3.1.Quy trình triển khai ứng dụng

Quy trình triển khai ứng dụng bao gồm các bước chính như sau:

3.1.1. Huấn luyện mô hình nhận diện khuôn mặt

·         Thu thập và tiền xử lý dữ liệu hình ảnh khuôn mặt từ nhiều nguồn khác nhau.

·         Sử dụng Histogram of Oriented Gradients (HOG) để trích xuất đặc trưng từ ảnh khuôn mặt.

·         Áp dụng Support Vector Machine (SVM) để phân loại và nhận diện khuôn mặt.

·         Đánh giá độ chính xác của mô hình trên tập kiểm tra, tối ưu hóa các tham số để tăng hiệu suất.

3.1.2. Tích hợp vào ứng dụng React Native

·         Phát triển giao diện người dùng với React Native, đảm bảo tương thích trên Android và iOS.

·         Tích hợp mô hình nhận diện khuôn mặt sử dụng thư viện dlib hoặc OpenCV.

·         Kết nối hệ thống nhận diện với OCR (Tesseract OCR hoặc Google Vision API) để trích xuất thông tin từ giấy tờ tùy thân.

·         Xây dựng API để xử lý xác thực danh tính và lưu trữ dữ liệu vào cơ sở dữ liệu.

3.1.3. Kiểm tra và tối ưu hiệu suất

·         Kiểm tra chức năng nhận diện khuôn mặt trên các thiết bị có cấu hình khác nhau.

·         Đánh giá thời gian xử lý của ứng dụng trên thiết bị di động, tối ưu hóa thuật toán để tăng tốc độ.

·         Cải thiện giao diện người dùng để nâng cao trải nghiệm.

·         Thử nghiệm thực tế với nhiều điều kiện ánh sáng và góc chụp khác nhau để đánh giá độ chính xác.

·         Huấn luyện mô hình nhận diện khuôn mặt.

·         Tích hợp vào ứng dụng React Native.

·         Kiểm tra và tối ưu hiệu suất.

3.2.Thử nghiệm ứng dụng

Quá trình thử nghiệm ứng dụng được thực hiện để đánh giá độ chính xác, hiệu suất và khả năng hoạt động ổn định trên các thiết bị di động. Việc thử nghiệm được tiến hành theo các bước sau:

3.2.1 Kiểm tra trên thiết bị Android

·         Cài đặt ứng dụng trên nhiều thiết bị di động có cấu hình khác nhau để kiểm tra tính tương thích.

·         Kiểm tra giao diện người dùng, khả năng hiển thị và tính ổn định trên các màn hình có kích thước khác nhau.

·         Đánh giá thời gian phản hồi của ứng dụng khi chụp ảnh giấy tờ và khuôn mặt.

·         Kiểm tra khả năng hoạt động trên các phiên bản hệ điều hành khác nhau (Android 8.0 trở lên, iOS 12 trở lên).

3.2.2 Đánh giá độ chính xác nhận diện khuôn mặt

·         Thực hiện kiểm thử với tập dữ liệu gồm nhiều khuôn mặt có đặc điểm khác nhau (độ tuổi, giới tính, sắc tộc, điều kiện ánh sáng khác nhau).

·         So sánh kết quả nhận diện giữa HOG + SVM và các phương pháp khác để đánh giá mức độ chính xác.

·         Kiểm tra khả năng phát hiện các trường hợp giả mạo, chẳng hạn như sử dụng ảnh chụp hoặc video để đánh lừa hệ thống.

3.2.3 Tối ưu thời gian xử lý

·         Đo lường thời gian xử lý của từng bước trong quy trình nhận diện: chụp ảnh, tiền xử lý, trích xuất đặc trưng HOG, nhận diện bằng SVM.

·         Kiểm tra thời gian xử lý trên các thiết bị có phần cứng khác nhau (smartphone cao cấp, tầm trung, giá rẻ).

·         Áp dụng các phương pháp tối ưu như giảm kích thước ảnh đầu vào, tăng tốc bằng TensorFlow Lite hoặc sử dụng các API xử lý ảnh nhanh hơn.

3.2.4 Đánh giá trải nghiệm người dùng

·         Thực hiện khảo sát người dùng thử nghiệm để thu thập phản hồi về giao diện và mức độ dễ sử dụng.

·         Đánh giá mức độ hài lòng với thời gian xử lý, độ chính xác và khả năng nhận diện trong các điều kiện thực tế.

·         Điều chỉnh lại giao diện và quy trình nhận diện dựa trên phản hồi để nâng cao trải nghiệm người dùng.

·         Kiểm tra trên thiết bị Android.

·         Đánh giá độ chính xác nhận diện khuôn mặt.

·         Tối ưu thời gian xử lý.