Tóm tắt: Nghiên cứu tổng quan về các phương pháp nhận dạng bằng sinh trắc học và đặc biệt là nhận dạng bằng dấy vân tay, kiến trúc hệ thống nhận dạng vân tay tự động và các quy trình xử
Trang 1MỤC LỤC
MỤC LỤC 1
Tóm tắt luận văn 1
Lời cảm ơn 3
Lời cam đoan 4
Danh mục các kí hiệu, chữ viết tắt 5
Danh mục các bảng biểu 6
Danh mục các hình vẽ đồ thị 7
PHẦN MỞ ĐẦU 11
1 Lý do chọn đề tài 11
2 Ý nghĩa, mục đích của đề tài 13
3 Đối tượng và phạm vi nghiên cứu 14
3.1 Đối tượng nghiên cứu 14
3.2 Phạm vi nghiên cứu 14
4 Phương pháp nghiên cứu 14
5 Phương tiện nghiên cứu 15
6 Ý nghĩa khoa học và thực tiễn của đề tài 16
7 Những vấn đề sẽ giải quyết 16
8 Kết quả đạt được 17
NỘI DUNG 18
CHƯƠNG 1: TỔNG QUAN 18
1.1 Tổng quan về các phương pháp nhận dạng sinh trắc học 18
1.1.1 Phương pháp nhận dạng chữ ký 19
1.1.2 Phương pháp nhận dạng giọng nói 20
1.1.3 Phương pháp nhận dạng khuôn mặt 20
Trang 21.1.4 Phương pháp nhận dạng mống mắt 22
1.1.5 Phương pháp nhận dạng vân tay 24
1.1.6 Một số phương pháp nhận dạng khác 25
1.1.7 Tại sao nên sử dụng nhận dạng vân tay 27
1.1.8 Nhu cầu thực tế về ứng dụng nhận dạng sinh trắc học 29
1.2 Tổng quan về mạng nơ ron 30
1.2.1 Bộ não và nơ ron sinh học 30
1.2.2 Mô hình nơ ron nhân tạo và mạng nơ ron nhân tạo 32
1.3 Tình hình nghiên về ứng dụng mạng nơ ron 40
1.3.1 Tình hình nghiên cứu ngoài nước 40
1.3.2 Tình hình nghiên cứu trong nước 44
1.4 Phát biểu bài toán và giới hạn vấn đề nghiên cứu 46
1.5 Kết luận chương 1 46
CHƯƠNG 2: BIỂU DIỄN VÂN TAY VÀ PHƯƠNG PHÁP NHẬN DẠNG47 2.1 Phân tích và biểu diễn vân tay 47
2.1.1 Giới thiệu ảnh vân tay 47
2.1.2 Phân đoạn ảnh 49
2.1.3 Tăng cường ảnh 50
2.1.4 Rút trích các đặc trưng 62
2.2 Phương pháp nhận dạng vân tay 69
2.2.1 Đối sánh vân tay 69
2.2.2 Nhận dạng vân tay bằng mạng nơ ron 80
2.3 Kết luận chương 2 91
CHƯƠNG 3: HỆ THỐNG NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NƠ RON NHÂN TẠO 93
3.1 Kiến trúc hệ thống nhận dạng vân tay 93
3.1.1 Kiến trúc hệ thống nhận dạng vân tay 93
Trang 33.1.2 Sơ đồ các bước xử lý trong quá trình nhận dạng 94
3.2 Phân tích hệ thống nhận dạng vân tay 96
3.2.1 Khảo sát hiện trạng và xác lập dự án 96
3.2.2 Phân tích chức năng 99
3.2.3 Phân tích thiết kế cơ sở dữ liệu 100
3.3 Xây dựng hệ thống nhận dạng vân tay bằng mạng nơ ron 103
3.3.1 Giới thiệu hệ thống và kỹ thuật sử dụng 103
3.3.2 Giao diện hệ thống 104
3.3.2.1 Quản trị người dùng 104
3.3.2.2 Quản lý công dân 105
3.3.2.3 Xử lý ảnh vân tay 105
3.3.2.4 Nhận dạng bằng phương pháp đối sánh 1-1 106
3.3.2.5 Nhận dạng bằng phương pháp đối sánh trong cơ sở dữ liệu 106
3.3.2.6 Nhận dạng bằng phương pháp mạng nơ ron 107
3.4 Ứng dụng và đánh giá kết quả 108
3.4.1 Áp dụng thử nghiệm cho công ty 108
3.4.2 Kết quả và đánh giá 108
3.4.2.1 Kết quả 108
3.4.2.2 Đánh giá 109
3.5 Kết luận chương 3 109
KẾT LUẬN VÀ KIẾN NGHỊ 110
A Kết luận 110
B Kiến nghị 112
DANH MỤC TÀI LIỆU THAM KHẢO 113
Trang 4Trang 1
Tóm tắt luận văn
Họ và tên học viên: Đỗ Thanh Long
Chuyên ngành: Công Nghệ Thông Tin
Cán bộ hướng dẫn: PGS TS Nguyễn Quang Hoan
Tên đề tài: Xây dựng hệ thống nhận mẫu vân tay sử dụng mạng nơron nhân tạo
Tóm tắt: Nghiên cứu tổng quan về các phương pháp nhận dạng bằng sinh trắc học và đặc biệt là nhận dạng bằng dấy vân tay, kiến trúc hệ thống nhận dạng vân tay tự động và các quy trình xử lý của nó; Nghiên cứu một số thuật toán cho phân đoạn ảnh, tăng cường ảnh; Tìm hiểu các đặc trưng của ảnh vân tay, từ đó nghiên cứu một số thuật toán rút trích đặc trưng của ảnh vân tay và phương pháp nhận dạng ảnh như phương pháp đối sánh và phương pháp sử dụng mạng nơ ron để xây dựng hệ thống nhận dạng vân tay Phân tích thiết kế và xây dựng hệ thống nhận mẫu vân tay sử dụng hai loại mạng nơ ron nhân tạo là mạng perception và mạng lan truyền ngược
Nội dung luận văn
Chương 2: Phân tích biểu diễn vân tay và phương pháp nhận dạng
Tìm hiểu các kỹ thuật nâng cấp ảnh vân tay
Tìm hiểu các kỹ thuật trích chọn điểm đặc trưng của ảnh vân tay
Tìm hiểu về mô hình mạng nơ ron và thuật toán mạng nơ ron sẽ áp dụng vào
hệ thống nhận dạng
Chương 3: Hệ thống nhận dạng vân tay sử dụng mạng nơ ron nhân tạo
Phân tích thiết kế hệ thống nhận dạng vân tay sử dụng mạng nơ ron nhân tạo
Trang 5Trang 2
Xây dựng hệ thống hệ thống nhận mẫu vân tay theo phân tích và thiết kế
Ứng dụng hệ thống nhận mẫu vân tay vào thực tế và đánh giá các kết quả đã đạt được
Trang 6Trang 3
Lời cảm ơn
Trong thời gian nghiên cứu và thực hiện luận văn này, tôi đã nhận được sự
giúp đỡ nhiệt tình của các cơ quan, các tổ chức và các cá nhân Tôi xin bày tỏ lời
cảm ơn sâu sắc nhất tới tất cả các tập thể, cá nhân đã tạo điều kiện giúp đỡ tôi trong
suốt quá trình thực hiện nghiên cứu luận văn này
Trước hết tôi xin trân trọng cảm ơn Ban giám hiệu trường Đại học Bách khoa
Hà Nội và Viện đào tạo Sau đại học của nhà trường cùng các thầy cô giáo, những
người đã trang bị kiến thức cho tôi trong suốt quá trình học tập
Với lòng biết ơn chân thành và sâu sắc nhất, tôi xin trân trọng cảm ơn thầy
giáo - PGS.TS Nguyễn Quang Hoan, người thầy đã trực tiếp chỉ bảo, hướng dẫn
khoa học và giúp đỡ tôi trong suốt quá trình nghiên cứu, hoàn thành luận văn này
Xin chân thành cảm ơn tất các bạn bè, đồng nghiệp đã động viên, giúp đỡ
nhiệt tình và đóng góp nhiều ý kiến quý báu để tôi hoàn thành luận văn này
Do thời gian nghiên cứu có hạn, luận văn của tôi chắc hẳn không thể tránh
khỏi những sơ suất, thiếu sót, tôi rất mong nhận đuợc sự đóng góp của các thầy cô
Trang 7Trang 4
Lời cam đoan
Tôi xin cam đoan đây là công trình nghiên cứu của bản thân, được xuất phát
từ yêu cầu phát sinh trong công việc để hình thành hướng nghiên cứu Các số liệu
có nguồn gốc rõ ràng tuân thủ đúng nguyên tắc và kết quả trình bày trong luận văn
được thu thập trong quá trình nghiên cứu là trung thực chưa từng được ai công bố
