Thiết kế hệ thống nhận dạng thông tin sinh trắc

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Trần Văn Hùng THIẾT KẾ HỆ THỐNG NHẬN DẠNG THÔNG TIN SINH TRẮC LUẬN VĂN THẠC SĨ KHOA HỌC CHUYÊN NGÀNH ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN NGƯỜI HƯỚNG DẪN KHOA HỌC : PGS TSKH TRẦN HOÀI LINH Hà Nội - 2011 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Trần Văn Hùng THIẾT KẾ HỆ THỐNG NHẬN DẠNG THÔNG TIN SINH TRẮC CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN LUẬN VĂN THẠC SĨ KHOA HỌC CHUYÊN NGÀNH ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN NGƯỜI HƯỚNG DẪN KHOA HỌC : PGS TSKH TRẦN HOÀI LINH Hà Nội - 2011 MỤC LỤC CHƯƠNG 1: GIỚI THIỆU CHUNG CHƯƠNG 2: TỔNG QUAN VỀ NHẬN DẠNG THÔNG TIN SINH TRẮC 2.1 Nhận dạng vân tay .9 2.1.1 Các tính chất vân tay 2.1.2 Hình thức thể đặc tả vân tay .10 2.1.3 Khó khăn gặp phải nhận dạng vân tay 11 2.2 Nhận dạng bàn tay .12 2.2.1 Tổng quan kết ứng dụng 12 2.2.2 Những khó khăn tốn nhận dạng bàn tay cách khắc phục 12 2.3 Nhận dạng mặt người 13 CHƯƠNG 3: PHÂN TÍCH HỆ THỐNG VÀ CƠ SỞ LÝ THUYẾT 15 3.1 Phân tích hệ thống .15 3.2 Cơ sở lý thuyết 16 3.2.1 Đại cương ảnh số xử lý ảnh số Matlab 16 3.2.1.1 Ảnh số 16 3.2.1.2 Xử lý ảnh số sử dụng Matlab 17 3.2.2 Cơ sở lý thuyết nhận dạng vân tay 18 3.2.3 Cơ sở lý thuyết nhận dạng bàn tay 19 3.2.3.1 Nhận dạng bàn tay dựa đặc tính hình học .19 3.2.3.2 Nhận dạng bàn tay dựa đặc tính vân bàn tay 20 3.2.3.3 Mơ hình đề xuất 21 3.2.4 Cơ sở lý thuyết nhận dạng khuôn mặt 22 3.2.4.1 Nhận dạng dựa mối quan hệ phần tử (Feature Based) 22 3.2.4.2 Nhận dạng dựa xét toàn diện khuôn mặt (Appearance Based) 23 CHƯƠNG 4: NHẬN DẠNG VÂN TAY 24 4.1 Trích chọn minutiae cho đối sánh vân tay 24 4.1.1 Chuẩn hóa ảnh đầu vào 25 4.1.1.1 Chuẩn hóa kích thước ảnh 25 4.1.1.2 Cân cường độ sáng ảnh 25 4.1.2 Tăng cường chất lượng ảnh 25 4.1.3 Ước lượng orientation image khoanh vùng ảnh vân tay 27 4.1.3.1 Ước lượng orientation image 27 4.1.3.2 Khoanh vùng ảnh vân tay 28 4.1.4 Trích chọn minutiae .29 4.1.4.1 Nhị phân hóa làm mảnh đường vân 30 4.1.4.2 Phát minutiae .31 4.1.4.3 Ước lượng khoảng cách đường vân 31 4.1.5 Hiệu chỉnh đường vân lọc minutiae sai 32 4.1.5.1 Hiệu chỉnh đường vân lọc minutiae sai cấp 32 4.1.5.2 Lọc minutiae sai cấp hai tạo mã từ minutiae 34 4.2 Phân loại kiểu vân tay 34 4.2.1 Trích chọn đặc tính .36 4.2.2 Tạo vec-tơ đặc tính .37 4.2.3 Khâu phân loại kiểu vân tay .38 4.3 Đối chiếu vân tay để nhận dạng mẫu 39 4.3.1 Khớp mẫu hai mẫu vân tay 40 4.3.2 Đối sánh vân tay 41 CHƯƠNG 5: NHẬN DẠNG BÀN TAY VÀ MẶT NGƯỜI 42 5.1 Tiền xử lý ảnh .42 5.1.1 Ảnh bàn tay 42 5.1.1.1 Phân vùng ảnh .42 5.1.1.2 Tìm điểm đặc biệt 44 5.1.1.3 Dời ảnh quay ảnh .44 5.1.1.4 Loại bỏ phần cổ tay tiến hành chuẩn hóa 50 5.1.2 Ảnh mặt người .52 5.1.2.1 Tách mặt người ảnh số 52 5.1.2.2 Chuẩn hóa ảnh .53 5.2 Trích chọn đặc tính 58 5.2.1 Trích chọn đặc tính ảnh bàn tay 58 5.2.1.1 Phương pháp PCA (Principal Component Analysis) 58 5.2.1.2 Phương pháp ICA (Independent Component Analysis) .60 5.2.1.3 Phương pháp ART (Axial Radial Transform) 63 5.2.2 Trích chọn đặc tính ảnh mặt người 64 *Trích chọn đặc tính phương pháp PCA 65 5.2.2.1 Quá trình học .66 5.2.2.2 Q trình tạo đặc