Báo cáo đồ án Ứng dụng AI và Machine learning trong nhận diện khuôn mặt môn Đồ án công nghệ 4.0 | Trường Đại học Kinh Doanh và Công Nghệ Hà Nội

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH DOANH VÀ CÔNG NGHỆ HÀ NỘI BÁO CÁO
MÔN HỌC: Đồ án công nghệ 4.0
ĐỀ TÀI: Trí tuệ nhân tạo (AI) & M achine Learning
Sinh viên thực hiện: Nguyễn Thị Quỳnh Anh Lớp: TH27.46
Mã sinh viên: 2722225558 10 , tháng 6 năm 2025 MỤC LỤC I. MỞ ĐẦU
1.1 . Bối cảnh và lý do chọn đề tài 1.2 . Mục tiêu đề tài
1.3 . Phạm vi và giới hạn
II. CƠ SỞ LÝ THUYẾT
2.1 . Tổng quan về trí tuệ nhân tạo (AI )
2.2 . Machine Learning & Deep Learning
2.3 . Nhận diện khuôn mặt
2.4 . Công nghệ và thư viện sử dụng
III. PHÂN TÍCH HỆ THỐNG
3.1 . Kiến trúc tổng thiết
3.2 . Chức năng hệ thống 3.3 . Luồng xử lý
IV. TRIỂN KHAI VÀ THỰC NGHIỆM 4.1 . Chuẩn bị 4.2 . Đăng ký khuôn mặt
4.3 . Nhận diện và điểm danh
4.4 . Kết quả thực nghiệm
V. MÔ HÌNH TRIỂN KHAI (DEPLOYMENT MODEL)
5.1 . Triển khai cục bộ (Local )
5.2 . Triển khai mạng nội bộ (LAN )
5.3 . Triển khai cloud (phát triển nâng cao )
VI. GIAO DIỆN NGƯỜI DÙNG (UI MOCKUP)
VII. ỨNG DỤNG THỰC TẾ & KHẢ NĂNG MỞ RỘNG
7.1 . Ứng dụng thực tế :
7.2 . Khả năng mở rộng :
VIII. NHỮNG KHÓ KHĂN TRONG QUÁ TRÌNH TH ỰC HIỆN
IX. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 . Kết luận 5.2 . Hạn chế 5.3 . Hướng phát triển
X. TÀI LIỆU VÀ NGUỒN THAM KHẢO I. MỞ ĐẦU
1.1 . Bối cảnh và lý do chọn đề tài
Trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ trong mọi lĩnh vực, đặc
biệt là giáo dục, các phương pháp quản lý truyền thống đang dần bộc lộ nhiều
điểm hạn chế. Việc điểm danh thủ công trong lớp học là một ví dụ điển hình:
mất nhiều thời gian, dễ bị gian lận (nhờ bạn điểm danh hộ), và không tối ưu trong quản lý dữ liệu.
Song song đó, trí tuệ nhân tạo (AI) và thị giác máy tính (Compute r Vision) đang
tạo ra bước đột phá mới trong việc nhận diện khuôn mặt người vớ i độ chính xác
cao. Công nghệ này đang được ứng dụng trong an ninh, thương mại, y tế, và giáo dục.
Xuất phát từ thực tế đó, nhóm em quyết định thực hiện đề tài:
“Xây dựng hệ thống điểm danh sinh viên bằng nhận diện khuôn mặt sử dụng trí
tuệ nhân tạo”, nhằm mang lại giải pháp hiện đại, tiết kiệm thời gian và nâng cao
hiệu quả quản lý lớp học.
1.2 . Mục tiêu đề tài
• Tìm hiểu các công nghệ nhận diện khuôn mặt trong lĩnh vực AI.
• Xây dựng một hệ thống đơn giản có thể tự động nhận diện khuôn mặt sinh viên qua webcam.
• Ghi nhận thông tin điểm danh và lưu trữ dưới dạng dữ liệu số (file CSV hoặ c database).
• Đảm bảo độ chính xác cao, phản hồi nhanh trong môi trường lớp học nhỏ.
1.3 . Phạm vi và giới hạn Phạm vi:
• Ứng dụng cho lớp học quy mô nhỏ (10–30 sinh viên).
• Dữ liệu khuôn mặt được đăng ký trước.
• Hệ thống chạy trên máy tính cá nhân có webcam. Giới hạn:
• Chưa tích hợp với hệ thống quản lý học tập (LMS).
• Không xử lý tốt trong điều kiện ánh sáng yếu hoặc sinh viên đeo khẩu trang.