trước đây
Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện luận văn đã được
cám ơn, các thông tin trích dẫn trong luận văn này đều được chỉ rõ nguồn gốc
Hà Nội, tháng 9 năm 2015
Tác giả luận văn
Đỗ Thanh Long
Trang 8Trang 5
Danh mục các kí hiệu, chữ viết tắt
Từ viết tắt Tiếng Việt Tiếng Anh
AFIS Hệ thống nhận dạng vân tay Automated Fingerprint
Identification System ATM Máy rút tiền tự động Automated Teller Machine PIN Mã số định danh cá nhân Personal Identification Number
BBVA Dịch vụ tài chính toàn cầu
ANN Mạng nơ ron nhân tạo Artificial Neural Network CSDL Cơ sở dữ liệu
USB Thiết bị lưu trữ di động Universal Serial Bus
Trang 9Trang 6
Danh mục các bảng biểu
Bảng 3.1: Bảng dữ liệu người dùng 101
Bảng 3.2: Bảng dữ liệu công dân 101
Bảng 3.3: Bảng dữ liệu tỉnh thành 102
Bảng 3.4: Bảng dữ liệu quận huyện 102
Bảng 3.5: Bảng dữ liệu vân tay 102
Bảng 3.6: Bảng dữ liệu trọng số mạng 102
Bảng 3.7: Bảng dữ liệu phân quyền người dùng 103
Bảng 3.8: Bảng dữ liệu cấu hình 103
Trang 10Trang 7
Danh mục các hình vẽ đồ thị
Hình 1.1: Cơ chế DeepFace của Facebook 22
Hình 1.2: Quét võng mạc 23
Hình 1.3: Công nghệ quét vân tay trên iPhone 24
Hình 1.4: Máy quét tĩnh mạch lòng bàn tay 25
Hình 1.5: Sinh trắc học hành vi Behavioral Biometrics 26
Hình 1.6: Mô hình Nymi sử dụng công nghệ Cardiac Rhythm 27
Hình 1.7: Tỷ lệ phần trăm ứng dụng công nghệ sinh trắc học 29
Hình 1.8: Các ứng dụng của hệ thống nhận dạng vân tay 30
Hình 1.9: Doanh thu công nghệ sinh trắc học trong những năm gần đây và dự đoán doanh thu trong những năm tới 30
Hình 1.10: Cấu tạo nơ ron sinh học 31
Hình 1.11: Cấu trúc của nơ ron nhân tạo 33
Hình 1.12: Các hàm phân tách 34
Hình 1.13: Hàm tác động giới hạn cứng 34
Hình 1.17: Mạng lan truyền tiến một tầng 38
Hình 1.18: Mạng lan truyền tiến nhiều tầng 38
Hình 1.19: Một nơ ron với phản hồi đến chính nó 38
Hình 1.20: Mạng hồi quy một tầng 38
Hình 1.21: Mạng hồi quy nhiều tầng 38
Hình 1.22: Quy tắc học trọng số tổng quát 39
Hình 1.23: Vân tay trên đèn của người Paléttin (400 A.D) 41
Hình 1.24: Con dấu thương mại của Berwick (1809) 42
Hình 1.25: Chữ kí bằng vân tay của người Trung Quốc khi buôn bán (1839) 42
Hình 2.1: Các đường vân và rãnh của ảnh vân tay 47
Hình 2.2: Các điểm Singularity Core và Delta 48
Hình 2.3: Một số Core thường gặp 48
Hình 2.4: Các điểm minutiae Ridge Ending (điểm kết thúc) và Bifurcation (điểm rẽ nhánh) 49
Trang 11Trang 8
Hình 2.5: a) Ảnh vân tay chất lượng tốt; b) Ảnh vân tay với các nếp đứt, gãy; c)
Ảnh vân tay có rất nhiều nhiễu 50
Hình 2.6: Các bước tăng cường ảnh của phương pháp lọc Gabor 52
Hình 2.7: Một ví dụ về chuẩn hoá với m0 = 50 và v0 = 200 53
Hình 2.8: Một ảnh vân tay hướng vân tay được tính trên một lưới 16x16 Mỗi phần tử là hướng cục bộ của đường vân; chiều dài tương ứng với tính tin cậy 54
Hình 2.9: Minh họa uớc lượng hướng vân cục bộ: a) Ảnh vân tay chất lượng thấp; b) và c) là ảnh có hướng của vân tay 55
Hình 2.10: Cửa sổ có hướng tâm tại [ xi, yj] Thành phần x thể hiện năm đỉnh; bốn khoảng cách các đỉnh liên tiếp được tính trung bình để xác định tần số vân cục bộ 56 Hình 2.11: Biến thiên của hàm h trong khoảng [x1, x2] là tổng của các biên độ α1, α2 α8 (Maio và Maltoni, 1998a) 57
Hình 2.12: Biểu diễn đồ họa của bộ lọc Gabor xác định bởi tham số 59
Hình 2.13: Một biểu diễn đồ họa trong một nhóm 24 bộ lọc Gabor 60
Hình 2.14: Các ví dụ của tăng cường ảnh vân tay dựa vào lọc Gabor Ở bên phải các vùng có khả năng khôi phục đã được tăng cường 61
Hình 2.15: Phân lớp các kỹ thuật trích đặc trưng Minutiae 62
Hình 2.16: Các bước rút trích đặc trưng Minutiae từ ảnh đã được nhị phân hóa 63
Hình 2.17: Kết quả của việc Nhị phân hóa và Làm mỏng của ảnh đã được Tăng cường 64
Hình 2.18 : a) điểm trung gian; b) điểm kết thúc; c) điểm rẽ nhánh 65
Hình 2.19: Lỗ và đứt gãy nhỏ trong ảnh vân tay đã được nhị phân hóa và làm mảnh 65
Hình 2.20: Các cấu trúc vân lỗi phổ biến được điều chỉnh lại thành các cấu trúc vân đúng 66
Hình 2.21: Các đường vân và các rãnh trên bề mặt vân tay 67
Hình 2.22: Điểm cực đại (i c,j c) tương ứng với (i s,j s) 68
Hình 2.23: Dịch chuyển một đoạn theo đường vân 68
Trang 12Trang 9
Hình 2.24: Thiết diện của đường vân 69
Hình 2.25: Các dấu vân tay thu được của cùng một ngón tay không đối sánh được với nhau do nhiễu phi tuyến ở cặp đầu tiên và do các điều kiện da ở cặp thứ hai bên dưới 70
Hình 2.26: Các chi tiết của I được ánh xạ hệ toạ độ T Các chi tiết của I kí hiệu là o còn các chi tiết của T kí hiệu là x Vòng gạch liên tiếp chỉ khoảng cách không gian lớn nhất, vòng xám chỉ các cặp chi tiết ghép cặp thành công 76
Hình 2.27: Trong ví dụ này, nếu m1 bắt cặp với m2 (đặc trưng gần nhất), m2 sẽ không được bắt cặp Vì vậy nếu bắt các cặp m1 và m1 cho phép m2 được bắt cặp với m2 làm cực đại biểu thức (2.16) 76
Hình 2.28: Sơ đồ nhận dạng vân tay dùng kỹ thuật FingerCode 79
Hình 2.29: Lưu đồ nhận dạng vân tay bằng mạng nơ ron 80
Hình 2.30: Mô hình mạng perception 81
Hình 2.31: Ví dụ một perception 81
Hình 2.32: Một perception không thể phân lớp chính xác với đối với tập học này 82
Hình 2.33: Không gian một chiều E(w) 83
Hình 2.34: Không gian 2 chiều E(w1,w2) 84
Hình 2.35: Giải thuật lan truyền ngược 85
Hình 3.1: Kiến trúc của hệ thống nhận dạng vân tay tự động 94
Hình 3.2: Sơ đồ các bước nhận dạng vân tay 96
Hình 3.3: Thị trường ứng dụng vân tay hiện nay 98
Hình 3.4: Sơ đồ chức năng hệ thống nhận mẫu vân tay 99
Hình 3.6: Giao diện chính hệ thống nhận mẫu vân tay 104
Hình 3.7: Giao diện Quản trị người dùng hệ thống 104
Hình 3.8: Quản lý công dân 105
Hình 3.9: Xử lý ảnh vân tay 105
Hình 3.10: Nhận dạng bằng phương pháp đối sánh 1-1 106
Hình 3.11: Nhận dạng bằng phương pháp đối sánh trong cơ sở dữ liệu 106
Hình 3.12: Chọn ảnh mẫu vân tay cần nhận dạng 107
