Ứng dụng DSP trong nhận dạng khuôn mặt và dấu vân tay

34 801 3
Ứng dụng DSP trong nhận dạng khuôn mặt và dấu vân tay

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

ỨNG DỤNG DSP TRONG NHẬN DẠNG KHUÔN MẶT VÀ DẤU VÂN TAY Đây đề tài chọn từ việc ứng dụng xử lý tín hiệu số sinh trắc học, tài liệu nhiều có lẻ lĩnh vực nhận dạng Ngoài có đề tài nhiều lĩnh vực khác +Truyền thông(CDMA, 3G, nâng cao băng thông mang,…) + Y học (điện tâm đồ,…) + Hình ảnh (xử lý nén ảnh) + Âm (điều chế xử lý âm thanh) … Mọi người chọn đề tài khác(xem đề tài có nhiều tài liệu OK hết ^_^) Nhớ xem trước Forum xem đề tài có chọn chưa? Nếu đồng ý với đề tài phân công cho nhóm.(Mọi người có ý kiên xin liên lạc qua mail shenlong2210@gmail.com) Bản phân công chi tiết công việc nhóm: Nhận dạng vân tay Nguyễn Hải Quang Minh Nguyễn Văn Long Lê Minh Nhật Nguyễn Cao Minh Nhận dạng khuôn mặt Tôn Thị Kim Loan Bùi Thị Mỹ Như Hà Nghi Khái niệm, nguyên tắc phương pháp nhận dạng vân tay Cách tăng cường chất lượng độ xác nhận dạng Khái niệm, nguyên tắc phương pháp nhận dạng khuôn mặt Cách tăng cường chất lượng độ xác nhận dạng Mọi người dùng font kiểu Unicode(Tahoma,…) để dễ dàng thống bố cục tổng hợp Mọi người cố gắng trình bày bào viết dạng ý tô đậm phần nội dung chính, vui lòng đừng chọn màu khác màu mặc định font chữ I.NHẬN DẠNG VÂN TAY MỤC ĐÍCH CỦA VIỆC NHẬN DẠNG VÂN TAY Trong thời đại ngày nay, tất lĩnh vực xã hội ứng dụng Khoa học kỹ thuật giúp cho người thuận tiện công việc ngày Khi mà công nghệ thông tin bùng nổ, với bảo mật riêng tư thông tin cá nhân để nhận biết người hàng tỉ người trái đất đòi hỏi phải có tiêu chuẩn, hệ thống đảm nhận chức Vân tay đặc điểm đặc biệt người tính đa dạng nó, người sở hữu dấu vân tay khác nhau, trường hợp người có dấu vân tay trùng + Người ta lợi dụng đặc điểm để xây dựng hệ thống bảo mật thông tin riêng tư cho người sở hữu chúng, từ việc thay cho ổ khóa việc thay mật phổ biến thời đại tin học ngày Người ta cần quét dấu vân tay qua thiết bị chức đăng nhập vào hệ thống máy vi tính, qua phòng bí mật hay trạm bảo vệ bí mật Đó giải pháp an ninh tuyệt đối cho yêu cầu bảo mật người nhiều lĩnh vực như: Kiểm soát an ninh quan Chính Phủ, quân đội, ngân hàng, trung tâm lưu trữ liệu để kiểm soát vào nhân viên trung tâm thương mại, tập đoàn, đại sứ quán + Trong lĩnh vực phòng chống tội phạm, người ta tìm tung tích tội phạm nạn nhân thông qua dấu vân tay trường + Phổ biến có lẻ dấu vân tay qua mặt sau chứng minh thư để xác định cách nhanh đặc điểm, hồ sơ công dân lưu sở liệu + Ngoài ra, hệ thống hỗ trợ đắc lực cho việc quản lý chấm công nhà máy, xí nghiệp, công ty, bảo vệ anh ninh cho gia đình cá nhân CẤU TẠO, ĐẶC ĐIỂM VÀ PHÂN LOẠI CÁC DẠNG VÂN TAY 2.1 Cấu tạo vân tay: dấu vân tay cá nhân độc Xác suất hai cá nhân - chí anh em (hoặc chị em) sinh đôi trứng - có dấu vân tay 64 tỉ Ngay ngón bàn tay có vân khác Dấu vân tay người không đổi suốt đời Người ta làm phẫu thuật thay da ngón tay, sau thời gian dấu vân tay lại hồi phục ban đầu Vân tay đường có dạng dòng chảy có ngón tay người Nó tham số sinh học bất biến theo tuổi tác đặc trưng cho cá thể Trên vân tay có đường gợn luống 2.2 Các điểm đặc trưng vân tay: Trên ảnh vân tay có điểm đặc trưng (là điểm đặc biệt mà vị trí không trùng lặp vân tay khác nhau) phân thành hai loại: singularity minutiae Singularity: Trên vân tay có vùng có cấu trúc khác thường so với vùng bình thường khác (thường có cấu trúc song song), vùng goi singularity Có hai loại singularity core delta Core thường có số dạng sau: Minutiae: Khi dò theo đường vân ta thấy có điểm đường vân kết thúc (Ridge Ending) rẽ nhánh (Bifurcation), điểm gọi chung minutiae 2.3 Phân loại vân tay: Các ảnh vân tay phân loại nhằm tăng tốc độ tìm kiến sở liệu vân tay trình nhận dạng Và phương pháp phân loại vân tay dựa hai loại đặc điểm chung vân tay, tâm tam phân điểm (hay gọi delta) Dựa thông tin số lượng tam phân điểm vị trí chúng ta hoàn toàn xác định loại vân tay Vì