Giới thiệu dự án

Trong kỷ nguyên vươn mình của Tự động hóa và Internet vạn vật (IoT), phương thức giao tiếp người - máy (Human-Computer Interaction - HCI) đang chuyển dịch mạnh mẽ từ các thiết bị nhập liệu cơ học truyền thống (bàn phím, chuột, nút bấm vật lý) sang các giao thức tương tác tự nhiên (Natural User Interface - NUI) như nhận dạng giọng nói và cử chỉ. Theo các báo cáo công nghệ thị giác máy tính, nhu cầu điều khiển không tiếp xúc (touchless control) tăng trưởng nhanh chóng nhờ ưu thế vượt trội về tính tiện dụng, vệ sinh dịch tễ trong y tế và khả năng hỗ trợ đắc lực cho người khuyết tật.

Tuy nhiên, các phương pháp điều khiển tiếp xúc truyền thống bộc lộ rõ rệt nhiều rào cản:

  • Hạn chế đối với người suy giảm chức năng vận động: Người khiếm thính, bại liệt cơ hoặc người cao tuổi gặp nhiều khó khăn khi thao tác với công tắc cơ học, remote điều khiển hay màn hình cảm ứng nhỏ hẹp.
  • Nguy cơ lây nhiễm chéo: Trong môi trường phòng mổ y tế, phòng thí nghiệm vô trùng hoặc khu vực công cộng, việc tiếp xúc bề mặt công tắc tiềm ẩn rủi ro lây lan vi khuẩn và tác nhân gây bệnh.
  • Chi phí triển khai cao của thiết bị cảm biến chuyên dụng: Các giải pháp phần cứng đeo tay (Data Glove, vòng cảm ứng điện cơ EMG) cồng kềnh, gây vướng víu và chi phí chế tạo đắt đỏ.

Đề tài "Ứng dụng xử lý ảnh trong điều khiển thiết bị bằng cử chỉ tay sử dụng kit Raspberry Pi" do nhóm sinh viên Khoa Điện - Điện tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM nghiên cứu và phát triển nhằm giải quyết triệt để các bài toán trên thông qua 4 mục tiêu cụ thể:

  1. Nghiên cứu và tối ưu hóa quy trình trích xuất đặc trưng bàn tay dựa trên phân đoạn không gian màu HSV và đặc trưng gradient định hướng (HOG - Histogram of Oriented Gradients).
  2. Xây dựng mô hình máy học tăng cường AdaBoost kết hợp kiến trúc phân tầng (Cascade Classifier) để phân loại chính xác các cử chỉ bàn tay tĩnh theo thời gian thực.
  3. Thiết kế, tính toán và chế tạo mạch điều khiển công suất 4 kênh cách ly quang (Optocoupler), đảm bảo an toàn tuyệt đối cho phần cứng xử lý nhúng khi đóng cắt tải điện áp cao.
  4. Tích hợp và vận hành toàn diện hệ thống trên bo mạch nhúng giá rẻ Raspberry Pi 2 Model B v1.1, độc lập hoàn toàn với máy tính chủ hoặc điện toán đám mây.

Giải pháp lựa chọn hướng tiếp cận thị giác máy tính thuần túy trên thiết bị biên (Edge Computing). Thay vì phụ thuộc vào cảm biến đeo hay hạ tầng server mạnh mẽ, hệ thống khai thác sức mạnh của thư viện OpenCV trên nền tảng chip ARM, mang lại khả năng triển khai linh hoạt, nhỏ gọn với mức tiêu thụ điện năng chỉ khoảng $3\text{W}$, đáp ứng độ trễ thời gian thực từ $1 - 4\text{s}$ và tỷ lệ nhận diện đạt xấp xỉ $85%$ trong điều kiện môi trường kiểm soát.

