Tài liệu Nhận dạng vân tay sử dụng mạng neural nhân tạo ứng dụng vào hệ thống thang máy

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGÔ VĂN TIẾN C C NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NEURAL NHÂN TẠO ỨNG DỤNG VÀO R L T. DU HỆ THỐNG THANG MÁY LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỆN TỬ Đà Nẵng – Năm 2020 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGÔ VĂN TIẾN NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NEURAL NHÂN TẠO ỨNG DỤNG VÀO C HỆ THỐNG THANGC MÁY R L . T DU Chuyên ngành : Kỹ thuật Điện tử Mã số : 852.02.03 LUẬN VĂN THẠC SĨ Người hướng dẫn khoa học: TS. TĂNG ANH TUẤN PGS.TS. TĂNG TẤN CHIẾN Đà Nẵng – Năm 2020 LỜI CAM ĐOAN Tôi xin cam đoan mọi kết quả của đề tài: “Nhận dạng vân tay sử dụng mạng neural nhân tạo ứng dụng vào hệ thống thang máy ” là công trình nghiên cứu của cá nhân tôi và chưa từng được công bố trong bất cứ công trình khoa học nào khác cho tới thời điểm này. Học viên thực hiện Ngô Văn Tiến C C DU R L T. TÓM TẮT LUẬN VĂN NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NEURAL NHÂN TẠO ỨNG DỤNG VÀO HỆ THỐNG THANG MÁY Học viên thực hiện : Ngô Văn Tiến. Chuyên ngành: Kỹ thuật điện tử Mã số : Khoá : K37-38. Trường Đại học Bách Khoa – ĐHĐN Tóm tắt – Nhận dạng vân tay là một trong những phương pháp nhận dạng sinh trắc học cá nhân phổ biến và đáng tin cậy. Luận văn mô tả hệ thống nhận dạng vân tay thời gian thực áp dụng vào quản lý sử dụng hệ thống thang máy bao gồm các bước thu nhận hình ảnh, tiền xử lý, trích xuất đặc trưng và nhận dạng. Phần tiền xử lý tăng cường, lọc nhiễu làm rõ đường vân, so sánh hiệu suất, tốc độ của phương pháp xử dụng xử lý ảnh so với phương pháp sử dụng mô hình tích chập phân vùng ngữ nghĩa. Sử dụng mô hình tích chập với phương pháp học một lần trích xuất đặc trưng của vân tay và tính khoảng cách ơ-clid để định danh vân tay. Luận văn trình bày tổng quan về hệ thống sinh trắc học, mạng neural nhân tạo, mạng neural tích chập, phương pháp học một lần, các thuật toán huấn luyện mô hình. Nghiên cứu, thiết kế và thực thi phần mềm và phần cứng, đánh giá chi tiết độ chính xác và thời gian xử lý của hệ thống. Tác giả đã tóm tắt các kết quả đã đạt được và đưa ra hướng phát triển tiếp theo. Từ khoá –tích chập ; phân vùng ngữ nghĩa ; học một lần ; sinh trắc học ; nhận dạng vân tay C C R L T. FINGERPRINT IDENTIFICATION USING ARTIFICIAL NEURAL NETWORK APPLY TO THE ELEVATOR SYSTEM DU Abstract – Fingerprint identification is one of the most popular and reliable personal biometric identification methods. The thesis describes the real-time fingerprint recognition system applied to the management and use of the elevator system, including the steps of image acquisition, pre-processing, feature extraction and identification. Enhanced preprocessing, filter noise to clarify the pattern, compare the performance and speed of the method of using image processing compared with the method of using the semantic segmentation convolution model. Use a convolution model with a one-time learning method that extracts fingerprint features and calculates euclidean distance to identify a fingerprint. The thesis presents an overview of biometric systems, artificial neural networks, convolutional neural networks, one-shot learning methods, and train algorithms. Research, design and implement software and hardware, detail the accuracy and processing time of the system. The author has summarized the results achieved and gave the next development direction. Key words – covolution neural network ; semantic segmentation ; one-shot learning ; biometrics ; fingerprint identification. MỤC LỤC MỞ ĐẦU ......................................................................................................................... 