Report

TRƯỜNG ĐẠI HỌC BÁCH KHOA
KHOA CÔNG NGHỆ THÔNG TIN
BÁO CÁO ĐỒ ÁN
PBL5 - KỸ THUẬT MÁY TÍNH
HỆ THỐNG MỞ KHÓA CỬA TỰ

ĐỘNG SỬ DỤNG NHẬN DẠNG
KHUÔN MẶT
GIẢNG VIÊN HƯỚNG DẪN: TS. Bùi Thị Thanh Thanh
STT NHÓM: 49 LỚP HỌC PHẦN

HỌ VÀ TÊN SINH VIÊN ĐỒ ÁN
Nguyễn Mạnh Đức 19N12A
Ngô Lê Gia Hưng 19N10A
Quách Minh Nhật 19N10A
ĐÀ NẴNG, 06/2022
Báo cáo đồ án PBL5 - Kỹ thuật máy tính
TÓM TẮT ĐỒ ÁN
Với sự phát triển của công nghệ ngày nay, việc tự động hóa cho ngôi nhà là một
trong những vấn đề cấp thiết. Nhóm chúng em đề xuất và tiến hành xây dựng đồ án với
đề tài “Hệ thống mở khóa cửa tự động sử dụng nhận dạng khuôn mặt” để mang lại sự
thuận tiện trong việc ra vào ngôi nhà và tiết kiệm thời gian mở khóa thủ công. Nhóm đã
ứng dụng các công nghệ trí tuệ nhân tạo trong việc phân tích và xử lý hình ảnh, API từ
Django REST Framework trong việc giao tiếp giữa server và ứng dụng di động,
ESP8266, ESP32 Cam để chụp ảnh, xây dựng ứng dụng di động với React Native để
hiển thị camera thời gian thực, lịch sử các lần nhận diện và điều khiển đóng mở cửa. Sau
khi tiến hành và thực hiện đề tài, hệ thống đã sử dụng ổn và hiệu quả. Tuy nhiên, vẫn
còn một số thiếu sót. Trong thời gian đến, nhóm sẽ cố gắng hoàn thiện sản phẩm tốt nhất
có thể.
Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng khuôn mặt
BẢNG PHÂN CÔNG NHIỆM VỤ
Sinh viên Nhiệm vụ Hoàn thành

Tìm hiểu, triểu khai phần phát hiện khuôn mặt ✓
Ngô Lê Gia Tìm kiếm, triển khai phần nhận diện khuôn mặt ✓
Hưng Tìm kiếm và chuẩn bị phần cứng ✓
Ghép nối và thử nghiệm sản phẩm ✓
Viết báo cáo ✓
Tìm hiểu, triển khai phẩn server ✓
Xây dựng cơ sở dữ liệu ✓
Quách Minh Tìm kiếm và chuẩn bị phần cứng ✓
Nhật
Xây dựng ứng dụng di động ✓
Tìm kiếm và chuẩn bị phần cứng ✓
Nguyễn
Mạnh Đức
Làm slide ✓
DANH MỤC HÌNH ẢNH
Hình 1: Sơ đồ tổng quan hệ thống
Hình 2: Sơ đồ hoạt động tổng quan
Hình 3: Mô hình RESTful API
Hình 4: Sơ đồ hoạt động RESTful API
Hình 5: Django REST Framework
Hình 6: Sơ đồ hệ thống nhận diện khuôn mặt
Hình 7: Loss function
Hình 8: Norm 1 và norm 2 trong không gian hai chiều
Hình 9: Logo React Native
Hình 10: Biểu đồ Usecase
Hình 11: Cơ sở dữ liệu
Hình 12: Bộ dữ liệu
Hình 13: Ảnh được crop cụ thể của đối tượng
Hình 14: Vector các ảnh
Hình 15: Kết quả nhận diện khuôn mặt
Hình 16: Kết quả 50 lần test
Hình 17: Giao diện đăng nhập
Hình 18: Giao diện đăng ký
Hình 19: Giao diện màn hình chính
Hình 20: Giao diện xem camera và điều khiển cửa
Hình 21: Giao diện danh sách lịch sử các lần nhận diện
Hình 22: Giao diện chi tiết lịch sử nhận diện
Hình 23: Giao diện thông tin người dùng
LỜI CẢM ƠN
Trong thời gian triển khai thực hiện đồ án, nhóm chúng em xin chân thành cảm ơn
đến cô Bùi Thị Thanh Thanh đã hỗ trợ và hướng dẫn tận tình. Trong quá trình thực hiện,
khó tránh khỏi những thiếu sót rất mong các thầy cô bỏ qua. Nhóm em xin chân thành
cảm ơn.
Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng

khuôn mặt
MỤC LỤC
TÓM TẮT ĐỒ ÁN......................................................................................................