Phạm vi nghiên cứu tập trung vào 5 cử chỉ bàn tay tĩnh (tương ứng điều khiển độc lập 4 thiết bị AC/DC và 1 lệnh tắt toàn bộ) với khoảng cách tương tác tối ưu từ $0.5 - 1.0\text{m}$ dưới điều kiện ánh sáng ổn định và phông nền đơn sắc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi đề xuất kiến trúc hệ thống, việc đánh giá toàn diện các hướng tiếp cận hiện hữu trên thị trường và trong nghiên cứu học thuật là tối quan trọng:

Giải pháp công nghệ Ưu điểm Nhược điểm Chi phí & Khả năng ứng dụng
Găng tay cảm biến (Data Glove)
(Dharani Mazumdar et al.)		 Độ chính xác cao ($>95%$), không phụ thuộc ánh sáng môi trường. Vướng víu, cần hiệu chuẩn cảm biến MEMS liên tục, suy giảm độ bền cơ học. Chi phí phần cứng cao ($>100\text{ USD}$), khó tiếp cận cho đại chúng.
Ảnh lịch sử chuyển động (MHI)
(Chen Chiung Hsieh et al.)		 Nhận diện tốt cử chỉ động, thuật toán tính toán nhẹ. Rất nhạy cảm với nhiễu chuyển động nền; dễ nhận diện sai khi có vật thể di chuyển. Chi phí trung bình, chỉ phù hợp môi trường cố định.
Phân cụm K-Means & Mạng Nơ-ron
(Võ Đắc Thọ, Trần Quang Tráng)		 Khả năng phân lớp phi tuyến tốt, nhận diện được nhiều mẫu phức tạp. Chỉ dừng lại ở mô phỏng MATLAB; độ phức tạp tính toán lớn, khó chạy thời gian thực trên kit nhúng. Đòi hỏi tài nguyên tính toán cao (GPU/CPU mạnh), tính khả thi nhúng thấp.
Giải pháp đề xuất (HSV + HOG-AdaBoost) Độc lập thiết bị đeo, xử lý trực tiếp trên kit nhúng ARM giá rẻ, độ tin cậy cao. Nhạy cảm với điều kiện ánh sáng yếu hoặc phông nền có màu tương đồng da người. Chi phí thấp ($<50\text{ USD}$), tiêu thụ điện năng cực thấp ($\approx 3\text{W}$).

Dựa trên yêu cầu hệ thống, các tính năng được phân loại theo mô hình MoSCoW:

  • Must have: Phân đoạn màu da chính xác trong không gian HSV; phát hiện bàn tay bằng Cascade HOG; xuất tín hiệu GPIO điều khiển Relay cách ly quang.
  • Should have: Giao diện hiển thị vùng quan tâm (ROI - Region of Interest); cơ chế khử nhiễu hình thái học (Erosion/Dilation).
  • Could have: Tự động điều chỉnh ngưỡng sáng thích nghi (Adaptive Thresholding); tích hợp còi báo trạng thái.
  • Won't have: Nhận dạng cử chỉ động 3D phức tạp; nhận diện cử chỉ trong bóng tối hoàn toàn không có đèn hồng ngoại.

Thiết kế hệ thống

Kiến trúc hệ thống được module hóa thành 3 phân tầng xử lý rõ ràng:

[ Camera Pi (CSI) ] 
        │
        ▼ (320x240 @ 32 FPS)
┌────────────────────────────────────────────────────────┐
│             KHỐI XỬ LÝ TRUNG TÂM (Raspberry Pi 2)       │
│  1. Tiền xử lý: RGB → HSV → Phân đoạn màu da          │
│  2. Trích xuất đặc trưng: HOG (9 Bins, 8x8 Cell)       │
│  3. Phân loại: Bộ phân loại tầng AdaBoost Cascade      │
│  4. Điều khiển Logic: Giải mã cử chỉ → Điều khiển GPIO │
└────────────────────────────────────────────────────────┘
        │
        ▼ (Tín hiệu logic 3.3V: GPIO18, 23, 24, 25)
┌────────────────────────────────────────────────────────┐
│             KHỐI CÔNG SUẤT CÁCH LY QUANG               │
│  - Cách ly tín hiệu: Optocoupler PC817 (IF = 2mA)       │
│  - Khuếch đại dòng: Transistor NPN C1815 (hFE = 70-140)│
│  - Đóng cắt: 4x Relay HF3FF 5VDC (Dòng tải AC/DC)       │
│  - Bảo vệ dòng ngược: Diode 1N4007                     │
└────────────────────────────────────────────────────────┘
        │
        ▼
[ 4 Thiết bị ngoại vi (Đèn, Quạt, Động cơ, Tải công nghiệp) ]

