Đề tài này hướng đến việc ứng dụng trí tuệ nhân tạo và xử lý ảnh nhằm phát hiện hành vi gian lận trong thi cử thông qua camera lớp học. Mô hình sử dụng các kỹ thuật học sâu hiện đại để nhận diện các hành vi khả nghi như: sử dụng điện thoại, nhìn xung quanh, không tập trung...
Dữ liệu được gán nhãn từ nền tảng Roboflow và huấn luyện trên Kaggle sử dụng mô hình YOLOv8, cho phép nhận diện thời gian thực trong các video giám sát.
- Tiền xử lý & gán nhãn dữ liệu: Sử dụng Roboflow để xây dựng tập dữ liệu gồm các hành vi gian lận thường gặp.
- Huấn luyện mô hình: Train mô hình YOLOv8 trên nền tảng Kaggle.
- Phát hiện thời gian thực: Phân tích video/ảnh lớp học để phát hiện các hành vi bất thường.
- Thống kê & trực quan hóa: Giao diện Flask hiển thị biểu đồ số lượng gian lận theo thời gian.
- Xuất báo cáo: Lưu lại dữ liệu và ảnh bằng chứng khi phát hiện hành vi gian lận.
- 📱 Sử dụng điện thoại
- 👀 Nhìn xung quanh
- 🤔 Không tập trung (gục đầu, quay đầu)
- YOLOv8 (Ultralytics) – phát hiện đối tượng thời gian thực
- Roboflow – gán nhãn dữ liệu
- Kaggle GPU – huấn luyện mô hình
- Flask – xây dựng web dashboard
- OpenCV + Matplotlib – xử lý ảnh, biểu đồ
- CSV + Email – lưu & gửi báo cáo phát hiện
