Đề tài trắc học bàn tay

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG BÁO CÁO CÁ NHÂN XỬ LÝ ẢNH ĐỀ TÀI “Trắc học bàn tay” Chương 5 Nhận diện trắc học bàn tay 5 1 Trắc học bàn tay dưới góc nhìn lịch sử Hình học bàn tay là một công[.]

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

BÁO CÁO CÁ NHÂN

XỬ LÝ ẢNH

ĐỀ TÀI: “Trắc học bàn tay”

Chương 5: Nhận diện trắc học bàn tay

5.1 Trắc học bàn tay: dưới góc nhìn lịch sử

Hình học bàn tay là một công nghệ nhận diện với lịch sử sử dụng lâu đời những bức vẽ cổ đại trong Hang Chauvet có niên đại lên đến 31,000 tuổi carbon Vài người cho rằng dấu tay để lại trên bức vẽ là chữ ký độc nhất của người vẽ Đây, có lẽ là lần đầu tiên Trắc học Bàn tay được sử dụng cho việc xác thực, nhưng không hoàn toàn là cuối cùng

Tháng 7 năm 1858, ông William Herschel đã nhờ Rajyadhar Konai, một

thương nhân, in dấu tay lên bản hợp đồng để ràng buộc Konai với các điều

lệ Và đây là lần đầu tiên bản lưu lại trắc học bàn tay và ngón tay cho mục đích xác thực ra đời

Chiếc máy quét Trắc học Bàn tay dùng cho mục đích thương mại tên

Identimat được trình bày bởi Identimation vào đầu những năm 1970 Thiết bị này dùng bóng đèn 1000W để kích hoạt các cảm biến bằng quang trở cho việc ước lượng hình dạng của bàn tay Công ty Identimation được mua lại bởi một công ty mới, Identimat được bán lại cho tập đoàn Wackenhut và giao cho công ty con của họ là Stella Systems Identimat tiếp tục được sản xuất cho đến 1987

Các thành viên Stella System quyết định hình thành Recognition System năm

1986, để phát triển phương pháp cải tiến cho Trắc học Bàn tay, tận dụng chi phí thấp của số hoá hình ảnh và công nghệ xử lí ảnh, nhắm đến sự đại trà

Tổ chức Biomet Partners, thành lập năm 1992, đã phát triển một thiết bị nhận dạng hai ngón, áp dụng nguyên tắc trắc học bàn tay cho ngón trỏ và ngón giữa Thiết bị này của Biomet Partners được đưa lên thị trường từ năm 1995 Bắt đầu với 2 camera số, và hàng ngàn các phụ kiện được cài đặt trên toàn Thế Giới

Máy Identimat Máy nhận diện 2 ngón

5.2 Lịch sử phát triển

Giữa thập niên 1960, Robert Miller, khi đang nghiên cứu quân phục cho quân đội đã phát hiện ra trong báo cáo về kích thước bàn tay khác nhau đối với mỗi người và có thể phân biệt được từng cá nhân Điều này làm cho nhà phát minh có được khao khát để xây dựng nên thiết bị đầu tiên có khả năng tự động xác minh Trắc học Bàn tay

Bản vẽ tay minh hoạ máy nhận dạng tay

Chức năng nhận dạng mẫu của thiết bị này được thực hiện hoàn toàn bằng

cơ khí 4 thanh nạp lò xo được sắp xếp để cho người dùng đặt tay lên một cách hợp thức, đầu các ngón tay di chuyển các thanh để đầu đối diện đảm nhận việc ánh xạ độ dài tương đối ngón tay của người sử dụng Nếu mẫu này phù hợp với những lỗ được khoan trên thẻ nhận dạng của người dùng, như một công tắc đơn giản, thứ có thể dùng đển vận hành khoá điện tử, được kích hoạt

Trong phiên bản thương mại của thiết bị này, Máy Identimat, những tanh nạp

lò xo được thay thế bằng kỹ thuật cảm biến bằng quang trở bên dưới những rãnh mà ngón tay đạt lên Một bóng đèn 1000W đạt bên trên để chiếu bóng xuống mặt phẳng Cùng gắn với một đầu đọc từ tính, như vậy vừa quét được bàn tay vừa quét được thẻ từ của người dùng Nếu xung đọc từ thẻ trùng khớp với tín hiệu từ những cảm biến quang trở, danh tính người dùng được xác minh Sản phẩm này được sử dụng thành công trong đa dạng ứng dụng bao gồm An ninh Vũ khí Hạt nhân, nhân viên thu âm Time and Attendance và một số thiết bị điều khiển truy cập Identimat bị dừng vào năm 1987