1 1. Tính cấp thiết của đề tài ...................................................................................... 1 2. Mục tiêu nghiên cứu ........................................................................................... 2 3. Đối tượng và phạm vi nghiên cứu ...................................................................... 2 4. Phương pháp nghiên cứu .................................................................................... 3 5. Ý nghĩa khoa học và thực tiễn của đề tài ............................................................ 3 6. Thời gian thực hiện đề tài ................................................................................... 3 7. Cấu trúc luận văn ................................................................................................ 4 Chương 1 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NHẬN DIỆN DẤU VÂN TAY ................................................................................................................................. 5 1.1. Tổng quát về các hệ thống sinh trắc học ................................................................. 5 1.1.1. Các khối và chức năng .................................................................................. 6 1.1.2. Các bước xử lý .............................................................................................. 7 1.2. Cơ sở lý thuyết về vân tay ........................................................................................ 7 1.2.1. Đặc tính vân tay ............................................................................................ 7 1.2.2. Cấu trúc vân tay ............................................................................................ 7 1.2.3 Các đặc trưng vân tay và cách biểu diễn ....................................................... 9 1.3. Các yếu tố ảnh hưởng đến nhận dạng vân tay ........................................................ 10 1.4. Kết luận chương ..................................................................................................... 11 C C R L T. DU Chương 2 GIỚI THIỆU MẠNG NEURAL NHÂN TẠO, MẠNG NEURAL TÍCH CHẬP VÀ ONE-SHOT LEARNING ........................................................................ 12 2.1. Tổng quan về mạng neural nhân tạo....................................................................... 12 2.1.1. Mạng neural nhân tạo là gì ?....................................................................... 12 2.1.2. Cấu trúc của một mạng neural nhân tạo ..................................................... 12 2.2. Kiến trúc mạng neural ............................................................................................ 16 2.3. Huấn luyện mạng neural nhận tạo .......................................................................... 17 2.3.1. Các phương pháp học ................................................................................. 