Nghiên cứu xây dựng hệ thống nhận diện khuôn mặt sử dụng máy tính hiệu năng cao trong tính toán tại Phòng Lab HPC thuộc Viện Công nghệ HaUI
Đề tài xây dựng và thử nghiệm hệ thống nhận diện khuôn mặt để quản lý thành viên ra vào phòng Lab HPC, kết nối camera chiều sâu 3D, Jetson Nano, máy chủ HPC và phần mềm quản trị. Trong thử nghiệm ảnh tĩnh, cấu hình FAISS kết hợp chuẩn hóa và căn chỉnh đạt 98%; kết quả camera thay đổi theo khoảng cách, số ảnh đăng ký và ngưỡng nhận diện.
Từ ảnh khuôn mặt đến quy trình điểm danh tại phòng Lab HPC HaUI
| Đề tài xây dựng và thử nghiệm hệ thống nhận diện khuôn mặt để quản lý thành viên ra vào phòng Lab HPC, kết nối camera chiều sâu 3D, Jetson Nano, máy chủ HPC và phần mềm quản trị. Trong thử nghiệm ảnh tĩnh, cấu hình FAISS kết hợp chuẩn hóa và căn chỉnh đạt 98%; kết quả camera thay đổi theo khoảng cách, số ảnh đăng ký và ngưỡng nhận diện. |
Chủ nhiệm / nhóm nghiên cứu TS.Phan Thanh Hòa, Ths.Nguyễn Thị Thu Hiền, Ths. Nguyễn Chiến Thắng, SV. Nguyễn Hữu Sơn | Đơn vị Đại học Công nghiệp Hà Nội |
Độ nhận diện đúng 98% cấu hình FAISS, có chuẩn hóa dữ liệu và căn chỉnh khuôn mặt, thử nghiệm trên ảnh tĩnh | nhận diện đúng 95%, không nhận nhầm Thử nghiệm camera |
Công nghệ cốt lõi
| MTCNN — phát hiện khuôn mặt qua các tầng P-Net, R-Net, O-Net | FaceNet / Inception-ResNet V1 — trích xuất khuôn mặt thành vector embedding 128 chiều |
| FAISS và SVM — phân lớp/tìm kiếm vector khuôn mặt; FAISS và SVM được so sánh trong thử nghiệm | LBP kết hợp camera chiều sâu 3D — kiểm tra giả mạo khuôn mặt trong hệ thống |
| HPC với GPU NVIDIA Tesla P100 — môi trường tính toán huấn luyện mô hình |
Một hệ thống nhận diện khuôn mặt phục vụ quản lý thành viên ra vào phòng Lab HPC đã được nhóm nghiên cứu xây dựng và thử nghiệm tại Viện Công nghệ HaUI. Giải pháp kết nối camera chiều sâu 3D, máy tính nhúng Jetson Nano, máy chủ tính toán hiệu năng cao và phần mềm quản trị; kết quả đánh giá cho thấy hiệu năng thay đổi theo số ảnh đăng ký, khoảng cách và ngưỡng nhận diện.

Hệ thống tại Lab HPC
Bài toán của đề tài không dừng ở việc nhận diện một khuôn mặt trong ảnh. Hệ thống được thiết kế để ghi nhận thành viên ra vào Lab, hiển thị thông tin cho người quản trị và cảnh báo khi gặp trường hợp chưa được nhận diện là thành viên đã đăng ký.
Ở khâu thu nhận, camera chiều sâu 3D ghi hình tại cửa ra vào, còn Jetson Nano tiếp nhận ảnh, phát hiện và căn chỉnh khuôn mặt, xử lý ảnh rồi chuyển dữ liệu lên máy chủ.

Sơ đồ camera và Jetson Nano
Máy chủ HPC thực hiện phần tính toán nhận diện và lưu trữ; hệ thống quản trị cho phép đăng ký thành viên, xem lịch sử ra vào và tra cứu thông tin. Báo cáo cũng mô tả cơ chế kiểm tra giả mạo dùng đặc trưng Local Binary Pattern (LBP) kết hợp thông tin chiều sâu từ camera.

Giao diện quản trị
Trong các thử nghiệm trên ảnh tĩnh, nhóm nghiên cứu kết hợp chuẩn hóa dữ liệu và căn chỉnh khuôn mặt trước khi phân lớp vector đặc trưng. Bảng 2.1 ghi nhận cấu hình FAISS đạt 98% trên tập đánh giá được báo cáo; với SVM trong cùng điều kiện tiền xử lý, kết quả là 96,5%. Đây là kết quả trên ảnh tĩnh theo cấu hình thử nghiệm, không đại diện cho mọi điều kiện nhận diện bằng camera.
Nhóm tiếp tục đưa hệ thống camera vào thử nghiệm tại phòng Lab HPC trong hai tháng. Bảng đánh giá thay đổi số ảnh đăng ký từ một đến năm ảnh, khoảng cách từ 0,3 m đến 2,0 m và ngưỡng nhận diện. Ở cấu hình ngưỡng 0,86, khoảng cách 2,0 m và năm ảnh đăng ký, bảng ghi nhận tỷ lệ nhận diện đúng 95%, không nhận nhầm đối tượng khác và 5% trường hợp không nhận diện được. Kết quả này cho thấy cần đọc các tỷ lệ cùng điều kiện tương ứng: khoảng cách xa hơn và số ảnh đăng ký ít hơn thường đi kèm kết quả thấp hơn trong các trường hợp được báo cáo.
Sản phẩm được trình bày trong báo cáo là một hệ thống thử nghiệm tại một phòng Lab cụ thể, không phải dịch vụ nhận diện phổ quát. Các sơ đồ và giao diện cho thấy hướng kết nối giữa phần cứng thu nhận ảnh, máy chủ và phần mềm quản trị; báo cáo cũng nêu khả năng mở rộng chức năng qua API. Những bước tiếp theo cần chú ý đến việc thử nghiệm thêm theo quy mô người đăng ký và điều kiện ánh sáng, như chính báo cáo kiến nghị.
Nguồn: Báo cáo tổng kết đề tài KH&CN cấp trường 2020, “Nghiên cứu xây dựng hệ thống nhận diện khuôn mặt sử dụng máy tính hiệu năng cao trong tính toán tại phòng Lab HPC thuộc Viện Công nghệ HaUI”, chủ nhiệm ThS. Phạm Việt Anh. (2020), tr. 62, 65–80; tương ứng PDF tr. 70, 73–88.
Công bố khoa học liên quan
Ứng dụng mô hình FaceNet trong việc xây dựng và phát triển hệ thống nhận diện khuôn mặt tại trường Đại học Công nghiệp Hà Nội
Khoa học & Công nghệ - ĐH Công nghiệp hà Nội, 2021 • DOI: P-ISSN 1859-3585 E-ISSN 2615-9619
KHÁM PHÁ THÊM Từ sản phẩm đến không gian nghiên cứu liên quan Thông tin nhà nghiên cứu Thạc sỹ Phạm Việt Anh Đơn vị công tác: Viện Công nghệ HaUI Hướng nghiên cứu: Phát triển hệ thống nhận diện khuôn mặt phục vụ quản lý ra vào phòng Lab, kết hợp xử lý ảnh, học sâu, máy tính hiệu năng cao và camera chiều sâu; tiếp tục cải thiện độ ổn định khi thay đổi khoảng cách, ánh sáng và số ảnh đăng ký. Đơn vị của sản phẩm: Đại học Công nghiệp Hà Nội Liên kết học thuật tham khảo Nghiên cứu liên quan và công cụ tra cứu |
Thứ Hai, 11:22 16/11/2026
Copyright © 2018 Hanoi University of Industry.