vậy, vấn đề trích chọn tâm tâm phân điểm khâu thiếu rình phân loại vân tay Sau số phương pháp phân loại vân tay nghiên cứu công bố, muốn lưu ý tới phương pháp trích chọn tâm tam phân điểm sử dụng  Phương pháp phân loại Henry: Đây phương pháp phân loại cổ điển phổ biến nhất, sử dụng chủ yếu nhận dạng vân tay cách thủ công Các tâm tam phân điểm nhận biết mắt thường vân tay phân loại dựa số lượng đường vân bị cắt đường nối tâm tam phân điểm  Các phương pháp phân loại dựa đặc điểm tổng thể: Việc phân loại vân tay phần lớn hệ AFIS dựa đặc điểm tổng thể Việc trích chọn tâm tam phân điểm thực trực tiếp ảnh vân tay theo phương pháp xử lý ảnh theo điểm, nhược điểm phương pháp tôc độ xử lý chậm Sau tách hướng vùng, ta nhận ảnh định hướng đặc trưng cho vân tay  Phương pháp Màu phân bố hướng chuẩn định nghĩa mẫu hai chiều mô tả phấn bố hướng lằn xung quanh điểm đặc trưng Bằng nghiên cứu thống kê nhiều vân tay, tác giả định nghĩa đặc trưng tâm tam phân điểm mẫu phân bố hướng chuẩn Việc trích chọn tâm tam phân điểm qui việc tìm kiến ảnh định hướng vectơ phân bố hướng có dạng giống với mẫu phân bố hướng chuẩn đối sánh mẫu phân bố hướng điểm có khả đặc điểm với mẫu phân bố hướng chuẩn  Phương pháp 3: Hướng vùng lượng tử hóa theo hưosng khoảng từ 00 đ đến 1800 Các vùng đặc điểm tâm tam phân điểm định vị ảnh định hướng cách kiểm tra soó Poincaré đường cong nhỏ khép kín xung quanh điểm CÁCH XÂY DỰNG HỆ THỐNG NHẬN DẠNG VÂN TAY 3.1 Quá trình nhận dạng dấu vân tay  Xác nhận dấu vân tay ( fingerprint verification ) Tại bước người cung cấp dấu vân tay với chứng minh thư, đặc điểm cá nhân người đó, ví dụ Họ tên, ngày sinh, quê quán…(trong chứng minh thư) Username, tên tài khoản, quyền hạn đó,…(trong bảo mật) Bước nhằm tạo sở liệu tương ứng dấu vân tay đặc điểm liên quan Nguyên lý hệ thống sử dụng diot phát sáng để truyền tia gần hồng ngoại (Near Infrared NIR) tới ngón tay chúng hấp thụ lại hồng cầu máu Vùng tia bị hấp thụ trở thành vùng tối hình ảnh chụp lại camera CCD Sau đó, hình ảnh xử lý tạo mẫu vân tay Mẫu vân tay chuyển đổi thành tín hiệu số liệu để nhận dạng người sử dụng vòng chưa đến giây Công nghệ truyền ánh sáng Hitachi cho phép ghi lại rõ nét sơ đồ vân nhờ độ tương phản cao khả tương thích với loại da tay, kể da khô, da dầu hay có vết bẩn, vết nhăn bị khiếm khuyết tạo hoá bề mặt ngón tay Lượng liệu nhỏ cho việc nhận dạng tạo nên hệ thống nhỏ gọn, an toàn, thân thiện nhanh giới Hệ thống lưu trữ từ 6.000-8.000 ngón tay máy người nhận dạng ngón tay khác đăng ký trước Ưu điểm vượt trội hệ thống tương tác với thể sống nên việc bắt chước, giả mạo ăn cắp liệu điều hoàn toàn bất khả thi FVB đời hồi đầu năm 2006, nhanh chóng thành công thị trường Nhật Bản, Singapor, Trung Quốc  Nhận diện dấu vân tay (finger identification ) Dấu vân tay đưa vào để đối chiếu với database chứa vân tay để truy đặc điểm muốn truy xuất Việc đối sánh ảnh vân tay cần nhận dạng cần tiến hành vân tay (có sở dũ liệu) thuộc loại xác định nhờ trình phân loại Đây giai đoạn định xem hai ảnh vân tay có hoàn toàn giống hay không đưa kết nhận dạng, tức ảnh vân tay cần nhận dạng tương ứng với vân tay cá thể lưu trữ sỏ liệu 3.2 Hai phương pháp nhận dạng dấu vân tay  Dựa vào đặc tính cụ thể dấu vân tay, điểm cuối, điểm rẽ nhánh vân tay  So sánh toàn đặc tính dấu vân tay Thực chất mức độ việc nhận dạng Rõ ràng cách thứ bao gồm cách1 Tuy nhiên đặc điểm vân tay, ta so sánh nhiều ( sở liệu không lớn ) đặc điểm đặc biệt dấu vân tay đủ để ta nhận dạng dấu vân tay Cách thứ công việc phức tạp đòi hỏi tính toán nhiều , nhiên cho kết với độ tin cậy cao Bài báo cáo tập trung vào cách làm thứ 3.3 Sơ đồ hệ thống nhận dạng dấu vân tay Theo phân tích hệ thống gồm phần: + Verification: Ban đầu người dùng hệ thống cung cấp thông tin dấu vân tay lưu trữ vào sở liệu + Identification: Khi sử dụng hệ thống này, dấu vân tay thu thập từ sensor đem xử lý Quá trình xử lý tùy chọn phương pháp trên ) 3.4 Giai đoạn xử lý ảnh trình nhận