tính 70 5.3 Nhận dạng 70 5.3.1 Nhận dạng bàn tay 70 5.3.2 Nhận dạng mặt người 71 CHƯƠNG 6: KẾT QUẢ TRIỂN KHAI 73 6.1 Nhận dạng vân tay .73 6.1.1 Giao diện 73 6.1.2 Kết nhận dạng .73 6.2 Nhận dạng bàn tay .74 6.2.1 Giao diện 74 6.2.2 Kết nhận dạng 74 6.3 Nhận dạng khuôn mặt 75 6.3.1 Giao diện 75 6.3.2 Kết nhận dạng 76 CHƯƠNG 7: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN .78 7.1 Tổng kết 78 7.1.1 Các kết thu nhận 78 7.1.2 Hạn chế .78 7.2 Hướng phát triển 79 TÀI LIỆU THAM KHẢO 80 DANH MỤC HÌNH ẢNH Hình-2 1: Đóng góp ngành sinh trắc học Hình-2 2: Vân tay thể cấp độ very-fine : sweat pores khoanh tròn, 10 Hình-2 3: Vân tay thể cấp độ global 11 Hình-2 4: Hai dạng minutiae quan trọng 11 Hình-2 5: Một số khó khăn gặp phải nhận dạng bàn tay 13 Hình-3 1: Mơ hình tổng qt khối hệ thống 15 Hình-3 2: Sơ đồ khối phần mềm hệ thống nhận dạng 15 Hình-3 3: Biểu diễn ảnh số 16 Hình-3 4: Tạo mã vân tay 19 Hình-3 5: Một số đặc tính hình học bàn tay 20 Hình-3 6: Vân bàn tay 21 Hình-4 1: Thuật tốn trích chọn minutiae 24 Hình-4 2: Tăng cường ảnh 26 Hình-4 3: Ước lượng orientation image 28 Hình-4 4: Khoanh vùng ảnh vân tay .29 Hình-4 5: Thơng số hai dạng minutiae quan trọng .30 Hình-4 6: Nhị phân hóa làm mảnh đường vân 30 Hình-4 7: Phát minutiae 31 Hình-4 8: Số minutiae phát 33 Hình-4 9: Lọc minutiae 33 Hình-4 10: Các minutiae trích chọn cuối để tạo mã 34 Hình-4 11: Năm kiểu vân tay thực tế 35 Hình-4 12: Sơ đồ khối mơ tả thuật tốn phân loại vân tay 36 Hình-4 13: Phương pháp số Poincaré 36 Hình-4 14: Lấy đặc tính cho phân loại 38 Hình-4 15: Kết định tốn phân loại kiểu vân .38 Hình-4 16: Đối chiếu vân tay dựa sở minutiae 40 Hình-4 17: Khớp mẫu đối tượng 41 Hình-5 1: Quá trình phân vùng ảnh 43 Hình-5 2: Một số điểm đặc biệt đường viền bàn tay 44 Hình-5 3: Tách ngón tay, xác định trục, điểm privot ngón tay 45 Hình-5 4: Chiều dài ngón giữa, độ rộng lịng bàn tay điểm pivot .47 Hình-5 5: Thuật tốn thực hiệu chỉnh điểm pivot 48 Hình-5 6: Xử lý ngón 50 Hình-5 7: Các bước loại bỏ phần cổ tay sử đụng đường xoắn ốc Euler .51 Hình-5 8: Chuẩn hóa góc định hướng ngón tay 51 Hình-5 9: Tách ảnh vân bàn tay 52 Hình-5 10: Quá trình thu thập tách đối tượng khỏi ảnh 53 Hình-5 11: Khối chuẩn hóa ảnh 54 Hình-5 12: Xác định vùng mắt phân tích lược đồ mức xám 54 Hình-5 13: Quá trình đặt ngưỡng tách vùng mắt 55 Hình-5 14: Xác định góc nghiêng khuôn mặt dựa tâm mắt 56 Hình-5 15: Xoay chuẩn đối tượng theo góc α .57 Hình-5 16: Kết cân mức xám 58 Hình-5 17: Số phần tử đường viền lựa chọn điểm mốc 59 Hình-5 18: ICA1 bàn tay thứ i 61 Hình-5 19: ICA2 bàn tay thứ i 62 Hình-5 20: Các phần hàm ART 63 Hình-5 21: Sơ đồ khối trích chọn đặc tính sử dụng PCA .66 Hình-5 22: Chuẩn hóa ma trận ảnh .67 Hình-5 23: Trung bình ảnh tập liệu học 68 Hình-5 24: Khơi phục ảnh từ vec-tơ đặc tính 70 Hình-6 1: Giao diện thực trích chọn đặc tính nhận dạng vân tay 73 Hình-6 2: Giao diện chương trình nhận dạng bàn tay 74 Hình-6 4: Giao diện chương trình nhận dạng mặt người 76 Chương 1: Giới thiệu chung CHƯƠNG 1: GIỚI THIỆU CHUNG Khái niệm sinh trắc học đời từ lâu với hình thức đơn sơ ban đầu điểm Vài thập kỉ gần đây, với phát triển vũ bão khoa học máy tính, sinh trắc học ngày trở nên phong