Nhận dạng vân tay trên arm, ứng dụng xây dựng hệ thống chấm công

43 3.1.5.4 Loại bỏ những điểm đặc trưng gần các block không xác định được hướng đường vân Remove Near Invalid Blocks .... 43 Hình 3.16: Điều kiện loại bỏ những điểm đặc trưng gần các b

TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG – TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: ………

(Ghi rõ họ tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1: ………

(Ghi rõ họ tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2: ………

(Ghi rõ họ tên, học hàm, học vị và chữ ký) Luận văn được bảo vệ tại Trường Đại Học Bách Khoa, ĐHQG Tp HCM ngày … tháng … năm …

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1 ………

2 ………

3 ………

4 ………

5 ………

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: MSHV:

Ngày, tháng, năm sinh: Nơi sinh:

Chuyên ngành: Mã số :

I TÊN ĐỀ TÀI:

II NHIỆM VỤ VÀ NỘI DUNG:

III NGÀY GIAO NHIỆM VỤ : (Ghi theo trong QĐ giao đề tài)

IV NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo trong QĐ giao đề tài)

V CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên):

Tp HCM, ngày tháng năm 20

CÁN BỘ HƯỚNG DẪN (Họ tên và chữ ký) CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) TRƯỞNG KHOA….………

(Họ tên và chữ ký)

LỜI CẢM ƠN

Trước hết, em xin gửi lời cảm ơn chân thành nhất đến TS Nguyễn Đức Thành, ĐHBK HCM, người đã nhiệt tình hướng dẫn em trong quá trình thực hiện luận văn này cũng như cung cấp những tài liệu giúp em định hướng nghiên cứu của mình Bên cạnh đó, em cũng gửi lời cám ơn các bạn đã giúp đỡ em trong quá trình tìm hiểu và giải quyết các khó khăn khi thực hiện luận văn

Em hi vọng sẽ tiếp tục nhận được sự hỗ trợ của mọi người trong cuộc sống cũng như trong công việc

Xin chúc mọi người sức khỏe, an lành, hạnh phúc

Thân ái !

Trần Ngọc Duy

LỜI CAM ĐOAN

Tôi xin cam đoan các kết quả được đưa ra trong luận văn này đều dựa trên các thử nghiệm thực tế trong quá trình nghiên cứu của tôi Nội dung luận văn có tham khảo và sử dụng một số thông tin, tài liệu từ các nguồn sách, tạp chí, các nghiên cứu của những người đi trước trong lĩnh vực này Những tài liệu này được liệt kê trong danh mục các tài liệu tham khảo Cuối cùng, tôi xin cam đoan chịu trách nhiệm với những gì mình viết

Trần Ngọc Duy

MỤC LỤC

DANH SÁCH HÌNH 10

Chương 1 13

Mở đầu 13

1.1 Giới thiệu về nhận dạng vân tay 13

1.2 Lịch sử của công nghệ vân tay 16

1.3 Ứng dụng thực tiễn 16

1.4 Mục tiêu của đề tài 17

1.5 Hướng tiếp cận của đề tài 17

1.5.1 Tiếp cận từ trên xuống 18

1.5.2 Tiếp cận đa môi trường và đa thiết bị nhúng 18

1.6 Nội dung của luận văn thạc sỹ 18

Chương 2 19

Tổng quan nhận dạng vân tay 19

2.1 Các đặc trưng vân tay 19

2.2 Mô hình hệ thống nhận dạng vân tay 22

2.3 Sơ đồ các bước xử lý trong quá trình nhận dạng 23

2.3.1 Quá trình xử lý ảnh (image processing) 24

2.3.2 Quá trình đối sánh vân tay (matching) 24

2.4 Cách đánh giá hệ thống nhận dạng vân tay 25

2.5 Các lỗi sinh trắc 26

Chương 3 29

Các thuật toán nhận dạng vân tay 29

3.1 Quá trình xử lý ảnh 29

3.1.1 Ảnh đầu vào ( Input Fingerprint Image File ) 30

3.1.2 Tạo bản đồ chất lượng ảnh ( Generate Image Quality Maps ) 31

3.1.2.1 Bản đồ hướng đường vân (direction map) 31

3.1.2.2 Bản đồ các khu vực có độ tương phản thấp ( low contrast map ): 35

3.1.2.3 Bản đồ dòng đường vân thấp ( Low flow Map ) 35

3.1.2.4 Bản đồ đường vân có độ cong cao ( High Curve Map ) 36

3.1.2.5 Bản đồ chất lượng ( Qualtity Map ) 37

3.1.3 Nhị phân ảnh vân tay ( Binarize image ) 38

3.1.4 Phát hiện điểm đặc trưng ( Detect Minutiae ) 40

3.1.5 Loại bỏ điểm đặc trưng sai ( Remove False Minutia ) 41

3.1.5.1 Loại bỏ điểm “island” và “lake” ( Remove Islands and lakes ) 42

3.1.5.2 Loại bỏ các lỗ ( Remove Holes ) 42

3.1.5.3 Loại bỏ những điểm đặc trưng hướng đến block không xác định được hướng đường vân ( Remove Pointing to Invalid ) 43

3.1.5.4 Loại bỏ những điểm đặc trưng gần các block không xác định được hướng đường vân ( Remove Near Invalid Blocks ) 43

3.1.5.5 Loại bỏ hoặc chỉnh sửa điểm đặc trưng nằm trên cạnh đường vân ( Remove or Adjust Side Minutiae ) 44

3.1.5.6 Loại bỏ các “hook” ( Remove Hooks ) 45

3.1.5.7 Loại bỏ các “overlap” ( Remove Overlaps ) 46

3.1.5.8 Loại bỏ những điểm đặc trưng có khoảng cách hai nhánh quá rộng ( Remove too wide minutiae ) 47

3.1.5.9 Loại bỏ những điểm đặc trưng có khoảng cách hai nhánh quá hẹp ( Remove Too Narrow Minutiae ) 47

3.1.6 Đếm số đường vân nằm giữa điểm đặc trưng và các điểm đặc trưng lân cận nó( Count Neighbor Ridges ) 49

3.1.7 Xác định chất lượng điểm đặc trưng ( Assess Minutia Quality ) 50

3.1.8 Tạo ra file chứa điểm đặc trưng ( Output Minutiae File ) 51

3.2 Đối sánh đặc trưng 51

3.2.1 Xây dựng bảng Intra-Fingerprint Minutia Comparison dùng để so sánh 52 3.2.2 Xây dựng bảng Inter-Fingerprint Compatibility 54

