Xây dựng hệ thống phát hiện khuôn mặt và cảnh báo bằng email trên android với vi xử lý arm cortex A8

Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
105 
XÂY DỰNG HỆ THỐNG PHÁT HIỆN KHUÔN MẶT VÀ CẢNH BÁO BẰNG 
EMAIL TRÊN ANDROID VỚI VI XỬ LÝ ARM CORTEX A8 
Đoàn Ngọc Phương* 
Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên 
TÓM TẮT 
Sự phát triển của các nền tảng sử dụng hệ điều hành Android và vi xử lý ARM, cùng với sự ra đời 
của phiên bản OpenCV dành cho Android đã tạo điều kiện cho các lập trình viên phát triển các 
ứng dụng thị giác máy tính cho các hệ thống nhúng. Trong đó, các ứng dụng nhận diện khuôn mặt 
trên hệ nhúng hiện nay đang rất đƣợc quan tâm nhƣng chƣa đƣợc khai thác hết. Bài báo này sẽ đề 
xuất phƣơng pháp xây dựng hệ thống phát hiện khuôn mặt và gửi thông báo bằng email cho ngƣời 
dùng. Hệ thống đƣợc triển khai trên bộ Kit ARM Cubie A10 đƣợc cài đặt hệ điều hành Android 
với vi điều khiển ARM Cortex A8. Qua quá trình thực nghiệm, hệ thống đã đã đạt đƣợc các kết 
quả tốt thể hiện hiệu quả của việc sử dụng các hệ thống nhúng trong bài toán phát hiện xâm nhập 
qua hình ảnh và cảnh báo tới ngƣời dùng. 
Từ khóa: ARM, Cortex A8, OpenCV, OpenCV4Android, phát hiện khuôn mặt, thị giác máy tính, 
thị giác nhúng, Android. 
GIỚI THIỆU* 
Phát hiện khuôn mặt là kỹ thuật cho phép 
phát hiện ra khuôn mặt ngƣời trong một 
khung hình hay trong một đoạn video [1]. Kỹ 
thuật này cho phép phân biệt khuôn mặt với 
các thành phần khác trong hình ảnh nhƣ cơ 
thể, cây cối, xe cộ, , sau đó xác định vị trí 
và kích thƣớc của khuôn mặt để sử dụng 
trong các mục đích khác nhau. Phát hiện 
khuôn mặt đƣợc phát triển từ những năm 70 
của thế kỷ trƣớc [1] và đã đạt đƣợc nhiều 
thành tựu đáng kể với những giải thuật điển 
hình nhƣ adaboost, các đặc trƣng haar-like, 
mô hình Cascade of Classifiers [1]. Những 
giải thuật đó đã giải quyết đƣợc các vấn đề 
đặt ra với phát hiện khuôn mặt, đó là: Phát 
hiện khuôn mặt ngƣời ở các tƣ thế khác nhau; 
Phát hiện khuôn mặt khi trên khuôn mặt có 
nhiều chi tiết không thuộc khuôn mặt ngƣời; 
Phát hiện các trạng thái khác nhau của khuôn 
mặt;Phát hiện khuôn mặt khi nó bị che khuất 
một phần,Phát hiện khuôn mặt đã đƣợc áp 
dụng trong rất nhiều lĩnh vực [1]: Xác minh 
tội phạm,bảo mật,tìm kiếm dữ liệu 
Tuy có một lịch sử phát triển lâu dài nhƣ vậy, 
nhƣng phát hiện khuôn mặt vẫn tiếp tục đƣợc 
*
 Tel: 0979 479940, Email: dnphuong@ictu.edu.vn 
nghiên cứu, cải tiến để phù hợp với những 
yêu cầu mới. Gần đây, kỹ thuật phát hiện 
khuôn mặt bắt đầu đƣợc sử dụng rộng rãi 
trong các hệ thống nhúng với hai lý do chính, 
một là:Sự phát triển của vi xử lý tiên tiến, tiết 
kiệm điện năng ARM, sự xuất hiện của các hệ 
điều hành nhƣ Android, Linux trên các hệ 
thống nhúng [6], [9]; Hai là, sự hỗ trợ của hệ 
điều hành Android cho bộ thƣ viện thị giác 
máy tính OpenCV[9]. 
