TÌM HIỂU về bài TOÁN NHẬN DẠNG vân TAY

Sau quỏ trỡnh trớch chọn đặc trưng, ta sẽ thu được một vectơ đặc trưng cú thể đại diện cho ảnh võn tay, nghĩa là cũng cú cỏc tớnh chất duy nhất và bền vững, cú thể sử dụng lưu trữ thay c

b¸o c¸o thùc tËp chuyªn ngµnh

§Ò tµi: t×m hiÓu vÒ bµi to¸n nhËn d¹ng

v©n tay

Gi¸o viªn híng dÉn:P.Gs-T.s NguyÔn Thanh Thuû

Sinh viªn thùc hiÖn:

Líp:

Hµ Néi 6-2004

Lời cảm ơn

Báo cáo thực tập trên là kết quả em học hỏi đợc sau một thời gian đợc thực tập tại Trung tâm tính toán hiệu năng cao –Trờng đại học Bách Khoa

Hà Nội Trong đợt thực tập vừa rồi ,em đã nhận đựoc nhiều sự giúp đỡ của các thầy cô ,và các anh chị trên trung tâm

Em xin gửi lời cảm ơn chân thành nhất tới Thầy giáo –Phó giáo s-Tiến sỹ Nguyễn Thanh Thuỷ trởng bộ môn Các hệ thống thông tin ,trờng

đai học Bách Khoa Hoà Nội –Giám đốc trung tâm,đã cho em cơ hội đợc thực tập tai trung tâm Đồng thời thầy cũng là ngời đa ra ý tởng ,định hớng cho em

Báo cáo thực tập này là kết quả thu nhận ban đầu ,em rất hi vọng trong thời gian tới sẽ phát triển đợc các ý tởng còn dang dở

đặt vấn đề

hiện nay các bài toán định danh một cá nhân đang đợc rất nhiều nhà khoa học quan tâm ,trong đó bài toán định dạng cá nhân bằng vân tay la một hớng nghiên cứu thu hút đợc sự chú ý của nhiều nhà khoa học

Có khá nhiều phơng thức để định danh một cá nhân nh bằng : giọng nói ,bằng khuôn mặt… nhng tất cả đều có xác suất nhận dạng kém xa so

trùng lặp một vân tay là 0,00001.Do đó một ngời có hai bàn tay ,với đầy

đủ 10 ngón tay thì xác suất trùng lặp coi bàng không Vì vậy có thể nói không có hai ngời có cùng một mẫu vân tay Hơn thế nữa ,vân tay có tính bền vững ,có hình dạng ổn định kể từ khi sinh ra cho đến khi chết đi

Cỏc ứng dụng của hệ thống nhận dạng võn tay:

• Thay thế cỏc số PIN trong ngõn hàng: cỏc ngõn hàng và cỏc tổ chức tớn dụng kiểm tra tớnh hợp lệ của khỏch hàng bằng cỏch so sỏnh võn tay của khỏch với mẫu võn tay đó lưu trước đú Một người chủ tài khoản khụng lo bị mất card của mỡnh

• Bảo mật (trong cỏc toà nhà/khu làm việc): Kiểm tra điều kiện vào cửa bằng cỏch so sỏnh võn tay của người muốn vào với cỏc võn tay trong cơ sở dữ liệu

Sử dụng trong lĩnh vực an ninh: Sử dụng trong việc săn bắt tội phạm

I.Mô hình chung của một hệ thống nhân dạng vân tay:

Sau thế chiến thứ 2 ,khi có máy tính điện tử ra đời ngời ta bắt đâu xây dựng các hệ thống nhận dạng vân tay tự động ( Automatic fingerprint Identification Systems ) gọi tắt là các hệ thống AFIS Các hệ thống này ngày càng đợc hoàn thiện hơn cả về phần cứng ( các máy quét vân tay ,các máy xử lý chuyên dụng ) và về phần mềm ( các thuật toán nhận dạng vân tay ,tìm kiếm ảnh vân tay trong cở sở dữ liệu cỡ lớn , các thuật toán phân lớp…….) Bên cạnh đó các cở sở dữ liệu lớn và rất lớn tầm cỡ quốc gia và quốc tế đang đợc xây dựng

H×nh 1 m« h×nh chung cña hÖ thèng nh©n d¹ng v©n tay

Có thể nói, mọi hệ thống xử lý vân tay tự động đều có sơ đồ tương tự như sơ đồ minh hoạ trên hình 1 Hệ thống gồm các môđun chính sau đây:

• Làm nổi đường biên ảnh và tăng cường chất lượng ảnh

(Image Enhancement): Bước này có ý nghĩa lớn trong việc xử lý vân tay

do chất lượng của các ảnh vân tay phụ thuộc nhiều vào quá trình lấy mẫu ảnh cũng như trạng thái của da tay tại thời điểm lấy mẫu Các ảnh lấy bằng mực (lăn tay) hay lấy được trên các vật dụng có chất lượng kém hơn

so với các ảnh thu được từ các máy quét chuyên dụng Khi tay khô, ướt, dính dầu hay thậm chí là khi ta lấy mẫu ở các vị trí khác nhau cũng thu được các ảnh vân tay tương đối khác nhau (nếu chỉ quan sát bằng mắt thường) Chính vì vậy, để làm đơn giản quá trình nhận dạng sau này, các ảnh vân tay đều phải qua các bước tiền xử lý, nhằm loại bỏ nhiễu, làm nổi các đường vân và các điểm đặc trưng Bước này thường sử dụng các bộ lọc và các kỹ thuật trong lĩnh vực xử lý ảnh

• Trớch chọn đặc trưng (Features Extraction): Cú nhiều cỏch tiếp

cận việc nhận dạng và tỡm kiếm cỏc ảnh, nhưng cú một đặc điểm chung là khụng bao giờ người ta đi so sỏnh cỏc ảnh một cỏch trực tiếp mà bao giờ cũng tỡm cỏch biểu diễn ảnh bằng cỏc tham số đặc trưng của nú Đặc biệt, với cỏch tiếp cận nhận dạng nhờ cỏc đặc trưng (feature-based), pha này cú

ý nghĩa vụ cựng quan trọng Sau quỏ trỡnh trớch chọn đặc trưng, ta sẽ thu được một vectơ đặc trưng cú thể đại diện cho ảnh võn tay, nghĩa là cũng

cú cỏc tớnh chất duy nhất và bền vững, cú thể sử dụng lưu trữ thay cho ảnh võn tay, giỳp cho quỏ trỡnh tỡm kiếm và nhận dạng võn tay dễ dàng hơn

• Phõn lớp ảnh (Classification): Thực chất của việc nhận dạng

võn tay là tỡm kiếm và đối sỏnh dấu võn tay cần nhận dạng với cỏc mẫu đó biết trong cơ sở dữ liệu Tuy nhiờn, do cơ sở dữ liệu lớn, thường thỡ việc tỡm kiếm vột cạn cho hiệu quả rất thấp Vỡ vậy, người ta tỡm cỏch thu gọn quỏ trỡnh tỡm kiếm bằng cỏch trước hết là phõn lớp thụ cỏc võn tay, rồi sau

đú chỉ tỡm kiếm trong lớp đó xỏc định được Bài toỏn phõn lớp võn tay cú

độ chớnh xỏc khỏ cao (khoảng 90%), thời gian tớnh toỏn nhanh, cú thể làm chỉ số lý tưởng cho quỏ trỡnh tỡm kiếm

• Mó hoỏ (Coding): Vectơ đặc trưng của ảnh võn tay được mó hoỏ

để lưu trữ và truyền thụng dễ dàng

• Đối sỏnh ảnh võn tay với ảnh trong cơ sở dữ liệu (Matching):

Việc đối sỏnh cỏc ảnh võn tay là quỏ trỡnh tỡm kiếm trong cơ sở dữ liệu cú sẵn, vỡ vậy thường sử dụng cỏc heuristic để tỡm kiếm dễ dàng và nhanh chúng hơn Cú nhiều kiểu heuristic khỏc nhau Hiện nay, người ta thường tỡm kiếm võn tay với một độ chớnh xỏc nhất định và kết quả trả về là một danh sỏch cỏc võn tay được sắp xếp theo giỏ trị độ tương đồng

• Kiểm tra lại bằng phương phỏp thủ cụng (Manual

Verification): Như đó núi ở trờn, ảnh võn tay bị ảnh hưởng nhiều do cỏc yếu tố mụi trường Do đú, người ta thường tỡm kiếm ra một danh sỏch hữu hạn cỏc ứng cử viờn trong cơ sở dữ liệu Việc kiểm tra lại cuối cựng được thực hiện thủ cụng để xỏc định nhận dạng trong cỏc ứng cử viờn đú Đõy

là pha tuỳ chọn của hệ thống xử lý võn tay tự động

Tuỳ thuộc vai trũ, chức năng, mục đớch của từng hệ thống cụ thể, một

số mụđun sẽ được chỳ trọng hoặc loại bỏ Mỗi mụđun cũng được thiết kế

và cài đặt rất khỏc nhau, tạo nờn sự đa dạng cho thị trường cỏc hệ thống

xử lý võn tay tự động hiện tại

II.Tiền xử lý và trích trọn các đặc trng

Trên thc tế các mẫu vân tay thu đơc không phải lúc nào cung đợc nh mong muốn Vd :các mâu vân tay thu đợc tại hiện trờng (thờng mờ ,chồng chéo lên các vật thể khác ),các mẫu vân tay lăn mực chỉ đợc một phần …

Do đó trớc khi trích trọn các đăc trng tổng thể(Global feature ) ,đặc trng cục bộ ( Local feature) và các đặc trng khác ,chúng ta phải trải qua một số công đoạn xử lý ảnh nh:

+ lọc ảnh

+chuyến ảnh xám đa mức về ảnh nhị phân chỉ còn hai mức xám là 0 và 255

+làm mảnh ảnh…

*Đặc trng tổng thể là các đặc lợng đợc trích trọn đợc từ ảnh vân tay ,có tính chất đại diện cho cấu trúc tổng thể của đờng vân trong vân tay Có nhiều loại đặc trng tổng thể khác nhau nh :đăc trng hớng ,các điểm đơn ,các đờng chuẩn ,Fingercode…

Hỡnh2 Minh hoạ ảnh 1 võn tay và cỏc võn tay thuộc 5 lớp thường gặp.

*Các đặc trng cục bộ : là các điểm đặc biệt trong các đờng vân của vân tay Vì vậy nó chỉ đại diện cho cấu trúc đờng vân trong lân cận cục bộ với nó

mà thôi.Do đó các đặc trng cục bộ mang tính chất cá nhân ,nó thờng chỉ

t-ơng ứng với một vân tay mà thôi Có nhiều kiểu đặc trng cục bộ ,vi dụ nh:

điểm kết thúc đờng vân ( ridge ending) ,điểm rẽ nhánh (ridge bifurcation ) ,điểm chạc ba ( ridge trifurcation ) …… Tuy nhiên trên thực

tế ngời ta thờng sử dụng 2 kiểu điểm đặc trng cục bộ là điểm kết thúc đờng vân và điểm rẽ nhánh ,vì hầu hết các loại điểm đặc trng cục bộ khác đều có thể biểu diễn qua hai loại điểm này

II.Bài toán đối sánh hai ảnh vân tay

Mô đun đối sánh hai ảnh vân tay là khâu không thể thiếu trong bài toán nhận dạng vân tay

Đối sỏnh võn tay là quỏ trỡnh đối sỏnh một ảnh võn tay (gọi là ảnh võn tay cần nhận dạng hay ảnh võn tay vào) với một ảnh cú sẵn trong cở

dữ liệu (gọi là ảnh mẫu) Từ đú đưa ra mức độ giống nhau của ảnh vào so với ảnh mẫu Và cuối cựng trả lời cho cõu hỏi hai ảnh võn tay cú phải cựng một võn tay hay khụng

Hỡnh 3 Cỏc đặc trưng tổng thể: đường chuẩn và số đếm đường võn.

Hình 4: (a) và (b) là hai ảnh của cùng một vân tay

(c) và (d) hai ảnh của hai vân tay khác nhau

Từ mô hình của hệ thống, ta nhận thấy pha đối sánh được thực hiện sau pha trích chọn đặc trưng Điều này có nghĩa là một ảnh vân tay cần đối sánh trước tiên phải được trích ra các thuộc tính Như vậy việc đối sánh hai ảnh vân tay được đưa về việc đối sánh hai tập thuộc tính Cũng chính

vì vậy pha đối sánh phụ thuộc rất nhiều vào pha trích chọn đặc trưng

Hiện nay trên thế giới có rất nhiều kỹ thuật đối sánh vân tay, nhưng nhìn chung quá trình đối sánh ảnh vân tay gồm hai giai đoạn chính: Căn chỉnh (Alignment) và Đối sánh dựa trên kết quả căn chỉnh (Matching)

Hình 5: Sơ đồ khối của quá trình Đối sánh

Quỏ trỡnh căn chỉnh: Thực hiện cỏc phộp quay tịnh tiến, co dón ảnh

cần nhận dạng sao cho đạt được sự so khớp tốt nhất giữa hai ảnh

Quỏ trỡnh đối sỏnh: Thực hiện việc đối sỏnh trờn hai tập minutia sau

khi đó căn chỉnh, trờn cơ sở đú cho điểm đối sỏnh đối với trường hợp này

Một kỹ thuật đối sỏnh võn tay được coi là tốt nếu nú đỏp ứng

được cỏc yờu cầu sau:

• Tập thuộc tớnh được trớch chọn trong quỏ trỡnh trớch chọn đặc

trưng khụng hoàn toàn giống nhau đối với cỏc ảnh võn tay khỏc

nhau cho dự chỳng xuất phỏt từ cựng một võn tay

• Cỏc đặc trưng của ảnh võn tay cú thể bị sai do quỏ trỡnh trớch

chọn đặc trưng, mặc dự vậy pha đối sỏnh vẫn phải tỡm ra một

phộp đối sỏnh tốt nhất

Ảnh đầu vào thụng thường bị nhiễu, bị biến dạng do quỏ trỡnh thu

nhận ảnh Đụi khi cỏc ảnh cũn bị xoay

Ta có thể phân các kĩ thuật đối sánh ảnh vân tay thành các loại nh

hình sau:

Hình 6 : Các kĩ thuật đối sánh

đối sánh

Đối sánh không

căn chỉnh Đối sánh có căn chỉnh

Dùng

mạng

Neural

Xây dựng hệ toạ độ trong Đối sánh trên hai tập minutia và

các thông tin khác

Đối sánh trên hai tập minutia

Với cách tiếp cận này ,đầu vào là các tập minutia và có thể có các thông tin phụ khác Quá trình đối sánh vân tay gồm hai giai đoạn chính : Căn chỉnh (Alignment) và Đối sánh dựa trên kết quả căn chỉnh (Matching):

+Quá trình căn chỉnh : thực hiện các phép quay ,tịnh tiến ,co dãn ảnh cần

nhận dạng sao cho đạt đợc sự so khớp tốt nhất giữa hai ảnh

+Quá trình đối sánh : Thực hiện viêc đối sánh trên hai tập minutia sau

khi đã căn chỉnh ,trên cở sở cho điểm đối sánh với từng trờng hợp

+u điểm : đơn giản ,không khó cài dặt

+Nhợc điểm : Do có căn chỉnh nên chi phí thời gian lớn

Một số giải thuật đối sánh có căn chỉnh :

*Giải thuật đối sánh sử dụng thông tin về đờng vân : đây là giải thuật

đối sánh của Xiping Luo ,Jie Tian và Yan WU, giải thuật này không chỉ

sử dụng các minutia để đối sánh mà còn sử dụng những thông tin về đờng vân tơng ứng với các minutia

Trong trờng hợp các minutia là loại chia tách đờng vân ,đòng vân tơng ứng

sẽ là đờng vân gần hớng của minutia nhất Còn trong trờng hợp đó là minutia kết thúc của đờng vân thì ta lấy luôn đờng vân đó

Thuật toán này chỉ xét đến các ảnh vân tay có cùng kích cỡ

+u điểm :

-do sử dụng khối giới hạn có kích thớc thay đổi nên giải thuật trên đối sánh đợc các ảnh vân tay có biến dạng khác nhau

-Ngoài việc sử dụng các minutia ,giải thuật còn sử dụng thông tin về đờng vân Cách tiếp cận này làm tăng độ chính xác khi đối sánh

+Nhợc điểm :

-Phải lu trữ nhiều thông tin -Trong quá trình căn chỉnh phải tính khối lợng giới hạn cho từng điểm minutia trong tập mẫu ,do đó thời gian đối sánh tăng

*Giải thuật đối sánh dựa trên sự tăng cờng lỗi: (Fingerprint matching based on error propagation ).

Đây là thuật toán của Ying Hao ,Tieniu Tan ,Yunhong Wang

Do nhiễu và sự co dãn khoong tuyến tính có thể làm cho quá trình căn chỉnh không chính xác Đồng thời ta không thể biểu diễn nhiễu và sự co dãn không tuyến tính này nh là thuộc tính của minutia Thuât toán này gồm ba bớc chính :

-Mỗi minutia trong tập mẫu đợc đối sánh với các minitia trong tập vào

-Những cặp minutia trong quá trình đối sánh có kết quả nhỏ hơn ngỡng sẽ đợc dùng vao MatchedSet

-Điều chỉnh các cặp minutia không khớp Giống nh giải thuật trên ,giải thuật này sử dụng thông tin về đờng vân để xác định hai minutia có khớp nhau không Tuy nhiên giải thuật này đờng vân đợc chia thành hai loại tơng ứng với điểm đờng vân có điểm kết thúc

và đờng vân rẽ nhánh

+ u điểm : Sau khi thực hiện các bớc đối sánh nh giải thật trên ,giải thuật này còn thực hiện bớc đối sánh dực trên sự tăng cờng lỗi ,do vậy kết quả chính xác hơn

