Một số giải pháp nâng cao hiệu quả hệ thống nhận dạng vân tay

Một số giải pháp nâng cao hiệu quả hệ thống nhận dạng vân tay Một số giải pháp nâng cao hiệu quả hệ thống nhận dạng vân tay Một số giải pháp nâng cao hiệu quả hệ thống nhận dạng vân tay Một số giải pháp nâng cao hiệu quả hệ thống nhận dạng vân tay

1 Tính cấp thiết luận án Các quan hệ sơi động phức tạp lĩnh vực hình thương mại địi hỏi có hệ truy nguyên tự động vân tay (AFIS) đáng tin cậy Mặc dù chủ đề quan tâm từ lâu đến nhiều vấn đề mở cần nghiên cứu Trong toán thẩm định (verification) hay toán xác thực, ta cần đối sánh ảnh vân tay đăng nhập với ảnh vân tay người đăng ký lưu trữ để xác định xem chúng có đồng nhất, tức ngón sinh hay khơng? Với tốn truy ngun (identification), ta có ảnh truy vấn Iq cần tìm xem sở liệu (CSDL) lưu trữ có ảnh đồng với Iq hay khơng Như toán xác thực toán toán truy nguyên Cả hai toán có tên gọi chung đối sánh vân tay Nói cách khác, truy nguyên đối sánh 1:N thẩm định đối sánh 1:1 Việc thẩm định tự động (với hệ kiểm soát truy cập) với can thiệp thủ công chuyên gia vân tay (với hệ pháp lý) Ảnh vân tay bao gồm loại: lăn (rolled), ấn (plain) dấu vết ẩn hay trường (latent) Vân tay lăn vân tay ấn thu thập phương pháp in mực dùng thiết bị thu nhận vân tay sống Trong ảnh vân tay này, vân tay sống có chất lượng tốt CSDL cơng khai interrnet thường loại Chỉ giấy thường có chất lượng tồi nhiễu vết mực biến dạng phi tuyến đầu ngón tay lăn/ấn, cịn vân tay trường có chất lượng tồi thường phần đầu ngón tay Một hệ truy nguyên vân tay tự động (Automatic Fingerprint Identification System: AFIS) tốt cần đảm bảo hai yếu tố: Độ xác cao Tốc độ đối sánh nhanh Do nhu cầu công tác an sinh xã hội lớn nên AFIS tốt bán đắt kỹ thuật xây dựng chúng giữ quyền bí mật Các tài liệu cơng bố công khai đủ để xây dựng hệ thử nghiệm Đặc biệt, báo xử lý vân tay thường khơng cơng bố chi tiết thuật tốn mà nêu lược đồ phương pháp, CSDL thử nghiệm tin cậy thường bị giữ quyền nên khó so sánh thực nghiệm nghiên cứu Để đáp ứng nhu cầu điều tra tránh phụ thuộc vào phần mềm thương mại, Bộ Công an thành lập nhóm nghiên cứu AFIS cho đời phần mềm C@FRIS, đưa vào ứng dụng thực tế nhận giải thưởng Sáng tạo Khoa học Công nghệ Việt Nam (VIFOTEC) 2008 C@FRIS hệ thống dùng để tự động hóa tàng thư cước cơng dân, cước can phạm tra cứu dấu vết vân tay trường phục vụ cơng tác quản lý hành điều tra tội phạm Tuy nhiên, để làm chủ cơng nghệ đưa sản phẩm phục vụ tích cực cho hoạt động thực tế cần phải tiếp tục nghiên cứu phát triển cơng nghệ nền, nâng cấp tính sản phẩm Mục tiêu luận án Nghiên cứu: “Một số giải pháp nâng cao hiệu hệ thống nhận dạng vân tay” , trọng nội dung: 1) Phân đoạn ảnh vân tay mười ngón nhằm tự động tách ảnh vân tay ngón từ mẫu 10 ngón tính đồ chất lượng cho vân tay, bao gồm thông tin liên quan như: điểm dị thường, dạng vân bản, đường biên đường vân, vùng trung tâm, chiều hướng, … 2) Nâng cấp thuật toán đối sánh (matching) vân tay cho loại vân tay có