Ứng dụng mạng nơ ron truyền thẳng nhiều lớp cho nhận mẫu vân tay

LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu thân xuất phát từ yêu cầu cơng việc Các số liệu luận văn có nguồn gốc trung thực Tôi xin cam đoan, giúp đỡ trình thực luận văn cám ơn Các thơng tin trích dẫn luận văn tham chiếu đầy đủ Hà Nội, ngày 6tháng 12 năm 2016 TÁC GIẢ LUẬN VĂN Nguyễn Thị Hoa i LỜI CẢM ƠN Trước tiên, xin bày tỏ lòng biết ơn tới PGS.TS Nguyễn Quang Hoan, người hướng dẫn, bảo tận tình để tơi hồn thành luận văn Tơi chân thành cảm ơn thầy, cô giáo, cán Viện Đại học Mở Hà Nội truyền thụ kiến thức hỗ trợ tơi q trình học tập Tơi xin cảm ơn quan, bạn bè đồng nghiệp, gia đình người thân chia sẻ, động viên, tạo điều kiện thuận lợi để tơi hồn thành nhiệm vụ học tập nghiên cứu luận văn Do thời gian nghiên cứu trình độ có hạn, luận văn chắn cịn nhiều thiếu sót Tơirất mong nhận đuợc đóng góp ý kiến thầy, giáo toàn thể bạn bè đồng nghiệp Hà Nội, ngày 6tháng 12 năm 2016 TÁC GIẢ LUẬN VĂN Nguyễn Thị Hoa ii MỤC LỤC LỜI MỞ ĐẦU CHƯƠNG CƠ BẢN VỀ NHẬN DẠNG MẪU VÂN TAY 1.1 Các phương pháp định danh cá nhân 1.1.1 Phương pháp định danh dựa sinh trắc học hành vi 1.1.2 Các phương pháp định danh dựa cấu trúc vật lý 1.1.3 So sánh phương pháp nhận dạng đặc trưng vật lý 1.2 Vân tay kỹ thuật nhận dạng mẫu vân tay 10 1.2.1 Lịch sử ứng dụng dấu vân tay 10 1.2.2 Cấu tạo hình dạng vân tay 11 1.2.3 Chất lượng tiền xử lý ảnh vân tay 13 1.3 Các kỹ thuật nhận dạng đối sánh vân tay 14 1.3.1 Đối sánh dựa vào độ tương quan 15 1.3.2 Đối sánh dựa vào đặc trưng 17 1.3.3 Đối sánh dựa vào đặc trưng vân tay 20 1.4 Nghiên cứu nhận dạng mẫu vân tay nước 22 1.4.1 Tình hình nghiên cứu ngồi nước 22 1.4.2 Tình hình nghiên cứu, ứng dụng mẫu vân tay nước 23 1.5 Kết luận chương 23 CHƯƠNG 25 MẠNG NƠ RON THUYỀN THẲNG NHIỀU LỚP 25 2.1 Quá trình nghiên cứu mạng nơ ron nhân tạo 25 2.1.1 Mạng nơ ron nhân tạo gì? 25 2.1.2 Lịch sử phát triển mạng nơ ron nhân tạo 25 2.1.3 Những thuộc tính ưu điểm mạng nơ ron 26 2.2 Đặc điểm mạng nơ ron nhân tạo 26 2.2.1 Nơ ron sinh học 27 2.2.2 Nơ ron nhân tạo 29 iii 2.2.3 Phân loại mạng nơ ron nhân tạo 31 2.3 Luật học mạng nơ ron 32 2.3.1 Học tham số 32 2.3.2 Học cấu trúc 34 2.4 Mạng truyền thẳng nhiều lớp 35 2.4.1 Kiến trúc mạng truyền thẳng nhiều lớp 35 2.4.2 Khả tính tốn mạng nhiều lớp 35 2.4.3 Xác định cấu trúc mạng nhiều lớp tối ưu 36 2.4.4 Mạng nơ ron lan truyền ngược 37 2.4.5 Ưu nhược điểm mạng truyền thẳng 42 2.5 Kết luận chương 43 CHƯƠNG 44 NHẬN DẠNG MẪU VÂN TAY SỬ DỤNG MẠNG NƠ RON 44 3.1 Xây dựng hệ thống nhận dạng vân tay sử dụng mạng nơ ron 45 3.1.1 Mơ hình nhận dạng vân tay sử dụng mạng nơ ron 45 3.1.2 Sơ đồ chức nhận dạng vân tay sử dụng mạng nơ ron 46 3.2 Thiết kế liệu hệ thống nhận dạng 47 3.2.1 Phân tích thiết kế sở liệu 