Technology Stack và Thông số kỹ thuật:

  • Phần cứng xử lý: Raspberry Pi 2 Model B v1.1 (CPU 900MHz quad-core ARM Cortex-A7, 1GB LPDDR2 RAM, VideoCore IV GPU, 40 chân GPIO).
  • Thiết bị thu nhận: Camera Module chuẩn CSI-2, độ phân giải chụp cấu hình $320 \times 240$ pixel, tốc độ khung hình 32 FPS.
  • Nền tảng phần mềm: Raspbian OS (Linux kernel 4.1.x), Python 2.7/3.x, OpenCV 2.4.x/3.x, NumPy, RPi.GPIO.
  • Môi trường huấn luyện dữ liệu: MATLAB R2015b (Training Image Labeler Toolbox, Computer Vision System Toolbox).

Tính toán thiết kế mạch điện tử khối công suất:

  1. Mạch kích Opto PC817: Điện áp logic ngõ ra của Raspberry Pi là $V_{GPIO} = 3.3\text{V}$. Với dòng kích chọn $I_F = 2\text{mA}$, điện áp thuận của diode phát quang trong opto $V_F = 1.2\text{V}$: $$R_2 = \frac{V_{GPIO} - V_F}{I_F} = \frac{3.3\text{V} - 1.2\text{V}}{2\text{mA}} = 1050,\Omega \quad \Rightarrow \text{Chọn điện trở chuẩn } 1\text{k}\Omega$$
  2. Mạch phân cực Transistor C1815 kích Relay: Cuộn hút Relay HF3FF 5VDC tiêu thụ dòng $I_C = 71\text{mA}$, điện trở cuộn dây $70,\Omega$. Điện áp bão hòa $V_{CE(sat)} = 0.2\text{V}$. Để đưa Transistor vào trạng thái bão hòa hoàn toàn, chọn dòng cực nền $I_B \ge 3\text{mA}$: $$R_3 = \frac{V_{CC} - V_{BE} - V_{CE(opto)}}{I_B} = \frac{5\text{V} - 0.7\text{V} - 0.2\text{V}}{3\text{mA}} \approx 1.36\text{k}\Omega \quad \Rightarrow \text{Chọn điện trở kích } 1\text{k}\Omega$$
  3. Tổng dòng tiêu thụ toàn mạch: 4 Relay ($4 \times 71\text{mA} = 284\text{mA}$) + 4 Opto ($8\text{mA}$) + 4 Transistor ($12\text{mA}$) $\approx 350\text{mA}$. Nguồn cấp $5\text{V} - 1\text{A}$ hoàn toàn đáp ứng công suất hoạt động ổn định.

Methodology

Dự án áp dụng mô hình phát triển tích hợp phần cứng - phần mềm theo tiến trình 14 tuần nghiêm ngặt:

Giai đoạn (Tuần) Hạng mục công việc chính Deliverables / Đầu ra
Tuần 1 - 3 Nghiên cứu lý thuyết xử lý ảnh, cấu hình hệ điều hành Linux trên Raspberry Pi, biên dịch OpenCV. Môi trường lập trình nhúng hoàn chỉnh.
Tuần 4 - 6 Thu thập tập dữ liệu bàn tay, phát triển module phân đoạn màu da HSV, lập trình điều khiển GPIO. Pipeline nhận dạng ngưỡng màu da cơ bản.
Tuần 7 - 9 Gán nhãn dữ liệu ROI trên MATLAB, huấn luyện chuỗi Cascade HOG-AdaBoost, tạo file cấu hình XML/MAT. Mô hình phân loại cử chỉ đã được kiểm chứng.
Tuần 10 - 12 Thiết kế sơ đồ nguyên lý, vẽ mạch in PCB trên Altium, hàn lắp và đo kiểm khối công suất cách ly. Mạch phần cứng 4 kênh Relay hoàn chỉnh.
Tuần 13 - 14 Tích hợp toàn hệ thống, kiểm thử thực nghiệm, đo đạc độ trễ/độ chính xác và tối ưu hóa hệ thống. Sản phẩm mẫu hoàn thiện & báo cáo kỹ thuật.

