[Dự án AI] Phát hiện vùng biển số xe trong ảnh

Mục tiêu

Xây dựng bước ĐẦU TIÊN của hệ thống camera phạt nguội/thu phí không dừng: định vị vùng biển số xe trong ảnh bằng Haar Cascade. Dự án nhấn mạnh rất rõ ngay từ đầu ranh giới quan trọng: hệ thống chỉ khoanh vùng, hoàn toàn không đọc được chữ/số trên biển (cần công nghệ OCR riêng mà công cụ chưa hỗ trợ). Đồng thời rèn tư duy phản biện về việc một mô hình AI huấn luyện trên dữ liệu vùng miền/quốc gia khác (biển số Nga) có thể hoạt động khác đi với biển số Việt Nam, và thảo luận ý nghĩa thực tiễn/đạo đức của công nghệ giám sát biển số xe ở quy mô lớn.

Thời lượng gợi ý: 2 tiết học (90 phút)

• Tiết 1 (cell 1-6): chuẩn bị ảnh xe, lý thuyết Haar Cascade cho biển số, định vị vùng biển số đầu tiên
• Tiết 2 (cell 7-13): thực nghiệm tham số, tư duy phản biện (dữ liệu huấn luyện gốc là biển số Nga — hoạt động thế nào với biển Việt Nam?, "định vị" khác hẳn "đọc được", ý nghĩa thực tiễn/đạo đức của giám sát biển số quy mô lớn), mục Tìm hiểu thêm, vận dụng

Em sẽ làm được gì

• Dùng Haar Cascade chuyên biệt (`haarcascade_russian_plate_number.xml`) để định vị vùng nghi là biển số trong ảnh xe
• Thực nghiệm và hiểu ảnh hưởng tham số scaleFactor/minNeighbors với bài toán định vị biển số
• Đánh giá TỰ MÌNH (thực nghiệm, không suy đoán) mức độ chính xác của bộ dò này với ảnh xe/biển số Việt Nam thật
• Phân biệt rõ "định vị đối tượng" (object detection) và "đọc nội dung" (OCR) — 2 công nghệ khác nhau hoàn toàn
• Thảo luận ý nghĩa thực tiễn và giới hạn đạo đức của công nghệ giám sát biển số xe (ALPR) ở quy mô xã hội

Về thư viện opencv-python và cách chuẩn bị ảnh

Cần bấm thêm nút "opencv-python" trong mục "Thư viện thêm" (~47MB) SAU KHI đã bấm "Bắt đầu tải & chạy Notebook", TRƯỚC KHI chạy cell import cv2 — xem hướng dẫn ở Cell 1. Dự án này CHỈ dùng "Tải ảnh lên" (ảnh xe có biển số, tự chụp ở nhà/bãi xe, xin phép nếu chụp biển số xe người khác) — Webcam không phù hợp vì học sinh không có xe trước mặt trong lớp học, xem Cell 2.