức Giáo dục IIG.

Phạm vi nghiên cứu:

  • Phạm vi công nghệ: Sử dụng các mô hình học sâu đã được huấn luyện trước kết hợp cùng các thư viện mã nguồn mở chuyên dụng cho thị giác máy tính và học máy (OpenCV, TensorFlow, Keras, Numpy, SQLite3).
  • Phạm vi dữ liệu: Tập dữ liệu thực nghiệm gồm video khuôn mặt thu thập từ 35 cá nhân tham gia thử nghiệm qua camera laptop/điện thoại ở nhiều góc quay khác nhau (bao gồm điều kiện có đeo kính và không đeo kính), sau đó lọc chọn ra 30 bộ dữ liệu video chuẩn hóa.
  • Phạm vi ứng dụng: Nghiệp vụ xác thực danh tính thí sinh tại khu vực check-in thuộc trụ sở chính của Tổ chức Giáo dục IIG.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và quy trình nhận diện khuôn mặt

Hệ thống nhận diện khuôn mặt hoạt động dựa trên quy trình tiêu chuẩn 3 bước:

  1. Phát hiện khuôn mặt (Face Detection): Tự động định vị vùng chứa khuôn mặt trong khung hình hoặc luồng video, xác định tọa độ hộp giới hạn (bounding box) và các điểm mốc khuôn mặt (facial landmarks).
  2. Trích xuất đặc trưng (Feature Extraction): Chuyển đổi vùng ảnh khuôn mặt đã được cắt và căn chỉnh thành một vector số học đại diện (vector embedding) trong không gian nhiều chiều.
  3. Nhận diện khuôn mặt (Face Recognition): Tính toán độ tương đồng giữa vector đặc trưng của ảnh đầu vào với các vector đặc trưng đã được lưu trữ trong cơ sở dữ liệu để xác định danh tính.

Khoảng cách và độ tương đồng giữa hai vector đặc trưng $\mathbf{x}$ và $\mathbf{y}$ được tính toán bằng chỉ số tương đồng Cosine (Cosine Similarity):

$$\text{Cosine Similarity} = \frac{\mathbf{x} \cdot \mathbf{y}}{|\mathbf{x}| |\mathbf{y}|}$$

Giá trị Cosine Similarity dao động trong khoảng từ -1 đến 1; giá trị càng tiến gần về 1 thể hiện hai vector càng chỉ cùng một hướng, tương ứng với độ giống nhau giữa hai khuôn mặt càng cao.

Hiệu suất của hệ thống được đánh giá qua các chỉ số phân loại tiêu chuẩn:

  • Độ chính xác (Accuracy): Tỷ lệ số lượng dự đoán đúng trên tổng số lượt dự đoán.
  • Precision: Tỷ lệ số trường hợp dự đoán đúng một người dùng trên tổng số lần hệ thống gán nhãn người dùng đó ($\frac{TP}{TP + FP}$).
  • Recall (True Positive Rate): Tỷ lệ số trường hợp nhận diện đúng một người dùng trên tổng số mẫu thực tế của người dùng đó ($\frac{TP}{TP + FN}$).
  • F1-score: Trung bình điều hòa giữa Precision và Recall ($2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$).

Phương pháp nghiên cứu và lựa chọn mô hình

Tác giả đã thực hiện phân tích so sánh các mô hình học sâu nổi bật trên các tập dữ liệu chuẩn quốc tế (FDDB, LFW, YTF) nhằm lựa chọn kiến trúc tối ưu cho hệ thống:

1. Đối với giai đoạn Phát hiện khuôn mặt (Face Detection): So sánh giữa hai kiến trúc MTCNN (Multi-task Cascaded Convolutional Networks) và CenterFace:

Tiêu chí so sánh MTCNN CenterFace
Độ chính xác bounding box (FDDB) 94,4% (đạt 95,4% trên WIDER Face) 98,0%
Kiến trúc mạng 3 giai đoạn xếp tầng: P-Net, R-Net, O-Net Single-stage, backbone MobileNetV2 + FPN
Khả năng tối ưu mã nguồn Dễ dàng triển khai, hỗ trợ tốt trên TensorFlow/Keras Khó hơn, chủ yếu cung cấp qua định dạng ONNX
Độ phổ biến & Hỗ trợ cộng đồng Rất phổ biến, tài liệu phong phú, cộng đồng hỗ trợ lớn Mới phát triển, tài liệu và mã nguồn tham khảo hạn chế

Quyết định lựa chọn: Tác giả chọn MTCNN vì mô hình có tính ổn định cao, tích hợp chặt chẽ với hệ sinh thái TensorFlow/Keras, hỗ trợ xác định đồng thời 5 điểm mốc khuôn mặt và dễ dàng đóng gói triển khai.

