Hệ thống nhận diện mống mắt thông minh

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN VĂN DŨNG HỆ THỐNG NHẬN DIỆN MỐNG MẮT THÔNG MINH Chuyên ngành: Kỹ Thuật Điều Khiển Và Tự Động Hóa Mã số: 60520216 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2015 CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS TS Huỳnh Thái Hoàng Ký tên: Cán chấm nhận xét 1: Ký tên Cán chấm nhận xét 2: Ký tên Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM, ngày tháng năm 201 Thành phần Hội đồng đảnh giá luận văn thạc sĩ gầm: Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu cố) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐIỆN - ĐIỆN TỬ ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN VĂN DŨNG MSHV: 13153060 Ngày, tháng, năm sinh: 20/02/1990 Nơi sinh: Đồng Nai Chuyên ngành: Kỹ Thuật Điều Khiển Và Tụ Động Hóa Mã số: 60520216 I TÊN ĐỀ TÀI: HỆ THỐNG NHẬN DIỆN MỒNG MẮT THÔNG MINH II NHIỆM VỤ VÀ NỘI DUNG: - Thu thập tập mẫu trích đặc trưng - Xây dựng nhận diện dựa mạng thần kinh - Kiểm tra, đánh giá phần mềm cách nhận diện 100 nguời III NGÀY GIAO NHIỆM VỤ: 20/01/2015 IV NGÀY HOÀN THÀNH NHỆM VỤ: 31/12/2015 V CÁN BỘ HƯỚNG DẪN: PGS.TS Huỳnh Thái Hoàng Tp HCM, ngày thảng năm 201 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MƠN ĐÀO TẠO PGS.TS Huỳnh Thái Hồng TS Trương Đình Châu TRƯỞNG KHOA ĐIỆN-ĐIỆN TỬ TS Đỗ Hồng Tuấn LỜI CẢM ƠN Trong q trình thực đề tài, tơi nhận hướng dẫn, bảo tận tình thầy cô khoa Điện - Điện tử, đặc biệt thầy cô môn Điều Khiển Tự Động, giúp đỡ bạn bè động viên, khích lệ tinh thần từ phía gia đình Tơi xin gửi đến thầy PGS.TS Huỳnh Thái Hồng lời biết ơn sâu sắc dành thời gian quý báu để hướng dẫn, tạo điều kiện thuận lợi cho tơi lời khun bổ ích để hồn thành luận văn Tơi xin cám ơn cha mẹ anh chị em gia đình động viên tạo điều kiện giúp vượt qua khó khăn suốt q trình học tập nghiên cứu vừa qua Cuối cùng, xin gửi lời cảm ơn đến bạn học viên, sinh viên giúp đỡ tơi q trình lấy mẫu kiểm tra, đánh giá phần mềm đề tài TP Hồ Chi Minh, tháng 12/2015 NGUYỄN VĂN DŨNG TÓM TẮT LUẬN VĂN Luận văn nghiên cứu phát triển hệ thống nhận diện mống mắt thông minh dụa mạng thần kinh Khối lương luận văn thực gồm nhiệm vụ chính: phân đoạn mống mắt, chuẩn hóa, trích đặc trưng tạo mạng thần kinh Phân đoạn mống mắt thực hiên biến đổi Hough Circle Hough Line Hough Circle dùng để tách vòng vòng ngồi mống mắt, Hough Line dùng để tách mí mắt mí mắt Chuẩn hóa mống mắt: dùng phương pháp chuẩn hóa Daughman Rubber Sheet để chuẩn hóa mống mắt hình chữ nhật kích thước 20x240 pixel Đặc trưng trích qua bước: bước dùng giải thuật Local Binary Pattern (LBP), bước dùng giải thuật Principal Component Analysis (PCA) để rút gọn kích thước vector đặc trưng Bộ nhận diện mạng thần kinh lớp: lóp vào với 40 tế bào thần kinh, lớp với tế bào thần kinh Luận văn sử dụng phần mềm Matlab để thực xử lý ảnh xây dụng mạng thần kinh ABSTRACT This thesis researches and develops an