3.2.3 Phân tích bảng Inter-Fingerprint Compatibility 56

Chương 4 58

Giới thiệu về hệ thống nhúng, và các thiết bị nhúng 58

4.1 Định nghĩa hệ thống nhúng: 58

4.2 Lịch sử 59

4.3 Các đặc điểm của hệ thống nhúng 60

4.4 Giao diện 60

4.5 Kiến trúc CPU 61

4.6 Thiết bị ngoại vi 61

4.7 Công cụ phát triển 62

4.8 Độ tin cậy 63

4.9 Các kiến trúc phần mềm hệ thống nhúng 63

4.9.1 Vòng lặp kiểm soát đơn giản 64

4.9.2 Hệ thống ngắt điều khiển 64

4.9.3 Đa nhiệm tương tác 64

4.9.4 Đa nhiệm ưu tiên 65

4.9.5 Vi nhân (Microkernel) và nhân ngoại (Exokernel) 65

4.9.6 Nhân khối (monolithic kernels) 65

4.10 Giới thiệu về panda board 66

Chương 5 73

Giới thiệu đôi nét về hệ điều hành Embedded Linux và Ubuntu 73

5.1 Hệ điều hành embedded linux 73

5.1.1 Giới thiệu 73

5.1.2 Lịch sử 74

5.1.2.1 Các hệ thống Unix trước Linux 74

5.1.2.2 Richard Stallman, GNU Project 75

5.1.2.3 MINIX 76

5.1.2.4 Nguồn gốc của Linux 76

5.1.2.5 Tính thương mại và sự phổ biến 76

5.1.2.6 Việc phát triển ở hiện tại 77

5.1.2.7 Thiết kế 77

5.1.2.8 Vài thành phần chính của một hệ thống Linux hoàn chỉnh: 78

5.1.2.9 Các chương trình giao diện người dùng như các shell hoặc môi trường cửa sổ 78

5.1.2.10 Việc phát triển 79

5.2 Ubuntu 80

5.2.1 Giới thiệu 80

5.2.2 Lịch sử 81

5.2.3 Các phiên bản Ubuntu 82

5.2.3.1 Phiên bản thông thường 82

5.2.3.2 Phiên bản hỗ trợ lâu dài 82

5.2.4 Cài đặt 82

5.2.5 Giao diện 83

5.2.6 Ứng dụng 84

5.2.7 Sự phân loại và hỗ trợ các gói 84

5.2.8 Các phần mềm độc quyền 85

Chương 6 87

Giới thiệu ứng dụng thử nghiệm 87

6.1 Giới thiệu 87

6.1.1enroll 87

6.1.2 Identify 88

6.2 Bộ thư viện thử nghiệm 89

6.3 Hệ thống chấm công 89

6.4 Đánh giá hệ thống nhận dạng vân tay 90

Chương 7 92

Trình bày một số kết luận và hướng phát triển của đề tài 92

7.1 Một số kết quả đạt được 92

7.2 Hướng phát triển của đề tài 92

TÀI LIỆU THAM KHẢO 93

DANH SÁCH HÌNH

Hình 1.1: Cấu hình cơ bản của một hệ thống nhận dạng vân tay 15

Hình 2.1: Vân lồi và vân lõm của một ngón tay 19

Hình 2.2: Hình vuông màu trắng vùng đơn chứa điểm đặc biệt và vòng tròn màu trắng là điểm core 20

Hình 2.3: 5 phân lớp chính của một vân tay 20

Hình 2.4: Các loại đặc trưng phổ biến 21

Hình 2.5: b) là ảnh âm bản của hình a) 21

Hình 2.6: Mô hình hệ thống nhận dạng vân tay 22

Hình 2.7: Sơ đồ tiêu biểu của các bước xử lý trong quá trình nhận dạng vân tay 23

Hình 2.8: Tỷ lệ lỗi của hệ thống sinh trắc 27

Hình 2.9: Đường đặc trưng của hệ thống (ROC) 27

Hình 3.1: Các bước xử lý ảnh 30

Hình 3.2: Block có kích thước 8x8 và window có kích thước 24x24 32

Hình 3.3: Các window được xoay theo các hướng khác nhau Quy ước góc thẳng đứng là 0, mỗi lần xoay sẽ tăng lên 11.25 33

Hình 3.4: Các dạng sóng tần số DFT 34

Hình 3.5: Kết quả sau khi phân tích 34

Hình 3.6: Kết quả bản đồ các khu vực có dòng đường vân thấp 36

Hình 3.7: Kết quả bản đồ đường vân độ cong cao 37

Hình 3.8: Bản đồ chất lượng tại các khu vực khác nhau 38

Hình 3.9: Các hàng trong một block được quay sử dụng để nhị phân hoá ảnh 39

Hình 3.10 : Ảnh vân tay sau khi được nhị phân 40

Hình 3.11: Mẫu pixel dùng để xác định điểm kết thúc 40

Hình 3.12: Mẫu block được dùng để phát hiện điểm đặc trưng 41

Hình 3.13: Điều kiện loại bỏ điểm “island” và “lake” 42

Hình 3.14: Điều kiện loại bỏ lỗ 42

Hình 3.15: Điều kiện loại bỏ điểm đặc trưng hướng đến block không xác định được hướng đường vân 43

Hình 3.16: Điều kiện loại bỏ những điểm đặc trưng gần các block không xác định được hướng đường vân 43

Hình 3.17: Điều kiện loại bỏ hoặc chỉnh sửa điểm đặc trưng nằm trên cạnh đường vân 44

Hình 3.18: Điều kiện loại bỏ hooks 46

Hình 3.19: Điều kiện loại bỏ các “Overlap” 46

Hình 3.20: Điều kiện loại bỏ những điểm đặc trưng có khoảng cách hai nhánh quá rộng 47

Hình 3.21: Điều kiện loại bỏ những điểm đặc trưng có khoảng cách hai nhánh quá hẹp 48

