CHƢƠNG I : TỔNG QUAN VỀ HỆ THỐNG NHẬN DẠNG VÂN TAY TỰ ĐỘNG
3.6 ỨNG DỤNG KẾT QUẢ NGHIÊN CỨU ĐỂ CẢI TIẾN, BỔ SUNG TÍNH NĂNG
Scan.
Phần mềm này sau khi hoàn thiện, đƣợc đƣa vào phân hệ thu nhận chỉ bản tay của hệ thống C@FRIS (hoạt động của hệ thống C@FRIS đã đƣợc trình bày trong mục III của phần 1), đã bổ sung và cải tiến đƣợc nhiều tính năng mới cho hệ thống:
Bổ sung tính năng phân mảnh vùng in mã vạch và đọc mã vạch:
Ứng dụng phƣơng pháp phân mảnh chỉ bản 10 ngón, ta thu nhận đƣợc vùng chứa mã vạch và vùng đầu chứa thông tin về nhân thân của đối tƣợng . Phần ảnh này cũng đƣợc nén và lƣu cùng cơ sở dữ liệu chỉ bản.
Phần ảnh chứa mã vạch đƣợc dùng để làm đầu vào cho hàm đọc mã vạch tự động . Việc bổ sung chức năng phân mảnh vùng in mã vạch vì vậy sẽ giúp cho phân hệ này thêm một cải tiến mới, đó là đọc số căn cƣớc trên mã vạch của mỗi chỉ bản vân tay một cách tự động vào CSDL.
Bổ sung tính năng phân mảnh 20 ngón trên chỉ bản.
Ứng dụng phƣơng pháp phân mảnh ảnh từng ngón ta c ải tiến đƣợc tính năng nhƣ sau:
Sau khi quét cả chỉ bản vân tay 10 ngón, phần mềm sẽ tự động phân mảnh thô 20 ngón riêng rẽ (gồm 10 ngón vân tay lăn và 10 ngón vân tay ấn) và tiến hành phân mảnh mịn từng ngón để xác định vùng vân quan tâm, vùng biên và nền thừa của ảnh từng ngón. Kết quả đạt đƣợc tốt hơn nhiều so với các ảnh cắt thô đã sử dụng trƣớc đây. Thực tế cho thấy, việc phân mảnh ảnh ngón giúp thu nhỏ kích thƣớc ảnh rất đáng kể (trung bình 1/3), từ đó dẫn đến rút ngắn thời gian xử lý, nâng cao độ chính xác trích chọn các điểm đặc trƣng. Với ảnh đã đƣợc phân mảnh tốt, bộ đặc điểm trích chọn đƣợc cũng có độ tin cậy cao hơn, do đó hiệu năng đối sánh tốt hơn. Với việc đƣa vào ứng dụng phần mềm nhập liệu cải tiến, có tính năng phân mảnh ảnh tự động, năng suất nhập liệu tăng lên đáng kể.
Bổ sung tính năng phân loại tự động theo dạng cơ bản.
Ứng dụng phƣơng pháp nhận biết các dạng vân cơ bản đã đề xuất , ta dễ dàng bổ sung thêm các tính năng quan trọng
- 85 –
+ Nhận biết dạng cơ bản, tính số đếm vân.
+ Tính hệ số chất lƣợng, vùng không xác định trên 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 quyết định thì từ chối và trả lại cho chế độ cắt, định vị tƣơng tác.
Với việc cài đặt bổ sung tính năng nhận biết dạng cơ bản tự động, sau khi quét ảnh, xử lý, phần mềm tự động định vị các tiêu điểm và nhận biết khá chính xác dạng cơ bản. Ngƣời sử dụng chỉ cần kiểm tra, chỉnh sửa đôi chỗ khi cần và lƣu kết quả.
Do không còn phải phân loại và nhập dạng cơ bản một cách thủ công, tốc độ nhập liệu tăng lên rõ rệt. Mặt khác, việc kiểm tra vị trí của các ngón trên chỉ bản sẽ làm tăng thêm độ tin cậy cho bộ 10 các dạng cơ bản của 10 ngón.
Nhƣ vậy nhờ đƣợc cải tiến thêm các tính năng mới, phân hệ C@FRIS Scan đã hoạt động hiệu quả hơn, giảm thiểu đƣợc những sai sót của con ngƣời (do mệt mỏi khi làm việc). Tốc độ thu nhận chỉ bản vân tay đã đạt từ 750 đến 1000 chỉ bản/ngày/máy so với 500 chỉ bản/ngày/máy nhƣ trƣớc đây.
- 86 –
KẾT LUẬN
Qua thời gian làm luận văn tôi đã tìm hiểu và hệ thống hóa một cách tƣơng đối đầy đủ về vân tay và những ứng dụng quan trọng của hệ thống nhận dạng vân tay trong lĩnh vực pháp lý. Sau khi tìm hiểu kỹ về nguyên lý hoạt động cơ bản của các hệ thống nhận dạng vân tay tự động (AFIS) nói chung và sản phẩm C@FRIS nói riêng, cũng nhƣ các vấn để kỹ thuật có ý nghĩa quyết định đến hiệu quả hoạt động của hệ thống, tôi đã lựa chọn đƣợc một hƣớng cụ thể, phù hợp để nghiên cứu giải quyết, đó là xây
dựng thuật toánphân mảnh ảnh chỉ bản 10 ngón, phân loại vân tay tự động, kiểm tra vị trí ngón và cài đặt phần mềm – từ đó đề xuất một số giải pháp cải tiến phân hệ nhập liệu của sản phẩm phần mềm C@FRIS hiện đang đƣợc đƣa vào ứng dụng thực tế tại Công an Hà Nội.
Sau đây là các kết quả chính đạt đƣợc:
1) Đã khảo sát và xây dựng đƣợc thuật toán phân mảnh thô ảnh chỉ bản 10 ngón, phân mảnh mịn ảnh từng ngón, phân loại vân tay và kiểm tra vị trí các ngón trên chỉ bản. Kết quả thu đƣợc đạt độ chính xác cao, loại bỏ đƣợc các bụi bẩn, vùng nền thừa và tiết kiệm trung bình 1/3 dung lƣợng bộ nhớ so với kích thƣớc ảnh phân mảnh theo phƣơng pháp cắt thô chia đều 10 ô cho 10 ngón.
2) Đã khảo sát kỹ và xây dựng đƣợc thuật toán phân loại vân tay tự động theo các dạng cơ bản phù hợp chuẩn ANSI/NIST 2.0. Đã tiến hành cài đặt, so sánh đánh giá với một số kết quả khác và đã thu đƣợc một số kết quả khả quan. Tỷ lệ nhận biết chính xác cao và trong các trƣờng hợp khó quyết định thì trả lại cho lớp từ chối để chuyển sang chế độ tƣơng tác.
3) Không chỉ phân mảnh và nhận biết tự động các dạng cơ bản, giải pháp đề xuất còn giải quyết thành công vấn đề xác định các điểm đặc trƣng quan trọng trên dấu vân tay, đó là các tiêu điểm (tam phân điểm, tâm điểm), số đếm vân, hệ số chất lƣợng ảnh (tỷ lệ vùng vân có hƣớng trên tổng số vùng) và đặc biệt là ảnh nhị phân đã đƣợc làm trơn, khử nhiễu rất tiện lợi cho giai đoạn trích chọn các đặc điểm chi tiết tiếp theo.
4) Các kết quả thu đƣợc nhƣ phƣơng pháp phân đoạn bằng kỹ thuật véc tơ hóa đƣờng biên, phƣơng pháp cải tiến ma trận hƣớng và sử dụng bộ lọc Gabor động kết hợp với quá trình véc tơ hóa đƣờng biên để cho ra ảnh vân tay nhị phân với chất lƣợng cao hơn đã thể hiện đƣợc tính sáng tạo của giải pháp, mang lại hiệu ứng cải thiện chất lƣợng trích chọn tự động các đặc điểm chi tiết và hiệu quả đối sánh ảnh.
5) Mặc dù công việc cài đặt phần mềm, thử nghiệm và cải tiến thuật toán vẫn còn phải tiếp tục cải tiến, song kết quả đã đƣợc Phòng Thí nghiệm Mô phỏng và Tích hợp
- 87 –
hệ thống đánh giá cao và đƣa vào ứng dụng để cải tiến phân hệ C@FRIS Scan. Với việc bổ sung thêm chức năng tự động phân mảnh và nhận biết dạng cơ bản, phân hệ C@FRIS Scan cải tiến có thêm các tính năng mới nhƣ sau:
+ Nhập số căn cƣớc đối tƣợng bằng phƣơng pháp phân mảnh vùng in mã vạch và đọc số căn cƣớc từ mã vạch, thay vì phải nhập thủ công nhƣ trƣớc đây;
+ Tự động phân mảnh, cắt xén lại ảnh chỉ bản của từng ngón. Kích thƣớc ảnh nhờ vậy đƣợc giảm bớt (trung bình 1/3), góp phần tăng tốc độ xử lý nén và tiết kiệm không gian lƣu trữ.
+ Tự động nhận biết dạng cơ bản và chỉ trả lại khoảng 15% trƣờng hợp cần sự can thiệp của con ngƣời.
+ Định vị tự động vị trí tâm điểm, tam phân điểm với độ chính xác cao. Tự động đếm vân và chỉ trả lại 5% các trƣờng hợp chất lƣợng vân tay quá thấp hoặc lăn tay thiếu tam phân điểm.
+ Tự động kiểm tra tính đúng đắn thứ tự, vị trí của các ngón trên chỉ trả lại khoảng 7% trƣờng hợp cần sự can thiệp của con ngƣời.
+ Hiệu năng phân hệ nhập liệu chỉ bản đƣợc nâng lên từ 500 chỉ bản/ngày công lên 1000 chỉ bản/ngày công, tính bình quân cho 1 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 các phương pháp và ứng dụng, NXB Thống kê, Hà Nội.
[3] Nguyễn Ngọc Kỷ (1992), Biểu diễn và đồng nhất tự động ảnh đường nét, tr. 18- 30, Luận án Phó Tiến sĩ Toán-Lý, Viện Tin học, Viện Khoa học Việt Nam, Hà Nội.
[4] Nguyễn Ngọc Kỷ (1997 -1998): Khảo sát lý thuyết và thực nghiệm phương pháp nhận dạng ký tự tiếng Việt theo hướng tiếp cận vec-tơ. Báo các kết quả thực hiện 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 và Điều khiển học, T16, S.1, Hà Nội. [6] Nguyễn Ngọc Kỷ (2000): Dạng điểm và đối sánh dạng điểm, tr.1-6, Tạp chí
Tin học và 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 quả nghiên cứu ứng dụng công nghệ nhận dạng vân tay để tự động hóa các hệ thống căn 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 các tàng thư căn cước công dân, căn cước can phạm phục vụ công tác quản lý và điều tra tội phạm, Toàn văn công 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 3 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.276- 20.
[11] A.K. Jain and N.K. Ratha (1997), ―Object detection using Gabor filters,‖
- 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.