intelligent iris recognition system based on neural network The thesis comprises of main parts: iris segmentation, iris normalization, feature exttaction and neural network ttaining Iris is segmented by using Hough Cừcle and Hough Line Hough Circle is used to exttact inner and outer cừcle of iris Hough Line is used to exttact top and bottom eyelid Iris normalization: uses Daughman Rubber Sheet method to normalize iris to rectangle with size of 20x240 pixels Features are extracted through steps: first step uses Local Binary Pattern (LBP) method, second step uses Principle Component Analysis (PCA) to reduce size of feature vectors Identifier is a layers neural network: layer consists of 40 neurals, layer consists of neural This thesis uses Matlab software to process image and create neural network LỜI CAM KẾT Tôi xin cam kết nội dung lý thuyết trình bày luận văn tơi tham khảo tài liệu biên soạn lại Phần mềm nhận diện tất kết kiểm tra đánh giá thục nghiệm thân tơi tự làm ra, hồn tồn khơng phải chép từ tài liệu cơng trình nghiên cứu khác Nếu không thục cam kết nêu trên, tơi xin hồn tồn chịu trách nhiệm truớc kỷ luật nhà trường pháp luật Nhà nước NGUYỄN VĂN DŨNG MỤC LỤC LỜI CẢM ƠN TÓM TẲT LUẬN VĂN LỜI CAM KÉT DANH MỤC HÌNH ẢNH Chương TỔNG QUAN 11 1.1 Đặt vấn đề 11 1.2 Tổng quan nghiên cứu 12 1.2.1 Phân tích mắt người ảnh mống mắt 12 1.2.2 Những cơng trình nghiên cứu liên quan 13 1.3 Mục tiêu đề tài 25 1.4 Sơ lược nội dung luận văn 26 Chương CƠ SỞ LÝ THUYỂT 28 2.1 Giới thiệu hệ thống xử lý ảnh 28 2.2 Vấn đề cải thiện chất lượng ảnh 31 2.2.1 Cải thiện ảnh dùng toán tử không gian 32 2.3 Phân vùng ảnh 38 2.3.1 Phân vùng ảnh theo ngưỡng biên độ 38 2.3.2 Phân vùng ảnh theo miền đồng 39 2.4 Biến đổi Hough Circle 41 2.5 Biến đổi Hough Parabol 42 2.6 Biến đổi Hough Line 43 2.7 Phương pháp Local Binary Patttem 45 2.8 Phương pháp Principal Component Analysis - PCA 46 2.9 Mạng thần kinh 47 Chương XÂY DỰNG GIẢI THUẬT 49 3.1 Nghiên cứu lý thuyết 49 3.2 Đề xuất giải thuật 50 3.2.1 Thu thập ảnh mẫu sở liệu 50 3.2.2 Phân vùng mống mắt 54 Chương KÉT QUẢ 76 4.1 Tổng quan phần mềm huấn luyện nhận diện 76 4.2 Giao diện đồ họa người dùng 77 4.3 Kết thực nghiệm 78 4.3.1 Kết phân đoạn mống mắt 78 4.3.2 Kết nhận diện 80 Chương KỂT LUẬN VÀ HƯỞNG PHÁT TRIỂN 82 5.1 Các kết đạt 82 5.2 Hạn chế hướng phát triển đề tài 83 5.2.1 Hạn chế 83 5.2.2 Hướng phát triển 83 TÀI UỆU THAM KHẢO 85 PHẦN LÝ LỊCH TRÍCH NGANG 87 QUẢ TRÌNH ĐÀO TẠO 87 Q TRÌNH CƠNG TÁC 87 DANH MỤC HÌNH ẢNH Hình 1.1 Cấu trúc thành phần mắt 13 Hình 1.2 Hình mổng mẳt đặc trưng 13 Hình 1.3 Tách phương pháp gán nhãn 14 Hình 1.4 Tách vòng ngồi dùng biến đồi Hough Circle 15 Hình 1.5 Dùng hình chữ nhật tìm vùng ảnh 15 Hình 1.6 Biên mổng mẳt 16 Hình 1.7 Chuẩn hóa mổng mẳt theo mơ hình Daugman 17 Hình 1.8 Mổng mẳt sau khỉ chuẩn hóa 17 Hình 1.9 Các đặc trưng trích dọc theo vòng tròn mổng mẳt 18 Hình 1.10 Luồng biến đồi Rỉdgelet 20 Hình 1.11 