Hình 3.22: Ví dụ Count Neighbor Ridges 49

Hình 3.23: Điểm đặc trưng trên ảnh vân tay 51

Hình 3.24: Các giá trị tương đối giữa 2 điểm đặc trưng k và j 53

Hình 3.25: Các phép đo dùng cho cặp điểm đặc trưng tương thích của 2 ảnh vân tay

để tạo ra một mục nhập vào bảng Inter-Fingerprint Compatibility 55

Hình 4.1: cấu hình pandaboard 68

Hình 4.2: OMAP4460 Pandaboard ES Architectural Block Diagram 69

Hình 4.3: Hình ảnh thực tế của pandaboard 69

Hình 4.4: Giao diện phần mềm win32diskimager 70

Hình 4.5: màn hình lúc khới động 71

Hình 4.6: Màn hình khi cài đặt 71

Hình 4.7: Màn hình sau khi cài đặt xong 72

Hình 5.1: Richard Stallman 75

Chương 1

Mở đầu

1.1 Giới thiệu về nhận dạng vân tay

Sinh trắc học hay Công nghệ sinh trắc học (thuật ngữ khoa học: Biometric)

là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi cá nhân như vân tay, mống mắt, khuôn mặt để nhận diện Đây được coi là công cụ xác thực nhân thân hữu hiệu nhất mà người ta sử dụng phổ biến vẫn là nhận dạng vân tay bởi đặc tính ổn định và độc nhất của nó và cho đến nay, nhận dạng dấu vân

tay vẫn được xem là một trong những phương pháp sinh trắc tin cậy nhất

Mỗi người có một đặc điểm sinh học duy nhất Dữ liệu sinh trắc học của từng cá nhân với đặc điểm khuôn mặt, ảnh chụp võng mạc, giọng nói sẽ được kết hợp với nhau bằng phần mềm để tạo ra mật khẩu dành cho những giao dịch điện tử, phương thức đó là “công nghệ sinh trắc đa nhân tố” Sự phát triển của công nghệ đã thay đổi từ việc lăn tay trên mực và lưu trữ trên giấy sang quét trên máy và lưu trữ

kỹ thuật số

Dáng đi con người, gương mặt, hoặc chữ ký có thể thay đổi với thời gian và

có thể được làm giả hoặc mô phỏng theo Tuy nhiên, vân tay là duy nhất hoàn hảo theo từng riêng lẻ và cố định không thay đổi theo thời gian Vân tay: đường vân trên

da ở đầu các ngón tay và lòng bàn tay người Vân tay của mỗi người có những nét riêng biệt được giữ nguyên vẹn, cố định từ khi mới sinh ra đến khi chết Khi tiếp xúc với một vật nhẵn, bóng, vân tay dễ in hình lên vật đó Tính riêng biệt này đã minh chứng rằng nhận dạng vân tay là chính xác và hiệu quả hơn các phương pháp nhận dạng khác

Công nghệ nhận dạng vân tay hoạt động theo nguyên tắc: Khi đặt ngón tay lên trên một thiết bị đọc dấu vân tay, ngay lập tức thiết bị này sẽ quét hình ảnh ngón tay đó và đưa vào hệ thống Hệ thống sẽ xử lý dấu vân tay, chuyển sang dạng

dữ liệu số rồi đối chiếu các đặc điểm của vân tay đó với dữ liệu đã được lưu trữ trong hệ thống Nếu dấu vân tay này khớp với dữ liệu sẽ cho phép hệ thống thực hiện các chức năng tiếp theo

Những thiết bị điện tử có khả năng sử dụng dữ liệu sinh trắc học trong thời gian thực để bảo vệ thông tin bí mật của con người Con người sẽ không phải tạo, lưu giữ hay ghi nhớ mật khẩu dành cho thư điện tử, thẻ ngân hàng Chính phủ một

số nước đã thực hiện việc thắt chặt an ninh và quản lý hộ chiếu bằng cách thử nghiệm công nghệ sinh trắc học, chip RFID Hãng Cross Match Technologies thiết

kế ứng dụng xác thực sinh trắc học dùng công nghệ nhận diện gương mặt để lấy được đối tượng từ một đám đông Tại Mỹ, Thẻ tín dụng sắp tới kỳ trở thành đồ cổ, trong các chuỗi siêu thị Thrifway, khách hàng trả tiền mua hàng bằng ngón tay

Theo các nhà nghiên cứu của IBM, trong tương lai không xa con người có thể bước tới một máy rút tiền tự động và đọc tên hoặc nhìn vào một cảm biến nhỏ xíu để rút tiền Nếu cảm biến nhận ra những đặc điểm duy nhất trong võng mạc của khách hàng, nó sẽ cho phép người đó giao dịch Hiện nay đã có trên 100 quốc gia sử dụng hộ chiếu điện tử bằng công nghệ nhận dạng vân tay Sử dụng vân tay được đánh giá là một giải pháp bảo mật hữu hiệu và xác nhận nhân thân chính xác

Tại Việt Nam, công nghệ vân tay đang đi vào đời sống với chấm công, điểm danh công nghệ nhận diện vân tay không mới, các đầu quét và đầu đọc vân tay đều được tích hợp sẵn trong nhiều sản phẩm như máy chấm công, khóa cửa, két sắt bán rộng rãi trên thị trường, tuy nhiên việc sử dụng công nghệ này còn gặp khó khăn

Hình 1.1: Cấu hình cơ bản của một hệ thống nhận dạng vân tay

Hình 1.1 là cấu trúc cơ bản của hệ thống nhận dạng vân tay Hệ thống này bao gồm hai chức năng chính:

• Chức năng 1: Nhập và lưu trữ các vân tay của các đối tượng vào hệ thống Trong bước nhập dữ liệu, hệ thống sẽ quét hình ảnh của các vân ngón tay hoặc quét trực tiếp từ các ngón tay người Tiếp theo, hệ thống sẽ tự động xử lý các ảnh vân tay: xác định các điểm đặc trưng của vân tay và mã hoá thành các thông tin đặc trưng cho mỗi vân tay Cuối cùng, các đặc trưng vân tay đã được mã hóa này được lưu trữ lại trong cơ sở dữ liệu (CSDL)

• Chức năng 2: Tra cứu xác định vân tay của một người xem đã có trong CSDL chưa Khi đưa dấu vân tay của một người mới vào, hệ thống sẽ thực hiện đối chiếu với tất cả các dấu vân tay đã lưu trữ trong hệ thống nhờ vào thuật toán đối sánh (matching) các điểm đặc trưng vân tay Sau khi đối sánh, hệ thống sẽ tìm ra xem đó có phải là vân tay của cùng một người hay không

