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]
- Xem thêm -