Mầu code nhị phân mổng mẳt sau khỉ dùng biến đổỉ Rỉdgelet 20 Hình 1.12Ăwồng biến đồi Curvelet 21 Hình 1.13 Mầu code nhị phân mổng mẳt sau khỉ dùng biến đổỉ Curvelet 21 Hình 1.14 Lượng tử hóa góc pha thành mức 23 Hình 1.15 Mạng thần kinh với lớp ẩn 24 Hình 1.16 Giải thuật di truyền 25 Hình 2.1 Các bước xử lý ảnh 29 Hình 2.2 Sơ đồ phân tích xử lỷ ảnh lưu đồ thông tin khổỉ 31 Hình 2.3 Sơ đồ lọc thông cao 36 Hình 2.4 Khải niệm liên thông liên thông 40 Hình 2.5 Minh họa biến đoi Hough Circle 42 Hình 2.6 Khơng gian tích lũy biến đoi Hough Circle 42 Hình 2.7 Khơng giai tích lũy biến đồi Hough Line 45 Hình 2.8 Ví dụ tính Local binary pattern 46 Hình 2.9 Histogram đặc trưng dựa LBP 46 Hình 2.10 Mạng thần kinh 47 Hình 3.1 Lưu đồ giải thuật đề xuất 50 Hình 3.2 Hình mổng mẳt chụp nguồn ánh sáng nhìn vùng ánh sáng hòng ngoại 51 Hình 3.48 Hình pixel chọn trình chuẩn hóa Ket chuẩn hóa: Hình 3.49 Kết chuẩn hóa g) Trích đặc trung ❖ Trích đặc trưng dùng phưưng pháp Local Binary Pattern (LBP) Mống mắt sau chuẩn hóa trích đặc trưng, có nhiều phương pháp trích đặc trưng dùng nhận diện hoa văn Trong luận văn này, dùng phương pháp LBP, có số ưu điểm: Trích đặc trưng nhanh, đơn giản, trích đặc trưng mang nhiều thông tin Tránh ảnh hưởng điều kiện ánh sáng 70 Tránh ảnh hưởng gốc xoay Cách thực hiện: Dùng mặt nạ 3x3, quét qua pixel vùng mống mắt chuẩn hốa 2 Hình 3.50 Mặt nạ LBP Trong mặt nạ này, giả trị pixel xung quanh so sảnh với pixel trung tâm Pixel lớn pixel trung tâm bật lên 1, nhỏ xóa Các pixel xung quanh xếp theo chiều kim đồng hồ Như số nhị phân bit Giá trị sổ nhị phân giá tộ pixel vùng mống mắt ❖ Rút gọn vector đặc trưng dùng phương pháp PCA Để huấn luyện mạng thần kỉnh kích thước vector đầu vào cần rút ngắn lại Sau khỉ trích đặc trưng phương pháp LBP, kích thước vector đặc trưng lớn 18x238 Dừng phương pháp PCA để giảm kích thước vector đặc trưng Cách thực hiện: Chuyển mảng 18x238 thành mảng 4284x1 Ghép 15 vector 4284x1 15 ảnh mẫu người cần nhận diện 990 vector 4284x1 99 người người cần nhận diện, ma trân p Tính vector trung bình theo hàng vector p, vector m Lấy hiệu cột p với vector m, vetor A Áp dụng giải thuật PCA ma trận A Sau đỗ trích ma trận thước 40x4284 chứa giá trị riêng lớn u kích Để rứt gọn đặc trưng cho mẫu đầu vào, ta nhân chuyển vị ma trận u với ma trận đầu vào, cho ta vector đặc trưng kích thước 40x1 71 h) Huấn luyện mạng thần kinh Nhận dạng thần kinh Trong luận văn người huấn luyện mạng thần kinh riêng Như 100 người có 100 mạng thần kinh khác Mỗi mạng thần kỉnh có lớp Lớp vào có 40 tế bào thần kinh Lớp có tế bào thần kinh Dữ liệu đầu vào tập đặc trưng trích trên, bao gồm: 15 vector người cần nhận diện, 990 vector 99 người người cần nhận diện Đối với vector đầu vào cỏ giá trị đầu Nếu vector đầu vào người cần nhận diện giá trị đầu 1, ngược lại Lớp Hình 3.51 Mơ hình mạng thần kinh 72 Training Dataset Hình 3.52 Giải thuật Huấn luyện mạng thần kinh Sau huấn