47 3.2.2 Xử lý liệu ảnh vân tay 49 3.3.Trích rút đặc trưng đối sánh đặc trưng ảnh vân tay 50 3.3.1 Kỹ thuật chung cho trích chọn đặc trưng 50 3.3.2 Trích chọn đặc trưng luận văn 51 3.4 Thiết kế mạng nơ ron nhân tạo nhiều lớp 53 3.4.1 Chọn loại mạng mạng nơ ron nhân tạo 53 3.4.2 Chọn số lớp mạng nơ ron nhân tạo 53 3.5 Thử nghiệm nhận dạng mẫu vân tay bàn luận kết 55 3.5.1 Giới thiệu hệ thống kỹ thuật sử dụng 55 3.5.2 Giao diện chương trình nhận dạng vân tay 56 3.5.3 Giao diện quản trị đối tượng chương trình nhận dạng vân tay 57 3.5.4 Giao diện xử lý ảnh vân tay 58 iv 3.5.5 Giao diện học nhận dạng ảnh vân tay 59 3.5.6 Giao diện học nhận dạng dùng mạng nơ ron nhân tạo 60 3.5.7 Nhận xét chương trình nhận dạng 63 3.6 Bàn luận, nhận xét kết nhận dạng 63 3.7 Kết luận chương 64 KẾT LUẬN CHUNG CỦA LUẬN VĂN 64 TÀI LIỆU THAM KHẢO 65 v DANH MỤC KÝ TỰ, VIẾT TẮT Viết tắt Tiếng Anh Nghĩa tiếng Việt AFIS Automated Fingerprint Identification System Hệ thống nhận dạng vân tay ANN Artificial Neural Network Mạng nơ ron nhân tạo ATM Automated Teller Machine Máy rút tiền tự động BBVA Dịch vụ tài tồn cầu BP Back-Propagation Lan truyền ngược CC Cross Corelation Độ tương quan chéo CSDL Cơ sở liệu DD Directional Distance Khoảng cách hướng EP Evolutionary Programming Lập trình tiến hóa FBI Federal Bureau of Investigation Cục điều tra liên bang Mỹ ID Identification Nhận diện LAN Local Area Network Mạng nội MLP Multi Layer Perceptron Mạng Perceptron nhiều lớp NN Neural Network Mạng nơ ron PIN Personal Identification Number Mã số định danh cá nhân SD Space Distance Khoảng cách khơng gian SSD Sum of Square Derivations Tổng bình phương sai số USB Universal Serial Bus Thiết bị lưu trữ di động VLSI Very-Large-Scal-Integrated Độ tích hợp cao vi DANH MỤC CÁC HÌNH Hình 1.1: Phân loại phương pháp nhận dạng người Hình 1.2: Sinh trắc học hành vi Behavioral Biometrics Hình 1.3: Cơng nghệ quét vân tay iPhone Hình 1.4: Máy quét tĩnh mạch lòng bàn tay Hình 1.5: Mơ hình Nymi sử dụng cơng nghệ Cardiac Rhythm Hình 1.6: Tỷ lệ phần trăm ứng dụng công nghệ sinh trắc học Hình 1.7: Các ứng dụng hệ thống nhận dạng vân tay Hình 1.8: Doanh thu công nghệ sinh trắc học từ năm 2006 đến năm 2017 10 Hình 1.9: Vân tay đèn người Paléttin (400 TCN) 11 Hình 1.10: Con dấu thương mại Berwick (1809) 11 Hình 1.11: Chữ kí vân tay người Trung Quốc (1839) 11 Hình1.12: Vân tay (Riges) rãnh (Valeys) 12 Hình 1.13: Hai loại Singularity: Core Delta 12 Hình 1.14: Một số Core thường gặp 13 Hình 1.15: Điểm kết thúc rẽ 13 Hình 1.16: Các dấu vân tay khơng đối sánh với nhiễu 14 Hình 1.17: Chi tiết I ánh xạ hệ toạ độ T 20 Hình 1.18: m1 bắt cặp với m’’2;m2khơng bắt cặp 20 Hình 1.19 Sơ đồ nhận dạng vân tay dùng kỹ thuật FingerCode 22 Hình 2.1: Nơ ron sinh học 27 Hình 2.2: Mơ hình