MỞ ĐẦU 1. Lý do chọn đề tài Mạng nơ ron nhân tạo ra đời xuất phát từ ý tưởng mô phỏng hoạt động của bộ não con người. Kể từ khi ra đời, mạng nơ ron nhân tạo được ứng dụng rộng rãi và có hiệu quả trong giải quyết các bài toán về phân loại, dự đoán và nhận dạng bởi khả năng học của mạng nơ ron. Ở nhóm bài toán nhận dạng người, bên cạnh việc sử dụng các đặc điểm như mống mắt, khuôn mặt, giọng nói, chữ ký, một đặc điểm đặc trưng quan trọng khác có thể sử dụng để nhận dạng và xác thực người đó là dấu vân tay bởi tính duy nhất và bất biến của nó. Dấu vân tay được dùng trong nhiều lĩnh vực của cuộc sống như trong lĩnh vực tài chính, quản lý nhân sự, quản lý dân cư, trong bảo mật các thiết bị máy tính, điện thoại và trong cả lĩnh vực điều tra hình sự. Đã có nhiều nghiên cứu về các phương pháp để tăng hiệu quả, tốc độ và độ chính xác cho bài toán nhận dạng ảnh vân tay. Trong quá trình tìm hiểu về đặc trưng của ảnh vân tay, tác giả luận văn nhận thấy vân tay của mỗi người có các điểm đặc trưng nhất định, tuy nhiên do tác động của quá trình thu mẫu ảnh vân tay mà các điểm đặc trưng này có thể bị sai khác về số lượng và hướng của các đặc trưng. Từ những đặc điểm của mạng nơ ron và đặc điểm của ảnh vân tay, tác giả luận văn đề xuất phương pháp sử dụng mạng nơ ron nhân tạo để huấn luyện và nhận dạng ảnh vân tay. Luận văn với đề tài “Nghiên cứu mạng nơ ron và ứng dụng nhận dạng ảnh vân tay” tìm hiểu và nghiên cứu kiến thức liên quan đến mạng nơ ron và ảnh vân tay, từ đó xây dựng ứng dụng để nhận dạng ảnh vân tay có độ tin cậy và độ chính xác cao. 2. Mục tiêu của đề tài: Nghiên cứu tổng quan bài toán nhận dạng ảnh vân tay Nghiên cứu mạng nơron nhân tạo Thu thập dữ liệu Xây dựng ứng dụng, thử nghiệm và đánh giá hiệu quả của mạng nơron trong nhận dạng ảnh vân tay 3. Đối tượng và phạm vi nghiên cứu Nghiên cứu các đặc điểm, đặc trưng của ảnh vân tay; đặc điểm, kiến trúc và các thuật toán huấn luyện mạng nơ ron. Ứng dụng mạng nơ ron truyền thẳng một lớp ẩn vào giải quyết bài toán nhận dạng ảnh vân tay. 4. Phương pháp nghiên cứu Phương pháp nghiên cứu lý thuyết: Nghiên cứu, phân tích và tổng hợp các tài liệu về vân tay và mạng nơ ron nhân tạo. Phương pháp nghiên cứu thực nghiệm: Thực nghiệm xây dựng chương trình nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo. 4. Bố cục luận văn: Bố cục của luận văn được chia thành 4 chương như sau: Chương 1. Vân tay và nhận dạng ảnh vân tay Tìm hiểu và giới thiệu về đặc điểm của vân tay và ảnh vân tay, đồng thời nghiên cứu một số phương pháp xử lý ảnh, trích rút các điểm đặc trưng trên ảnh vân tay và các phương pháp nhận dạng ảnh vân tay đã có. Chương 2. Mạng nơ ron nhân tạo
MỤC LỤC Trang Trang phụ bìa DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt ANN Artificial Neural Network Mạng nơ ron nhân tạo DFT Discrete Fourier Transform Biến đổi Fourier rời rạc FAR False Acceptance Rate Tỉ lệ chấp nhận sai FRR False Rejection Rate Tỉ lệ từ chối sai FVC Fingerprint Competition MLP Multilayer Perceptron Mạng nơ ron nhiều lớp MSE Mean Squared Error Trung bình bình phương lỗi SOM Self organizing maps Bản đồ tự tổ chức Verification Cuộc thi xác thực ảnh vân tay DANH MỤC BẢNG Trang DANH MỤC HÌNH Trang MỞ ĐẦU Lý chọn đề tài Mạng nơ ron nhân tạo đời xuất phát từ ý tưởng mô hoạt động não người Kể từ đời, mạng nơ ron nhân tạo ứng dụng rộng rãi có hiệu giải toán phân loại, dự đoán nhận dạng khả học mạng nơ ron Ở nhóm tốn nhận dạng người, bên cạnh việc sử dụng đặc điểm mống mắt, khn mặt, giọng nói, chữ ký, đặc điểm đặc trưng quan trọng khác sử dụng để nhận dạng xác thực người dấu vân tay tính bất biến Dấu vân tay dùng nhiều lĩnh vực sống lĩnh vực tài chính, quản lý nhân sự, quản lý dân cư, bảo mật thiết bị máy tính, điện thoại lĩnh vực điều tra hình Đã có nhiều nghiên cứu phương pháp để tăng hiệu quả, tốc độ độ xác cho tốn nhận dạng ảnh vân tay Trong trình tìm hiểu đặc trưng ảnh vân tay, tác giả luận văn nhận thấy vân tay người có điểm đặc trưng định, nhiên tác động trình thu mẫu ảnh vân tay mà điểm đặc trưng bị sai khác số lượng hướng đặc trưng Từ đặc điểm mạng nơ ron đặc điểm ảnh vân tay, tác giả luận văn đề xuất phương pháp sử dụng mạng nơ ron nhân tạo để huấn luyện nhận dạng ảnh vân tay Luận văn với đề tài “Nghiên cứu mạng nơ ron ứng dụng nhận dạng ảnh vân tay” tìm hiểu nghiên cứu kiến thức liên quan đến mạng nơ ron ảnh vân tay, từ xây dựng ứng dụng để nhận dạng ảnh vân tay có độ tin cậy độ xác cao Mục tiêu của đề tài: - Nghiên cứu tổng quan toán nhận dạng ảnh vân tay - Nghiên cứu mạng nơ-ron nhân tạo - Thu thập liệu - Xây dựng ứng dụng, thử nghiệm đánh giá hiệu mạng nơ-ron nhận dạng ảnh vân tay Đối tượng phạm vi nghiên cứu Nghiên cứu đặc điểm, đặc trưng ảnh vân tay; đặc điểm, kiến trúc thuật toán huấn luyện mạng nơ ron Ứng dụng mạng nơ ron truyền thẳng lớp ẩn vào giải toán nhận dạng ảnh vân tay Phương pháp nghiên cứu - Phương pháp nghiên cứu lý thuyết: Nghiên cứu, phân tích tổng hợp tài liệu vân tay mạng nơ ron nhân tạo - Phương pháp nghiên cứu thực nghiệm: Thực nghiệm xây dựng chương trình nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo Bố cục luận văn: Bố cục luận văn chia thành chương sau: Chương Vân tay nhận dạng ảnh vân tay Tìm hiểu giới thiệu đặc điểm vân tay ảnh vân tay, đồng thời nghiên cứu số phương pháp xử lý ảnh, trích rút điểm đặc trưng ảnh vân tay phương pháp nhận dạng ảnh vân tay có Chương Mạng nơ ron nhân tạo Nghiên cứu khái niệm, đặc điểm, kiến trúc mạng nơ ron, kỹ thuật huấn luyện mạng nơ ron nhân tạo Trong tập trung nghiên cứu mạng nơ ron truyền thẳng lớp ẩn với thuật toán học lan truyền ngược Chương Nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo Trình bày phương pháp ứng dụng mạng nơ ron vào giải toán nhận dạng ảnh vân tay Chương Thực nghiệm đánh giá kết Giới thiệu chương trình thực nghiệm kết thu Đánh giá chương trình nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo truyền thẳng lớp ẩn với liệu khác tùy chỉnh tham số khác mạng nơ ron Chương VÂN TAY VÀ NHẬN DẠNG ẢNH VÂN TAY Chương trình bày kiến thức tổng quan lịch sử nghiên cứu vân tay, điểm đặc trưng vân tay, trình nhận dạng ảnh vân tay, số phương pháp nhận dạng ảnh vân tay có ứng dụng tốn nhận dạng ảnh vân tay 1.1 Lịch sử nghiên cứu vân tay Vân tay đặc điểm đặc trưng riêng, định hình từ người bào thai tháng tuổi bụng mẹ không thay đổi suốt đời người Các chấn thương bỏng nhẹ, mịn da khơng ảnh hưởng đến cấu trúc bên vân, da mọc lại khôi phục lại cấu trúc Mỗi người có đặc điểm vân tay riêng biệt, không giống Xác suất để hai người có trùng dấu vân tay 1.9*10^15 Vì vân tay có tính cá thể bất biến theo thời gian, nên ảnh vân tay đặc điểm đáng tin cậy để nhận dạng người[16] Dấu vết sớm vân tay tìm thấy có niên đại cách khoảng 3000 năm viên đất sét, dấu, đồ gốm cổ Babylon kim tự tháp thời kỳ cổ đại Một số dấu vân tay thợ gốm người thợ mỏ vơ tình để lại sản phẩm họ, có dấu vân tay thêm vào nhằm mục đích trang trí cho sản phẩm Đặc biệt, số sản phẩm đồ gốm, dấu vân tay dùng để đánh dấu người làm sản phẩm Tuy nhiên lúc chưa có sở khoa học cho tính cá nhân đặc trưng vân tay Phải đến kỷ XVI, nhà khoa học có tìm hiểu cơng bố nghiên cứu khoa học vân tay Vào năm 1684, Nehemiah Grew - nhà giải phẫu học người Anh công bố báo khoa học đường vân, rãnh cấu trúc vân tay 10 Đến năm 1788, bác sĩ, nhà giải phẫu học Đức Mayer mô tả chi tiết thông tin giải phẫu vân tay "Giải phẫu giải thích" Năm 1888, Sir Francis Galton nghiên cứu phương pháp so khớp dấu vân tay Qua quan sát ông nhận thấy dấu vân tay có nhiều điểm đặc trưng nét đứt đường vân vị trí đặc trưng khơng thay đổi theo thời gian Do ơng đưa phương pháp so khớp đặc trưng, phương pháp có hiệu cho việc xác thực dấu vân tay người[6] Một nghiên cứu quan trọng khác thực Edward Henry năm 1899, ông xây dựng “hệ thống phân loại vân tay Henry” thực phân loại vân tay[1], sở cho hệ thống nhận dạng vân tay sau Đến đầu kỉ XX, cấu trúc vân tay mô tả cách đầy đủ Vào năm 1960, với phát triển máy tính, việc nhận dạng dấu vân tay dần chuyển sang thực cách tự động máy tính Năm 1981, năm hệ thống nhận dạng vân tay tự động triển khai Mỹ Hiện nay, nhận dạng vân tay thức chấp nhận phương pháp nhận dạng cá nhân có giá trị trở thành chuẩn pháp luật Công nghệ nhận dạng, xác thực dấu vân tay nghiên cứu phát triển mạnh mẽ, tạo nhiều ứng dụng áp dụng nhiều lĩnh vực an ninh, bảo mật, kiểm soát quản lý nhân Một hệ thống nhận dạng vân tay lớn giới hệ thống nhận dạng vân tay tự động AFIS FBI Mỹ xây dựng từ năm 1999 Hệ thống nhận dạng vân tay chứa ảnh vân tay 60 triệu người, liên kết với thông tin cá nhân họ Ở Việt Nam, từ năm 2000 đến xuất nhiều cơng trình nghiên cứu dự án liên quan đến nhận dạng vân tay số viện nghiên cứu Viện Khoa học Công nghệ Việt Nam, trường Đại học Bách khoa Hà Nội, Bộ Công an, bước đầu thu kết định 11 1.2 Các điểm đặc trưng vân tay Dấu vân tay gồm có đường vân (ridge) rãnh (valley) Trong ảnh vân tay, đường vân có màu tối rãnh có màu sáng Khi xem xét ảnh vân tay, ta thường xét đến vùng vân trung tâm Đây vùng chứa điểm đặc trưng để phân loại, xác định nhận dạng vân tay Vùng trung tâm đường bao định nghĩa sau: - Vùng vân trung tâm dùng để phân loại (vùng mẫu) vùng vân nằm dấu vân tay giới hạn đường bao đường bao dưới, vùng vân chứa điểm tâm, tam phân điểm đường vân, sử dụng để phân loại nhận dạng vân tay[18] - Đường bao cặp đường vân bắt đầu chạy song song với đến tam phân điểm bên ngồi tách hai phía ơm lấy vùng trung tâm Tuy nhiên đường bao thường lúc đường liên tục Trên thực tế, đường bao thường bị đứt, ngắt quãng Khi đó, ta tiếp tục coi đường phía ngồi đoạn đường bao [18] Hình 1.1 Đường bao vùng vân trung tâm 1.2.1 Đặc trưng toàn cục Đặc trưng toàn cục (global feature hay singularities) loại đặc trưng biểu diễn cấu trúc chung toàn ảnh vân tay Có nhiều loại đặc trưng tổng tồn cục hướng, điểm đơn Đặc trưng toàn cục sử dụng để phân loại vân tay vào nhóm khác 62 Mỗi sở liệu chứa ảnh vân tay 110 người khác nhau, người thu nhận mẫu (tổng 880 mẫu) Bảng 4.1 Thông tin ảnh vân tay CSDL FVC2000 Bộ Loại cảm biến Kích liệu thước ảnh DB1 Low-cost Optical Sensor DB2 Low-cost Tập A Tập B Độ phân giải 300x300 100x8 10x8 500dpi Capacitive 256x364 100x8 10x8 500dpi Optical Sensor DB3 Optical Sensor 448x478 100x8 10x8 500dpi DB4 Synthetic generator 240x320 100x8 10x8 500dpi Ảnh vân tay từ sở liệu: Hình 4.36 Ảnh vân tay từ sở liệu CSDL FVC2000 Bộ ảnh vân tay đặt tên theo quy tắc: III_NN.tif Trong đó: - III ID người cho mẫu vân tay - NN số thứ tự ảnh vân tay người đó, nằm khoảng từ đến Ví dụ: Ảnh vân tay lưu tên 1_1.tif ảnh vân tay thứ 01 người có ID 63 Tuy nhiên, điều kiện thực nghiệm chương trình thử nghiệm hai ảnh vân tay DB1 DB2 Mỗi ảnh vân tay chia thư mục để chạy thử nghiệm chương trình sau: - Tập ảnh dùng để huấn luyện mạng nơ-ron: Lấy 3/4 số ảnh vân tay để huấn luyện mạng nơ-ron - Tập ảnh dùng để nhận dạng: Lấy 1/4 số ảnh để nhận dạng 4.2 Cài đặt thực nghiệm 4.2.1 Ngôn ngữ lập trình Chương trình thực nghiệm nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo lập trình ngơn ngữ lập trình C# Visual Studio 2013 Chương trình có sử dụng gói thư viện Mindtct phần mềm NBIS download từ website www.nist.gov để phục vụ cho bước trích chọn đặc trưng từ ảnh vân tay 4.2.2 Cấu hình máy Cấu hình máy tính sử dụng để cài đặt chạy thử nghiệm chương trình sau: Bộ vi xử lý: Intel(R) Core(TM) i3-4005U CPU: 1.7GHz RAM: 4GB Hệ điều hành: Windows 8.1 pro 4.2.3 Cấu hình mạng nơ ron Chương trình thử nghiệm mạng nơ ron truyền thẳng lớp ẩn, với thuật toán học thuật toán lan truyền ngược (backpropagation) 64 - Số node input: 24 - Các tham số lại gồm: Số node tầng ẩn, số lượng vòng lặp, ngưỡng MSE, momentum (alpha) learning rate (beta) cho phép tùy chỉnh thay đổi để tìm cấu hình mạng tốt Số lượng node tầng ẩn lựa chọn theo điều kiện sau: + Số lượng node tầng ẩn không lớn lần số lượng node tầng input + Nằm phạm vi số lượng node input output - Alpha (momentum): Nằm phạm vi [17] - Beta (learning rate): Nằm phạm vi 4.2.4 Giới thiệu chương trình Chương trình gồm chức sau: - Trích chọn đặc trưng 65 Hình 4.37 Giao diện trích chọn đặc trưng - Huấn luyện mạng nơ ron Hình 4.38 Giao diện huấn luyện mạng nơ ron - Nhận dạng ảnh vân tay 66 Hình 4.39 Giao diện nhận dạng ảnh vân tay - Đánh giá hiệu hệ thống Hình 4.40.Giao diện đánh giá hiệu của mạng nơ ron 4.3 Thực nghiệm đánh giá kết Với cấu hình mạng nơ ron khác nhau, tiến hành đánh giá hiệu mạng cách xác định tỉ lệ lỗi chấp nhận nhầm (False Acceptance Rate - FAR hay False Match Rate - FMR), lỗi từ chối nhầm (False Rejection Rate - FRR hay False Non Match Rate - FNMR) tỉ lệ cân lỗi (Equal Error Rate - EER) Đây tỉ lệ quan trọng đánh giá hiệu hệ thống sinh trắc học 67 FAR tính số lần chấp nhận sai / tổng số lần nhận dạng Giả sử hệ thống có ảnh vân tay người dùng (u 1, u2, u3, u4) Nếu người u5 chưa có hệ thống mà cố gắng sử dụng ảnh vân tay họ để truy nhập vào hệ thống, số lần thử họ hệ thống nhận dạng cho phép truy nhập, tỉ lệ FAR lúc nhận giá trị 0.5 (2/4=0.5) FRR tính số lần từ chối sai/ tổng số lần nhận dạng Cũng ví dụ trên, người u1 cố gắng xác thực, số lần thử người u1 bị hệ thống từ chối tỉ lệ FRR lúc nhận giá trị 0.5 (2/4=0.5) EER tỉ lệ cân lỗi (khi FAR = FRR) Tỉ lệ nhỏ hiệu nhận dạng hệ thống lớn Quá trình đánh giá liệu FVC2000 thực sau: Để đánh giá tỉ lệ FAR: Với mẫu ảnh vân tay tập A, tiến hành nhận dạng toàn ảnh vân tay cịn lại để tính số lần hệ thống nhận dạng sai Tỉ lệ FAR tính số lần hệ thống nhận dạng sai tổng số lần tiến hành kiểm tra nhận dạng Để đánh giá tỉ lệ FRR: Mỗi mẫu ảnh vân tay tập A so khớp với toàn mẫu cịn lại ảnh vân tay để xác định số lần từ chối sai hệ thống Tỉ lệ FRR tính số lần hệ thống từ chối sai tổng số lần tiến hành xác thực ảnh vân tay Dữ liệu từ sở liệu FVC2000 huấn luyện chạy kiểm tra nhận dạng thử với nhiều cấu hình khác mạng nơ ron (thay đổi tham số: Số node tầng ẩn, alpha (momentum), tỉ lệ học (beta) ngưỡng Mean Squared Error) 68 4.3.1 Kết thực nghiệm Chương trình sử dụng thuật tốn MINDTCT để tiền xử lý ảnh trích chọn đặc trưng, sau chạy huấn luyện nhận dạng mạng nơ ron nhân tạo Thời gian trung bình để xử lý ảnh trích chọn đặc trưng 0.14 giây, thời gian huấn luyện trung bình 800 giây thời gian để nhận dạng ảnh trung bình 0.0003 giây Sau chạy với cấu hình khác mạng nơ ron, lựa chọn cấu hình phù hợp mạng sau: + Số nơ ron tầng ẩn: 30 + Momentum: 0.02 + Tỉ lệ học: 0.1 Với cấu hình này, tỉ lệ nhận dạng ảnh vân tay mạng nơ ron lên đến 81% Chi tiết kết chạy thực nghiệm với hai sở liệu DB1A DB2A lấy từ thi FVC2000 thể hình 4.6 4.7, với ngưỡng EER 7.9 5.3, tỉ lệ FRR FAR xấp xỉ 1/100 38.7 35.2 cho sở liệu DB1A DB2A tương ứng Hình 4.41 Tỉ lệ FAR FRR sở liệu FVC2000 DB1 69 Hình 4.42 Tỉ lệ FAR FRR sở liệu FVC2000 DB2 4.3.2 Đánh giá kết Từ kết thu cho thấy, sở liệu DB2 cho kết nhận dạng tốt sở liệu DB1 (cùng cấu hình mạng nơ ron) Do chất lượng ảnh có ảnh hưởng lớn đến bước trích chọn đặc trưng có tác động trực tiếp đến kết nhận dạng Đặc biệt, qua trình chạy thử nghiệm với số ảnh vân tay cụ thể, cho thấy tỉ lệ nhận dạng hệ thống giảm tương ứng với tỉ lệ giảm vùng mẫu ảnh vân tay Khi vùng mẫu ảnh vân tay thu chiếm khoảng ¼ dấu vân tay thực, khả nhận dạng sai ảnh vân tay tăng cao Lý thu hẹp vùng ảnh vân tay, số lượng điểm đặc trưng thu thấp có độ sai khác lớn so với mẫu ảnh vân tay đầy đủ, đưa vào mạng huấn luyện dẫn tới việc nhận dạng khơng xác Để có đánh giá tổng quan hiệu mạng nơ ron nhân tạo nhận dạng ảnh vân tay, kết chương trình thực nghiệm sử dụng để so sánh với kết thu từ số thuật toán khác Số liệu lấy từ survey D Peralta cộng [3], tính trung bình cho sở liệu DB1A DB2A: 70 Bảng 4.2 Kết nhận dạng ảnh vân tay[3] Tên thuật toán EER Bozorth3[2] 1.5 Jiang[20] 4.0 Ratha[8] 9.9 Tico[9] 11.750 Qi[5] 7.583 Thuật toán đề xuất luận văn 6.6 Kết so sánh cho thấy thuật toán đề xuất luận văn cho kết nhận dạng ảnh vân tay tương đối tốt Đặc biệt, việc sử dụng thuật toán MINDTCT mạng nơ ron xử lý ảnh trích chọn đặc trưng, nhận dạng ảnh vân tay giúp tối ưu hóa tốc độ xử lý hệ thống, rút ngắn thời gian xử lý ảnh nhận dạng, phù hợp với sở liệu lớn 71 KẾT LUẬN VÀ KHUYẾN NGHỊ Kết luận Về mặt lý thuyết, luận văn trình bày nội dung sau: - Giới thiệu tổng quan vân tay đặc điểm đặc trưng ảnh vân tay, thuật toán tiền xử lý ảnh rút trích đặc trưng ảnh vân tay - Giới thiệu tổng quan mạng nơ ron, kiến trúc phương pháp huấn luyện mạng nơ ron Trình bày mạng nơ ron truyền thẳng lớp ẩn với thuật toán lan truyền ngược Về mặt thực nghiệm: - Xây dựng mạng nơ ron truyền thẳng sử dụng thuật toán học lan truyền ngược ứng dụng vào nhận dạng ảnh vân tay tập sở liệu mẫu Hướng phát triển: - Cải tiến thuật tốn để nhận dạng ảnh vân tay thu thập từ thực tế với tỉ lệ nhận dạng cao - Nghiên cứu thêm thuật tốn tiền xử lý ảnh trích chọn đặc trưng để tăng độ xác cho tốn nhận dạng ảnh vân tay - Sử dụng mạng nơ ron có nhiều lớp ẩn để nâng cao hiệu nhận dạng ảnh vân tay Khuyến nghị Đối với tốn nhận dạng ảnh vân tay, dùng phương pháp nhận dạng khác cho kết nhận dạng tin cậy Tuy nhiên với sở liệu lớn, cần tìm cách để cải thiện tốc độ nhận dạng ảnh vân tay 72 TÀI LIỆU THAM KHẢO [1] A K Jain, S Prabhakar and S Pankanti (1999), “A Filterbank-based Representation for Classification and Matching of Fingerprints”, International Joint Conference on Neural Networks [2] C.I Watson et al (2010), “User's Guide to NIST Biometric Image Software(NBIS)”, Technical Report, National Institute of Standards and Technology (NIST) [3] D Peralta et al (2005), “A survey on fingerprint minutiae-based local matching for verification and identification: Taxonomy and experimental evaluation”, Inform.Sci [4] Isaac Triguero et al (2014), “Fast fingerprint Identification for large databases”, Pattern recognition [5] J Qi, Y Wang (2005), “A robust fingerprint matching method”, Pattern Recognition, pp 1665–1671 [6] Josef Strom Bartunek (2005), “Minutiae extraction from fingerprint with neural network and minutiae based fingerprint verification” [7] Lin Hong, Anil Jain (1998), “Fingerprint image enhancement: Algorithm and performance evaluation”, IEEE Transactions on Pattern Analysis and Machine Intelligence ,Vol 20, No 8, pp777-789 [8] N Ratha et al (2000), “Robust fingerprint authentication using local structural similarity”, Workshop on Applications of Computer Vision, pp 29-34 73 [9] M Tico, P Kuosmanen (2003), “Fingerprint matching using an orientation-based minutia descriptor”, IEEE transactions on Pattern Anal, pp 1009-1014 [10] Miguel Lastra et al (2015), “Fast fingerprint identification using GPUs”, Information Sciences, pp 195-214 [11] N Sivanandam,S N Deepa, “Introduction to Neural Networks Using Matlab 60” [12] Pierre Baldi (1993), “Neural Networks for Fingerprint Recognition”, Neural Computation, Vol 5, pp 402 - 418 [13] Q Fang, N Bhattacharjee (2008), “Incremental fingerprint recognition model for distributed authentication”, Proceedings of the International Conference on Security and Management, pp 41-47 [14] Raffaele Cappelli et al (2011), “Fingerprint Indexing Based on Minutia Cylinder-Code”,IEEE transactions on pattern analysis and machine intelligence, Vol 33 [15] RS Germain, A Califano, and S Colville (1997), “Fingerprint Matching Using Transformation Parameter Clustering” IEEE Computational Science and Eng,vol 4, no 4, pp 42-49 [16] Simeen R Khan, Heena R Kher (2016), “Feature Extraction of Fingerprints for Brain Mapping”, International Journal of Modern Trends in Engineering and Research [17] Simon Haykin (2009), “Neural networks and learning machines 3rd edition”, Pearson education 74 [18] “The science of fingerprints: Classification and Uses”, US Departmant of Justice, Federal Bureau of Investigation [19] Y Chen, M Demirkus, AK Jain (2006), "Pores and Ridges: Fingerprint Matching Using Level Features", Proc International Conference on Pattern Recognition (ICPR), Vol 4, pp 477-480 [20] X Jiang and W.Y Yau (2000), “Fingerprint Minutiae Matching Based on the Local and Global Structures”, 15th International Conference on Pattern Recognition,vol 2, pp 1038-1041 LÝ LỊCH TRÍCH NGANG Họ tên: Phạm Thị Ánh Ngày tháng năm sinh: 23/12/1990 Nơi sinh: Thủy Nguyên, Hải Phòng Địa liên lạc: Gia Minh, Thủy Ngun, Hải Phịng Q trình đào tạo: Từ năm 2008-2012: Học Đại học - Hệ Chính quy Đại học Hà Nội, ngành Cơng nghệ thơng tin Q trình công tác: - Từ năm 2012 đến nay: Công tác Trường Đại học Kỹ thuật - Hậu cần CAND, thị trấn Hồ - Thuận Thành - Bắc Ninh XÁC NHẬN QUYỂN LUẬN VĂN ĐỦ ĐIỆU KIỆN BẢO VỆ Họ tên tác giả luận văn: Phạm Thị Ánh Đề tài luận văn: Nghiên cứu mạng nơ ron ứng dụng nhận dạng ảnh vân tay Chuyên ngành: Hệ thống thông tin Mã số: 60480104 Cán hướng dẫn: Tiến sĩ Nguyễn Văn Giang Đã đủ điều kiện bảo vệ trước Hội đồng chấm luận văn CÁN BỘ HƯỚNG DẪN KHOA HỌC HỌC VIÊN (Ký ghi rõ họ tên) (Ký ghi rõ họ tên) TS Nguyễn Văn Giang Phạm Thị Ánh CHỦ NHIỆM KHOA (BỘ MÔN) QUẢN LÝ CHUYÊN NGÀNH CÁN BỘ KIỂM TRA (Ký ghi rõ họ tên) (Ký ghi rõ họ tên) ... vân tay, điểm đặc trưng vân tay, trình nhận dạng ảnh vân tay, số phương pháp nhận dạng ảnh vân tay có ứng dụng tốn nhận dạng ảnh vân tay 1.1 Lịch sử nghiên cứu vân tay Vân tay đặc điểm đặc trưng... điểm mạng nơ ron đặc điểm ảnh vân tay, tác giả luận văn đề xuất phương pháp sử dụng mạng nơ ron nhân tạo để huấn luyện nhận dạng ảnh vân tay Luận văn với đề tài ? ?Nghiên cứu mạng nơ ron ứng dụng nhận. .. Nghiên cứu tổng quan toán nhận dạng ảnh vân tay - Nghiên cứu mạng nơ- ron nhân tạo - Thu thập liệu - Xây dựng ứng dụng, thử nghiệm đánh giá hiệu mạng nơ- ron nhận dạng ảnh vân tay Đối tượng phạm vi nghiên