luyện, mạng thần lảnh cho người lưu lại dùng để nhận diện i) Nhận diện Khỉ có ảnh mống mắt cần nhận diện, tạo vector đặc trưng cho mống mắt phương pháp LBP + PCA Sau vector đặc trưng đầu vào tất mạng thần kỉnh huấn luyện trước Xem xét đầu mạng thần kỉnh, có đầu có giá trị dương người tương ứng với mạng thần kỉnh người cần nhận diện 73 Hình 3.53 Giải thuật nhận diện Chương KẾT QUẢ 4.1 Tổng quan phần mềm huấn luyện nhận diện Chương trình huấn luyện nhận diện mồng mắt thực Matlab mô tả sơ đồ bên dưới: 74 Hình 4.54 Tồng quan chương trình 75 4.2 Giao diện đồ họa người dùng Hình 4.55 Giao diện đồ họa người dùng Chương trình có chức chính: huấn luyện nhận diện Chức nút giao diện: Nút Capture iris: gọi chương trình chụp ảnh mống mắt camera - IriShield™ USB MO 2120 Nút Load iris: load ảnh có sẵn máy - Nút Segment: phân đoạn mống mắt hiển thị lên số phía - Nút Recognition: nhận diện mống mắt hiển thị kết lên ô text bên cạnh - Nút Training: thực huấn luyện mạng thần kinh tương ứng với số ô text Start index End index 76 - Nút Test positive: kiểm tra độ xác mạng thần kinh sau huấn luyện - Nút Test ross: kiểm tra chéo mạng thần kinh - Nút Test negative: kiểm tra độ xác tất mạng thần kinh với người chưa huấn luyện - Nút Show Database: hiển thị người huấn luyện - Nút Delete Database: xóa file lưu đặc trưng file lưu mạng thần kinh huấn luyện - Nút Extract Data: trích đặc trưng - Nút Test Report: kiểm tra độ xác tồn mạng thần kinh - Nút Exit: chương trình 4.3 Kết thực nghiêm Chương trình kiểm nghiệm 100 người, 40 người chụp camera IriShield™ USB MO 2120, 60 người lấy từ cở liệu CASIA-IrisV4 Mỗi người gồm 20 mẫu, 15 mẫu dùng để huấn luyện, mẫu để kiểm nghiệm 4.3.1 Kết phân đoạn mổng mắt Tổng số ảnh sở liệu CASIA-IrisV4: 1200 77 Bảng 4.1 Kết phân đoạn sở ỉiệu c/ \SỈA-ỉrisV4 Tổng số ảnh chụp camera IriShield™ USB MO 2120: 800 2120 Nhận xét: kết phân vùng sở liệu CASIA-IrisV4 cao sở liệu chụp từ camera Kết phân vùng sở liệu chụp từ camera thấp trình chụp, đồng tử bị điều tiết giãn nở điều kiện ảnh sáng tới mắt thay đổi Nên giải thuật Hough Cừcle với miền bán kính tìm kiếm đồng tử cài đặt trước khơng bao phủ bán kính đồng tử bị giãn lớn Cách khắc phục: mở rộng miền bán kính tìm kiếm đồng tử Tuy nhiên việc kéo dài thời gian tìm kiếm 78 4.3.2 Kết nhận diện Sau khỉ huấn luyện, mẫu lại người dùng để kiểm nghiệm lại độ xác mạng thẩn kinh Thực kiểm nghiệm: - Kiểm nghiệm nội lớp: ảnh lại người kiểm nghiệm lại mạng thần kỉnh lớp - Kiểm nghiệm ngoại lớp: tập ảnh chứa 100 ảnh người không thuộc 100 người huấn luyện Kiểm tra xem 100 ảnh có phải người 100 người huấn luyện không - Kiểm nghiệm thực: ảnh lại người kiểm nghiệm 100 mạng thần kỉnh để kiểm Ưa xem cố phải người khơng Điều kiện : mạng thần kỉnh người cho giá trị đầu dương, 99 mạng thần kỉnh lại cho giá trị đầu âm Tổng số ảnh sở liệu CASIA-IrisV4: 300 Bảng Kết nhận diện sở liệu CASỈA-lrisV4 Tổng số ảnh chụp camera IriShield™ USB MO 