17 2.3.2. Thuật toán huấn luyện mạng neural............................................................ 17 2.3.3. Thuật toán tối ưu Adam .............................................................................. 18 2.4. Mạng neural tích chập (CNN) ................................................................................ 20 2.4.1. Định nghĩa mạng neural tích chập .............................................................. 20 2.4.2. Lớp tích chập .............................................................................................. 20 2.4.3. Lớp tích chập chuyển vị (Transposed Conlution layer) ............................. 22 2.4.4. Lớp tinh chỉnh đơn vị tuyến tính (ReLU layer) .......................................... 23 2.4.5. Pooling layer ............................................................................................... 24 2.4.6. Lớp kết nối hoàn chỉnh (The Fully connected layer) ................................. 25 2.4.7. Hàm mất mát (Loss function) ..................................................................... 25 2.5. One-shot learning ................................................................................................... 26 2.6. Kết luận Chương..................................................................................................... 28 Chương 3 THIẾT KẾ, XÂY DỰNG CHƯƠNG TRÌNH NHẬN DIỆN VÂN TAY SỬ DỤNG ONE-SHOT LEARNING ỨNG DỤNG VÀO HỆ THỐNG THANG MÁY .............................................................................................................................. 29 3.1. Thiết kế mô hình nhận diện vân tay phiên bản với bộ lọc Gabor .......................... 29 3.1.1. Nâng cao hình ảnh vân tay.......................................................................... 30 3.1.2. Nhận dạng hình ảnh vân tay ....................................................................... 35 3.2. Thiết kế mô hình nhận diện vân tay phiên bản với mạng tích chập ....................... 36 3.2.1. Nâng cao hình ảnh vân tay sử dụng mạng phân vùng ngữ nghĩa ............... 37 3.2.2. Nhận dạng hình ảnh vân tay ....................................................................... 38 3.3. Thiết kế thiết bị thu thập, nhận diện vân tay và điều khiển hệ thống thang máy........... 39 3.3.1. Khối thu thập vân tay .................................................................................. 39 3.3.2. Khối xử lý nhận dạng.................................................................................. 39 3.4. Kết luận Chương..................................................................................................... 42 C C R L T. DU Chương 4 KẾT QUẢ ................................................................................................... 43 4.1. Tiêu chí đánh giá .................................................................................................... 43 4.2. Xây dựng cơ sở dữ liệu và phân tích kết quả ......................................................... 44 4.2.1. Xây dựng cơ sở dữ liệu ............................................................................... 44 4.2.2. Đánh giá và so sánh thời gian xử lý, kết quả nhận dạng mô hình nhận diện vân tay phiên bản với bộ lọc Gabor và với mạng tích chập .......................................... 