dạng vân tay: Về giai đoạn xử lý ảnh bạn làm phép xử lý duới hình sau Bài báo cáo sâu vào trình bày cách phân vùng ảnh theo cách phân loại dấu vân tay trên, tức trích điểm đặc trưng từ ảnh dấu vân tay Cuối bổ sung thêm phần nhỏ phương pháp nâng cao độ xác nhận dạng vân tay Trích điểm singularity a Trường định hướng (orientation field) Ảnh vân tay ảnh định hướng, đường vân đường cong theo hướng xác định Góc hợp phương điểm đường vân với phương ngang gọi hướng điểm Tập hợp hướng điểm ảnh vân tay gọi trường định hướng ảnh vân tay Phương pháp xác định trường định hướng sau [5], [14]: − Chia ảnh vân tay thành khối nhỏ kích thước WxW − Tính gradient theo hai hướng x, y Gx, Gy điểm (pixel) khối − Khi hướng điểm khối xác định theo công thức: b Xác định điểm singularity số Poincare (Poincare index) [3] Giả sử (i,j) điểm ảnh vân tay, C đường cong khép kính xung quanh (i,j) số Poincare (i,j) tổng đại số độ sai lệch hướng điểm liền kề đường cong C Trong đó: Np tổng số điểm đường cong “số” C ϕ(x,y) hướng điểm (x,y) Dựa vào số Poincare ta xác định điểm singularity Trích điểm minutiae Có hai phương pháp để tìm điểm minutiae: trích điểm minutiae từ ảnh binary trích điểm minutiae trực tiếp từ ảnh xám a Trích điểm minutiae từ ảnh binary [5] Ý tưởng phương pháp từ ảnh xám ban đầu ta sử dụng lọc thích hợp để phát làm mảnh đường vân dạng pixel (ridge detection), biến đổi ảnh xám ban đầu thành ảnh binary (có giá trị 1) tương ứng Sau đó, điểm minutiae trích sau: giả sử (x,y) điểm đường vân làm mãnh N0, N1, …, N7 điểm xung quanh ·Chiều rộng mũi ·Độ sâu hốc mắt ·Hình dạng xương gò má ·Độ dài xương hàm Các điểm nút đo đạc tạo nhiều mã số gọi dấu mặt ( FacePrint ) đại diện cho khuôn mặt sở liệu Trước đây, phần mềm nhận diện khuôn mặt dựa hình ảnh 2D để so sánh nhận diện hình ảnh 2D khác từ sở liệu Và để có tính xác hiệu cao nhất, hình ảnh nhận diện cần phải khuôn mặt nhìn trực diện vào camera, với góc độ ánh sáng biểu nét mặt không khác so với hình ảnh sở liệu Đìều gây nhiều rắc rối Trong phần lớn trường hợp, hình ảnh thường không ghi môi trường ổn định Thậm chí thay đổi nhỏ góc độ ánh sáng hay độ nghiêng khuôn mặt đủ để làm giảm tính hiệu hệ thống, khuôn mặt thường không khớp với khuôn mặt sở liệu 5.3.Nhận diện khuôn mặt 3D Một xu hướng lên công nghệ nhận diện khuôn mặt việc sử dụng mẫu 3D, giúp cho việc nhận dạng xác Một phần mềm nhận diện khuôn mặt 3D ghi lại khuôn mặt thực tế người, dùng điểm bật khuôn mặt – nơi mô cứng xương nhìn thấy rõ đường cong hốc mắt, mũi cằm để nhận đối tượng Các đặc điểm độc khuôn mặt không thay đổi theo thời gian Cách thức sử dụng độ sâu trục phần khuôn mặt không bị ảnh hưởng ánh sáng, việc nhận dạng khuôn mặt 3D sử dụng bóng tối nhận khuôn mặt từ nhiều góc độ khác với độ chênh lệch lên tới 90 độ Bằng cách sử dụng phần mềm 3D, hệ thống nhận diện cần trải qua loạt bước để nhận diện đối tượng Nhận dạng Việc ghi lại hình ảnh thực cách quét ảnh 2D sẵn có, sử dụng video để có hình ảnh 3D sống đối tượng Liên kết Sau ghi lại khuôn mặt, hệ thống tính toán vị trí, kích cỡ tư đầu Như đề cập từ trước, hệ thống nhận khuôn mặt góc lệch lên tới 90 độ, với hình ảnh 2D, khuôn mặt đối tượng phải nghiêng 35 độ phía camera Đo đạc Sau đó, hệ thống đo đạc đường cong khuôn mặt với độ xác lên tới milimet, tạo khuôn mẫu Tái Sau đó, hệ thống chuyển khuôn mẫu thành mã độc với người Với khuôn mẫu, mã có dạng nhóm số đại diện cho khuôn mặt đối tượng So sánh Nếu hình ảnh có dạng 3D sở liệu chứa hình ảnh 3D, việc đối chiếu tiến hành mà thực thay đổi hình ảnh Tuy vậy, hình ảnh dạng 2D có đôi chút khó khăn hơn, công nghệ 3D đem lại hình ảnh thực sống động so với hình ảnh 2D phẳng lì, bất động Nhưng công nghệ giải khó khăn Ví dụ, phần bên bên mắt với phần đỉnh mũi lấy đo đạc Sau việc đo đạc hoàn tất, thuật toán áp dụng để chuyển hình ảnh sở liệu sang dạng 2D Sau chuyển đổi, phần mềm so sánh hai hình ảnh 2D với để tìm đối tượng Xác minh hay nhận diện Xác minh có nghĩa hình ảnh