2120:200 é ò ẽ ẽ Bảng 4.4 Kết nhận diện sở liệu chụp từ camera IriShieỉd™ USB M02120 Tổng số ảnh ngoại lớp: 100 79 Bảng Kết nhận diện sở liệu ngoại ỉớp Nhận xét: kết nhận diện sở liệu CASIA-IrisV4 cao sở liệu chụp từ camera IrỉShỉeld™ USB MO 2120, ảnh mắt sở liệu có độ mở mắt to, đồng đều, đặc trung trích đuợc Mắt chụp đuợc từ camera thuờng bị giãn tủ, độ mở mí mắt thay đổi nên đặc trung trích đuợc khơng Cách khẳc phục: tăng số luợng mẫu huấn luyện để tạo nhiều đặc trung đa dạng Tuy nhiên thời gian huấn luyện lâu 80 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Các kết đạt Luận văn thực hệ thống nhận diện mống mắt, tỉ lệ thành công kiểm nghiệm sở liệu 100 người từ nguồn CASIA- IrisV4 chụp từ camera IriShield™ USB MO 2120 Các bước để hoàn thiện hệ thống sau: Mống mắt phân đoạn tự động từ ảnh mắt, nhiễu mí mắt lơng mi loại bỏ Giải thuật phân vùng tự động thực phương pháp Hough Circle Hough Line Hough Circle dùng để tìm đường biên bên biên bên mống mắt Hough Line để phát mí mắt Ngồi ra, dùng giải thuật phân ngưỡng để tách lông mi vùng ánh sáng tương phản Dùng lọc trưng bình để tăng hiệu cho phát cạnh Canny Mống mắt chuẩn hóa để loại bỏ ảnh hưởng khơng đồng kích thước vùng mống mắt Dùng giải thuật Daughman Rubber Sheet dùng để chuẩn hóa Như mống mắt từ hình vành khăn chuẩn hóa hình chữ nhật có kích thước chuẩn hệ tọa độ cực Tiếp theo đặc trưng vùng mống mắt trích giải thuật Local Binary Pattern Giải thuật giảm bớt ảnh hưởng ánh sáng môi trường lên vùng mong mắt Tuy nhiên, kích thước vector đặc trưng lớn (4284), dùng giải thuật Principal Component Analysis để rút gọn vector đặc trưng Trong luận văn này, kiểm nghiệm cho thấy kích thước vector đặc trưng kích thước 40 cho kết tốt Bước cuối cùng: dùng vector đặc trưng huấn luyện mạng thần kinh cho người Dùng mạng thần kinh lớp: lớp vào có 40 tế bào thần kinh, lớp có tế bào thần kinh Sau huấn luyện, mạng thần kinh lưu lại dùng để nhận diện sau 5.2 Hạn chế hướng phát triển đề tài 81 5.2.1 Hạn chế Các bước trình bày luận văn thực cách xác, nhiên có số hạn chế cần phải cải thiện Trước hết bước phân vùng ảnh chưa hồn hảo, chưa thực phân vùng xác hồn toàn hai tập sở liệu Để cải thiện điểm này, cần tìm giải pháp phân ngưỡng linh hoạt cài đặt miền bán kính tìm kiếm cho Hough Circle linh hoạt Thu gọn miền bán kính tìm kiếm cho giải thuật Hough Circle để rút ngắn thời gian phân đoạn mống mắt Các mạng thần kinh chưa nhận diện tốt trường hợp độ mở mắt khơng đều, mắt xoay góc lớn Để cải thiện vấn đề này, cần tăng số mẫu huấn luyện chứa mắt bị xoay góc có độ mở thay đổi Mỗi người huấn luyện mạng thần kinh riêng nên thời gian huấn luyện nhận diện lâu cần nghiên cứu phương pháp mạng thần kinh nhiều ngõ để huấn luyện mạng thần kinh cho tất người Trong luận văn này, sử dụng camera chụp mắt để nhận diện, để nâng cao độ xác nên dùng camera chụp hai mắt để nhận diện Khi nhận diện nhận diện hai mắt, hai mắt xác thực 5.2.2 Hướng phát