nơ ron nhân tạo 29 Hình 2.3: Phân loại mạng nơron nhân tạo 31 Hình 2.4: Các dạng học 33 Hình 2.5: Cấu trúc mạng lan truyền ngược ba lớp 38 Hình 2.6: Các điểm tối ưu cực tiểu tối ưu toàn cục 42 Hình 3.1: Mơ hình nhận dạng vân tay mạng nơ ron 45 Hình 3.2: Sơ đồ chức hệ thống nhận mẫu vân tay 45 vii Hình 3.3: Sơ đồ bước xử lý ảnh đối sánh đặc trưng ảnh vân tay 50 Hình 3.4: Ảnh vân tay 51 Hình 3.5: Ảnh vân tay xác định tọa độ điểm đặc trưng 52 Hình 3.6: Sơ đồ thiết kế cấu trúc mạng nơ ron 54 Hình 3.7: Hệ thống nhận dạng vân tay 55 Hình 3.8: Giao diện hệ thống nhận mẫu vân tay 56 Hình 3.9: Giao diện Quản trị người dùng hệ thống 57 Hình 3.10: Quản lý công dân 58 Hình 3.11: Các chức xử lý ảnh vân tay 58 Hình 3.12: Nhận dạng phương pháp đối sánh 1-1 59 Hình 3.13: Nhận dạng phương pháp đối sánh đặc trưng CSDL 60 Hình 3.14: Chọn ảnh mẫu vân tay cần nhận dạng 60 Hình 3.15: Chọn mạng nơ ron hệ số học 61 Hình 3.16: Học nhận dạng mẫu vân tay 61 viii DANH MỤC CÁC BẢNG BIỂU Bảng 2.1: Một số hàm phi tuyến thường sử dụng mơ hình mạng nơ ron…29 Bảng 3.1: Bảng liệu người dùng 46 Bảng 3.2: Bảng liệu công dân 46 Bảng 3.3: Bảng liệu tỉnh thành 47 Bảng 3.4: Bảng dự liệu quận huyện 47 Bảng 3.5: Bảng liệu vân tay 47 Bảng 3.6: Bảng dự liệu trọng số mạng 48 Bảng 3.7: Bảng dự liệu phân quyền người dùng 48 Bảng 3.8: Bảng liệu cấu hình 48 Bảng 3.9: Tọa độ điểm trung bình vân tay 51 ix LỜI MỞ ĐẦU Lý chọn đề tài Dấu vân tay không giống ai, không đổi suốt đời, không dễ thay thế, chia sẻ hay giả mạo…Qua kiểm tra dấu vân tay cặp sinh đôi người ta thấy xác suất trùng lặplà 0%,do vậy, công nghệ xem đáng tin cậy nhận dạng cá nhân so với phương pháp khác mật khẩu, mã thẻ Có nhiều phương pháp nhận dạng mẫu vân tay khác Để toán nhận vân tay mẫu đạt hiệu cao, luận văn áp dụng phương pháp tiên tiến ANNdo mạng nơ ron có đặc tính trội xử lý phi tuyến, khả học, khả chịu lỗi lớn Ý nghĩa, mục đích đề tài luận văn Mục đích đề tài luận văn là:ứng dụng mạng nơ ron nhân tạo cho tốn nhận mẫu vân tay Để thực mục đích này, số luật học số phương pháp nhận dạng đề cập để đối sánh; số mạng nơ ron chọn để thử cho việc so sánh, phân tíchvà đề xuát khả ứng dụng Đối tượng phạm vi nghiên cứucủa luận văn 3.1 Đối tượng nghiên cứu - Các đặc trưng ảnh vân tay mẫu liệu ảnh vân tay thu - Một số mơ hình ANN sử dụng lĩnh vực nhận dạng - Phương pháp trích chọn điểm đặc trưng vân tay theo mơ hình ANN - Kỹ thuật nhận dạng ảnh mẫu vân tay sử dụng phương pháp mạng nơ ron 3.2 Phạm vi nghiên cứu - Xây dựng mơ hình, tốn nhận dạng mẫu vân tay - Thử nghiệm số mẫu định; số vân tay thử vài vân mười ngón người; độ xác thử nghiệm chọn khiêm tốn; cấu hình máy tính xách tay thơng thường Hình 3.3: Sơ đồ bước xử lý ảnh đối sánh đặc trưng ảnh vân tay • Phân tích ảnh (Image Analysis): Thơng