MỤC LỤC Chương 1: GIỚI THIỆU 7 1 1 Sự thiết yếu của nhận dạng bằng ảnh sinh trắc 7 1 2 Lịch sử của vân tay: 7 1 3 Các hệ thống xác thực 9 1 4 So sánh các đ

Bạn đang xem: tai ung dung khoa van tay

Khóa luận Phân tích và phát triển ứng dụng nhận dạng vân tay

MỤC LỤC

Chương 1: GIỚI THIỆU 7

1.1.Sự thiết yếu của nhận dạng bằng ảnh sinh trắc 7

1.2.Lịch sử của vân tay: 7

1.3.Các hệ thống xác thực 9

1.4.So sánh các đặc trưng sinh trắc 10

1.5.Các loại lỗi của hệ thống sinh trắc: 11

1.5.1.Các lỗi của hệ thống xác minh: 12

1.5.2.Các loại lỗi của hệ thống nhận dạng: 16

Chương 2. PHÂN TÍCH VÀ BIỂU DIỄN VÂN TAY 18

2.1.Phân tích cấu trúc vân tay: 18

2.2.Trình diễn hình ảnh vân tay. 19

2.3.Ước lượng hướng vân cục bộ 19

2.4.Ước lượng tần suất vân cục bộ 21

2.5.Tăng cường ảnh: 23

2.6. Phát hiện cụ thể 29

2.7.Lọc cụ thể 32

CHƯƠNG 3:ĐỐI SÁNH VÂN TAY 34

3.1 Đặt vấn đề 34

3.2. Các kĩ thuật dựa độ tương quan 37

3.3. Các phương pháp dựa cụ thể 41

3.4 Các kĩ thuật đối sánh dựa đặc trưng vân 46

3.5 So sánh hiệu năng của các thuật toán đối sánh. 47

Chương 4: CÁC THUẬT TOÁN VÀ THỰC NGHIỆM 49

4.1 Giới thiệu 49

4.2 Các thuật toán được sử dụng. 49

4.2.1 Thuật toán tính hướng vân tay cục bộ. 49

4.2.1.1 Phương pháp. 49

4.2.1.2 Kết quả thực thi. 50

4.2.2 Thuật toán chuẩn hóa ảnh. 50

4.2.2.1 Phương pháp. 50

4.2.2.2 Kết quả thực thi 51

4.2.3 Thuật toán tăng cường ảnh 51

4.2.3.1 Phương pháp 51

4.2.3.2 Kết quả thực thi. 52

4.2.4 Thuật toán tách ngưỡng tự động. 53

4.2.4.1 Phương pháp 53

4.2.4.2 Thực nghiêm phương pháp tác ngưỡng theo cơ chế tìm ngưỡng tự động. 53

4.2.5 Thuật toán tìm xương. 54

4.2.5.1 Phương pháp. 54

4.2.5.2.Kết quả thực thi 57

4.2.6 Tìm kiếm cụ thể. 57

4.2.6.1 Phương pháp. 57

4.2.6.1 Kết quả thực thi: 58

4.2.7 Thuật toán Hough 58

4.2.7.1 Phương pháp. 59

4.2.7.2 Kết quả thực thi. 59

4.2.8 Thuật toán đối sánh vân tay 60

4.2.8.1 Phương pháp. 60

4.2.8.2 Kết quả thực thi. 61

KẾT LUẬN: 63

TÀI LIỆU THAM KHẢO .64

 

 

 

 

 

 

 