đối chiếu với hình ảnh sở liệu (tỉ lệ 1:1) Ví dụ như, hình ảnh đối tượng đối chiếu với hình ảnh sở liệu Uỷ ban phương tiện giao thông để xác minh xem đối tượng Còn nhận diện có nghĩa hình ảnh đối chiếu với tất hình ảnh sở liệu để tìm đối tượng (tỉ lệ 1:N) Khi đó, bạn phải ghi lại hình ảnh đối tượng so sánh với toàn sở liệu để biết đối tượng 5.4.Phân tích cấu trúc bề mặt (STA – Surface Texture Analysis ) Nhiều hình ảnh xác minh hay nhận đạng công nghệ nhận dạng nét mặt Identix® tạo sản phẩm để giúp cho việc nhận diện xác Phần mềm FaceIt®Argus họ sử dụng công nghệ sinh trắc học da, dựa cấu trúc da độc người, giúp đem lại kết xác Thuật toán STA cho phép kết thu đạt độ xác cao STA tạo thành Dấu da ( SkinPrint ) đối chiếu theo tỉ lệ 1:1 1:N phụ thuộc vào kiểu tìm kiếm Quá trình gọi Phân tích cấu trúc bề mặt, hoạt động giống hệ thống nhận diện khuôn mặt Đầu tiên, mảng da, gọi dấu da ( SkinPrint ) , chụp thành hình ảnh Sau đó, mảng da chia nhỏ thành nhiều khối Bằng cách sử dụng thuật toán để chuyển mảng da thành không gian toán học đo đạc được, công nghệ sau phân biệt đường nét, lỗ chân lông, cấu trúc thực bề mặt da Điều giúp phân biệt cặp song sinh giống hệt mà phần mềm nhận dạng khuôn mặt thực Theo Identix, cách kết hợp công nghệ nhận dạng khuôn mặt với công nghệ phân tích cấu trúc da, độ xác tăng thêm từ 20 đến 25% Hiện tại, FaceIt sử dụng ba khuôn mẫu khác để xác minh hay nhận dạng đối tượng: vector, phân tích đặc điểm vùng, phân tích cấu trúc bề mặt ·Khuôn mẫu vector nhỏ sử dụng để nhận diện nhanh qua toàn sở liệu ban đầu cho bước đầu nhiều công đoạn tìm kiếm ·Khuôn mẫu phân tích đặc điểm vùng (LFA – Local Feature Analysis ) tìm kiếm cấp độ cao để đối chiếu khuôn mặt theo khuôn mẫu Vector ·Khuôn phân tích cấu trúc bề mặt (STA) khuôn mẫu lớn ba loại Nó bước cuối sau bước tìm kiếm dựa vào khuôn LFA, dựa đặc điểm da đối tượng đưa thông tin chi tiết Bằng cách kết hợp ba loại khuôn mẫu trên, FaceIt® có lợi hẳn hệ thống nhận diện khuôn mặt khác Nó bị ảnh hưởng thay đổi nét mặt, bao gồm hành động nháy mắt, cau mày, mỉm cười, có khả nhận diện đối tượng có thêm râu, ria mép, hay đeo kính râm Hệ thống phân biệt chủng tộc giới tính khác Ánh sáng yếu làm cho chương trình nhận dạng gặp khó khăn để kiểm tra nhận dạng người Tuy vậy, không công nghệ hoàn hảo Và công nghệ bị ảnh hưởng số nhân tố sau đây: ·Ánh sáng chói kính mắt kính râm ·Tóc dài che phần khuôn mặt ·Ánh sáng yếu khiến khuôn mặt bị mờ ·Độ phân giải thấp (ảnh ghi lại từ xa) Identix công ty phát triển công nghệ nhận diện khuôn mặt Mặc dù phần lớn sản phẩm công ty khác hoạt động tương tự FaceIt, chúng có số khác biệt Ví dụ sản phẩm FACEngine ID® SetLight công ty có tên Animetrix có khả chỉnh độ sáng, giúp giảm tỉ lệ nhận diện sai, hay sản phẩm Sensible Vision bảo mật cho máy tính cách sử dụng công nghệ nhận diện khuôn mặt Máy tính hoạt động người chủ thực điều hành Còn người chủ khỏi khu vực nhận diện, máy tính tự động bảo mật tránh người dùng khác Nhờ vào bước tiến mạnh mẽ công nghệ, hệ thống nhận diện da khuôn mặt sử dụng nhiều so với vài năm trước Trong phần tiếp theo, tìm hiểu xem công nghệ sử dụng đâu nào, điều hứa hẹn phía trước 5.5.Hiện tương lai công nghệ nhận dạng khuôn mặt Trong khứ, đối tượng sử dụng phần mềm nhận diện khuôn mặt quan pháp luật để nhận diện khuôn mặt đám đông Một số tổ chức phủ sử dụng hệ thống công tác an ninh để loại trừ việc gian lận bầu cử Gần phủ Mỹ sử dụng chương trình có tên US-VISIT (Công nghệ quản lý tình trạng nhập cư di trú Hoa Kỳ), nhằm vào người nước nhập cảnh vào Mỹ Khi người nước nhận visa, người phải lăn dấu vân tay chụp ảnh Sau đó, vân tay ảnh người kiểm tra đối chiếu với sở liệu tên tội phạm kẻ khủng bố Và người đến nước Mỹ, dấu vân tay ảnh sử dụng để xác minh xem có người nhận visa hay không Tuy vậy, có nhiều lý để phần mềm ngày trở nên phổ biến Hiện chúng trở nên rẻ trở nên hữu dụng Chúng kết nối với camera máy tính sẵn có nhà băng sân bay TSA nghiên cứu thử