qua phân tích ảnh, ảnh loại bỏ thơng tin nhiễu hay thơng tin khơng cần thiết • Nhị phân hóa (Binarization): Nhị phân hóa ảnh vân tay thành ảnh trắng đen Bước phục vụ cho bước Làm mỏng vân tay Bước có khơng phục thuộc vào thuật tốn rút trích đặc trưng • Làm mỏng (Thinning): Làm mỏng đường vân lồi ảnh vân tay Bước nhằm mục đích cho việc rút trích đặc trưng vân tay Bước có khơng phục thuộc vào thuật tốn rút trích đặc trưng • Trích rút đặc trưng (Minutiae Extraction):trích rút đặc trưng cần thiết cho q trình đối sánh vân tay 3.3 Trích rút đặc trưng đối sánh đặc trưng ảnh vân tay 3.3.1 Kỹ thuật chung cho trích chọn đặc trưng Mục đích trình đối sánh vân tay dựa đặc trưng trích rút Q trình thực qua bước nhỏ sau: • Phân tích đặc trưng (Minutiae Analysis): Phân tích đặc điểm cần thiết đặc trưng để phục vụ cho việc đối sánh vân tay • Xét độ tương tự cục (Local Similarily): Thuật toán đối sánh vân tay dựa vào thông tin cục đặc trưng gồm: tọa độ (x, y) vân tay để tìm cặp đặc trưng giống hai vân tay 50 • Xét độ tương tự toàn cục (Global Similarily):Từnhững khu vực giống (tương tự) cục bộ, thuật toán tiếp tục mở rộng đối sánh tồn cục • Tính điểm đối sánh (Calculate Matching Score): Tính tốn mức độ giống cặp đặc trưng Điểm đối sánh cho biết độ giống hai ảnh vân tay 3.3.2 Trích chọn đặc trưng luận văn Tập liệu ảnh mẫu thu thập lưu trữ thư viện chương trình Các liệu phần lớn lấy thư viện ảnh vân tay; số ảnh vân tay quan Luận văn trình bày cách xác định điểm đặc trưng ảnh vân tay có đặc trưng mức 2.Dưới ví dụ cách xác định đặc trưng dựa vào điểm đầu cuối, điểm rẽ nhánh Đầu tiên, ảnh vân tay chuyển vào khung có kích thước xác định Chọn điểm core delta (nếu ảnh vân tay khơng có điểm core) làm gốc tọa độ Oxy Chia ảnh thành vùng theo góc phần tư (I, II, III, IV) trục tọa, điểm chạc độ Tại vùng, xác định tọa độ tất điểm đặc trưng (điểm kết thúc, điểm rẽ nhánh: 19 điểm minh họa hình 3.4) Do vân tay có nhiều điểm đặc trưng; để giảm bớt tính tốn số đầu vào, lấy góc phần tư điểm cách tính trung bình tọa độ điểm đặc trưng góc phần tư Mỗi điểm trung bình có hai giá trị tọa độxi, yi Với bốn góc phần tư ta có điểm trung bình ứng với giá trị trung bình tính theo trục ngang trục dọc tọa độ Như vậy, ảnh vân tay có đặc trưng đầu vào x = [x1, x2, …, x8]ứng với tọa độ trung bình Chọn để đảm bảo số đầu vào ln cố định cho loại vân có số đặc trưng khác Hình 3.4: Ảnh vân tay 51 Ảnh nh vân tay (hình 3.4) chuyển vào khung có kích thướ ớc cố định (hình 3.5), xác định tọa độ điểm đặc trưng Hình 3.5: Ảnh Ả vân tay xác định tọa độ điểm đặặc trưng Trong hình 3.4cho cho m ảnh vân tay có 19 điểm đặc trưng ng K Khi chuyển ảnh vào khung, 11 điểm, tọa độ xác định ví dụ hình ình 3.5 3.5 Dựa vào tọa độ trên, xác định đ tọa độ điểm trung bình giá trị