Đề tài nhận diện mống mắt

1 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG KHOA CÔNG NGHỆ THÔNG TIN II

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

KHOA CÔNG NGHỆ THÔNG TIN II

-🕮 -

BÀI BÁO CÁO

Tên đề tài:

Nhận diện mống mắt

Môn: Xử lí ảnh

Mục lục

I.Giới thiệu 3

II.Lịch sử nghiên cứu 3

III.Quá trình nhận dạng 3

1 Active Contours, Flexible Generalized Embedded Coordinates 3

2.Hiệu chỉnh góc nhìn lệch trục 5

3.Xác định và loại bỏ lông mi 6

4.Chuẩn hóa điểm thay thế 7

5.Adapting for Large-Scale Applications 8

6.Tốc độ và hiệu xuất 9

IV.Ứng dụng 10

V.Kết luận 11

VI.Tài Liệu tham khảo 11

I.Giới thiệu

Nhận diện mống mắt (Iris Recognition) là công nghệ bảo mật hoạt động dựa trên đặc điểm duy nhất của mống mắt để nhận diện một người nào đó, phương pháp này hoạt động chính xác và khó vượt qua hơn nhiều công nghệ bảo mật vân tay Trong những năm trở lại đây nhận diện mống mắt đã có những bước phát triển mạnh mẽ Những hệ thống nhận diện mống mắt khác nhau được nghiên cứu và công bố với kết quả rất tốt ngày càng có nhiều ứng dụng của công nghệ nhận diện mống mắt được triển khai trong thực tế, ngay cả chiếc điện thoại di động với kích thước nhỏ gọn cũng đã được triển khai công nghệ này

II.Lịch sử nghiên cứu

Những mô tả về mống mắt đã được xuất hiện từ rất lâu trước đây được ghi lại bằng các bản khắc trên đá, đồ tạo tác bằng gốm được tìm thấy ở Ai Cập, Hi Lạp, và trên vùng đất của vương quốc Chaldea cổ xưa Ý tưởng được dùng mống mắt để định danh xuất hiện lần đầu tiên vào năm 1885 bởi một nhà vật lý người Pháp Alphonse Bertillon dựa theo màu sắc và pattern type Năm 1949 nhà nhãn khoa người Anh James Doggart đã nhận xét một cách chi tiết về đội phức tạp của iris pattern và gợi ý rằng có thể dùng mống mắt để định danh tương tự dấu vân tay Năm 1987 hai nhà nhãn khoa người Mỹ là Flom và Safir

đã được cấp bằng sáng chế về nhận diện mống mắt Họ thừa nhận đã bắt gặp ý tưởng trên trong quyển sách được viết bởi Doggart và họ chưa có cách nào để hiện thực hóa ý tưởng Năm 1994 tiến sĩ Daugman đã được trao bằng sáng chế cho thuật toán nhận dạng của mình Năm 1995 sản phẩm đầu tiên được thương mại hóa Năm 2005 lượng lớn các bằng sáng chế bao gồm các khái niệm cơ bản về nhận diện iris đã hết hạn mang lại cơ hội cho các công ty khác phát triển hệ thống của riêng họ và mở ra một bước phát triển mới cho lĩnh vực này

III.Quá trình nhận dạng

1 Active Contours, Flexible Generalized Embedded Coordinates

Công việc đầu tiên của quá trình nhận diện mống mắt là quá trình phân đoạn Trong quá trình này chúng ta sẽ thực hiện tìm kiếm của mống mắt trong hình ảnh cho trước Phân chia đường biên giữa mống mắt với đồng tử, cũng mạc phát hiện đường biên của mí mắt trên và dưới Đồng thời loại bỏ hình ảnh lông mi hay hình ảnh phản chiếu từ kính mắt, giác mạc Điều này hết sức quan trọng trong việc lập bản đồ móng mắt ngay cả khi hình ảnh của mống mắt bị khuyết một phần bởi vì ánh xạ của hình ảnh mống mắt trong một không gian(bất biến về kích thước và sự giãn nở của đồng tử) Sai sót trong quá trình phát hiện, mô hình hóa và biểu diễn các đường biên này có thể làm thay đổi kết quả của quá trình nhận diện