nghiệm chương trình Khách hàng đăng ký họ Chương trình nhanh chóng thiết lập sở liệu an ninh khách hàng tự nguyện cung cấp thông tin hoàn tất đánh giá mức độ đe doạ an ninh Tại sân bay có đường riêng dành cho khách hàng đăng ký giúp họ di chuyển nhanh nhận diện khách hàng qua đặc điểm khuôn mặt họ Những ứng dụng tiềm khác công nghệ bao gồm việc bảo đảm an ninh cho việc rút tiền máy ATM Phần mềm nhận diện khuôn mặt khách hàng Sau đồng ý khách hàng, máy ATM ghi lại hình ảnh số khách hàng đó, thiết lập dấu mặt ảnh để bảo vệ khách hàng khỏi nạn ăn cắp nhân dạng trộm tiền Bằng cách sử dụng phần mềm nhận dạng khuôn mặt, không cần dùng đến giấy chứng minh thư, thử nhà băng hay mã số nhận diện cá nhân (PIN) để xác định danh tính khách hàng, nhờ công ty ngăn chặn nạn lừa đảo Trong tất ví dụ thực với đồng ý đối tượng, tất phép người Trong phần đầu tiên, biết hệ thống cảnh sát Tâmp sử dụng trận chung kết bóng bầu dục quốc gia Mỹ Super Bowl quận Ybor City Hệ thống ghi lại hình ảnh tất khách đến thăm mà họ không cho phép Những người ủng hộ hệ thống cho giúp đảm bảo an ninh mức độ đó, không vượt tự người Tuy nhiên, nhiều người lại lo lắng việc sử dụng hệ thống xâm phạm tự cá nhân, ra, dẫn đến nguy ăn cắp nhân dạng Thậm chí công ty cung cấp hệ thống nhận diện khuôn mặt thừa nhận rằng, công nghệ cao nguy đánh cắp lừa đảo nhân dạng lớn Với công nghệ ngày phát triển nay, việc nhận diện khuôn mặt gặp số nhược điểm Tuy nhiên, nhà sản xuất cố gắng để tăng cường hiệu độ xác hệ thống 6.LẬP TRÌNH NHẬN DẠNG KHUÔN MẶT MATLAB Trong bước ứng dụng xử lý toán học để nhận dạng mặt, phương thức mô tả sở liệu mặt ma trận cần thiết MATLAB sử dụng để đưa ảnh từ chuỗi file văn tên file chuyển graysale image vào ma trận h x w, w chiều rộng (tính theo pixels) ảnh h chiều cao Mỗi lần, hình ảnh đưa vào, chuyển thành định dạng MATLAB hợp thức, sau phục hồi lại hình dạng vào vector (w*h) x 1, đơn giản, ta đặt cột phía đầu, cột phía Mỗi vecto bây h, tương ứng với picture, vector trở thành cột ma trận A, gồm (w*h) x p, p tổng số ảnh sử dụng Sau đó, MATLAB sử dụng để tính toán vector trung bình cột A trừ (subtract) vecto trung bình M từ cột A, để tạo ma trận trừ trung bình (mean-subtracted) L Để giải thích chi tiết xử lý này, bao gồm mã MATLAB mà sử dụng, xem phụ lục A Bây giờ, bạn thực phiên đơn giản tính toán SVD Trước tiên, tính toán ma trận covariance G=A^T A Tại thời điểm này, eigenvalue eigenvector tương ứng tính toán xếp Chúng xếp giảm dần theo kích thước eigenvalues eigenvenctor tương ứng xếp với thứ tự Những eigenvectirs trở thành cột ma trận V(pxp) Trong thứ tự tạo tập vector cho không gian cột L, ma trận U tạo sau: U=L*V Span cột U cung cấp kích thước xấp xỉ tốt không gian cột L Giống vậy, span xủa cột cung cấp hai kích thước xấp xỉ tốt nhất, theo logic, tiếp tục chứa j kích thước xấp xỉ Nó tính toán % variance sử dụng j-dimensional approximation Phần trăm(Per) tính toán sử dụng eigenvalues xếp ma trận covariance {ld1…ldn} qua biểu thức (equation ) Per=TongXichMa(ld1->ldj) / TongXichMa(ld1->ldn) *100% Trong thứ tự kiểm tra image từ sở liệu (CSDL) ngoài, MATLAB import phục hồi lại image cách mà sử dụng cho images CSDL Vector trung bình (mean vector) M trừ từ vecto kiểm tra image (T) hệ số j tính toán luật sau: Ct=Ut.T/Ut.Ut Mặt trung bình từ CSDL Trong Ct hệ số thứ t T Ut cột thứ t U Từ đây, MATLAB đơn giản tính toán khoảng cách O-clit (Euclidean) hệ số j T hệ số j tất picture CSDL Một lần, khoảng cách xếp (theo thứ tự tăng dần), cho phép xác định image có xấp xỉ nhỏ test image Từ đây, làm sáng tỏ lên (interpretation) mắt người để xác định xem có tồn hay không Mã MATLAB cho phép kiểm tra image từ CSDL bên 6.1 CSDL CSDL kiểm tra có 130 hình ảnh 65 người khác Mỗi ảnh có kích thước 400x500 pixel ảnh chứa người đeo kính Chúng chọn để sử dụng hình ảnh người không đeo kính để hạn chế biến “glasses”, mà gây giới hạn độ xác hệ thống Chúng sử dụng 15 130 véc tơ tính toán, mà nhớ (retained ) 