Chiến lược quản trị rủi ro kỹ thuật:

  • Rủi ro trôi màu do ánh sáng thay đổi: Bổ sung bước cân bằng biểu đồ sắc độ (Histogram Equalization) trên kênh Value (V) trong không gian màu HSV trước khi phân ngưỡng.
  • Rủi ro quá nhiệt và thắt cổ chai CPU: Giảm độ phân giải xử lý xuống $320 \times 240$ và áp dụng cửa sổ con trượt (Sliding Window) chỉ trên vùng chứa màu da đã lọc trước, giảm $65%$ khối lượng tính toán ma trận.

Implementation và kết quả

Development process

Trọng tâm thuật toán nhận dạng là sự kết hợp chặt chẽ giữa kỹ thuật phân đoạn vùng màu da và trích xuất đặc trưng HOG tăng cường bởi AdaBoost:

  1. Phân đoạn màu da trong không gian HSV: Không gian RGB gốc bị phụ thuộc nặng nề vào cường độ chiếu sáng. Do đó, khung hình được chuyển đổi sang HSV. Giá trị màu da người được chuẩn hóa trong dải ngưỡng thực nghiệm: $$\text{Hue: } [0, 30] \cup [150, 180], \quad \text{Saturation: } [30, 150], \quad \text{Value: } [80, 255]$$ Ảnh sau phân đoạn được nhị phân hóa để trích xuất mặt nạ (Mask), sau đó đi qua bộ lọc hình thái học cv2.morphologyEx để loại bỏ các điểm nhiễu hạt tiêu.

  2. Rút trích đặc trưng HOG (Histogram of Oriented Gradients):

    • Cửa sổ phân tích được chia thành các cell kích thước $8 \times 8$ pixel.
    • Tính toán biến thiên cường độ theo trục $X$ và $Y$ bằng mặt nạ đạo hàm $[-1, 0, 1]$ và $[-1, 0, 1]^T$: $$G_x = I(x+1, y) - I(x-1, y), \quad G_y = I(x, y+1) - I(x, y-1)$$ $$\text{Biên độ Gradient: } |G| = \sqrt{G_x^2 + G_y^2}, \quad \text{Hướng Gradient: } \theta = \arctan\left(\frac{G_y}{G_x}\right)$$
    • Hướng gradient ($0^\circ - 180^\circ$) được chia thành 9 bin (mỗi bin $20^\circ$).
    • Nhóm $2 \times 2$ cell thành 1 block kích thước $16 \times 16$ pixel. Vector đặc trưng của block gồm $9 \times 4 = 36$ chiều và được chuẩn hóa theo chuẩn $L_2\text{-norm}$: $$v_{norm} = \frac{v}{\sqrt{|v|_2^2 + \epsilon^2}}$$
    • Với khung hình con $64 \times 128$ pixel, tổng số chiều vector đặc trưng HOG thu được là $7 \times 15 \times 36 = 3780$ phần tử.

  3. Thuật toán tăng tốc AdaBoost và Phân tầng Cascade: AdaBoost kết hợp tuyến tính các bộ phân loại yếu $h_t(x)$ thành bộ phân loại mạnh $H(x)$: $$H(x) = \text{sign}\left(\sum_{t=1}^T \alpha_t h_t(x)\right), \quad \text{với } \alpha_t = \frac{1}{2} \ln\left(\frac{1 - \epsilon_t}{\epsilon_t}\right)$$ Mô hình phân tầng gồm $N = 20$ giai đoạn liên tiếp (Stage). Cửa sổ trượt chỉ cần không thỏa mãn một tầng phân loại sẽ bị loại bỏ lập tức (Early Rejection), cho phép tỷ lệ phát hiện sai tích lũy cực nhỏ: $$\text{False Alarm Rate: } F = \prod_{i=1}^{20} f_i \approx 0.54 \times 10^{-7}, \quad \text{Hit Rate: } D = \prod_{i=1}^{20} d_i \approx 0.90 - 0.95$$

import cv2
import numpy as np
import RPi.GPIO as GPIO
import time

# Cấu hình GPIO điều khiển 4 kênh Relay
RELAY_PINS = [18, 23, 24, 25]
GPIO.setmode(GPIO.BCM)
GPIO.setwarnings(False)
for pin in RELAY_PINS:
    GPIO.setup(pin, GPIO.OUT)
    GPIO.output(pin, GPIO.LOW)

def segment_skin(frame):
    """Phân đoạn màu da trong không gian màu HSV"""
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    lower_skin = np.array([0, 30, 80], dtype=np.uint8)
    upper_skin = np.array([20, 150, 255], dtype=np.uint8)
    mask = cv2.inRange(hsv, lower_skin, upper_skin)
    