BẢNG PHÂN CÔNG NHIỆM VỤ ...............................................................................
DANH MỤC HÌNH ẢNH............................................................................................
LỜI CẢM ƠN.............................................................................................................
MỤC LỤC..................................................................................................................
CHƯƠNG 1: TỔNG QUAN .......................................................................................1
1.Giới thiệu................................................................................................................1
1.1 Giới thiệu sản phẩm: ............................................................................................1
1.2 Mục tiêu: ............................................................................................................1
1.3 Các vấn đề cần giải quyết .....................................................................................1
CHƯƠNG 2: GIẢI PHÁP ...........................................................................................3
2. Các giải pháp..........................................................................................................3
2.1 Sơ đồ tổng quan của hệ thống ...............................................................................3
2.2 Sơ đồ hoạt động tổng quan ...................................................................................3
2.3 Linh kiện sử dụng ................................................................................................4
2.4 Giải pháp truyền thông.........................................................................................5
2.5 Giải pháp phát hiện và nhận diện khuôn mặt ..........................................................8
2.5.1 Tổng quan về hệ thống nhận diện: ...................................................................8
2.5.2 Face Detector ................................................................................................8
2.5.3 Face Encoder.................................................................................................9
2.5.4 Face identifier ............................................................................................. 11
2.5.5 Các pretrain model....................................................................................... 13
2.6 Giải pháp ứng dụng di động................................................................................ 14
2.6.1 Bài toán ...................................................................................................... 14
2.6.2 Công nghệ sử dụng ...................................................................................... 14
2.6.3 Biểu đồ usecase hệ thống.............................................................................. 15
2.6.4 Server ......................................................................................................... 15
CHƯƠNG 3: KẾT QUẢ ........................................................................................... 17
3. Tổng quan kết quả đạt được ................................................................................... 17
3.1 Kết quả thực tế .................................................................................................. 17
3.1.1 Quá trình thực hiện và kết quả phân tích và nhận diện khuôn mặt..................... 17
3.1.2 Ứng dụng di động ........................................................................................ 20
CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN............................................... 25
4. Kết luận và hướng phát triển .................................................................................. 25
4.1 Đánh giá sản phẩm ............................................................................................ 25

khuôn mặt
4.2 Hướng phát triển ............................................................................................... 25
TÀI LIỆU THAM KHẢO ......................................................................................... 26

khuôn mặt
CHƯƠNG 1: TỔNG QUAN
1. Giới thiệu
1.1 Giới thiệu sản phẩm:
Hiện nay, cùng với sự phát triển của xã hội, vấn đề an ninh bảo mật đang được
yêu cầu khắt khe tại mọi quốc gia trên thế giới. Các hệ thống xác định, nhận dạng khuôn
mặt trong việc bảo mật trong ngôi nhà đang sống và vô cùng cần thiết. Dựa vào nhu cầu
ấy, nhóm em phát triển sản phẩm đáp ứng nhu cầu bảo mật tin cậy cho việc mở khóa
cửa tự động bằng khuôn mặt. Giúp những người chủ ngôi nhà thuận tiện, tiết kiệm thời
gian và chi phí để có một sản phẩm giúp giải quyết những vấn đề về bảo mật.
1.2 Mục tiêu:
Xây dựng hệ thống nhận diện khuôn mặt thông qua việc thu thập dữ liệu từ ESP32
Cam. Mô hình sẽ nhận diện khuôn mặt từ ESP32 Cam, so sánh với dữ liệu có sẵn để đưa
ra kết quả, từ kết quả thu được tiến hành mở khóa cửa.
1.3 Các vấn đề cần giải quyết
• Xử lý và lắp nối các thiết bị phần cứng.
• Xử lý ảnh từ Camera của ESP32 và dữ liệu trước đó.
• Kết nối và cài đặt ESP8266
• Xây dựng hệ thống phân tích và nhận diện khuôn mặt
• Lập trình và viết mã nguồn cho các chức năng
• Ghép nối các phần và chạy thử từ đó điều chỉnh mô hình
Vấn đề Giải pháp đề xuất

• ESP8266
Phần cứng • ESP32
• Điện thoại thông minh.
• Server ảo
• Xây dựng và huấn luyện model phát hiện khuôn
Phát hiện khuôn mặt mặt.
• Thử nghiệm với các model: Facenet, LBPH,
OpenCV
• Huấn luyện trên Visual Studio Code.
• Xây dựng và huấn luyện model nhận diện khuôn
Nhận diện khuôn mặt mặt.
• Thử nghiệm với các model: Facenet, MTCNN,…
• Huấn luyện trên Visual Studio Code.
Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng khuôn mặt 1
• Xây dựng ứng dụng điện thoại với React Native

Ứng dụng • Người dùng có thể đăng nhập.
• Có chức năng hiển thị camera thời gian thực, lịch sử
các lần nhận diện.
• Đóng mở cửa bằng ứng dụng.
Server Viết API bằng Django Rest Framework
Bảng 1: Đề xuất giải pháp tổng quan
CHƯƠNG 2: GIẢI PHÁP
2. Các giải pháp
2.1 Sơ đồ tổng quan của hệ thống
Hình 1: Sơ đồ tổng quan hệ thống

Hệ thống bao gồm ESP8266 và ESP32 Cam dùng để chụp ảnh, thiết bị smart phone
dùng tương tác và hiển thị kết quả và Django REST Framework để thiết lập Server. Thông
qua mạng không dây, điện thoại và ESP32 Cam có thể giao tiếp với Server bằng API.
API này được lập trình dựa trên Django REST Framework.
2.2 Sơ đồ hoạt động tổng quan
Hình 2: Sơ đồ hoạt động tổng quan

2.3 Linh kiện sử dụng
Tên linh kiện Hình ảnh Thông số, hoạt động

Thông số kỹ thuật
- Bộ vi xử lý ESP8266EX
- Mạng không dây 2.4 GHz hỗ trợ
chuẩn 802.11 b/g/n
- Điện áp hoạt động 3.3V
- Điện áp vào: 5V thông qua
ESP8266
cổng USB
- Số chân I/O: 11
- Số chân Analog Input: 11
- Bộ nhớ Flash: 4MB
- Giao tiếp: Cable Micro USB
- Hỗ trợ bảo mật: WPA/WPA2
- Tích hợp giao thức TCP/IP
- Bộ vi xử lý ESP32-D0WD
ESP32 Cam - Flash tích hợp: 32Mbit
- RAM: 512KB bên trong +
PSRAM 4M bên ngoài
- Giao thức WiFi: IEEE 802.11 b /
g/n/e/i
- Bluetooth: Bluetooth 4.2 BR /
EDR và BLE
- Bảo mật: WPA / WPA2 / WPA2-
Enterprise / WPS
- Định dạng hình ảnh đầu ra: JPEG
- Cổng IO: 9
- Tốc độ truyền của UART: mặc
định 115200bps
- Nguồn điện: 5V
- Mạch đệm ULN2003
Module - Điện áp cung cấp: 5 ~ 12VDC
ULN2003 + - Tín hiệu ngõ vào: 4
Động cơ bước - Tín hiệu ngõ ra: Jack cắm động cơ
28BYJ-48 bước 28BYJ-48
- Bước: 5.6250/64
- Chip CP2102
- Chuẩn USB 2.0
Module CP2102 - Đầu vào: USB loại A
- Đầu ra: 6 chân
- Có 3 đèn LED báo trạng thái:
PWD, TX & RX
- Tốc độ Baud: 300 bps đến 1,5
Mbps
Bảng 2: Linh kiện sử dụng
Tên linh kiện Đơn giá Ghi chú

1 x ESP8266 100.000 Mua
1 x ESP32 Cam 180.000 Mua
1 x Module ULN2003 35.000 Mua
1 x Mô hình cửa 50.000 Mua
1 x Module CP2102 45.000 Mua
1 x Nguồn 50.000 Mua
Thành tiền:
460.000
Bảng 3: Bảng kê chi phí đồ án
2.4 Giải pháp truyền thông

• Restful API:
RESTful API là một tiêu chuẩn dùng trong việc thiết kế API cho các ứng dụng web
(thiết kế Web services) để tiện cho việc quản lý các resource. Nó chú trọng vào tài nguyên
hệ thống (tệp văn bản, ảnh, âm thanh, video, hoặc dữ liệu động…), bao gồm các trạng thái
tài nguyên được định dạng và được truyền tải qua HTTP.[1]
Hình 3: Mô hình RESTful API
• Các thành phần của RESTful API

API (Application Programming Interface) là một tập các quy tắc và cơ chế mà theo
đó, một ứng dụng hay một thành phần sẽ tương tác với một ứng dụng hay thành phần
khác. API có thể trả về dữ liệu mà bạn cần cho ứng dụng của mình ở những kiểu dữ liệu
phổ biến như JSON hay XML.
REST (REpresentational State Transfer) là một dạng chuyển đổi cấu trúc dữ liệu,
một kiểu kiến trúc để viết API. Nó sử dụng phương thức HTTP đơn giản để tạo cho giao
tiếp giữa các máy. Vì vậy, thay vì sử dụng một URL cho việc xử lý một số thông tin người
dùng, REST gửi một yêu cầu HTTP như GET, POST, DELETE,… đến một URL để xử
lý dữ liệu.
RESTful API là một tiêu chuẩn dùng trong việc thiết kế các API cho các ứng dụng
web để quản lý các resource. RESTful là một trong những kiểu thiết kế API được sử dụng
phổ biến ngày nay để cho các ứng dụng (web, mobile…) khác nhau giao tiếp với nhau.
Chức năng quan trọng nhất của REST là quy định cách sử dụng các HTTP method
(như GET, POST, PUT, DELETE…) và cách định dạng các URL cho ứng dụng web để
quản các resource. RESTful không quy định logic code ứng dụng và không giới hạn bởi
ngôn ngữ lập trình ứng dụng, bất kỳ ngôn ngữ hoặc framework nào cũng có thể sử dụng
để thiết kế một RESTful API.
• Phương thức RESTful hoạt động:
Hình 4: Sơ đồ hoạt động RESTful API
REST hoạt động chủ yếu dựa vào giao thức HTTP. Các hoạt động cơ bản nêu trên
sẽ sử dụng những phương thức HTTP riêng.
❖ GET (SELECT): Trả về một Resource hoặc một danh sách Resource.
❖ POST (CREATE): Tạo mới một Resource.
❖ PUT (UPDATE): Cập nhật thông tin cho Resource.
❖ DELETE (DELETE): Xoá một Resource
Những phương thức hay hoạt động này thường được gọi là CRUD tương ứng với
Create, Read, Update, Delete – Tạo, Đọc, Sửa, Xóa.
• Giới thiệu về Django REST Framework:
Hình 5: Django REST Framework

Django REST Framework là một framework được cài vào Django, có đầy đủ chức
năng, đủ sức mạnh để tạo ra các Web APIs mạnh mẽ nhằm làm cầu nối cho các hệ thống
khác nhau như giữa các client với server. Client ở đây là web, mobile, tablet,… server ở
đây là Django, database MySQL,…[2]
Django REST Framework hỗ trợ giao thức truyền tải dữ liệu HTTP thông qua các
phương thức như Post, Get, Put, Delete.
2.5 Giải pháp phát hiện và nhận diện khuôn mặt
2.5.1 Tổng quan về hệ thống nhận diện:
Hình 6: Sơ đồ hệ thống nhận diện khuôn mặt

2.5.2 Face Detector
Face detection là một module trong hệ thống dùng để xác định các gương mặt có
trong bức ảnh và đánh dấu bằng bounding box. Sử dụng model chính đó là MTCNN.[3]
MTCNN viết tắt của Multi-task Cascaded Convolutional Networks. Nó là bao gồm
3 mạng CNN xếp chồng và đồng thời hoạt động khi detect khuôn mặt. Mỗi mạng có cấu
trúc khác nhau và đảm nhiệm vai trò khác nhau trong task.
MTCNN có 3 lớp mạng khác biệt, tượng trưng cho 3 stage chính là P-Net, R-Net
và O-Net. Đầu vào của MTCNN là 1 bức ảnh một người hoặc một tập thể. Đầu ra của
MTCNN là vị trí khuôn mặt và các điểm trên mặt như: mắt, mũi, miệng…
2.5.3 Face Encoder
Face encoder: là một module trong hệ thống được dùng để trích xuất đặc trưng của
một gương mặt có trong bức ảnh.
Sử dụng model facenet để đi trích xuất đặc trưng. Facenet gồm có hai thành phần
chính đó là siam network và triple loss function.[3]
SIAM NETWORK: Là kiến trúc mạng mà khi bạn đưa vào mô hình 2 bức ảnh,
sau đó mô hình sẽ trả lời câu hỏi: 2 bức hình đó có thuộc về cùng một người hay không?
Thay vì dự đoán trực tiếp bức ảnh đó là thuộc về ai, thì sẽ nhận vào 2 bức ảnh và nói xem
nó có cùng một loại hay không?
Ví dụ: muốn phân loại người A với một bức ảnh, ta chỉ cần đưa bức ảnh của người
A đó cùng với bức ảnh chụp được cần phân loại, khi 2 bức ảnh đi qua model thì sẽ trả về
kết quả xem chúng có cùng người hay khác loại với nhau.
Input của mạng Siam là hai bức ảnh bất kì, Output là hai vector đặc trưng của bức
ảnh. Mà vector đặc trưng biểu diễn ở dạng số học nên có thể sử dụng chúng để kiểm tra
xem độ tương đồng giữa các bức ảnh bằng cách đưa vào một loss function. Hàm loss
thường được dùng là một norm bậc 2
LOSS FUNCTION: Với 2 vectơ tương ứng với biểu diễn của 2 ảnh input, ta đưa
vào hàm loss function để đo lường sự khác biệt giữa chúng. Thông thường hàm loss
function là một hàm chuẩn bậc 2.
Hình 7: Loss function
𝑑(𝑥1, 𝑥2) = ||𝑓 (𝑥1) − 𝑓(𝑥2)||22
- Khi x1, x2 là cùng 1 người:
||𝑓(𝑥1) − 𝑓(𝑥2)||22 Phải là một giá trị nhỏ.
- Khi x1, x2 là 2 người khác nhau:
||𝑓(𝑥1) − 𝑓(𝑥2)||22 Phải là một giá trị lớn.
TRIPLE LOSS: Ta chọn 3 bức ảnh trong đó sẽ có 1 bức ảnh làm chính (Anchor
Image), bên cạnh đó sẽ có 1 bức ảnh giống (Positive) và một bức ảnh khác (Negative) với
bức ảnh Anchor. Kí hiệu lần lượt là A,P,N.
Hàm loss function là tối thiểu hóa khoảng cách giữa 2 ảnh khi chúng là Negative
và tối đa hóa khoảng cách khi chúng là Positive. Như vậy chúng ta cần lựa chọn các bộ 3
ảnh sao cho:
❖ Ảnh Anchor và Positive khác nhau nhất: cần lựa chọn để khoảng cách
d(A,P) lớn. Điều này cũng tương tự như bạn lựa chọn một ảnh của mình hồi nhỏ so với
hiện tại để thuật toán học khó hơn. Nhưng nếu nhận biết được thì nó sẽ thông minh hơn.
❖ Ảnh Anchor và Negative giống nhau nhất: cần lựa chọn để khoảng cách
d(A,N) nhỏ. Điều này tương tự như việc thuật toán phân biệt được ảnh của một người anh
em giống bạn với bạn.
Triplot loss function luôn lấy 3 bức ảnh làm input và trong mọi trường hợp ta kì
vọng:
𝑑(𝐴, 𝑃) < 𝑑(𝐴, 𝑁) (1)
Hàm loss function cũ:
||𝑓(𝐴) − 𝑓(𝑃)||22 − ||𝑓(𝐴) − 𝑓(𝑁)||22 ≤ 0
Mục tiêu giảm thiểu các trường hợp hợp mô hình nhận diện sai ảnh Negative thành
Postive nhất có thể.Vậy để loại bỏ ảnh hưởng của các trường hợp nhận diện đúng Negative
và Positive lên hàm loss function. Ta sẽ điều chỉnh giá trị đóng góp của nó vào hàm loss
function về 0.
𝑛
𝐿(𝐴, 𝑃, 𝑁) = ∑ 𝑚𝑎𝑥(||𝑓(𝐴𝑖 ) − 𝑓(𝑃𝑖 )||22 − ||𝑓(𝐴𝑖 ) − 𝑓(𝑁𝑖 )|| 22 + 𝛼, 0)

𝑖=0
Khi áp dụng Triple loss ta có thể tạo ra các biểu diễn vectơ tốt nhất cho mỗi bức
ảnh, phân biệt các ảnh Negative rất giống ảnh Positive. Và ta luôn phải xác định (A,P)
thuộc cùng một người và N được chọn ngẫu nhiên từ người khác.
THUẬT TOÁN FACENET: Facenet chính là một dạng siam network có tác dụng
biểu diễn các bức ảnh trong một không gian Euclide n chiều (thường là 128 hoặc 512) sao
cho khoảng cách giữa các vector embedding càng nhỏ, mức độ tương đồng giữa chúng
càng lớn.[3]
Các thuật toán nhận diện trước đây đều biểu diễn khuôn mặt bằng một vector
embedding thông qua một layer bottle neck có tác dụng giảm chiều dữ liệu. Hạn chế của
các thuận toán trước đây là:
❖ Số lượng chiều embedding tương đối lớn (thường >= 1000) và ảnh hưởng
tới tốc độ của thuật toán
❖ Hàm loss function chỉ đo lường khoảng cách giữa 2 bức ảnh
Facenet đã giải quyết cả 2 vấn đề trên bằng các hiệu chỉnh nhỏ nhưng mang lại hiệu
quả lớn:
❖ Base network áp dụng một mạng convolutional neural network và giảm
chiều dữ liệu xuống chỉ còn 128 chiều. Do đó quá trình suy diễn và dự báo nhanh hơn và
đồng thời độ chính xác vẫn được đảm bảo.
❖ Sử dụng loss function là hàm triplot loss có khả năng học được đồng thời sự
giống nhau giữa 2 bức ảnh cùng nhóm và phân biệt các bức ảnh không cùng nhóm. Do đó
hiệu quả hơn rất nhiều so với các phương pháp trước đây.
2.5.4 Face identifier
Face identifier là một quá trình mà hệ thống dùng để nhận dạng một gương mặt đó
là ai hay thuộc về một nhãn nào đó, sau khi đã trích xuất được đặc trưng của gương mặt
thành vector 128 chiều hoặc 512 chiều.
Sử dụng khoảng cách Euclid để đo khoảng cách giữa các vector và cho ra nhãn,
xác định gương mặt.
KHÔNG GIAN EUCLIDE N-CHIỀU: Không gian vectơ (hay còn gọi là không
gian tuyến tính) là một tập hợp của các đại lượng gọi là vector, một đại lượng có thể cộng
và nhân bởi một số, được gọi là vô hướng.
Một không gian vector n-chiều với các khái niệm về khoảng cách và góc thỏa mãn
các quan hệ Euclide được gọi là không gian Euclide n-chiều
Sau này, Siam network dựa trên base network là một Convolutional neural network
đã được loại bỏ output layer có tác dụng encoding ảnh thành vector embedding.
CHUẨN NORM CỦA VECTOR:
❖ Khái niệm:
Trong không gian một chiều, việc đo khoảng cách giữa hai điểm đã rất quen thuộc:
lấy trị tuyệt đối của hiệu giữa hai giá trị đó.
Trong không gian hai chiều, tức mặt phẳng, chúng ta thường dùng khoảng cách
Euclid để đo khoảng cách giữa hai điểm. Khoảng cách này chính là cái chúng ta thường
nói bằng ngôn ngữ thông thường là đường chim bay.
Đôi khi, để đi từ một điểm này tới một điểm kia, con người chúng ta không thể đi
bằng đường chim bay được mà còn phụ thuộc vào việc đường đi nối giữa hai điểm có
dạng như thế nào nữa.
Việc đo khoảng cách giữa hai điểm dữ liệu nhiều chiều, tức hai vector, là rất cần
thiết trong Machine Learning. Chúng ta cần đánh giá xem điểm nào là điểm gần nhất của
một điểm khác; chúng ta cũng cần đánh giá xem độ chính xác của việc ước lượng. Đó là
lý do norm ra đời.
Để xác định khoảng cách khoảng cách giữa 2 vector y và z. Người ta thường áp
dụng một hàm số vào vector hiệu của chúng là x = y - z. Tuy nhiên, một hàm số dùng để
đo các vector cần một số tính chất đặc biệt:
- f(x) ≥ 0. Dấu bằng xảy ra ⇔x = 0
- f(αx) = |α|f(x), ∀α ∈ R
- f(x1) + f(x2) ≥ f(x1+x2), ∀x1,x2 ∈ Rn
❖ Một số chuẩn thường dùng:
Giả sử các vectors x=[x1;x2;…;xn], y=[y1;y2;…;yn]
Với p là một số bất kỳ không nhỏ hơn 1, hàm số sau đây:
||x||p = ( |x1|p + |x2|p + …|xn|p )1/p
Vậy, khi:
- p = 2 ta có norm 2 ( đường màu xanh trên đồ thị)
- p = 1 ta có norm 1 là tổng các trị tuyệt đối của từng phần tử của x (đường màu
đỏ)
Hình 8: Norm 1 và norm 2 trong không gian hai chiều
2.5.5 Các pretrain model