ID3D là một cuộc cách mạng trên nhiều phương diện tiến bộ công nghệ mang trong Trắc học Bàn tay Nhà phát triển đã nhận ra không chỉ gạt bỏ những thứ xấu đi, mà còn thêm những diều tốt vào mỗi lần Trong khi phần còn lại của ngành Công nghiệp Sinh Trắc Học tập trung vào các mức bảo mật cao nhất, ID3D lại được thiết kế để bảo đảm Từ chối Sai (False Reject) có tỷ lệ thấp

trong ứng dụng đời sống Công nghệ này cung cấp một cách nhất quán cho người dùng được uỷ quyền và ngăn cản toàn lực cho những truy cập không được uỷ quyền Độ tin cậy này làm cho ID3D trở thành thiết bị Sinh trắc học đầu tiên dành riêng cho thị phần lớn Cùng lúc đó độ bảo mật không bị tổn hại, bằng chứng là thiết bị này được sử dụng ở những nơi yều cầu độ bảo mật cao như là phòng nghiên cứu vũ khí hạt nhân quốc gia và nhà máy điện hạt nhân Mọi nhà máy Năng lượng Hạt nhân đang vận hành tại Mỹ đều sử dụng Trắc học Bàn tay cho điều khiển truy cập

Cuối cùng có lẽ là quan trọng nhất, ID3D được thiết kế là một giải pháp

thương mại hóa thành công cho chi phí người tiêu dùng và lợi tức của nhà sản xuất ID3D đem lại lợi nhuận sớm cho Recognition Systems và tiếp tục tạo nên những lợi tức nhỏ cho tới ngày nay Có thể nói rằng từ khi sự bất đầu của việc thương mại hóa sinh trắc học với việc giới thiệu của Identimat vào năm 1972 cho tới hiện tại, phần lớn lợi nhuận của ngành công nghiệp sinh trắc học đến từ ID3D và các phiên bản của nó

Vào năm 1992 Biomet Partners được thành lập để phát triển phiên bản 2 ngón tay của máy đọc bàn tay Digi-2 được giới thiệu trên thị trường vào 1995

và được sử dụng rộng rãi khắp thế giới Thiết bị này sử dụng một camera CCD để ghi lại hình ảnh kỹ thuật số của ngón tay Hình ảnh được lấy từ 2 góc nhìn nên thuộc tính 3 chiều của ngón tay được ghi lại Một vi xử lý được sử dụng để triết xuất các đặc tính phân biệt nhận dạng từ hình ảnh và so sánh chúng với những đặc tính lấy từ bảng ghi danh Mẫu của bản ghi danh dài 20 byte Thiết bị VeryFact Access Control Terminal được dựa trên camera từ Digi-2

5.3 Những ứng dụng thú vị

Tiến bộ của các thiết bị sinh trắc trong thương mại cho thấy sự báo hiệu to lớn trong thập niên 1970 khi mà Identimat được cài đặt là một phần của hệ thóng chấm công của Shearson Hamill, một công ty đầu tư Wall Street

Ứng dụng chung lâu đời nhất còn được sử dụng thuộc về Đại học Georgia

Từ năm 1973 đã lắp đặt máy Identimat để giới hạn lượng tham gia tiệc all-you-can-eat Hệ thống vẫn được vận hành hằng ngày cho đến nay và đã được nâng cấp vài lần cùng với sự tiến bộ của Trắc học Bàn tay

Và nhiều ứng dụng khác bao gồm:

kiếm soát

bầu cử

- Sân bay quốc tế San Francisco

- Những trung tâm giữ trẻ dùng sinh trắc bàn tay để xác nhận người nhà Trường Lotus Development và New Mexico Elementary là ví dụ

dõi du khách qua lại cửa khẩu

- Tất cả những nhà máy điện đã và đang hoạt động tại Hoa Kỳ

5.3.1 Những nguyên tắc ứng dụng

Những đặc tính cho thấy ứng dụng phù hợp:

 Quan trọng tỷ lệ đúng cao

Những đặc tính cho thấy ứng dụng không phù hợp:

Những yếu tố ảnh hưởng đến hiệu suất:

sáng quá lớn

 Dị tật hoặc biến dạng bàn tay

Nhìn chung, Trắc học bàn tay đã tìm thấy những ứng dụng thành công trong Kiểm soát truy cập vật lý và thu thập dữ liệu chấm công Nó ít phù hợp hơn với những ứng dụng như kiểm soát cửa khẩu, ID quốc gia, bảo mật PC và những ứng dụng khác có cùng những đặc tính không phù hợp nêu trên