triển Phương pháp nhận diện mong mắt lựa chọn phương pháp nhận diện khác thực dấu vân tay bị mờ lao động, giọng nói, khn mặt bị thay đổi Tuy nhiên võng mạc bị thay đổi bệnh tiểu đường, tăng nhãn áp, điều dẫn đến kết nhận diện sai Đây phương pháp bảo mật ứng dụng nhiều lĩnh vực có yêu cầu bảo mật cao ngân hàng, quân đội, phủ, nhận diện, xác thực hộ chiếu Ngày nhận diện mống mắt áp dụng mở khóa điện thoại, mở khóa phòng thí nghiệm, ứng dụng hệ thống chấm cơng 82 TÀI LIỆU THAM KHẢO Các báo nước ngoài: [1] Khin Sint Sint Kyaw, “Iris Recognition System using statistical features for Biometric Identification”, 2009 International Conference on Electronic Computer Technology, Feb 2009 [2] Mojtaba Najafi and Sedigheh Ghofrani, “Iris Recognition Based on Using Ridgelet and Curvelet Transform”, International Journal of Signal Processing, Image Processing and Pattern Recognition Vol 4, No 2, June, 2011 [3] S.Hariprasath, V.Mohan, “Biometric Personal Identification Based on Iris Pattern Recognition Using Wavelet Packet Transform”, 2010 Second International conference on Computing, Communication and Networking Technologies, July 2010 [4] L Masek, "Recognition of Human Iris Patterns for Biometric Identification," 2003 [5] Lahouari Ghouti and Fares s Al-Qunaieer, “Color Iris Recognition Using Quaternion Phase Correlation”, 2009 Symposium on Bio-inspừed Learning and Intelligent Systems for Security, Aug 2009 [6] V Saishanmuga Raja, “IRIS Recognition System using Neural Network and Genetic Algorithm”, International Journal of Computer Applications (0975 - 8887) Volume 68- No.20, April 2013 [7] Aditya Nigam, Vamshi Krishna, Amit Bendale and Phalguni Gupta, “Iris Recognition Using Block Local Binary Patterns and Relational Measures”, 2014 IEEE International Joint Conference on Biometrics (IJCB), Oct 2014 [8] Rahib Hidayat Abiyev and Kemal Ihsan Kilic, “Robust Feature Extraction and Iris Recognition for Biometric Personal Identification”, October 21, 2011 [9] Oad Percy Ahmad Waqas, Iris localization using Daugman’s algorithm, Blekinge Institute of Technology, Jan 15, 2002 [10] Heng-Yi Lin ; Jinshiuh Taur ; Chin-Wang Tao, “A New Matching Approach for Local Feature Based Iris Recognition Systems”, 2010 the 5th IEEE Conference on Industrial Electtonics and Applications (ICIEA) 83 123 84 ... liên quan Nhận diện mống mắt so sánh đạc trưng trích từ mống mắt vớỉ đặc trưng lưu sẵn sở liệu Nhận diện mống mắt để tài hấp dẫn phát triền năm gần Đa số phương pháp nhận diện mống mắt gồm bước... Khoa Hệ thống nhận dạng mống mắt tạo thành số mô-đun, tương ứng với giai đoạn nhận dạng mống mắt Các giai đoạn phân vùng - định vị khu vực hình ảnh mống mắt, chuẩn hóa - tạo mẫu đại diện chiều thống. .. người: tập chứa mắt người cần nhận dạng, tập chứa mắt người người cần nhận dạng, đầu mạng thần kinh nhận dạng mắt người cần nhận dạng lưu sở liệu Từ đó, hệ thống tiến hành nhận dạng mống mắt cần kiểm