Với những xu hƣớng phát triển nhƣ vậy, giờ 
đây ngƣời lập trình có thể sử dụng thƣ viện 
OpenCV để tạo ra các ứng dụng phát hiện 
khuôn mặt cho các hệ nhúng sử dụng nền 
tảng Android với lõi vi xử lý ARM [6], [8]. 
Trên thực tế bài toán đã đƣợc triển khai rất 
hiệu quả trên các thiết bị di động, tuy nhiên 
các nhà phát triển chƣa thực sự quan tâm tới 
việc phát triển ứng dụng phát hiện khuôn mặt 
trên các hệ thống nhúng. Bên cạnh đó, các hệ 
thống quan sát hiện nay phần lớn chỉ quan 
tâm tới thị trƣờng của camera, khả năng phát 
hiện đối tƣợng mà chƣa thực sự quan tâm tới 
khả năng tự động gửi thông báo từ xa cho 
ngƣời dùng. 
Bài báo này đề xuất về việc xây dựng một hệ 
thống thông minh cho phép phát hiện khuôn 
mặt và gửi email đến ngƣời giám sát trên một 
Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
106 
hệ nhúng. Chƣơng trình điều khiển đƣợc triển 
khai trên bộ kit Cubie A10 với nền tảng 
Android 4.0.4 và vi xử lý ARM Cortex A8. 
Để thực hiện thu hình ảnh, hệ thống sử dụng 
một camera để quan sát môi trƣờng xung 
quanh. Khi phát hiện thấy có ngƣời đi vào 
vùng quan sát, chƣơng trình sẽ chụp lại hình 
ảnh và tự động gửi thông báo đến ngƣời sử 
dụng bằng email. 
ANDROID VÀ ARM 
Android đƣợc phát triển và tối ƣu hóa cho bộ 
vi xử lý lõi ARM [6]. Đặc biệt, hệ thống 
Android hoạt động tốt trên lõi ARM 
Cortex™-Ax, trong đó có ARM Cortex-A8, 
vi xử lý kết hợp các chức năng của một CPU 
lớp netbook cho các hệ thống nhúng. Với ƣu 
điểm tiêu thụ điện năng thấp, vi điều khiển 
ARM là vi điều khiển phù hợp với các điện 
thoại cầm tay thông minh – môi trƣờng mà 
ARM đƣợc triển khai mạnh mẽ [4]. Các thiết 
bị ARMv7 nhƣ ARM Cortex-A8 đƣợc tích 
hợp công nghệ SIMD tiên tiến đƣợc gọi là 
công nghệ Neon, đƣợc sử dụng để tăng tốc độ 
nhiều thao tác nhƣ mã hóa hay thao tác đồ 
họa trên điểm ảnh và có thể cải thiện hiệu 
suất trên mã ARM hoặc tập lệnh THUMB®. 
[6] Tất cả các thiết bị TI đều có công nghệ 
Neon. Hiện nay có nhiều thế hệ ARM mới, ví 
dụ nhƣ ARM9, nhƣng Android không đƣợc 
tối ƣu hóa cho ARM9. Mặc dù Android có thể 
đƣợc triển khai trên hệ thống có lõi ARM9, 
nhƣng hiệu suất sẽ thấp hơn so với việc dùng 
nhân ARM Cortex-A8 [6]. Hơn nữa với lõi 
ARM Cortex A8 có thể thực hiện nhiều công 
việc phức tạp với giá thành hợp lý mà không 
cần đến các lõi hiện đại hơn. 
Các môi trƣờng phát triển của Android: 
Với thành tựu đạt đƣợc trong thị trƣờng điện 
thoại di động, Android đang nỗ lực phát triển 
để xâm chiếm vào các thị trƣờng khác nhƣ thị 
trƣờng các thiết bị gia dụng, các thiết bị 
chuẩn đoán y tế, các dây truyền công 
nghiệp,. Trong đó Android đặc biệt chú ý 
đến các môi trƣờng mà những thế mạnh của 
nó có thể đƣợc phát huy, đó là các môi 
trƣờng: Quan tâm đến nội dung đa phƣơng 
tiện;Linh hoạt, hƣớng đồ họa và có giao diện 
trực quan dựa trên cảm ứng;Có ít nhất một 
thành phần truyền thông. 