đầu đ vào ảnh vân tay theo Bảng 3.9 Bảng ng 3.9: 3.9 Tọa độ điểm trung bình ảnh vân tay Góc tọa độ Điểm đặc trưng Thứ tự điểm m Tọa độ x Điểm m trung bình Tọa độ y X= I II III IV 18 19A 19B 15 14 0.1 0.5 0.6 -0.65 -0.283 0.43 0.58 0.233 0.58 0.63 0.5 0.7 0.5 0.5 -0.15 -0.03 -0.183 -0.45 -0.67 -0.833 Y= 0.4 0.567 -0.65 -0.283 0.5 -0.15 0.49 -0.43 Như vây, vân tay (h (hình 3.2) có đặc trưng đầuu vào X = [ 0.4; 0.567; 0.65; 0.5; -0.283; -0.15; 0.15; 0.49; -0.43] Tám đặc trưng dùng làm đầu vào để 52 nhận dạng cho mạng nơ ron Nếu tách riêng điểm đầu cuối điểm rẽ nhánh, thu 16 đặc trưng theo cách tương tự 3.4 Thiết kế mạng nơ ron nhân tạo nhiều lớp 3.4.1 Chọn loại mạng mạng nơ ron nhân tạo Luận văn chọn mạng Perceptron mạng lan truyền ngược để thử nghiệm Lý do, mạng đơn giản, tính tốn nhanh phù hợp với cấu hình, tốc độ xử lý máy tính cá nhân 3.4.2 Chọn số lớp mạng nơ ron nhân tạo Luận văn chọn mạng lớp cho mạng lan truyền ngược, theo Kolmogorov, mạng lớp đủ khả tính tốn trường hợp Một vấn đề khác cần nơ ron lớp 3.4.2.1 Chọn số nơron lớp vào cho mạng lan truyền ngược - Số nơ ron lớp vào: 16, dựa vào phân tích đặc trưng mục 3.3, số đầu đặc trưng đầu vào vân tay 16 Trong ví dụ hình 3.5, ta tính đặc trưng cho điểm đầu cuối điểm rẽ nhánh; tách riêng điểm rẽ nhánh ta có đặc trưng; tách riêng điểm rẽ nhánh có đặc trưng tương tự; tổng số 16 đặc trưng 53 Hình 3.6: Sơ đồ thiết kế cấu trúc mạng nơ ron 3.4.2.2 Chọn số nơron lớp ẩn cho mạng lan truyền ngược Sử dụng q nơron dẫn đến việc khơng thể nhận dạng tín hiệu đầy đủ tập liệu phức tạp, hay thiếu ăn khớp (Underfitting) Sử dụng nhiều nơron tăng thời gian huấn luyện mạng Số lượng lớn nơron dẫn đến tình trạng thừa ăn khớp (Overfitting), trường hơp mạng có q nhiều thơng tin, lượng thông tin tập liệu mẫu (Training Set) không đủ liệu đặc trưng để huấn luyện mạng Số lượng tốt nơron ẩn phụ thuộc vào nhiều yếu tố số đầu vào, đầu mạng, số trường hợp tập mẫu, độ nhiễu liệu đích, độ phức tạp hàm lỗi, kiến trúc mạng thuật toán huấn luyện mạng Trong phần lớn trường hợp, khơng có cách để dễ dàng xác định số tối ưu nơron lớp ẩn mà luyện mạng sử dụng số nơron lớp ẩn khác dự báo lỗi tổng quát hóa lựa chọn Cách tốt sử dụng phương pháp thử-sai (Trial–and- Error) Trong thực tế sử dụng phương pháp lựa chọn tiến (Forward Selection) hay lựa chọn lùi (Backward Selection) để xác định số nơron lớp ẩn 54 Lựa chọn tiến bắt đầu với việc chọn luật hợp lý cho đánh giá hiệu mạng; sau đó, chọn số nhỏ nơron lớp ẩn, luyện thử mạng; ghi lại hiệu mạng Sau đó, tăng chút số nơron lớp ẩn; luyện thử lại lỗi chấp nhận được, khơng có tiến triển so với trước Lựa chọn lùi, ngược lại với lựa chọn tiến, bắt đầu với số lớn nơron lớp ẩn, sau giảm dần Q trình tốn thời gian giúp ta tìm số nơron phù hợp cho lớp ẩn Tuy