5.4 Công nghệ

Khi người dùng đưa vào một mẫu sinh trắc, các hệ thống trắc học bàn tay đi theo các bước cơ bản như nhau: thu thập mẫu, xử lí mẫu gốc thành một bản mẫu sinh trắc, và so sánh với những bản mẫu khác có sẵn từ cơ sở dữ liệu

5.4.1 Chụp hình bàn tay

Chụp mẫu vật sinh trắc thường được thực hiện bằng một camera quang học tiêu chuẩn hoặc một máy quét hình phẳng Hình học bàn tay dựa trên phân tích đường viên của bàn tay, những hệ thống nhị phân hóa hình ảnh chụp được thành một hình bóng trắng đen

Mô tả chụp lấy bóng bàn tay

Một số loại máy có thể lấy thông tin 3D từ 1 camera bằng cách thêm tấm

gương và trong hệ thống Phụ thuộc vào vị trí đặt gương mà có thể mang lại

một góc nhìn trực giao hoặc góc nhìn ngoài trục của bàn tay Độ phân giải hình ảnh của những máy này thường thấp hơn so với những máy nhận dạng vân tay Do đó chúng ít bị ảnh hưởng bởi những biến đổi của bàn tay hơn

5.4.2 Xử lý

Một số máy nhận dạng tay phụ thuộc vào vị trí đặt tay, do đó trước khi bắt đầu quét cần phải căn chỉnh vị trí của các ngón tay trên máy

Xử lý hình ảnh chụp được khác nhau rất nhiều với những hệ thống trắc học bàn tay khác nhau Những hệ thống thương mại hóa và hầu hết các hệ thống học viện bắt đầu bằng việc đo những đặc tính sinh trắc trong hình ảnh nhị phân hóa Việc đo đạt bao gồm độ dài, rộng ngón tay, vùng tiếp xúc bề mặt, góc giữa các mốc, và tỉ lệ các số liệu

Ví dụ cho quét nhận dạng bàn tay

Những đặc tính sinh trắc bắt nguồn từ đó thường cho thấy rất nhiều sự tương quan với nhau, làm cho việc phân lớp trở nên khó khăn Những phương pháp như PCA thường được sử dụng để biến đổi những đặc tính gốc thành những tập đặc tính khác nhau, từ đó làm đơn giản hóa quá trình phân lớp

5.4.3 Phân lớp

Các bước phân lớp xác định số lượng các mức độ tương đương giữa hai bản mẫu bàn tay Cách tiếp cận phổ biến nhất là tận dụng khoảng cách Euclide, nhưng cũng có các ghi nhận về cách khác Những phương pháp này cũng bao gồm phương pháp tương quan, PCA, và tính sự liên quan sai số giữa các điểm giữa các đường biên bàn tay Tham khảo vài thực thi về phân lớp/ so sánh, bao gồm Mô hình Gaussian hỗn hợp

5.4.4 Mẫu thích nghi

Mẫu thích nghi cải thiện hiệu suất của hệ thống sinh trắc học bàn tay bằng cách thích ứng với những thay đổi sinh lý của người dùng qua thời gian

Những thay đổi có thể bắt nguồn từ, ví dụ như, tăng cân, sụt cân, sưng bàn tay, hay giai đoạn đầu của những bệnh thoái hóa như viêm khớp mẫu thích nghi không thể thích ứng được với những thay đổi mạnh trên hình học bàn tay xảy ra đột ngột như mất một bộ phận nào đó trong một vụ tai nạn

5.5 Hiệu suất

Các yếu tố gây ảnh hưởng đến khả năng nhận dạng của thiết bị nhận dạng sinh trắc bàn tay gồm:

Máy chụp: mỗi nhà nghiên cứu dùng mỗi loại camera hay mặt quét khác

nhau, dân đến sự khác nhau về độ phân giải, tương phản, và thị sai

Kích cỡ tập dữ liệu: báo cáo cho thấy vài tập dữ liệu dùng một số lượng nhỏ người dùng hay vị trí đặt tay gây nên sự thiếu chắc chắn trong việc so sánh với tập có cùng độ lớn

Nhân khẩu học: hầu hết tập dữ liệu đều lấy từ sinh viên (do đa số đều được thực hiện tại những trường đại học hoặc cao đẳng) Nhưng một vài lại dựa trên những nhóm khác Mỗi nhóm nhân khẩu học lại có cơ thể vật lí hay hành

vi khác nhau ảnh hưởng đến việc đặt tay

Hình ảnh chất lượng kém: không có bài báo cáo nào đề cập về giải quyết đặt tay sai quy tắc Người với bệnh viêm khớp (hoặc tương tự) có thể không đặt tay của họ đúng chuẩn Người có dị tật tay có thể làm cho thuật toán hoang mang vì cố tìm ngón tay “bình thường” Các phụ kiện đeo kèm hay các loại băng bó cũng gây khó khăn cho việc nhận dạng

