Chế độ nhận dạng để kiểm tra một khuôn mẫu mới được tạo thuộc lớp nào trong cơ sở dữ liệu.Luận văn này dùng phương pháp Local Binary Pattern and Principal Component Analysis để trích đặc
TỎNG QUAN
Con người có những đặc điểm khác biệt và độc đáo mà có thể được sử dụng dé phân biệt người này với người khác Một số đặc điểm đặc trưng cho đặc tính sinh lý hay đặc tính hành vi cua con người, có thé được sử dụng để nhận dạng sinh trắc học Đặc điểm sinh lý cơ bản gồm: mặt, dấu vân tay, mống mắt, võng mạc, mùi và mùi hương Tiếng nói, chữ ký, nhịp điệu gõ, dáng đi có liên quan đến đặc điểm hành vi Các thuộc tính quan trọng của những đặc điểm đó cho sự nhận diện đáng tin cậy là sự độc đáo của các đặc tính đó đối với mỗi cá nhân va sự 6n định không thay đối theo thời gian Mống mắt của con người là đặc tính tốt nhất khi chúng ta xem xét các thuộc tính này.
Mống mất là một phần giữa con ngươi và cũng mạc trắng Các kết cau của mống mat phức tạp, độc đáo và rất 6n định trong suốt cuộc đời Chúng cung cấp nhiều đặc tính như tàn nhang, vành, sọc, rãnh, tiêu nang Trong cầu trúc mong mat, hoa van mong mắt có sự ngẫu nhiên rat cao Đây là những gi làm cho chúng có tinh duy nhất Mong mat là một co quan nội tạng được bảo vệ và nó có thể được sử dụng như một dữ liệu nhận dạng hoặc một mật khẩu có tinh bảo mật rat cao Từ một tuổi đến khi chết, các hoa văn của mống mắt tương đối 6n định Bởi vì tính độc đáo va tính bất biễn của nó, nhận dạng mong mat là một trong những đặc điểm nhận dạng con người chính xác và đáng tin cậy.
Ngày nay công nghệ sinh trắc học đóng vai trò quan trọng trong lĩnh vực an ninh công cộng va an ninh thông tin Mống mắt là một trong những sinh trắc học đáng tin cậy và chính xác, nó đóng một vai trò quan trọng trong việc nhận diện cá nhân Phương pháp nhận dạng mống mắt cung cấp kết quả chính xác trong những hoàn cảnh môi trường khác nhau.
Hệ thống sinh trắc học bắt đầu từ việc lẫy mẫu đặc trưng như hình quét vân tay, hình chụp méng mắt Những mẫu sau khi lay sẽ được chuyển thành một khuôn mẫu sinh trắc học băng cách dùng nhiều hàm toán khác nhau Khuôn mẫu này được chuẩn hóa, trích đặc trưng tiêu biéu cho vật dé có thé so sánh với khuôn mẫu khác và đưa ra quyết định nhận dạng Đa số hệ thống sinh trắc học bao gồm hai chế độ hoạt động: chế độ chi danh và chế độ nhận dạng Chế độ ghi danh cho phép thêm một khuôn mẫu vào cơ sở dữ liệu Chế độ nhận dạng để kiểm tra một khuôn mẫu mới được tạo thuộc lớp nào trong cơ sở dữ liệu.
Luận văn này dùng phương pháp Local Binary Pattern and Principal
Component Analysis để trích đặc trưng và dùng mạng thần kinh để xây dựng bộ nhận diện.
1.2.1 Phân tích mắt người và ảnh mống mắt
Mat người là một cơ quan cảm nhận ánh sáng Những bộ phận quan trọng của mat người có liên quan đến kỹ thuật nhận dạng mống mắt bang xử lý ảnh bao gồm: s* Giác mạc (cornea) là một màng trong suôt phía truoc cầu mắt. s* Mong mắt (iris) là cơ điều khiến kích thước của con ngươi (pupil), giống như lo mở ông kính trong một camera cho anh sáng đi vào.
Mông mat có chi tiệt, họa tiệt, mau sac khác biệt giữa người này với người khác, do đó có thể được dùng trong sinh trắc học.
Màng cứng mắt (sclera) là bê mặt đai ở phía ngoài của cau mat và có mau trắng (tròng trắng) trong ảnh mắt.
“+ Limus là biên giữa tròng trắng và tròng đen.
% Dong tử (pupil) là hình tròn đen bên trong. sclera
Hình 1.1 Cấu trúc các thành phần của mắt Mống mắt (iris) là vùng vành khuyên giữa đồng tử mau đen và màng cứng mau trang.
Hình 1.2 Hình mong mắt và đặc trưng
Mong mat chứa dữ liệu chi tiết đặc trưng phong phú cho việc nhận diện sinh trắc học.