2. Đối với giai đoạn Nhận diện khuôn mặt (Face Recognition): So sánh giữa ba kiến trúc FaceNet, DeepFace và ArcFace:

Tiêu chí so sánh FaceNet DeepFace ArcFace
Độ chính xác trên LFW 99,63% 97,35% 99,82%
Độ chính xác trên YTF 95,10% 91,40% 98,00%
Hàm mất mát tối ưu Triplet Loss (tối ưu khoảng cách L2/Cosine) Cross-Entropy kết hợp căn chỉnh 3D (67 điểm SVR) Additive Angular Margin Loss ($L_{arc}$)
Độ phức tạp mô hình Cấu trúc rõ ràng, dễ tinh chỉnh và kiểm soát embedding Cần bước tiền xử lý biến đổi 3D phức tạp Hàm mất mát phức tạp, khó tinh chỉnh tham số
Mức độ phổ biến & Tài liệu Rất phổ biến trong nghiên cứu và ứng dụng thực tế Giới hạn trong hệ sinh thái Facebook, ít mã nguồn mở Phổ biến tăng dần, mã nguồn phức tạp

Quyết định lựa chọn: Tác giả chọn FaceNet (sử dụng gói keras-facenet với trọng số tiền huấn luyện) nhờ sự cân bằng giữa độ chính xác cao (99,63% trên LFW), cấu trúc chuẩn hóa vector L2 trực tiếp và tính tương thích cao với cơ sở dữ liệu lưu trữ vector embedding.

Thiết kế và triển khai

Hệ thống được thiết kế theo luồng xử lý khép kín từ thu nhận dữ liệu đến xác thực danh tính theo thời gian thực:

Công nghệ và môi trường triển khai

  • Ngôn ngữ lập trình: Python.
  • Thư viện xử lý hình ảnh: OpenCV (cv2.imread, cv2.resize, cv2.VideoCapture) phục vụ đọc luồng video từ camera, lấy khung hình ngẫu nhiên và hiển thị giao diện.
  • Thư viện học sâu: TensorFlow, Keras kết hợp package keras-facenet để gọi các mô hình MTCNN và FaceNet.
  • Thư viện tính toán khoa học: Numpy phục vụ các phép toán đại số tuyến tính, chuẩn hóa mảng đa chiều ndarray và tính toán ma trận tương đồng.
  • Hệ quản trị cơ sở dữ liệu: SQLite3 (quản lý thông qua phần mềm DB Browser for SQLite).

Thiết kế cơ sở dữ liệu

Hệ thống tổ chức dữ liệu thành 3 bảng chuyên biệt nhằm đảm bảo tính toàn vẹn và tối ưu tốc độ truy vấn:

  1. User_infor: Lưu trữ thông tin định danh cá nhân của thí sinh (ID người dùng, Họ và tên, Mã thí sinh, Ngày sinh, Thông tin đăng ký dự thi).
  2. Images_data: Lưu trữ đường dẫn ảnh khuôn mặt gốc và các khung hình đã được trích xuất từ video của từng thí sinh.
  3. User_embeddings: Lưu trữ các vector đặc trưng (dưới dạng mảng số học sau khi chuẩn hóa L2) tương ứng với từng khuôn mặt của thí sinh để phục vụ tính toán khoảng cách vector.

Quy trình bảo mật và tiền xử lý dữ liệu

  • Bảo mật danh tính: Để đảm bảo quyền riêng tư, tên thư mục của từng thí sinh được mã hóa ngẫu nhiên thành chuỗi số định danh duy nhất. Bảng liên kết tạm thời meta_data.json được tạo trong quá trình nhập liệu và bị xóa vĩnh viễn khỏi hệ thống ngay sau khi dữ liệu được nạp vào SQLite3.
  • Làm sạch dữ liệu: Tác giả xây dựng kịch bản loại bỏ các khung hình không đạt chuẩn:
    • Khung hình có khuôn mặt quay nghiêng hoàn toàn sang trái/phải hoặc ngửa lên quá cao (lệch góc chuẩn).
    • Khung hình bị nhòe, mất nét, vỡ điểm ảnh do chuyển động hoặc giới hạn cảm biến camera.

