Đối sánh vân tay dựa trên thuật toán MCC Minutiae Cylinder - Code

Mô hình hệ thống nhận dạng vân tay Quá trình xử lý của một hệ thống nhận dạng vân tay thường trải qua các bước sau: - Lấy mẫu: dựa trên thiết bị điện tử có cảm ứng để thu chụp lại ảnh v

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN TUẤN HẢI

ĐỐI SÁNH VÂN TAY DỰA TRÊN THUẬT TOÁN MCC

MINUTIAE CYLINDER-CODE

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

Hà Nội, 2013

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN TUẤN HẢI

ĐỐI SÁNH VÂN TAY DỰA TRÊN THUẬT TOÁN MCC

MINUTIAE CYLINDER-CODE

Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin

Mã số: 60 48 01 04

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN NGỌC HOÁ

Hà Nội, 2013

LỜI CAM ĐOAN

Để hoàn thành luận văn này thực sự tôi không thể chỉ dựa vào kiến thức hạn hẹp của bản thân, vì vậy tôi đã tham khảo tài liệu, các công trình nghiên cứu của những người đi trước Tất cả các tài liệu tham khảo đều có xuất xứ rõ ràng

và được trích dẫn hợp pháp Thực sự tôi rất cảm ơn các tác giả đi trước đã cung cấp cho tôi những kiến thức để tác giả hoàn thành luận văn tốt nghiệp của mình

Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷ luật theo quy định cho lời cam đoan của mình

Hà Nội, tháng 11 năm 2013 Người cam đoan

Nguyễn Tuấn Hải

LỜI CẢM ƠN

Để hoàn thành luận văn tốt nghiệp là cả một quá trình đầy khó khăn và thử thách trong học tập và nghiên cứu tại trường Đại học Công nghệ Và để có được những thành quả như ngày hôm nay, ngoài những nỗ lực của bản thân, không thể không nhắc tới là sự động viên, giúp đỡ của các Thầy, Cô giáo, bạn

bè, đồng nghiệp và người thân trong gia đình

Tôi xin chân thành cảm ơn TS Nguyễn Ngọc Hoá là cán bộ giảng viên của trường Đại học Công Nghệ đã tận tình giúp đỡ tôi cả về chuyên môn, nghiên cứu và định hướng phát triển trong suốt quá trình làm luận văn

Tôi xin gửi lời cảm ơn tới các Thầy, Cô giáo của Khoa Hệ Thống Thông Tin đã tận tình giảng dạy và truyền đạt cho tôi những kiến thức quý báu trong những năm học vừa qua Tôi đã được tiếp cận một môi trường học thuật cao, hiểu được sự vất vả cũng như thành quả đạt được khi tham gia nghiên cứu khoa học

Sau cùng, tôi xin chân thành cảm ơn gia đình, những người thân và bạn bè

đã giúp đỡ, động viên tôi trong suốt thời gian học tập và làm luận văn tốt nghiệp này Tôi mong rằng với sự cố gắng học tập nâng cao kiến thức, sau này có thể lĩnh hội nhiều công nghệ, tạo ra nhiều sản phẩm có giá trị sử dụng cao, giúp ích được trong nhiều lĩnh vực của cuộc sống

Hà Nội, tháng 11 năm 2013 Học viên thực hiện

Nguyễn Tuấn Hải

TÓM TẮT NỘI DUNG

Nhận dạng vân tay đã được nghiên cứu nhiều năm và đạt được nhiều tiến triển, rất nhiều nỗ lực vẫn cần thiết để nâng cao hiệu năng của các hệ thống nhận dạng vân tay Trong hệ thống nhận dạng vân tay, thuật toán đối sánh đóng vai trò quan trọng, quyết định trực tiếp đến chất lượng cũng như hiệu năng của việc nhận dạng Các thuật toán đối sánh thường sử dụng thêm biểu diễn trung gian được trích xuất từ bước trích chọn thuộc tính để trả lại độ tương đồng hoặc một quyết định nhị phân khi so sánh hai vân tay

