Bộ môn Kỹ thuật Điện tử - Viễn thông

Trong cuộc sống hiện đại ngày nay, vạn vật kết nối đang là xu hướng của mọi thiết bị điện tử, tính ứng dụng thực tiễn và sự hiệu quả thể hiện rất rõ rệt. Với IoT, ta có thể điều khiển, giám sát, đưa ra các cảnh báo kịp thời. Việc sử dụng công nghệ nhận diện khuôn mặt để mở cửa phòng đã trở thành một xu hướng phổ biến trong các hệ thống an ninh và quản lý truy cập.
Xuất phát từ mong muốn tạo ra những sản phẩm có tính ứng dụng cao vào đời sống hàng ngày, đặc biệt trong thời đại số ngày nay. Sản phẩm tạo ra có thể truy xuất dữ liệu bảo mật, an toàn đóng mở cửa cho phòng thực hành hoặc cho ngôi nhà. 
Với thiết bị này, ta có các chức năng sau: 
- Thu thập dữ liệu: Hệ thống thu thập dữ liệu khuôn mặt từ người dùng thông qua Camera.
- Xử lý ảnh: Dữ liệu khuôn mặt được xử lý để trích xuất các đặc trưng quan trọng, như vị trí của mắt, mũi và miệng.
- Phân tích đặc trưng: Hệ thống sử dụng các đặc trưng trích xuất để tạo ra một biểu đồ dữ liệu biểu thị cho khuôn mặt.
- So sánh và xác thực: Dữ liệu khuôn mặt được so sánh với cơ sở dữ liệu đã lưu trữ để xác định xem người dùng có quyền truy cập hay không.
- Mở cửa: Nếu dữ liệu khuôn mặt trùng khớp với cơ sở dữ liệu, hệ thống sẽ thực hiện mở cửa phòng.
- Thực hiện đóng mở cửa qua nút nhấn, nút nhấn phải được đồng bộ với App và có thể đóng mở thông qua App.

Hình 1. Hệ thống mở cửa thông qua nhận diện khuôn mặt

Thời đại công nghệ 4.0 phát triển với tốc độ vượt bậc, là sự kết hợp giữa vận hành thực tế với kỹ thuật số, hướng đến kết nối vạn vật, tự động hóa và thông minh. Mọi thao tác đều phải có thể thực thi bằng phần mềm. Hệ thống mở cửa thông qua nhận diện khuôn mặt bằng trí tuệ nhận tạo AI như Hình 1 để mở cửa. Kết hợp phần cứng cùng với phần mềm điều khiển để tạo nên các chức năng mong muốn, xác định chế độ làm việc cho hệ thống (có thể thực thi tự động hay thủ công); thực hiện thiết kế ứng dụng chuyên dụng cho hệ thống, mọi hoạt động thực thi, thiết đặt chức năng đều có thể thực hiện bằng ứng dụng ở bất cứ đâu.
Mạng nơ-ron tích chập (CNNs) là một trong những mô hình học sâu tiên tiến. Mô hình này giúp ta xây dựng được những hệ thống thông minh với độ chính xác cao như hiện nay thể hiện như Hình 2 [1-3].

Hình 2. Cấu trúc của SSD cho SHM

Hình 3. Hình ảnh dữ liệu đầu vào

Huấn luyện API phát hiện đối tượng tensorflow với dữ liệu đầu vào 200 ảnh để huấn luyện và 50 ảnh để thử nghiệm như Hình 3.

Hình 4. Sơ đồ nguyên lý hoạt động tổng quát của hệ thống nhận diện khuôn mặt

Đầu tiên Camera sẽ hoạt động như một thiết bị thu hình ảnh qua giao thức USB. Camera này có khả năng chụp ảnh và gửi dữ liệu hình ảnh trong thời gian thực đến Raspberry Pi [4]. Raspberry sẽ nhận dữ liệu hình ảnh từ Camera Logi thông qua giao thức tương ứng. Trong Raspberry thuật toán nhận diện khuôn mặt được triển khai để phân tích dữ liệu hình ảnh nhận được từ Camera để xác định các khuôn mặt có trong khung hình và trích xuất các đặc trưng cần thiết để nhận diện. Quá trình Camera hoạt động hay thông tin mà Raspberry xử lý được sẽ hiển thị lên màn hình HDMI. Cùng lúc đó, dữ liệu sẽ được gửi lên Cloud rồi đến App người dùng để có thể giám sát và điều khiển ở bất cứ đâu. Để đóng mở cửa có thể thông qua cảm biến chạm để đóng mở cửa hoặc thông qua nút nhấn trên App người dùng. Các nút nhấn ảo và thực được đồng bộ với nhau nên đóng mở sẽ được thực hiện một cách linh hoạt như Hình 4.
Hệ thống nhận diện khuôn mặt sử dụng trí tuệ nhân tạo cho kết quả thể hiện từ Hình 5-8.

Hình 5. Vị trí lắp đặt hệ thống ở phòng thực hành

Hình 6. Hệ thống hoạt động khi nhận diện khuôn mặt

Hình 7. App đồng bộ với hệ thống

Hình 8. Hệ thống nhận diện sai khuôn mặt

Tài liệu tham khảo:
[1] Jiuxiang Gu, et al. (2018),  Recent advances in convolutional neural networks, Pattern Recognit, vol. 77, pp. 354–377.
[2] Joseph Redmon, et al. (2015), You Only Look Once: Unified, Real-Time Object Detection, IEEE Conference on Computer Vision and Pattern Recognition, pp. 779-788.
[3] Mark Sandler, et al. (2018), MobileNetV2: Inverted Residuals and Linear Bottlenecks, Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp. 4510-4520.
[4] Kailasam Selvaraj, Saravanan Alagarsamy, Dhilipkumar M (2021), Raspberry Pi based Automatic Door Control System, International Conference on Signal Processing and Communication, pp. 652-656.
ThS. Hồ Lê Anh Hoàng (Khoa Kỹ thuật - Công nghệ, Trường Đại học Văn Hiến)