81.229% khác biệt (variance) Máy tính 90 phút (với 2.8GHz processor 512MB RAM) để tải 130 ảnh vào nhớ để phục vụ cho yêu cầu tính toán Đầu hút xem mặt trung bình (average face) Đây vecto trung bình đơn giản cột A, khôi phục lại vào ảnh cỡ 400 x 500 ( Hay kích thước gốc ảnh) Hình vecto sở (first eigenface) cho CSDL Mỗi ảnh CSDL, có trạng thái, có hệ số (coefficient) tương ứng với vector sở Đồ thị hệ số vecto sở loại (term of gender) có khả phát (revealing) vecto bật (vector accentuates) đặc trưng mặt (facial feature) Hầu hết phụ nữ có hệ số âm, phần lớn đàn ông có hệ số dương Hơn nữa, kiểm tra ảnh phụ nữ với hệ số âm, ý họ có tóc dài Cũng vậy, ảnh phụ nữ kiểm tra với hệ số âm họ, có tóc dài, hình với hệ số dương, có chiều dài tóc ngắn Thực tế sinh số khó khăn ( slightly troublesome) vì, cho thấy rằng, diện mạo (aspect) quan trọng mặt người độ dài tóc, tính quan trọng mặt người để thay đổi Với thực tế có khả nhược điểm (weakness) cho hệ thống từ thay đổi lien quan đến chiều dài tóc, hay hình dạng (likely) gây đổ bể (failure) hệ thống Khi kiểm tra eigenface thứ hai, clear hơn, tính nó, hệ thống nhận định identify quan trọng Chúng hypoyhesized rằng, tính the eigenface nhận khác nhau, màu tóc người độ tối sáng da người skin tone Chúng ta đến phần cuối conclusion này, việc phân tích giống với sử dụng cho eigenface trước Dễ hiểu, chương trình mà khác vài tính năng… Bước tiếp theo, lấy 15 hệ số mặt đặt chúng vector The công thức (formula) cho chiều dài O-clit (Euclidean) vector sử dụng để xác định chiều dài vector Điều cho phép khám phá xem khuôn mặt có độ lớn toàn thể lớn overall largest magnitude Tuy nhiên, vector với dộ lớn cao highest magnitude, tương ứng với khuôn mặt xấp xỉ tốt Hình 6, biểu diễn khuôn mặt gốc mà best approximated xấp xỉ tốt (có chiều dài vector hệ số lớn nhất) 15 vector xấp xỉ khuôn mặt Ảnh xấp xỉ obtained việc lấy 15 vector Multiplying nhân với hệ số tương ứng chúng, cộng adding kết vector lại với Thật dễ hiểu, từ hai hình họ, sử dụng 15 vector số 130 vector sở để xây dựng lên readily khả nhận dạng xấp xỉ cách dễ dàng Ngược lại, khuôn mặt với xấp xỉ tồi bd hình Hai mặt phía mặt gốc 15vector xấp xỉ khuôn mặt, xấp xỉ tốt Giống vậy, đáy hai ảnh gốc, 15 vector xấp xỉ khuôn mặt, inaccurately xấp xỉ có sai số lớn Bây giờ, ta nhìn thấy khuôn mặt thật actual ứng dụng nhận dạng Chúng ta sẵn sang, bj đưa khoảng cách o-clit hệ số hình chiếu trực giao orthogonal projection ảnh bên với hệ số ảnh CSDL Hình có khoảng cách nhỏ với ảnh kiểm tra nhận dạng chương trình closest match khớp nhất, tất hình lại remaining xếp loại rank từ đường gần xa ( thuật ngữ khoảng cách o-clit) với ảnh kiểm tra Kết chuỗi kiểm tra positive xác thực indicate toàn hệ thống làm việc tốt Rõ rang rằng, hướng mặt cần thiết cho nhận dạng hợp thức xảy occur Khi tất khuôn mặt facing forward, với độ nghiêng đầu nhỏ minimal head tilt, hệ thống người xác với độ khớp 83,78% Hơn nữa, 93.30% phép thử trial có hình khớp số hình khớp Một ý quan trọng nhiều ảnh kiểm tra sử dụng có người đeo kính Chúng ta xác định determined presence diện kính có chút không influence ảnh hưởng đầu kết Trái lại, biểu mặt tạo tác động đến kết Điều vài phép thử nơi mà người có significantly contorted biểu méo mó khuôn mặt, so sánh với biểu CSDL Trong trường hợp này, hệ thống khó khăn để xác định khuôn mặt khớp cách hợp thức Chúng ý rằng, vài phép thử lỗi failed hầu hết giống kết với độ nghiêng đầu người Tuy vậy, độ nghiêng hướng mặt người hai nhân tố quan trọng significant factor mà có tác động điều hướng negatively afected đến kết Từ đó, ý eigenface đầu tiên, xác định tóc dài số hầu hết nhân tố quan trọng việc tạo match so khớp xác, kiểm tra how well so khớp người có thay đổi quan trọng với tóc họ xảy Đầu tiên sử dụng Photoshop để đưa đối tượng phụ nữ với tóc màu đen thay đổi sang màu hoe blonde Kể màu thay đổi, hệ thống xác định xác cố ta CSDL Tiếp đó, lấy vài hình với tóc dài ( người có giá trị lớn cho