Luận văn:Nghiên cứu nhận dạng vân tay dùng mạng neural ppt

1 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG NGUYỄN MINH MẪN N N G G H H I I Ê Ê N N C C Ứ Ứ U U N N H H Ậ Ậ N N D D Ạ Ạ N N G G V V Â Â N N T T A A Y Y D D Ù Ù N N G G M M Ạ Ạ N N G G N N E E U U R R A A L L Chuyên ngành : KỸ THUẬT ĐIỆN TỬ Mã số : 60.52.70 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng - Năm 2011 2 Công trình ñược hoàn thành tại ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS. NGUYỄN VĂN CƯỜNG Phản biện 1 : TS. NGUYỄN VĂN SỸ Phản biện 2 : TS. LƯƠNG HỒNG KHANH Luận văn ñược bảo vệ tại Hội ñồng chấm Luận văn tốt nghiệp thạc sĩ kỹ thuật tại Đại học Đà Nẵng vào ngày 21 tháng 05 năm 2011. Có thể tìm hiểu luận văn tại: • Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng • Trung tâm H ọc liệu, Đại học Đà Nẵng. 1 MỞ ĐẦU 1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI Ngày nay, các kỹ thuật sinh trắc học ngày càng ñược ứng dụng rộng rãi. Trong ñó, nhận dạng vân tay ñược xem là một trong những kỹ thuật tương ñối hoàn thiện và ñáng tin cậy nhất ñể xác nhận 1 người. Hiện nay, kỹ thuật này ñược chú ý nhiều và người ta thấy rằng nó thích hợp với những ứng dụng có cơ sở dữ liệu nhỏ. Đa số các hệ thống bảo mật hiện nay ñược bảo vệ bằng Password hay mã PIN nhưng không hiệu quả vì khó nhớ, dễ quên và dễ bị ñánh cắp. Nếu sử dụng vân tay thì việc xác nhận một người nào ñó bằng việc thực hiện nhận dạng vân tay là an toàn và hiệu quả cao. Vì vậy, ñề tài “Nghiên cứu nhận dạng vân tay dùng mạng Neural” có tính khoa học và thực tiễn. 2. MỤC ĐÍCH NGHIÊN CỨU Hệ thống hóa những vấn ñề lý thuyết cơ bản về vân tay và mạng neural. Xử lý dữ liệu ñầu vào là vân tay, sau ñó ñưa qua mạng neural và cuối cùng là so sánh với dữ liệu ñã có sẵn ñể xem có ñúng vân tay cần nhận dạng hay không. 3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 3.1. Đối tượng nghiên cứu Nghiên cứu các ñặc tính trên vân tay ñể lấy thông tin cần thiết. Nghiên cứu về mạng neural nhân tạo. 3.2. Phạm vi nghiên cứu Đề tài tập trung nghiên cứu phương pháp tìm ñiểm ñặc trưng trên vân tay, sau ñó trích các ñiểm ñặc trưng này ñể làm mẫu huấn luyện trên các mạng neural. 2 Đánh giá kết quả ñạt ñược sau quá trình kiểm tra, ñối sánh. 4. PHƯƠNG PHÁP NGHIÊN CỨU Thu thập tài liệu và phân tích các thông tin liên quan ñến ñề tài. Xây dựng chương trình và thực thi ñể ñánh giá kết quả thực hiện. 5. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI Khai thác ñược kỹ thuật nhận dạng vân tay dùng mạng neural. Việc nhận dạng vân tay dùng mạng neural trong bảo mật cho ta hiệu quả tốt hơn so với các phương pháp bảo mật khác như password hoặc mã PIN. 6. KẾT CẤU LUẬN VĂN Luận văn dự kiến gồm các phần chính sau ñây Chương 1: Giới thiệu chung Chương 2: Tổng quan về nhận dạng vân tay Chương 3: Lý thuyết về mạng Neural nhân tạo Chương 4: Viết chương trình thực thi việc nhận dạng vân tay dùng mạng neural. CHƯƠNG 1 - GIỚI THIỆU CHUNG 1.1. HIỆU QUẢ ỨNG DỤNG SINH TRẮC HỌC TRONG NHẬN DẠNG 1.2. HỆ THỐNG NHẬN DẠNG VÂN TAY VÀ CÁCH ĐÁNH GIÁ HỆ THỐNG Hình 1.1. Cấu trúc tổng quát của một hệ thống nhận dạng vân tay 3 Kết quả thứ hai ñược gọi là "lỗi từ chối nhầm" (False Accept Rate - FAR), kết quả thứ ba ñược gọi là "lỗi chấp nhận nhầm" (False Reject Rate - FRR). Cho một phân bố thật là p g , và phân bố mạo danh là p i , thì Một hệ thống thường có hai cách ñánh giá như sau: Tỷ lệ lỗi cực tiểu SUMmin = (FAR + FRR)min : là hệ số lỗi nhỏ nhất mà hệ thống có thể ñạt ñược. Tỷ lệ lỗi cân bằng (Equal Error Rate- EER): là ñiểm mà FAR và FRR bằng nhau. Hình 1.2. Mối quan hệ giữa FAR, FRR, SUM và EER theo ngưỡng th 1.3. KẾT LUẬN CHƯƠNG Chương này ñã giới thiệu ưu ñiểm của việc sử dụng sinh trắc học trong nhận dạng, cấu trúc tổng quát của hệ thống nhận dạng vân tay, các bước ñánh giá khả năng nhận dạng của hệ thống vân tay. 4 CHƯƠNG 2 - TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 2.1. CẤU TẠO VÂN TAY Hình 2.1. Hình dạng các ñường vân và ñường rãnh 2.2 CÁC ĐIỂM ĐẶC TRƯNG CỦA VÂN TAY Singularity Hình 2.2. Các ñiểm core và delta Core thường có một số dạng như sau Hình 2.3. Một số loại core thường gặp 5 Minutiae Hình 2.4. Các ñiểm minutiae kết thúc (Ridge Ending) và ñiểm rẻ nhánh (Bifurcation) 2.3. PHÂN LOẠI VÂN TAY 2.4. QUÁ TRÌNH NHẬN DẠNG DẤU VÂN TAY Xác nhận dấu vân tay (fingerprint verification). Nhận diện dấu vân tay (finger identification ). Việc ñối sánh ảnh vân tay cần nhận dạng 2.5. CÁC PHƯƠNG PHÁP NHẬN DẠNG DẤU VÂN TAY Thứ nhất là dựa vào các ñặc tính cụ thể của dấu vân tay, như ñiểm cuối, ñiểm rẽ nhánh của các vân trên tay. Thứ hai là so sánh toàn bộ ñặc tính của dấu vân tay. 2.6. TRÍCH CÁC ĐIỂM ĐẶC TRƯNG DẤU VÂN TAY 2.6.1.Trích các ñiểm singularity Trường ñịnh hướng (orientation field) Hình 2.5. Ảnh vân tay và trường ñịnh hướng của nó 6 Phương pháp xác ñịnh trường ñịnh hướng như sau: − Chia ảnh vân tay thành các khối nhỏ hơn kích thước WxW − Tính gradient theo hai hướng x, y là Gx, Gy tại mỗi ñiểm (pixel) trong khối − Khi ñó hướng của ñiểm chính giữa của khối ñược xác ñịnh theo công thức: ( ) ( ) ( ) ( ) ( )               − = ∑∑ ∑∑ − − − − − w i w j yx w i w j yx jiGjiG jiGjiG 1 1 22 1 1 1 ,, ,,2 tan 2 1 ϕ (2.1) Xác ñịnh các ñiểm singularity bằng chỉ số Poincare Giả sử (i,j) là một ñiểm bất kỳ trên ảnh vân tay, C là một ñường cong khép kính xung quanh (i,j) thì chỉ số Poincare tại (i,j) là tổng ñại số các ñộ sai lệch hướng của các ñiểm liền kề nhau trên ñường cong C, chỉ số Poincare giả ñịnh chỉ là một trong những giá trị rời rạc: 0°, ± 180°, và ± 360° Hình 2.6. Đường cong C và các sai lệch hướng của chỉ số Poincare 7 Hình 2.7. Cách tính chỉ số Poincare tại ñiểm (i,j) với N=8 2.6.2.Trích các ñiểm minutiae 2.6.2.1.Trích các ñiểm minutiae từ ảnh binary (x, y) là ñiểm kết thúc nếu 7 0 i i N = ∑ =1 (x,y) là ñiểm rẻ nhánh nếu 7 0 i i N = ∑ >2 Hình 2.8. Các ñiểm rẽ nhánh và ñiểm kết thúc của ảnh binary với N=8 2.6.2.2. Dò theo ñường vân (Ridge line following) Hình 2.9. Bề mặt của ảnh vân tay với các ñường vân (ridge) và các rãnh 8 (ravine) Hình 2.10. Thiết diện của ñường vân tay Tóm lại việc tìm các ñiểm minutiae bằng thuật toán dò theo ñường vân ñược thực hiện như sau + Lấy một ñiểm bất kì (i s ,j s ) trên ảnh I + Tìm hướng ϕ s tại ñiểm (i s ,j s ) + Tìm ñiểm cực ñại (i c , j c ) gần (i s , j s ) nhất + Tìm hướng ϕ c tại ñiểm (i c , j c ) + Dịch chuyển theo hướng ϕ c một ñoạn µ + Tinh chỉnh lại ñiểm cực ñại (i c ,j c ) và hướng ϕ c + Tiếp tục quá trình này ñể dò theo ñường vân (ridge following) cho ñến khi không phát hiện ñược ñiểm cực ñại (i c ,j c ) thì ñó là ñiểm Ridge Ending hoặc chạm vào một ñường vân khác thì ñó là ñiểm Bifurcation (mỗi ñường vân sau khi ñược dò sẽ ñược gán nhãn) + Tiếp theo chọn một ñiểm (i s ,j s ) khác và thực hiện lại quá trình trên cho ñến khi dò hết tất cả các ñường vân. [...]... neural g m 3 l p: l p vào, l p n và l p ra Các neural l p vào tr c ti p nh n tín hi u neural ch có m t tín hi u vào M i neural các neural l p vào và l p ra Các neural v i t t c các neural ñ u vào, l p n ñư c n i v i t t c l p ra có ñ u vào ñư c n i l p n, chúng là ñ u ra c a m ng Hình 3.3 C u trúc hu n luy n m ng neural 3.2.2 M ng neural nhân t o Hình 3.4 Neural nhân t o Các thông s c u trúc m ng neural. .. 3.4.2 Thu t gi i di truy n (Genetic Algorithm) CHƯƠNG 4 - TH C HI N NH N D NG VÂN TAY DÙNG M NG NEURAL 4.1 Ý TƯ NG L ym u vân tay c n hu n luy n Ti n x lý Trích ch n các ñi m ñ c trưng Hu n luy n m ng neural Lưu m ng neural ñã hu n luy n 17 L ym u vân tay c n hu n luy n Trích ch n các ñi m ñ c trưng Ti n x lý Đ i sánh m ng neural ñã hu n luy n K t qu ñ i sánh Hình 4.1 Lưu ñ th c hi n Xây d ng t p m... c tính ñư ng vân CHƯƠNG 3 - LÝ THUY T V M NG NEURAL NHÂN T O 3.1 SƠ LƯ C V M NG NEURAL 3.1.1 L ch s phát tri n 3.1.2 Neural sinh h c 3.1.2.1 Ch c năng, t ch c và ho t ñ ng c a b não con ngư i 3.1.2.2 M ng neural sinh h c C u t o: Neural là ph n t cơ b n t o nên b não con ngư i Sơ ñ c u t o c a m t neural sinh h c ñư c ch ra như trong hình 3.1 10 Hình 3.1 Mô hình 2 neural sinh h c M t neural ñi n hình... lý thuy t v nh n d ng vân tay, vi t chương trình th c hi n nh n d ng vân tay dùng m ng Perceptron m t l p và hai l p K t qu nh n d ng th hi n ñư c ưu ñi m gi a m ng perceptron m t l p và hai l p và so v i nh n d ng không dùng m ng nueral Tuy nhiên, do th i gian còn h n ch nên tác gi ch nghiên c u và th nghi m m ng Perceptron Trong tương lai có th nghiên c u và th nghi m trên m ng neural m , nh n d ng... ph n nhánh c a nó r i t i các ch n i synapte v i các neural khác Sau khi kích ho t, neural s ch trong m t kho ng th i gian ñư c g i là chu kỳ 3.2 M NG NEURAL NHÂN T O 3.2.1 Khái ni m Hình 3.2 Mô hình toán h c c a m ng neural 11 S thay th nh ng tính ch t này b ng m t mô hình toán h c tương ñương g i là m ng neural nhân t o Mô hình bi u di n m t m ng neural nhân t o g m m ñ u vào và 1 ñ u ra Các ñ u vào... u ra ñó m i 12 - S l p neural - S neural trên m i l p n - S lư ng liên k t c a m i neural (ñ y ñ , b ph n, ng u nhiên) - Các tr ng s liên k t - Hàm truy n (Transfer function) - Các tr ng s liên k t - B t ng (Summing function) - Ngư ng (còn g i là m t ñ l ch -bias) 3.2.2.1 Phân lo i m ng neural Phân lo i theo ki u liên k t neural Phân lo i theo s l p 3.2.2.2 Cách nhìn v m ng neural H c có th y Hình... a các ñi m ñ c trưng Đ xác ñ nh v trí c a m t ñi m ta c n có m t ñi m g c “tương ñ i” c ñ nh ñây, tôi ch n ñi m core làm g c, b i vì ñi m core luôn t n t i và tương ñ i c ñ nh trong nh vân tay Vi c ñ i sánh b ng m ng neural có m t như c ñi m ñó là th t các ñi m ñ c trưng khi ñưa vào m ng ph i chính xác, ch c n sai l ch m t v trí s làm sai toàn b m ng Đ làm t t ñi u này, tôi ñ ngh m t phương pháp ñó... tăng cư ng 3.3 M T S MÔ HÌNH M NG NEURAL 3.3.1 M ng truy n th ng m t l p 3.3.1.1 M ng m t l p Hình 3.8 C u trúc m ng neural 1 l p 3.3.1.2 M ng Perceptron m t l p Hình 3.9 M ng perceptron m t l p 14 3.3.1.3 Lu t h c h i Perceptron Trong lu t h c h i perceptron, tín hi u h c h i là s khác nhau gi a ñáp ng ngõ ra mong mu n và ngõ ra th c 3.3.1.4 Adaline M ng v i các neural có quan h vào ra là tuy n tính... sinh h c ñư c ch ra như trong hình 3.1 10 Hình 3.1 Mô hình 2 neural sinh h c M t neural ñi n hình có 3 ph n chính: - Thân neural (so ma) - Các nhánh (dendrite) - S i tr c (Axon) Ho t ñ ng: Các tín hi u ñưa ra b i m t synapte và ñư c nh n b i các dendrite là các kích thích ñi n t Neural nh n tín hi u s kích ho t (fire) n u ñi n th vư t kh i m t ngư ng nào ñó và m t xung (ho c ñi n th ho t ñ ng) v i... cư ng b ng FFT 4.2.2.3 Th c hi n ư c lư ng trư ng ñ nh hư ng 4.2.2.4 Phát hi n ñi m core và các ñi m minutiae 4.2.2.5 Quá trình hu n luy n m ng perceptron hai l p 4.2.2.6 Hi n th k t qu ñ i sánh hai vân tay khác nhau 4.2.3 K t qu Hình 4.11 cho th y các k t qu ñ i sánh khi s d ng m ng Perceptron m t l p Đ th bi u di n các t l (%) l i ch p nh n nh m FAR, t ch i nh m FRR và t ng SUM = FAR + FRR theo ngư . TIỄN CỦA ĐỀ TÀI Khai thác ñược kỹ thuật nhận dạng vân tay dùng mạng neural. Việc nhận dạng vân tay dùng mạng neural trong bảo mật cho ta hiệu quả tốt. khả năng nhận dạng của hệ thống vân tay. 4 CHƯƠNG 2 - TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 2.1. CẤU TẠO VÂN TAY Hình 2.1. Hình dạng các ñường vân và ñường