1.2.2 Những công trình nghiên cứu liên quan
Nhận diện mông mắt là so sánh đặc trưng trích được từ mông mat với các đặc trưng được lưu san trong cơ sở dir liệu.
Nhận diện mống mắt là một trong những dé tài hap dẫn được phát triển trong những năm gần đây Đa số các phương pháp nhận diện mống mắt gồm các bước như sau:
- Bước 4: Trích đặc trưng và mã hóa.
Sau đây là một vài phương pháp nhận diện mống mắt trong những năm gan đây. a) Phân đoạn ảnh
- Phương pháp gan nhãn [13] Ảnh méng mắt sau khi thu thập sẽ được chuyển sang ảnh nhị phân theo một gia tri ngưỡng nào đó.
Cac pixel này sẽ được gắn nhãn, các pixel kết nối với nhau sẽ được gan cùng 1 nhãn Sau đó ta sẽ chọn ra nhãn thỏa các thuộc tính là hình tròn và thỏa điều kiện bán kính của con ngươi Tiếp theo để tách được vòng ngoài mống mắt, áp dụng bộ lọc cạnh Canny vào ảnh để làm nổi các cạnh lên Sau đó dùng biến đôi Hough
Circle dé tìm vòng ngoai mông mắt.
Hình 1.4 Tách vòng ngoài dùng biến đối Hough Circle
- Phương pháp hình chữ nhật màu den [8]
Phương pháp này dùng một hình chữ nhật để tìm ra một vùng trong con ngươi.
Chia ảnh mống mắt thành nhiều đường ngang đều nhau Dùng hình chữ nhật kích thước 10x10 pixel, bắt đầu quét từ đường ngang chính giữa, quét từ trái sang phải So sánh giá tri thang xám các pixel trong hình chữ nhật nay với Ì giá tri ngưỡng nếu tất cả các pixel này đều nhỏ hơn ngưỡng thì đó là hình chữ nhật đó đã năm trong vùng con ngươi.
Hình 1.5 Dung hình chữ nhật tim vùng ảnh con ngươi
Từ tọa độ hình chữ nhật này, tìm ra các điểm thay đôi thang xám đột ngột theo chiêu ngang và chiêu dọc, đó chính là biên giữa mông mắt và con ngươi.
Hình 1.6 Biên giữa con ngươi và mống mắt
Từ đó ta xác định được tâm và bán kính con ngươi x, =(%,+%,)/2,y, =(y; + y,)/2 (1.1)
Dé tìm được vòng ngoài mống mắt, ta dùng phương pháp so sánh sự thay đổi thang xám của tổng 10 pixel liên tiếp theo trên đường năm ngang đi qua tâm con ngươi Ta sẽ chia làm 2 vùng để tìm: vùng bên trái con ngươi từ pixel thứ 10 tới pixel thứ y, —(r, +10), vùng bên phải từ pixel thứ y,+r,+10 tới biên bên phải trừ đi 10 pixel Như vậy trên mỗi vùng nay tìm được 1 điểm mà sự thay đối tổng thang xám 10 pixel liên tiếp lớn nhất Đó chính là biên ngoài mống mắt Vậy ta đã xác định được tâm và biên ngoài mống mắt. b) Chuẩn hóa mong mat [4]
Chuan hóa mống mắt là biến đôi mống mắt từ hình vành khuyên về một hình chữ nhật có kích thước chuẩn để thuận tiện cho việc trích đặc trưng. Đa số các nghiên cứu dùng phương pháp chuẩn hóa của Daugman. c) Các phương pháp trích đặc trưng
Dé trích các đặc trưng, vẽ các vòng tròn đồng tâm với tâm con ngươi trong giới han của mong mắt Các đặc trưng thống kê sẽ được tinh dọc theo các vòng tròn này.
Các đặc trưng thống kê gồm: ve
Trong đó: C — sô vòng tròn trong vùng mong mắt.
X; — giá tri pixel thứ i của vòng tròn thứ c.
Hình 1.9 Các đặc trưng được trích doc theo các vòng tròn trong mống mắt
Từ các đặc trưng này xây dựng vector đặc trưng và được lưu thành dữ liệu để nhận diện.
F =(X°,M°,S°,d°),c=LC (1.6) Trong đó: C — số lượng vòng tròn trong vùng méng mắt.
X” — mean của vòng tron thứ c.
M* — mode của vòng tròn thứ c.
S° — variance của vòng tròn thứ c. d° — standard deviation của vòng tron thứ c.
Sau khi có được vector đặc trưng, dùng Hamming distance dé so sánh nhận điện.
D(F F').i=1.N Trong do: F — vector đặc trưng cần nhận diện.
F' — vector đặc trưng thứ i trong cơ sở dir liệu.
Phương pháp này đơn giản dễ thực hiện nhưng hiệu quả không cao.