Luận văn tập trung tìm hiểu chi tiết một số thuật toán đối sánh vân tay tiêu biểu, đi sâu vào thuật toán đối sánh cho kết quả cao hiện nay dựa trên biểu diễn MCC (Minutia Cylinder-Code) của Cappelli và cộng sự năm 2010 Từ đó luận văn tiến hành thử nghiệm thuật toán trên bộ dữ liệu vân tay FVC 2002 DB và đánh giá kết quả thu được khẳng định được chất lượng so khớp vân tay dựa trên biểu diễn MCC

MỤC LỤC

LỜI CAM ĐOAN 1

LỜI CẢM ƠN 2

TÓM TẮT NỘI DUNG 3

MỤC LỤC 4

DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT 6

DANH MỤC CÁC HÌNH ẢNH 7

DANH MỤC CÁC BẢNG BIỂU 9

MỞ ĐẦU 10

Chương 1 TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 12

1.1 Giới thiệu 12

1.2 Mô hình hệ thống nhận dạng vân tay 13

1.3 Đánh giá kết quả của hệ thống nhận dạng 15

1.4 Quy trình chi tiết nhận dạng vân tay 17

1.4.1 Trích chọn thuộc tính từ vân tay 17

1.4.2 Quá trình lọc vân tay trước khi đối sánh 18

1.4.3 Đối sánh vân tay 20

1.4.4 Tính toán độ tương đồng 23

1.5 Kết luận 23

Chương 2 MỘT SỐ THUẬT TOÁN ĐỐI SÁNH VÂN TAY 25

2.1 Giới thiệu 25

2.2 Các phương pháp đối sánh vân tay 26

2.2.1 Đối sánh toàn cục 26

2.2.2 Đối sánh cục bộ 27

2.3 Hạn chế của một số biểu diễn truyền thống 31

2.4 Biểu diễn dựa trên MCC 32

2.4.1 Mô tả biểu diễn MCC 32

2.4.2 Tính độ tương đồng giữa các hình trụ 37

2.5 Ứng dụng của biểu diễn dựa trên Bit 37

2.6 Kết luận 38

Chương 3 THỬ NGHIỆM THUẬT TOÁN ĐỐI SÁNH VÂN TAY DỰA TRÊN BIỂU DIỄN MCC 39

3.1 Mục đích thử nghiệm 39

3.2 Quy trình thử nghiệm 39

3.3 Môi trường thử nghiệm 40

3.4 Đánh giá kết quả 42

3.5 Kết luận 43

KẾT LUẬN CHUNG 44

TÀI LIỆU THAM KHẢO 45

DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT

DANH MỤC CÁC HÌNH ẢNH

Hình 1.1 Một số ứng dụng của sinh trắc học 12

Hình 1.2 So sánh thị phần của sinh trắc học 13

Hình 1.3 Các tiến trình của một hệ thống nhận dạng vân tay 15

Hình 1.4 Các loại thông số dùng trong đánh giá hệ thống sinh trắc học 16

Hình 1.5 Lựa chọn tỷ lệ FMR và FNMR giữa các ứng dụng 17

Hình 1.6 Một số đặc trưng của vân tay 18

Hình 1.7 Minh họa kết quả của quá trình trích chọn thuộc tính 18

Hình 1.8 Phân lớp vân tay 19

Hình 1.9 Thuật toán Pointcare sử dụng trong phát hiện điểm tâm 19

Hình 1.10 Đánh chỉ mục vân tay dựa trên các tam giác nối các điểm trạc 20 Hình 1.11 Một số thu nhận khác nhau của cùng một vân tay 21

Hình 1.12 Một số vân tay khác nhau có độ tương đồng cao 22

Hình 1.13 So sánh mức các cách tiếp cận trong đối sánh vân tay [1] 23

Hình 2.1 Các loại điểm trạc và thông tin về điểm trạc 25

Hình 2.2 Đối sánh các điểm trạc giữa hai vân tay 25

Hình 2.3 Một số cấu trúc cục bộ sử dụng để mô tả điểm trạc 27

Hình 2.4 Biểu diễn cục bộ sử dụng K-plet 28

Hình 2.5 Biểu diễn vân tay sử dụng FingerCode 28

Hình 2.6 Bước gia cố liên quan đến việc căn chỉnh biến đổi xoay và dịch chuyển 29