Xử lý đa phƣơng tiện:Vì hầu hết các hệ 
thống Android đều có các ứng dụng đa 
phƣơng tiện mạnh mẽ nhƣ xem phim, chụp 
hình,, cho nên các nhà phát triển thƣờng 
đặc biệt chú ý để làm thế nào video, âm thanh 
và đồ họa đƣợc xử lý tốt trên hệ thống. Phần 
lớn các bộ mã hóa/giải mã đƣợc cấu hình sẵn 
với Android thƣờng độ phân giải thấp/tốc độ 
mã hóa chậm vì các hệ thống có mục tiêu 
thiết kế cho ARM™-A8 . [6], [2]Một số nền 
tảng, nhƣ bộ vi xử lýđiện thoại TI OMAP™, 
bộ vi xử lý video DaVinci và C6000 DSP + vi 
xử lý ARM, thƣờng kết hợp lõi ARM Cortex 
với lõi xử lý DSP. Điều đó đem lại hiệu quả 
trong việc xử lý đa phƣơng tiện, vì lõi DSP có 
thể giúp giảm tải và đồng thời làm tăng tốc xử 
lý đa phƣơng tiện cho lõi ARM. 
CÔNG CỤ PHÁT TRIỂN 
OpenCV:[2], [7], [8] Là thƣ viện thị giác 
máy tính mã nguồn mở, đƣợc cấp phép từ 
năm 2000 bởi BSD. OpenCV đƣợc xây dựng 
nhằm mục đích cung cấp những công cụ cần 
thiết để giải quyết các vấn đề thị giác máy 
tính. Bao gồm các chức năng xử lý hình ảnh ở 
mức độ thấp và các thuật toán cao cấp nhƣ 
phát hiện khuôn mặt, phát hiện ngƣời đi bộ. 
Thƣ viện đã đƣợc tải về hơn 5 triệu lần. Các 
trƣờng đại học hàng đầu và hơn 100 công ty 
Foutine và nhiều thành viên khác đã phát triển 
và duy trì hơn 2500 thuật toán có trong thƣ 
viện. OpenCV đƣợc viết bằng C, C++, nhƣng 
giao diện ứng dụng cũng bao gồm 
wrappercho Java, MATLAB và Python. 
OpenCV hiện đang hỗ trợ cho Linux, Mac OS 
X, Android và các nền tảng iOS.[2] OpenCV 
bắt đầu hỗ trợ Android trong phiên bản 
OpenCV 2.2. Sau đó NDVIA đã tham gia vào 
dự án OpenCV và từ phiên bản OpenCV 2.3 
các nhà phát triển đã có thể sử dụng OpenCV 
trên nền tảng Android với các công cụ đầy đủ 
và mạnh mẽ hơn. 
Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
107 
Kit phát triển:Các công cụ phát triển cho 
ứng dụng Anrdoid trên vi xử lý ARM rất 
phong phú, không chỉ là phần mềm mà còn là 
các công cụ phần cứng. Với công nghệ tiên 
tiến và với những ƣu điểm của vi điều khiển 
ARM, rất nhiều bo mạch ARM đã ra đời cho 
phép ngƣời lập trình có thể nghiên cứu và xây 
dựng hệ thống ngay trên các thiết bị thật. Các 
bộ Kit phát triển này thƣờng hỗ trợ các hệ 
điều hành Android và Linux [6]. 
Hình 1: Kit Cubie A10 
Hệ thống quan sát ngƣời qua nhận dạng 
khuôn mặt và gửi email cảnh báo của bài báo 
đƣợc thực hiện trên board Cubie A10 của 
Công nghệ Công ty TNHH CubieTech tại 
Chu Hải, Trung quốc [1], board hỗ trợ hệ điều 
hành Adroid, Linux, cho phép kết nối ổ HD, 
có cổng USB, HDMI, Ethernet, phục vụ cho 
việc kết nối mạng, LCD, các thiết bị ngoại vi 
nhƣ: chuột, bàn phím, camera, thích hợp cho 
việc phát triển các dự án liên quan đến thị 
giác máy tính trên hệ điều hành Android. 
XÂY DỰNG HỆ THỐNG PHÁT HIỆN 
KHUÔN MẶT VÀ GỬI THÔNG TIN 
CẢNH BÁO QUA EMAIL. 