phú, đa dạng với nhiều lĩnh vực ứng dụng thực tế Nhận dạng sinh trắc học ngày ứng dụng cách phổ biến có vị trí quan trọng khoa học nhận dạng, với nhiều lĩnh vực sống đặc biệt an ninh bảo mật Trong phận bật nhận dạng sinh trắc học kể tới là: nhận dạng vân tay; nhận dạng mặt người nhận dạng bàn tay Ngồi kể đến nhận dạng vân mắt; giọng nói, chữ ký … Nhận dạng vân tay xem phận tiên phong phổ dụng nhận dạng sinh trắc học Việc tiến hành thu thập mẫu vân tay tương đối đơn giản so với loại khác Vân tay dùng để nhận dạng thường bị ảnh hưởng nhiều điều kiện thu thập số liệu hình ảnh vân tay khơng trọn vẹn, bị xoay góc, méo hay có nhiều nhiễu… Do việc so sánh trực tiếp hai mẫu vân tay phức tạp khó khăn Do mẫu vân tay cần tiến hành lọc nhiễu, sau tạo mã từ số đặc tính (có thể phân biệt với mẫu khác) nhằm mục đích giải vấn đề xử lý, lưu trữ vân tay với số lượng lớn mà đảm bảo xác Các kỹ thuật nhận vân tay có nhiều Trong tiêu biểu có phương pháp sau: • Sử dụng đặc trưng tương quan hai mẫu Xếp chồng trực tiếp hai mẫu dựa vào tương quan pixel để tính tốn khác hai mẫu • Phát sử dụng điểm nút đặc trưng • Sử dụng đặc trưng đường vân Đường vân mẫu trích khỏi ảnh ban đầu so sánh chúng Trong luận văn này, ta sử dụng phương pháp thứ hai để nhận dạng vân tay Nhìn chung, trình trải qua ba cơng đoạn chính: thu nhận ảnh vân tay (i); trích chọn đặc tính (ii); đối sánh vân tay (iii) Bởi cơng đoạn lại Chương 1: Giới thiệu chung có nhiều biện pháp khác nhau, tùy vào ngữ cảnh vùng ứng dụng khâu thực theo cách thức cụ thể Luận văn sử dụng mẫu chuẩn vân tay FVC200 - liệu chuẩn quốc tế xây dựng phịng thí nghiêm hệ thống sinh trắc, đại học Bologna Trong luận văn, phần nhận dạng vân tay tập trung vào nội dung chính: • Tạo vec-tơ đặc tính cho mục đích phân loại kiểu vân tay cho đối sánh (feature extraction) • Sử dụng điểm đặc tính trích chọn bước trước để đối sánh nhận dạng vân tay (matching) Trong số lĩnh vực sinh trắc học nhận dạng bàn tay lĩnh vực mẻ Mặc dù đạt đến độ tin cậy cao có nhiều ứng dụng thực tiễn nhận dạng vân tay số lĩnh vực nhận dạng sinh trắc học khác so với lĩnh vực nhận dạng sinh trắc học nhận dạng bàn tay có số ưu điểm bật như: cách lấy mẫu tương đối đơn giản thân thiện với người dùng,… Với độ xác tương đối, kết đạt nhận dạng bàn tay chủ yếu ứng dụng mục đích dân quản lý, chấm công hay an ninh nhà máy, văn phịng với quy mơ vừa nhỏ Đây ứng dụng có triển vọng với nhu cầu ngày tăng cao Trong luận văn này, việc tìm hiểu nhận dạng bàn tay khơng nằm ngồi mục đích hướng đến ứng dụng có tính thực tiễn Nội dung chủ yếu tập trung vào trình hệ thống nhận dạng bàn tay bao gồm: Thu thập ảnh, chuyển đổi chuẩn hóa, trích chọn đặc tính nhận dạng Các phương pháp nhận dạng vân tay bàn tay vừa nêu có độ xác cao, nhiên chúng có khó khăn định: • Các hệ thống đòi hỏi người sử dụng phải tiếp xúc trực tiếp với hệ thống, người ý thức nhận dạng • Với hệ thống thẻ xác nhận, người nhận biết yêu cầu phải có thẻ, điều áp dụng với thành viên thường xuyên vào hệ thống Chương 1: Giới thiệu chung • Với hệ thống vân tay,… khơng phải ta lấy mẫu đối tượng • Nhận dạng dựa vào vân tay, bàn tay, thẻ xác nhận,… cách tự nhiên mà người sử dụng để nhận biết Do nhận dạng khuôn