Hình 2.7 Một cặp điểm đối sánh sai có giá trị tương đồng lớn nhất 30

Hình 2.8 Kết quả đối sánh tốt hơn khi bổ xung bước kiểm tra sau khi căn chỉnh 30

Hình 2.9 Cấu trúc không phù hợp do phát hiện điểm trạc thiếu hoặc sai 31 Hình 2.10 Cấu trúc cục bộ không phù hợp do vấn đề biên 32

Hình 2.11 Biểu diễn hình trụ MCC cho điểm trạc 33

Hình 2.12 Chi tiết tính toán cho hình trụ 33

Hình 2.13 Chi tiết từng tầng trong hình trụ 33

Hình 2.14 Tập các điểm trạc đóng góp vào m j p, 34

Hình 2.15 Đóng góp theo khoảng cách của mt vào m j p, 34

Hình 2.16 Đóng góp của mt theo hướng tới dk 35

Hình 2.17 Hàm sigmoid 36

Hình 2.18 Minh họa các ô của hình trụ thể hiện cho điểm trạc m, ô sáng

hơn chỉ giá trị cao hơn 36

Hình 2.19 Minh họa ba hình trụ biểu diễn cho ba điểm trạc của vân tay 37 Hình 2.20 Độ tương đồng giữa các biểu diễn hình trụ 37 Hình 2.21 Hàm chuyển về giá trị bit 38 Hình 2.22 Đối sánh trên thẻ Match on card sử dụng biểu diễn Bit của

VeriFinger 42

Hình 3.5 Độ đo sử dụng trong đánh giá thuật toán 42

DANH MỤC CÁC BẢNG BIỂU Bảng 3.1 So sánh độ chính xác và tốc độ xử lý của các biểu diễn 43

MỞ ĐẦU

Động lực nghiên cứu

Nhận dạng vân tay được sử dụng rộng rãi trong các ứng dụng pháp lý và dân sự bởi tính duy nhất và ổn định theo thời gian So sánh với các đặc điểm sinh trắc học khác, sinh trắc học dựa trên vân tay là kỹ thuật được minh chứng nhiều nhất và có thị phần lớn nhất Mặc dù nhận dạng vân tay đã được nghiên cứu nhiều năm và đạt được nhiều tiến triển, rất nhiều nỗ lực vẫn cần thiết để nâng cao hiệu năng của các hệ thống nhận dạng vân tay

Trong bài toán nhận dạng vân tay, bài toán đối sánh vân tay (fingerprint matching) có vai trò quan trọng liên quan đến tốc độ nhận dạng và độ chính xác của quá trình nhận dạng Đây cũng là một trong những hướng nghiên cứu chủ yếu hiện nay về nhận dạng vân tay

Mục tiêu và nội dung chính

Với định hướng nêu trên, luận văn có mục tiêu tìm hiểu, nghiên cứu một

số thuật toán đối sánh vân tay, trong đó tập trung chính vào thuật toán đối sánh vân tay cho kết quả chính xác cao hiện nay do Cappelli và cộng sự đề xuất vào năm vào năm 2010, dựa trên biểu diễn MCC (Minutia Cylinder-Code) và tiến hành thử nghiệm đánh giá Mục tiêu này được cụ thể theo những nội dung chính sau:

- Tìm hiểu tổng quan về nhận dạng vân tay, vai trò của đối sánh vân tay trong nhận dạng vân tay

- Khảo sát chi tiết một số thuật toán đối sánh điển hình hiện nay như đối sánh toàn cục, đối sánh cục bộ, đối sánh dựa trên điểm trạc,… Biểu diễn MCC sẽ được chú trọng phân tích để thực nghiệm

- Thử nghiệm thuật toán đối sánh vân tay dựa trên biểu diễn MCC và đánh giá kết quả thu được

Tổ chức luận văn

Dựa trên những nội dung đã đạt được, luận văn được tổ chức gồm các phần sau:

Mở đầu: Đặt ra vấn đề, mục tiêu, nội dung nghiên cứu của luận văn

Chương 1: Giới thiệu tổng quan về bài toán nhận dạng vân tay

(fingerprint recognition) Các bước cũng như các tiến trình được thực thi trong bài toán nhận dạng vân tay