    # Khử nhiễu hình thái học
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
    mask = cv2.erode(mask, kernel, iterations=1)
    mask = cv2.dilate(mask, kernel, iterations=2)
    return mask

def execute_control(gesture_id):
    """Thực thi lệnh điều khiển thiết bị tương ứng với cử chỉ"""
    if gesture_id == 1:  # Cử chỉ 1 ngón: Bật TB 1
        GPIO.output(18, GPIO.HIGH)
    elif gesture_id == 2:  # Cử chỉ 2 ngón: Bật TB 2
        GPIO.output(23, GPIO.HIGH)
    elif gesture_id == 3:  # Cử chỉ 3 ngón: Bật TB 3
        GPIO.output(24, GPIO.HIGH)
    elif gesture_id == 4:  # Cử chỉ 4 ngón: Bật TB 4
        GPIO.output(25, GPIO.HIGH)
    elif gesture_id == 5:  # Cử chỉ nắm tay: Tắt toàn bộ
        for pin in RELAY_PINS:
            GPIO.output(pin, GPIO.LOW)

Testing và validation

Quá trình đánh giá hiệu năng được tiến hành trên 500 mẫu thử nghiệm thực tế với các kịch bản môi trường đa dạng:

MA TRẬN NHẦM LẪN (CONFUSION MATRIX) TRÊN TẬP DỮ LIỆU KIỂM THỬ:
┌─────────────────┬──────────┬──────────┬──────────┬──────────┬──────────┬────────────┐
│ Cử chỉ thực tế  │ Cử chỉ 1 │ Cử chỉ 2 │ Cử chỉ 3 │ Cử chỉ 4 │ Cử chỉ 5 │ Accuracy   │
├─────────────────┼──────────┼──────────┼──────────┼──────────┼──────────┼────────────┤
│ Cử chỉ 1 (TB 1) │    88    │    5     │    3     │    1     │    3     │   88.0%    │
│ Cử chỉ 2 (TB 2) │    4     │    86    │    6     │    2     │    2     │   86.0%    │
│ Cử chỉ 3 (TB 3) │    3     │    7     │    82    │    5     │    3     │   82.0%    │
│ Cử chỉ 4 (TB 4) │    2     │    4     │    7     │    81    │    6     │   81.0%    │
│ Cử chỉ 5 (Tắt)  │    2     │    1     │    2     │    3     │    92    │   92.0%    │
└─────────────────┴──────────┴──────────┴──────────┴──────────┴──────────┴────────────┘
→ Độ chính xác trung bình toàn hệ thống: 85.8%

Thống kê thời gian xử lý chi tiết (Profiling Benchmarks):

  • Thời gian thu nhận khung hình (CSI Camera Capture): $31.25\text{ms}$ ($32\text{ FPS}$).
  • Chuyển đổi không gian màu & phân đoạn HSV: $85 - 110\text{ms}$.
  • Rút trích HOG & phân lớp Cascade: $450 - 950\text{ms}$.
  • Logic điều khiển GPIO & đóng cắt rơ-le: $< 5\text{ms}$.
  • Tổng thời gian đáp ứng hệ thống: $1.2 - 2.8\text{s}$ (đạt hoàn toàn chỉ tiêu thiết kế $< 4\text{s}$).

Kết quả đạt được

Hệ thống đã hiện thực hóa thành công sản phẩm phần cứng mẫu dạng hộp hoàn chỉnh với các chỉ tiêu kỹ thuật:

Hạng mục mục tiêu Kế hoạch ban đầu Kết quả thực nghiệm đạt được Đánh giá
Nhận diện cử chỉ 5 cử chỉ tĩnh ASL 5 cử chỉ phân biệt chính xác Đạt $100%$
Điều khiển thiết bị 4 kênh tải độc lập 4 kênh Relay AC $220\text{V}/10\text{A}$ đóng cắt chuẩn xác Đạt $100%$
Thời gian đáp ứng $1.0 - 4.0\text{s}$ Trung bình $1.8\text{s}$ Đạt chỉ tiêu
Độ chính xác nhận dạng $\ge 80%$ $85.8%$ (Môi trường tiêu chuẩn) Vượt $5.8%$
Độ ổn định mạch công suất Cách ly chống nhiễu Opto cách ly hoàn toàn xung kích, bảo vệ kit Đạt chuẩn an toàn

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp kỹ thuật và cải tiến thực tiễn đáng kể cho lĩnh vực thị giác máy tính nhúng:

  1. Kiến trúc lọc hai tầng tối ưu tài nguyên (Hybrid Pipeline): Thay vì áp dụng cửa sổ trượt HOG-AdaBoost trên toàn bộ khung hình (gây quá tải vi xử lý ARM 900MHz), hệ thống sử dụng bước lọc màu da HSV để trích xuất ROI cục bộ trước. Kỹ thuật này giúp giảm khối lượng phép tính ma trận tới $68.4%$, nâng tốc độ xử lý từ $0.3\text{ FPS}$ lên xấp xỉ $1.2\text{ FPS}$ ngay trên phần cứng hạn chế.
  2. Khắc phục triệt để nhược điểm của các nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Võ Đắc Thọ & Trần Quang Tráng (2014) (chỉ mô phỏng MATLAB không có phần cứng thực thi), đồ án đã thi công thành công hệ thống nhúng hoạt động độc lập.
    • So với nghiên cứu của Dharani Mazumdar et al. (dùng Data Glove cồng kềnh), giải pháp thị giác mang lại trải nghiệm tương tác không tiếp xúc hoàn toàn tự nhiên với chi phí chỉ bằng $20%$.
    • So với nghiên cứu của Duy & Tâm (2015) (nhận diện khuôn mặt mất 5 phút xử lý trên kit), hệ thống tối ưu thời gian nhận dạng xuống dưới $3\text{s}$, cải thiện tốc độ hơn $100$ lần.
  3. Thiết kế phần cứng chuẩn công nghiệp: Module công suất 4 kênh được tính toán phân cực chính xác, tích hợp đầy đủ Diode bảo vệ dòng điện cảm ứng ngược và Optocoupler cách ly, loại bỏ hoàn toàn hiện tượng sụt áp hay treo kit vi xử lý khi đóng ngắt các tải cảm ứng công suất lớn.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Hệ thống Nhà thông minh (Smart Home) cho người khuyết tật và người cao tuổi: Hỗ trợ người suy giảm khả năng vận động, người khiếm thính dễ dàng bật/tắt đèn chiếu sáng, quạt điện, tivi thông qua cử chỉ bàn tay từ khoảng cách $1\text{m}$ mà không cần di chuyển tới công tắc.
  2. Môi trường Y tế và Phòng phẫu thuật vô trùng: Bác sĩ phẫu thuật có thể điều khiển cường độ đèn mổ, chuyển màn hình hiển thị phim chụp X-quang/CT bằng cử chỉ mà không chạm tay vào bất kỳ bề mặt nào, duy trì chuẩn vô trùng tuyệt đối.
  3. Nhà máy sản xuất công nghiệp hóa chất/bụi bẩn: Công nhân vận hành máy móc trong môi trường độc hại hoặc khi đeo găng tay bẩn có thể điều khiển dây chuyền từ xa mà không làm bẩn bảng điều khiển điện tử.
KẾ HOẠCH BÀN GIAO VÀ TRIỂN KHAI THỰC TẾ:
┌───────────────────────────┬───────────────────────────┬───────────────────────────┐
│ Giai đoạn 1 (Tháng 1-2)    │ Giai đoạn 2 (Tháng 3-4)    │ Giai đoạn 3 (Tháng 5-6)    │
├───────────────────────────┼───────────────────────────┼───────────────────────────┤
│ • Hoàn thiện đóng vỏ hộp  │ • Thử nghiệm thực tế tại  │ • Thương mại hóa phiên bản│
│   tiêu chuẩn ABS/Mica     │   trung tâm dưỡng lão     │   IoT tích hợp MQTT/WiFi  │
│ • Kiểm chuẩn an toàn điện │ • Tối ưu tập dữ liệu đa   │ • Mở rộng điều khiển 8-16 │
│   và chống nhiễu EMC      │   người dùng và góc nghiêng│   kênh thiết bị thông minh│
└───────────────────────────┴───────────────────────────┴───────────────────────────┘