nhiên, số tác giả đề xuất chọn số nơ ron lớp ẩn lớn số tối đa số nơ ron lớp số đầu vào Trong luận văn: số nơ ron lớp ẩn chọn 16 số đầu vào mạng 3.4.2.3 Chọn số nơron lớp Lớp ra:1, kết trả giá trị nhất, dựa vào công thức 1.3 ei = yi - di đó:yi; di giá trị đầu thực tế đầu mong muốn tương ứng Vì i=1 nên yi=y; di=d; ei=e 3.5 Thử nghiệm nhận dạng mẫu vân tay bàn luận kết 3.5.1 Giới thiệu hệ thống kỹ thuật sử dụng Hệ thống tham khảoxây dựng cài đặt ngôn ngữ Visual C# công cụ Visual Studio 2013 sử dụng hệ quản trị sở liệu SQL Server 2008R2 Máy tính có cấu hình: Intel® Core™i5–6500U CPU 2.3 GHz Hình 3.7: Hệ thống nhận dạng vân tay 55 Kiến trúc hệ thống nhận dạng vân tay hình 3.7 gồm phần chính: • Phần người dùng (User Interface): Cung cấp chế cho người dùng đưa dấu vân tay vào hệ thống • CSDL hệ thống (System Database):Dùng để lưu trữ mẫu vân tay người dùng vào CSDL • Phần đăng ký (Enroll Module): Cho phép đăng ký dấu vân tay người dùng vào CSDL hệ thống • Phần xác nhận (Authentication Module):Cho phép xác nhận người có đăng ký vào hệ thống hay chưa Khi người dùng đăng ký dấu vân tay mình, thiết bị nhận dạng mẫu vân tay lấy dấu vân tay người dùng Tiếp đó, người dùng cung cấp thông tin cá nhân cho hệ thống; hệ thống dùng thuật tốn rút trích đặc trưng (Minutiae Extraction) vân tay người dùng, sau đó, hệ thống đối sánh đặc trưng dấu vân tay người dùng đưa vào CSDL hệ thống 3.5.2 Giao diện chương trình nhận dạng vân tay Giao diện chương trình(Hình 3.8) gồm hai phần chính: Hình 3.8: Giao diện hệ thống nhận mẫu vân tay 56 • Phần chứa chức hệ thông: i) Quản lý tài khoản người dùng; ii) Quản lý sở liệu công dân; iii) Chức đối sánh ảnh vân tay sở liệu; iv) Đối sánh hai ảnh vân tay; v) Các bước xử lý ảnh; vi) Chức nhận dạng dùng mạng nơ ron; vii) Nhận dạng dùng mạng nơ ron kết hợp với giải thuật di truyền (GA-ANN) viii) Đăng xuất (rời khỏi chương trình; • Phần thực đơn gồm: i) Quản trị CSDL; ii) Cơng cụ; iii) Trợ giúp; iv) Thốt 3.5.3 Giao diện quản trị đối tượng chương trình nhận dạng vân tay Quản trị đối tượng gồm quản trị tài khoản người dùng (Hình 3.9)quản trị cơng dân kèm dấu vân tay (Hình 3.10) 3.5.3.1 Giao diện quản trị tài khoản người dùng Quản trị tài khoản người dùng (Hình 3.9) cho phép thêm mới, sửa thơng tin, xóa, tìm kiếm người dùng Hình 3.9: Giao diện Quản trị người dùng hệ thống 3.5.3.2 Giao diện quản trị đối tượng nhận dạng Hình 3.10 cung cấp giao diện nhập thơng tin trích ngang cơng dân (gồm nhập, thêm, sửa/xóa) tìm kiếm theo: tên, ngày-tháng-năm-sinh, giới tính, địa (tỉnh/thành, quận/huyện, phường/xã) 57 Hình 3.10: Quản lý cơng dân 3.5.4 Giao diện ện xxử lý ảnh vân tay Giao diệnn cho phép m mở, lưu ảnh kỹ thuật xử lý ảnh (L (Lọc, Nhị phân hóa, Xem xương ảnh, Đặc Đặ trưng ảnh);xem ảnh đặc trưng; xem