độ biến dạng cao 3) Tổ chức liệu hợp lý để tăng tốc độ xử lý C@FRIS bảo vệ an ninh an toàn hệ thống, chống xâm nhập bất hợp pháp 4) Phương pháp truy ngun vân tay trường Các đóng góp luận án 1) Đề xuất hai thuật toán phân đoạn thơ phân đoạn mịn Thuật tốn phân đoạn thô nhằm cắt tách riêng ảnh vân tay từ 10 ngón thành 20 ảnh ngón riêng rẽ dựa kỹ thuật tiền xử lý ảnh chuẩn hóa, làm trơn, chuyển đổi nhị phân sau tiến hành dị biên Thuật tốn phân đoạn mịn nhằm tách vùng vân chất lượng cao khỏi vùng vùng nhiễu ảnh vân tay ngón để thuận tiện cho việc trích chọn đánh giá đặc trưng 2) Để nâng cấp thuật toán nhận dạng vân tay lăn /ấn có độ biến dạng cao, luận án đề xuất phương pháp đối sánh vân tay nhờ kỹ thuật nắn chỉnh Thin-PlateSpline (TSP) địa phương cấu trúc điểm địa phương để khử tượng méo phi tuyến 3) Đề xuất giải pháp tổ chức CSDL dựa kết hợp kỹ thuật đánh số CSDL theo mã ngón, theo dạng vân đặc điểm ảnh, hạng liệu song song hóa nhằm tăng tốc độ xử lý thơng tin cho q trình truy ngun vân tay trường Đề xuất sử dụng cài đặt hệ thống BioPKI để bảo vệ hệ C@FRIS, bao gồm cơng đoạn: kiểm sốt xác thực chủ thể đăng nhập hệ thống, truy cập CSDL, tính dùng chữ ký số xác thực chữ ký, tính mã hóa/giải mã đường truyền q trình trao đổi liệu 4) Để cải tiến phương pháp truy nguyên vân tay trường, luận án đề xuất kiến trúc đa tầng nhằm kết hợp hiệu nhiều phương pháp khác kết tổng hợp tốt rút ngắn thời gian danh sách tìm kiếm Kết thử nghiệm CSDL C@FRIS DB CSDL FVC2004 cho thấy hiệu trội giải pháp đề xuất so với phương pháp hành khác 4 Bố cục luận án Ngoài phần kết luận, luận án tổ chức thành năm chương Chương giới thiệu vấn đề hệ nhận dạng vân tay số kỹ thuật liên quan cần dùng sau Hai thuật tốn phân đoạn thơ mịn trình bày Chương Chương trình bày phương pháp hiệu để truy nguyên vân tay biến dạng dựa mơ hình nắn chỉnh phần cấu trúc điểm địa phương Chương trình bày giải pháp tổ chức liệu bảo vệ an ninh an toàn hệ thống Kiến trúc đa tầng để cải tiến chiến lược truy nguyên vân tay trường trình bày Chương Chương TỔNG QUAN VỀ HỆ NHẬN DẠNG VÂN TAY 1.1 Bài toán nhận dạng vân tay 1.1.1 Các khái niệm Vân tay vết lằn tạo nên hoa văn bề mặt da đầu ngón tay mà ta quen gọi dòng đường vân Một thẻ mẫu in vân, gọi thường gồm hai loại: vân tay lăn (rolled) vân tay ấn (plain) Vân tay thu nhận sensor gọi vân tay sống, dạng phổ biến nước công nghiệp Dấu vết vân tay nghi can để lại trường gọi vân tay trường, dạng vân chất lượng xấu khơng đầy đủ nên khó nhận dạng Một cấu trúc đường vân lý tưởng bao gồm dòng đường vân dòng đường rãnh chạy xen kẽ nhau, “song song” với nhau, đường vân bị kẹp hai đường rãnh ngược lại, đường rãnh bị kẹp hai đường vân Tùy theo chất lượng mà ảnh vân tay chia làm miền con: vùng có cấu trúc rõ ràng, vùng bị phá hủy khơi phục lại vùng bị phá hủy khôi phục Đặc trưng vân tay: Hình dạng đường vân tay phong phú, song phân loại chúng theo lớp khác Vùng vân trung tâm dùng để phân loại vùng vân nằm dấu vân tay giới hạn đường