eigenface đầu tiên) sử dụng Photoshop để bỏ phần tóc Chúng ta nhận thấy rằng, hệ thống nhận dạng xác người so khớp tốt có thay đổi tóc Một khảo sát thú vị khác, mà bố trí, bao gồm đặt conducted involved placing tập cặp twins CSDL Chúng kiểm tra hai hình người trường hợp hệ thống lấy hai hình CSDL so khớp match Người anh em trai khác không bao h xuất top so khớp Điều quan trọng chí mắt người, thật đặc biệt, particularly khó phân biệt differentiate hai anh em Xem hình 6.2 CSDL thứ hai Bây giờ, xem CSDL khác làm việc nào, với việc sử dụng tệp ảnh có kích thước nhỏ Sử dụng tệp ảnh nhỏ hiệu (desirable),vì thời gian xử lý máy tính giảm đáng kể Vì thế, sử dụng với ảnh nhau, giảm kích thước khoảng 350x438 pixel Thời gian xử lý giảm xuống khoảng phút, tức lượng thời gian đứng thứ 10 so với time xử lý CSDL trước Chúng ta sử dụng 15 véc tơ sở, mà giữ lại (retain) 70.90% khác biệt(variance) Như CSDL trước, đối tượng đeo kính (glasses) Tuy nhiên, sử dụng Photoshop để tháo bỏ tóc xung quanh cổ (neck) phần thấp (lower) khuôn mặt, cho (hypothesized) giảm ảnh hưởng (influence) tóc có hệ thống Bởi (Consequently), khuôn mặt trung bình cho CSDL (essentially) giống nhau, đường bao (outline) tóc xung quanh nửa thấp mặt tháo bỏ Việc tóc có ảnh hưởng lớn đến eigenface Xem hình: Đây ảnh khuôn mặt gốc 15 véc tơ xấp xỉ (approximation) người anh em trai Cuối mặt gốc 15 véc tơ xấp xỉ anh em trai khác Trong eigenface này, có xuất tương phản (CONTRAST) màu mặt (facial color) người màu tóc, trái với (as opposed to) eigenface từ CSDL đầu tiên, điều nhấn mạnh người có tóc hay không Tiếp theo (subsequent ) eigenface có phần (somewhat) khó để xác định khác biệt (differentiated) Yet, eigenface thứ dường phát (detected) khác tín hiệu da (skin tone), eigenface thứ dường xem xét có tóc đỉnh đầu người Chúng ý rằng, lại lần nữa, hệ thống nhạy cảm với độ nghiêng đầu người Tiếp theo, định kiểm tra xem có độ nghiêng (tilt) mô tả trước hệ thống bắt đầu lỗi Chúng ta bắt đầu với hình khác người có sẵn CSDL xoay quanh 25 độ Khi việc xoay sử dụng hiệu chỉnh khuôn mặt , tỏ khớp (closest match) thứ 51 Chúng ta sau tạo tiến trình quay gần đến trung tâm, với bước quay độ Khi khuôn mặt vị trí nghiêng 20 độ, so với trung tâm, khuôn mặt khớp số 34 Khi kiểm tra ảnh từ bên CSDL, tháo bỏ tóc, sử dụng phương thức tạo CSDL Kết thí nghiệm tỉ lệ thành công 70% Có vài nhân tố mà đóng góp vào việc giảm thành công Hầu hết giải pháp dỡ bỏ tóc Photoshop TÀI LIỆU THAM KHẢO Tài liệu dùng trình biên soạn báo cáo “Nhận dạng vân tay”  Diễn đàn Xử lý tín hiệu số Việt Nam www.dspvietnam.org  Bài luận văn ThS Nguyễn Hoàng Huy, ĐH Bách Khoa Hồ Chí Minh nhận dạng vân tay  Tổng quan hệ tự động nhận dạng vân tay vàvấn đề phân loại vân tay Trần Trung Dũng, ĐH Bách khoa Hà Nội  Cuộc thi FVC2004 Fingerprint Verification Competition http://bias.csr.unibo.it  Lý thuyết nhận dạng http://www.vninformatics.com/forum/box/13/ArtificialIntelligence-Tri-Tue-NhanTao.html;jsessionid=88268D61A015C655E9E8E2561B289532?zone=5 Tài liệu dùng chủ đề “Nhận dạng khuôn mặt”  Tổng quan xác định khuôn mặt người Phạm Thế Bảo [...]... chính xác khi nhận dạng khuôn mặt: Cùng với nhận dạng vân tay và nhận dạng giọng nói, nhận dạng khuôn mặt (Face Recognition) là công nghệ sinh trắc học đang được sử dụng phổ biến hiện nay Ứng dụng của nhận dạng khuôn mặt rất đa dạng trong nhiều lĩnh vực như: nhận diện trong điều tra an ninh, nhận diện nụ cười trong công nghệ máy ảnh, xác thực (authentication) trong lĩnh vực kiểm soát truy nhập vào hệ thống…... pháp nhận dạng vân tay hiện vẫn còn phổ biến ở nhiều nơi và nhiều quốc gia,mặc nhiên phương pháp nhận dạng vân tay vẫn được sử dụng trong việc điều tra phá án của cảnh sát vì thế việc nâng cao sự chính xác khi nhận dạng vân tay là một vấn để thiết yếu Và việc áp dụng các phương pháp xử lý tín hiệu giúp cho kết quả nhận dạng tốt hơn và tránh được rủi ro trong việc điều tra nhận dạng. Việc nhận dạng vân tay. .. Gabor Bộ lọc