- Phương pháp biến đối Ridgelet [2]
Mống mắt sau khi chuẩn hóa sẽ được trích đặc trưng dùng phương pháp biến doi Ridgelet Biến đổi Ridgelet được giới thiệu bởi Candes và Donoho năm 1999, Phương pháp trích đặc trưng này tương đối phức tạp nhưng trích được những đặc trưng hiệu quả hơn so với phương pháp thống kê Sau đây là luồng biến đổi
Image > Fast Fourier Transform 2D > Invert Fast Fourier Transform 1D >
Hình 1.10 Luồng biến đổi Ridgelet
Các đặc trưng trích được gồm đặc trưng ngang, đặc trưng dọc, đặc trưng chéo và đặc trưng tong hop.
Hình 1.11 Mẫu code nhị phân mống mắt sau khi dùng biến đổi Ridgelet
- Phương pháp biến đối Curvelet [2]
Các bước làm tương tự như phương pháp trên, chỉ khác là trích đặc trưng dùng biến đối Curvelet Biến đổi Curvelet cũng được giới thiệu bởi Candes va Donoho năm 1999.
Hình 1.12 Luồng biến đối Curvelet
Image > Wavelet Transform 2D > Fast Fourier Transform 2D > Invert Fast Fourier Transform 1D > Wavelet Transform 1D
NORMALIZED IMAGE Binarized Horizontal Detail HL2
Hình 1.13 Mẫu code nhị phân mống mắt sau khi dùng biến đổi Curvelet
- Phương pháp Local Binary Pattern [14]
Local binary pattern (LBP) được giới thiệu bởi Ojala vào năm 1996, day là phương pháp đơn giản nhưng hiệu qua trong việc trích xuất đặc trưng dùng cho các bộ phân loại Ưu điểm của phương pháp này là tính toán đơn giản và thời gian trích đặc trưng nhanh Vì vậy nó phù hợp cho những ứng dụng yêu cầu thời gian thực.
CƠ SỞ LÝ THUYET
2.1 Giới thiệu về hệ thống xử lý ảnh
Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ Nó là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyền dụng riêng cho nó.
Xử ly anh được đưa vào giảng dạy ở bậc đại hoc ở nước ta khoảng chục năm nay Nó là môn học liên quan đến nhiều lĩnh vực va cần nhiều kiến thức cơ sở khác. Đầu tiên phải kế đến xử lý tín hiệu số là một môn học hết sức co bản cho xử lý tin hiệu chung, các khái niệm về tích chap, các biến đổi Fourier, biến đổi Laplace, các bộ lọc hữu hạn Thứ hai, các công cụ toán như đại số tuyến tính, xác suất thống kê Một số kiến thứ cần thiết như trí tuệ nhân tạo, mạng thần kinh nhân tạo cũng được dé cập trong quá trình phân tích và nhận dạng ảnh.
Dé dễ tưởng tượng, xét các bước cần thiết trong xử lý ảnh Đầu tiên, ảnh tự nhiên từ thế giới ngoài được thu nhận qua các thiết bị thu (như camera, máy chụp ảnh) Trước đây, ảnh thu qua camera là các ảnh tương tự (loại camera ống kiểu CCIR) Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lẫy ra từ camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo (máy ảnh số hiện nay là một thí dụ gần gũi) Mặt khác, anh cũng có thé tiếp nhận từ vệ tinh; có thé quét từ ảnh chụp bằng máy quét ảnh Hình 2.1 dưới đây mô ta các bước cơ bản trong xử lý ảnh.
Phân đoạn ảnh ỶỲ ha Yaaxa.aa=x=.x=.x==x=====e=“= ỶỲ Biêu diện và mô tả
So đồ này bao gồm các thành phan sau: e Phần thu nhận ảnh Ảnh có thể nhận qua camera màu hoặc đen trăng Thường ảnh nhận qua camera là ảnh tương tự, cũng có loại camera đã số hoá Camera thường dùng là loại quét dòng; ảnh tạo ra có dạng hai chiều Chất lượng một ảnh thu nhận được phụ thuộc vảo thiết bị thu, vào môi trường (ánh sáng, phong cảnh ). e Tiền xử lý
Sau bộ thu nhận, ảnh có thé nhiễu độ tương phản thấp nên cần đưa vào bộ tiền xử lý để nâng cao chất lượng Chức năng chính của bộ tiền xử lý là lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. e Phân đoạn hay phân vùng ảnh
Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu diễn phân tích, nhận dạng ảnh Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh Kết quả nhận dạng ảnh phụ thuộc rât nhiêu vào công đoạn này. e Biéu diễn anh
Hình 2.17 Các bước cơ bản trong xử lý ảnh
Nhận dạng va nội suy Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh (ảnh đã phân đoạn) cộng với mã liên kết với các vùng lận cận Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo băng máy tính Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng gan với việc tách các đặc tính cua ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở dé phân biệt lớp đối tượng nay với đối tượng khác trong phạm vi ảnh nhận được. e Nhận dạng và nội suy ảnh
Nhận dạng ảnh là quá trình xác định ảnh Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản:
> Nhận dạng theo tham số.