• Chưa hỗ trợ nhiều camera đồng thời hoặc lớp học quy mô lớn.
II. CƠ SỞ LÝ THUYẾT
2.1 . Tổng quan về trí tuệ nhân tạo (AI )
Trí tuệ nhân tạo (Artificial Intelligence) là lĩnh vực nghiên c ứu nhằm tạo ra các
hệ thống có thể học hỏi, suy nghĩ và hành động như con người. AI bao gồm
nhiều nhánh như: học máy (machine learning), thị giác máy tính (computer
vision), xử lý ngôn ngữ tự nhiên (NLP), robot thông minh,…
Trong đồ án này, AI được ứng dụng vào thị giác máy tính để nhận diện khuôn
mặt – một bài toán phổ biến trong lĩnh vực bảo mật và sinh trắc học.
2.2 . Machine Learning & Deep Learning
• Machine Learning (ML): Cho phép máy học từ dữ liệu để đưa ra dự đoán
hoặc phân loại mà không cần lập trình cụ thể từng bước.
• Deep Learning (DL): Một nhánh nâng cao của ML, sử dụng mạng neuron sâu
( Deep Neural Networks) để xử lý dữ liệu phức tạp, đặc biệt là hình ảnh, video và âm thanh.
Trong dự án này, hệ thống sử dụng mô hình Deep Learning có sẵn (thư viện
face_recognition) để trích xuất đặc trưng khuôn mặt.
2.3 . Nhận diện khuôn mặt
Quá trình nhận diện khuôn mặt gồm hai bước chính:
• Phát hiện khuôn mặt (face detection): Xác định vị trí khuôn mặt t rong hình ảnh.
• Nhận diện khuôn mặt (face recognition): So sánh khuôn mặt đó với các khuôn
mặt đã biết để xác định danh tính.
Hệ thống sử dụng các thư viện như OpenCV, dlib, và face_recognition (dựa trên
mô hình học sâu ResNet) để xử lý hai bước trên.
2.4 . Công nghệ và thư viện sử dụng
- Ngôn ngữ lập trình: Python 3.10 - Thư viện chính:
• face_recognition – để phát hiện và nhận diện khuôn mặt
• OpenCV – để xử lý ảnh/video từ webcam
• NumPy, Pandas – xử lý dữ liệu
• os, datetime, csv – hỗ trợ lưu dữ liệu điểm danh
• Môi trường: Google Colab hoặc máy tính cá nhân có cài Python.
III. PHÂN TÍCH HỆ THỐNG
3.1 . Kiến trúc tổng thết
3.2 . Chức năng hệ thống
• Đăng ký sinh viên: Cho phép người dùng chụp và lưu ảnh khuôn mặt với tên tương ứng.
• Nhận diện và điểm danh: Phát hiện và nhận diện khuôn mặt qua webcam.
• Lưu danh sách: Ghi tên sinh viên đã điểm danh vào file .csv theo ngày.
3.3 . Luồng xử lý
1. Người dùng chạy phần mềm → webcam bật.
2. Hệ thống phát hiện khuôn mặt → so sánh với dữ liệu khuôn mặt đã đăng ký.
3. Nếu trùng khớp → lưu thông tin vào danh sách điểm danh.
4. Sau khi kết thúc → ghi danh sách ra file “diem_danh_yyyymmdd.csv”.
IV. TRIỂN KHAI VÀ THỰC NGHIỆM
4.1 . Chuẩn bị
• Cài Python và các thư viện cần thiết bằng pip:
• Tạo thư mục dataset/ để lưu ảnh khuôn mặt.
4.2 . Đăng ký khuôn mặt
4.3 . Nhận diện và điểm danh
4.4 . Kết quả thực nghiệm
• Hệ thống có thể nhận diện chính xác khuôn mặt trong thời gian thực.
• Ghi danh chính xác người điểm danh, tránh trùng lặp.
• Tốc độ phản hồi tốt trên máy tính cấu hình trung bình.
V. MÔ HÌNH TRIỂN KHAI (DEPLOYME NT MODEL)
Để hệ thống có thể áp dụng t hực tế, ta cần hình dung mô hình
triển khai. Hiện tạ i, chương trình chạy cục bộ, nhưng nếu tri ển
khai trên quy mô lớn hơn, ta có thể xâ y dựng:
5.1 . Triển khai cục bộ (Local )
• Phù hợp với lớp học nhỏ.
• Máy tính giảng viên cài đặt Python, webcam là đủ.
• Tự động xuất file CSV điểm da nh sau mỗi buổi học.