Trang 13Trang 10
Hình 3.13: Chọn mạng nơ ron và hệ số học 107Hình 3.14: Traning và nhận dạng 108
Trang 14Nhận dạng là một ngành khoa học mà vai trò của nó là phân loại các đối tượng thành một số loại hoặc một số nhóm riêng biệt Tùy thuộc vào lĩnh vực ứng dụng các đối tượng có thể ở dạng ảnh, tín hiệu sóng, dạng tín hiệu giọng nói và hình ảnh khuôn mặt hoặc một kiểu dữ liệu bất kì nào đó mà cần phải phân loại Những đối tượng này được gọi bằng một thuật ngữ chung đó là “mẫu” hay các đặc trưng
Và từ đầu những năm 1960 hệ thống nhận dạng vân tay tự động AFIS bắt đầu được nghiên cứu và phát triển không ngừng Các hệ thống đã chứng minh được tính hiệu quả của nó trong nhiều lĩnh vực khác nhau có sử dụng kĩ thuật nhận dạng ảnh vân tay để xác định thân nhân của một người
Nhận dạng ảnh vân tay đã và đang ngày càng trở thành một ứng dụng không thể thiếu được trong đời sống xã hội của con người Với sự ra đời của ngân hàng điện tử, thương mai điện tử,… các biện pháp bảo mật và mang tính riêng tư cần được tổ chức và lưu trữ trong các cơ sở dữ liệu khác nhau Định danh cá nhân một cách tự động ngày càng trở thành một vấn đề quan trọng và cấp thiết Các ứng dụng của hệ thống định danh cá nhân được phát triển rộng lớn trong đời sống con người như: Quản lý hộ chiếu, hệ thống điện thoại tế bào, hệ thống rút tiền tự động ATM,… Việc định danh cá nhân theo phương pháp truyền thống trước đây như dựa vào các hiểu biết (knowledge-based): mật khẩu, số định danh cá nhân PIN,… hay dựa trên các thẻ bài (token-based): hộ chiếu, thẻ ID,… không thuận tiện và dễ bị lừa
Trang 15Trang 12
gạt, bởi vì số PIN có thể quên hay bị đánh cắp bởi nhưng kẻ mạo danh và các thẻ bài cũng có thể bị quên hay bị đánh cắp, vì thế các phương pháp định danh cá nhân dựa trên hiểu biết và chứng cứ truyền thống khó đáp ứng và không thể thuyết phục
về việc bảo mật trong xã hội thông tin Để đáp ứng các vấn đề đó thì các phương pháp bảo mật bằng các đặc trưng sinh trắc học như giọng nói, ảnh khuôn mặt, ảnh mống mắt, ảnh vân tay, ảnh bàn tay, chữ ký,… Trong các nhận dạng sinh trắc học thì nhận dạng vân tay đã được cộng đồng khoa học chấp nhận và đã có nhiều nhà tổ chức, nhà quản lý phần mềm cho ra đời các hệ thống nhận dạng vân tay đang sử dụng một cách hiệu quả và đang thu hút được sự quan tâm của nhiều nhà khoa học
Các hướng nghiên cứu
Ảnh vân tay đã được sử dụng để nhận dạng cá nhân từ lâu nhưng ứng dụng còn hạn hẹp Ngày nay vân tay được sử dụng phổ biến trên nhiều lĩnh vực Trong bối cảnh đó, theo những phương pháp cổ điển, thủ công để nhận dạng ảnh vân tay, mặc dù đã được nghiên cứu thành công từ hơn 30 năm qua, nhưng nghiên cứu để hoàn thiện nó vẫn là một vấn đề đang được nghiên cứu ở nhiều nước trên thế giới
Hiện nay một số nước trên thế giới như Mỹ, Pháp, Nhật đã nghiên cứu thành công hệ thống nhận dạng vân tay cho công tác hình sự Mặc dù đã có những tiến bộ đáng kể trong việc thiết kế các hệ thống nhận dạng vân tay trong hơn 30 năm qua nhưng do một số yếu tố như thiếu các thuật toán trích đặc điểm đủ độ tin cậy, khó khăn trong việc xác định một cách định lượng sự giống nhau giữa hai vân tay,… các
hệ thống nhận dạng vân tay hiện nay vẫn chưa đạt được tính năng mong muốn Vì thế hệ thống nhận dạng vân tay vẫn đang được nghiên cứu rộng rãi trên thế giới nhằm cải thiện tính năng của nó
Lý do chọn đề tài
Cùng với sự phát triển mạnh mẽ của công nghệ thông tin, sự ra đời của xã hội thông tin điện tử mà trong đó bao gồm các ứng dụng về thương mại điện tử, ngân hàng điện tử,…việc bảo mật thông tin cho các khách hàng, cho mỗi cá nhân là thực sự cần thiết Nhận dạng qua ảnh vân tay là một trong những biện pháp bảo mật
an toàn nhất Ảnh vân tay được sử dụng để nhận dạng cá nhân đã được nghiên cứu
Trang 16Trang 13
thành công hơn 30 năm qua nhưng nghiên cứu để hoàn thiện nó vẫn là một vấn đề
đang được nhiều nước trên thế giới quan tâm Vì vậy tôi chọn đề tài ”Xây dựng hệ thống nhận mẫu vân tay sử dụng mạng nơron nhân tạo” làm đề tài nghiên cứu
Sở dĩ tôi lựa chọn mạng nơ ron làm công cụ để thể hiện các thuật toán nhận dạng bởi lẽ mô hình mạng nơ ron được xây dựng theo nguyên tắc mô phỏng hoạt động bộ não của con người nên nó rất thích hợp với các bài toán nhận dạng và so với các công cụ khác thì mạng nơ ron có những ưu điểm vượt trội sau:
- Mạng nơ ron có thể được coi như một bộ xấp xỉ vạn năng
- Có khả năng học và thích nghi với mẫu mới
- Có khả năng tổng quát hóa: Mạng có thể đưa ra những kết quả mang tính tổng quát hóa
- Có khả năng dung thứ lỗi: Có thể chấp nhận sai số trong tập dữ liệu đầu vào
- Mạng có tốc độ tính toán cao dẫn đến tốc độ nhận dạng nhanh
2 Ý nghĩa, mục đích của đề tài
Mục đích chính của đề tài là: xây dựng được hệ thống nhận mẫu vân tay sử dụng mạng nơ ron nhân tạo, nghiên cứu tích hợp kỹ thuật trích chọn điểm đặc trưng
và đối sánh ảnh vân tay theo mô hình mạng nơ ron giúp cải thiện khả năng trích chọn điểm đặc trưng cục bộ trên ảnh vân tay, đồng thời tăng độ chính xác và tốc độ nhận dạng ảnh mẫu vân tay tìm kiếm với các mẫu vân tay trong cơ sở dữ liệu
Đề tài góp phần nghiên cứu xây dựng hệ thống nhận dạng vân tay theo mô hình mạng nơ ron là một hướng phát triển rất mạnh trong kỹ thuật nhận dạng hiện nay
Về mặt lý thuyết
- Giới thiệu về hệ thống nhận dạng vân tay và kỹ thuật nhận dạng sử dụng mạng nơ ron
- Hệ thống các kỹ thuật nâng cấp ảnh vân tay
- Vấn đề trích chọn đặc trưng và đối sánh ảnh vân tay
Trang 173 Đối tượng và phạm vi nghiên cứu
3.1 Đối tượng nghiên cứu
Đối tượng nghiên cứu chính là:
- Các đặc trưng trên ảnh vân tay trong mẫu dữ liệu ảnh vân tay thu được
- Một số mô hình mạng nơ ron đang được sử dụng trong lĩnh vực nhận dạng
- Phương pháp trích chọn điểm đặc trưng vân tay theo mô hình mạng nơ ron
- Kỹ thuật nhận dạng ảnh mẫu vân tay sử dụng phương pháp mạng nơ ron
3.2 Phạm vi nghiên cứu
Phạm vi nghiên cứu giới hạn:
- Các đặc trưng cục bộ của ảnh vân tay
- Số lượng mẫu nghiên cứu khoảng hơn 300 mẫu là ảnh vân tay
- Kỹ thuật trích chọn điểm đặc trưng theo mô hình mạng nơ ron
- Kỹ thuật đối sánh ảnh vân tay theo các điểm đặc trưng cục bộ
- Kỹ thuật nhận mẫu vân tay sử dụng mạng nơ ron nhân tạo
4 Phương pháp nghiên cứu
Để thực hiện đề tài đã nêu ra, cần kết hợp mềm dẻo giữa hai phương pháp nghiên cứu: phương pháp nghiên cứu lý thuyết và phương pháp nghiên cứu thực nghiệm, được thực hiện theo các bước sau:
Nghiên cứu lý thuyết về vân tay và hệ thống nhận dạng ảnh vân tay:
Trang 18Trang 15
- Nghiên cứu về tài liệu và thiết bị nhận dạng ảnh vân tay
- Ảnh vân tay và quá trình thu nhận ảnh, lưu trữ ảnh vân tay
- Các kỹ thuật nhận dạng ảnh vân tay
- Ngôn ngữ cài đặt chương trình nhận dạng ảnh vân tay
Nghiên cứu lý thuyết các điểm đặc trưng của ảnh vân tay, trích chọn điểm đặc trưng của ảnh vân tay, đối sánh ảnh vân tay:
- Một số điểm đặc trưng của ảnh vân tay
- Các kỹ thuật trích chọn điểm đặc trưng và đối sánh ảnh vân tay
- Mô hình mạng nơ ron nhận dạng ảnh
- Xây dựng module trích chọn điểm đặc trưng cục bộ
- Xây dựng module nhận dạng bằng mạng nơ ron
Nghiên cứu thực nghiệm thu thập dữ liệu cho các mẫu để đối sánh:
- Xây dựng cách thu thập dữ liệu ảnh vân tay của các nhân viên, cán bộ quản lý trong công ty và một số ảnh vân tay bên ngoài
- Đi thực tế thu thập ảnh dữ liệu vân tay
- Xây dựng module đối sánh ảnh vân tay
Nghiên cứu thực nghiệm nhằm xác định và đánh giá các kết quả đối sánh:
- Dựa trên các tỷ lệ loại bỏ sai (FRR) và tỉ lệ chấp nhận sai (FAR)
- Đưa ra các quyết định
5 Phương tiện nghiên cứu
Trong quá trình làm luận văn tôi đã tham khảo các tài liệu từ các nguồn sau: các giáo trình, các sách tham khảo, các bài báo tạp chí về nhận dạng ảnh vân tay, các tài liệu trên mạng Internet, các luận văn thạc sĩ và các đồ án tốt nghiệp kỹ sư có liên quan, các phần trợ giúp của các phần mềm nhận dạng vân tay Tất cả các nguồn này đã được ghi trích dẫn trong luận văn và liệt kê đầy đủ trong phần tài liệu tham khảo
Trang 19Trang 16
6 Ý nghĩa khoa học và thực tiễn của đề tài
Trong luận văn đã sử dụng mạng nơ ron để trích chọn các điểm đặc trưng cục bộ trên ảnh vân tay và xây dựng bộ đối sánh ảnh vân tay dựa trên các điểm đặc trưng cục bộ Đây là cơ sở để xây dựng hệ thống nhận dạng ảnh vân tay phục vụ cho công tác bảo mật các thông tin của nhân viên và cán bộ quản lý, chấm công để minh họa cho tính khả thi của đề tài
7 Những vấn đề sẽ giải quyết
Để đáp ứng các mục đích đề ra ở trên, trong luận văn này tôi tập chung giải quyết các nội dung chính sau:
- Xem xét một cách khái quát quy trình của một hệ thống nhận dạng ảnh vân tay
- Nghiên cứu chi tiết hơn về các công đoạn trích chọn điểm đặc trưng cục bộ và đối sánh ảnh vân tay trong quá trình nhận dạng ảnh vân tay
- Đề cập đến một số kỹ thuật phổ biến trong việc trích chọn điểm đặc trưng cục bộ
và đối sánh ảnh vân tay
- Khảo sát một số mô hình mạng nơ ron hiện tại đang được sử dụng trong lĩnh vực nhận dạng Qua đó đánh giá được ưu nhược điểm của từng mô hình nhằm để xuất được một số hướng cải tiến để có được một mô hình thích hợp với việc trích chọn điểm đặc trưng
- Đề xuất các kỹ thuật nâng cấp ảnh vân tay trước khi đưa vào trích chọn điểm đặc trưng và đối sánh ảnh vân tay
- Đề xuất mô hình mạng nơ ron perception 1 lớp và mạng lan truyền ngược thích hợp cho việc trích chọn đặc trưng ảnh vân tay
- Xây dựng một bộ đối sánh ảnh vân tay tìm kiếm với các ảnh vân tay mẫu thu được
- Xây dựng được module nhận dạng mẫu vân tay trong cơ sở dữ liệu bằng phương pháp mạng nơ ron
Trang 20Trang 17
8 Kết quả đạt được
- Xây dựng mạng nơ ron để trích chọn đặc trưng cục bộ của ảnh vân tay
- Xây dựng phần mềm nhận dạng ảnh vân tay với các chức năng chính sau:
Quản lý công dân
Quản lý người dùng
Trích chọn đặc trưng cục bộ của ảnh vân tay
Xây dựng module nhận dạng vân tay bằng phương pháp đối sánh
Xây dựng module nhận dạng vân tay bằng mạng nơ ron sử dụng mạng perception và mạng lan truyền ngược
9 Bố cục của luận văn
Ngoài phần mở đầu, kết luận, tài liệu tham khảo và phụ lục trong luận văn gồm có các chương như sau:
Chương 1: Tổng quan Chương này trình bày về các phương pháp nhận dạng phổ
biến hiện nay, tổng quan về mạng nơ ron và tình hình nghiên cứu Phát biểu bài toán và giới hạn cần nghiên cứu
Chương 2: Biểu diễn vân tay và phương pháp nhận dạng Chương này tìm hiểu
về phân tích và biểu diễn vân tay, các phương pháp nhận dạng vân tay được sử dụng hiện nay
Chương 3: Hệ thống nhận dạng vân tay sử dụng mạng nơ ron nhân tạo Chương
này tìm hiểu kiến trúc hệ thống nhận dạng vân tay, phân tích và xây dựng hệ thống nhận dạng vân tay bằng mạng nơ ron nhân tạo Ứng dụng hệ thống đã xây dựng được ở trên vào thực tế và đánh giá kết quả thu được
Trang 21Trang 18
NỘI DUNG CHƯƠNG 1: TỔNG QUAN
1.1 Tổng quan về các phương pháp nhận dạng sinh trắc học
“Từ dấu vân tay cho đến thiết bị đeo giám sát nhịp tim đang trở thành những
sự lựa chọn bảo mật nhằm thay thế mật khẩu truyền thống”- (pcworld.com.vn)
Với cụm từ khóa “I hate passwords” có nghĩa là “Tôi ghét mật khẩu” trên Google có tới hơn 3,2 triệu chủ đề nói về vấn đề này Và sự kiện gần đây khi mà tin
tặc Nga đánh cắp 1,2 tỷ tài khoản người dùng cho thấy “thời của mật khẩu cố định
đã hết” Và việc thay thế được nhắc đến với nhiều giải pháp, một trong số đó là
công nghệ sinh trắc học đang nổi lên như xu hướng bảo mật người dùng trong tương lai
Sinh trắc học đã được phát triển trong một thời gian dài Trong những năm gần đây, công nghệ này đã vượt qua các rào cản lớn như chi phí, cách thức vận hành
và khả năng truy cập tạo ra khả năng chính xác cao trong giải pháp xác thực Giống như bất kỳ công nghệ bảo mật nào, sinh trắc học không có giải pháp hoàn hảo Nhưng có một điều chắc chắn, sinh trắc học không còn là một hình ảnh của tương lai mà đang trở nên hiện hữu trong ngày hôm nay
Ngày nay, công nghệ sinh trắc học đã được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống Cùng với sự ra đời của thương mại điện tử, ngân hàng điện
tử, trạm kiểm soát an ninh, trung tâm lưu trữ dữ liệu, hệ thống rút tiền tự động,…đòi hỏi các biện pháp bảo mật cao ngày càng trở thành một vấn đề rất quan trọng và cấp thiết Tuy nhiên, các ứng dụng của hệ thống định danh cá nhân theo phương pháp truyền thống trước đây là dựa vào các hiểu biết (knowledge-based): mật khẩu, số PIN hay là dựa trên các thẻ ID…không thuận tiện và dễ bị lừa gạt Bởi vì mật khẩu,
số PIN… có thể quên hay có thể bị đoán bởi những kẻ mạo danh, các thẻ bài cũng
có thể bị quên hay bị đánh cắp Do đó, các phương pháp định danh cá nhân dựa trên hiểu biết và chứng cứ truyền thống khó đáp ứng nhu cầu thực tế hiện nay Để đáp ứng các nhu cầu đó thì các phương pháp bảo mật bằng các đặc trưng sinh trắc học
Trang 22Trang 19
như: ảnh khuôn mặt, ảnh mống mắt, giọng nói, ảnh vân tay, ảnh bàn tay, chữ ký, dáng đi, cấu trúc tĩnh mạch của mặt sau bàn tay, thành phần hóa học của mùi mồ hôi,…đang được ứng dụng thay thế dần các phương pháp truyền thống và thu hút được sự quan tâm của nhiều nhà khoa học
Vậy nhận dạng sinh trắc học là gì? Nhận dạng sinh trắc học là việc định danh một cá nhân dựa trên đặc trưng hành vi hay cấu trúc vật lý của một cá nhân nào đó
mà có khả năng tin cậy và phân biệt được với kẻ mạo danh Từ cơ sở đó người ta chia nhận dạng sinh trắc học thành hai loại chính: phương pháp nhận dạng dựa trên hành vi và phương pháp nhận dạng dựa theo cấu trúc vật lý của con người
Đối với phương pháp dựa trên hành vi là cố gắng xác định một vài hành vi ngắn điển hình của con người như: cách dùng viết khi viết hay hành vi ấn phím trên bàn phím để nhập mã PIN, mật khẩu… Đối với phương pháp dựa trên cấu trúc vật
lý là dựa vào một số tính chất vật lý để xác định cá nhân người dùng như: ảnh bàn tay, ảnh vân tay, ảnh mống mắt,…
Để các minutiae sinh trắc học được ứng dụng trong nhận dạng, định danh cá nhân thì nó phải thoả mãn các tính chất sau đây:
Tính duy nhất (Uniqueness)
Tính bất biến theo thời gian (Invariance to Time)
Tính đo được (Mesuarability)
Chữ ký là căn cứ pháp lý để sử dụng trong các giao dịch rất thông dụng Chữ
ký của mỗi người thường khác nhau và có những đặc điểm riêng biệt nên thường được dùng để phân biệt người này với người khác Hệ thống nhận dạng chữ ký tự động không chỉ khảo sát hình dạng của chữ ký mà còn khảo sát quá trình động khi
Trang 23Trang 20
người dùng đang ký Như vậy, nhận dạng chữ ký là một trong những phương pháp nhận dạng sinh trắc học dựa trên hành vi khi người sử dụng ký Hiện nay, có nhiều lĩnh vực ứng dụng nhận dạng chữ ký như: xác nhận giao dịch như hợp đồng, thẻ trả tiền, hay đăng nhập mạng thông qua thiết bị cầm tay
1.1.2 Phương pháp nhận dạng giọng nói
Nhận dạng giọng nói (Voice Verification):
Giọng nói là kết quả của tập hợp các tác động vật lý bởi vì âm thanh phát ra
do tác động của sự kết hợp giữa các thành phần như: các dây thanh âm, vòm miệng, vùng thanh âm, răng, vùng xoang và phần bên trong các mô tế bào miệng của con người Có thể nói giọng nói là hành vi bởi vì khi phát ra một từ thì mỗi một người
có thể phát âm to, nhỏ, nhanh, chậm khác nhau phụ thuộc trạng thái tâm lý của người nói lúc đó như: giận, hờn, vui, buồn…Như vậy, hệ thống nhận dạng giọng nói phân tích sóng và các mẫu áp lực không khí thu được khi một người nào đó nói vào micro Do đó, nhận dạng giọng nói là sự kết hợp của hai phương pháp nhận dạng hành vi và nhận dạng kiến trúc vật lý
Trong thực tế nhận dạng giọng nói có thể không chính xác do trong môi trường thường bị ảnh hưởng bởi các tạp âm khác Do đó, hệ thống nhận dạng giọng nói rất khó khăn trong việc loại bỏ tạp âm ra khỏi giọng nói
1.1.3 Phương pháp nhận dạng khuôn mặt
Nhận dạng khuôn mặt (Face Recognition):
Một trong những hệ thống nhận dạng được sử dụng sớm nhất trong các hệ thống nhận dạng nói chung và nhận dạng sinh trắc học nói riêng đó là nhận dạng khuôn mặt Mỗi khuôn mặt đều có nhiều điểm mốc, những phần lồi lõm tạo nên các đặc điểm của khuôn mặt Những đặc điểm trên khuôn mặt được gọi là các điểm nút Mỗi mặt người có khoảng 80 điểm nút Hệ thống nhận nhận diện khuôn mặt thông qua một số điểm nút như sau: Khoảng cách giữa hai mắt; chiều rộng của mũi; Độ sâu của hốc mắt; Hình dạng của xương gò má; Độ dài của xương hàm Các điểm nút
Trang 24Trang 21
trên được đo đạc và tạo ra nhiều mã số được gọi là dấu bộ mặt (FacePrint) đại diện cho khuôn mặt trong cơ sở dữ liệu Vì vậy, mỗi người sinh ra có một đặc điểm khuôn mặt riêng biệt, trở thành cái khóa để phân biệt người đó với mọi người xung quanh Ngày nay phương pháp nhận dạng mặt người đã có các kỹ thuật tiến bộ hơn
và đóng vai trò rất lớn trong nhiều lĩnh vực như: công tác điều tra tội phạm, nhận dạng các cổ động viên quá khích trong trận thi đấu thể thao,…
Hệ thống nhận dạng mặt người có thể chia thành hai loại chính: một là, dùng
để định danh một cá nhân trong một môi trường đã biết với một khoảng cách hằng
số cho trước; hai là, định danh một cá nhân từ trong một nhóm người với môi trường động và khoảng cách ngẫu nhiên Đối với trường hợp một thì tương đối đơn giản còn trong trường hợp hai thì phức tạp hơn Bởi vì, khi một người đứng yên thì việc đánh dấu để nhận dạng dễ hơn so với khi người đó đang di chuyển Tuy nhiên, nhận diện khuôn mặt sử dụng các mẫu 3D đã giúp cho việc nhận dạng được chính xác hơn Chúng sử dụng độ sâu và trục của các phần trên khuôn mặt không bị ảnh hưởng bởi ánh sáng, vì thế việc nhận dạng khuôn mặt 3D có thể được sử dụng cả trong bóng tối và có thể nhận ra khuôn mặt từ nhiều góc độ khác nhau với độ chênh lệch lên tới 90 độ
Nhận dạng khuôn mặt
Dự án nghiên cứu mới của Facebook có tên là DeepFace với tính năng bảo mật "xác minh trên khuôn mặt", có nghĩa là phần mềm này có thể nhận ra hai hình ảnh hiển thị khuôn mặt giống nhau, trái ngược với "nhận dạng khuôn mặt" - sử dụng cơ chế hình ảnh duy nhất Nhà nghiên cứu Yaniv Taigman của Facebook cho rằng, các kỹ thuật cơ bản có thể cải thiện độ chính xác nhận diện khi người dùng đăng tải những bức ảnh mới nhất hay phần mềm này hữu ích trong ngành công nghiệp bán lẻ trong việc lập cơ sở dữ liệu của khách hàng và sở thích mua sắm của
họ
Trang 25Trang 22
Hình 1.1: Cơ chế DeepFace của Facebook Tuy nhiên, hoạt động thực tế trong việc nhận diện khuôn mặt đang được triển khai mạnh mẽ Cục Điều tra Liên bang Mỹ FBI đang có kế hoạch bổ sung thêm 52 triệu bức ảnh vào cơ sở dữ liệu thế hệ tiếp theo vào năm 2015 Nghiên cứu của Electronic Frontier Foundation, một tổ chức hoạt động về bảo mật kỹ thuật số cho biết, cơ sở dữ liệu sẽ chứa hình ảnh của bất kỳ ai và được kết hợp với dấu vân tay
để làm hồ sơ ngay cả khi người đó không có tiền án tiền sự Điều này gây ra nhiều tranh cãi nhưng việc ứng dụng nhận diện khuôn mặt vào đời sống là điều tất yếu
1.1.4 Phương pháp nhận dạng mống mắt
Nhận dạng mống mắt (Iris Scanning):
Mống mắt là phần của mắt và nó có thể xác định tính duy nhất của con người Mống mắt bắt đầu hình thành từ tuần thứ tám của bào thai và không thay đổi trong suốt đời của con người Các thuộc tính có thể nhận thấy của mống mắt là: quầng mắt, rãnh mắt, tàn nhang… Hệ thống nhận dạng người dựa trên mống mắt là rất an toàn Bởi vì mống mắt có tới 2000 đặc điểm duy nhất để sử dụng cho việc nhận dạng Hệ thống này thường dùng camera để thu và xử lý lưu trữ dưới dạng các
Trang 26Trang 23
mã mống mắt (IrisCode) và hệ thống sẽ đối sánh các mã này để định danh một cá
nhân nào đó Hiện nay, hệ thống này thường được áp dụng với các hệ thống cố định, chưa được sử dụng trong hệ thống nhận dạng di động Đồng thời nó mang lại hiệu quả cao trong việc nhận dạng so với công nghệ nhận dạng sinh trắc học khác, tuy nhiên chi phí của hệ thống nhận dạng này cao hơn các ứng dụng hệ thống nhận dạng sinh trắc học khác
Nhận diện qua mắt - Eye Scan:
Hình 1.2: Quét võng mạc
Cuối năm 2014, Samsung đã giới thiệu điện thoại Galaxy Note 4 và trên sản
phẩm này trang bị cảm ứng võng mạc Đây là tính năng bảo mật thông qua mắt người duy nhất được triển khai trên thiết bị di động Công nghệ quét võng mạc được phát triển vào những năm 1980 và là một trong những sinh trắc học nổi tiếng nhất Ngày nay người ta chủ yếu sử dụng cho ứng dụng truy cập vật lý trong môi trường bảo mật cao ở cấp chính phủ, quân sự Quét võng mạc là một công nghệ mới hơn
và đang được Apple cân nhắc đưa lên các sản phẩm thiết bị đeo mua mình Ứng
dụng nổi bật trong dân dụng là việc sân bay Schiphol của Amsterdam sử dụng công nghệ quét võng mạc để xác thực hành khách nhập cảnh mà không cần xuất trình hộ chiếu
Trang 27Trang 24
1.1.5 Phương pháp nhận dạng vân tay
Nhận dạng vân tay (Fingerprint Recognition):
Việc sử dụng vân tay để định danh một cá nhân nào đó là do vân tay có tính duy nhất và bền vững Xác suất trùng lặp một vân tay là 10-6 Một người với hai bàn tay có 10 ngón đầy đủ thì xác suất trùng lặp cả 20 ngón trở nên rất nhỏ đến mức có thể coi như bằng 0 Do đó, không có hai người khác nhau có các vân tay trùng nhau Hơn nữa, hình dạng vân tay ổn định từ lúc sinh ra đến khi chết đi, ít có điều kiện thay đổi, kể cả nhờ các biện pháp hiện đại như giải phẫu
Ngày nay, trong tất cả các phương pháp nhận dạng sinh trắc học thì ảnh vân tay được sử dụng thông dụng và mang lại hiệu quả cao trong việc định danh một cá nhân
Hiện nay nhận dạng vân tay đã và đang được sử dụng khá phổ biến trên các thiết bị điện tử như máy tính xách tay và đặc biệt là các thiết bị di động Craig Federighi, Phó chủ tịch cấp cao của Apple về công nghệ phần mềm,công bố với các nhà phát triển tại hội nghị WDC 2014 vừa qua rằng: có hơn 83% người dùng
iPhone 5s sử dụng bảo mật vân tay TouchID để bảo vệ thiết bị của mình Con số
này tương đương với việc tăng hơn nửa số người dùng iPhone sử dụng mật mã
trong thời kì tiền Touch ID
Hình 1.3: Công nghệ quét vân tay trên iPhone
Trang 28trong thiết bị Với iOS 8, người dùng iPhone sẽ có nhiều hơn sự lựa chọn để xác
thực dấu vân tay với sự tham gia của các nhà phát triển ứng dụng bên thứ 3 dựa trên
hệ thống TouchID
1.1.6 Một số phương pháp nhận dạng khác
Máy quét tĩnh mạch lòng bàn tay - Palm Vein Reader
Thiết bị quét tĩnh mạnh lòng bàn tay (Palm Vein Reader) đã được sử dụng nhiều ở các trường học trên thế giới và ứng dụng trong bệnh viện nhiều năm qua Nhưng bất chấp sự phổ biến của máy quét dấu vân tay, thiết bị quét tĩnh mạnh này
có thể là thế hệ tiếp theo được dùng trên máy tính xách tay của khối doanh nghiệp, thậm chí có thể là thiết bị đầu cuối tại các của hàng bán lẻ
Hình 1.4: Máy quét tĩnh mạch lòng bàn tay Sinh trắc học Palm Vein Reader sử dụng tia hồng ngoại chụp ảnh mẫu tĩnh mạch duy nhất của mỗi cá nhân và được kiểm tra thông qua máy quét với mô hình được đăng kí trước Fujitsu là nhà sản xuất đầu tiên thương mại hóa công nghệ tĩnh mạch lòng bàn tay vào năm 2004 với máy quét nhỏ gọn tích hợp vào các máy ATM của Ngân hàng Tokyo-Mitsubishi, và công nghệ này cũng được ứng dụng vào máy
Trang 29Trang 26
tính xách tay của hãng Fujitsu cũng bắt đầu triển khai máy quét tĩnh mạch này trên điện thoại thông minh vào hồi tháng 3 năm 2014
Vào tháng 1, tại CES 2014 một công ty đến từ New Jersey dựa trên công
nghệ sinh trắc học đã đưa ra giải pháp thanh toán với thiết bị đầu cuối của thẻ tín dụng tích đầu đọc máy quét tĩnh mạch lòng bàn tay gọi là "PulseWallet."
Sinh trắc học hành vi - Behavioral Biometrics
Công nghệ xác thực về hành vi được hình thành từ việc sử dụng bàn phím hoặc các thao tác trên smartphone và được nhiều người dùng ủng hộ, tạo nên trào lưu bảo mật như việc quét mắt hay lấy dấu vân tay Sinh trắc học hành vi không yêu cầu người sử dụng phải thực hiện các thao tác bảo mật như đặt ngón tay hay lòng bàn tay vào một máy quét Công nghệ này xác thực người đầu tiên đăng nhập vào ứng dụng chính là người cuối cùng thoát ra
Hình 1.5: Sinh trắc học hành vi Behavioral Biometrics
Tổ chức dịch vụ tài chính như Danske Bank của Đan Mạch và BBVA là những đơn vị đầu tiên đưa vào ứng dụng Ngân hang Danske sử dụng phần mềm phân tích từ BehavioSec để tạo ra một "dấu ấn nhận thức" có thể đặt ra một báo động và chặn truy cập vào tài khoản khi người dùng có những sai lệch khi đăng nhập
Nhóm dịch vụ tài chính toàn cầu BBVA sử dụng công nghệ được trang bị trên thiết bị di động để yêu cầu xác thực qua 2 bước Nhân viên thiết lập hồ sơ cá nhân bằng cách đăng nhập vào hệ thống của công ty và sử dụng các động tác quen
Trang 30Trang 27
thuộc của mình trên màn hình cảm ứng để truy cập thực hiện việc nhận dạng cá nhân Đối với tin tặc truy cập vào các dữ liệu, họ sẽ phải "ăn cắp điện thoại của người dùng, biết điều chỉnh hoạt động, thói quen sử dụng và phương thức thiết lập bảo mật ban đầu"
Nhịp tim- Cardiac Rhythm
Hình 1.6: Mô hình Nymi sử dụng công nghệ Cardiac Rhythm Mọi người có thể quen thuộc với thiết bị đọc điện tâm đồ (ECG) trong những lần đi khám sức khỏe tổng thể Về thực chất thì công nghệ điện tâm đồ không quá nhiều đột phá, những gì xuất hiện trên bản đồ sinh trắc học chỉ là các thiết bị cảm biến nhỏ có thể kết nối với nhịp đập trái tim của người dùng và hệ thống tín hiệu được đeo trên người có thể xác nhận các nhịp tim riêng biệt từng cá nhân
Thiết bị đeo Nymi hoạt động dựa trên các tín hiệu, nhịp đập tương tự cách bác sĩ đo từ cổ tay hoặc bàn tay Yêu cầu cơ bản là 2 điểm tiếp xúc kết nối qua bộ điều khiển trung tâm tạo nên hệ thống mạch Các thiết bị thu thập thông tin điện tâm
đồ có giá trị y tế, nhưng cũng đủ để phụ vụ trong ngành xác thực sinh trắc học cũng như theo dõi nhịp tim
1.1.7 Tại sao nên sử dụng nhận dạng vân tay
Trong thời đại ngày nay, sự phát triển không ngừng của khoa học kỹ thuật đã giúp cho con người thuận tiện hơn trong các công việc hằng ngày Với sự bùng nổ
về công nghệ thông tin, quá trình toàn cầu hóa diễn ra nhanh chóng, sự bảo mật riêng tư thông tin cá nhân cũng như để nhận biết một người nào đó trong hàng tỉ
Trang 31Trang 28
người trên trái đất đòi hỏi phải có một tiêu chuẩn, hệ thống đảm nhận các chức năng
đó Công nghệ sinh trắc ra đời và đáp ứng được các yêu cầu trên
Nhiều công nghệ sinh trắc đã và đang được phát triển, một số chúng đang được sử dụng trong các ứng dụng thực tế và phát huy hiệu quả cao Các đặc trưng sinh trắc thường được sử dụng là vân tay, gương mặt, mống mắt, tiếng nói Mỗi đặc trưng sinh trắc có điểm mạnh và điểm yếu riêng, nên việc sử dụng đặc trưng sinh trắc cụ thể là tùy thuộc vào yêu cầu của mỗi ứng dụng nhất định Các đặc trưng sinh trắc có thể được so sánh dựa vào các yếu tố sau: tính phổ biến, tính phân biệt, tính
ổn định, tính thu thập, hiệu quả, tính chấp nhận Trong yêu cầu về bảo mật và tìm
kiếm, tính phân biệt (hai người khác nhau thì đặc trưng sinh trắc này phải khác
nhau) và ổn định (đặc trưng sinh trắc này không thay đổi theo từng giai đoạn thời gian tương ứng với hạng mục đối sánh nhất định) được quan tâm nhiều hơn cả Vân
tay đã được biết tới với tính phân biệt (tính chất cá nhân) và ổn định theo thời gian
cao nhất, vì vậy nó là đặc trưng sinh trắc được sử dụng rộng rãi nhất Nhận dạng
sinh trắc đề cập đến việc sử dụng các đặc tính hành vi và thể chất (ví dụ: vân tay,
gương mặt, chữ kí…) có tính chất khác biệt để nhận dạng một người một cách tự
động Nhận dạng vân tay được xem là một trong những kỹ thuật nhận dạng hoàn thiện và đáng tin cậy nhất
Trong các tổ chức, cơ quan an ninh, quân sự, hành chính, khoa học…luôn có nhu cầu kiểm tra và trả lời các câu hỏi: “người này có phải là đối tượng đó hay không?”, “người này có được quyền truy cập và sử dụng thiết bị đó?”, “người này
có được biết những thông tin đó?”…Phương pháp dựa vào thẻ bài truyền thống (ví
dụ dùng chìa khóa…), phương pháp dựa vào trí thức (ví dụ dùng mật khẩu và PIN – Personal Identification Number) đã được sử dụng phổ biến nhưng thực tế đã chứng minh là không hiệu quả vì tính an toàn không cao và khó nhớ Người ta nhận thấy các đặc trưng sinh trắc không thể dễ dàng bị thay thế, chia sẻ hay giả mạo , chúng được xem là đáng tin cậy hơn trong nhận dạng một người so với các phương pháp trên Vân tay là một trong những đặc điểm khá đặc biệt của con người bởi vì tính đa dạng của nó, mỗi người sở hữu một dấu vân tay khác nhau, rất ít trường hợp những
Trang 32Trang 29
người có dấu vân tay trùng nhau Bằng việc sử dụng vân tay và mật mã, việc xác nhận một người có thể được thực hiện bằng một hệ thống nhận dạng vân tay an toàn
và nhanh chóng
1.1.8 Nhu cầu thực tế về ứng dụng nhận dạng sinh trắc học
Ngày nay công nghệ sinh trắc học được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống Đặc biệt, công nghệ nhận dạng vân tay đã và đang được ứng dụng
và mang lại lợi ích lớn cho xã hội Theo phân tích ở hình 1.7, tổng số ứng dụng công nghệ nhận dạng vân tay chiếm tới 48,8% trên tổng số ứng dụng sinh trắc học, điều này phản ánh nhu cầu ứng dụng là rất lớn
Hình 1.7: Tỷ lệ phần trăm ứng dụng công nghệ sinh trắc học Theo dự báo của các chuyên gia, với những đặc trưng nổi trội của công nghệ nhận dạng vân tay mang lại, trong nhiều năm tới, công nghệ này vẫn tiếp tục được ứng dụng rộng rãi trong nhiều lĩnh vực (hình 1.8) và mang lại doanh thu rất lớn (hình 1.9)
Trang 33Trang 30
Hình 1.8: Các ứng dụng của hệ thống nhận dạng vân tay
Hình 1.9: Doanh thu công nghệ sinh trắc học trong những năm gần đây và dự
đoán doanh thu trong những năm tới
1.2 Tổng quan về mạng nơ ron
1.2.1 Bộ não và nơ ron sinh học
Tế bào thần kinh còn gọi là “Nơ ron” Nghiên cứu sinh học về bộ não con người cho thấy rằng các nơ ron là đơn vị cơ sở đảm nhiệm những chức năng xử lý nhất định trong hệ thần kinh, bao gồm: não, tủy sống và các dây thần kinh Mỗi nơ
ron có phần thân và nhân bên trong (gọi là soma), một đầu thần kinh ra (gọi là
dendrite) Các dây thần kinh vào tạo thành một lưới dày đặc xung quanh thân tế
Trang 34Trang 31
bào, chiếm diện tích khoảng 0.25 mm2, còn dây thần kinh tạo ra thành trục dài có thể từ 1 cm đến hàng mét Đường kính nhân tế bào thường chỉ là 10-4 m Trục dây thần kinh ra cũng có thể phân nhánh theo dạng cây để nối với dây thần kinh vào hoặc trực tiếp với nhân tế bào các nơ ron khác thông qua các khớp nối (gọi là