1.2 Lịch sử của công nghệ vân tay

Việc bắt đầu sử dụng vân tay là ở thời gian rất xa xưa Theo lịch sử tìm thấy, vân tay đã được sử dụng trên những tấm thẻ bằng đất sét cho việc giao dịch kinh doanh ở thời Babylon cổ xưa Ở Trung Quốc, dấu vân tay được tìm thấy trên những con dấu bằng đất sét Nhưng mãi đến thế kỷ 19 những kết quả nghiên cứu khoa học mới được phổ biến và công nghệ vân tay mới bắt đầu được xem xét hàng loạt

Việc sử dụng những nghiên cứu khoa học ở những năm 1800 như là một phát minh, công nghệ vân tay đã được ứng dụng vào đầu thế kỷ 20 Vào năm 1924, FBI đã biết lưu trữ 250 triệu vân tay của công dân cho mục đích điều tra tội phạm

và nhận dạng những người bị chết mà không biết rõ họ tên Vào đầu những năm

1900, công nghệ vân tay đã gặp một bước ngoặt lớn khi nó cho ra đời “live-scan”, một phương pháp đạt được hình ảnh vân tay không sử dụng mực in Khi FBI loan báo rằng đó là kế hoạch để ngưng sử dụng những thẻ vân tay bằng giấy cho những thành viên mới gia nhập AFIS (IAFIS) nội bộ của họ Đó là thực tế đang công bố gây một bước nhảy vọt cho công nghệ Live-Scan ngày hôm nay

Nhưng công nghệ nhận dạng vân tay không dừng lại chỉ cho mục đích pháp

lý Nó đã được sử dụng một cách chính thức cho mục đích kinh doanh vào năm

1968 tại một nhóm kinh doanh về an ninh tại đường Wall Vân tay ngày nay đang được sử dụng như là một phương pháp nhận dạng hiệu quả và chắc chắn trong nhiều lĩnh vực, bao gồm tài chính, y học, kinh tế điện tử và ứng dụng điều khiển truy nhập và khóa cửa Ứng dụng hiện đại nhất của công nghệ vân tay là nhờ vào phần lớn của sự phát triển của mắt đọc vân tay dạng nén một cách phi thường

1.3 Ứng dụng thực tiễn

Ngày nay với sự phát triển không ngừng của công nghệ thông tin, công nghệ nhận dạng vân tay ngày càng được nghiên cứu mở rộng và phát triên lên tầm cao mới đáp ứng được các yêu cầu ngày càng cao về bảo mật, an toàn dữ liệu mà các phương pháp thông thường khác không thể thực hiện được.Nhận dạng vân tay được ứng dụng rộng rãi trong nhiều lĩnh vực như:

 Hệ thống điều khiển truy cập: là hệ thống xác thực cho phép truy cập tới các khu vực hoặc nguồn tài nguyên (tài khoản ngân hàng, máy tính và mạng máy tính, website,cửa ra vào )

 Hộ chiếu điện tử

 Quản lý công văn, hợp đồng

 Quản lý khách hàng

 An ninh giám sát siêu thị, cửa hàng, tiệm vàng, tòa nhà cao tầng

 An ninh quốc phòng, quản lý nhập cảnh, hải quan

 Quản lý học sinh, sinh viên trong trường học

 Thanh toán ngân hàng, ATM

1.4 Mục tiêu của đề tài

Xây dựng và triển khai thử nghiệm một bộ nhận dạng vân tay hoàn chỉnh có

độ chính xác cao trên hệ thống nhúng, từ đó thử nghiệm xây dựng máy chấm công

và hệ thống chấm công sử dụng nhận dạng vân tay

• Bộ nhận dạng có khả năng nhận dạng 1:1 và 1:N với tốc độ thời gian thực với N< 1000

• Độ chính xác >= 98% đối với việc nhận dạng 1:1 và >= 97% đối việc nhận dạng 1:N

1:1 là kiểm tra hai dấu vân tay có trùng khớp với nhau không

1:N là kiểm tra một dấu vân tay có trùng khớp với dấu vân tay nào trong tập các dấu vân đã được lưu trữ trước đó không

1.5 Hướng tiếp cận của đề tài

Hướng nghiên cứu nhận dạng vân tay là một hướng nghiên cứu đã có từ rất lâu và đã đạt được nhiều thành tựu trên thế giới Do vậy, cách tiếp cận dưới đây

được áp dụng sẽ thừa hưởng một cách hiệu quả và nhanh chóng những thành quả đã

đạt được của cộng đồng liên quan đến đề tài này

1.5.1 Tiếp cận từ trên xuống

Tham khảo tất cả các phương pháp hiện có thông qua các bài báo khoa học

và các công trình nghiên cứu khoa học để chọn ra phương pháp phù hợp nhất với môi trường hệ thống nhúng

1.5.2 Tiếp cận đa môi trường và đa thiết bị nhúng

Các thuật toán nhận dạng vân tay sẽ được thí nghiệm trên máy tính cá nhân

và điều chỉnh các tham số cho phù hợp trước khi được cài đặt xuống hệ thống nhúng để rút ngắn thời gian phát triển Phương pháp nhận dạng vân tay sẽ được thiết kế sao cho thích hợp với vi xử lý ARM

1.6 Nội dung của luận văn thạc sỹ

• Chương 1 trình bày chung về công nghệ nhận dạng vân tay, đồng thời

giớin thiệu mục tiêu và nội dung của luận văn

• Chương 2 trình bày tổng quan nhận dạng vân tay, giới thiệu mô hình cùng

với sơ đồ các bước xử lý tiêu biểu trong nhận dạng vân tay và cách đánh giá một hệ thống nhận dạng vân tay