ảnh bbình thường (Hình 3.11) Hình 3.11: Các chức xử lý ảnh vân tay 58 3.5.5 Giao diện ện học h nhận dạng ảnh vân tay Luận văn thựcc hiệ vài phương pháp nhận dạng đđã trình bày chương một: i) Nhận dạng ạng b phương pháp đối sánhảnh nh 1:1; ii) Nhận Nh dạng đối sánh đặc trưng ng c sở liệu, iii) Nhận dạng sử dụng ụng ANN; Dưới giao diện mơ tả phương ph pháp 3.5.5.1 Nhậnn dạng b phương pháp đối sánh 1-1 Phương pháppháp pháp đối đ sánh ảnh 1-1: cho ảnh thứ cầnn nh nhận dạng ảnh thứ hai lưu trữ vào khung hình tương t ứng Bấm m nút “So sánh”, ch chương trình thực n tính tốn độ sai lệch hai ảnh trình bày chương cho mức trùng khớp giữaa hai ảnh cuối giao diện (Hình 3.12) Hình 3.12: Nhận Nh dạng phương pháp đốii sánh 1-1 3.5.5.2 Nhận dạng ng b phương pháp đối sánh đặcc trư trưngtrong sở liệu Nhận dạng ng phương ph pháp đối sánh giá trị đặc trưng ng c sở liệu (hình 3.13) dựaa theo phương ph pháp mô tả chương 59 Hình 3.13: Nhận dạng ng b phương pháp đối sánh đặc trưng ng CSDL 3.5.6 Giao diện ện học h nhận dạng dùng mạng nơ ron nhân ttạo Để ANN họcc nhận nh dạng, giao diện thể ba bướcc tu sau: i) Tải hình ảnh vân tay cầần nhận dạng; ii) Chọn loại ANN; iii) Huấnn luy luyện (học) mạng nơ ron và; iv) Nhậnn dạng d Bước 1: Chọn ảnh cần nhậ ận dạng (Hình 3.14) Hình 3.14: Chọn Ch ảnh mẫu vân tay cần nhận dạng ng 60 Bước 2: Chọn mạng chọ hệ số học (Hình 3.15) Hình 3.15: Chọn mạng nơ ron hệ số học Bước 3: Học nhận dạng mẫu vân tay dùng ANN (Hình 3.16) Để nhận dạng, phần mềm tính yi,sau đó, tính giá trị ei=yi-di đó:yi, di giá trị đầu mạng đầu mong muốn đầu thứ j mẫu học thứ i Việc nhận dạng mẫu dựa vào kết eitheo tiêu chuẩn sau: Việc nhận dạng mẫu dựa vào kết ei.Trong phạm vi luận văn miền xác định e=[0, 1] nến giá trị e chia thành p+1 khoảng; khoảng nhận giá trị h=1/(p+1), p số mẫu đưa vào mạng Hình 3.16: Học nhận dạng mẫu vân tay Để làm rõ cách nhận dạng, xét ví dụ sau.Giả sửcó 4cặp mẫu vân p=4, tay tương ứng với bốn người An, Bê, Cường, Dũng hay (A,B,C,D): {XP, dp} →{(Tên người có vân tay)p} 61 Mỗi người có mẫu đầu vào XP Mỗi mẫu đầu vào véc tơ 16 giá trị xp1… xp16 Ngưỡng nhận dạng xác định (theo ví dụ bốn mẫu) tính là: h=1/(p+1)=1/(5+1)=1/5= 0,2 Ứng vớimỗimẫu đầu vào XPta có mẫu nhận dạng đầu radphay [X1 , d1= 0,2], [X2 , d2=0,4], [X3 , d3=0,6], [X4 , d4=0,8] Trên sở đó, ta có bảng mơ tả p: số mẫu vân tay 16 GIÁ TRỊ ĐẶC TRƯNG ĐẦU VÀO CHO TỪNG MẪU VÂN TAY Véc tơXP= xp1 xp2 ……… xp15 xp16 dp={0,1} Nhãn Mẫu x1 x12 ……… x115 x116 0,2 An Mẫu x x22 ……… x 16 0,4 Bê Mẫu x3 x32 ……… x315 x316 0,6 Cường Mẫu x4 x42 ……… x415 x416 0,8 Dung 15 x Tín hiệu giám sát Tên người có vân tay 1/(p+1)=1/5 Giả sử đưa mẫu vân tay cần nhận dạng vào ANN Mạng tính đầu theo sơ đồ thiết kế hình 3.6 cơng thức (2.9) chương hai y =0,45 Các tình xẩy ra: - Đối sánh giá trị y với giá trị dp: - !p1-y!