synapse) Thông thường, mỗi nơ ron có thể gồm vài chục cho tới hàng trăm khớp
nối để nối với các nơ ron khác Người ta ước lượng rằng lưới các dây thần kinh ra cùng với các khớp nối bao phủ diện tích khoảng 90% bề mặt nơ ron
Hình 1.10: Cấu tạo nơ ron sinh học Các tín hiệu truyền trong dây thần kinh vào và dây thần kinh ra của các nơ ron là tín hiệu điện, được thực hiện thông qua các quá trình phản ứng và giải phóng các chất hữu cơ Các chất này được phát ra từ các khớp nối dẫn tới các dây thần kinh vào sẽ làm tăng hay giảm điện thế của nhân tế bào Khi điện thế này đạt đến một mức ngưỡng nào đó sẽ tạo ra một xung điện lẫn tới trục dây thần kinh ra Xung này được truyền theo trục, tới các nhánh rẽ khi chạm tới các khớp nối với các nơ ron khác và sẽ giải phóng các chất truyền điện Thường chia khớp nối thành 2 loại:
khớp nối kích thích (Excitatory) và khớp nối ức chế (Inhibitory)
Phát hiện quan trọng nhất về bộ não sinh học là các liên kết khớp thần kinh khá mềm dẻo, có thể biến động và sửa đổi theo thời gian tùy thuộc vào các dạng kích thích Hơn nữa, các nơ ron có thể sản sinh các liên kết mới với các nơ ron khác; đôi khi, lưới các nơ ron có thể di trú từ vùng này sang vùng khác trong bộ não Đây là cơ sở quan trọng để giải thích cho cơ chế học của bộ não con người
Các chức năng cơ bản của bộ não bao gồm:
Trang 35Trang 32
- Bộ nhớ được tổ chức theo các bó thông tin và truy cập theo nội dung
- Bộ não có thể tổng quát hóa, có thể truy xuất các tri thức hay các mối liên kết chung của các đối tượng tương ứng với một khái niệm chung nào đó
- Bộ não có khả năng điều chỉnh hoặc tiếp tục thực hiện ngay khi có những sai do thông tin bị thiếu hay thiếu chính xác Ngoài ra, bộ não còn có thể phát hiện
và phục hồi các thông tin bị mất dựa trên sự tương tự giữa các đối tượng
- Bộ não có khả năng xuống cấp và thay thế dần Khi có những trục trặc tại các vùng não (do chấn thương) hoặc bắt gặp những thông tin hoàn toàn mới lạ, bộ não vẫn có thể được tiếp tục làm việc
- Bộ não có khả năng học
Nhìn chung, tính toán sơ bộ cho thấy rằng dù bộ vi xử lý máy tính điện tử có thể tính toán nhanh hơn hàng triệu lần so với nơ ron của bộ não, nhưng xét tổng thể thì bộ não lại tính toán nhanh hơn hàng tỷ lần Ngoài ra, cũng dễ thấy rằng bộ não con người có thể lưu trữ nhiều thông tin hớn các máy tính hiện đại, dù rằng điều này không phải đúng mãi mãi bởi lẽ bộ não tiến hóa chậm còn bộn nhớ máy tính thì được nâng cấp rất nhanh nhờ những tiến bộ của khoa học kỹ thuật
1.2.2 Mô hình nơ ron nhân tạo và mạng nơ ron nhân tạo
Mạng nơ-ron nhân tạo (Artificial Neural network – ANN) mô phỏng các hệ thống nơ ron sinh học (các bộ não con người) ANN là một cấu trúc (structure/network) được tạo nên bởi một số lượng các nơ ron (artificial neurons) liên kết với nhau
Mỗi nơ ron có một đặc tính vào/ra và thực hiện một tính toán cục bộ (một hàm cục bộ) Giá trị đầu ra của một nơ ron được xác định bởi: đặc tính vào/ra của
nó, các liên kết của nó với các nơ ron khác và có thể có các đầu vào bổ sung
ANN có thể được xem như một cấu trúc xử lý thông tin một cách phân tán và song song ở mức cao ANN có khả năng học (learn), nhớ lại (recall), và khái quát hóa (generalize) từ các dữ liệu học – bằng cách gán và điều chỉnh (thích nghi) các giá trị trọng số (mức độ quan trọng) của các liên kết giữa các nơ ron
Trang 36Trang 33
Chức năng (hàm mục tiêu) của một ANN được xác định bởi:
- Kiến trúc (topology) của mạng nơ ron
- Đặc tính vào/ra của mỗi nơ ron
- Chiến lược học (huấn luyện)
- Dữ liệu học
Cấu trúc và hoạt động của một nơ-ron
- Các tín hiệu đầu vào (input signals) của nơ ron (x i , i=1 m) Mỗi tín hiệu đầu vào x i
gắn với một trọng số w i
- Trọng số điều chỉnh (bias) w 0 (với x 0 =1)
- Đầu vào tổng thể (Net input) là một hàm tích hợp của các tín hiệu đầu vào –
Net(w,x)
- Hàm tác động/truyền (Activation/transfer function) tính giá trị đầu ra của nơ ron –
f(Net(w,x)
- Giá trị đầu ra (Output) của nơ ron: Out = f(Net(w,x))
Hình 1.11: Cấu trúc của nơ ron nhân tạo
Đầu vào tổng thể và dịch chuyển
- Đầu vào tổng thể (net input) thường được tính toán bởi một hàm tuyến tính
Trang 37Trang 34
- Ý nghĩa của tín hiệu dịch chuyển (bias) w0
→ Họ các hàm phân tách Net = w 1 x 1 không thể phân tách được các ví dụ thành 2 lớp (two classes)
→ Nhưng họ các hàm Net=w 1 x 1 +w 0 có thể làm được điều đó
Hình 1.12: Các hàm phân tách
Hàm tác động: Giới hạn cứng (Hard-limiter)
Còn được gọi là hàm ngưỡng (threshold function) Giá trị đầu ra lấy một
trong hai giá trị, θ là giá trị ngưỡng
Nhược điểm: không liên tục, đạo hàm không liên tục
Hình 1.13: Hàm tác động giới hạn cứng
Trang 38Trang 35
Hàm tác động: Logic ngưỡng (Threshold logic)
= max(0, min(1, α(Net+ θ)))
Còn được gọi là hàm tuyến tính bão hòa (saturating linear function) Kết hợp của 2 hàm tác động: tuyến tính và giới hạn chặt
α xác định độ dốc của khoảng tuyến tính
Nhược điểm: Liên tục – nhưng đạo hàm không liên tục
- Liên tục, và đạo hàm liên tục
- Đạo hàm của một hàm xích ma được biểu diễn bằng một hàm của chính nó
Trang 39+ Liên tục, và đạo hàm liên tục
+ Đạo hàm của một hàm tanh có thể được biểu diễn bằng một hàm của chính nó
Kiến trúc mạng ANN
Kiến trúc của một ANN được xác định bởi:
- Số lượng các tín hiệu đầu vào và đầu ra
- Số lượng các tầng
- Số lượng các nơ ron trong mỗi tầng
- Số lượng các trọng số (các liên kết) đối với mỗi nơ ron
- Cách thức các nơ ron (trong một tầng, hoặc giữa các tầng) liên kết với nhau
- Những nơ ron nào nhận tín hiệu điều chỉnh lỗi
Một ANN phải có:
- Một tầng đầu vào (input layer)
- Một tầng đầu ra (output layer)
- Không, một hoặc nhiều tầng ẩn (hidden layer(s))
Trang 40Trang 37
Hình 1.16: ANN với một tầng ẩn + Đầu vào: 3 tín hiệu
+ Đầu ra: 2 giá trị
+ Tổng cộng, có 6 nơ ron: 4 ở tầng ẩn và 2 ở tầng đầu ra
Kiến trúc mạng ANN
- Một tầng (layer) chứa một nhóm các nơ ron
- Tầng ẩn (hidden layer) là một tầng nằm ở giữa tầng đầu vào (input layer) và tầng đầu ra (output layer)
- Các nút ở tầng ẩn (hidden nodes) không tương tác trực tiếp với mỗi trường bên
ngoài (của mạng nơ ron)
- Một ANN được gọi là liên kết đầy đủ (full connected) nếu mọi đầu ra từ một tầng
liên kết với mọi nơ ron của tầng kết tiếp
- Một ANN được gọi là mạng lan truyền tiến (feed-forward network) nếu không có
bất kỳ đầu ra của một nút là đầu vào của một nút khác thuộc cùng tầng (hoặc thuộc một tầng phía trước)
- Khi các đầu ra của một nút liên kết ngược lại làm các đầu vào của một nút thuộc
cùng tầng (hoặc thuộc một tầng phía trước), thì đó là một mạng phản hồi (feedback
network) Nếu phản hồi là liên kết đầu vào đối với các nút thuộc cùng tầng, thì đó là
phản hồi bên (lateral feedback)
- Các mạng phản hồi có các vòng lặp kín (closed loops) được gọi là các mạng hồi quy (recurrent networks)
Ví dụ:
