Dia 1 HỆ THỐNG SINH TRẮC DỰA TRÊN HÌNH HỌC BÀN TAY (Hand Geometry) Hình học bàn tay Hình học bàn tay là một sinh trắc học xác định người dùng từ hình dạng bàn tay của họ Các đặc tính sinh trắc được lấ.
HỆ THỐNG SINH TRẮC DỰA TRÊN HÌNH HỌC BÀN TAY (Hand Geometry) Hình học bàn tay Hình học bàn tay sinh trắc học xác định người dùng từ hình dạng bàn tay họ Các đặc tính sinh trắc lấy bao gồm: Độ rộng – độ dài – độ dày ngón tay, chiều lịng bàn tay… Các mẫu đặc tính bàn tay lưu trữ sở liệu Mơ hình hoạt động Bước đăng ký: Chụp hình ảnh, tính tốn đặc trưng lưu trữ mẫu vào sở liệu So sánh: Chụp hình ảnh so sánh với: Một mẫu (Xác minh với ID cho) Tất mẫu (Nhận diện) Mơ hình hoạt động Ứng dụng hình học bàn tay With guiding pegs No guiding pegs Các nút chức Open Model: chọn hình ảnh đầu vào Add To Database: hình ảnh đầu vào thêm vào sở liệu sử dụng để huấn luyện Phải có số xác nhận, số xác nhận số nguyên lũy tiến liên hệ với bàn tay Hand Geometry Recognition: xác nhận bàn tay Hình ảnh đầu vào chọn so sánh với tất hình ảnh bàn tay có sở liệu Feature Visualization: hình ảnh hóa tính Remove Database: Xóa sở liệu khỏi thư mục Ví dụ bước tiền xử lý(Preprocessing) hình ảnh Tìm đầu ngón tay điểm khớp ngón tay Rút trích đặc trưng Các đặc trưng thơng thường rút trích: •Chiều dài chiều rộng độ dày ngón tay •Độ rộng bàn tay Rút trích đặc trưng Sử dụng PCA rút trích để đơn giản hóa q trình phân lớp Căn chỉnh hình dạng Căn chỉnh hình cho khớp mẫu để xác minh -Tỉ lệ chỉnh sai Chọn đặc trưng đáng kể Thống kê để tìm đặc trưng đáng kể Sanchez-Reillo et al: Tỉ lệ phân tán = Phân tán lớp Phân tán lớp Những đặc trưng không đáng kể bị loại Phân lớp xác minh Véc-tơ đặc tính so sánh phân lớp sử dụng phương pháp nhận dạng mẫu Gần hàm phân lớp sử dụng (Bayesian, kNN, SVM, GMM, neural networks ) Phân lớp đến lớp ”gần nhất” xác minh danh tính giá trị đặc trưng gần đến mức Véc tơ đặc trưng khoảng cách Distance metric: Khoảng cách Eulid (tổng sai số toàn phương) Khoảng cách Hamming (với số phương sai) Absolute or weighted absolute distance Phân lớp sử dụng hệ số tương quan Tính tốn tương quan chéo mẫu đăng ký mẫu so sánh Được cho khớp hệ số tương quan vượt qua ngưỡng Ví dụ kết phân lớp Nhận diện mẫu hình học bàn tay sử dụng Gaussian Mixture Modelling Kết GMM so sánh với khoảng cách Hamming Một số ứng dụng hình học bàn tay thực tiễn Cơ quan lập pháp Comlombia dùng máy quét bàn tay để đảm bao phiếu bầu cử Chương trình phi cơng INSPASS sử dụng hình học bàn tay để theo dõi khách du lịch thường xuyên qua lại cửa Trường Đại Học Georgia sử dụng hình học bàn tay từ năm 1973 cho chương trình bữa ăn sinh viên Tất nhà máy điện hạt nhân hoạt động Hoa Kì Ưu điểm sử dụng hình học bàn tay Thân thiện với người dùng Giá thành rẻ Trang thiết bị thiết lập đơn giản Kích thước mẫu nhỏ ( khoảng 9-25 bytes) Không liên quan đến hồ sơ tội phạm (như dấu vân tay) Nhược điểm Khả nhận diện không cao so với hệ thống sinh trắc khác , độ tin cậy thấp Nhạy cảm với thay đổi bề mặt vật lý bàn tay Chỉ có hiệu tốt với người lớn có thể ổn định, với trẻ em thể phát triển khơng xác Nếu tay có đeo trang sức hay thạch cao làm giảm khả nhận diện Kích thước vật lý bàn tay tương đối lớn cản trở việc sử hệ thống số thiết bị (ví dụ: máy quét laptop) Kết luận Hình học bàn tay hệ thống đơn giản, chi phí nhớ thấp dễ sử dụng Hầu khơng có phản đối từ phía người dùng Khả phân biệt thấp– Nhưng khả xác minh lại cao?? Thông tin bàn tay thay đổi(tăng cân, sụt cân, thương tích, bệnh tật, ) Sử dụng hệ thống dễ cách tốt để giảm tỉ lệ từ chối sai huấn luyện người dùng Kết luận Khả nhận diện thấp khả xác minh cao điều tốt Ít khả vi phạm riêng tư Không liên quan đến hồ sơ tội phạm Các vấn đề tồn đọng Hầu hết tài liệu truyền thông công ty không tiết lộ giải thuật đằng sau hệ thống họ Có q viết nghiên cứu hình học bàn tay Hiệu suất hệ thống hình học bàn tay dùng thương mại cao ứng dụng khoa học hình học bàn tay cơng bố ... sử dụng để huấn luyện Phải có số xác nhận, số xác nhận số nguyên lũy tiến liên hệ với bàn tay Hand Geometry Recognition: xác nhận bàn tay Hình ảnh đầu vào chọn so sánh với tất hình ảnh bàn tay