Hình ảnh mống mắt thường bị nhầm lẫn có hình khuyên nhưng thực tế không phải vậy Đường biên bên trong và bên và bên ngoài của móng mắt không đồng tâm với nhau và có thể bị che khuất một phần do mí mắt trên và dưới Bên cạnh đó hình ảnh từ sự phản chiếu trên kính cũng có thể tạo ra nhận diện sai cho đường biên trong và đường biên ngoài

Giải pháp cho vấn đề này là mô tả biên trong và biên ngoài của móng mắt dưới dạng

“Active Contours” dựa trên mở rộng chuỗi Fourier rời rạc Với mỗi phần tử trong chuỗi Fourier rời rạc có tần số là bội của 1/2𝜋 Việc lựa chọn tần số của mỗi phần tử trong chuỗi Fourier cho phép điều chỉnh mức độ tính toán và độ chính xác của thuật toán Active Contours cho phép lập bản đồ đẳng áp mô hình mống mắt bất kể hình dạng thực tế các đường biên Giả sử mô hình đường biên cho đường biên đồng tử có tọa độ là

(𝑥p(𝜃),𝑦p(𝜃)), 𝜃 ∈ [0; 2𝜋] tương ứng đường biên cho đường biên củng mạc có tọa độ là (𝑥s(𝜃),𝑦s(𝜃)) Sau đó ánh xạ của I(x,y) trong một hệ tọa độ bất biến về hình dạng, kích thước và giãn nở đồng tử được biểu diễn bởi công thức:

Trong đó r ∈ [0; 1] và

Bằng cách này hiệu xuất nhận diện với những mẫu khó được tăng lên rõ rệt

2.Hiệu chỉnh góc nhìn lệch trục

Một điểm yếu của hệ thống nhận diện mống mắt hiện tại là yêu cầu hình ảnh của mắt không bị lệch trục Vấn để dề này có thể được giải quyết phần nào nếu như các thông số của ánh nhìn từ đó được tính toán một cách tin cậy Boairaj và cộng sự của mình đã tiếp cận vấn đề bằng cách tối ưu hóa giá trị vi tích phân với đường biên nhận dạng được Thông số về ánh nhìn bao gồm hai góc cầu Nếu đơn giản hóa các giả định (như hình ảnh trên cũng phụ thuộc vào khoảng cách giữa mắt và máy ảnh thường không thể xác định và

cả độ cong bề mặt của mống mắt) thì một phép biến affine có thể giúp nhận biết một mống mắt ở nhiều góc độ khác nhau

Bản chất của vấn đề là ước tính hai góc cầu của ánh nhìn khi mà móng mắt không bị che khuất với chính nó Bằng cách giả định khi nhìn thẳng đồng tử có dạng hình tròn Từ đó dùng hình dạng đồng tử (elip) thu được để tính toán hai gốc cầu của ánh nhìn Nhưng có một phương pháp tốt hơn là sử dụng lượng giác dựa trên Fourier Phương pháp này không cần phải giả định đồng tử có dạng hình cầu

Do đó, chúng ta có thể suy ra các tham số độ lệch hướng nhìn mà chúng ta tìm kiếm chỉ bằng cách tính toán các hệ số Fourier có liên quan của các hàm đường bao thực nghiệm X (t) và Y (t) Quá trình ước lượng này độc lập với các hệ số Fourier bậc cao sẽ tồn tại khi đồng tử có hình dạng bất thường và phức tạp hơn hình tròn

Đáng chú ý là thông tin chúng ta tìm kiếm về độ lệch hướng nhìn, cụ thể là hướng và độ lớn của độ lệch, được chứa dưới dạng hệ số Fourier trên các hàm điều hòa cos (t) và sin (t) biểu thị trong hệ số có giá trị phức thấp nhất trong khai triển chuỗi Fourier của hàm thực nghiệm X (t) gồm các phần thực và ảo của nó, lần lượt là a và b:

Giống như X(t) hàm thực nghiệm Y(t) gồm các phần thực và phần ảo c,d

Ta có thể tính được độ lệch của ánh nhìn 𝜃 và tỉ lệ khung hình xạ ảnh 𝛾 = B/A

Hình ảnh mống mắt trước và sau khi hiệu chuẩn góc nhìn lệch trục

Hạn chế của phương pháp này là phép chiếu affine giả định là mống mắt phẳng hoàn toàn Nhưng trong thực tế móng mắt có một độ cong nhất định

3.Xác định và loại bỏ lông mi

Bên cạnh những yếu tố khác thì lông mi cũng ảnh hưởng rất lớn đến quá trình nhận diện mống mắt Lông mi xuất hiện ngẫu nhiên và có thể xếp chồng lên nhau có tạo nên vấn đề phức tạp hơn rất nhiều khi so với một sợi tóc vấn đề vốn có thể được xác định bởi những

mô hình cơ bản Vấn đề nghiêm trọng đến mức nó có thể làm thay đổi IrisCode nếu không được xác định và loại bỏ

Suy luận về lông mi và loại bỏ nó ra khỏi IrisCode có thể được thực hiện bằng phương pháp tính toán thống kê Phương pháp này dựa vào sự phân bổ của iris pixels Lúc này một threshold có thể cần được đặt ra nhằm loại bỏ sự ảnh ảnh hưởng của lông mi đối với IrisCode

Thống kê sự ảnh hưởng của lông mi đối với biểu đồ IrisCode, và xác định một threshold để loại

bỏ lông mi (phần được tô màu trắng) khỏi sự ảnh hưởng đến IrisCode

4.Chuẩn hóa điểm thay thế

Hệ thống nhận diện mống mắt hoạt động bằng cách kiểm tra sự độc lập thống kê giữa 2

mã IrisCode để quyết định xem nó có đến cùng một mống mắt hay không Điều này tương tự như việc tung 1 đồng xu nhiều lần

Vùng nhận dạng Iris có thể bị che khuất bởi lông mi, hoặc mí mắt, hoặc là phản chiếu hình ảnh từ kính, hoặc có thể là không có độ tương phản cao, bị nhiễu được phát hiện và loại bỏ bằng thuật toán bởi thuật toán thông qua bitwise mask function Các IrisCode chứa thông tin từng pha vì vậy phép XOR sẽ xác định sự khác nhau giữa hai IrisCode, kết quả sẽ được AND với mask tương ứng của hai mẫu Iris (|| ||) của vector bit kết quả và kết quả AND của hai vector mask dùng để tính toán khoản cách Hamming Biểu diễn cho

sự khác nhau giữa 2 vector bit được biểu thị là {codeA, codeB} với hai vector mask tương ứng là {maskA, maskB}

Dựa vào phân phối Bernoulli, độ tin cậy của cây quyết định có thể được bằng cách ánh xạ mỗi HDraw thành một HDnorm bằng cách chia lại tỷ lệ:

Trong đó n là số bit được thực sự so sánh của hai IrisCode, tham số tỉ lệ 911 là số bit so sánh của mống mắt và được tính toán từ trước

So sánh hai thuật toán 1 và 2 thuật toán 1 không chuẩn hóa, thuật toán 2 có chuẩn hóa dựa trên

cơ sở dữ liệu NIST ICE-1

Sử dụng những điểm chuẩn hóa thay thế khác nhau sẽ mang lại hiệu quả khác nhau trên các vùng khác nhau của ROC, nếu cơ sở dữ liệu không lớn thì không không chuẩn hóa sẽ đặt kết quả tốt hơn, nhưng với một cơ sở dữ liệu lớn như cơ sở dữ liệu quốc gia như ở UAE( có 632500 IrisCode và hơn 200 tỉ mẫu mống mắt so sánh với nhau) thì normalizing scores là một phương pháp thực sự cần thiết