> Nhận dạng theo cấu trúc.
Một số đối tượng nhận dạng khá phố biến hiện nay đang được áp dung trong khoa học va công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tủ). nhận dang văn bản (text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người, nhận dạng mông mắt e Cơ sở tri thức
Như đã nói ở trên, ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách của con người Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý theo các phương pháp trí tuệ con người. e Mô tả (biểu diễn anh) Ảnh sau khi số hóa sẽ được lưu vào bộ nhớ, hoặc chuyển sang các khâu tiếp theo để phân tích Nếu lưu trữ ảnh trực tiếp từ các ảnh thô, đòi hỏi dung lượng bộ nhớ cực lớn và không hiệu quả theo quan điểm ứng dụng và công nghệ Thông thường, các ảnh thô đó được đặc tả (biểu diễn) lại (hay đơn giản là mã hoá) theo các đặc điểm của ảnh được gọi là các đặc trưng ảnh (Image Features) như: biên anh
Cac mã phan chia thành các vùng con tạo thành một cây phân chia các vung đồng nhất theo sơ đồ sau:
Phan tich ọ thong Mo vn kê / pvt nol cau suy truc Luu Truyén Trich anh anh chon
E F cai tién trung Nang chat = lượng anh
Anh Khôi phục > xô ỉ : anh Trich chon quan hệ ®
Hình 2.18 Sơ đồ phân tích và xử lý ảnh và lưu đồ thông tin giữa các khối
2.2 Vẫn đề cải thiện chất lượng ảnh
Nâng cao chất lượng là bước can thiết trong xử lý ảnh nhằm hoàn thiện một số đặc tính của ảnh Nâng cao chất lượng anh gém hai công đoạn khác nhau: tăng cường ảnh và khôi phục ảnh Tăng cường ảnh nhăm hoàn thiện các đặc tính của ảnh như:
- Lọc nhiễu, hay làm tron ảnh.
- Tăng độ tương phản, điều chỉnh mức xám của ảnh.
Các thuật toán triển khai việc nâng cao chất lượng ảnh hầu hết dựa trên các kỹ thuật trong miên điêm, không gian và tân sô Toán tử điêm là phép biên đôi đôi với từng điểm ảnh đang xét, không liên quan đến các điểm lân cận khác, trong khi đó,toán tử không gian sử dụng các điểm lân cận để quy chiếu tới điểm ảnh đang xét.
Một sô phép biên đôi có tính toán phức tạp được chuyên sang miên tân sô đê thực hiện, kêt quả cuôi cùng được chuyên trở lại miên không gian nhờ các biên đôi ngược.
2.2.1 Cải thiện ảnh dùng toán tứ không gian
Cải thiện ảnh là làm cho ảnh có chất lượng tốt hơn theo ý đồ sử dụng Thường là ảnh thu nhận có nhiễu cần phải loại bỏ nhiễu hay ảnh không sắc nét bị mờ hoặc cần làm rõ các chỉ tiết như đường biên ảnh Các toán tử không gian dùng trong kỹ thuật tăng cường anh được phân nhóm theo công dụng: làm trơn nhiễu, nổi biên Dé làm trơn nhiễu hay tách nhiễu, người ta sử dụng các bộ lọc tuyến tính (lọc trung bình, thông thấp) hay lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình) Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở lý thuyết lọc là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua do đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tan số không gian) hay lay tổ hợp tuyến tinh để san băng (lọc trung bình) Để làm nỗi cạnh (ứng với tần số cao), người ta dùng các bộ lọc thông cao, lọc Laplace.
Trên thực tế tồn tại nhiều loại nhiễu; tuy nhiên người ta thường xem xét 3 loại nhiêu chính: nhiêu cộng, nhiêu nhân và nhiêu xung: e Nhiễu cộng thường phân bố khắp ảnh Nếu gọi ảnh quan sát (ảnh thu được) là Xqs, ảnh gốc là Xgốc, nhiễu là n, ảnh thu được có thé biểu diễn bởi:
Xqs = Xgốc + n (2.1) e Nhiễu nhân thường phân bố khắp ảnh và ảnh thu được sẽ biểu diễn với công thức:
Xqs = Xgốc* n (2.2) e Nhiéu xung thường gây đột biến tai một số điểm anh. a) Làm trơn nhiễu bằng lọc tuyến tính: lọc trung bình và lọc dải thông thấp:
XÂY DỰNG GIẢI THUẬT
- Phân đoạn con ngươi, méng mắt dùng giải thuật cân bang thang xám, Hough Circle, loại bỏ mí mắt dùng Hough Line.
- Phương pháp chuẩn hóa Rubber Sheet của Daugman.