Chương 2: Trình bày về một số phương pháp đối sánh vân tay và chi tiết

về thuật toán đối sánh vân tay cho kết quả tốt hiện nay dựa trên biểu diễn

Minutia Cylinder-Code (MCC) được đề xuất bởi Cappelli và cộng sự vào năm

2010

Chương 3: Trình bày thử nghiệm của thuật toán dựa trên biểu diễn MCC

và một số phương pháp khác, và tiến hành đánh giá so sánh các thuật toán trên

bộ dữ liệu FVC 2002 DB

Kết luận chung: Tổng kết những kết quả đạt được và hướng nghiên cứu

tiếp theo

Chương 1 TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY

1.1 Giới thiệu

Nhận dạng vân tay được ứng dụng phổ biến trong các ứng dụng sinh trắc học như kiểm soát truy cập, định danh khách hàng thực hiện giao dịch: ví dụ tại ATM, ngân hàng trực tuyến, quản lý thời gian, sự có mặt của nhân viên tại các

tổ chức liên quan đến việc tính toán thời gian lao động, tiền lương Đến các ứng dụng liên quan đến chính phủ như định danh công dân (hộ chiếu), quản lý xuất nhập cảnh, định danh trong pháp y liên quan đến tội phạm Hình 1.1 mô tả minh họa một số ứng dụng của sinh trắc học [1, tr.29]

Hình 1.2 So sánh thị phần của sinh trắc học

1.2 Mô hình hệ thống nhận dạng vân tay

Quá trình xử lý của một hệ thống nhận dạng vân tay thường trải qua các bước sau:

- Lấy mẫu: dựa trên thiết bị điện tử có cảm ứng để thu chụp lại ảnh vân tay, thường có sự đa dạng trong các thiết bị này

- Trích chọn thuộc tính (feature extraction): nhằm mục đích tạo ra tập các thuộc tính có thể đại diện chính xác cho ảnh vân tay thu được từ bước lấy mẫu Tập các thuộc tính này sẽ được sử dụng trong bước đối sánh vân tay Ảnh vân tay gốc thường được xử lý bởi bộ phận trích chọn thuộc tính để tạo ra một thể hiện gọn nhẹ nhưng có tính thể hiện, đại diện cao gọi là tập đặc trưng

- Tạo bản mẫu (template creation): là quá trình tổ chức một hoặc nhiều tập đặc trưng vào một bản mẫu và lưu trữ trên thiết bị lưu trữ

- Lọc trước khi đối sánh (filtering): là giai đoạn chính được sử dụng trong một hệ thống định danh khi số lượng bản mẫu lưu trữ là lớn Vai trò của bước này là giảm số lượng bản mẫu cần đối sánh

- Giai đoạn đối sánh (matching): đầu vào là tập đặc trưng của vân tay cần

so sánh và bản mẫu lưu trữ, bước đối sánh sẽ tính toán độ tương đồng giữa chúng (matching score hay similarity score) Kết quả đối sánh sẽ được so sánh với ngưỡng của hệ thống để đưa ra kết quả cuối cùng Nếu kết quả đối sánh cao hơn ngưỡng thì có thể coi hai vân tay là phù hợp, nếu nhỏ hơn sẽ coi hai vân tay là hai vân tay khác nhau

Sử dụng các bước ở trên, hệ thống nhận dạng vân tay có thể bao gồm hai

tiến trình chính là: lấy mẫu (enrollment), kiểm tra (verification) hoặc/và định danh (identification)

- Lấy mẫu (enrollment): lấy mẫu vân tay người dùng là quá trình lấy mẫu

và lưu trữ vân tay của cá nhân vào trong hệ thống lưu trữ sinh trắc học Trong quá trình lấy mẫu, các đặc tính sinh trắc học được thu nhận từ thiết bị quét sinh trắc học để tạo ra mẫu Bước kiểm tra chất lượng thường được tiến hành trong quá trình này để đảm bảo rằng mẫu thu nhận có độ tin cậy để sử dụng trong các bước kế tiếp Module trích chọn thuộc tính sau đó được sử dụng để tạo một tập đặc trưng Module tạo bản mẫu sẽ sử dụng tập đặc trưng đó để tạo ra một mẫu lưu trữ trên thiết

bị lưu trữ Quá trình lấy mẫu sẽ lưu trữ mẫu này cũng với các thông tin

cá nhân khác của người sử dụng như: số định danh, tên, giới tính, nơi trú, )