5.2 . Triển khai mạng nội bộ (LAN )
• Mỗi phòng học có máy chủ mini c hứa dữ liệu ảnh sinh viên.
• Camera lớp truyền d ữ liệu về máy chủ để xử lý.
• Điểm danh lưu vào databa se hoặc gửi mail.
5.3 . Triển khai cloud (phát triển nâng cao )
• Ứng dụng điểm danh được xây d ựng như web/app.
• Ảnh được mã hóa và truyền l ên server AI xử lý.
• Sinh viên được điểm da nh từ xa (học online).
Lưu ý bảo mật: Nếu triển kha i cloud, cần có bảo vệ dữ liệu
bằng JWT, mã hóa ảnh khuôn mặ t, tuân thủ GDPR.
VI. GIAO DIỆN NGƯỜI DÙNG (UI MOCKUP)
Dưới đây là ý tưởng đơn giả n cho giao diện người dùng (nếu
bạn muốn phát triển thành a pp hoặc phần mềm trực quan): • Trang chủ:
• Nút [Bắt đầu điểm d anh]
• Nút [Xem danh sách đã điểm danh hôm nay]
• Nút [Thêm sinh viên mới] • Trang điểm danh:
• Hiển thị camera + khung phát hiện khuôn mặt
• Tên sinh viên hiện nga y trên màn hình khi nhận diện • Thanh trạng thái: Điểm danh thành công
Khuôn mặt chưa đăng ký
• Trang quản lý sinh viên:
• Danh sách sinh viên đã đă ng ký
• Cho phép cập nhật/xóa ảnh khuôn mặt
Giao diện có thể phát triển bằng Tkinter (Python), PyQt,
hoặc tích hợp web với Flask.
VII. ỨNG DỤNG THỰC TẾ & KHẢ NĂNG MỞ RỘNG
7.1 . Ứng dụng thực tế :
• Trường học, trung tâm ngoại ngữ, đào t ạo nghề
• Văn phòng, công ty chấm công bằ ng khuôn mặt
• Sự kiện hội thảo lớn, quản l ý ra vào
• Phòng gym, thư viện, quán net kiể m soát thành viên
7.2 . Khả năng mở rộng :
• Tích hợp giọng nói (ví dụ: xác th ực 2 yếu tố – khuôn mặt + phát biểu tên)
• Nhận diện nhiều người cùng l úc trong khung hình
• Thống kê chuyên cần tuầ n/tháng/năm
• Nhận diện theo video offl ine (camera an ninh lớp)
VIII. NHỮNG KHÓ KHĂN TRONG QUÁ T RÌNH THỰC HIỆN
• Cài đặt thư viện AI khá nặng (dlib, face_recognit ion cần build C++)
• Webcam đôi khi có độ trễ hoặc mờ → ảnh hưởng nhận diện
• Không phải khuôn mặt nào cũng encode được chính xác
• Dữ liệu ảnh đầu vào không đồng nhất (sáng t ối, nghiêng, mờ)
IX. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂ N
9.1 . Kết luận
Qua quá trình tìm hiểu và xây dựng, nhóm đã hoàn thành hệ thống điểm danh sử
dụng công nghệ nhận diện khuôn mặt. Hệ thống hoạt động ổn định, nhận diện
nhanh chóng và có thể áp dụng vào thực tế với lớp học nhỏ.
Điều này cho thấy tiềm năng ứng dụng AI trong lĩnh vực giáo dục, giúp hiện đại
hóa công tác quản lý và nâng cao trải nghiệm học tập.
9.2 . Hạn chế
• Chưa hỗ trợ điểm danh trong điều kiện ánh sáng yếu hoặc có nhiều khuôn mặt gần giống nhau.
• Dữ liệu chưa được mã hóa nên chưa bảo mật cao.
• Không phát hiện khuôn mặt trong video offline hoặc nhiều camera đồng thời.
9.3 . Hướng phát triển
• Tích hợp hệ thống với website hoặc phần mềm quản lý sinh viên.
• Nâng cấp bảo mật: lưu trữ dữ liệu trên cloud, mã hóa khuôn mặt.
• Ứng dụng nhận diện khuôn mặt vào các mục tiêu khác như kiểm soát ra vào,
điểm danh hội thảo, sự kiện,…
X. TÀI LIỆU VÀ NGUỒN THAM KHẢO
1: OpenCV Documentation - https://docs.opencv.org
2: Dlib Library - https://github.com/davisking/dlib
3: Face_Recognition Library - https://github.com/ageitgey/face_recognition
4: Tài liệu khóa học Al của Google (Google Al forEveryone )
5: Wikipedia - Face recognition technology