- Phương pháp trích đặc trưng dùng biến đối Local Binary Pattern.
- Phương pháp rút gọn vector đặc trưng Principal Component Analysis.
Chọn hai phương phương pháp trích đặc trưng trên vì chúng có thể loại được ảnh hưởng của điều kiện ánh sáng môi trường Ngoài ra phương pháp biến đổi
Local Binary Pattern trích đặc trưng nhanh hơn các phương pháp khác.
- Phương pháp nhận diện dùng mang than kinh.
Mạng thần kinh có khả năng mô phỏng hoạt động trí tuệ của con người Nó có khả năng liên tưởng, học hỏi kinh nghiệm và kết nôi sự việc này với sự việc khác.
Vì vậy sử dụng mạng thân kinh sẽ mang lại hiệu quả cao trong việc nhận dạng,phân loại và dự đoán.
Hình 3.27 Lưu đồ giải thuật đề xuất
3.2.1 Thu thập ảnh mẫu và cơ sở dit liệu
Một trong những thách thức lớn của hệ thống nhận dạng mong mat tu dong la chup mot hinh anh chat lượng cao, chứa nhiều đặc trưng/ kết cau mong mat nhung không xâm hai đền con người. a) Những van dé trong thu thập anh mong mat
Dé nhận dang méng mắt, hình anh thu được phải độ phân giải day đủ va độ sac nét, độ tương phản tot của mâu bên trong mông mat với chiêu sáng thích hợp.
Anh sáng vùng nhìn được cho ảnh về mống mắt ít đặc trưng hon là vùng ánh sáng hồng ngoại.
Hình ảnh mông mắt thu được tôt nhât ở vùng hông ngoại chiêu sáng đỏ (near infra-red illumination) Dưới anh sáng hông ngoại, ngay cả mat nau cũng cho ra hình anh mông mat có nhiêu đặc trưng.
Khoảng cách giữa mat và máy ảnh có thé thay đối 4-50 em Đường kính mống mat nên ở khoảng 100-200 pixel để trích đặc trưng tốt b) Thiết bị thu thập anhTrong luận văn này, thiết bị IriShieldTM-USB MO 2120 của hãng Iritech được sử dụng để thu thập hình ảnh mong mat, sau day la mot số đặc điểm của thiết bị.
Hình 3.29 Thiết bị chụp mong mắt IriShieldTM-USB MO 2120
Khoảng cách chụp | 4.7cm — 5.3 cm tinh từ cảm biến camera (Khoảng cách lý tưởng
Trường nhìn: 3.3cm x 2.4cm tại khoảng cách 5cm
Chuẩn hình ảnh Chuẩn ISO 19794-6 (2005 & 2011), (640 x 480 Pixels, 8 bits grayscale) Độ phan giải VGA
Nguôn Nguôn USB Bus (DC +5V) (Nguôn tiêu thụ tôi đa = 250mA) Nguồn sáng LED hông ngoại
Bảng 0.1 Thông số kĩ thuật IriShieldTM-USB MO 2120
Dé có thê huân luyện mang than kinh thì môi người can phải có nhiêu hon 1 ảnh Trong luận văn này, môi người sẽ can 15 ảnh mâu dé huan luyện, vì vậy tác giả đã viết một chương trình tự động chụp 15 ảnh mẫu liên tiếp cho mỗi người.
Dưới đây là một vai mẫu ảnh chụp bang camera IriShieldTM-USB MO 2120:
Hình 3.30 Hình ảnh mống mắt của tác giả luận văn được chụp bằng thiết bị
TriShieldTM-USB MO 2120 c) Cơ sở dữ liệu
Cơ sở dữ liệu mông mắt trong đô án nghiên cứu này được tải về từ trang http://biometrics.idealtest.org/dbDetailForUser.do?id=4 Trong đó, CASIA-Iris-
Lamp database chứa tong công 16212 hình méng mat được chụp bang camera OKIIRISPASS-h Đây là loại camera có thé chụp rõ ảnh với khoảng cách 7-25cm.
Những hình ảnh nay được đóng góp bởi 411 tình nguyện viên với độ tuổi khác nhau và đến từ các vùng quốc gia khác nhau như châu Á, Trung Đông, Châu Phi và ChâuAu Mỗi người có 20 tam hình mắt trái và 20 tam hình mắt phải.
Hình 3.31 Camera OKIIRISPASS-h và hình trong CSDL OKIIRISPASS-h
Phân vùng mong mat là một bước rat quan trọng trong hệ thống nhận diện mong mat dé loại bớt nhiễu, chuẩn bi những phan hinh anh mong mat trước khi trích đặc trưng Một số dữ liệu như CAISA được thể hiện trong báo cáo này là hình ảnh đầu vào Giai đoạn phân vùng được chia ra thành các bước định vị đồng tử, định vi biên ngoài mông mat và loại bỏ mí mắt.
Phát hiện biên đồng tử v Định vị tâm đồng từ v
Phát hiện biên ngoài mống mắt
Loại bỏ lông mi, mí mắt v
Phân vùng mống mắt a) Định vị đồng tử dụng dé phát hiện đồng tử:
Hình 3.32 Các bước phân vùng mong mat
Cạnh biên giữa mống mắt và đồng tử có thé phát hiện được bằng cách tìm đồng tử, vùng được xem là tối nhất trong hình ảnh mắt Thuật toán sau được sử
“+ Lay ngưỡng mức xám vung đồng tu
Chuyến đổi ảnh xám ban đầu thành một hình ảnh nhị phân bằng cách áp dụng ngưỡng dé phân đoạn các pixel đồng tử có giá trị xám nhỏ hơn nhiều so với các thành phân khác. l git ppl iE, j%7) 1 yor
(3.1) b(x,y) là ảnh nhị phan, I(x,y) là ảnh xám ban dau, T là giá trị ngưỡng
Phân tích histogram ta thấy giá trị ngưỡng khoảng bằng 1/5 giá trị mức xám tối đa của hình. xiữ Average histogram
Vùng mức xám œ T của đồng tử uw |
Hình 3.33 Histogram của anh mong mắt b) Loc nhiễu lông mi
Trong nhiêu trường hợp mat người mở nhỏ, lông mi sẽ gay nhiều trên vùng mông mat Do đó cân phải loại đi nhiêu lông mi. Đề loại bỏ nhiễu lông mi, dùng bộ lọc trung vỊ.
Hình 3.34 Ảnh hướng nhiễu lông mi sau khi lấy ngưỡng
Bộ lọc trung vị là một bộ lọc để loại bỏ những pixel nhiễu trong khi vẫn giữ các cạnh nguyên vẹn.
Các giá tri của các điêm anh trong cửa sô đều được sắp xêp và điêm trung vi - giá trị chính giữa trong danh sách đã sắp xếp - được chọn.
Ví dụ: Loại bỏ nhiễu với một bộ lọc trung vị 7x5 và 5x3:
Image Output mm —ơ —ơ — ee mm mm —ơ — — — —mm, —ơ — QC —= — =mm —ơ — — — —mm —ơ —ơ —= mm mm mm, —ơ —ơ — , —ơ —ơ mm, —ơ —ơ mm
Kết quả loại nhiễu lông mi sau khi dùng bộ lọc trung vị:
Hình 3.35 Ảnh nhị phân sau khi qua bộ lọc trung vị c) Định vị tâm đồng tử
Sau khi sau chuyển sang ảnh nhị phân, đồng tử sẽ được phân đoạn bằng phương pháp gắn nhãn hoặc phương pháp Hough Circle.
Thông thường phương pháp gan nhãn sẽ tìm ra đồng tử nhanh hơn phương pháp biến đối Hough Circle Nhưng có những trường hợp do ảnh hưởng điều kiện ánh sáng môi trường dẫn tới việc phân ngưỡng không chính xác nên dùng phương pháp gắn nhăn không phân đoạn được đồng tử Lúc này ta phải dùng phương pháp biến đối Hough Circle (đã trình bay trong phan cơ sở lý thuyết). Đề áp dụng được phương pháp biến đổi Hough Circle ta phải biến đổi sang ảnh chứa các cạnh Dùng bộ phát hiện biên Canny dé biến đổi sang ảnh cạnh.
Dựa trên cặp đạo hàm riêng bậc nhất, đây là phương pháp tách đường biên khá pho bién duoc dùng theo toán tử dao ham, là sự kết hợp của nhiều bước khác nhau để tìm và tối ưu đường biên, kết quả là cho ra một đường biên khá mảnh và chính xác Quá trình tìm biên sử dụng phương pháp Canny có thể được thực hiện qua 4 bước sau:
KET QUA
4.1 Tổng quan phần mềm huấn luyện va nhận diện
Chương trình huan luyện và nhận diện mông mat được hiện thực trên nên
Matlab được mô tả như sơ đồ bên dưới:
Hình 4.54 Tổng quan chương trình
4.2 Giao diện đồ họa người dùng
Start Index: 1 End Index: 100 | Delete Database HaiDT
Hình 4.55 Giao điện đồ họa người dùng
Chương trình có chức năng chính: huân luyện và nhận diện
Chức năng các nút trên giao diện:
- Nut Capture iris: gọi chương trình chụp ảnh mống mắt bang camera
- Nut Load iris: load một anh có sẵn trên máy.
- Nut Segment: phân đoạn mống mắt và hién thị lên của số phía trên.
- Nut Recognition: nhận diện mống mắt và hiển thị kết quả lên 6 text bên cạnh.
- Nut Training: thực hiện huấn luyện mạng thần kinh tương ứng với chỉ số trong 2 6 text Start index va End index.
