Nhóm nghiên cứu gồm 05 thành viên: Hoàng Tùng Lâm, Bùi Ngọc Hải, Nguyễn Đức Linh - Sinh viên lớp Khoa học máy tính 1, K12; Đào Lê Huy - Sinh viên lớp Khoa học máy tính 2, K12 và Phan Thành Trung - Sinh viên lớp Công nghệ thông tin 4, K12. Giảng viên hướng dẫn: TS. Vũ Việt Thắng - khoa CNTT.
Với một số kết quả nghiên cứu có trước về xử lý ảnh, phát hiện, nhận diện khuôn mặt, ước lượng khung xương người và nhận diện hành vi bất thường đã giúp nhóm sinh viên khoa Công nghệ thông tin (CNTT) tiếp tục nghiên cứu và hoàn thành đề tài “Tự động phát hiện hành vi bất thường trong video dựa trên các dạng đặc trưng khác nhau, ứng dụng cho bài toán phát hiện gian lận thi cử”.
TS. Vũ Việt Thắng thảo luận trực tuyến với nhóm nghiên cứu
Trong những năm gần đây, nhiều tiến bộ trong lĩnh vực nghiên cứu trí tuệ nhân tạo, học máy và học sâu đã đưa ra giải pháp cho các bài toán nhận dạng, như nhận dạng vật thể, nhận dạng chữ viết, nhận dạng khuôn mặt, nhận dạng hình dáng, nhận dạng giọng nói,… với độ chính xác rất cao. Những công nghệ trên hoàn toàn có khả năng để ứng dụng vào giải quyết các vấn đề trong ngành giáo dục, đặc biệt là phát hiện hành vi gian lận trong thi cử.
Hệ thống phát hiện hành vi bất thường ứng dụng cho bài toán phát hiện gian lận thi cử có thể hỗ trợ giám thị coi thi dễ dàng tìm ra sinh viên có hành vi bất thường, giúp nâng cao tính minh bạch của kỳ thi, phản ánh chính xác kết quả thi của các thí sinh sau mỗi kỳ thi.
Nhóm ứng dụng mô hình Multi-Scale Cascade Fully Convolutional Network for Face Detection
Bằng việc tận dụng các nghiên cứu có trước về xử lý ảnh, phát hiện khuôn mặt, nhận diện khuôn mặt, ước lượng khung xương người và nhận diện hành vi bất thường đã giúp nhóm hoàn thành đề tài “Tự động phát hiện hành vi bất thường trong video dựa trên các dạng đặc trưng khác nhau, ứng dụng cho bài toán phát hiện gian lận thi cử”.
Nhóm đã tìm hiểu, nghiên cứu và cài đặt thử nghiệm các thuật toán tiên tiến liên quan đến các bài toán phát hiện khuôn mặt, nhận diện khuôn mặt, ước lượng khung xương người; xây dựng và ứng dụng một bộ dữ liệu mới dành cho bài toán phát hiện gian lận thi cử. Nhóm cũng đã tự thiết kế mô hình học sâu dành cho bài toán nhận diện hành vi bất thường và đã kết hợp các mô hình trên để xây dựng hệ thống phát hiện gian lận thi cử.
Bài toán nhận diện khuôn mặt, nhận diện điểm mốc trên khuôn mặt (Face Detection, Facial Landmark Estimation)
Hệ thống phát hiện hành vi gian lận cho độ chính xác cao, trên 97% với các hành vi rõ ràng như quay ngang, quay ngửa, nhổm lên, liếc bài, làm việc riêng dưới gầm bàn và khả năng nhận diện khuôn mặt của thí sinh có hành vi gian lận cũng cho độ chính xác rất cao lên đến 98%.
Nhóm nghiên cứu đang hoàn thành những kết quả nghiên cứu cuối cùng, hướng đến xây dựng hệ thống phát hiện gian lận thi cử có thể ứng dụng trực tiếp tại các phòng thi thông qua hệ thống camera giám sát.
Kết quả thử nghiệm của bài toán phát hiện gian lận thi cử
Trưởng nhóm Hoàng Tùng Lâm chia sẻ: “Việc thực hiện nghiên cứu đề tài còn góp phần thúc đẩy tinh thần NCKH cho các thành viên trong nhóm; cũng như việc trang bị thêm các kiến thức chuyên sâu, làm hành trang tri thức giúp mỗi thành viên dễ dàng nắm bắt các cơ hội nghề nghiệp sau khi ra trường”.
TS. Vũ Việt Thắng nhận định: “Hiện nay, nhiều đề tài nghiên cứu khoa học của sinh viên có tính ứng dụng thực tế chưa cao. Do đó, việc nâng cao tính ứng dụng thực tiễn của các nghiên cứu khoa học trong sinh viên tại khoa Công nghệ Thông tin nói riêng và Đại học Công nghiệp Hà Nội nói chung là cần thiết; nhất là trong bối cảnh chuyển đổi số mạnh mẽ như hiện nay”.