- Quá trình kiểm tra (verification): quá trình kiểm tra có trách nhiệm xác nhận định danh của chủ thể đã khai báo có chính xác hay không Trong giai đoạn này, một định danh của chủ thể (như username hoặc mã PIN [Personal Identification Number]) được cung cấp để tuyên bố định danh,

hệ thống nhận dạng vân tay sẽ thu nhận ảnh vân tay của chủ thể và lấy mẫu, sau đó được xử lý bởi bước trích chọn thuộc tính để tạo ra tập đặc trưng Tập kết quả đặc trưng sẽ được đưa vào bộ đối sánh 1-1 để so sánh với bản mẫu mà chủ thể tuyên bố Quá trình xác thực đưa ra quyết định phù hợp hoặc không (match/non-match)

- Quá trình định danh (Identification): trong quá trình định danh, chủ thể không trực tiếp khai báo định danh, hệ thống sẽ so sánh tập đặc trưng được trích chọn từ ảnh vân tay được thu nhập với tập các bản mẫu trong

hệ thống lưu trữ Đây là quá trình so sánh 1-N và kết quả là một định danh đã được lưu trữ hoặc thông báo chủ thể chưa có mẫu, chưa đăng ký trong hệ thống Do quá trình định danh với một tập CSDL lớn đòi hỏi việc tính toán lớn, giai đoạn lọc thường được sử dụng để lọc các mẫu cần so sánh với tập đặc trưng đầu vào

Hình 1.3 minh họa các tiến trình được sử dụng trong một hệ thống nhận dạng vân tay [1, tr.4]

Hình 1.3 Các tiến trình của một hệ thống nhận dạng vân tay

1.3 Đánh giá kết quả của hệ thống nhận dạng

Một số thông số thường được sử dụng trong việc đánh giá độ chính xác của một hệ thống nhận dạng được thể hiện trong Hình 1.4 [1, tr.19]

- False Match Rate (FMR): là tỷ lệ loại lỗi xác định nhầm là cùng của một

vân tay khi so sánh hai vân tay khác nhau Khi thiết lập ngưỡng t thấp,

tỷ lệ lỗi FMR sẽ cao, ngược lại nếu thiết lập ngưỡng t cao, tỷ lệ lỗi nhận

nhầm sẽ giảm xuống

- False Not Match Rate (FNMR): là tỷ lệ lỗi khi xác định hai vân tay của cùng một ngón tay là không phù hợp Ngược lại với FMR, khi thiết lập

ngưỡng t thấp, tỷ lệ lỗi FNMR sẽ thấp, nếu thiết lập ngưỡng t cao, tỷ lệ

lỗi FNMR sẽ tăng lên

Hình 1.4 Các loại thông số dùng trong đánh giá hệ thống sinh trắc học

- Equal-Error Rate (EER): dùng để chỉ tỷ lệ lỗi tại ngưỡng mà tại đó tỷ lệ lỗi FMR cân bằng với tỷ lệ lỗi FNMR EER là một chỉ số chính thường được sử dụng để đánh giá độ chính xác của một hệ thống nhận dạng sinh trắc học

- ZeroFNMR: được định nghĩa mà tại đó không xảy ra loại lỗi false matches

non ZeroFMR: được định nghĩa mà tại đó không có lỗi false matches xảy ra

Độ chính xác yêu cầu của một hệ thống sinh trắc học phụ thuộc vào ứng dụng của hệ thống

Trong các ứng dụng pháp lý như định danh tội phạm, thường quan tâm tới FNMR thấp hơn là tỷ lệ FMR do chúng ta không muốn bỏ xót định danh tội phạm thậm trí nếu cần phải so sánh thủ công số lượng lớn vân tay

Trong khi đó với các ứng dụng, ví dụ quản lý truy cập an ninh cao đòi hỏi

tỷ lệ FMR thấp Thi hành hệ thống ở mức FMR rất thấp có thể dẫn đến sự không thuận tiện với người dùng hợp pháp Giữa hai điểm cực này, là một vài ứng dụng thương mại mà ở đó cả hai tỷ lệ FNMR và FMR cần được xem xét

Hình 1.5 minh họa việc lựa chọn giữa tỷ lệ FNMR và FMR trong các loại ứng dụng khác nhau [1, tr.20]