bao đường bao Việc phân loại đường vân giúp rút ngắn thời gian nhận dạng vân Điểm gặp ba dòng vân khác gọi tam phân điểm (delta), cịn điểm mà quanh có dịng vân chạy vòng quanh gọi tâm điểm (core) Số đếm vân số đường vân cắt đoạn thẳng nối hai điểm mốc Điểm mốc tâm điểm (core), tam phân điểm (delta) hay điểm đặc trưng chi tiết Các dạng vân tay: Căn vào cách xếp chung dịng đường vân, phân vân tay thành dạng cơ chủ yếu: hình cung, hình quai hình xốy Đặc điểm chi tiết vân tay: Một số đường vân chạy liên tục đến vị trí bị phân hai, ba nhánh (điểm rẽ nhánh) có bị đột ngột kết thúc (điểm cụt) gọi đặc điểm chi tiết 1.1.2 Bài toán nhận dạng vân tay Cho sở liệu (hay hồ sơ) gồm ảnh vân tay lưu trữ ảnh vân tay truy vấn, ta cần tìm sở liệu có ảnh vân tay ngón sinh với ảnh truy vấn hay khơng? Nếu có ảnh 1.1.3 Ứng dụng toán nhận dạng vân tay Luận án nêu ví dụ điển hình ứng dụng nhận dạng vân tay quan pháp lý: xác minh công dân cấp chứng minh nhân dân hay chưa; truy tìm tội phạm xác định danh tính người bị bắt giữ 1.2 Hệ thống nhận dạng vân tay tự động Một hệ thống nhận dạng vân tay tự động thơng thường có hai chức bản: xây dựng CSDL tra tìm vân tay Xây dựng CSDL vân tay tức thực công việc: Thu thập đối tượng quản lý, quét bản, nhập thơng tin thuộc tính (số đối tượng, họ tên, năm sinh, ), phân loại vân tay theo dạng bản, xử lý trích chọn tự động đặc điểm chi tiết, lưu tổ chức CSDL Tra tìm vân tay xác định xem đối tượng có vân tay có CSDL hay chưa, số hồ sơ đối tượng đăng ký Khi xây dựng CSDL vân tay tra tìm địi hỏi phải phân loại trích chọn điểm đặc trưng chi tiết trước tiến hành đối sánh Hình 1.1 sơ đồ khối tổng quát hệ thống nhận dạng vân tay Hình 1.1: Sơ đồ khối tổng quát hệ nhận dạng vân tay tự động 1.3 Tình hình nghiên cứu, ứng dụng hệ nhận dạng vân tay tự động Công nghệ nhận dạng vân tay tự động nói chung giới nghiên cứu phát triển từ lâu Ngay từ năm sáu mươi kỷ trước nhiều hệ thống đưa vào hoạt động hàng trăm quan cảnh sát giới Phổ biến sản phẩm ba công ty lớn, Morpho Pháp, NEC Nhật, PRINTRAK Mỹ Nhiều ứng dụng triển khai theo nhiều qui mô khác nhau, từ hàng triệu ghi (NEWYORK, TOKYO, Cảnh sát CANADA) đến hệ qui mô nhỏ hàng nghìn ghi Ngồi hãng lớn trên, nhiều nước, người ta tự xây dựng hệ nhận dạng vân tay tự động dùng riêng cho quan cảnh sát họ Ở nước ta, từ năm 90, quan cảnh sát nhập, đưa vào sử dụng hệ thống nhận dạng vân tay Morpho AFIS hãng SAGEM Pháp Qua 10 năm sử dụng xây dựng đưa vào khai thác CSDL qui mô 1,3 triệu bản, nhu cầu thực tế Trung ương phải xây dựng CSDL khoảng triệu Còn hầu hết địa phương, công việc phân loại tra cứu vân tay tội phạm chủ yếu phải thực phương pháp thủ công Việc mở rộng hệ thống để ứng dụng cho qui mô nước cần phải đầu tư tiếp nhiều ngoại tệ chắn tiếp tục nhập ngoại ngày bị lệ thuộc nhiều vào cơng nghệ nước ngồi Để nâng cao tính chủ động công nghệ, Bộ Công an chủ trương tạo điều kiện cho Phịng Thí nghiệm Mơ Tích hợp hệ thống phát huy nội lực để tự xây dựng cho Công an Việt Nam sản phẩm AFIS dùng cho toàn ngành Được tạo điều kiện sở vật chất thuận lợi, Nhóm tác giả thuộc Phịng Thí nghiệm Mơ Tích hợp hệ thống cho đời sản phẩm AFIS mang tên C@FRIS Tuy đạt số kết bước đầu đáng khích lệ hầu hết sản phẩm AFIS khác, việc trì tính không ngừng cải tiến công nghệ để đáp ứng tốt tiêu chí tốc độ, độ xác, suất nhập liệu, tính tiện dụng, tính tương thích, khả quản lý CSDL dung lượng qui mơ lớn, địi hỏi có tính sống cịn sản phẩm C@FRIS Về mặt công nghệ, năm gần có nhiều tiến đáng kể việc nâng cao hiệu hệ thống nhận dạng vân tay tự động Các thi thuật toán thẩm định vân tay FVC2000 - FVC2006 trung tâm nghiên cứu hàng đầu giới phối hợp tổ chức hai năm lần, ghi nhận tiến độ xác đạt vào khoảng 96%, 4% sai số có 2% tỷ lệ từ chối sai 2% tỷ lệ chấp nhận sai Do đó, nhu cầu tiếp tục nghiên cứu nhằm hồn thiện độ tin cậy, tính ổn định, tính hiệu hệ thống nhận dạng vân tay cấp thiết Trên sở phân tích kết nghiên cứu đạt trình nghiên cứu triển khai ứng dụng hệ C@FRIS, nội dung cần tiếp tục cải tiến, luận án đề xuất tiếp tục nghiên cứu phát triển nội dung cụ thể sau: • Phân đoạn để tách ảnh đánh giá vân tay tự động • Phát triển thuật tốn đối sánh nhanh xác cho loại vân tay • Tổ chức liệu hợp lý để tăng tốc độ truy nguyên • Bảo vệ hệ thống hệ dùng chung mạng • Hồn thiện phương pháp truy nguyên vân tay trường CSDL qui mô lớn Trong chương tiếp theo, luận án trình bày đóng góp luận án cho chủ đề Chương THUẬT TOÁN PHÂN ĐOẠN CHỈ BẢN MƯỜI NGĨN Chương trình bày thuật tốn phát triển để phân đoạn vân tay từ ảnh biểu mẫu mười ngón Kết chủ yếu chương công bố hội thảo khoa học tạp chí Tin học điều khiển học 2.1 Bài toán phân đoạn ảnh vân tay tự động Phân đoạn hiểu công đoạn xử lý tách vùng vân tay cần quan tâm khỏi phần ảnh Với mức độ cao hơn, liên quan đến đánh giá chất lượng vân tay, phân đoạn vân tay theo nghĩa tìm vùng quan tâm chất lượng cao coi “miền vân tay xác định” Việc giới hạn lại “miền xác định” vân tay cịn thơng tin quan trọng giúp cho q trình đối sánh hiệu nhờ xác định miền “giao chung” hai vân tay giản lược bớt phép so sánh không cần thiết đặc điểm chi tiết nằm vùng giao chung 2.2.1 Khái niệm phân đoạn ảnh Phân đoạn ảnh tổng quát: Phân đoạn ảnh (image segmentation) trình thực việc tách từ vùng ảnh thành hay số vùng điểm ảnh thỏa mãn số tính chất chung theo màu sắc, mức xám, kết cấu bề mặt, chiều hướng, Mỗi vùng thường biểu diễn tập điểm ảnh liên thơng thỏa mãn tiêu chí nhận biết Tiêu chí phụ thuộc vào mục tiêu cụ thể loại ứng dụng Sau phân đoạn điểm ảnh thuộc hai lớp: vùng quan tâm vùng không quan tâm Một cách tổng qt, coi phân đoạn tốn nhận dạng điểm (pixel) ảnh để phân thành hai lớp: lớp quan tâm lớp khơng quan tâm, tập mẫu học cho trước (học có thầy) khơng cho trước (học khơng có thầy hay học tự động) Phân đoạn ảnh vân tay: Phân đoạn ảnh định phần ảnh thuộc vùng cần quan tâm, vùng ảnh vùng bao quanh vùng biên hay nhiễu ảnh Phân đoạn ảnh vân tay 10 ngón mà chương này đề cập trường hợp ứng dụng cụ thể kỹ thuật phân đoạn ảnh Nhiệm vụ phát tách vùng đường vân đầu ngón tay khỏi vùng 10 ngón 2.1.2 Bài toán phân đoạn ảnh vân tay tự động Hình 2.1: Mẫu vân tay mười ngón Cho vân tay 10 ngón Hình 2.1 Hãy xây dựng thuật toán tự động định vị tách từ vân tay 10 ngón thành 20 vùng riêng rẽ sau: 10 vùng ảnh cho 10 ngón lăn, 10 vùng cho 10 ngón ấn (gồm vùng nhỏ cho ngón phải, trái vùng lưu ngón chụm trái vùng cho ngón chụm phải) 2.1.3.Một số thuật tốn phân đoạn Mục này, luận án phân tích, đánh giá số thuật toán phân đoạn tác giả khác đề xuất liên quan đến chủ đề quan tâm 2.2 Đề xuất thuật toán xử lý phân đoạn ảnh 2.2.1 Thuật tốn phân đoạn thơ Bước 1: Xử lý chuẩn hoá làm trơn ảnh 1.1 Xử lý chuẩn hoá mức xám ảnh tức thay đổi mức xám ban đầu I(x,y) cửa sổ ảnh mức xám N(x,y) sau: V0 *(I(x,y)-M)2 M +, cho I(x, y) > M V = (2.1) N(x, y) V *(I(x,y)-M)2 M 0- , cho I(x, y) £ M V Trong đó, I(x,y) mức xám ban đầu điểm (x,y), M=(1/w 2) ∑w (I), V=(1/w2) ∑w (I-M)2 mức xám trung bình phương sai mức xám ước lượng cửa sổ kích thước wxw (phần thực nghiệm chọn w=32), M 0, V0 mức xám trung bình phương sai mức xám cần chuẩn hoá, N(x,y) mức xám sau chuẩn hố (M0, V0 chọn tùy ý, phần thực nghiệm chọn M0=V0=100) (Cần lưu ý rằng: Nếu cửa sổ vân tay có M=M 0, V=V0 N(x,y)=I(x,y)) 1.2 Dùng cửa sổ wxw điểm ảnh quét từ trái qua phải từ xuống để thay giá trị mức xám ảnh giá trị trung bình điểm ảnh cửa sổ Chuyển đổi ảnh dạng nhị phân, dùng ngưỡng giá trị mức xám trung bình địa phương, tính cửa sổ wxw 1.3 Tiến hành dị biên thuật tốn dị biên 8-liên thơng xử lý xấp xỉ tuyến tính đoạn để biểu diễn đường biên thành đa tuyến biên khép kín Để tăng hiệu thuật tốn dò biên phát vùng vân, cần chọn bước lưới phù hợp để lọc lấy vùng vân, loại bớt vùng nhiễu nhỏ Phần thực nghiệm ta giả định vùng vân bé có kích thước 8x8mm vùng vân lớn có kích thước 20x20mm nên bước lưới thích hợp chọn 8mm Bước 2: Xử lý kết dò biên, xác định đa giác ngoại tiếp vùng vân cần cắt 2.1 Tính bao lồi tập đỉnh đa tuyến biên vùng chọn thuật tốn Graham Sau tính hình chữ nhật ngoại tiếp bao lồi để xác định cửa sổ cắt ảnh 2.2 Kiểm tra cửa sổ ảnh với điều kiện ràng buộc: diện tích tối thiểu, diện tích tối đa, vị trí tương đối khung hình so với mẫu 2.3 Kiểm tra thứ tự ngón: Nội dung việc kiểm tra thứ tự ngón dùng thuật tốn đối sánh vân tay đề xuất Chương để tiến hành đối sánh vân tay 10 ngón vùng với vân tay 10 ngón vùng để đưa kết luận vị trí ngón lăn có thứ tự biểu mẫu qui định hay khơng 2.4 Tính giá trị Xmin, Ymin, Xmax, Ymax đỉnh bao lồi đường biên, tức hình chữ nhật ngoại tiếp để định vị toạ độ khung cắt 2.5 Hiển thị xử lý tương tác trường hợp đặc biệt lăn thiếu ngón, lăn sai quy cách khơng thoả mãn điều kiện thẩm định Bước 3: Hiển thị kết định vị khung cắt để thẩm định mắt thường chuyển sang cơng đoạn tương tác 2.2.1 Thuật tốn phân đoạn mịn Ngồi thuộc tính truyền thống Mean, Variance ta đề xuất bổ sung thêm ba tiêu để nhận dạng khối vùng vân chất lượng thấp: mật độ D, tổng độ cong C lượng E Mật độ D mật độ đỉnh đoạn ngắn đa tuyến đường vân qua khối wxw, đặc trưng số lượng đỉnh khối Độ cong đỉnh đa tuyến đo giá trị góc đổi hướng đa tuyến đỉnh Độ cong C khối tổng độ cong đỉnh khối Năng lượng đỉnh đa tuyến đo giá trị chênh lệch độ cong đa tuyến đỉnh so với đỉnh trước Năng lượng E khối tổng lượng đỉnh khối Giả sử ta có đa tuyến {P}1N = {(x1,y1,α1), (x2,y2,α2), (xn,yn,αN)}, độ cong đỉnh Pi độ cong khối wxw định nghĩa sau: C(Pi) = (αi - αi-1), 10 i=2 N (2.2) Cwxw = ∑wxw C(Pi) (2.3) Và lượng đỉnh Pi lượng khối wxw định nghĩa sau: E(Pi) = C(Pi) - C(Pi-1) , i=2 N Ewxw = ∑wxw E(Pi) (2.4) (2.5) Mỗi khối wxw biểu diễn sau: Xwxw = (M, V, D, C, E) (2.6) Để phân loại cửa sổ wxw thuộc lớp ω “vùng chất lượng cao” hay lớp ω2 “vùng chất lượng thấp nền”, ta dùng Bộ phân loại Bayes dùng qui tắc định tối ưu với hàm phân biệt sau: g(ωi) = P(ωi).P(X/ωi), i=1,2 (2.7) Qui tắc phân lớp cụ thể sau: IF (g(ω1) > g(ω2)) THEN (Xwxw ˛ ω1) ELSE (Xwxw ˛ ω2) (2.8) Ở đây, P(ω2) = 1- P(ω1); P(ω1) tần suất xuất cửa sổ vân tay chất lượng cao P(ω2) tần suất xuất cửa sổ vân tay chất lượng thấp Công thức ước lượng phân bố xác suất sau: P(ω1) = (Tổng wxw chất lượng cao) / (tổng wxw toàn vân tay) (2.9) P(X/ωi) = (Tần suất xuất vector thuộc tính X lớp ω i, i = 1,2) ước lượng sau: P(X/ωi) = (Tổng wxw có Xwxw = X)/ tổng số wxw thuộc ωi, i = 1,2 (2.10) Từ ta có thuật toán phân đoạn mịn đề xuất sau: Bước 1: Tiếp nhận ảnh vân tay đầu vào, kết xuất từ công đoạn thô Tiếp nhận ảnh đầu vào ảnh vân đầu ngón tay thông tin phụ trợ liên quan đường bao, vùng trung tâm, chiều hướng (trên/dưới) Bước 2: Chuẩn hóa, làm trơn chuyển đổi nhị phân Dùng ngưỡng địa phương chuyển đổi ảnh dạng nhị phân Bước 3: Dị biên, vectơ hố ảnh nhị phân xấp xỉ tuyến tính đoạn Xử lý dị biên đường vân, xấp xỉ tuyến tính đoạn kết hợp tính độ cong, lượng đỉnh đa tuyến, tính thuộc tính D, C, E Bước 4: Phân loại khối pixel wxw 4.1 Dùng cửa sổ kích thước phù hợp wxw = 32x32 pixels để duyệt ảnh gốc tính giá trị M, V để xây dựng vectơ biểu diễn: Xwxw = ( M, V, D, C, E) 4.2 Dùng qui tắc định tối ưu Bayes để xếp Xwxw vào lớp tương ứng 11 4.3 Kết cho mặt nạ chất lượng, dạng ảnh nhị phân có giá trị khối vùng vân chất lượng cao giá trị vùng vân chất lượng thấp 2.3 Kết thực nghiệm Kết thử nghiệm thuật tốn phân đoạn thơ: Thuật tốn phân đoạn thơ đánh giá 1000 mẫu CSDL C@FRIS • Số lượng phân đoạn tốt, không cần can thiệp người: 973/1000 • Số qui cách thuật tốn trả lại khơng phân đoạn được: 0/1000 • Số sai qui cách phải trả lại: 27/1000, 22 dùng giấy tối, có vân tay lăn chồng lên nhau, chồng lên khung Kết thử nghiệm thuật toán phân đoạn mịn: (a) Ảnh gốc chất lượng thấp (b) Kết phân đoạn theo M, V, coherence vectơ hóa ảnh gốc (c) Kết phân đoạn thuật toán đề xuất dùng (M, V, D, C, E) (d) Kết phân đoạn thuật tốn Verifinger Hình 2.2: Minh họa kết phân đoạn ảnh chất lượng thấp, chọn từ CSDL FVC2004 Thuật toán phân đoạn mịn đánh giá so sánh với kết phân đoạn phần mềm Verifinger 500 CSDL FVC2004 DB2 xem Hình 2.2 500 từ CSDL C@FRIS DB xem Hình 2.3 cắt từ giai đoạn phân đoạn thô (a) Ảnh gốc chất lượng thấp (b) Kết phân đoạn theo M, V, coherence vectơ hóa ảnh gốc (c) Kết phân đoạn thuật toán đề xuất dùng (M, V, D, C, E) (d) Kết phân đoạn thuật toán Verifinger Hình 2.3: Minh họa kết phân đoạn ảnh chất lượng thấp, chọn từ CSDL C@FRIS 12 2.4 Nhận xét chung Thuật tốn phân đoạn thơ để phân đoạn 10 ngón CSDL giấy tiêu biểu, kết đạt độ xác cao, tốc độ xử lý nhanh, số phải trả lại để can thiệp thủ cơng ít, chiếm tỷ lệ 2,7 % Giai đoạn phân đoạn mịn so sánh kết phân đoạn với phần mềm Verifinger, kết phân đoạn thuật toán đề xuất đưa phù hợp với kết phân đoạn Verifinger Những vùng thuật toán đề xuất đánh giá chất lượng cao phần mềm Verifinger đánh giá cao Các ảnh vân tay phân đoạn Verifinger rõ nét chủ yếu nhờ khâu tiền xử lý ảnh trước tiến hành vector hóa khơng thuộc phạm vi xử lý thuật thuật toán phân đoạn Chương3 PHƯƠNG PHÁP ĐỐI SÁNH VÂN TAY DỰA TRÊN MƠ HÌNH NẮN CHỈNH ĐỊA PHƯƠNG Chương đề xuất giải pháp để cải tiến thuật toán đối sánh vân tay ấn vân tay lăn dựa việc kết hợp khử tượng méo phi tuyến Kết chương công bố hội nghị Quốc tế The International Conference on Computing, Management and Telecommunications (ComManTel2013) 3.1 Bài toán đối sánh vân tay số vấn đề liên quan Mục này, luận án giới thiệu tóm tắt phương pháp đối sánh ĐTCT, mơ hình nắn chỉnh TPS 3.1.1 Đối sánh vân tay lược đồ đối sánh dựa đặc trưng chi tiết (ĐTCT) Bài toán đối sánh vân tay phát biểu sau: Cho trước hai ảnh vân tay truy vấn (query) Iq vân tay mẫu (template) I t, cần trả lời xem hai ảnh có phải ngón tay in hay khơng? Câu trả lời trước hết thể qua kết tính điểm độ giống (similarity) hai vân tay Các điểm ĐTCT (Minutiae) Để biểu diễn vân tay dạng tập điểm ĐTCT, ảnh vân tay I q It trước hết phải xử lý qua khâu tiền xử lý trích chọn, đánh giá đặc trưng Ký hiệu Mq Mt tương ứng tập ĐTCT hai ảnh vân tay Iq, It: Mq = {m1, m2, …, mM}; với mi= (xi,yi,qi), i = 1, ,M (3.1) (x i, yi) tọa độ mi mặt phẳng ảnh R2 Iq, qi hướng vân điểm mi; Mt = {m1’, m2’, …, mN'}; với mi'= (xi’,yi’,qi’), i = 1-N (3.2) (xi’,yi’) tọa độ mi' mặt phẳng ảnh R2 It, qi’ hướng vân điểm mi' Lược đồ đối sánh dựa ĐTCT Người ta tìm phép biến đổi “chồng ảnh” thích hợp từ mặt phẳng ảnh I q vào mặt phẳng ảnh It để xác định cặp điểm tương ứng Mq Mt Cặp điểm mi (Mq) mj'(Mt) gọi tương ứng ảnh mi” mi qua phép biến đổi thuộc 13 vào lân cận bán kính r đủ bé mj', trường hợp ta nói mi “trùng khớp” với mj' Khi hai ảnh Iq It ngón cụ thể in (genuine: danh), thường phát nhiều cặp điểm ĐTCT tương ứng so với trường hợp chúng ngón khác in (impostor: giả danh) Trên thực tế, tượng biến dạng phi tuyến nhiễu ảnh nên hai ảnh danh khó tìm để điểm ĐTCT tương ứng đơi Giả sử ta tìm n cặp điểm tương ứng hai ảnh, n q nt tương ứng số điểm ĐTCT ảnh Iq It, độ giống hai ảnh vân tay đặc trưng độ đo S(It,Iq) cho công thức: S(It,Iq) = n2/nt· nq (3.3) Với giá trị ngưỡng Smax Smin chọn trước, S(It,Iq) ≥ Smax ta kết luận hai vân tay trùng khớp ảnh ngón, cịn S(I t,Iq) < Smin chúng khơng trùng khớp với xác suất sai gần không Đối với cặp vân tay có độ giống S(It,Iq) nằm khoảng [Smin, Smax] định đưa dựa theo ngưỡng St ˛ [Smin, Smax] với xác suất sai loại I (FAR) sai loại II (FRR) Vì vậy, để cải tiến giải thuật, hạn chế sai sót, cặp vân tay có độ giống nằm khoảng cần tiếp tục nắn chỉnh biến dạng để cải thiện độ giống 3.1.2 Mơ hình nắn chỉnh TPS Mục giới thiệu mơ hình nắn chỉnh TPS phương pháp đối sánh TPS toàn cục (sẽ ký hiệu G-TPS) 3.2 Đề xuất phương pháp nắn chỉnh phần 3.2.1 Cấu trúc vân rãnh liên thuộc tạo sinh điểm giả ĐTCT Cấu trúc vân rãnh liên thuộc Vân rãnh liên thuộc cấu thành từ đường vân liên thuộc với ĐTCT đường rãnh liên thuộc với ĐTCT đối ngẫu với ĐTCT Tạo sinh điểm cặp vân rãnh liên thuộc bổ sung cặp điểm tương ứng: Ký hiệu l0 độ dài (thường chọn ~ bước vân) l max =4l0 Tập điểm giả ĐTCT tạo sinh cấu trúc vân- rãnh liên thuộc cặp điểm tương ứng sau: Với điểm ĐTCT, ta dò từ điểm ảnh vân từ điểm ĐTCT đối ngẫu ảnh rãnh để xác định điểm lượng hóa cách với bước l gặp điểm biên độ dài vượt ngưỡng l max dừng Các điểm gọi giả ĐTCT 3.2.2 Phân miền đối sánh TPS chọn cặp điểm khống chế Để thực đối sánh TPS phần ta cần phân ảnh thành miền chọn điểm khống chế cho biến đổi TPS miền 3.2.3 Mô tả thuật toán nắn chỉnh địa phương (P-TPS) 14 Với hai ảnh vân tay Iq, It ; tập đặc trưng chi tiết M q, Mt ; Bằng thuật toán đối sánh sử dụng phép biến đổi affine ta thu cặp điểm tương ứng M1 ban đầu cặp vân rãnh liên thuộc M 1* chúng, thuật tốn PTPS mơ tả sau: Dữ liệu vào: Tập ĐTCT Mt, Mq; Số ĐTCT nt, nq; Tập cặp ĐTCT tương ứng ban đầu M1 với n cặp, tập n* cặp ĐTCT tương ứng vân rãnh liên thuộc M1* Ngưỡng nắn chỉnh smin , smax ; Bước lưới: step; Dữ liệu ra: Số điểm tương ứng sau nắn chỉnh n’ độ giống tổng thể hai vân tay s Sàng lọc tập cặp điểm ĐTCT tương ứng theo cặp vân rãnh liên thuộc: (n số cặp ĐTCT ban đầu, n' smax ) chuyển sang không: 5.1 n ‹ n’; 5.2 Quay lại 2; Kết thúc 3.3 Kết thực nghiệm Để so sánh hiệu hai phương pháp P-TPS G-TPS Li phương pháp tốt nay, luận án đề xuất kịch thử nghiệm cài đặt hai thuật toán so sánh hiệu đối sánh Mặc dù kết thực nghiệm luận án tiến hành CSDL C@FRIS DB Công an Hà Nội hệ C@FRIS cho thấy phương pháp tốt nhiều so với phương pháp G-TPS, song để khách quan, mục trình bày kết thử 15 nghiệm hai thuật toán CSDL FVC2004 (DB1, DB3) Với phép đối sánh, hai thuật toán P-TPS G-TPS sử dụng chung tập cặp ĐTCT ban đầu xác định nhờ thuật toán Verifinger 4.2 (VF) FVC2004 DB DB1 DB3 Trung bình Bảng 3.1: So sánh độ xác nắn chỉnh CSDL FVC 2004 DB EER(%) FAR100(%) FAR1000(%) ZeroFAR(%) VF 3.91 4.03 3.97 G-TPS 3.24 1.97 2.61 P-TPS 2.48 1.25 1.87 VF G-TPS P-TPS VF G-TPS P-TPS 7.11 5.89 4.68 12.43 11.47 7.76 7.43 3.16 2.22 12.64 7.59 5.47 7.27 4.26 3.45 12.54 9.53 6.62 VF 17.96 14.32 16.14 G-TPS 14.70 9.18 11.94 P-TPS 12.13 7.19 9.66 Ghi chú: FAR100 (phần trăm FRR nhỏ FAR