45 4.3. Kết luận chương ..................................................................................................... 46 KẾT LUẬN .................................................................................................................. 47 DANH MỤC TÀI LIỆU THAM KHẢO PHỤ LỤC DANH SÁCH CÁC THUẬT NGỮ TIẾNG ANH, CHỮ VIẾT TẮT Frame Khung hình Object segmentation Phân vùng đối tượng Pre-processing Tiền xử lý Tracking Bám đuổi Feature extraction Trích xuất đặc trưng Pattern recognition Nhận dạng Foreground Vùng chính của ảnh Mathematical Morphology MM Phép toán hình thái học Template matching Đối sánh State-space Không gian-trạng thái Machine learning Học máy Neural Network T U D Dynamic Bayesian Network Support Vector Machine Convolution Neural Network Background Subtraction Statistical Methods Temporal Differencing R L . NN Hidden Markov Model C C Mạng neural HMM Mô hình Markov ẩn DBN Mạng Bayesian động SVM Máy vector hỗ trợ CNN Mạng neural tích chập Trừ ảnh nền Phương pháp dựa trên mô hình thống kê Sự chênh lệch thời gian giữa các khung hình Computer Vision Thị giác máy tính Deep Learning Học sâu Convolution Phép chập Signal processing Xử lý tín hiệu Sliding window Cửa sổ trượt Filter Bộ lọc Feature detector Bộ phát hiện đặc trưng Element-wise Thành phần tương ứng Convoled feature Đặc trưng của phép chập Rectified Linear Unit ReLU Hyperparameter Tinh chỉnh đơn vị tuyến tính Siêu tham số Fully connected FC Loss function Kết nối hoàn chỉnh Hàm mất mát Mean Square Error MSE Smooth Trung bình của bình phương lỗi Làm mượt Short-time Fourier transform STFT Biến đổi Fourier thời gian ngắn True Positives TP Đúng tích cực False Positives FP Sai tích cực True Negatives TN Đúng tiêu cực False Negatives FN Sai tiêu cực Recall RC Tỉ lệ phát hiện đúng Precision PR Độ tin cậy True negative rate True positive rate R L . T U Accuracy D C C ACC Độ chính xác TNR Tỉ lệ đúng tiêu cực TPR Tỉ lệ đúng tích cực DANH MỤC CÁC BẢNG Số hiệu bảng 4.1. 4.2. 4.3. 4.4. Tên bảng Trang So sánh thời gian xử lý của hai phiên bản 45 Kết quả nhận dạng cho mô hình phiên bản với bộ lọc Gabor với bộ dữ liệu kiểm tra Kết quả nhận dạng cho mô hình phiên bản với mạng tích chập với bộ dữ liệu kiểm tra Bảng so sánh kết quả thống kê EER, ACC, FAR, FRR của hai phiên bản với bộ dữ liệu kiểm tra C C DU R L T. 45 45 46 DANH MỤC CÁC HÌNH Số hiệu Tên hình hình Trang 1.1. Mô tả quy trình lấy mẫu vân tay đầu vào 5 1.2. Sơ đồ khối của hệ thống đăng ký [6] 6 1.3. Sơ đồ khối của hệ thống xác thực [6] 6 1.4. Sơ đồ khối của hệ thống định danh [6] 6 1.5. Vùng Whorl, Loop, Arch trên vân tay [8] 8 1.6. 7 chi tiết thường gặp trên vân tay [8] 9 1.7. Các điểm singularity core và delta [8] 9 1.8. Một số loại core thường gặp [6] 9 1.9. Các điểm minutiae Rigde Ending và Bifurcation [9] 10 1.10. Bề mặt của ảnh vân tay với các đường vân (ridge) và các rãnh (ravine) [9] 10 1.11. Hình ảnh vân tay do các yếu tố xấu gây ra. Từ trái qua phải : Sự đổi chỗ, Sự quay, Sự chồng chéo đường vân, Sự nhiễu phi tuyến và méo vân 11 2.1. Mô hình cấu trúc của neural nhân tạo 13 2.2. Một số hàm kích hoạt thông dụng 15 2.3. Mạng tự tổ chức 16 2.4. Mạng có kiến trúc truyền thẳng 16 2.5. Mạng có kiến trúc hồi quy 17 2.6. Sơ đồ huấn luyện mạng neural trong học giám sát với y:Tín hiệu ra của mạng d : Tín hiệu ra mong muốn x Tín hiệu vào của mạng 18 2.7. Hình ảnh minh họa về mạng tích chập 20 2.8. Các thành phần của tích chập[21] 21 2.9. Minh họa tích chập 21 2.10. Ảnh mờ hơn sau khi áp dụng phép tích chập 22 2.11. Ảnh được phát hiện biên sau khi chập 22 2.12. So sánh giữa lớp tích chập và lớp tích chập chuyển vị 23 2.13. Lớp tích chập chuyển vị với ma trận bộ lọc kích thước 2x2. 