= !0,2 - 0,45!=!-0,25!= 0,25>0,2 Không người cần nhận dạng; - !p1-y!= !0,4 - 0,45!=!-0,05!= 0,050,2 Không người cần nhận dạng - !p1-y!= !0,8 - 0,45!=!0,35! = 0,25>0,2 Không người cần nhận dạng 3) Trường hợp có nhiều mẫu p: ngưỡng xác định khơng cịn 0, mà cần xác định lại theo cơng thức 1/(p+1) 4) Trường hợp: có mẫu tính sai số nhau? Và hiển nhiên, chọn số hai người đề đúng! Rõ ràng mạng tính tốn sai (hay chưa đủ thơng minh) Một cách để nghị: nhận dạng lại! Hoặc mạng chưa chọn đủ đặc trưng để phân biệt Mạng cần hoàn thiện với số lượng đặc trưng cần cho nhiều 3.5.7 Nhận xét chương trình nhận dạng Mặc dù chương trình chưa có điều kiện thử nghiệm môi trường thực tế điều kiện mơ chương trình có đủ modul nhận dạng quản lý cần thiết Trong thời gian tới, có điều kiện luận văn tiếp tục phát triển thêm modul chấm công kết nối với máy quét vân tay trực tiếp để nhận mẫu áp dụng cho nơron cơng tác 3.6 Bàn luận, nhận xét kết nhận dạng Luận văn tiến hành thử nghiệm nhận dạng dùng ANN Hai thử nghiệm nhận dạng phụ để so sánh là: nhận dạng dùng đối sánh 1:1 nhận dạng dùng đối sánh đặc trưng Có thể nhận xét phương pháp sau: i) Phương pháp nhận dạng dùng ảnh đối sánh 1:1 phương pháp đối sánh hình ảnh hai vân tay: vân tay cần nhận dạng gọi ảnh đầu vào I (Input Image) với 63 vân tay mẫu P (Template Image) Vì tính chất phương pháp so sánh điểm có tính hình học nên ảnh hưởng lỗi từ hai phía: phía vị trí tọa độ kích thước khung hình khơng khớp phía góc lệch hai ảnh Dễ thấy, phương pháp thụ động dễ gây sai số thao tác nên hiệu ii) Để loại bỏ nhược điểm phương pháp khó trùng khớp hai ảnh hình học, người ta thay phương pháp đối sánh đặc trưng hai ảnh hai vân tay Các đặc trưng hai ảnh mã hóa ghi vào sở liệu; liệu đặc trưng hai ảnh xấp xỉ nhau, ta kết luận ảnh nhận dạng ngược lại Phương pháp xác sai số phụ thuộc hai yếu tố: phụ thuộc loại hình số lượng đặc trưng chọn kỹ thuật số hóa giá trị đặc trưng iii) Để loại bỏ hạn chế tính phi tuyến lỗi phương pháp thứ hai, người ta dùng ANN ANN thực chất quan tâm tới sai số mẫu vào so với mẫu chuẩn nhiều hay ít, người ta nói ANN có khả xử lý phi tuyến Mặt khác ANN sử dụng hàm tương tác đầu bị chặn Hàm bị chặn có khả lọc nên có khả lọc nhiễu ANN hứa hẹn nhiều khả suy diễn (thông minh) nhận dạng hạn chế dùng phương pháp hạ Gradient để tối ưu hàm lỗi, đảm bảo tối ưu cục 3.7 Kết luận chương Trong chương 3, luận vănđã mô tả giới thiệu giao diện gồm:xây dựng, thiết kế liệu, quan trọng ảnh mẫu vân tay;tiền xử lý ảnh; trích chọn đặc trưng Luận văn thử nghiệmhọc thuật tốn BP; tính tốn giá trị ei, tra kết nhận dạng Một số giao diện khác chương trình phần mềm trình bày vài bàn luận phương pháp nhận dạng ảnh vân tay bàn luận KẾT LUẬNCHUNG CỦA LUẬN VĂN 64