- Nut Test positive: kiểm tra độ chính xác của mạng than kinh sau khi huan luyện.
- Nut Test ross: kiểm tra chéo giữa các mạng thần kinh.
- Nut Test negative: kiểm tra độ chính xác của tất cả các mạng thần kinh với những người chưa được huấn luyện.
- Nut Show Database: hién thị những người đã được huấn luyện.
- Nut Delete Database: xóa file lưu đặc trưng và file lưu những mạng than kinh đã huấn luyện.
- Nut Extract Data: trích đặc trưng.
- Nut Test Report: kiểm tra độ chính xác toàn bộ các mạng thần kinh.
- Nut Exit: thoát chương trình.
Chương trình đã được kiểm nghiệm trên 100 người, trong đó 40 người được chụp bang camera IriShieldTM USB MO 2120, 60 người lấy từ co co dữ liệu
Môi người gôm 20 mau, 15 mâu dung dé huân luyện, 5 mau dé kiêm nghiệm.
4.3.1 Kết qua phân đoạn mống mat
Tổng số ảnh cơ sở dit liệu CASIA-IrisV4: 1200
Các bước phân đoạn Số lượng chính Số lượng sai Tỉ lệ chính xác mống mắt xác Định vị đồng tử 1175 25 97.9% Định vi mong mat 1140 60 95%
Bảng 4 1 Kết quả phân đoạn cơ sở dữ liệu CASIA-IrisV4
Tổng số anh chụp bang camera IriShieldTM USB MO 2120: 800
Các bước phân đoạn Số lượng chính Số lượng sai Tỉ lệ chính xác mống mắt xác Định vị đồng tử 762 38 95.3% Định vi mong mat 752 48 94%
Bảng 4 2 Kết quả phân đoạn cơ sở dữ liệu chụp từ camera IriShieldTM USB MO
Nhận xét: kết quả phân vùng trên co sở dữ liệu CASIA-IrisV4 cao hơn trên cơ sở dữ liệu chụp từ camera Kết quả phân vùng trên cơ sở dữ liệu chụp từ camera thấp là do trong quá trình chụp, đồng tử bị điều tiết giãn nở do điều kiện ánh sáng tới mat thay đôi Nên giải thuật Hough Circle với miền bán kính tìm kiếm đồng tử đã được cài đặt trước không bao phủ bán kính đồng tử bị giãn quá lớn.
Cách khắc phục: mở rộng miền bán kính tìm kiếm đồng tử Tuy nhiên việc này sẽ kéo dài thời gian tìm kiêm.
Sau khi huân luyện, 5 mâu còn lại của môi người sẽ được dùng dé kiêm nghiệm lại độ chính xác của các mạng thân kinh.
Thực hiện 3 bài kiểm nghiệm:
Kiểm nghiệm nội lớp: 5 ảnh còn lại của mỗi người sẽ được kiểm nghiệm lại trên chính mạng thần kinh của lớp đó.
- Kiém nghiệm ngoại lớp: 1 tập ảnh chứa 100 anh của những người không thuộc 100 người đã được huấn luyện Kiểm tra xem 100 ảnh này có phải là người nào trong 100 người đã huấn luyện không.
- Kiểm nghiệm thực: 5 ảnh còn lại của mỗi người sẽ được kiểm nghiệm trên 100 mạng thần kinh để kiểm tra xem có phải là người đó không. Điều kiện đúng : chỉ duy nhất 1 mạng thần kinh của người đó cho ra giá trị đầu ra dương 99 mang thần kinh còn lại cho ra gia tri đầu ra âm.
Tổng số anh cơ sở dit liệu CASIA-IrisV4: 300
Loại kiêm nghiệm Sô lượng chính xác Ti lệ chính xác
Bang 4 3 Kết quả nhận diện cơ sở dit liệu CASIA-IrisV4
Tổng số ảnh chụp bang camera IriShieldTM USB MO 2120: 200
Loại kiêm nghiệm Số lượng chính xác Tỉ lệ chính xác
Bảng 4 4 Kết quả nhận diện cơ sở dtr liệu chụp từ camera IriShieldTM USB
Tổng số ảnh ngoại lớp: 100
Loại kiêm nghiệm Sô lượng chính xác Ti lệ chính xác
Bảng 4 5 Kết quả nhận diện cơ sở dir liệu ngoại lớp
Nhận xét: kết quả nhận diện trên cơ sở dữ liệu CAS7A-?rrsV4 cao hơn trên cơ sở dữ liệu chụp từ camera JriShieldTM USB MO 2120, vì những ảnh mat trên cơ sở dữ liệu có độ mở mắt to, đồng đều, do đó đặc trưng trích được đều nhau Mat chụp được từ camera thường bị giãn đông tử, độ mở của mí mắt thay đôi nên đặc trưng trích được không đều nhau.