Hình 1.5 Lựa chọn tỷ lệ FMR và FNMR giữa các ứng dụng

1.4 Quy trình chi tiết nhận dạng vân tay

1.4.1 Trích chọn thuộc tính từ vân tay

Các thuộc tính được trích chọn từ vân tay sử dụng trong hệ thống nhận dạng thường có đặc điểm ổn định, bất biến theo thời gian Hình 1.6 minh họa một số đặc trưng của vân tay thường được sử dụng

- Đường giao (crossover): là điểm mà tại đó các đường vân giao với nhau

- Điểm lõi (core): là điểm mà tại đó có sự biến thiên đột ngột về hướng của đường vân

- Điểm rẽ nhánh (bifurcation): là điểm mà tại đó, một đường vân được tách làm hai đường vân khác nhau

- Điểm kết thúc (ridge ending): là điểm mà tại đó, đường vân kết thúc

- Ốc đảo (island): là điểm cô lập so với các đường vân khác

- Tam giác Delta: là nơi hội tụ của các vùng vân có hướng khác nhau Các thuật toán đối sánh vân tay khác nhau có thể lựa chọn các đặc trưng khác nhau hoặc kết hợp các đặc trưng này được sử dụng Chuẩn ISO/IEC 19794-2 (2005) chỉ sử dụng duy nhất tập đặc trưng là các điểm kết thúc (ridge ending) và điểm rẽ nhánh (bifurcation) trong việc đối sánh vân tay Hai điểm đặc trưng này còn gọi là điểm trạc (minutiae)

Hình 1.6 Một số đặc trưng của vân tay

Hình 1.7 minh họa quá trình xử lý ảnh để trích chọn ra các thuộc tính từ vân tay

Hình 1.7 Minh họa kết quả của quá trình trích chọn thuộc tính

1.4.2 Quá trình lọc vân tay trước khi đối sánh

Đối với các CSDL vân tay lớn, để giảm thời gian tính toán, có thể áp dụng các bước lọc trước đối sánh (pre-matching) để giảm bớt số lượng bản mẫu vân tay cần so khớp Hai kỹ thuật chính thường được áp dụng là phân lớp vân tay (classification) và đánh chỉ mục (indexing)

- Phân lớp vân tay (classification): các vân tay thường được phân vào

một trong sáu lớp vân tay như minh họa trong Hình 1.8 [1, tr.236] Một

số lớp vân tay được xác định như: cung, cung dạng lều, lặp trái, lặp phải, vòng tròn Việc phân lớp này giúp giảm bớt không gian mẫu vân tay cần so khớp

Hình 1.8 Phân lớp vân tay

Ví dụ Li và cộng sự [14] kết hợp điểm đặc trưng đơn nhất và ảnh hướng của vân tay trong phân loại vân tay Việc tìm ra các điểm đặc trưng của các lớp vân tay thường dựa trên mở rộng của thuật toán Pointcare Thuật toán Pointcare

sử dụng đầu vào là hướng của các đường vân, sau đó tính toán tìm ra sự thay đổi hướng hoặc hội tụ của các đường vân Như minh họa trong Hình 1.9

Hình 1.9 Thuật toán Pointcare sử dụng trong phát hiện điểm tâm

- Đánh chỉ mục (indexing): Bên cạnh sử dụng phương pháp phân loại

vân tay, kỹ thuật đánh chỉ mục cũng thường được sử dụng để tìm ra nhanh các ứng cử viên từ CSDL trước khi đi vào đối sánh chi tiết Quá trình đánh chỉ mục giúp loại bớt các mẫu vân trong CSDL không có khả năng khớp với mẫu vân đầu vào Có nhiều kỹ thuật đánh chỉ mục khác nhau được đề xuất Ví dụ Bhanu và cộng sự [13] sử dụng các tam giác được tạo bởi các điểm trạc để tạo các chỉ mục Hình 1.10 [1, tr.275] minh họa quá trình đánh chỉ mục sử dụng các tam giác nối các điểm trạc

của vân tay Trong quá trình xử lý, các tam giác được trích ra từ mẫu vân đưa vào sẽ được so khớp với các tam gian của các mẫu vân được lữu trữ trong CSDL để tìm ra các ứng cử viên có thể khớp Các ứng cử viên này sẽ được sử dụng trong bước đối sánh chi tiết sau Sử dụng chỉ mục giúp làm giảm đáng kể thời gian đòi hỏi trong quá trình định danh

Hình 1.10 Đánh chỉ mục vân tay dựa trên các tam giác nối các điểm trạc

1.4.3 Đối sánh vân tay

Một thuật toán đối sánh vân tay sẽ so sánh tập đặc trưng hai vân tay và thường trả về một giá trị là độ tương đồng (similarity), ví dụ một giá trị giữa 0

và 1 hoặc một quyết định là phù hợp hoặc không Hầu hết các thuật toán đối sánh sử dụng các thể hiện trung gian của vân tay thông qua bước trích chọn thuộc tính Đối sánh vân tay là một vấn đề khó, do một số nguyên nhân như:

- Đặt khác vị trí (Displacement): Cùng một vân tay có thể được đặt ở các

vị trí khác nhau trên thiết bị lấy mẫu vân dẫn đến độ dịch chuyển của các vùng vân tay được thu nhận

- Xoay (Rotation): Cùng một vân tay có thể bị xoay các góc khác nhau trên bộ thu nhận vân tay

- Trùng lặp một phần (partital overlap): Việc đặt khác vị trí và xoay vân tay có thể dẫn đến một số phần của vân tay dời ra ngoài vùng thu nhận của cảm ứng dẫn đến một phần nhỏ trùng nhau giữa vân tay

- Vặn méo không tuyến tính (Non-linear distortion): Việc ánh xạ hình dạng ba chiều của vân tay vào bề mặt hai chiều của bộ thu nhận có thể dẫn đến phép ánh xạ không tuyến tính

- Điều kiện của da và lực ép khi lấy mẫu vân: Lực ép khi lấy vân tay, mức

độ khô, mồ hôi có thể dẫn đến việc thu nhận vân tay với các đường vân

bị nhiễu và không hoàn toàn chính xác ở các lần lấy mẫu vân khác nhau

- Nhiễu (Noise): Có nguyên nhân chủ yếu bởi hệ thống cảm ứng lấy mẫu

- Có lỗi trong quá trình trích chọn đặc trưng: Các thuật toán trích chọn thuộc tính có thể không hoàn hảo, thường dẫn đến một số lỗi như vị trí, kiểu của điểm đơn nhất, các điểm minutiae không có thực hoặc không thể phát hiện ra tất cả các điểm minutiae

Các cặp hình ảnh trong Hình 1.11 thể hiện sự khác nhau của cùng một vân tay

Hình 1.11 Một số thu nhận khác nhau của cùng một vân tay

Hình 1.12 minh họa một số hình trông giống nhau của hai vân tay khác nhau

Hình 1.12 Một số vân tay khác nhau có độ tương đồng cao

Có khá nhiều các thuật toán đối sánh vân tay được đề xuất hiện nay và cho kết quả tốt Tuy nhiên, việc tiếp tục phát triển các hệ thống có khả năng xử

lý nhanh và chính xác vẫn rất cần thiết trong việc xử lý các ảnh vân tay có chất lượng thấp hay các ứng dụng có quy mô lớn Các cách tiếp cận trong quá trình đối sánh vân tay có thể phân làm ba loại chính:

- Dựa trên độ tương quan ảnh (Correlation-based matching): hai ảnh vân tay được so sánh ở mức điểm ảnh (pixel)

- Dựa trên điểm trạc (Minutiae-based matching): đây là cách tiếp cận phổ biến nhất và là kỹ thuật được sử dụng rộng rãi nhất

- Dựa trên các đặc trưng không là điểm trạc: việc trích chọn các điểm trạc

có thể khó khăn đối với các ảnh vân tay có chất lượng chất thấp Các đặc trưng khác như mẫu vân, thông tin về hình dạng đường vân, kết cấu của đường vân có thể được trích chọn

Trong các cách tiếp cận trên, cách tiếp cận dựa trên điểm trạc được sử dụng phổ biến trong các thuật toán đối sánh Hình 1.13 minh họa so sánh số lượng các thuật toán sử dụng các cách tiếp cận khác nhau trong cuộc thi Fingerprint Verification Competitions (FVC), các thuật toán dựa trên điểm trạc

là cách tiếp cận phổ biến