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI):

  • Chi phí linh kiện chế tạo mẫu (BOM): $\approx 1.200.000\text{ VNĐ}$ (Raspberry Pi 2 cũ/mới + Camera Pi + Mạch Relay + Vỏ hộp + Nguồn).
  • So sánh với giải pháp Smart Home cao cấp dùng cảm biến cử chỉ chuyên dụng ($5.000.000 - 15.000.000\text{ VNĐ}$), hệ thống tiết kiệm hơn $75%$ chi phí đầu tư ban đầu, mang lại thời gian hoàn vốn đầu tư (ROI) dưới 6 tháng cho các cơ sở y tế và hộ gia đình.

Hạn chế và hướng phát triển

Dù đạt được các mục tiêu kỹ thuật ban đầu, đề tài vẫn tồn tại một số giới hạn cần hoàn thiện:

  • Tính phụ thuộc vào môi trường quang học: Thuật toán phân đoạn màu da HSV vẫn bị suy giảm độ chính xác khi cường độ ánh sáng thay đổi đột ngột hoặc trong phòng có nguồn sáng vàng trùng phổ màu da.
  • Hạn chế về góc nghiêng và cử chỉ động: Hệ thống chỉ nhận diện tốt cử chỉ tĩnh khi bàn tay hướng thẳng vào camera với góc nghiêng không quá $\pm 15^\circ$; chưa hỗ trợ các cử chỉ động dạng vuốt (Swipe) hay xoay (Rotate).
  • Phông nền yêu cầu đơn giản: Khi hậu cảnh xuất hiện nhiều khuôn mặt hoặc vật thể có màu sắc tương đồng da người, tỷ lệ báo động sai (False Alarm) tăng lên.

Định hướng nghiên cứu và nâng cấp tiếp theo:

  • Chuyển đổi kiến trúc sang mạng nơ-ron tích chập nhẹ (Lightweight Deep Learning) như MobileNet-SSD, MediaPipe Hands hoặc Tiny-YOLOv8 chạy trên nền tảng Raspberry Pi 4 / Raspberry Pi 5 hoặc tích hợp thanh tăng tốc phần cứng Google Coral Edge TPU.
  • Ứng dụng cảm biến chiều sâu 3D (Time-of-Flight hoặc RealSense IR Camera) để loại bỏ phông nền dựa trên khoảng cách chiều sâu, triệt tiêu hoàn toàn ảnh hưởng của màu sắc nền và ánh sáng môi trường.
  • Tích hợp giao thức truyền thông không dây MQTT, Zigbee để điều khiển trực tiếp hệ sinh thái Smart Home (Home Assistant, Apple HomeKit).

Đối tượng hưởng lợi

  • Sinh viên và Học viên Kỹ thuật: Tiếp cận tài liệu tham khảo thực tế về quy trình tích hợp toàn diện giữa lý thuyết xử lý ảnh số (HSV, HOG, AdaBoost) và kỹ thuật thiết kế mạch điện tử công suất nhúng.
  • Kỹ sư và Lập trình viên Hệ thống nhúng: Nắm bắt phương pháp tối ưu hóa hiệu năng thuật toán thị giác máy tính trên vi xử lý ARM cấu hình thấp mà không làm nghẽn cổ chai tài nguyên phần cứng.
  • Doanh nghiệp Thiết bị Y tế và Nhà thông minh: Sở hữu kiến trúc thiết kế mở, chi phí thấp để phát triển dòng sản phẩm công tắc điều khiển không tiếp xúc trong giai đoạn bình thường mới.
  • Cộng đồng Người khuyết tật và Viện dưỡng lão: Tiếp cận giải pháp công nghệ trợ kháng trực quan, hỗ trợ tối đa khả năng tự chủ sinh hoạt với mức chi phí đầu tư bình dân.

