(Luận văn thạc sĩ) nghiên cứu xây dựng thuật toán phân mảnh chỉ bản mười ngón dựa trên kỹ thuật véctơ hóa ảnh đường nét và ứng dụng

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGH NGUYN TH HNG THY nghiên cứu xây dựng thuật toán phân mảnh m-ời ngón dựa kỹ thuật véctơ hoá ảnh đ-ờng nét ứng dụng LUN VĂN THẠC SĨ HÀ NỘI - 2008 -1– MỤC LỤC Lời cảm ơn Lời cam đoan Danh mục bảng biểu Danh mục hình vẽ Mục lục Trang MỞ ĐẦU CHƢƠNG I: TỔNG QUAN VỀ HỆ THỐNG NHẬN DẠNG VÂN TAY TỰ ĐỘNG 1.1 MỘT SỐ KHÁI NIỆM CƠ BẢN 1.2 HỆ THỐNG NHẬN DẠNG VÂN TAY TỰ ĐỘNG 18 1.2.1 Mơ hình hệ thống nhận dạng vân tay tự động 18 1.2.2 Nguyên lý hoạt động hệ nhận dạng vân tay tự động 19 1.3 TÌNH HÌNH NGHIÊN CỨU, ỨNG DỤNG CÁC HỆ THỐNG NHẬN DẠNG VÂN TAY TỰ ĐỘNG TRÊN THẾ GIỚI VÀ NƢỚC TA 27 CHƢƠNG II: PHƢƠNG PHÁP PHÂN MẢNH ẢNH CHỈ BẢN 10 NGÓN, PHÂN LOẠI VÂN TAY VÀ KIỂM TRA VỊ TRÍ CÁC NGĨN 31 2.1 BÀI TOÁN PHÂN MẢNH ẢNH VÂN TAY TỰ ĐỘNG 31 2.1.1 Khái niệm phân mảnh ảnh 31 2.1.2 Bài toán phân mảnh ảnh vân tay tự động 32 2.1.3 Một số giải thuật phân mảnh ảnh 37 2.1.4 Đề xuất thuật toán phân mảnh ảnh dựa sở nhận biết vùng vân 43 2.2 BÀI TOÁN PHÂN LOẠI VÂN TAY TỰ ĐỘNG THEO DẠNG CƠ BẢN 43 2.2.1 Phân loại vân tay 43 2.2.2 Một số phƣơng pháp phân loại vân tay tự động 44 2.2.3 Dạng vân điểm đặc trƣng 46 2.2.4 Điều kiện nhận biết dạng vân 48 2.2.5 Đề xuất phƣơng pháp nhận biết dạng vân dựa số đặc trƣng tổng quát 53 2.2.6 Xây dựng sơ đồ thuật toán phân mảnh 10 ngón phân loại vân tay 54 CHƢƠNG III: LẬP TRÌNH CÀI ĐẶT PHẦN MỀM PHÂN MẢNH CHỈ BẢN 10 NGÓN, PHÂN LOẠI VÂN TAY TỰ ĐỘNG VÀ KIỂM TRA VỊ TRÍ CÁC NGĨN TRÊN CHỈ BẢN 57 -2– 3.1 LẬP TRÌNH CÀI ĐẶT THUẬT TOÁN PHÂN ĐOẠN, PHÂN LOẠI VÂN TAY THEO DẠNG CƠ BẢN VÀ KIỂM TRA VỊ TRÍ NGĨN 57 3.1.1 Phân mảnh 10 ngón 57 3.1.2 Phân mảnh mịn phân loại vân tay tự động 58 3.1.3 Lập trình cài đặt thuật tốn 62 3.2 TÍNH NĂNG ĐẠT ĐƢỢC CỦA PHẦN MỀM 70 3.3 HƢỚNG DẪN SỬ DỤNG PHẦN MỀM 71 3.4 THỬ NGHIỆM VÀ ĐÁNH GIÁ 71 3.5 MỘT SỐ HƢỚNG CẢI TIẾN THUẬT TOÁN 80 3.6 ỨNG DỤNG KẾT QUẢ NGHIÊN CỨU ĐỂ CẢI TIẾN , BỔ SUNG TÍNH NĂNG MỚI CHO PHÂN HỆ THU NHẬN CHỈ BẢN VÂN TAY C@FRIS Scan 84 KẾT LUẬN 86 -3– MỞ ĐẦU Ngày nay, vân tay đƣợc thừa nhận rộng rãi giới nhƣ tin cậy hiệu để truy nguyên danh tính ngƣời Với phát triển mạnh mẽ công nghệ tin học, đặc biệt đời phần mềm nhận dạng truy nguyên vân tay tự động thiết bị đọc vân tay sống, vân tay trở thành phƣơng tiện nhận dạng sinh trắc học thông dụng Ứng dụng truyền thống bật công nghệ nhận dạng vân tay tự động lĩnh vực pháp lý tác dụng khơng thể phủ nhận đƣợc vai trị việc xây dựng hệ thống cƣớc can phạm điều tra tội phạm theo dấu vết trƣờng Tuy nhiên, ngày cơng nghệ truy ngun danh tính ngƣời vân tay vƣợt ngồi khn khổ ứng dụng truyền thống xâm nhập sang nhiều lĩnh vực khác nhƣ: Căn cƣớc công dân, kiểm soát truy cập logic nhƣ xác thực kiểm soát giao dịch thƣơng mại điện tử mạng máy tính, kiểm soát truy cập vật lý nhƣ quản lý cửa khẩu, quản lý thời gian làm việc nhiều loại hình dịch vụ khác cần xác định danh tính ngƣời với độ tin cậy cao Để xây dựng hệ thống nhận dạng vân tay tự động, cần phải giải vấn đề có ý nghĩa mấu chốt khó khăn kỹ thuật đồng vân tay, thuật tốn đối sánh Chúng ta biết việc đối sánh trực tiếp hai ảnh vân tay mang lại kết ảnh vân tay ngƣời qua lần lăn tay sai khác nhạy cảm với thiết bị thu nhận, điều kiện chiếu sáng, vết bụi bẩn, vết bong da, vết sẹo, xê dịch vị trí hay biến dạng q trình lăn tay Hiện có nhiều phƣơng pháp nhận dạng vân tay đƣợc đề xuất để giải vấn đề dựa việc ứng dụng phƣơng pháp xử lý ảnh số nhận dạng Ý tƣởng kinh điển để xây dựng thuật toán nhận dạng vân tay dựa việc mô cách thức phân biệt dấu vân tay giám định viên đƣờng vân Để so sánh hai dấu vân tay, giám định viên tìm cách định vị điểm đặc trƣng chi tiết hay gọi đặc điểm nhƣ điểm cụt, rẽ nhánh (minutia) ảnh vân tay tiến hành đối sánh trực tiếp hai tập đặc điểm chi tiết tƣơng ứng chúng Hiện giới có nhiều thuật tốn đối sánh vân tay đời từ năm 2002, hai năm lần, ngƣời ta lại tổ chức thi kiểm thử thuật toán để đánh giá tiến cơng nghệ Nhìn chung đa số thuật tốn nhận dạng vân tay hoạt động hiệu với chất lƣợng tốt, chẳng hạn thu nhận thiết bị thu nhận vân tay sống (life scanner) Tuy nhiên, thực tế vân tay khô, hay ƣớt, vân tay lăn mực giấy, … thƣờng có chất lƣợng khơng cao nên việc nhận dạng vân tay chất lƣợng cịn tốn nan giải Ở nƣớc ta, Phịng Thí nghiệm Mơ Tích hợp hệ thống Tổng cục Kỹ thuật Bộ Công an đơn vị giải thành công toán nhận dạng -4– vân tay tự động, bƣớc đầu xây dựng đƣợc sản phẩm C@FRIS đƣa vào ứng dụng thực tế đạt kết khả quan Tuy nhiên, để xây dựng đƣợc hệ thống nhận dạng vân tay tự động đủ tin cậy, có khả trích chọn đặc điểm đối sánh với độ xác cao, đạt tốc độ xử lý nhanh CSDL hàng chục triệu bản, cịn có nhiều vấn đề kỹ thuật cần tiếp tục cải tiến Luận văn trình bày số kết thu đƣợc trình nghiên cứu triển khai ứng dụng thực tế công nghệ nhận dạng vân tay tự động C@FRIS đƣợc đƣa vào ứng dụng Ngành Công an, đề xuất số giải pháp nhằm cải tiến, nâng cao hiệu số công đoạn hệ nhận dạng vân tay tự động C@FRIS, bao gồm phần sau: Chương 1: Tổng quan hệ thống nhận dạng vân tay tự động Trong phần báo cáo trình bày khái niệm vân tay, đặc trƣng vân tay hai lĩnh vực ứng dụng quan trọng ngành cảnh sát xác minh danh tính hay truy nguyên cƣớc đối tƣợng điều tra dấu vết trƣờng Tiếp theo , báo cáo trình bày nguyên lý hoa ̣t đô ̣ng thành phần chủ yếu hệ nhận dạng vân tay tự động, có điểm qua số hệ nhận dạng vân tay đƣợc sử dụng phổ biến giới nƣớc Chương 2: Sau phần tổng quan, báo cáo tập trung vào nội dung xây dựng thuật tốn phân mảnh ảnh 10 ngón, phân loại vân tay tự động đối sánh vân tay để kiểm tra vị trí ngón Chương 3: Sau phần xây dựng thuật toán, báo cáo tập trung vào nội dung cài đặt phần mềm phân mảnh ảnh, phân loại vân tay tự động, đối sánh vân tay để kiểm tra vị trí ngón Luận văn tiếp cận hƣớng nghiên cứu quan trọng giải thành công đem lại bƣớc cải tiến đáng kể cho phân hệ nhập liệu tự động, góp phần nâng cao hiệu nhƣ làm phong phú thêm tính hệ thống nhận dạng vân tay tự động C@FRIS nói riêng hệ AFIS nói chung Đây chủ đề liên tục phát triển, đa dạng phức tạp Trong thời gian làm luận văn tốt nghiệp, tơi tìm hiểu tiếp tục hoàn thiện thêm số giải thuật phân mảnh ảnh 10 ngón phân loại vân tay nhằm mục đích cài đặt thƣ viện phần mềm tự động phân mảnh ảnh nhận biết dạng vân Tuy nhiên, q trình cài đặt thực tế, tơi phát tính tốn thêm nhiều đặc trƣng quan trọng khác nhƣ ma trận hƣớng, đƣờng biên, hữu ích cho giai đoạn xử lý trích chọn đặc điểm chi tiết -5– CHƢƠNG I TỔNG QUAN VỀ HỆ THỐNG NHẬN DẠNG VÂN TAY TỰ ĐỘNG 1.1 MỘT SỐ KHÁI NIỆM CƠ BẢN  Chỉ vân tay Vân tay vết lằn tạo nên hoa văn bề mặt da đầu ngón tay, chúng gồm hệ thống đƣờng cong uốn lƣợn vòng mà ta quen gọi dòng đƣờng vân Để thu thập vân tay đối tƣợng, ngƣời ta thiết kế thẻ mẫu dùng để ấn hay lăn đốt ngồi ngón tay sau tẩm mực Một thẻ mẫu đƣợc in vân tay (bằng cách ấn tay lăn tay), đƣợc gọi (Hình 1.1) Hình 1.1: Thẻ vân tay mƣời ngón Thơng thƣờng vân tay mƣời ngón gồm hai loại vân tay: Vân tay lăn (rolled) vân tay ấn (plain) Trong vùng dùng để chứa 10 dấu vân tay 10 ngón tay cần đƣợc thu nhận cách lăn tay, tức đầu ngón tay sau tẩm lớp mực mỏng đƣợc lăn lên giấy để lại vết lăn có độ trải rộng từ gờ móng tay bên sang đến gờ móng tay bên Cịn bốn vùng dƣới dùng để chứa dấu vân tay ấn, bao gồm: dấu vân tay ấn đồng thời ngón tay cái, dấu ấn ngón chụm tay trái dấu ấn ngón chụm tay phải Mặc dù độ trải rộng dấu vân tay ấn khơng rộng dấu vân tay lăn nhƣng thƣờng thể rõ -6– đặc điểm chi tiết đầu mút ngón tay Các vùng vân tay ấn đƣợc dùng để kiểm tra dấu vân tay đƣợc lăn có vị trí hay khơng (a) (b) Hình 1.2: Ảnh mực, (a) ảnh lăn tay, (b) ảnh ấn tay Khi có vân tay đƣợc thu thập, ta cần lƣu ý phân biệt đặc trƣng quan trọng chúng đƣợc thu thập cho mục đích cụ thể thời hay đƣợc thu thập cách bản, theo yêu cầu kỹ thuật để nhập bổ sung vào hệ thống Mặc dù nay, hệ thống thu nhận vân tay sống đƣợc phổ biến rộng rãi, nhƣng vân tay giấy đƣợc sử dụng rộng rãi Các thiết bị thu nhận vân tay sống có ƣu điểm sử dụng công nghệ quang điện tử để thu nhận, số hóa lƣu trữ vân tay cách trực tiếp, không cần giai đoạn trung gian in lên giấy Để thu trực tiếp ảnh vân tay máy thu vân tay sống ta cần ấn đầu ngón tay trực tiếp lên cửa sổ thu nhận máy thực số thao tác điều khiển phần mềm Chất lƣợng ảnh vân tay loại phụ thuộc vào điều kiện thu nhận, ví dụ: chất lƣợng máy, tay hay bẩn, tay khô hay ƣớt, Tuy nhiên, thu nhận trực tuyến nên ta quan sát trực tiếp vân tay đƣợc thu nhận, điều chỉnh đƣợc chất lƣợng ảnh vân tay Hình 1.3: Ảnh thu trực tiếp từ máy thu nhận vân tay sống Ảnh vân tay sống nói chung có chất lƣợng tốt nhiều so với ảnh lăn mực ảnh thu thập từ trƣờng vụ án Tuy nhiên, Ngành Công an nuớc ta, cịn có hệ thống tàng thƣ từ Trung ƣơng đến địa phƣơng với hàng chục triệu giấy nên việc trì hai phƣơng pháp thu nhận vân tay thực tế lâu dài -7–  Dấu vết trường Hình 1.4: Ảnh dấu vết vân tay thu thập từ trƣờng vụ án Khi ngón tay tiếp xúc vào vật để lại dấu vết đƣờng vân lên vật Dấu vết để lại đƣợc gọi dấu vết vân tay trƣờng hay gọi dấu vân tay ẩn chƣa rõ ngƣời để lại Dấu vết đƣợc hình thành lớp mỡ lớp mồ mỏng bề mặt da ngón tay để lại sau ngón tay tiếp xúc với vật thể nhẵn bóng, có tài liệu hay séc toán Dấu vết trƣờng thƣờng đƣợc thu thập xử lý phƣơng pháp hóa lý khác nhằm làm cho chúng lên rõ hơn, dễ quan sát chụp đƣợc ảnh Đặc trƣng dấu vết vân tay trƣờng thƣờng khơng đầy đủ, phần lớn trƣờng hợp để lại dấu vết phần ngón tay, nhiều bị mờ, nhịe, lẫn với vết bẩn bề mặt hoa văn đồ vật Tuy vậy, nhiều trƣờng hợp nhiều đặc điểm chi tiết đủ để xác định xác chủ nhân để lại dấu vết  Cấu trúc ảnh vân tay Ảnh vân tay có cấu trúc bề mặt đặc biệt Một cấu trúc đƣờng vân lý tƣởng bao gồm dòng đƣờng vân dòng đƣờng rãnh chạy xen kẽ nhau, ―song song‖ với nhau, đƣờng vân bị kẹp hai đƣờng rãnh, ngƣợc lại, đƣờng rãnh bị kẹp hai đƣờng vân Hình 1.5: Cấu trúc đƣờng vân Xét mặt kết cấu bề mặt, ảnh vân tay kết cấu có hƣớng Hƣớng hƣớng dòng đƣờng vân Trong ảnh vân tay đa mức xám, xét lân cận, mức xám điểm thuộc đƣờng vân điểm thuộc đƣờng rãnh mặt cắt vng góc với đƣờng vân biến đổi theo dạng hình sin: -8– Hình 1.6: Mức xám ảnh vân tay theo hƣớng trực giao với hƣớng đƣờng vân (V) điểm đƣờng rãnh, (R) điểm đƣờng vân Khi vân tay bị phá hủy, cấu trúc đƣờng vân bị phá hủy theo Tuy nhiên, dù có xuất nhiễu, chuyên gia vân tay khơi phục lại cấu trúc đƣờng vân cách sử dụng hƣớng tính liên tục đƣờng vân để suy diễn, phán đốn Về mặt chất lƣợng, phân chia dấu vân tay thành loại: Vùng có cấu trúc rõ ràng: vùng mà đƣờng vân đƣờng rãnh phân biệt cách rõ ràng với đƣờng vân rãnh khác, việc trích chọn đặc trƣng dễ đảm bảo xác Hình 1.7: Cấu trúc vân tay rõ ràng Vùng bị phá hủy nhƣng khơi phục lại đƣợc: vùng mà đƣờng vân rãnh bị phá hủy số lƣợng nhỏ vết gợn, vết nhòe, , nhƣng xác định vẽ lại đƣợc vùng vân lân cận thơng tin hữu ích cấu trúc đƣờng vân Hình 1.8: Vùng bị phá huỷ nhƣng khơi phục lại đƣợc Vùng bị phá hủy khôi phục đƣợc: vùng mà đƣờng vân đƣờng rãnh bị phá hủy số lƣợng lớn nhiễu Các đƣờng vân đƣờng rãnh xác định đƣợc, vùng lân cận không cung cấp đƣợc thơng tin đáng kể để khơi phục lại cấu trúc đƣờng vân Chúng ta gọi hai loại đầu vùng khơi phục lại đƣợc vùng thứ ba vùng khôi phục lại đƣợc Trong toán nhận dạng vân tay, sử dụng vùng khơi -9– phục đƣợc, vùng khôi phục đƣợc xếp loại ―vùng không xác định‖ Các đặc điểm chi tiết máy phát vùng không xác định thƣờng khơng đƣợc xét đến Hình 1.9: Vùng bị phá huỷ nặng, khôi phục lại đƣợc  Đặc trưng vân tay Quan sát dấu vân tay Hình 1.10, thấy có nhiều hình dạng phong phú, song phân loại chúng theo lớp khác Có lớp đƣờng vân chạy từ phía, đến nhơ lên lại chạy tiếp sang phía bên tạo thành mẫu vân có hình dáng nhƣ cung chồng lên (a) Song có dịng vân sau chạy nhô lên lại quay trở nơi xuất phát ban đầu (b) Lại có dịng đƣờng vân chạy vòng quanh điểm, giống nhƣ dịng nƣớc xốy chảy qua chƣớng ngại vật (c) (a) Hình cung (b) Hình quai (c) Hình xốy Hình 1.10: Một số dạng hình vân thƣờng gặp Để thuận tiện cho phân loại ngƣời ta quy ƣớc với số khái niệm  Đường bao vùng vân trung tâm Vùng vân trung tâm dùng để phân loại vùng vân nằm dấu vân tay đƣợc giới hạn đƣờng bao đƣờng bao dƣới Các đƣờng bao đƣờng vân bao vùng vân trung tâm, đƣợc quy ƣớc cặp đƣờng vân lúc đầu chạy song song với sau đến tam phân điểm bên ngồi (có thể bên trái hay bên phải) chạy tách ra, chạy lên phía trên, chạy xuống phía dƣới bao bọc lấy vùng trung tâm Khi dò theo nét vân, ngƣời ta qui ƣớc gặp điểm cụt, phải - 75 – Ảnh kết quả: + Thu đƣợc tọa độ xác tâm điểm tam phân điểm; + Phân loại xác dạng bản: Xốy thƣờng (Whorl); + Phân mảnh ảnh tốt Kích thƣớc thu nhỏ xuống 544x640 Dung lƣợng 342KB, giảm đƣợc 226 KB (~ 40%) Ví dụ 3: Ảnh đầu vào: + Tên tệp ảnh: 5-RT.bmp; + Kich thƣớc 682x587, dung lƣợng 394 KB; + Chất lƣợng: Khá; Ảnh kết quả: + Thu đƣợc tọa độ xác tâm điểm tam phân điểm; + Phân loại xác dạng bản: Xốy đơi quai (Twin Loop); + Phân mảnh ảnh tốt Kích thƣớc thu nhỏ xuống 552x504 Dung lƣợng 273KB, giảm đƣợc 121 KB (~ 30%) - 76 – Ví dụ 4: Ảnh đầu vào: + Tên tệp ảnh: 00273-LI.bmp; + Kich thƣớc 733x667, dung lƣợng 480 KB; + Chất lƣợng: Trung bình; Ảnh kết quả: + Thu đƣợc tọa độ xác tâm điểm tam phân điểm; + Phân loại xác dạng bản: Cung trồi (Tented Arch); + Phân mảnh ảnh tốt Kích thƣớc thu nhỏ xuống 584x512 Dung lƣợng 293KB, giảm đƣợc 187 KB (~ 40%) - 77 – Ví dụ 5: Ảnh đầu vào: + Tên tệp ảnh: 00273-LM.bmp; + Kich thƣớc 754x664, dung lƣợng 492 KB; + Chất lƣợng: Khá; Ảnh kết quả: + Thu đƣợc tọa độ xác tâm điểm tam phân điểm; + Phân loại xác dạng bản: Quai trái (Left Loop); + Phân mảnh ảnh tốt Kích thƣớc thu nhỏ xuống 552x536 Dung lƣợng 290KB, giảm đƣợc 202 KB (~ 40%) - 78 – 3) Kiểm tra vị trí ngón 10 ngón Khi ảnh 10 ngón đƣợc phân mảnh, ta gọi hàm trích chọn đặc điểm đối sánh để kiểm tra vị trí ngón tay Ta cần lƣu ý rằng, thứ tự ngón tính theo chiều từ xuống dƣới, từ trái qua phải phần 10 ngón lăn là: Hàng trên: 1, 2, 3, 4, Hàng dƣới: 6, 7, 8, 9, 10 1, 2, Còn thứ tự ngón phần 10 ngón ấn là: 10, 9, 8, 7, 6, 3, 4, Các thứ tự dễ dàng nhận biết qua việc xếp tâm hình chữ nhật ngoại tiếp ngón Hình dƣới thể kết nhận biết gán nhãn tƣơng ứng cho cặp ngón tƣơng ứng Quan thử nghiệm hàng nghìn ảnh chất lƣợng trung bình, kết phân mảnh theo phƣơng pháp đề xuất đạt độ xác cao nên đƣợc đƣa vào ứng dụng để cài đặt, nâng cao hiệu phân hệ nhập liệu - 79 – Sau kết kiểm tra tự động vị trí ngón Các chữ số thể nhãn đƣợc gán cho ngón Các nhãn cặp ngón tƣơng ứng với nên sau có vị trí ngón hợp lệ: Tổng hợp, thống kê, đánh giá kết thử nghiệm Bảng dƣới thể kết thử nghiệm thực tế phần mềm phân loại vân tay tự động (nhận biết dạng vân tay), tỉ lệ sai sót nhầm lẫn q trình phân loại (mỡi da ̣ng đƣơ ̣c thử nghiê ̣m 100 mẫu vân tay với chấ t lƣơ ̣ng khác ) Phần mềm đƣợc chuyên gia vân tay của bô ̣ công an nhận định đạt đƣợc kết phân loại với độ xác khoảng 85%, tốc độ cao, hoạt động hoàn toàn tự động đem lại suất cao so với việc phân loại thủ công Ngƣời nhập chỉ cần kiểm tra trƣờng hợp nghi vấn lại thực theo chƣơng trình tự động, nhờ tránh đƣợc nhầm lẫn mệt mỏi, đem lại hiệu lao động cao Việc phân mảnh ảnh đạt đƣợc kết cao, ảnh sau phân mảnh giảm dung lƣợng lƣu trữ từ ⅓ đến ½ lần tùy vào ảnh có vùng nhiều hay Nhƣ q trình trích chọn đặc điểm chi tiết, nhị phân hóa, đối sánh tất trình khác sau giảm nhiều thời gian xử lý giúp đem lại hiệu suất cao - 80 – Các dạng Các dạng Xoáy Quai trái Quai phải Cung thƣờng Cung trồi Xoáy 91.55 3.12 4.80 0.70 0.51 Quai trái 1.02 92.60 0.60 1.67 4.95 Quai phải 1.62 0.00 89.80 1.89 7.50 Cung thường 0.00 0.00 0.93 83.98 15.15 Cung trồi 0.00 2.45 2.13 12.35 84.15 Kết nhận biết Bảng 5: Bảng tổng hợp đánh giá kết phân loại tự động 3.5 MỘT SỐ HƢỚNG CẢI TIẾN THUẬT TOÁN Mặc dù chƣơng trình đạt đƣợc kết tốt ảnh vân tay có chất lƣợng tốt trung bình, nhƣng nhằm nâng cao hiệu chƣơng trình ảnh có chất lƣợng xấu hơn, giảm thiểu trƣờng hợp không phân loại đƣợc phải nhờ đến tƣơng tác ngƣời sử dụng, đề xuất số cải tiến nhƣ sau: Sau tính đƣợc hƣớng pixel ảnh, ta tính hƣớng tổng hợp cho vùng gồm 8x8 pixel Nếu ta tổng hợp hƣớng cho vùng phƣơng pháp tính trung bình hƣớng kết thu đƣợc khơng xác vùng có đƣờng vân bị gai nhỏ có hƣớng vng góc với đƣờng vân (do vết mực bụi bẩn), ta cải thiện khâu phƣơng pháp tìm hƣớng chiếm đa số làm hƣớng đại diện cho toàn vùng Việc cải tiến đem lại hiệu tốt trích chọn tiêu điểm ảnh vân tay có chất lƣợng xấu, nhiều nhiễu Một hƣớng khác cải tiến ma trận hƣớng dùng hƣớng đoạn biên đƣờng vân dò biên ảnh nhị phân thu đƣợc Những đoạn biên đủ dài (trên bƣớc vân) thể rõ nét hƣớng vùng vân qua nên việc xử lý xấp xỉ tuyến tính đoạn đƣờng biên cập nhật hƣớng cho ma trận hƣớng ta thu đƣợc kết ma trận hƣớng tốt từ kết nhị phân hóa lần hai kết nhận dạng tiêu điểm sau cải tiến tốt Sau số kết cải tiến cách tổng hợp hƣớng: - 81 – Ví dụ 1: Kế t qủa chƣa cải tiến: Ta thấy chƣơng trình trƣớc cải tiến khơng trích chọn đƣợc tiêu điểm ảnh có q nhiều nhiễu, khơng thể phân loại đƣợc dạng bản, dễ xày nhầm lẫn dạng cung thường, thực tế ảnh vân tay thuộc dạng xoáy thường Kết sau cải tiến: - 82 – Sau cải tiế n , chƣơng trình trích chọn đƣợc xác số lƣợng vị trí tiêu điểm cần thiết (2 tâm điểm tam phân điểm), từ đƣa đƣợc dạng xác Xốy thường Ví dụ 2: Kế t chƣa cải tiế n : Với trƣờng hợp này, chƣa cải tiến chƣơng trình trích chọn thiếu tiêu điểm (chỉ có tâm điểm tam phân điểm phải tìm thấy tâm điểm tam phân điểm), dẫn đến kết sai phân loại Chƣơng trình đƣa dạng Quai phải, dạng thực tế Xoáy thường Kết sau cải tiến: - 83 – Sau cải tiế n , chƣơng trình trích chọn đƣợc đủ số tiêu điểm cần thiết (2 tâm điểm tam phân điểm), từ đƣa đƣợc dạng xác Xốy thường Ví dụ 3: Kế t chƣa cải tiế n phƣơng pháp: Còn trƣờng hợp này, chƣa cải tiế n, chƣơng trình đƣa đƣợc dạng xác dạng xốy thƣờng, nhƣng thực tế trích chọn sai vị trí tam phân điểm (do ảnh hƣởng vết mực ảnh), gây nhầm lẫn cho trình xử lý sau Kết sau cải tiến: - 84 – Cũng nhƣ trƣờng hợp trên, chƣơng trình sau cải tiế n đạt đƣợc kết xác vị trí tiêu điểm nhƣ dạng (2 tâm điểm tam phần điểm xác, dạng bản: Xoáy thường) 3.6 ỨNG DỤNG KẾT QUẢ NGHIÊN CỨU ĐỂ CẢI TIẾN , BỞ SUNG TÍNH NĂNG MỚI CHO PHÂN HỆ THU NHẬN CHỈ BẢN VÂN TAY C@FRIS Scan Phần mềm sau hoàn thiện, đƣợc đƣa vào phân hệ thu nhận tay hệ thống C@FRIS (hoạt động hệ thống C@FRIS đƣợc trình bày mục III phần 1), bổ sung cải tiến đƣợc nhiều tính cho hệ thống: Bổ sung tính phân mảnh vùng in mã vạch đọc mã vạch: Ứng dụng phƣơng pháp phân mảnh 10 ngón, ta thu nhận đƣợc vùng chứa mã vạch vùng đầu chứa thông tin nhân thân đối tƣợng Phần ảnh đƣợc nén lƣu sở liệu Phần ảnh chứa mã vạch đƣợc dùng để làm đầu vào cho hàm đọc mã vạch tự động Việc bổ sung chức phân mảnh vùng in mã vạch giúp cho phân hệ thêm cải tiến mới, đọc số cƣớc mã vạch vân tay cách tự động vào CSDL Bổ sung tính phân mảnh 20 ngón Ứng dụng phƣơng pháp phân mảnh ảnh ngón ta c ải tiế n đƣợc tính nhƣ sau: Sau quét vân tay 10 ngón, phần mềm tự động phân mảnh thơ 20 ngón riêng rẽ (gồm 10 ngón vân tay lăn 10 ngón vân tay ấn) tiến hành phân mảnh mịn ngón để xác định vùng vân quan tâm, vùng biên thừa ảnh ngón Kết đạt đƣợc tốt nhiều so với ảnh cắt thô sử dụng trƣớc Thực tế cho thấy, việc phân mảnh ảnh ngón giúp thu nhỏ kích thƣớc ảnh đáng kể (trung bình 1/3), từ dẫn đến rút ngắn thời gian xử lý, nâng cao độ xác trích chọn điểm đặc trƣng Với ảnh đƣợc phân mảnh tốt, đặc điểm trích chọn đƣợc có độ tin cậy cao hơn, hiệu đối sánh tốt Với việc đƣa vào ứng dụng phần mềm nhập liệu cải tiến, có tính phân mảnh ảnh tự động, suất nhập liệu tăng lên đáng kể Bổ sung tính phân loại tự động theo dạng Ứng dụng phƣơng pháp nhận biết dạng vân đề xuất , ta dễ dàng bổ sung thêm tính quan trọng + Tính hiển thị kết định vị tâm điểm, tam phân điểm - 85 – + Nhận biết dạng bản, tính số đếm vân + Tính hệ số chất lƣợng, vùng không xác định ảnh + Chuyển đổi ảnh đa cấp xám sang dạng nhị phân chất lƣợng cao để chuyển cho giai đoạn xử lý ‎tiếp theo + Những trƣờng hợp khó định từ chối trả lại cho chế độ cắt, định vị tƣơng tác Với việc cài đặt bổ sung tính nhận biết dạng tự động, sau quét ảnh, xử lý, phần mềm tự động định vị tiêu điểm nhận biết xác dạng Ngƣời sử dụng cần kiểm tra, chỉnh sửa đôi chỗ cần lƣu kết Do khơng cịn phải phân loại nhập dạng cách thủ công, tốc độ nhập liệu tăng lên rõ rệt Mặt khác, việc kiểm tra vị trí ngón làm tăng thêm độ tin cậy cho 10 dạng 10 ngón Nhƣ nhờ đƣợc cải tiến thêm tính mới, phân hệ C@FRIS Scan hoạt động hiệu hơn, giảm thiểu đƣợc sai sót ngƣời (do mệt mỏi làm việc) Tốc độ thu nhận vân tay đạt từ 750 đến 1000 bản/ngày/máy so với 500 bản/ngày/máy nhƣ trƣớc *** - 86 – KẾT LUẬN Qua thời gian làm luận văn tơi tìm hiểu hệ thống hóa cách tƣơng đối đầy đủ vân tay ứng dụng quan trọng hệ thống nhận dạng vân tay lĩnh vực pháp lý Sau tìm hiểu kỹ nguyên lý hoạt động hệ thống nhận dạng vân tay tự động (AFIS) nói chung sản phẩm C@FRIS nói riêng, nhƣ vấn để kỹ thuật có ý nghĩa định đến hiệu hoạt động hệ thống, lựa chọn đƣợc hƣớng cụ thể, phù hợp để nghiên cứu giải quyết, xây dựng thuật tốn phân mảnh ảnh 10 ngón, phân loại vân tay tự động, kiểm tra vị trí ngón cài đặt phần mềm – từ đề xuất số giải pháp cải tiến phân hệ nhập liệu sản phẩm phần mềm C@FRIS đƣợc đƣa vào ứng dụng thực tế Công an Hà Nội Sau kết đạt đƣợc: 1) Đã khảo sát xây dựng đƣợc thuật tốn phân mảnh thơ ảnh 10 ngón, phân mảnh mịn ảnh ngón, phân loại vân tay kiểm tra vị trí ngón Kết thu đƣợc đạt độ xác cao, loại bỏ đƣợc bụi bẩn, vùng thừa tiết kiệm trung bình 1/3 dung lƣợng nhớ so với kích thƣớc ảnh phân mảnh theo phƣơng pháp cắt thô chia 10 ô cho 10 ngón 2) Đã khảo sát kỹ xây dựng đƣợc thuật toán phân loại vân tay tự động theo dạng phù hợp chuẩn ANSI/NIST 2.0 Đã tiến hành cài đặt, so sánh đánh giá với số kết khác thu đƣợc số kết khả quan Tỷ lệ nhận biết xác cao trƣờng hợp khó định trả lại cho lớp từ chối để chuyển sang chế độ tƣơng tác 3) Không phân mảnh nhận biết tự động dạng bản, giải pháp đề xuất cịn giải thành cơng vấn đề xác định điểm đặc trƣng quan trọng dấu vân tay, tiêu điểm (tam phân điểm, tâm điểm), số đếm vân, hệ số chất lƣợng ảnh (tỷ lệ vùng vân có hƣớng tổng số vùng) đặc biệt ảnh nhị phân đƣợc làm trơn, khử nhiễu tiện lợi cho giai đoạn trích chọn đặc điểm chi tiết 4) Các kết thu đƣợc nhƣ phƣơng pháp phân đoạn kỹ thuật véc tơ hóa đƣờng biên, phƣơng pháp cải tiến ma trận hƣớng sử dụng lọc Gabor động kết hợp với q trình véc tơ hóa đƣờng biên ảnh vân tay nhị phân với chất lƣợng cao thể đƣợc tính sáng tạo giải pháp, mang lại hiệu ứng cải thiện chất lƣợng trích chọn tự động đặc điểm chi tiết hiệu đối sánh ảnh 5) Mặc dù công việc cài đặt phần mềm, thử nghiệm cải tiến thuật toán phải tiếp tục cải tiến, song kết đƣợc Phịng Thí nghiệm Mơ Tích hợp - 87 – hệ thống đánh giá cao đƣa vào ứng dụng để cải tiến phân hệ C@FRIS Scan Với việc bổ sung thêm chức tự động phân mảnh nhận biết dạng bản, phân hệ C@FRIS Scan cải tiến có thêm tính nhƣ sau: + Nhập số cƣớc đối tƣợng phƣơng pháp phân mảnh vùng in mã vạch đọc số cƣớc từ mã vạch, thay phải nhập thủ công nhƣ trƣớc đây; + Tự động phân mảnh, cắt xén lại ảnh ngón Kích thƣớc ảnh nhờ đƣợc giảm bớt (trung bình 1/3), góp phần tăng tốc độ xử lý nén tiết kiệm không gian lƣu trữ + Tự động nhận biết dạng trả lại khoảng 15% trƣờng hợp cần can thiệp ngƣời + Định vị tự động vị trí tâm điểm, tam phân điểm với độ xác cao Tự động đếm vân trả lại 5% trƣờng hợp chất lƣợng vân tay thấp lăn tay thiếu tam phân điểm + Tự động kiểm tra tính đắn thứ tự, vị trí ngón trả lại khoảng 7% trƣờng hợp cần can thiệp ngƣời + Hiệu phân hệ nhập liệu đƣợc nâng lên từ 500 bản/ngày công lên 1000 bản/ngày cơng, tính bình qn cho trạm nhập *** - 88 – TÀI LIỆU THAM KHẢO Tiếng Việt [1] Lƣơng Mạnh Bá, Nguyễn Thanh Thuỷ (1998), Nhập môn xử lý ảnh số, NXB Khoa học kỹ thuật, Hà Nội [2] Hoàng Kiếm, Nguyễn Ngọc Kỷ, Bạch Hƣng Khang, Quách Tuấn Ngọc, Lê Tự Thành, Lƣơng Chi Mai (1992), Nhận dạng phương pháp ứng dụng, NXB Thống kê, Hà Nội [3] Nguyễn Ngọc Kỷ (1992), Biểu diễn đồng tự động ảnh đường nét, tr 1830, Luận án Phó Tiến sĩ Tốn-Lý, Viện Tin học, Viện Khoa học Việt Nam, Hà Nội [4] Nguyễn Ngọc Kỷ (1997 -1998): Khảo sát lý thuyết thực nghiệm phương pháp nhận dạng ký tự tiếng Việt theo hướng tiếp cận vec-tơ Báo kết thực đề tài cấp Nhà nƣớc KH 01-07, nhánh OCR, Hà Nội [5] Nguyễn Ngọc Kỷ (2000): Phương pháp biểu diễn cấu trúc ký tự theo hướng tiếp cận vec-tơ, tr.72-79, Tạp chí Tin học Điều khiển học, T16, S.1, Hà Nội [6] Nguyễn Ngọc Kỷ (2000): Dạng điểm đối sánh dạng điểm, tr.1-6, Tạp chí Tin học Điều khiển học, T.16, S.3, Hà Nội [7] Nguyễn Ngọc Kỷ, Nguyễn Thị Hƣơng Thủy, Nguyễn Thanh Phƣơng, Nguyễn Việt Tiệp (9-2004): Kết nghiên cứu ứng dụng công nghệ nhận dạng vân tay để tự động hóa hệ thống cước Kỷ yếu hội nghị CNTT CAND, Hà Nội [8] Nguyễn Ngọc Kỷ, Nguyễn Thị Hƣơng Thủy, Nguyễn Thanh Phƣơng, Nguyễn Ngọc Minh (2008): Hệ thống phần mềm nhận dạng vân tay tự động C@FRIS dùng để tự động hóa tàng thư cước công dân, cước can phạm phục vụ công tác quản lý điều tra tội phạm, Tồn văn cơng trình đăng ký tham dự giải thƣởng sáng tạo khoa học công nghệ Việt Nam, Hà Nội Tiếng Anh [9] A K.Jain, Y Chen, and D.Meltem (2007), ―Pores and ridges: high-resolution fingerprint matching level features‖, IEE Transactions on Pattern Analysis and Machine Intelligence, vol 29, no 1, pp 15-27 [10] A.M.Bazen and S.H Gerez (2001), ―Segmentation of fingerprint images‖, in Proc, ProRISC 2001 Workshop on Circuits, Systems and Signal Processing, pp.27620 [11] A.K Jain and N.K Ratha (1997), ―Object detection using Gabor filters,‖ Pattern Reconigtion, vol 30, no 2, pp 295-309 - 89 – [12] A.M Bazen and S.H Gerez ( Nov 2000), ―Directional field computation for fingerprints based on the principal component analysis of local gradients,‖ in proceedings of ProRISC2000, 11th Annual Workshop on Circuits, Systems and Signal Processing, Veldhoven, The Netherlands [13] A.M Bazen and S.H Gerez (2002), ―Systematic methods for the computation of the directional field and singular points of fingerprints,‖ IEEE Trans PAMI, to be published [14] Barry J Blain (1993), ―An Introduction to Fingerprint Automation‖, Police System Research & Development Group [15] C.L Wilson, G T Candela and C I Watson (1993), ―Neural network Fingerprint classification‖ J Artificial Neural Networks, Vol 1, No 2, pp 1-25 [16] E R Henry (1900), ―Clasification and uses of fingerprint‖, Geogre Rouledge and Sons, London [17] Kalle Karu and Anil K Jain (1995), ―Fingerprint Classification‖, Michigan [18] Lin Hong, Yifei Wan, Anil K Jain (2004), ―Fingerprint Image Enhancement: Algorithm and Performance Evaluation‖, Pattern Recognition and Image Processing Laboratory – Department of Computer Science – Michigan State University, East Lansing, MI 48824 [19] Lin Hong (1998), ―Automatic Personal Identification using Fingerprint Images‖, PhD thesis, Michigan [20] Lin Hong, Anil Jain, Sharath Pankanti and Ruud Bolle (1998), ―Identity Authentication Using Fingerprints‖, Michigan [21] Liu Jinxiang (2000), ―Fingerprint Processing Techniques for Biometric Applications‖, Master thesis, Nanyang Technological University [22] M Kawagoe and A Tojo (1984): ―Fingerprint pattern classification‖, Pattern Recognition, Vol 3, No 4, pp 295-303 [23] J.L Blue, G.T Cancela (1994), ―Evaluation of pattern classifiers for fingerprint and OCR application‖ Pattern Recognition, Vol 27, No 4, pp 485-501 [24] Shlomo Greenberg, Mayer Aladjem, Daniel Kogan and Itshak Dimitrov (1993), ―Fingerprint Image Enhancement using Filtering Techniques‖, Negev, Israel [25] V S Srinivasan, N N Murthy (1992), ―Detection of singular points in fingerprint images‖, Pattern Recognition, Vol 25, No 2, pp 139-153 *** ... 2.1 BÀI TOÁN PHÂN MẢNH ẢNH VÂN TAY TỰ ĐỘNG 31 2.1.1 Khái niệm phân mảnh ảnh 31 2.1.2 Bài toán phân mảnh ảnh vân tay tự động 32 2.1.3 Một số giải thuật phân mảnh ảnh ... [20]  Thuật toán phân mảnh ảnh Liu Jinxiang Liu Jinxiang đƣa giải thuật phân mảnh gồm bƣớc sau đây: - Cải thiện, làm ảnh lọc Gabor - Phân mảnh ảnh dựa ảnh lƣợng ảnh sau lọc Cải thiện ảnh dùng... hạn giải thuật phân mảnh ảnh Liu Jixiang dựa lƣợng ảnh sau lọc Gabor [18], giải thuật phân mảnh dựa biến đổi trƣờng hƣớng ô vuông số tác giả [19], giải thuật phân mảnh ảnh Lin Hong dựa độ chắn