Gabor sử dụng để tăng cường đường vân và phục hồi vân Hiệu quả sử dụng của các thuật toán trích chọn đặc tính và các kĩ thuật nhận dạng vân tay khác phụ thuộc rất lớn vào chất lượng của ảnh vân tay đầu vào Trong trường hợp ảnh vân tay, vân lồi và vân lõm thay thế nhau và hướng theo một hướng cố định Trong những tình huống thế này, các vân có thể dễ dàng được phát hiện và các chi tiết có thể... nhầm” tới 1.000 người qua so sánh vân tay Trong một cuộc kiểm tra của FBI, người ta đã thu được tỉ lệ sai sót của các phân tích dấu vân tay là 0,8% Theo số liệu của các phòng nhận dạng sinh học Mỹ, trong năm 2002 đã có tới 1.900 kết quả không chính xác trong khâu so sánh vân tay Có năm, tỉ lệ sai số của phương pháp so sánh dấu vân tay lên tới 4,4% Việc nhận dạng vân tay sẽ gặp nhiều vấn để trở ngại... được ghi trong một môi trường ổn định Thậm chí cả những thay đổi nhỏ nhất trong góc độ ánh sáng hay độ nghiêng của khuôn mặt cũng đủ để làm giảm tính hiệu quả của hệ thống, vì thế các khuôn mặt này thường không khớp với bất kỳ khuôn mặt nào trong cơ sở dữ liệu 5.3 .Nhận diện khuôn mặt 3D Một xu hướng mới nổi lên trong công nghệ nhận diện khuôn mặt là việc sử dụng các mẫu 3D, giúp cho việc nhận dạng được... việc xử lý ảnh 4.2 Đi sâu vào phương pháp xử lý hình ảnh vân tay trong việc nhận dạng Vân tay khi đem phân tích thường hiển thị dưới dạng màu đen và nền là màu trắng,trước khi nhận ra dạng Menutia( những dạng đặc biệt của vân tay) chúng ta phải biết cách tách vân tay ra khỏi màu nền.Như vậy ở hàm mật độ xám phải có 2 điểm cực đại càng rõ càng tốt.Khoảng cách giữa điểm max và min càng lớn thì sẽ tạo... KHI NHẬN DẠNG VÂN TAY 4.1 Mục đích của việc nâng cao độ chính xác khi nhận dạng vân tay Hơn 100 năm qua so sánh dấu vân tay vốn được coi là một phương tiện hữu hiệu hỗ trợ cho các nhà điều tra trong quá trình phá án và xét xử.Hiện thời thì phương pháp này đã bộc lộ một vài khuyết điểm Có không ít thủ thuật mà người ta vốn quen sử dụng trong khi chưa chứng minh một cách khoa học về tính hiệu quả và độ... xác hơn Một phần mềm nhận diện khuôn mặt 3D sẽ ghi lại một khuôn mặt thực tế của một người, rồi dùng các điểm nổi bật trên khuôn mặt – nơi những mô cứng và xương nhìn thấy rõ nhất như đường cong của hốc mắt, mũi và cằm để nhận ra đối tượng Các đặc điểm này là độc nhất đối với mỗi khuôn mặt và không thay đổi theo thời gian Cách thức sử dụng độ sâu và trục của các phần trên khuôn mặt không bị ảnh hưởng... dạng khuôn mặt Trong quá khứ, đối tượng sử dụng chính của phần mềm nhận diện khuôn mặt là các cơ quan pháp luật để nhận diện các khuôn mặt trong đám đông Một số tổ chức chính phủ cũng sử dụng hệ thống này trong công tác an ninh và để loại trừ việc gian lận trong bầu cử Gần đây chính phủ Mỹ đã sử dụng một chương trình có tên US-VISIT (Công nghệ quản lý tình trạng nhập cư và di trú Hoa Kỳ), nhằm vào những... vào những người nước ngoài nhập cảnh vào Mỹ Khi một người nước ngoài nhận được visa, người đó sẽ phải lăn dấu vân tay và chụp ảnh Sau đó, vân tay và ảnh của người này được kiểm tra và đối chiếu với cơ sở dữ liệu về những tên tội phạm và những kẻ khủng bố Và khi người này đến nước Mỹ, dấu vân tay và ảnh của anh ta sẽ được sử dụng để xác minh xem đó có đúng là người đã nhận được visa hay không Tuy vậy, ... Cùng với nhận dạng vân tay nhận dạng giọng nói, nhận dạng khuôn mặt (Face Recognition) công nghệ sinh trắc học sử dụng phổ biến Ứng dụng nhận dạng khuôn mặt đa dạng nhiều lĩnh vực như: nhận diện... CÁCH XÂY DỰNG HỆ THỐNG NHẬN DẠNG VÂN TAY 3.1 Quá trình nhận dạng dấu vân tay  Xác nhận dấu vân tay ( fingerprint verification ) Tại bước người cung cấp dấu vân tay với chứng minh thư, đặc điểm... ứng với vân tay cá thể lưu trữ sỏ liệu 3.2 Hai phương pháp nhận dạng dấu vân tay  Dựa vào đặc tính cụ thể dấu vân tay, điểm cuối, điểm rẽ nhánh vân tay  So sánh toàn đặc tính dấu vân tay Thực

Ngày đăng: 03/01/2016, 21:02

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan