Quá trình xây dựng hệ thống phát hiện trộm cắp theo thời gian thực ứng dụng Edge-AI trên Raspberry Pi 4 kết hợp cảnh báo qua Telegram

Các hệ thống giám sát truyền thống thường phụ thuộc vào hạ tầng điện toán đám mây quy mô lớn hoặc quy trình giám sát thủ công, dẫn đến độ trễ và chi phí băng thông tốn kém. Đối với môi trường bán lẻ, yêu cầu bảo đảm an ninh đòi hỏi tính tức thời, khả năng xử lý tại chỗ và tối ưu hóa chi phí. Nhằm giải quyết vấn đề này, Hệ thống Cảnh báo và Phát hiện Trộm cắp Thông minh qua Video đã được phát triển trong khuôn khổ đồ án tốt nghiệp ngành Kỹ thuật Máy tính tại FUTMinna. Giải pháp điện toán biên này vận hành hoàn toàn trên thiết bị Raspberry Pi 4 Model B (4GB), có khả năng phát hiện các nguy cơ an ninh tại cửa hàng và gửi cảnh báo tức thời qua Telegram với thời gian trung bình 2,1 giây. Dưới đây là phân tích chi tiết về kiến trúc hệ thống, quy trình AI lai (hybrid AI pipeline) và cơ chế cảnh báo. 1. Nền tảng phần cứng: Vai trò của điện toán biên Việc vận hành các mạng nơ-ron phức tạp trên phần cứng hạn chế tài nguyên là một thách thức lớn. Hệ thống sử dụng Raspberry Pi 4 Model B (RAM 4GB) kết hợp với Raspberry Pi Camera Module v2 (kết nối trực tiếp qua cổng CSI nhằm giảm tải cho CPU). Thông qua việc xử lý video tại chỗ ở độ phân giải 640x480, hệ thống duy trì ổn định tốc độ 25–31 FPS mà không cần tản nhiệt ngoài hay phụ thuộc vào điện toán đám mây. 2. Quy trình thị giác máy tính lai Thay vì sử dụng một mô hình đơn lẻ có dung lượng lớn gây quá tải cho Raspberry Pi, hệ thống tích hợp quy trình ba tầng phát hiện vận hành đồng thời: Phân hệ 1 - Phát hiện khuôn mặt đeo khẩu trang (Haar Cascades): Nhanh chóng định vị khuôn mặt trực diện bằng thuật toán Haar cascades gọn nhẹ, sau đó trích xuất 40% phần dưới của khung bao (khu vực miệng/cằm) và tính toán cường độ điểm ảnh trung bình để nhận diện các trường hợp che giấu danh tính. Phân hệ 2 - Phát hiện vũ khí và vật sắc nhọn (MobileNetV2): Ứng dụng thuật toán Haar cascade tùy chỉnh để tách biệt vùng bàn tay, chuẩn hóa kích thước vùng quan tâm (ROI) về 224 x 224 điểm ảnh, sau đó đưa qua mô hình MobileNetV2 được huấn luyện bằng phương pháp học chuyển giao (transfer learning) trên tập dữ liệu cân bằng giữa hình ảnh tay cầm vũ khí và không cầm vũ khí. Phân hệ 3 - Phát hiện hành vi đút túi và giấu đồ (Trừ nền MOG2): Sử dụng thuật toán trừ nền MOG2 của OpenCV, giới hạn trong phạm vi 40% phía dưới của khung hình. Thiết lập bộ đếm trễ (hysteresis counter) 8 khung hình để theo dõi sự thay đổi điểm ảnh tiền cảnh (Pcount > 1.500), qua đó loại bỏ hiệu quả các cử động thông thường của khách hàng như xem hàng trên kệ hoặc chỉnh sửa trang phục. Khi bất kỳ phân hệ nào trong ba phân hệ trên ghi nhận dấu hiệu khả nghi, hệ thống sẽ kích hoạt trạng thái "CẢNH BÁO TRỘM CẮP" trên toàn hệ thống. 3. Cơ chế cảnh báo tức thời qua Telegram Bot API Thay vì sử dụng các giao thức thư điện tử phức tạp hoặc cổng SMS tốn kém, hệ thống tích hợp Telegram Bot API. Quy trình: Khi phát hiện bất thường, hệ thống sẽ lưu cục bộ khung hình định dạng JPEG có kèm ghi chú và gửi đến đoạn hội thoại Telegram của người dùng cùng thông điệp ghi rõ thời gian ("CẢNH BÁO, CÓ DẤU HIỆU TRỘM CẮP!"). Hiệu năng: Thời gian gửi cảnh báo trung bình đạt mức 2,1 giây qua kiểm thử thực tế. Cơ chế giãn cách: Khoảng thời gian giãn cách 8 giây được áp dụng nhằm ngăn chặn tình trạng quá tải tin nhắn khi sự việc kéo dài, đồng thời bảo đảm cảnh báo đầu tiên được chuyển đi ngay lập tức. 4. Giám sát không cần màn hình trực tiếp qua giao diện web Flask Nhằm phục vụ công tác giám sát từ xa mà không cần gắn màn hình qua cổng HDMI, hệ thống được tích hợp một máy chủ web tinh gọn sử dụng vi khung (micro-framework) Flask. Thông qua luồng phát MJPEG tiêu chuẩn (multipart/x-mixed-replace), chủ cửa hàng có thể theo dõi trực tiếp hình ảnh từ camera, các khung nhận diện và trạng thái cảnh báo trên trình duyệt của điện thoại thông minh hoặc máy tính xách tay trong mạng nội bộ. Các chỉ số chính và kết quả thực nghiệm Điểm F1 tổng thể của hệ thống: 94,7% đối với phát hiện khuôn mặt đeo khẩu trang Độ chính xác / Độ nhạy: 96,4% / 93,8% đối với phát hiện vũ khí Độ chính xác / Độ nhạy: 91,2% / 88,7% đối với hành vi đút túi Độ chuẩn xác/Độ bao phủ nhận diện: 94,1% / 92,6% Tốc độ xử lý: 25–31 FPS Cảnh báo qua Telegram: 2,1 giây Kết luận Dự án này chứng minh rằng việc triển khai AI biên (edge AI) thời gian thực với độ chính xác cao là hoàn toàn khả thi trên các thiết bị phần cứng chi phí thấp như Raspberry Pi, bảo đảm hiệu năng hoạt động mà không cần phụ thuộc vào các dịch vụ điện toán đám mây tốn kém.