5.Adapting for Large-Scale Applications

Ta thấy các phép so sánh giữa các bit từ các IrisCodes khác nhau là phép thử Bernoulli, hay về mặt khái niệm “tung đồng xu” và phép thử Bernoulli tạo ra phân phối nhị thức Nếu một người tung đồng xu có xác suất "ngửa" là p trong một chuỗi N lần tung độc lập

và đếm số m kết quả "ngửa", và nếu người ta tính x = m/N trong một số lượng lớn N lần tung lặp đi lặp lại như vậy, thì phân phối kỳ vọng của x sẽ như trên đường cong

Phân phối HDnorm hóa dựa trên cơ sở dữ liệu NIST ICE-1với hơn 200 tỷ cặp so sánh các mẫu

mống mắt

Các binomial functional form mô tả rất tốt normalized similarity scores giữa hai iris pattem chính là lý do dẫn đến cho sự cần thiết của thuật toán này trong việc tìm kiếm quy

mô lớn

6.Tốc độ và hiệu xuất

Trên 300MHz Sun workstation, thời gian thực hiện mỗi quá trình bẳng thuật toán tối ưu như sau:

Các công cụ tìm kiếm có thể thực hiện được 100,00 phép so trùng mống mắt mỗi giây Một trong những thuận lợi của việc sử dụng các phép toán bitwise AND, XOR đó là những phép toán này được thực hiện song song rất có lợi để tăng hiệu suất Nếu cơ sở dữ liệu người dùng quá lớn lên tới hàng triệu người thì nên chia cơ sở dữ liệu này thành những phần nhỏ hơn (100,000 người) sau đó áp dụng phương pháp tìm kiếm song song nhằm giảm thiểu thời gian sử lí Cơ sở toán học của thuật toán nhận diện mống mắt cho thấy có thể sử dụng biện pháp tìm kiếm song song trên nhiều CPU để dưa ra kết quả trong vòng 1 giây với một cơ sở dữ liệu quốc gia

IV.Ứng dụng

-Xác định danh tính:nhận diện mống mắt được sử dụng kết hợp với phương pháp nhận diện vân tay Làm tăng khả năng định danh chính xác và giảm rủi ro khi bảo trì dữ liệu

-Thực thi pháp luật: mống mắt được dùng để xác định và theo dõi tội phạm nhằm đảm bảo

an toàn công cộng tối đa Công nghệ này giúp vượt qua vòng lặp của hệ thống an ninh truyền thống, không chỉ phát hiện tội phạm mà còn ngăn chặn tội phạm

-Kiểm soát xuất nhập cảnh: Nhiều sân bay quốc tế của Mỹ, Canada, Hà Lan và Anh đã triển khai xác thực sinh trắc học mống mắt để kiểm soát việc nhập cư Bên cạnh đó, các công ty hàng không cũng sử dụng hệ thống xác thực mống mắt để đảm bảo an toàn cho việc di chuyển

-Dịch vụ tài chính và ngân hàng: Theo ISO 19092: 2008, các ngân hàng và tổ chức tài chính phải quản lý công nghệ sinh trắc học thay thế mã PIN truyền thống, và trong các các

hệ thống sinh trắc học thì mống mắt được xem là hệ thống an toàn nhất cho KYC, định danh người dùng, nhân viên

-Chăm sóc sức khỏe: Nhận diện mống mắt dùng để định danh bệnh nhân, tra cứu thuốc và lịch sử điều trị mà không cần yêu cầu trực tiếp thông tin cá nhân của bệnh nhân, giảm rủi

ro về rò rỉ thông tin

V.Kết luận

Hệ thống nhận diện mống mắt là hệ thống phức tạp và đáng tin cậy, đã sử dụng rộng rãi trong thực tế Tuy nhiên với sự phát triển mạnh mẽ của sức mạnh máy tính và các công trình nghiên cứu nhằm cải thiện độ chính xác, tốc độ liên tục được công bố trong tương lai

sẽ có ngày càng nhiều ứng dụng của nhận diện mống mắt được ra đời

VI.Tài Liệu tham khảo

-Handbook of Biometric

-Application of Iris Biometric Authentication in Different Sectors

-How Iris Recognition Works