• Chương 3 trình bày về thuật toán nhận dạng vân tay

• Chương 4 giới thiệu về hệ thống nhúng, và các thiết bị nhúng liên quan

được dùng cho việc xây dựng và chạy thử nghiệm hệ thống nhận dạng vân tay

• Chương 5 giới thiệu đôi nét về hệ điều hành Embedded Linux và Ubuntu

• Chương 6 giới thiệu ứng dụng thử nghiệm

• Chương 7 trình bày một số kết luận và hướng phát triển của đề tài

Chương 2

Tổng quan nhận dạng vân tay

2.1 Các đặc trưng vân tay

Dấu vân tay được hình thành dưới tác động của hệ thống gen di truyền mà thai nhi được thừa hưởng và tác động của môi trường thông qua hệ thống mạch máu

và hệ thống thần kinh nằm giữa hạ bì và biểu bì Một dấu vân tay được sao chép lại

từ lớp biểu bì da khi ấn ngón tay vào một bề mặt phẳng Cấu trúc của vân tay là các vân lồi và vân lõm (hình 2.1) Vân lồi có màu tối trong khi vân lõm có màu sáng Vân lồi thường có độ rộng từ 100μm đến 300μm Độ rộng của một cặp vân lồi lõm cạnh nhau là 500μm Các chấn thương như: bỏng nhẹ, mòn da, không ảnh hưởng đến cấu trúc bên dưới của vân tay, khi da mọc lại cấu trúc này khôi phục lại như cũ

Hình 2.1: Vân lồi và vân lõm của một ngón tay

Vân lồi thường được mô tả ở 3 cấp độ khác nhau: cấp độ 1 (hướng đường vân tổng thể), mức độ 2 (các điểm đặc trưng), mức độ 3 (các lỗ và hình dạng biên của đường vân)

Ở mức độ tổng thể (mức độ 1), các đường vân thường chạy song song với nhau, tuy nhiên chúng cũng tạo thành những vùng đặc biệt (vùng có độ cong cao, vùng đứt gãy …) Những vùng này (gọi là các vùng đơn) có thể được phân loại thành các dạng: loop, delta và whorl (hình 2.2) và được ký hiệu tương ứng là

∩,Δ,Ω Vùng whorl có thể được mô tả bởi hai vùng loop đối diện nhau

Hình 2.2: Hình vuông màu trắng vùng đơn chứa điểm đặc biệt và vòng tròn

màu trắng là điểm core

Một vài thuật toán đối sánh vân tay căn lề ảnh vân tay theo một điểm trung tâm gọi là điểm core Vào năm 1900, Henrry đã định nghĩa điểm core là “điểm nằm

về phía bắc nhất của đường vân nằm trong cùng nhất” Thực tế, điểm core là điểm trung tâm của vùng loop nằm về phía bắc nhất Nếu vân tay không chứa các vùng loop hay whorl thì điểm core là điểm mà tại đó độ cong của đường vân là lớn nhất Định nghĩa các vùng đơn (singular region) thường được sử dụng để phân loại vân tay, với mục đích làm đơn giản hóa các quá trình tìm kiếm (hình 2.3)

Hình 2.3: 5 phân lớp chính của một vân tay

Ở mức độ cục bộ (mức độ 2), các đặc tính quan trọng, gọi là các đặc trưng (minutiae), được tìm thấy trong các mẫu vân tay Các đặc trưng là điểm kết thúc, hay điểm rẽ nhánh, … Francis Galton (1822-1911) là người đầu tiên phân loại đặc trưng và phát hiện chúng không thay đổi trong suốt cuộc đời của một cá nhân Vào năm 1986, viện chuẩn quốc gia Mĩ (ANSI) đề nghị phân loại đặc trưng theo bốn loại gồm: điểm kết thúc, điểm rẽ hai, điểm rẽ ba, và điểm không xác định Trong khi

đó mô hình đặc trưng của cục điều tra lien bang Mĩ (FBI) chỉ phân thành hai loại: là điểm kết thúc và điểm rẽ hai Mỗi đặc trưng được xác định bằng hệ tọa độ (x,y), và góc tạo bởi tiếp tuyến của đường vân tại đặc trưng và trục ngang

Hình 2.4: Các loại đặc trưng phổ biến

Trong các ảnh vân tay, các điểm kết thúc và rẽ hai có thể tráo đổi cho nhau và ở cùng vị trí, ở ảnh âm bản 2 điểm kết thúc xuất hiện như là điểm rẽ hai và ngược lại (hình 2.5)

Hình 2.5: b) là ảnh âm bản của hình a)

Ở mức độ 3, nhiều thông tin chi tiết hơn được lấy ra từ ảnh vân tay Chúng bao gồm tấc cả các giá trị kích thước của đường vân như chiều dài, chiều rộng, hình dạng, đường biên … Mặc dù các chi tiết ở mức độ 3 rất là quan trọng cho việc nhận dạng nhưng thực tế rất ít hệ thống nhận dạng vân tay sử dụng nó vì để có được những chi tiết ấy cần phải có máy quét vân tay có độ phân giải cao, ảnh vân tay thu được phải có chất lượng tốt

2.2 Mô hình hệ thống nhận dạng vân tay

Hình 2.6: Mô hình hệ thống nhận dạng vân tay

Kiến trúc của hệ thống thống nhận dạng vân tay trong hình 2.6 là một mô hình tiêu biểu Kiến trúc này bao gồm 4 thành phần chính:

• Phần người dùng (user interface): Cung cấp cơ chế cho người dùng đưa dấu vân tay của mình vào hệ thống

• CSDL hệ thống (system database): Dùng để lưu trữ các mẫu vân tay của người dùng vào CSDL

• Phần đăng ký (enroll module): Cho phép đăng ký các dấu vân tay của người dùng vào CSDL của hệ thống

• Phần xác nhận (identification module): Cho phép xác nhận một người đã đăng ký vào trong một hệ thống hay chưa

Khi người dùng cần đăng ký dấu vân tay của mình vào hệ thống Đầu tiên thiết bị sẽ lấy dấu vân tay của người dùng; tiếp đến, người dùng cung cấp các thông tin cá nhân của mình cho hệ thống Sau đó hệ thống dùng thuật tóan rút trích đặc trưng (minutiae extraction) để rút trích các đặc trưng của vân tay người dùng Một thuật toán kiểm định chất lượng ảnh vân tay trước khi hệ thống đưa các đặc trưng này vào CSDL

Khi người dùng cần xác thực dấu vân tay của mình trong hệ thống Đầu tiên, thiết bị sẽ lấy dấu vân tay của người dùng; tiếp đến, hệ thống dùng thuật toán rút trích đặc trưng để rút trích đặc trưng vân tay của người dùng Sau đó, hệ thống sẽ đối sánh các đặc trưng dấu vân tay người dùng đưa vào với tất cả các đặc trưng vân tay có trong CSDL của hệ thống Cuối cùng, hệ thống sẽ trả kết quả ra cho người dùng