Thói quen: người dùng tương tác với hệ thống có thể thay đổi thói quen của

họ theo thời gian, làm giảm tỷ lệ sai khi đo

Phòng thí nghiệm vs kiểm tra hoạt động: hầu hết tập dữ liệu được lấy từ môi trường nghiên cứu, nhưng trong thực tế có thể bị xen vào bởi nhiều yếu tố khác nhau

Ràng buộc đặt tay: việc ràng buộc bàn tay(ví dụ như thông qua bộ phận ghim ngón tay) giảm độ đa dạng mẫu đưa lên thuật toán dẫn tới việc tạo ra những vấn đề dễ hơn cho thuật toán giải quyết

Số liệu: ví dụ, vài kết quả được công khai không thể hiện răng họ chụp từ lần thử đầu hay lần thứ 3

Thời gian: vì tay có thể thay đổi theo thời gian, nó làm cho vấn đề so với so sánh và xác nhận mẫu với những hình ảnh được thu thập từ hàng tháng trước khó hơn so với những hình ảnh lấy được từ cùng 1 khoảng thời

gian(cách vài giây)

5.6 Chuẩn hoá

Ngành công nghiệp sinh trắc càng phát triển thì tiêu chuẩn sẽ càng trở nên xa vời so với lúc đầu Do đó, để đảm bảo khối dữ liệu xác minh chính xác và được phân tách, chúng thường được kết hợp với những tiêu chuẩn khác như

là BioAPI hay CBEFF

Những trao đổi tiêu chuẩn dữ liệu sinh trắc đã được công khai để đồng bộ cho những phương thức sinh trắc khác như tròng mắt, khuôn mặt và bàn tay Tiêu chuẩn tiếp cận rộng nhất ngày nay là ANSI/NIST-ITL 1-2000

Tiêu chuẩn quốc tế Hoa Kì cho trắc học bàn tay là ANSI INCITS 396-2005, chi tiết về một khối dữ liệu chứa một hay nhiều bóng của bàn tay Để giảm thiểu kích cỡ của khối dữ liệu, Hình được mã hóa sử dụng Freeman Chain Code Tiêu chuẩn sinh trắc quốc tế được quản lý bởi những nhà bảo trợ của Joint Technial Committee được thành lập bởi Internaltional Standards Organization (ISO) và Internaltional Electrontechnical Commission (IEC) Một trong những tiêu chuẩn sinh trắc, ISO/IEC 19794, miêu tả khối dữ liệu sinh trắc Phần 10 của tiêu chuẩn nói chi tiết về một định dạng dữ liệu cho mã hóa hình bóng bàn tay sử dụng Freeman Chain Code ISO/IEC 19794-10 rất giống với ANSI INCITS 396-2005, dù 2 thứ không tương thích nhị phân với nhau Tài liệu về ISO/IEC được vài người cho rằng là bản cải tiến của tiêu chuẩn US

5.7 Những hướng phát triển tương lai

Nghiên cứu hiện tại của trắc học bàn tay có vẻ như đang tập trung vào 2 mảng:

 Hạ thấp tỉ lệ ghép sai, và

Vào cuối 2006, Recognition Systems thông báo một sản phẩm hình học bàn tay dựa trên một mẫu 20-byte lớn hơn, nó mang lại hiệu suất cao hơn so với mẫu 9-byte sử dụng trong những mô hình trước đó Độ phân giải quang học cao hơn sẽ dẫn đến tỉ lệ ghép sai thấp hơn cho sản phẩm mới

Những nhà nghiên cứu học viện đã cung cấp các thuật toán hình học bàn tay cho phép việc đặt bàn tay không bị hạn chế trên một bề mặt quét Ít nhất một nhà nghiên cứu đã đi tới bước xa hơn là loại bỏ bề mặt quét hoàn toàn, yêu cầu người dùng chỉ cần vẫy tay trước camera từ một khoảng cách Hệ thống

đó xác định được nếp gấp của những đốt ngón tay trong một hình ảnh trắng đen, sau đó kết hợp với những thông tin với dữ liệu nhận dạng khuôn mặt thu được từ cùng một hình ảnh

Vẫn chưa rõ đâu là giới hạn hiệu suất cho trắc học bàn tay, thuật toán ngày càng đổi mới và trở nên tiến bộ hơn mỗi lần; điều này ám chỉ rằng hiệu suất không bị giới hạn bởi nội dung của bàn tay mà là thuật toán triết xuất nội dung

đó

- HẾT -