+Nhợc điểm :

-Cần phải lu trữ dữ liệu nhiều -Quá trình đối sánh chậm -Cài đặt thuật toán phức tạp

*Giải thuật đối sánh tam giác (Triangular Matching): của

M.Kovacs-Vajna.Vấn đề nhận dạng một minutia trong ảnh tơng đơng với việc so sánh các vùng xung quanh minutia trong ảnh mẫu và ảnh cần nhận dạng Để thực hiện công việc này ,ngời ta xây dựng các khối 16 x 16 xung quanh munitia và so sánh giá trị các mức xám giữa các vùng

Khi nhìn cào hai ảnh vân tay của cùng một vân tay ,chúng ta dễ dàng nhận

ra sự biến dạng tổng thể nhng lại không thể nhận ra những biến dạng nhỏ Do đo tác giả đă đề xuất phơng pháp đối sánh tam giác

Một cặp tam giác có thể đợc ghép lại để tạo thành một hình vuông Và bằng cách so giãn các cạnh của hình vuông ta thu đợc một hình vuông bị biến dạng Nhng với sự biến dạng nhỏ này ta có thể nhận ra hình vuông ban đầu

Điều đáng chú ý là sự biến dạng của hình vuồn giống với sự biến dạng nhỏ của vân tay Bên cạnh đó đờng vân có thể đợc xem là nhiều hình vuông ghép lại Với cách biểu diễn nh thế ,ta có thể tính toán đợc sự biến dạng nhỏ bằng cách tính sự biến dạng của các đỉnh và các cạnh của tam giác + u điểm : Đây là hớng tiếp cận mới so với các hớng tiếp cânj trớc Với giải thuật này cho phép xác định đợc sự biến dạng nhỏ ,làm cho quá trình

đối sánh đạt đợc độ chính xác cao

+Nhợc điểm: Cài đặt khó

*Giải thuật đối sánh sử dụng minutia và đặc tính kết cấu của ảnh vân

tay(Fingerprint matching using minutia and texture)của Anil Jain , Arun Ross,Sali Prabhakar.

*Giải thuật đối sánh nhanh (Fast algorithm for point matching) của

S-H Chang ,F-h.Cheng.

2.Kỹ thuật đối sánh không căn chỉnh :

Với cách tiếp cận trên ,trớc khi đối sánh hai tập mẫu phải đợc căn chỉnh Đây chính là pha gây tốn kém chi phí nhiều nhất trong thuật toán đối sánh Để có thể giảm thời gian tính toán ,cần giảm nhẹ bớc căn chỉnh này Hiện nay ,có hai phơng pháp chính là:

Dùng mạng Neural ,và xây dụng hệ toạ độ trong

Tuy nhiên cả hai cách tiếp cận này đều khá phức tạp và khó cài đặt

*Kĩ thuật sử dụng mạng Neural :

Thông tin đa vào đối sánh là các trờng hớng ,FingerCode hoặc các minutia theo cách tiếp cận của V.Vinod and S.Ghose

*Kĩ thuật xây dựng hệ toạ độ trong:

Hệ toạ độ trong (Intrinsic Coordinate System) được xỏc định từ ma

Trước hết, người ta tiến hành phân vùng ảnh vân tay nhờ đặc trưng hướng, điểm tâm và điểm tam giác Có thể dễ dàng rút ra luật phân vùng

từ hình minh hoạ 2.14a Từ điểm tâm, ta vẽ đường song song với đường vân tại đó Từ điểm tam giác, ta vẽ các đường vuông góc với các đường vân trong các vùng lân cận Các đường này cắt nhau tạo ra các vùng khác

nhau

Sau đó, các trục của hệ toạ độ trong được xác định cho mỗi vùng vân Đầu tiên, ta xác định các trục tham chiếu Ở mỗi vùng, có 2 trục tham chiếu có gốc tại điểm tâm, một trục là đường vuông góc với hướng của đường vân nội tại kẻ từ điểm tam giác, trục còn lại là đường song song với hướng đường vân (hình 2.14b) Với các loại vân tay không có điểm tam giác, chỉ có một vùng vân được xác định và các trục tham chiếu là một cặp đường song song và vuông góc với hướng của đường vân tại một điểm bất kỳ

Lưới toạ độ trong được xây dựng bằng cách dò các đường cong vuông góc và song song với đặc trưng hướng cục bộ của đường vân tại những khoảng cách đều nhau từ trục tham chiếu (hình 2.14b) Các đường

Hình 7 Minh họa quá trình xây dựng hệ tọa độ trong