mặt quan tâm nghiên cứu Và khơng đạt độ xác cao phương pháp trên, nhận dạng khuôn mặt nhận nhiều quan tâm khoa học số lý sau: • Nó gắn liền với cách mà người nhận biết • Giám sát đối tượng cách kín đáo • Các thuật tốn phức tạp hỗ trợ hệ máy tính có tốc độ cao • … Nhận dạng khn mặt ngoại tuyến có nhiều cơng trình cơng bố thuật tốn có độ xác tương đối cao Tuy nhiên để kết hợp với hệ thống khác nhằm tạo hệ thống nhận dạng trực tuyến hạn chế Hệ thống nhận dạng mặt người trực tuyến mang lại thêm giải pháp kiểm soát an ninh phù hợp với điều kiện mà hệ thống nhận dạng khác không thỏa mãn Luận văn trình bày theo cấu trúc sau: Chương 1: Giới thiệu chung Chương 2: Tổng quan nhận dạng thơng tin sinh trắc Trình bày tổng quan hệ thống nhận dạng sinh trắc học, đặc điểm khối Nêu số kết ứng dụng thực tế khó khăn gặp phải q trình nhận dạng Chương 3: Phân tích hệ thống sở lý thuyết Chương 4: Phân tích thiết kế hệ thống nhận dạng vân tay Chương 5: Phân tích thiết kế hệ thống nhận dạng mặt người bàn tay Chương 6: Các kết triển khai Bao gồm việc tổng hợp chương trình nhận dạng Trình bày số liệu dùng để kiểm tra kết chạy Chương 7: Kết luận hướng phát triển Chương 5: Nhận dạng bàn tay mặt người S = {Γ1 , Γ , Γ , , Γ M } Trung bình N ảnh tính theo cơng thức: Ψ= M M ∑Γ i =1 i Kết thực liệu: Trung bình tập ảnh học Trung bình tập ảnh học Hình-5 23: Trung bình ảnh tập liệu học Sau tính ảnh trung bình ảnh học, ảnh đầu vào so sánh với ảnh trung bình Ảnh chứa điểm khác ảnh đầu vào so với ảnh cịn lại Ta có tập vec-tơ đầu vào sau so sánh với trung bình: A = [Φ1 , Φ , , Φ M ] Φ i = Γi − Ψ, i = 1, M 5.2.2.1.3 Tính eigenface Ma trận Covariance (covariance matrix) thể tương quan vec-tơ vec-tơ lại không gian Cho vec-tơ N chiều X = [ x1 , x2 , , x N ] Y = [ y1 , y2 , , y N ] Ta có tương quan vec-tơ tính theo cơng thức: 68 Chương 5: Nhận dạng bàn tay mặt người N cov( X, Y ) = ∑(x i i =1 − X )( yi − Y) N −1 Nếu hai véc tơ chuẩn hóa trước, ứng với X = 0, Y = , ta có: N cov( X, Y ) = ∑x y i =1 i i N −1 = ( X T ⋅ Y) N −1 Cho tập M vec-tơ N chiều [Φ1 , Φ , , Φ M ] , xếp thành ma trận A kích thước N × M , ta có covariance ma trận A ma trận C có kích thước N × N , phần tử C (i, j ) tính sau: C (i, j ) = cov(Φ i , Φ j ) Vec-tơ riêng (eigenvector) giá trị riêng (eigenvalue) : Cho ma trận vuông C ∈ N ×N , vec-tơ riêng u giá trị riêng λ khi: C⋅u = λ ⋅u Eigenface: Theo lý thuyết, eigenface vec-tơ riêng u ứng với giá trị riêng v có giá trị lớn ma trận covariance: C = M M ∑Φ Φ i =1 i T i = A ⋅ AT Để tính nhanh eigenface này, người ta chuyển sang tính tốn với ma trận L = A T ⋅ A Lựa chọn K vec-tơ riêng v ứng với K giá trị riêng lớn L Ta có cơng thức chuyển đổi: u = A ⋅ v Các giá trị riêng L giá trị riêng C Gọi giá trị riêng L là: λ = {λ1 , λ2 , , λM } xếp theo thứ tự giảm dần K giá trị riêng lớn lựa chọn theo công thức: K ∑λ i =1 i ⎛M ⎞ ≥ ε ⎜ ∑ λi ⎟ ⎝ i =1 ⎠ Trong đó, ε ngưỡng chọn Luận văn lựa chọn ε = 0,97 69 Chương 5: Nhận dạng bàn tay mặt người 5.2.2.2 Q trình tạo đặc tính Cho ảnh đầu vào Γ Trong không gian tạo K eigenface, ảnh Γ thể hệ số ω = [ w1 , w2 , , wK ] tính theo cơng thức sau: ω = ukT (Γ − Ψ ) Trong đó, Ψ trung bình ảnh học tính phần học Trong không gian eigenface này, ảnh Γ′ biểu diễn công thức sau: Γ′ = Ψ + w1 ⋅ u1 + w2 ⋅ u + + wK ⋅ u K Trong u = {u1 , u2 , , u K } eigenface Sai số Γ − Γ′ nhỏ lượng thơng tin bị trích chọn đặc tính nhỏ, điều có nghĩa vec-tơ đặc tính tạo có chất lượng tốt Ảnh đầu vào Ảnh tái tạo từ vec-tơ đặc tính Hình-5 24: Khơi phục ảnh từ vec-tơ đặc tính Từ Hình-5.24 ta thấy, ảnh khơi phục lại từ vec-tơ đặc tính không gian không bị thông tin Từ đánh giá chất lượng vec-tơ đặc tính tạo tốt 5.3 Nhận dạng 5.3.1 Nhận dạng bàn tay Ảnh cần nhận dạng trải qua trình chuyển đổi chuẩn hóa Q trình trích chọn đặc tính ảnh chuẩn hóa cho ta véc tơ đặc tính véc tơ 70 Chương 5: Nhận dạng bàn tay mặt người trở thành đối tượng nhận dạng, đối sánh với véc tơ đặc tính lưu sở liệu đặc tính, cho ta kết nhận dạng Một số phương pháp nhận dạng thường dùng toán nhận dạng là: phương pháp khoảng cách lớn nhất, phương pháp thống kê (dựa lý thuyết Bayes), phương pháp SVM (Support Vector Machine) hay phương pháp dựa vào kỹ thuật mạng Nơ-ron,… Phương pháp nhận dạng sử dụng đồ án đo so sánh khoảng cách véc tơ đặc tính, từ cho kết nhận dạng Đây phương pháp nhận dạng đơn giản lại có nhược điểm thời gian xử lý chậm độ xác khơng cao phương pháp khác Ta có f i f j hai ảnh bàn tay, Fi = {Fi ,k }k =1 , Fj = {F j ,k }k =1 véc tơ đặc K K tính K chiều Một số phép đo khoảng cách sử dụng : K • Hiệu véc tơ theo chuẩn L : d1 ( f i , f j ) = ∑ Fi ,k − F j ,k k =1 K • Hiệu véc tơ theo chuẩn L : d ( f i , f j ) = ∑ Fi ,k − F j ,k k =1 • Arc-cosine góc hai véc tơ đặc tính: d cos ( f i , f j ) = − Fi F j Fi F j , ký hiệu phép nội tích Luận văn lựa chọn phép đo thứ tức đo khoảng cách cosine (thực chất tính arc-cosine) véc tơ đặc tính đầu vào với véc tơ đặc tính lưu sở liệu đặc tính Sau so sánh kết đo với nhau, chọn kết lớn Đối tượng có véc tơ đặc tính sở liệu đặc tính cho kết lớn kết nhận dạng 5.3.2 Nhận dạng mặt người • Đầu vào: Vec-tơ đặc tính ảnh chứa đối tượng cần nhận dạng • Đầu ra: Trả lời đối tượng “đã nhận biết” hay “chưa biết” 71 Chương 5: Nhận dạng bàn tay mặt người Quá trình nhận dạng thực cách so sánh khoảng cách vec tơ đặc tính ảnh cần nhận dạng vec-tơ đặc tính ảnh học, tìm ảnh học gần với ảnh cần nhận dạng Nếu khoảng cách bé bé ngưỡng xác định, ta kết luận đối tượng nhận biết Tập ảnh học S = {Γ1 , Γ , Γ , , Γ M } chiếu vào không gian eigenface, vec-tơ đặc tính ảnh học là: ω1 , ω2 , , ωM Ảnh chứa đối tượng cần nhận dạng Γ , chiếu vào khơng gian eigenface ta vec-tơ đặc tính ω Ta cần tìm ảnh Γ X sở liệu học có khoảng cách ngắn tới đối tượng cần nhận dạng theo công thức sau: ω X = arg ω − ωk ω σ = ωX − ω Nếu σ < ε , đối tượng biết đến, người Γ X sở liệu học Nếu σ ≥ ε , đối tượng chưa biết đến 72 Chương 6:Kết triển khai CHƯƠNG 6: KẾT QUẢ TRIỂN KHAI 6.1 Nhận dạng vân tay 6.1.1 Giao diện Hình-6 1: Giao diện thực trích chọn đặc tính nhận dạng vân tay Giao diện bao gồm phần tử với chức tương ứng sau: • Input Image: hiển thị ảnh load ảnh từ file • Image Process: hiển thị kết q trình trích chọn nhận dạng • Result: hiển thị kết quả: thông tin mẫu vân tay người nhận dạng • Open file: nút thực chức load ảnh từ file • Recognize: nút thực nhận dạng ảnh khối Image • Processing: thực bước q trình trích chọn nhận dạng • Exit: nút thực chức thoát khỏi chương trình 6.1.2 Kết nhận dạng Thực với hai ảnh đầu mẫu (xx_1.tif xx_2.tif) với tất mẫu lại dự liệu (gồm 125 ảnh đánh số xx_3.tif đến xx_7 tif, tổng cộng có 6250 phép thử nghiệm) lấy kết so sánh có score cao 73 Chương 6:Kết triển khai xác đạt 100% Tuy nhiên số liệu cịn có khả mở rộng thêm nên hình thức thể kết minh bạch dải kết xác từ cao đến thấp 6.2 Nhận dạng bàn tay 6.2.1 Giao diện Hình-6 2: Giao diện chương trình nhận dạng bàn tay Giao diện bao gồm phần tử với chức tương ứng sau: • Image: hiển thị ảnh load ảnh từ file • Result: hiển thị kết quả: thơng tin đối tượng nhận dạng • Open file: nút thực chức load ảnh từ file • Recognize: nút thực nhận dạng ảnh khối Image • Exit: nút thực chức khỏi chương trình 6.2.2 Kết nhận dạng Với mẫu gồm 828 ảnh 276 người (mỗi người ảnh), ta dùng ảnh đầu người để thực test kết quả, lại 552 ảnh lại dùng làm mẫu cho 74 Chương 6:Kết triển khai sở liệu đặc tính Mỗi người mẫu có số thứ tự riêng, đánh số từ đến 276 Cho chạy chương trình test với 276 ảnh test theo thứ tự, kết lưu vào file “test1.txt” gồm 276 dịng, dịng ghi hai thơng số “score” kết nhận dạng Nếu kết nhận dạng trùng với số thứ tự ảnh test chương trình nhận dạng đúng, ngược lại nhận dạng sai • Nếu khơng đặt ngưỡng cho “score”: Kết chạy chương trình cho thấy có tất 257 trường hợp nhận dạng đúng, đạt tỉ lệ 93.12% Các trường hợp nhận dạng sai nguyên nhân như: - Ánh sáng ảnh khơng tốt - Vị trí đặt sai lệch nhiều so với hai ảnh mẫu - Các ngón tay để sát - Bàn tay khơng đặt thoải mái - … • Nếu đặt ngưỡng cho “score”: Kết chạy chương trình cho thấy có tất 255 trường hợp nhận dạng đúng, đạt tỉ lệ 92.39% Các trường hợp không nhận dạng ngón tay khép gần nhau, dẫn đến q trình phân vùng ảnh bị lỗi nên khơng nhận dạng Các trường hợp nhận dạng sai tư đặt khơng đúng, gây khó khăn cho q trình chuẩn hóa, dẫn tới làm giảm độ xác q trình nhận dạng 6.3 Nhận dạng khn mặt 6.3.1 Giao diện Giao diện thể với panel chính: • Input Image: hiển thị ảnh đầu vào thực load file ảnh với nút Open File • Control Panel: chứa nút điều khiển chức năng: - Learn Data: thực tạo sở liệu đặc tính cho liệu 75 Chương 6:Kết triển khai - Open File: thực chức load file ảnh - Recognize: thực chức nhận dạng ảnh - Exit: thực chức khỏi chương trình Hình-6 3: Giao diện chương trình nhận dạng mặt người • Comparision Result: Hiển thị ảnh thuộc CSDL gần với ảnh cần nhận dạng nhất, với Comp Index khoảng cách σ tương ứng Comp.Index có màu xanh giá trị σ bé • Recognition Result: Hiển thị kết nhận dạng Nếu giá trị σ bé bé ngưỡng, kết hình ảnh người nhận dạng thơng tin người (tên, tuổi) Nếu giá trị σ bé lớn ngưỡng, kết trả lời unknown face 6.3.2 Kết nhận dạng Với sở liệu mẫu có sẵn có 20 người, người có ảnh, người chọn ảnh học ảnh để test Sau khảo sát, ngưỡng nhận dạng 76 Chương 6:Kết triển khai chọn 100 Do có ảnh học cho người, nên với liệu ta đưa người gần với đối tượng Kết nhận dạng sau: Số ảnh: 60, nhận dạng đúng: 53, tỉ lệ 88,3% Các đối tượng có kết nhận dạng chia trường hợp: • Ảnh dễ nhận dạng: Kết nhận dạng ảnh CSDL học người Giá trị nhận dạng ứng với ảnh tìm nhỏ ngưỡng • Ảnh khó nhận dạng: Giá trị nhận dạng bé nhỏ ngưỡng nhận dạng