Hệ thống mà tác giả đề xuất cho phép quan 
sát môi trƣờng xung quanh, nhận diện có 
ngƣời trong môi trƣờng quan sát thông qua 
việc phát hiện khuôn mặt, sau đó chụp ảnh và 
gửi thông báo đến ngƣời dùng qua email. 
Hệ thống gồm có một chƣơng trình điều 
khiển và một bo mạch. Chƣơng trình đƣợc 
xây dựng để điều khiển bật/tắt camera, phát 
hiện khuôn mặt ngƣời trong khuôn hình mà 
camera thu đƣợc, chụp hình và gửi email 
thông báo. Bo mạch đƣợc sử dụng để cài đặt 
chƣơng trình điều khiển và là sản phẩm cuối 
cùng của hệ thống. 
Hình 2: Mô hình hệ thống 
Phƣơng pháp xây dựng hệ thống. Quá trình 
thực hiện của hệ thống quan sát phát hiện khuôn 
mặt và gửi thông báo qua emailnhƣ sau: 
Chuẩn bị board: Để vận hành board cần 
đƣợc gắn các thiết bị ngoại vi nhƣ camera, 
cáp ethernet, sau đó nạp hệ điều hành và chạy 
chƣơng trình điều khiển. 
Xử lý video và gửi email: Hoàn tất các bƣớc 
khởi động, chƣơng trình bắt đầu thực hiện 
công việc chính: Theo dõi môi trƣờng xung 
quanh qua camera (chƣơng trình không đƣợc 
thiết kế để camera có khả năng thay đổi góc 
quan sát, để thuận tiện cho việc lựa chọn thiết 
bị camera của ngƣời sử dụng), chạy khối 
chƣơng trình phát hiện khuôn mặt qua video, 
nếu thấy có khuôn mặt xuất hiện, lập tức đánh 
dấu vùng chứa khuôn mặt, thực hiện chụp 
hình, hình đƣợc thu nhỏ kích cỡ là 100x100, 
lƣu trong thƣ mục Gallery của thiết bị. Sau đó 
khối chƣơng trình gửi email đƣợc gọi, ảnh đã 
chụp đƣợc đính kèm vào emailvà chƣơng 
trình sẽ tiến hành gửi thông báo đến ngƣời 
dùng. Quá trình kiểm tra phát hiện khuôn mặt 
và gửi email đƣợc tiếp tục thực hiện cho đến 
khi ứng dụng bị tắt hoặc board bị ngắt nguồn. 
Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
108 
Hình 3: Biểu đồ trạng thái của hệ thống 
Thiết kế chức năng nhận dạng khuôn mặt 
với OpenCV:OpenCV dùng thuật toán Haar 
Cascade để phát hiện khuôn mặt cũng nhƣ các 
đối tƣợng khác [9]. Haar Cascade là phƣơng 
pháp phát hiện đối tƣợng đƣợc đƣa ra bởi 
 Paul Viola và Michael Jones năm 2001. Là 
một phƣơng pháp học máy dựa trên một chức 
năng Cascade đƣợc huấn luyện từ rất nhiều ảnh 
khẳng định và phủ định, đƣợc sử dụng để phát 
hiện đối tƣợng trong các bức ảnh khác nhau. 
Với phát hiện khuôn mặt, ban đầu thuật toán 
cần rất nhiều ảnh phủ định (không chứa 
khuôn mặt) và khẳng định (chứa khuôn mặt) 
để làm tập huấn luyện cho phân lớp. Sau 
đó đƣa ra các đặc trƣng Haar. Các ảnh trong 
tập huấn luyện đƣợc dùng để tính toán đặc 
trƣng Haar. 
Mỗi đặc trƣng Haar là một giá trị duy nhất thu 
đƣợc bằng cách trừ đi tổng các điểm ảnh ở 
hình chữ nhật màu trắng với tổng các điểm 
ảnh nằm ở vùng chữ nhật màu đen. Để nhận 
dạng khuôn mặt, ta cần áp dụng các đặc trƣng 
Haar trên các hình ảnh cần kiểm tra. Sau đó 
chọn đặc trƣng có tỉ lệ lỗi tối thiểu. Tuy nhiên 
khi kết hợp các tính năng với nhau thì tỉ lệ 
phát hiện đối tƣợng đạt hiệu quả tốt hơn, với 
200 đặc trƣng Haar thì tỉ lệ phát hiện đối 
tƣợng đạt 95% [9]. 
Trong một bức ảnh, có nhiều vùng không 
chứa khuôn mặt, nếu loại bỏ đƣợc những 
vùng này thời gian tính toán sẽ đƣợc giảm đi 
đáng kể, vì vậy, ảnh đƣợc chia ra làm nhiều 
cửa sổ nhỏ. Trong quá trình phát hiện đối 
tƣợng, các cửa sổ không chứa khuôn mặt sẽ 
đƣợc loại bỏ dần [9]. 
Nếu áp dụng tất cả các đặc trƣng trên một cửa 
sổ sẽ tốn thời gian, nên các đặc trƣng đƣợc 
chia thành các nhóm, và mỗi nhóm đƣợc áp 
dụng trong các giai đoạn khác nhau của quá 
trình phân lớp đối tƣợng [9]. 
Trên mỗi cửa sổ, nếu ở giai đoạn đầu tiên bị 
lỗi thì cửa sổ bị loại. Nếu vƣợt qua, áp dụng 
giai đoạn tiếp theo của phân lớp và tiếp tục 
quá trình. Cửa sổ vƣợt qua tất cả các giai 
đoạn là khu vực chứa khuôn mặt [9]. 
OpenCV có tập huấn luyện tốt để huấn luyện 
cho phát hiện mặt, mắt,..,tập huấn luyện đƣợc 
lƣu trong các file XML trong 
opencv/data/haarcascades/. Ngƣời lập trình có 
thể thay đổi file này để phát hiện các đối 
tƣợng khác theo ý muốn. 
Với phát hiện khuôn mặt trong video, chƣơng 
trình sẽ cho phép camera thực hiện capture 
ảnh liên tục, sau đó áp dụng thuật toán Haar 
Cascade trên mỗi ảnh tĩnh chụp đƣợc. 
KẾT QUẢ THỰC NGHIỆM 
Hình 5: Test hệ thống với LCD monitor 
Hệ thống chạy khá hiệu quả, phát hiện đƣợc 
khuôn mặt trong trạng thái ánh sáng tốt, nếu 
ánh sáng yếu hệ thống có thể không nhận 
dạng đƣợc khuôn mặt, còn bị nhầm lẫn với 
các vật thể có khung tối (giống khuôn mặt 
Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
109 
ngƣời với đôi mắt). Chƣơng trình đƣợc thử 
nghiệm với các trƣờng hợp sau: 
- Trong trƣờng hợp điều kiện tốt, ánh sáng 
thích hợp, không có vật thể lạ che khuất 
khuôn mặt, chƣơng trình thực hiện với 100 
lần thử nghiệm với các khuôn mặt khác nhau 
theo hƣớng trực diện, số lần phát hiện đúng 
khuôn mặt và gửi đƣợc email đạt 98%. 
- Khi ánh sáng kém, hình ảnh khuôn mặt 
không trực diện thì với 100 lần thử nghiệm, 
chƣơng trình chỉ phát hiện đúng khuôn mặt và 
gửi đƣợc email với tỉ lệ 30%. 
Hạn chế của phần mềm điều khiển hệ thống 
đó là việc nhận dạng khuôn mặt để phát hiện 
có ngƣời trong khung hình là không hợp lý 
trong các bài toán an ninh, giám sát. Do 
những đối tƣợng di chuyển vào trong khung 
hình có thể che mặt nên camera không thể 
phát hiện ra đƣợc. Bên cạnh đó còn có những 
vật thể không phải ngƣời nhƣ tranh ảnh, búp 
bê, tuy không phải ngƣời nhƣng vẫn đƣợc 
hệ thống phát hiện khuôn mặt và đƣa ra thông 
báo. Vì thế bài toán có thể phát triển trong 
tƣơng lai là phát hiện ngƣời thông qua hình 
dáng cơ thể nhƣ vậy có thể sử dụng cho nhiều 
trƣờng hợp trong thực tế. Có thể áp dụng hệ 
thống này trong những trƣờng hợp quan sát 
đơn giản, ví dụ nhƣ khi vắng nhà, ngƣời dùng 
có thể dùng hệ thống để biết đƣợc những vị 
khách đã đến thăm. 
Hình 6: Kết quả thực hiện nhận dạng khuôn mặt 
trong điều kiện ánh sáng tốt. 
KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU 
TIẾP THEO 
Bài báo đã trình bày về cơ sở lý thuyết, các 
công cụ hỗ trợ và quá trình xây dựng hệ thống 
phát hiện khuôn mặt và gửi email thông báo 
trên hệ thống nhúng sử dụng hệ điều hành 
Android và vi điều khiển ARM Cortex A8. 
Tác giả đã thử nghiệm hệ thống trên bộ Kit 
Cubie A10 của nhà phát triển CubieTech. Kết 
quả cho thấy chƣơng trình hoạt động tốt, ổn 
định trong điều kiện ánh sáng tốt và hình ảnh 
khuôn mặt trực diện, tuy nhiên, trong những 
điều kiện ánh sáng không tốt và khuôn mặt bị 
che một phần thì việc nhận dạng khuôn mặt 
của hệ thống không đạt hiệu quả cao. Vì vậy, 
trong thời gian tới, tác giả sẽ tiếp tục nghiên 
cứu các phƣơng pháp phát hiện khuôn mặt để 
chƣơng trình đạt hiệu quả tốt hơn. Bài báo có 
thể làm tài liệu tham khảo cho các lập trình 
viên muốn tìm hiểu về cách xây dựng các hệ 
thống quan sát, gửi thông báo trên nền tảng 
Android với nhân vi xử lý ARM Cortex A8. 
TÀI LIỆU THAM KHẢO 
1. All Winner Technology CO.,Ltd, (2011) A10 
development board hardware manual V1.1, 
August 24. 
2. Andrey Pavlenko, (2012) OpenCV for Android, 
Itseez CO. 
3. Andrew King, (2003) “A Survey of Methods for 
Face Detection”. 
4. ARM LTD, (2007) Cortex-A8 Technical 
Reference Manual. 
5. DanaH.Ballard, (1983) Christopher M. Brown, 
Computer Vision, Prentice Hall. 
6. Darren Etheridge, (2012) Android Multimedia 
Engineering Manager,DSP and ARM, Texas 
Instruments. 
7. Gary Bradski, Adrian Kaehler, (2008) Learning 
OpenCV: ComputerVision with the OpenCV 
Library, O'Reilly. 
8. G. Bradski, (Nov 2000) The opencv library, 
Dr.Dobb’s Journal, vol. 25. 
9. OpenCV 3.0.0.0, (2013) dev documentation, 
Face Detection using Haar Cascades, opencv 
dev team. 
10. R. LaganiÃlre, (2011) OpenCV 2 Computer 
Vision Application Programming Cookbook, 
Packt Publishing. 
11. Steve Furber, (2005) ARM-SoC Architecture, 
Addison Wesley Publishing. 
Đoàn Ngọc Phƣơng Tạp chí KHOA HỌC & CÔNG NGHỆ 116 (02): 105 - 110 
110 
SUMMARY 
BUILDING FACE DETECTION AND EMAIL ALERT SYSTEM 
ON ANDROID WITH ARM CONRTEX A8 PROCESSOR 
Phuong Doan Ngoc
*
College of Information and Communication Technology - TNU 
The development of the platform using the Android operating system and ARM processors, along 
with the release of OpenCV version for Android enables programmers to develop applications for 
computer vision embedded systems. In it, the face recognition applications on embedded systems 
today is a very interesting development, but has not been fully exploited. This paper proposes the 
construction method of face recognition system and notify the user by email. The system is 
implemented on the ARM Cubie A10 Kit installed Android OS with ARM Cortex A8 
microcontroller. Through experimentation, the system has achieved good results show the 
effectiveness of the use of embedded systems in the problem of intrusion detection and visual 
warning to the user. 
Key words: ARM, Cortex A8, OpenCV, OpenCV4Android, FaceDetection, Computer Vision, 
Embbed Vision, Android. 
Ngày nhận bài:18/11/2013; Ngày phản biện:26/11/2013; Ngày duyệt đăng: 26/02/2014 
Phản biện khoa học: TS. Phùng Trung Nghĩa – Trường ĐH Công nghệ Thông tin & Truyền thông - ĐHTN 
*
 Tel: 0979 479940, Email: dnphuong@ictu.edu.vn