Câu hỏi thường gặp

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

Hệ thống yêu cầu bo mạch nhúng tối thiểu từ Raspberry Pi 2 Model B (khuyến nghị Pi 3B+ hoặc Pi 4 để tăng tốc độ xử lý), thẻ nhớ MicroSD tối thiểu 8GB Class 10 cài đặt Raspbian OS, Camera Module chuẩn CSI 5MP, nguồn cấp $5\text{V} - 2\text{A}$ ổn định và module Relay cách ly quang tương thích mức logic $3.3\text{V}/5\text{V}$.

2. Hệ thống xử lý thế nào khi có vật thể màu da khác xuất hiện trong khung hình?

Nhờ kiến trúc lọc hai lớp, việc phân đoạn màu da HSV chỉ là bước sàng lọc ban đầu để xác định vùng ROI. Sau đó, chuỗi phân loại 20 tầng Cascade HOG-AdaBoost sẽ quét hình thái cấu trúc hình học của bàn tay. Nếu vật thể màu da không khớp với vector đặc trưng HOG của các cử chỉ đã học, hệ thống sẽ loại bỏ ngay lập tức ở các stage đầu, không kích hoạt lệnh điều khiển.

3. Có thể tích hợp hệ thống vào mạng lưới điện gia dụng hiện có không?

Hoàn toàn có thể. Khối công suất sử dụng 4 Relay HF3FF với tiếp điểm chịu dòng tối đa $10\text{A}$ ở điện áp $250\text{VAC}$ hoặc $30\text{VDC}$. Đầu ra của relay được đấu nối song song hoặc nối tiếp với các công tắc cơ học hiện hữu trong nhà, cho phép điều khiển trực tiếp đèn, quạt, máy bơm nước hoặc cửa tự động.

4. Hệ thống có đòi hỏi bảo trì phần mềm và hiệu chuẩn định kỳ không?

Phần mềm hoạt động dạng nhúng độc lập (Firmware/Service tự khởi động cùng OS), không phụ thuộc kết nối Internet nên không lo ngại lỗi cập nhật phần mềm. Bảo trì phần cứng định kỳ bao gồm vệ sinh ống kính camera tránh bụi bẩn và kiểm tra siết ốc các đầu nối Domino công suất sau thời gian dài sử dụng.

5. Dự toán tổng chi phí và thời gian thu hồi vốn (ROI) cho một hệ thống hoàn chỉnh?

Tổng chi phí linh kiện phần cứng để lắp ráp hoàn chỉnh một bộ điều khiển 4 thiết bị dao động từ $1.200.000 - 1.500.000\text{ VNĐ}$. Với các cơ sở y tế hoặc văn phòng, việc giảm thiểu hỏng hóc công tắc cơ và ngăn ngừa lây nhiễm chéo mang lại giá trị vận hành tương đương thời gian hoàn vốn dưới 6 tháng.

Kết luận

Đồ án tốt nghiệp "Ứng dụng xử lý ảnh trong điều khiển thiết bị bằng cử chỉ tay sử dụng kit Raspberry Pi" đã nghiên cứu, hiện thực hóa và đóng gói thành công một giải pháp điều khiển không tiếp xúc hoàn chỉnh từ thuật toán thị giác máy tính đến phần cứng chấp hành. Việc kết hợp thông minh giữa phân đoạn màu da không gian HSV, trích xuất đặc trưng HOG và bộ phân loại phân tầng AdaBoost trên phần cứng nhúng Raspberry Pi 2 Model B v1.1 đã chứng minh tính khả thi vượt trội: đạt độ chính xác $85.8%$, thời gian đáp ứng dưới $3\text{s}$, vận hành an toàn tuyệt đối với công suất tiêu thụ chỉ $3\text{W}$.

Công trình không chỉ đóng góp một giải pháp kỹ thuật mẫu mực cho bài toán tối ưu hóa thị giác trên thiết bị biên (Edge AI), mà còn mở ra tiềm năng ứng dụng sâu rộng trong hỗ trợ người khuyết tật, bệnh viện vô trùng và nhà thông minh thế hệ mới. Các nhà phát triển và đơn vị nghiên cứu có thể kế thừa kiến trúc mã nguồn mở và sơ đồ phần cứng này để tiếp tục tích hợp các mô hình Deep Learning hiện đại, mở rộng hệ sinh thái tương tác thông minh trong tương lai.