2.3 Sơ đồ các bước xử lý trong quá trình nhận dạng

Hình 2.7: Sơ đồ tiêu biểu của các bước xử lý trong quá trình nhận dạng vân

tay

Quá trình xử lý nhận dạng này được chia ra làm hai quá trình lớn: quá trình xử lý ảnh (image processing) và quá trình đối sánh vân tay (matching)

2.3.1 Quá trình xử lý ảnh (image processing)

Mục đích của quá trình này là tăng cường ảnh vân tay Sau đó, rút trích đặc trưng vân tay từ ảnh đã được tăng cường Quá trình này được thực hiện qua các bước nhỏ sau:

• Tăng cường ảnh (image enhancement): ảnh được lấy từ thiết bị đầu đọc vân tay sẽ được làm rõ Do các thiết bị đầu đọc vân tay không lấy ảnh tốt hay do vân tay của người dùng trong lúc lấy bị hao mịn, dơ bẩn, hay do lực ấn ngón tay trong lúc lấy vân tay; do vậy, bước này là một trong các bước quan trọng nhất của quá trình này để làm rõ ảnh vân tay để rút trích các đặc trưng đúng và đầy đủ

• Phân tích ảnh (image analysis): thông qua phân tích ảnh, ảnh sẽ được loại bỏ những thông tin nhiễu hay những thông tin không cần thiết

• Nhị phân hóa (binarization): nhị phân hóa ảnh vân tay thành ảnh trắng đen Bước này phục vụ cho bước Làm mỏng vân tay

• Làm mỏng (thinning): làm mỏng các đường vân lồi của ảnh vân tay Bước này nhằm mục đích cho việc rút trích đặc trưng của vân tay

• Rút trích đặc trưng (minutiae extraction): rút trích những đặc trưng cần thiết cho quá trình đối sánh vân tay

2.3.2 Quá trình đối sánh vân tay (matching)

Mục đích của quá trình này là đối sánh vân tay dựa trên các đặc trưng đã được rút trích Quá trình này được thực hiện qua các bước nhỏ sau:

• Phân tích đặc trưng (minutiae analysis): phân tích các đặc điểm cần thiết của các đặc trưng để phục vụ cho việc đối sánh vân tay

• Xét độ tương tự cục bộ (local similarity): thuật toán đối sánh vân tay sẽ dựa vào các thông tin cục bộ của các đặc trưng của vân tay để tìm ra các cặp đặc trưng giống nhau giữa hai vân tay

• Xét độ tương tự toàn cục (global similarily): từ những khu vực tương tự nhau trên cục bộ, thuật toán sẽ tiếp tục mở rộng đối sánh trên toàn cục

• Tính điểm đối sánh (calculate matching score): tính toán tỷ lệ độ giống nhau giữa các cặp đặc trưng Điểm đối sánh này sẽ cho biết độ giống nhau của hai ảnh vân tay là bao nhiêu

2.4 Cách đánh giá hệ thống nhận dạng vân tay

Cách đánh giá một hệ thống nhận dạng vân tay tương tự như cách đánh giá của một hệ thống sinh trắc Nhóm tác giả Phillips định nghĩa ba kiểu đánh giá của

hệ thống sinh trắc :

• Đánh giá công nghệ (technology evaluation): đánh giá này nhằm mục đích so sánh các thuật toán với nhau Việc kiểm tra các thuật toán được thực hiện trên một hay nhiều CSDL (CSDL này thường là CSDL chuẩn dành cho các cuộc thi quốc tế)

• Đánh giá toàn cảnh (scenario evaluation): đánh giá này nhằm mục đích xác định toàn bộ hiệu năng hệ thống nhận dạng trong một ứng dụng giả lập dùng để kiểm tra Hệ thống nhận dạng được kiểm tra giống hệt như trong một môi trường thế giới thực

• Đánh giá hoạt động (operational evaluation): đánh giá này nhằm mục đích xác định hiệu năng của một hệ thống sinh trắc hoàn thiện trong một môi trường ứng dụng cụ thể với một dữ liệu được thu thập trực tiếp từ thiết bị để kiểm tra; do đó, kết quả kiểm tra của mỗi lần sẽ là khác nhau

Trong đánh giá toàn cảnh và đánh giá hoạt động, độ chính xác của một hệ thống sinh trắc phụ thuộc rất nhiều vào các yếu tố như: bộ dữ liệu kiểm tra, môi

trường thử nghiệm, chế độ hoạt động của hệ thống, sự ràng buộc của ứng dụng dùng hệ thống sinh trắc, …

2.5 Các lỗi sinh trắc

Hai mẫu sinh trắc của cùng một người, ví dụ: hai mẫu vân tay của cùng một người chưa chắc đã giống nhau bởi vì điều kiện lấy mẫu không hoàn hảo và bị ảnh hưởng bởi các yếu tố như là nhiễu của sensor, độ khô ráo của ngón tay, hành vi và đặc điểm sinh học của người dùng, nhiệt độ, tương tác giữa người dùng và sensor…

Vì thế một hệ thống sinh trắc sẽ trả về một giá trị đặc trưng gọi là matching score s ( thường là một con số) để định lượng sự giống nhau giữa mẫu đầu vào và mẫu lưu trữ trong database Điểm số càng cao thì sự khẳng định 2 mẫu là của cùng một người càng chắc chắn

Một ngưỡng t được đặt ra để điều chỉnh quyết định của hệ thống Hệ thống đưa ra kết luận rằng cặp mẫu sinh trắc là của cùng một người nếu điểm matching score bằng hoặc lớn hơn ngưỡng t Ngược lại nếu điểm matching score thấp hơn ngưỡng t thì hệ thống sẽ kết luận là 2 mẫu sinh trắc này không thuộc cùng một người Một hệ thống sinh trắc có thể gây ra 2 loại lỗi sau:

 Lỗi nhận dạng sai ( mẫu sinh trắc là của 2 người khác nhau nhưng kết luận là cùng một người )

 Lỗi không nhận dạng được ( 2 mẫu sinh trắc là của cùng một người nhưng hệ thống không kết luận điều đó )

Một hệ thống sinh trắc khi hoạt động đều tạo ra một sự cân bằng giữa tỷ lệ nhận dạng sai (FMR) và tỷ lệ nhận dạng không được (FNMR) Thực tế cả FMR và FNMR đều là hàm của của hệ thống chứa ngưỡng t Nếu người thiết kế hệ thống giảm t để hệ thống có thể chấp nhận những biến thể và nhiễu ở đầu vào thì FMR tăng Ngược lại, nếu tăng ngưỡng t để hệ thống thêm bảo mật thì FNMR tăng Chúng ta có thể miêu tả hoạt động của hệ thống tại các điểm hoạt động dưới dạng một đường cong đặc trưng (ROC) Một đường ROC thể hiện FMR hoặc FNMR khi

ngưỡng t thay đổi.Bên cạnh FMR và FNMR ta cũng có thể dùng tỷ lệ FTC (fail to capture) và FTE (fail to enroll) để đánh giá độ chính xác của hệ thống sinh trắc

Hình 2.8: Tỷ lệ lỗi của hệ thống sinh trắc

Hình 2.9: Đường đặc trưng của hệ thống (ROC)

Yêu cầu về độ chính xác của một hệ thống sinh trắc phụ thuộc rất lớn vào ứng dựng ta xây dựng Ví dụ: trong một số ứng dụng pháp lý, như là nhận dạng tội phạm, FNMR được ưu tiên hơn bởi vì chúng ta không muốn bỏ lọt tội phạm cho dù chúng ta có thể phải khoanh vùng và điều tra nhiều đối tượng hơn Ngược lại trong các ứng dụng cần độ bảo mật cao thì ta lại ưu tiên FMR nhằm mục đính ngăn chặn những kẻ giả mạo

bởi vì các thông tin nhiễu của ảnh làm sai lệch các đặc trưng, dẫn đến làm ảnh

hưởng đến quá trình rút trích đặc trưng Như vậy, mục đích của bước xử lý ảnh là làm giảm các thông tin nhiễu, làm rõ các cấu trúc vân tay, và đánh dấu các vùng có thể khôi phục hay không có thể khôi phục từ đó làm tăng độ chính xác khi rút trích đặc trưng

Luận văn xử dụng MINDTCT để xử lý ảnh và rút trích đặc trưng Các thuật toán sử dụng trong MINDTCT được phát triển từ hệ thống nhận dạng vân tay tự động của Home Office

Hình 3.1: Các bước xử lý ảnh 3.1.1 Ảnh đầu vào ( Input Fingerprint Image File )

Mindtct lấy một ảnh vân tay dầu vào và tự động rút trích đặc trưng Các thuật toán và tham số được phát triển và cài đặt để quét ảnh xám 8bit và có độ phân giải 19.69 ppmm (pixel per milimeter) Ảnh đầu vào có thể là dạng ANSI/NIST, WSQ, JPEGB, JPEGL, và IHEAD

3.1.2 Tạo bản đồ chất lượng ảnh ( Generate Image Quality Maps )

Bởi vì chất lượng ảnh vân tay là rất khác nhau nên việc phân tích và xác định các vùng bị nhiễu gặp nhiều khó khăn Tuy nhiên một số đặc trưng của ảnh có thể

đo được và chúng cho ta biết chất lượng cục bộ của ảnh Những đặc trưng này bao gồm hướng của đường vân (direction map), vùng có độ tương phản thấp (low contrast map), vùng có mật độ đường vân thấp (low flow map), vùng có độ cong cao (high curve map) Ba điều kiện cuối miêu tả cho những vùng bị nhiễu nơi mà những đặc trưng được rút trích không được tin tưởng, và cùng với nhau chúng cho biết chất lượng ảnh khác nhau ở mỗi khu vực

3.1.2.1 Bản đồ hướng đường vân (direction map)

Mục đích của bản đồ này là cho biết đầy đủ về cấu trúc của đường vân Việc biểu diễn rõ ràng các đường vân là rất quan trọng để xác định chính xác các điểm kết thúc và rẽ nhánh Không những vậy, bản đồ hướng đường vân còn cho biết định hướng của các đường vân trên ảnh vân tay

Để phân tích cục bộ, ảnh vân tay sẽ được chia ra thành các block Tấc cả những pixel ở trong một block sẽ có cùng kết quả phân tích Do đó, trong trường hợp của bản đồ hướng vân tay, tấc cả các pixel trong một block sẽ có cùng hướng đường vân Mỗi block này lại được chứa trong một window lớn hơn Những đặc trưng có được khi phân tích window sẽ là đặc trưng cho các pixel trong các block và

là cơ sở để tính toán các đặc trưng của các block lân cận Do đó kết quả phân tích có được của một block sẽ có bao gồm trong nó kết quả phân tích của block lân cận Điều này giảm thiểu sự gián đoạn của các đường vân khi ta chuyển từ block này sang block khác Bộ làm mượt này có thể được thực hiện bằng cách sử dụng một hệ thống trong đó các block nhỏ hơn window bao quanh nó và các window nằm đè lên nhau

Hình 3.2: Block có kích thước 8x8 và window có kích thước 24x24

Như hình trên thì các block có kích thước là 8x8 pixel, còn các window có kích thước là 24x24 pixel, và các window chồng lấn lên nhau là 2/3 diện tích

Đối với mỗi block trong ảnh, window xung quanh nó sẽ xoay theo hướng ngược chiều kim đồng hồ và một bộ phân tích furrier (DFT) để tính toán giá trị tại mỗi hướng Khi xác định được hướng của đường vân trong một block thì hướng của window chứa nó sẽ được phân tích Với một hướng xác định, những pixel nằm trên mỗi một hàng của window sẽ được cộng dồn với nhau,và được biểu diễn bằng một vector Với 16 hướng thì sẽ có 16 vector Mỗi vector lại có 4 dạng sóng của tần số được biểu diễn như hình 3.4 với tần số tăng dần, tần số dạng sóng sau gấp đôi dạng sóng tần số trước Tần số của dạng sóng đầu tiên trong hình 3.4 tương ứng với đường vân lồi và vân lõm với độ rộng khoảng 12 pixel Dạng sóng thứ hai tương ứng cho vân lồi và vân lõm có độ rộng 6 pixel Dạng sóng thứ 3 tương ứng cho vân lồi vân lõm có độ rộng 3 pixel Dạng sóng thứ 4 tương ứng với vân lồi và vân lõm

có độ rộng 1.5 pixel

Các giá trị rời rạc của hàm sin và cosin tại 4 tần số khác nhau được tính ứng với mỗi pixel dọc theo vecto tổng hàng Tổng pixel của một hàng sẽ được nhân với giá trị sin rời rạc tại hướng đó rồi cộng laị sau đó bình phương lên Làm tương tự như vậy với giá trị cosin tại hướng đó Sau đó cộng 2 kết quả này lại cho ta một hệ

số cộng hưởng, hệ số cộng hưởng này cho ta biết sự tương đồng giữa vector và dạng sóng tần số là bao nhiêu Hệ số này sẽ được lưu lại và phân tích Thông thường, hướng đường vân của một block được xác định bởi hướng mà có hệ số cộng hưởng lớn nhất