Hầu hết khi xây dựng một thuật toán nhận diện khuôn mặt sẽ không cần phải train
lại mô hình facenet mà tận dụng lại các mô hình pretrain sẵn có. Bạn sẽ không cần phải
tốn thời gian và công sức nếu không có đủ tài nguyên và dữ liệu. Đó cũng là lý do tôi cho
rằng việc xây dựng mô hình nhận diện khuôn mặt ở thời điểm hiện tại rất dễ dàng.
Những mô hình pretrain được huấn luyện trên các dữ liệu lên tới hàng triệu ảnh.
Do đó có khả năng mã hóa rất tốt các bức ảnh trên không gian 128 chiều. Việc còn lại của
chúng ta là sử dụng lại mô hình, tính toán embedding véc tơ và huấn luyện embedding
véc tơ bằng một classifier đơn giản để phân loại classes.[4]
• Một số bộ dữ liệu public về face
Hai bộ dữ liệu về face phổ biến nhất, được sử dụng nhiều trong các bài báo và
nghiên cứu về face recognition.
CASIA-WebFace: Bộ dữ liệu bao gồm gần 500k ảnh được thu thập từ khoảng
10 nghìn người.
VGGFace2: Bộ dữ liệu gồm khoảng 3 triệu ảnh được thu thập từ gần 9 nghìn
người.
• Một số pretrain model phổ biến
Model name LFW accuracy Training dataset Architecture

20180408-102900 0.9905 CASIA-WebFace Inception ResNet v1
20180402-114759 0.9965 VGGFace2 Inception ResNet v1
Bảng 4: Các pretrain model phổ biến
2.6 Giải pháp ứng dụng di động
2.6.1 Bài toán
Xây dựng ứng dụng di động để tương tác với Server và ESP8266 giúp điều khiển
cửa đóng mở.
Người sử dụng có thể thông qua ứng dụng để điều khiển cửa, xem camera với thời
gian thực, quản lý và xem lịch sử những lần nhận diện.
2.6.2 Công nghệ sử dụng
- React Native là framework chính để phát triển ứng dụng di động.[5]
- Webview để xem camera realtime qua ip của ESP32Cam.
- Ứng dụng di động lấy dữ liệu từ các URL remote từ REST APIs của Server.
- Firebase Authentication: Quản lý đăng ký đăng nhập tài khoản.
- AsyncStorage: Lưu trữ data vào bộ nhớ khi mất internet.
Hình 9: Logo React Native
2.6.3 Biểu đồ usecase hệ thống
Hình 10: Biểu đồ Usecase

2.6.4 Server
Bảng API:
STT URL Chức năng

1 Door/Doors Trả về dữ liệu , thêm dữ liệu bảng door
2 Door/ Doors/<int:pk>/ Cập nhật , xoá dữ liệu bảng door
3 Door/ image_upload Lưu hình ảnh gửi lên từ esp32_CAM
4 Door/Command_to_ESP Nhận lệnh từ app và gửi về esp8266
5 Door/ Image_To_Android Trả về dữ liệu bảng Image_recognize
Bảng 5: Bảng danh sách các API
Cơ sở dữ liệu:
Hình 11: Cơ sở dữ liệu
CHƯƠNG 3: KẾT QUẢ

3. Tổng quan kết quả đạt được
Sau quá trình xây dựng PBL5 với những mục tiêu cũng như những vấn đề đặt ra
ban đầu, nhóm đã cố gắng hoàn thiện sản phẩm đúng với yêu cầu và thời gian đặt ra của
đề tài với các nội dung như sau:
- Nắm được kiến thức cơ bản về kỹ thuật máy tính.
- Nắm được các kiến thức về phát hiện và nhận diện khuôn mặt để điều khiển
Camera.
- Tương ứng với những kết quả nhận diện được người dùng có thể điều khiển,
xem và quản lý camera để đóng mở cửa
3.1 Kết quả thực tế
3.1.1 Quá trình thực hiện và kết quả phân tích và nhận diện khuôn mặt
Quá trình xây dựng mô hình:
• Cài đặt thư viện và các phần mềm cần thiết:

❖ Tải và cài đặt CUDA
❖ Cài đặt Visual Studio
❖ Tải thư viện OpenCV
❖ Tải thư viện Tensorflow
❖ Tải pretrain model.[6]
• Chuẩn bị dữ liệu: Thu thập dữ liệu dataset từ các bạn trong lớp học, có kích
thước và size ảnh bất kì. Mỗi bạn 30 bức ảnh. Ảnh chụp khuôn mặt, gốc mặt khác nhau,
chỉ có 1 khuôn mặt cụ thể, rõ rang của bạn đó trong bức ảnh. Đặt tên folder chứa ảnh của
từng bạn bằng tên của chính bạn đó.
Hình 12: Bộ dữ liệu

• Xử lý dữ liệu: Dữ liệu thu thập được ở trên là dữ liệu ảnh chụp khuôn mặt
nhưng có ngoại cảnh xung quanh, tiến hành detect khuôn mặt bằng model MTCNN và
crop ảnh để thu được khuôn mặt cụ thể của từng đối tượng.
Hình 13: Ảnh được crop cụ thể của đối tượng
• Chuẩn hóa dữ liệu và lưu trữ: Dữ liệu thu được đang ở dạng ảnh (jpg,
png,…). Sử dụng model Facenet, chuyển hóa dữ liệu ảnh về vector 512 chiều. Lưu trữ
dữ liệu ở dạng file npy và lưu trữ đối tượng.
Hình 14: Vector các ảnh
• Test: Phần test thực hiện các bước:

❖ Thu thập dư liệu test (cụ thể là 1 ảnh từ đối tượng cần test).
❖ Xử lý dữ liệu, cắt dữ liệu về và chuẩn hóa dữ liệu về dạng vector tương
ứng (512 chiều).
❖ Truy cập đến file npy đã lưu trữ và file lưu trữ đối tượng, xử dụng thuật
toán cần thiết để tính toán và xác định, định danh khuôn mặt cần test.
Kết quả nhận diện khuôn mặt:
Hình 15: Kết quả nhận diện khuôn mặt

Chú thích: Ảnh sử dụng detect được 1 người, khoảng cách Euclid nhỏ nhất có
được là 0.60715. Xác định đây là ảnh của Đạt, với xác suất là 93%.
Kết quả chi tiết:
Hình 16: Kết quả 50 lần test

Với việc chọn ngưỡng phù hợp, ảnh test có độ sáng đầy đủ (sử dụng camera
ESP32-CAM), độ nhòa, mờ ít => Độ chính xác thu được cho 50 lần test là 88%. Sai số
rơi vào các trường hợp : camera bị rung, nhòa, mờ, độ sáng thấp.
3.1.2 Ứng dụng di động
Hình 17: Giao diện đăng nhập Hình 18: Giao diện đăng ký
Chức năng: Đăng ký tài khoản người dùng và đăng nhập với tài khoản vừa đăng
ký
Các hoạt động: Người dùng đăng ký tài khoản bằng cách nhập Email, mật khẩu
và mã PIN cho trước. Sau khi đăng ký thành công, người dùng đăng nhập tài khoản
vừa đăng ký, ứng dụng sẽ chuyển sang màn hình Home
Hình 19: Giao diện màn hình chính

Chức năng: Là giao diện màn hình chính của ứng dụng.
Các hoạt động: Người dùng nhấn vào các BottomTab để chuyển đổi sang các màn
hình Control, History, Profile. Người dùng có thể nhấn vào nút Front để chuyển sang màn
hình Control của cửa Front.
Hình 20: Giao diện xem camera và điều khiển cửa

Chức năng: Là giao diện điều khiển đóng mở cửa và xem camera thời gian thực.
Các hoạt động: Người dùng nhấn vào Switch đóng mở cửa, cửa sẽ mở theo lệnh,
sau 10s cửa sẽ tự động đóng. Xem camera thời gian thực bằng Webview ở dưới.
Hình 21: Giao diện danh sách lịch sử các lần nhận diện
Nhóm 01 – Hệ thống điểm danh lớp học bằng nhận diện khuôn mặt 23
Hình 22: Giao diện chi tiết lịch sử nhận diện
Chức năng: Là giao diện hiển thị danh sách và xem chi tiết các lần nhận diện khuôn
mặt.
Các hoạt động: Người dùng cuộn danh sách lịch sử. Người dùng có thể nhấn vào
một item nhận diện và Modal chi tiết lịch sử sẽ hiển thị lần nhận diện số, tên người nhận
diện, thời gian nhận diện.
Hình 23: Giao diện thông tin người dùng
Chức năng: Là giao diện hiển thị thông tin người dùng.
Các hoạt động: Người dùng xem email của mình trên màn hình. Người dùng đăng
xuất khỏi ứng dụng bằng cách nhấn vào Sign out
CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

4. Kết luận và hướng phát triển
4.1 Đánh giá sản phẩm
Thiết kế: Sản phẩm thiết kế nhỏ gọn, đơn giản, giao diện ứng dụng thân thiện và
dễ sử dụng với người dùng.
Chức năng:
• Phát hiện khuôn mặt: Cho ra kết quả tốt, tốc độ phát hiện nhanh, đáp ứng
thời gian thực, đáp ứng yêu cầu đồ án.
• Nhận diện khuôn mặt: Nhận diện chính xác khuôn mặt, đáp ứng yêu cầu đồ
án.
• Server: Server xử lý ổn định, không xảy ra lỗi. Đáp ứng yêu cầu đồ án
• Ứng dụng di động: Ứng dụng có giao diện thân thiện, dễ sử dụng, đầy đủ
chức năng, đáp ứng yêu cầu đồ án.
4.2 Hướng phát triển
Phát hiện khuôn mặt: Hiện tại mô hình phát hiện khuôn mặt còn nhiều lỗi khi
nhận diện. Trong tương lai, nhóm sẽ mở rộng mô hình bằng cách huấn luyện thêm trên
tập dữ liệu sinh viên, tập dữ liệu chứa nhiều người trong không gian lớn.
Nhận diện khuôn mặt: Nhóm sẽ tiếp tục huấn luyện mô hình để nâng cao độ chính
xác nhận diện. Đồng thời, thu thập thêm nhiều ảnh sinh viên hơn nữa phục vụ cho quá
trình huấn luyện.
Server: Hiện tại server còn xử lý số request thấp. Nhóm sẽ cố gắng phát triển server
để cải thiện khả năng xử lý, xử lý đa luồng, đa truy cập. Tăng khả năng bảo mật hệ thống,
tránh trường hợp sập server hay quá tải.
Ứng dụng di động: Hiện tại ứng dụng đã tạm hoàn thiện. Nhóm sẽ cố gắng phát
triển hoàn thiện hơn nữa, thiết kế giao diện đẹp hơn, đưa vào các tính năng mới, đồng thời
thêm thông tin người dùng vào trang Profile chi tiết hơn. Đưa sản phẩm cho nhiều người
dùng trải nghiệm và đánh giá. Từ đó tiếp nhận phản hồi và cải tiến sản phẩm tốt nhất.
Phần cứng: Nhóm sẽ đầu tư hơn về camera cho ra ảnh độ phân giải lớn hơn, giúp
nhận diện tốt và rỏ ràng hơn. Nâng cấp bộ xử lý ESP8266 và ESP32Cam sang các bộ xử
lý mạnh hơn.
TÀI LIỆU THAM KHẢO

[1] Xây dựng API với Django Rest Framework, https://viblo.asia/p/xay-dung-api-voi-
django-rest-framework-Do754PXJ5M6
[2] Django REST Framework, https://www.django-rest-framework.org/
[3] Quang Trần, MTCNN và FaceNet, https://viblo.asia/p/nhan-dien-khuon-mat-voi-
mang-mtcnn-va-facenet-phan-1-Qbq5QDN4lD8
[4] phamdinhkhanh, Facenet, https://bom.so/MqPy2I
[5] React Native Docs, https://reactnative.dev/docs/getting-started
[6] davidsandberg(2018), Facenet, https://github.com/davidsandberg/facenet

Report

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Report

Uploaded by

Copyright:

Available Formats

TRƯỜNG ĐẠI HỌC BÁCH KHOA

KHOA CÔNG NGHỆ THÔNG TIN

HỆ THỐNG MỞ KHÓA CỬA TỰ

GIẢNG VIÊN HƯỚNG DẪN: TS. Bùi Thị Thanh Thanh

STT NHÓM: 49 LỚP HỌC PHẦN

Nguyễn Mạnh Đức 19N12A

Ngô Lê Gia Hưng 19N10A

Quách Minh Nhật 19N10A

BẢNG PHÂN CÔNG NHIỆM VỤ

Sinh viên Nhiệm vụ Hoàn thành

Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng

TÓM TẮT ĐỒ ÁN......................................................................................................

Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng

Nhóm 49 – Hệ thống mở khóa cửa tự động sử dụng nhận dạng

Vấn đề Giải pháp đề xuất

• Xây dựng ứng dụng điện thoại với React Native

Hình 1: Sơ đồ tổng quan hệ thống

Hình 2: Sơ đồ hoạt động tổng quan

Tên linh kiện Hình ảnh Thông số, hoạt động

Bảng 2: Linh kiện sử dụng

Tên linh kiện Đơn giá Ghi chú

Bảng 3: Bảng kê chi phí đồ án

2.4 Giải pháp truyền thông

• Các thành phần của RESTful API

• Phương thức RESTful hoạt động:

Hình 4: Sơ đồ hoạt động RESTful API

❖ POST (CREATE): Tạo mới một Resource.

❖ PUT (UPDATE): Cập nhật thông tin cho Resource.

❖ DELETE (DELETE): Xoá một Resource

• Giới thiệu về Django REST Framework:

Hình 5: Django REST Framework

Hình 6: Sơ đồ hệ thống nhận diện khuôn mặt

||𝑓(𝑥1) − 𝑓(𝑥2)||22 Phải là một giá trị nhỏ.

- Khi x1, x2 là 2 người khác nhau:

||𝑓(𝑥1) − 𝑓(𝑥2)||22 Phải là một giá trị lớn.

𝑑(𝐴, 𝑃) < 𝑑(𝐴, 𝑁) (1)

Hàm loss function cũ:

||𝑓(𝐴) − 𝑓(𝑃)||22 − ||𝑓(𝐴) − 𝑓(𝑁)||22 ≤ 0

𝐿(𝐴, 𝑃, 𝑁) = ∑ 𝑚𝑎𝑥(||𝑓(𝐴𝑖 ) − 𝑓(𝑃𝑖 )||22 − ||𝑓(𝐴𝑖 ) − 𝑓(𝑁𝑖 )|| 22 + 𝛼, 0)

Hình 8: Norm 1 và norm 2 trong không gian hai chiều

2.5.5 Các pretrain model

Model name LFW accuracy Training dataset Architecture

Hình 9: Logo React Native

Hình 10: Biểu đồ Usecase

STT URL Chức năng

Hình 11: Cơ sở dữ liệu

CHƯƠNG 3: KẾT QUẢ

• Cài đặt thư viện và các phần mềm cần thiết:

Hình 12: Bộ dữ liệu

Hình 13: Ảnh được crop cụ thể của đối tượng

Hình 14: Vector các ảnh

• Test: Phần test thực hiện các bước:

Hình 15: Kết quả nhận diện khuôn mặt

Hình 16: Kết quả 50 lần test

3.1.2 Ứng dụng di động

Hình 19: Giao diện màn hình chính

Hình 20: Giao diện xem camera và điều khiển cửa

Hình 23: Giao diện thông tin người dùng

CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

TÀI LIỆU THAM KHẢO

You might also like