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN VỀ BÀI TOÁN NGHÊN CỨU

Chương 1 giới thiệu tổng quan về đơn vị thực tập là Công ty TNHH FPT Smart Cloud (thành lập ngày 13/8/2020, công ty thành viên thứ 8 của Tập đoàn FPT) với các giải pháp trọng tâm về AI và Cloud Computing, bao gồm bộ giải pháp định danh điện tử FPT.AI eKYC. Chương này trình bày chi tiết về Tổ chức Giáo dục IIG Việt Nam cùng quy trình tổ chức thi TOEIC thực tế gồm 2 giai đoạn: quy trình đăng ký hồ sơ (trực tuyến kết hợp nộp hồ sơ tại quầy) và quy trình check-in tại điểm thi. Tác giả phân tích các hạn chế của việc xác minh thí sinh thủ công bằng mắt thường của giám thị, từ đó thiết lập bài toán ứng dụng công nghệ nhận diện khuôn mặt tự động nhằm tối ưu hóa nhân sự, thời gian và ngăn chặn gian lận thi hộ. Chương 1 kết thúc bằng việc xác định rõ 5 mục tiêu nghiên cứu và giới hạn phạm vi đề tài (35 người thử nghiệm, 30 tập mẫu video hợp lệ tại trụ sở IIG).

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CỦA ĐỀ TÀI

Chương 2 trình bày tổng quan về công nghệ nhận diện khuôn mặt, trích dẫn số liệu thị trường toàn cầu (ước tính đạt 6,3 tỷ USD năm 2023 và tăng trưởng lên 13,4 tỷ USD vào năm 2028 với CAGR 16,3%). Chương này đi sâu vào nguyên tắc 3 bước (Face Detection, Feature Extraction, Face Recognition), phân tích sự vượt trội của học sâu so với các phương pháp học máy truyền thống (độ chính xác đạt 98%–100% so với 95%–96% của PCA/HOG). Tác giả làm rõ cơ sở toán học của độ đo Cosine Similarity và các chỉ số Accuracy, Precision, Recall, F1-score. Trọng tâm của chương là việc khảo sát, so sánh kỹ thuật giữa các mô hình phát hiện khuôn mặt (MTCNN, CenterFace) và các mô hình trích xuất đặc trưng nhận dạng (FaceNet với Triplet Loss, ArcFace với Additive Angular Margin Loss, DeepFace với phép biến đổi 3D). Dựa trên phân tích về độ phức tạp, khả năng tích hợp và độ ổn định mã nguồn, tác giả đưa ra cơ sở khoa học để lựa chọn MTCNN và FaceNet.

CHƯƠNG 3: CÀI ĐẶT THỬ NGHIỆM VÀ XÂY DỰNG HỆ THỐNG

Chương 3 mô tả chi tiết quy trình thực nghiệm từ khâu thu thập 35 video người dùng, lọc chọn 30 video đạt chuẩn, đến quá trình trích xuất tự động các khung hình ngẫu nhiên qua script OpenCV. Tác giả trình bày phương pháp bảo mật mã hóa thư mục, làm sạch ảnh nhiễu/lệch góc và thiết kế cơ sở dữ liệu SQLite3 với 3 bảng (User_infor, Images_data, User_embeddings). Chương này giải thích chi tiết hàm trích xuất vector đặc trưng bằng FaceNet, chuẩn hóa L2 và kỹ thuật gộp mảng vector (array stacking) để tối ưu tính toán Cosine Similarity. Kết quả thử nghiệm được đánh giá trên cả hai khía cạnh:

  • Định tính: Khả năng định vị khuôn mặt của MTCNN trong các điều kiện bất lợi (ngược sáng, thiếu sáng, người dùng đứng xa camera) và phản hồi của hệ thống khi phát hiện hành vi giả mạo danh tính.
  • Định lượng: Đánh giá hiệu suất phân loại và tốc độ xử lý của mô hình FaceNet trên tập dữ liệu thực nghiệm. Chương 3 khép lại với việc hoàn thiện giao diện phần mềm demo hỗ trợ giám thị thực hiện check-in thí sinh trực quan.

Kết quả và đóng góp

Kết quả thực nghiệm chính

  1. Xây dựng hoàn chỉnh pipeline nhận diện: Kết hợp thành công mô hình MTCNN để phát hiện khuôn mặt và mô hình FaceNet để trích xuất vector đặc trưng 128 chiều, chuẩn hóa theo không gian Euclid và tính khoảng cách Cosine với tập mẫu đã lưu.
  2. Hiệu năng phát hiện khuôn mặt (MTCNN): Mô hình định vị chính xác vùng mặt và 5 điểm mốc trong điều kiện góc nhìn trực diện; duy trì khả năng nhận diện ổn định trong các điều kiện môi trường phức tạp như ánh sáng yếu, ngược sáng nhẹ và khoảng cách đứng xa camera.
  3. Hiệu năng xác thực danh tính (FaceNet): Đạt khả năng phân loại chính xác các đối tượng trong cơ sở dữ liệu thử nghiệm; phân tách rõ ràng vector đặc trưng giữa thí sinh hợp lệ và trường hợp người lạ cố tình giả mạo danh tính để check-in.
  4. Phần mềm demo hoàn chỉnh: Xây dựng giao diện ứng dụng kết nối trực tiếp với camera, tự động hiển thị bounding box, nhận dạng thông tin thí sinh từ cơ sở dữ liệu SQLite3 và cảnh báo tức thì khi phát hiện khuôn mặt không trùng khớp.

Giải pháp và kiến nghị

  • Tác giả đề xuất tích hợp luồng xử lý này vào khâu kiểm soát cửa phòng thi tại IIG: thí sinh chỉ cần đứng trước camera điểm danh từ 1-2 giây, hệ thống sẽ tự động đối chiếu với ảnh hồ sơ CCCD thu thập từ bước eKYC trực tuyến trước đó.
  • Khuyến nghị nâng cấp từ camera laptop sang camera IP chuyên dụng có độ phân giải cao và góc quét rộng hơn để tăng cường độ chính xác khi triển khai tại các hội đồng thi lớn.

Đóng góp của đề tài

  • Hệ thống hóa cơ sở lý thuyết và đưa ra bảng so sánh chi tiết giữa các phương pháp học sâu tiên tiến trong bài toán xử lý ảnh khuôn mặt (CenterFace vs MTCNN; FaceNet vs ArcFace vs DeepFace).
  • Đưa ra giải pháp kỹ thuật cụ thể, có tính ứng dụng thực tế cao nhằm giải quyết bài toán nghiệp vụ chống thi hộ tại Tổ chức Giáo dục IIG Việt Nam.
  • Thiết kế quy trình xử lý dữ liệu bảo mật, bảo vệ thông tin danh tính thí sinh thông qua mã hóa định danh và xóa file metadata trung gian.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Quy mô tập dữ liệu thử nghiệm: Dữ liệu thực nghiệm mới dừng lại ở 35 đối tượng tham gia (lọc chọn 30 video đạt yêu cầu), chưa bao phủ được toàn bộ sự đa dạng về lứa tuổi, ánh sáng và góc chụp của hơn 400.000 thí sinh thực tế mỗi năm.
  • Điều kiện phần cứng: Thử nghiệm chủ yếu tiến hành trên camera laptop cá nhân, chất lượng cảm biến hình ảnh và tốc độ khung hình còn phụ thuộc vào phần cứng thiết bị thử nghiệm.
  • Mô hình tiền huấn luyện: Đề tài sử dụng mô hình pre-trained gốc mà chưa thực hiện quá trình fine-tuning sâu trên tập dữ liệu ảnh chụp Căn cước công dân của người Việt Nam.

Hướng nghiên cứu tiếp

  • Mở rộng tập dữ liệu huấn luyện và tinh chỉnh (fine-tune) mô hình FaceNet trên tập dữ liệu khuôn mặt lớn của người Việt để tối ưu độ chính xác phân lớp.
  • Thử nghiệm và tích hợp hệ thống với các dòng camera IP công nghiệp chuyên dụng phục vụ các phòng thi quy mô lớn.
  • Bổ sung thuật toán phát hiện giả mạo khuôn mặt (Face Anti-Spoofing / Liveness Detection) nhằm ngăn chặn các hình thức gian lận bằng ảnh in, màn hình điện thoại hoặc mặt nạ 3D.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo hữu ích cho các nhóm đối tượng:

  • Sinh viên ngành Công nghệ thông tin, Hệ thống thông tin, Khoa học dữ liệu: Tài liệu cung cấp bức tranh tổng thể về cách tiếp cận một bài toán thị giác máy tính từ lý thuyết đến triển khai ứng dụng, đặc biệt là cách sử dụng keras-facenet, OpenCV và SQLite3 để xử lý vector embedding.
  • Người làm nghiên cứu về eKYC và Chấm công/Điểm danh: Cung cấp tài liệu tham khảo giá trị tại Chương 2 (bảng so sánh định lượng các kiến trúc MTCNN, CenterFace, FaceNet, ArcFace, DeepFace) và Chương 3 (kỹ thuật tiền xử lý làm sạch dữ liệu và cấu trúc database 3 bảng).
  • Các tổ chức giáo dục, khảo thí: Mô hình hóa quy trình chuyển đổi số từ nhận diện thủ công sang tự động hóa điểm danh, nâng cao tính minh bạch và an ninh thi cử.

Câu hỏi thường gặp

1. Tại sao tác giả lại chọn mô hình MTCNN thay vì CenterFace dù CenterFace có độ chính xác công bố trên FDDB cao hơn (98% so với 94,4%)?

Mặc dù CenterFace có độ chính xác công bố nhỉnh hơn, tác giả lựa chọn MTCNN vì MTCNN được hỗ trợ mạnh mẽ và trực tiếp bởi hệ sinh thái TensorFlow/Keras, có cấu trúc 3 giai đoạn (P-Net, R-Net, O-Net) ổn định, tài liệu mã nguồn mở rất phong phú và cộng đồng hỗ trợ rộng rãi. Ngược lại, CenterFace chủ yếu được phân phối ở định dạng ONNX, tài liệu hướng dẫn và mã nguồn hỗ trợ còn hạn chế, gây khó khăn hơn cho việc tùy biến và đóng gói hệ thống.

2. Nguyên nhân tác giả chọn FaceNet thay vì ArcFace (vốn có độ chính xác LFW đạt 99,82%) cho bài toán nhận diện là gì?

Mô hình ArcFace sử dụng hàm mất mát Additive Angular Margin Loss với độ phức tạp toán học cao, gây khó khăn trong việc kiểm soát siêu tham số nếu cần tinh chỉnh (fine-tuning). Trong khi đó, FaceNet đạt độ chính xác 99,63% trên LFW (mức chênh lệch không đáng kể), sử dụng hàm mất mát Triplet Loss với cơ chế trích xuất vector embedding trực tiếp và chuẩn hóa L2 đơn giản, dễ dàng tích hợp và tính toán độ tương đồng Cosine trên cơ sở dữ liệu SQLite3.

3. Quy trình làm sạch dữ liệu trong khóa luận đã loại bỏ những dạng hình ảnh nào?

Quá trình làm sạch dữ liệu đã loại bỏ hai nhóm ảnh:

  • Các khung hình có góc quay khuôn mặt nghiêng hẳn sang trái/phải hoặc quay lên trên quá cao, vì dữ liệu này khác xa không gian đặc trưng lúc mô hình được huấn luyện sẵn và không phản ánh đúng tư thế nhìn thẳng vào camera khi check-in thực tế.
  • Các khung hình bị vỡ, nhòe nét hoặc chất lượng điểm ảnh thấp do cảm biến camera di chuyển.

4. Cơ sở dữ liệu SQLite3 của hệ thống được tổ chức như thế nào và đảm bảo bảo mật ra sao?

Cơ sở dữ liệu gồm 3 bảng: User_infor (thông tin thí sinh), Images_data (đường dẫn ảnh khuôn mặt), và User_embeddings (mảng vector đặc trưng sau chuẩn hóa). Tính bảo mật được đảm bảo bằng cách mã hóa tên thư mục người dùng thành chuỗi số ngẫu nhiên; file ánh xạ trung gian meta_data.json chỉ được dùng tạm thời khi nạp dữ liệu và bị xóa hoàn toàn sau khi lưu vào database, ngăn chặn việc truy xuất danh tính trực tiếp từ cây thư mục ảnh.

5. Hệ thống xử lý thế nào khi có người lạ hoặc đối tượng thi hộ cố tình bước vào vùng nhận diện?

Khi một khuôn mặt chưa đăng ký trong cơ sở dữ liệu xuất hiện trước camera, MTCNN vẫn phát hiện vị trí khuôn mặt, nhưng vector embedding trích xuất bởi FaceNet khi so sánh Cosine Similarity với toàn bộ vector trong bảng User_embeddings sẽ không vượt qua được ngưỡng chấp nhận (threshold). Giao diện phần mềm sẽ lập tức cảnh báo không khớp danh tính và từ chối check-in.

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Thị Thu Hiền đã giải quyết thành công bài toán ứng dụng thị giác máy tính vào thực tiễn kiểm soát an ninh thi cử tại Tổ chức Giáo dục IIG Việt Nam. Bằng việc phân tích lý thuyết chuyên sâu và thử nghiệm thực chứng, tác giả đã chứng minh tính hiệu quả của giải pháp kết hợp giữa mô hình MTCNN (phát hiện khuôn mặt) và FaceNet (trích xuất đặc trưng nhận dạng) cùng cơ sở dữ liệu SQLite3. Hệ thống phần mềm demo xây dựng hoàn chỉnh cho thấy độ chính xác và tính khả thi cao, mở ra tiềm năng ứng dụng thực tế nhằm tự động hóa quy trình check-in, tiết kiệm chi phí vận hành và triệt tiêu nguy cơ gian lận thi hộ trong các kỳ thi quốc tế quy mô lớn.