Hình 3.3: Các window được xoay theo các hướng khác nhau Quy ước góc

thẳng đứng là 0, mỗi lần xoay sẽ tăng lên 11.25

Hình 3.4: Các dạng sóng tần số DFT

Hình 3.5: Kết quả sau khi phân tích

3.1.2.2 Bản đồ các khu vực có độ tương phản thấp ( low contrast map ):

Thật sự không dễ để có thể xác định chính xác được hướng đường vân ưu thế trong từng phần của bức ảnh vân tay Điều này càng đúng khi trong các khu vực có

độ tương phản thấp nơi chứa các dấu bẩn Vì vậy mà nó thật sự cần thiết để phát hiện các khu vực này và giảm thiểu việc gán không đúng hướng đường vân nơi mà không thật sự có các đường vân được hiển thị tốt

Một bản đồ các khu vực độ tương phản thấp được tính toán tại đó các block

có độ tương phản thấp sẽ được đánh dấu Bản đồ này phân cách phần nền của bức ảnh với phần có các vết ố và nhạt màu Điểm đặc trưng sẽ không được phát hiện trong những khu vực như thế này

Một cách để phân biệt block độ tương phản thấp từ các block có phân bố đường vân tốt là so sánh sự phân bố cường độ sáng của các pixel Theo định nghĩa thì sẽ có rất ít sự biến thiên về cường độ sáng trong các khu vực có độ tương phản thấp, vì vậy sự phân bố cường độ sáng của các pixel sẽ rất hẹp Trong khi đó, một block chứa sự phân bố cấu trúc đường vân tốt sẽ có sự phân bố cường độ sáng ở phạm vi rộng hơn đáng kể, từ những điểm rất sáng nằm giữa vân lõm đến những điểm rất tối nằm giữa đường vân lồi

Để xác định một block có phải thuộc độ tương phản thấp không, trong phần mềm sẽ tính phân bố cường độ các pixel của window bao quanh của block đó Nếu phân bố được tính toán đủ nhỏ thì block đó sẽ được đánh dấu trong bản đồ là khu vực có độ tương phản thấp

3.1.2.3 Bản đồ dòng đường vân thấp ( Low flow Map )

Khi khởi tạo hướng đường vân, có thể có trường hợp vài block nào đó không

có hướng đường vân ưu thế Các block này thường liên quan với các khu vực có chất lượng ảnh thấp Khởi tạo ban đầu, các block này không được gán một hướng đường vân nào cả, nhưng sau đó vài block có thể được gán bởi một giá trị từ việc

nội suy hướng từ các block lân cận Bản đồ dòng đường vân thấp đánh dấu các block nơi mà không nhận được một hướng đường vân ưu thế nào

Trong các tình huống các điểm đặc trưng được phát hiện trong các khu vực này, giá trị chất lượng được gán của chúng sẽ được giảm bởi vì chúng được phát hiện trong khu vực ít tin tưởng trong bức ảnh Dấu + màu trắng trong ảnh vân tay minh hoạ trong hình 3.5 tượng trưng cho các khu vực mật độ dòng đường vân thấp:

Hình 3.6: Kết quả bản đồ các khu vực có dòng đường vân thấp

3.1.2.4 Bản đồ đường vân có độ cong cao ( High Curve Map )

Phần khác của ảnh vân tay cần xác định là vùng có độ cong cao Bản đồ đường cong cao đánh dấu các block tại các khu vực có sự phân bố của các đường vân độ cong cao Có hai phương pháp khác nhau sẽ được sử dụng Đầu tiên, được gọi là vorticity, phương pháp tích luỹ sự thay đổi trong hướng dòng các đường vân xung quanh các block lân cận của một block Thứ hai, được gọi là curvature, ước lượng sự thay đổi lớn nhất về hướng giữa hướng đường vân của một block với các block lân cận

Các điểm đặc trưng được phát hiện ở những block này, giá trị chất lượng của chúng sẽ được giảm bớt bởi vì chúng được phát hiện trong các phần ít tin tưởng của bức ảnh Dấu + màu trắng đánh dấu trong ảnh vân tay hình 3.7 thể hiện các đường dòng vân tay độ cong cao:

Hình 3.7: Kết quả bản đồ đường vân độ cong cao 3.1.2.5 Bản đồ chất lượng ( Qualtity Map )

Bản đồ cuối cùng được tạo ra trong quá trình xữ lý ban đầu là bản đồ chất lượng Như được nêu trên, bản đồ độ tương phản thấp, dòng đường vân thấp, và đường vân độ cong cao tất cả đều chỉ tới các vùng có chất lượng thấp trong bức ảnh Thông tin ở trong các bản đồ này được tích hợp vào trong một bản đồ chung, nó sẽ được minh hoạ bên dưới trong hình 3.8, và nó sẽ chứa 5 mức để đánh giá chất lượng Chất lượng được gán cho một block chỉ định được xác định dựa vào sự sấp

xĩ của nó đối với các blocks được đánh dấu trong các bản đồ trên

Hình 3.8: Bản đồ chất lượng tại các khu vực khác nhau 3.1.3 Nhị phân ảnh vân tay ( Binarize image )

Giải thuật phát hiện các điểm đặc trưng trong hệ thống này được thiết kế để hoạt động trên ảnh nhị phân trong đó các pixel điểm ảnh màu đen sẽ tượng trưng cho đường vân và các pixel màu trắng tượng trưng cho các vùng nằm giữa các đường vân Để tạo ra ảnh nhị phân này, mỗi pixel trong ảnh đầu vào thang gray sẽ