23 2.14. Đồ thị hàm ReLU 24 2.15. Tính toán với phương pháp MaxPooling 25 2.16. Cấu trúc mạng Triplet 27 C C R L T. DU Số hiệu hình Tên hình Trang 3.1. Sơ đồ mô tả mô hình nhận diện vân tay phiên bản với bộ lọc Gabor 29 3.2. Hình ảnh đầu vào và kết quả sau khi phân vùng vân tay 30 3.3. Hình ảnh đầu vào và kết quả sau khi dự đoán hướng biên cục bộ 31 3.4. Cửa sổ định hướng với trục x 32 3.5. Hình ảnh đầu vào và kết quả sau khi dự đoán tần số biên cục bộ 33 3.6. Bộ lọc Gabor. 34 3.7. Hình ảnh đầu vào và kết quả sau khi nâng cao hình ảnh vân tay. 35 3.8. Kiến trúc mạng MobileNetV2 35 3.9. Bên trong một bottleneck. 36 3.10. Sơ đồ mô tả mô hình nhận diện vân tay phiên bản với mạng tích chập 37 3.11. Kiến trúc mạng MobileNet-Unet 38 3.12. Sơ đồ khối chức năng 3.13. Đầu đọc vân tay R305 3.14. Máy tính nhúng Raspberry Pi 4 Model B 40 3.15. Sơ đồ khối chi tiết của phần mềm nhận dạng 40 3.16. Giao diện chính chương trình nhận diện vân tay trước vào sau khi nhận diện 41 3.17. Giao diện đăng ký mới vân tay 41 4.1. Ma trận phân lớp cho hai loại đối tượng đó: 43 4.2. Các ví dụ mẫu có trong bộ cơ sở dữ liệu vân tay 44 C C R L T. DU 39 39 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Nhận dạng dấu vân tay là một trong những công nghệ sinh trắc học được ứng dụng rộng rãi. Sự phát triển của công nghệ đã làm thay đổi từ việc lăn tay trên mực và lưu trữ trên giấy sang quét trên máy và lưu trữ kỹ thuật số. Nhờ đó đạt được nhiều kết quả quan trọng và trở thành một trong những phương pháp sinh trắc học tin cậy nhất. Đa số các hệ thống bảo mật hiện nay sử dụng mật khẩu hay mã PIN (Personal Identification Number) nhưng không thật sự hiệu quả vì khó nhớ, dễ quên, dễ bị đánh cắp và có nhiều trở ngại trong quá trình sử dụng. Hệ thống nhận dạng sinh trắc học nói chung và vân tay nói riêng ra đời để khắc phục khuyết điểm đó. Độ ổn định, tính phân biệt cao và tính bảo mật tốt là các đặc điểm nổi bật của hệ thống nhận dạng dấu vân tay giúp công nghệ này ngày càng được ứng dụng phổ biến. Thực tế, hiện nay đã có rất nhiều hệ thống nhận dạng dấu vân tay AFIS đạt tới độ chính xác rất cao, được ứng dụng cho các mục đích khác nhau như: bảo mật, giám sát, chấm công… với cơ sở dữ liệu đơn giản hay đồ sộ tùy vào mục đích sử dụng. Được áp dụng trong nhiều lĩnh vực như tài chính, quân sự, y học, kinh tế điện tử,… Trong đó, có thể kể đến các hệ thống nhận dạng dấu vân tay được ứng dụng trong thực tế như: C C R L T. DU · Hệ thống IAFIS của FBI có cơ sở dữ liệu tới hàng trăm triệu vân tay. · Hệ thống điều khiển truy cập: tài khoản ngân hàng, website, cửa ra vào các tòa nhà công cộng, nhà ở thông minh, trường học, bệnh viện, cơ quan chính phủ,… cho việc điều khiển cũng như giám sát theo ý muốn người dùng. Thiết bị nhận dạng vân tay thông minh INVIXIUM X · Thiết bị nhận dạng dấu vân tay cho các bệnh viện, khu công nghiệp, cơ quan như Finger Hamter 2, Verifiti P5100, Secugen Hamter Plus,… · Hệ thống nhận dạng vân tay được sử dụng trên các điện thoại thông minh. 2 Công nghệ Touch ID ứng dụng trên Iphone · Hệ thống giám sát, theo dõi, hộ chiếu điện tử,… · Ứng dụng thay thế thẻ tính tiền siêu thị, thẻ thanh toán quốc tế, thẻ ATM [1]. C C R L T. DU Hệ thống nhận diện vân tay ứng dụng trên máy rút tiền ATM 2. Mục tiêu nghiên cứu Xây dựng một chương trình phần mềm của hệ thống nhận dạng vân tay sử dụng mạng neural tích chập với phương pháp one-shot learning trên máy tính với hiệu suất trên 90% và độ tin vậy cao ứng dụng vào hệ thống điều khiển thang máy. 3. Đối tượng và phạm vi nghiên cứu 3.1. Đối tượng nghiên cứu: ­ Lý thuyết công nghệ sinh trắc và vấn đề bảo mật ­ Cơ sở nhận dạng vân tay ­ Các thuật toán xử lý ảnh 3.2. Phạm vi nghiên cứu: ­ Hệ thống nhận dạng thông minh ­ Phân tích, xử lý ảnh ­ Học máy 3 ­ Cơ sở dữ liệu ­ Thiết kế và phân tích hệ thống 4. Phương pháp nghiên cứu Phương pháp luận của luận văn là kết hợp nghiên cứu lý thuyết và mô phỏng để làm rõ nội dung đề tài. Cụ thể như sau: ­ Nghiên cứu phương pháp nâng cao ảnh vân tay trên cơ sở thuật toán xử lý ảnh. ­ ­ Nghiên cứu mô hình nhận dạng ảnh vân tay. Chương trình nhận dạng vân tay được xây dựng bằng ngôn ngữ Python, với thư viện OpenCV, Tensorflow. Giao diện của chương trình được xây dựng bằng công cụ QtDesign và thư viện PyQT5. ­ Đánh giá kết quả thực hiện. 5. Ý nghĩa khoa học và thực tiễn của đề tài Bên cạnh thuật toán mang ý nghĩa khoa học trong lĩnh vực nhận dạng vân tay, đề tài còn đề xuất phương án xây dựng một chương trình mô phỏng, xử lý ảnh vân tay để đối sánh vân tay và ứng dụng mục đích vào hệ thống thang máy thông minh nhận dạng vân tay. C C 6. Thời gian thực hiện đề tài Thời gian R L T. DU Công việc Xây dựng đề cương chi tiết Tháng 12 / 2019 Nghiên cứu cơ sở lý thuyết nhận dạng vân tay Kết quả dự kiến Hoàn thiện đề cương chi tiết Thực hiện chương 1 Tháng 1 / 2020 Nghiên cứu về hệ thống nhận dạng vân tay Tìm hiểu về phương pháp nhận dạng vân tay Hoàn thiện chương 1 Thực hiện chương 2 Tháng 2 / 2020 Nghiên cứu cơ sở lý thuyết về mạng neural nhân tạo Tìm hiểu về mô hình mạng neural tích chập, one-shot learning Hoàn thiện chương 2 Thực hiện chương 3 Tìm hiểu về thuật toán huấn luyện mạng neural tích chập Viết chương trình Hoàn thiện chương 3 và chương 4 Hoàn chỉnh toàn bộ luận văn Kết luận và đề xuất hướng phát triển đề tài Hoàn thiện luận văn Tháng 3 – 5/2020 Tháng 6 / 2020 4 7. Cấu trúc luận văn Với đề tài “Nhận dạng vân tay sử dụng mạng neural nhân tạo ứng dụng vào hệ thống thanh máy”, Tập trung vào việc nghiên cứu, xây dựng và thực thi hệ thống nhận dạng dấu vân tay sử dụng mạng neural tích chập với phép học one-shot. Nội dung đồ án gồm 4 chương : Chương 1 : Tổng quan về các phương pháp nhận dạng vân tay Chương 2 : Giới thiệu mạng neural nhân tạo, mạng neural tích chập và one-shot learning Chương 3 : Thiết kế, xây dựng chương trình nhận diện vân tay sử dụng one-shot learning ứng dụng vào hệ thống thang máy Chương 4 : Thực nghiệm và kết quả đánh giá C C DU R L T. 5 Chương 1 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NHẬN DIỆN DẤU VÂN TAY Ngày nay, kỹ thuật sinh trắc học được ứng dụng ngày càng rộng rãi. Trong đó, nhận dạng dấu vân tay được xem là một trong những kỹ thuật hoàn thiện và đáng tin cậy nhất. Chương này trình bày tổng quát các hệ thống sinh trắc học và sơ lược về các quá trình cần thiết và điều cần quan tâm khi xây dựng hệ thống nhận dạng dấu vân tay. 1.1. Tổng quát về các hệ thống sinh trắc học Kết quả của việc xây dựng các hệ thống sinh trắc học thực tế là xác định xem đặc trưng riêng của các nhân sẽ được nhận biết như thế nào. Dựa vào phạm vi ứng dụng, hệ thống sinh trắc học có thể được gọi là hệ thống đăng ký, hệ thống xác thực hoặc hệ thống nhận dạng. C C R L T. DU Hình 1.1. Mô tả quy trình lấy mẫu vân tay đầu vào Hệ thống đăng ký mẫu (Enrollment System) thực hiện các việc lấy vân tay sau đó trích xuất các đặc trưng đi kèm của vân tay đó sau đó lưu lại tập đặc trưng đó làm database để xây dựng các hệ thống nhận dạng. Hệ thống xác thực (Verification System) dùng để chứng thực một cá nhân có thuộc hệ thống hay không, bằng cách so sánh đặc tính sinh trắc học thu được với mẫu sinh trắc học được lấy trước đó của cùng một cá nhân và đã được lưu trong hệ thống. Hệ thống xác thực có thể từ chối hoặc chấp nhận định danh mà cá nhân khai báo. Hệ thống định danh (Identification System) thực hiện nhận dạng cá nhân bằng cách tìm kiếm trong toàn bộ cơ sở dữ liệu để nhận dạng. Việc so sánh một – nhiều này được thành lập nếu dữ liệu của cá nhân đó hiện có trong cơ sở dữ liệu và hệ thống sẽ trả về định danh của mẫu trong cơ sở dữ liệu trùng khớp với cá nhân đó. Trong trường hợp không tìm thấy mẫu trùng khớp hệ thống sẽ đưa ra thông báo phù hợp. 6 Hình 1.2. Sơ đồ khối của hệ thống đăng ký [6] Hình 1.3. Sơ đồ khối của hệ thống xác thực [6] C C R L T. DU Hình 1.4. Sơ đồ khối của hệ thống định danh [6] 1.1.1. Các khối và chức năng Scanner: đây là khối quan trọng để thu thập mẫu vân tay thông qua bộ cảm biến sinh trắc học thường là đầu đọc vân tay. Ngoài ra, khối này còn có thể có các thành phần khác như bàn phím, màn hình,… để lấy mẫu các loại dữ liệu khác trong một hệ thống nhận dạng dấu vân tay. Feature extractor: đây là khối sẽ rút trích đặc trưng từ vân tay thu thập được từ khối scanner đầu vào. Mục đích của khối rút trích đặc trưng này để tạo ra mẫu với những chi tiết riêng biệt của vân tay đó nhưng không gian nhỏ hơn để nhận dạng vân tay. Đây chính là cơ sở cho việc nhận dạng. Template Storage: khối dùng để lưu trữ những tập đặc trưng ứng với từng vân tay sau đó sắp xếp và lưu trữ trong hệ thống. Matcher: khối đối sánh thực hiện so khớp giữa tập đặc trưng được lưu trữ trong khối lưu trữ và tập đặc trưng vân tay đầu vào bằng cách tính toán sự tương đồng của từng cặp điểm giữa tập đặc trưng sau đó so sánh với ngưỡng cho trước để cho ra kết quả cuối cùng. Nếu điểm trùng khớp lớn hơn ngưỡng thì cá nhân đó được chấp nhận, ngược lại thì bị từ chối. 7 1.1.2. Các bước xử lý Sử dụng bốn thành phần trên, ba bước xử lý có thể được thực hiện là đăng ký, xác thực và định danh. Hệ thống xác thực sử dụng các bước đăng ký và xác thực còn hệ thống định danh sử dụng các bước đăng ký và định danh. Sau đây là ba bước xử lý: ­ Đăng ký: người dùng đăng ký thông tin cá nhân vào hệ thống lưu trữ sinh trắc học. Trong suốt quá trình đăng ký, các đặc trưng sinh trắc học của đối tượng được lấy bằng máy quét sinh trắc học để tạo thành mẫu. Bước kiểm tra chất lượng được thực hiện để chắc chắn rằng mẫu lấy được sẽ được xử lý một cách tin cậy ở các bước kế tiếp. Sau đó, khối trích đặc trưng được sử dụng để tạo ra tập đặc trưng và tạo mẫu đăng ký. Cuối cùng, mẫu sẽ được đưa vào lưu trữ trong hệ thống cùng với các thông tin của người dùng. ­ Xác thực: bước xác thực thích hợp cho việc