ảnh CSDL học ứng với giá trị nhận dạng đối tượng Giá trị nhận dạng bé thứ lớn ngưỡng nhận dạng Với trường hợp sai: • Sai hoàn toàn: người ảnh học, kết đưa khơng có trùng với người • Sai vượt ngưỡng: Ảnh ứng với giá trị nhận dạng nhỏ đối tượng cần nhận dạng, nhiên giá trị nhận dạng lại lớn ngưỡng Nguyên nhân dẫn đến kết sai nét mặt tư người chụp ảnh biến đổi nhiều so với ảnh gốc (ví dụ, há miệng, nhăn nhó, ), số ảnh bị sai trang phục người cần nhận dạng 77 Chương 7: Tổng kết hướng phát triển CHƯƠNG 7: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 7.1 Tổng kết 7.1.1 Các kết thu nhận • Đã nắm đại cương xử lý ảnh, biết thuật toán xử lý ảnh • Biết cách phân tích trích chọn đặc tính đối tượng thơng thuật tốn xử lý ảnh • Tìm hiểu phương pháp nhận dạng kết hợp chúng với • Thực đầy đủ thành công bước toán nhận dạng từ ảnh số, sử dụng cơng cụ Matlab • Kết nhận dạng thu đạt độ xác tương đối cao, đặc biệt với mẫu sưu tầm 7.1.2 Hạn chế Tuy đạt kết định khơng tránh khỏi vấn đề cịn tồn tại: • Vấn đề việc xử lý toán phải tiến hành máy tính, dựa vào cơng cụ cồng kềnh Matlab • Một vài phương pháp nhận dạng sử dụng đồ án đơn giản, làm giảm độ xác tốn • Tốc độ xử lý chương trình cịn chậm, nhiều thời gian để nhận dạng xong ảnh • Phần nhận dạng mặt người chương trình tách đối tượng chưa đáp ứng với đối tượng có tư bất kỳ, đối tượng có tóc phủ mắt, trang phục đặc biệt (đeo kính, đội mũ,…) Chưa xử lý hiệu trường hợp nhận dạng sai vượt ngưỡng, trường hợp mà đối tượng có tâm trạng thay đổi mạnh so với mẫu học (cau có, há miệng,…) 78 Chương 7: Tổng kết hướng phát triển 7.2 Hướng phát triển • Đối với phần vân tay, tiếp cận với thuật tốn xử ảnh cơng cụ lọc Gabor nhằm giải vấn đề xử lý ảnh vân tay bị đứt gãy liên tục Tuy nhiên với điều phải giải khó khăn việc ước lượng xác tần số vân tay định hướng cục vân tay • Đối với phần nhận dạng khuôn mặt, giải tồn khả xử lý chương trình với trường hợp thay đổi tư thế, trạng thái cảm xúc đối tượng giảm thiểu ảnh hưởng phục trang • Mở rộng số lượng người cần nhận dạng • “Nhúng” hệ thống xuống vi xử lý, sử dụng máy tính cơng cụ để quản lý lưu trữ • Xây dựng hệ thống thu thập mẫu ảnh hồn chỉnh • Lựa chọn phương pháp nhận dạng tối ưu hơn, nâng cao độ xác tốn • Nâng cao tốc độ xử lý chương trình • Kết hợp đồng thời phần nhận dạng vân tay, bàn tay, mặt người với nhằm tăng độ tin cậy • Đóng gói sản phẩm hồn thiện 79 Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1] Y.Bulatov, S.Jambawalikar, P.Kumar S.Sethia, Hand recognition using geometric classifiers, [2] A.K.Jain and N.Duta, "Deformable matching of hand shapes for verification”, Proc of Int Conf on Image Processing, October 1999 Maltoni D., Maio D., Jain A K., Prabhakar S., Handbook of Fingerprint Recognition, Springer, 2003 [3] Alla Eleyan, Hasan Demirel PCA and LDA based Neural Networks for Human Face Recognition, Eastern Mediterranean University Northern Cyprus, 2007 [4] A.Kumar, D C M Wong, H C Shen and A K Jain, Personal Verification Using Palmprint and Hand Geometry Biometric, Proc of AVBPA, pp 668678, Guildford, UK, June 9-11, 2003 [5] E Yoruk, E Konukoğlu, B Sankur, J Darbon, Shape-Based Hand Recognition, submitted to IEEE Image Processing, 2003 Available at http://busim.ee.boun.edu.tr/~sankur/ [6] Gonzalez R C., Woods R E., Digital Image Processing, 2nd Edition, Prentice Hall 2002 [7] Gonzalez R C., Woods R E., Eddins S L., Digital Image Processing using MATLAB, Prentice Hall 2004 [8] C.C.Han, H.L.Cheng, C.L.Lin, K.C Fan , Personal authentication using palm print features, [9] Hoover J E., The Science of Fingerprints Classification and Uses, United States Department of Justice, 2006 [10] Ilker Atalay – Computer Engineer M.Sc., Face Recognition Using Eigenfaces, Istanbul Technical University , January 1996 80 Tài liệu tham khảo [11] Kamran Etemad ,Rama Chellappa, Discriminant analysis for recognition of human face images, Department of Electrical Engineering and Center for Automation Research, University of Maryland, College Park,Maryland, 1996 [12] Ender Konukoğlu, Erdem rük, Jerơme Darbon Bülent Sankur, ShapeBased Hand Recognition, [13] Y.L.Lay, Hand shape recognition, [14] Lindsay I Smith., A tutorial on Principal Components Analysis, February 26, 2002 [15] A Ross, A prototype hand geometry based verification system, [16] N.Duta, A.K.Jain v K.V.Mardia, Matching of palmprints, [17] Michelle M Mendonỗa , Juliana G Denipote, Illumination Normalization Methods for Face Recognition, Universidade de São Paulo, 2006 [18] Ratha N K., Chen S., Jain A K., Adaptive low orientation based feature extraction in Fingerprint Recognition, Michigan State Univesity, 1995 [19] Park H C., Park H., Fingerprint Classification using Fast Fourier Transform and Nonlinear Discriminant Analysis, University of Minnesota [20] P Campadelli, R Lanzarotti G Lipori, Automatic Facial Feature Extraction for Face Recognition, University of Milan, Italy, 2008 [21] Y Bulatov, S Jambawalikar, P Kumar and S Sethia "Hand recognition using geometric classifiers", DIMACS Workshop on Computational Geometry, Rutgers University, Piscataway, NJ, November 14-15, 2002 [22] Lương Mạnh Bá , Nguyễn Thanh Thủy “Nhập môn xử lý ảnh số”, Đại học Bách khoa Hà Nội, 2000 [23] Phạm Thế Bảo, Nguyễn Thành Nhựt, Cao Minh Thịnh, Trần Anh Tuấn, Phan Phúc Doãn, Tổng quan phương pháp xác định khuôn mặt người [24] D.Zhang, W.K.Kong, J.You, M.Wong, Biometrics - Online palmprint identification, [25] A.Kumar, D.C.M.Wong, H.C.Shen A.K.Jain, Personal Verification Using Palmprint and Hand Geometry Biometric, 81 Tài liệu tham khảo [26] Erdem Yörük, Helin Dutağacı, Bülent Sankur , Hand Biometrics [27] Nguyễn Hồng Việt, [28] Nguyễn Đăng Dũng, [29] Cao Đức Kiên, [30] Các tài liệu Matlab tại: http://www.mathworks.com 82 ... số kết ứng dụng thực tế khó khăn gặp phải q trình nhận dạng Chương 3: Phân tích hệ thống sở lý thuyết Chương 4: Phân tích thiết kế hệ thống nhận dạng vân tay Chương 5: Phân tích thiết kế hệ thống. .. kể tới là: nhận dạng vân tay; nhận dạng mặt người nhận dạng bàn tay Ngồi kể đến nhận dạng vân mắt; giọng nói, chữ ký … Nhận dạng vân tay xem phận tiên phong phổ dụng nhận dạng sinh trắc học Việc... - Trần Văn Hùng THIẾT KẾ HỆ THỐNG NHẬN DẠNG THÔNG TIN SINH TRẮC CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN LUẬN VĂN THẠC SĨ KHOA HỌC CHUYÊN NGÀNH ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN NGƯỜI