Cách khắc phục: tăng số lượng mẫu huấn luyện để tạo ra nhiều đặc trưng đa dạng Tuy nhiên thời gian huấn luyện sẽ lâu.
KET LUẬN VA HƯỚNG PHAT TRIEN
5.1 Cac két qua dat duoc
Luan van da thực hiện duoc một hệ thong nhan dién mong mat, tỉ lệ thành công đã được kiêm nghiệm trên cơ sở dữ liệu 100 người từ các nguồn CASIA- IrisV4 và chụp từ camera IriShieldTM USB MO 2120 Các bước để hoàn thiện hệ thống như sau:
Mong mat da duoc phân đoạn tự động từ anh mắt, nhiễu mí mắt và lông mi đã được loại bỏ Giải thuật phân vùng tự động được thực hiện bằng phương pháp Hough Circle va Hough Line Hough Circle được dùng dé tìm ra đường biên bên trong và biên bên ngoai của mống mat Hough Line dé phát hiện mi mắt Ngoài ra, còn dùng giải thuật phân ngưỡng để tách lông mi và các vùng ánh sáng tương phản.
Dùng bộ lọc trung bình dé tăng hiệu quả cho các bộ phát hiện cạnh Canny.
Mong mat sẽ được chuẩn hóa dé loại bỏ ảnh hưởng của sự không đồng nhất kích thước giữa các vùng mống mắt Dùng giải thuật Daughman Rubber Sheet được dùng để chuẩn hóa Như vậy mống mắt từ hình vành khăn sẽ được chuẩn hóa về hình chữ nhật có kích thước chuẩn trong hệ tọa độ cực.
Tiếp theo những đặc trưng trong vùng mống mắt sẽ được trích băng giải thuật
Local Binary Pattern Giải thuật này sẽ giảm bớt sự ảnh hưởng ánh sáng môi trường lên vùng mống mat Tuy nhiên, kích thước vector đặc trưng quá lớn (4284), cho nên dùng giải thuật Principal Component Analysis để rút gọn vector đặc trưng.
Trong luận văn nay, đã kiểm nghiệm và cho thấy kích thước vector đặc trưng kích thước 40 cho kết quả tốt nhất.
Bước cuối cùng: dùng các vector đặc trưng này huan luyện mang thần kinh cho từng người Dùng mạng thần kinh 2 lớp: lớp vào có 40 tế bao thần kinh, lớp ra có 1 tế bao thần kinh Sau khi huấn luyện, các mạng thần kinh này sẽ được lưu lại và sẽ được dùng đề nhận diện sau này.
5.2 Hạn chế và hướng phát triển đề tài
Các bước được trình bày trong luận văn đã có thé thực hiện một cách chính xác, tuy nhiên vân còn có một sô hạn chê cân phải cải thiện.
Trước hết bước phân vùng ảnh chưa hoàn hảo, chưa thực hiện phân vùng chính xác hoàn toàn trên hai tập cơ sở dữ liệu Để cải thiện điểm này, cần tìm ra một giải pháp phân ngưỡng linh hoạt và cài đặt miền bán kính tìm kiếm cho Hough Circle linh hoạt Thu gọn miền bán kính tìm kiếm cho giải thuật Hough Circle dé rút ngăn thời gian phân đoạn mống mắt.
Các mạng thần kinh chưa nhận diện tốt trong những trường hợp độ mở của mat không đều, hoặc mat xoay một góc lớn Dé cải thiện van dé nay, cần tăng số mau huân luyện chứa mat bi xoay góc và có độ mở thay đôi.
Mỗi người được huấn luyện một mang than kinh riêng nên thời gian huan luyện và nhận diện lâu Cần nghiên cứu phương pháp mạng thần kinh nhiều ngõ ra dé có thé huấn luyện một mạng thần kinh cho tất cả mọi người.
Trong luận văn này, chỉ sử dụng camera chụp được một mat dé nhận diện, dé nâng cao độ chính xác nên dùng camera chụp được hai mat đê nhận diện Khi nhận điện thì nhận diện cả hai mặt, khi nào cả hai mặt đêu đúng thì mới xác thực.
Phương pháp nhận diện mống mắt là một lựa chọn khi các phương pháp nhận diện khác không thể thực hiện được như dẫu vân tay bị mờ do lao động, giọng nói, khuôn mặt bị thay đối Tuy nhiên võng mạc có thé bị thay đôi do các bệnh như tiểu đường tăng nhãn áp, điêu này dân đền kêt quả nhận diện sai. Đây là một phương pháp bảo mật được ứng dụng nhiều trong các lĩnh vực có yêu cầu bảo mật cao như ngân hàng, quân đội, chính phủ, nhận diện, xác thực hộ chiêu.
Ngày nay nhận diện mống mắt cũng được áp dụng trong mở khóa điện thoại,mở khóa phòng thí nghiệm ứng dụng trong hệ thống chấm công.