khẳng định lại việc khai báo định danh của đối tượng. Trong suốt quá trình nhận dạng, ID của đối tượng được cung cấp để khai báo danh tính, máy quét sinh trắc học sẽ lấy các đặc trưng của đối tượng và chuyển nó sang mẫu và được xử lý kỹ hơn bằng bước trích đặc trưng để hình thành tập đặc trưng. Tập đặc trưng này sẽ được đưa vào khâu đối sánh để so sánh với mẫu đã đăng ký của đối tượng. Bước xác thực sẽ quyết định là khớp hay không khớp. ­ Định danh: trong quá trình định danh, đối tượng không cần khai báo ID và hệ thống sẽ so sánh tập đặc trưng của đối tượng lấy từ mẫu sinh trắc học từ máy quét với tất cả các mẫu có trong cơ sở dữ liệu, kết quả đầu ra là danh sách các đối tượng rỗng (nếu không trùng khớp) hoặc bao gồm một hoặc nhiều ID trùng với mẫu đã đăng ký. C C R L T. DU 1.2. Cơ sở lý thuyết về vân tay 1.2.1. Đặc tính vân tay Tính cá thể: không có sự giống nhau tuyệt đối hai vân tay của hai người bất kì trên thế giới dù đó là song sinh cùng trứng. Tính bền vững: vân tay của một người không thay đổi trong suốt thời gian sống. Nếu có gặp phải tổn thương thì vân tay sẽ phục hồi lại cấu trúc đường vân trước đó. Tính pháp lý: vân tay này được ghi nhận về mặt pháp lý. Đồng thời chúng ta cũng có rất nhiều công cụ hữu hiệu để chứng minh tính xác thực của một vân tay như là kỹ thuật phân tích méo, kỹ thuật tách vân. 1.2.2. Cấu trúc vân tay Vân tay được thu nhận từ lớp biểu bì da với cấu trúc dễ nhận thấy nhất là vân lồi và vân lõm. Trong ảnh vân tay, vân lồi có màu tối trong khi vân lõm có màu sáng. Vân lồi có độ rộng từ 100 µm đến 300 µm. Độ rộng của một cặp vân lồi lõm cạnh nhau là 500 µm. Cấu trúc đường vân có thể khôi phục khi gặp chấn thương. Vân lồi và 8 vân lõm thường chạy song song với nhau rồi có thể rẽ nhánh hoặc kết thúc. Ở mức độ tổng thể, vân tay có thể chia thành các dạng là loop, delta, whorl và được kí hiệu tương ứng là ∩, Δ , Ω. Vùng whorl có thể được mô tả bởi hai vùng loop đối diện nhau. C C R L T. DU Hình 1.5. Vùng Whorl, Loop, Arch trên vân tay [8] Ở mức độ cục bộ, Francis Galton (1822-1911) là người đầu tiên phân loại chi tiết theo bốn loại bao gồm: điểm kết thúc, điểm rẽ hai, điểm rẽ ba và điểm không xác định. Trong khi đó mô hình chi tiết của cục điều tra liên bang Mỹ chỉ có hai loại chi tiết là điểm kết thúc và điểm rẽ hai. Mỗi chi tiết được đặc trưng bởi phân lớp, hệ tọa độ (x,y), góc tạo bởi tiếp tuyến của đường vân tại chi tiết và trục ngang. [3] Theo giải phẫu vân tay thì có 7 loại chi tiết trên vân tay như hình bên dưới: ­ Vân kết thúc: Ridge ending. ­ Vân rẽ nhánh: Bifurcation. ­ Vân vòng: Lake. ­ Vân độc lập: Independent Ridge. ­ Vân đơn: Point or Island. ­ Vân cựa gà: Spur. ­ Vân chéo: Crossover 9 Hình 1.6. 7 chi tiết thường gặp trên vân tay [8] 1.2.3 Các đặc trưng vân tay và cách biểu diễn Trên các ảnh vân tay có các đặc điểm đặc trưng. Đó là những điểm đặc biệt mà vị trí của nó không trùng lặp trên các vân tay khác nhau. Điểm đặc trưng của vân tay được phân thành hai loại là singularity và minutiae. 1.2.3.1 Điểm Singularity Đây là những vùng có cấu trúc khác thường so với những vùng bình thường khác (thường có cấu trúc song song) được gọi là singularity. Có hai loại singularity là core và delta. C C R L T. DU Hình 1.7. Các điểm singularity core và delta [8] Điểm core thường có một số dạng như sau: Hình 1.8. Một số loại core thường gặp [6]