65 trang

|

Chia sẻ: maiphuongdc

| View: 2530

| Lượt tải: 23

Bạn đang xem nội dung tài liệu Khóa luận Phân tích và phát triển ứng dụng nhận dạng vân tay, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên

hông nhỏ các ảnh vân tay ( khoảng 10% ) là có chất lượng thấp như trong hình 3.23b và 3.23c.
Hình 2.2: α) ảnh vân tay chất lượng tốt, ɓ) vân tay với các nếp đứt, gãy ¢) Vân tay có rất nhiều nhiễu
Trong nhiều trường hợp, một ảnh vân tay chứa nhiều vùng gồm có cả chất lượng tốt, trung bình và xấu .Nói chung, có vài dạng mất giá trị liên hệ với các ảnh vân tay:
các vân không liên tục,có vài nếp đứt
các vân song song không tách biệt rõ ràng do tồn tại của nhiễu link các vân song song, khiến chúng tách biệt kém
bị cắt, có nếp gấp, hay thâm sẹo
Ba dạng bị vân mất giá trị này làm cho việc trích chọn đặc tính cực kì khó khăn. Chúng dẫn tới các vấn đề sau trong việc trích chọn đặc tính:
Trích chọn các cụ thể sai lệch
Bỏ qua các cụ thể đúng
Gây lỗi về hướng và vị trí của cụ thể
Để đảm bảo hiệu quả tốt trong các thuật toán trích chọn cụ thể trên các ảnh vân tay chất lượng thấp, cần một thuật toán tăng cường để nâng cao sự rõ ràng trong cấu trúc vân.
Một Chuyên Viên vân tay thường có thể nhận dạng đúng đắn các cụ thể bằng cách sử dụng nhiều manh mối nhìn được như hướng vân tay, tính liên tục của vân, xu thế vân…Trong lý thuyết, có thể phát triển một thuật toán tăng cường sử dụng các manh mối nhìn được này để cải tổ chất lượng hình ảnh. Nói chung, với một ảnh vân tay cho trước, các cùng vân tay đã được phân đoạn có thể chia vào ba hạng mục:
Vùng được khái niệm tốt: các vân được phân biệt rõ ràng với các vân khác
Vùng có khả năng phục hồi: các vân bị hư hỏng bởi các đường đứt gãy nhỏ, thâm sẹo… nhưng chúng vẫn có khả năng nhìn được và các vùng xung quanh phân phối thông tin đủ để khôi phục cấu trúc ban đầu của chúng
Vùng không thể phục hồi, nơi các vân bị hư hỏng bởi các nhiễu nghiêm trọng, không có vân nào nhìn thấy được và các vùng xung quanh không cho phép chúng được xây dựng lại
Các vùng chất lượng tốt, có thể phục hồi và không thể phục hồi có thể được nhận dạng qua vài tiêu chuẩn: độ tương phản, tính đầy đủ của hướng, tần suất vân, và các đặc tính cục bộ khác có thể phối hợp để khái niệm chỉ số chất lượng. Mục đích của một thuật toán tăng cường là để cải tổ tính rõ ràng của các cấu trúc vân trong các vùng có khả năng khôi phục và đánh dấu các vùng không thể khôi phục vì quá nhiễu cho các xử lý tiếp theo.
Thông thường,đầu vào của thuật toán tăng cường là một ảnh cấp xám. Đầu ra có thể là ảnh cấp xám hay một ảnh đen trắng, tùy thuộc vào thuật toán. Nhiều kết quả khi sử dụng các phương pháp dàn trải tương phản, thực thi biểu đồ, chuẩn hóa ( Hong, Wan và Jain, 1998 ) và lọc Winer ( Greenberrg et al, 2000 ) đã trổ tài hiệu quả như là bước xử lý trước tiên trong một thuật toán tăng cường ảnh vân tay phức tạp hơn
Phương pháp chuẩn hóa sử dụng bởi Hong, Wan, và Jain ( 1998 ) quyết định giá trị cường độ của mỗi điểm ảnh như:
Trong số đó ɱ và 𝒱 là kì vọng và phương sai ảnh, còn mo và vo là kì vọng và phương sai muốn sau thời điểm chuẩn hóa. Quá trình chuẩn hóa được thực hiện trên từng điểm ảnh ( giá trị của mỗi điểm ảnh chỉ phụ thuộc vào các giá trị trước và một vài tham số toàn cục ) và không làm thay đổi cấu trúc vân. Rõ ràng hơn, chuẩn hóa không làm phủ đầy các đứt gãy nhỏ, các lỗ, hay tách các vân song song bị chạm vào nhau. Hình 2.3 trổ tài một ví dụ:
Hình 2.3: Một ví dụ về chuẩn hoá với m0 = 50 và v0 = 200
Hong, Wan và Jain ( 1998 ) mang ra một phương pháp hiệu quả dựa trên bộ lọc Gabor. Bộ lọc Gabor có các tính chất chọn tần suất và chọn hướng và có độ sắc nét tùy chọn trong cả miền không gian và miền tần số ( Daugman ( 1995 ) và Jain và Farrokhnia ( 1991 ) ). Như đã trong hình 3.28, một bộ lọc Gabor được khái niệm bởi một sóng phẳng hình sin ( đại lượng thứ hai của biểu thức (5 ) hẹp lại bởi một Gauss ( thành phần đầu của (5) ). Một bộ lọc đối xứng hai chiều Gabor có dạng sau:
Trong số đó θ là hướng của bộ lọc, và [xθ, yθ] là ảnh của [x,y] sau thời điểm quay quanh trục Cartesian một góc ( 90o – θ ):
trong biểu thức ở trên, ƒ là tần suất của sóng phẳng hình sin, σx , σy là độ lệch chuẩn Gauss tương ứng xuôi theo trục Ҳ và trục y.
Hình 2.4 :Trình diễn đồ họa của bộ lọc Gabor xác nhận bởi tham số
Để vận dụng các bộ lọc Gabor tới một ảnh,cần xác nhận bốn tham số ( θ, ƒ, σx, σy ) . Tần suất của bộ lọc hoàn toàn được quyết định bởi tần suất vân cục bộ và hướng của bộ lọc được quyết định bởi hướng vân cục bộ. Việc chọn các giá trị σx và σy có thể hoán đổi cho nhau. Nếu chọn giá trị lớn thì bộ lọc sẽ chịu nhiễu nhiều hơn, nhưng lại tạo ra sự nhầm lẫn giữa vân lồi và vân lõm. Trái lại nếu chọn giá trị nhỏ, thì các bộ lọc ít nhầm lần giữa vân lồi và vân lõm nhưng sau đó chúng sẽ ít hiệu quả trong việc loại bỏ các nhiễu. Trong thực tiễn, từ hàmModulation Transfer Function ( MFT ) của bộ lọc Gabor, có thể nhận thấy tăng σx , σy làm giảm dải thông của bộ lọc và trái lại. Dựa trên dữ liệu kinh nghiệm, Hong, Wan và Jain đặt σx = σy = 4. Để làm nhanh quá trình cải tổ, thay vì tính bộ lọc ngữ cảnh thích thống nhất cho mỗi điểm ảnh “on the fly”, một tập Ι = 1…no,j = 1…nf của các bộ lọc được tạo ra và lưu trữ từ trước, trong đó no là số các hướng rời rạc Ι = 1…no và nf là số các tần suất rời rạc j = 1…nf . Sau đó mỗi điểm ảnh [x, y] của ảnh được quấn lại, trong miền không gian, với bộ lọc gij ( Ҳ, y ), với θi là hướng được rời rạc hóa gần nhất với θxy và fj là tần số được rời rạc hóa gần nhất với fxy. Hình 3.29 trổ tài một ví dụ về tập bộ lọc cho n0 = 8 và nf = 3. Hình 3.30 trình bày ứng dụng Gabor dựa trên lọc ngữ cảnh trên các ảnh chất lượng trung bình và thấp:
Hình 2.5: Một trình diễn đồ họa trong một nhóm 24 bộ lọc Gabor ( n0=8 và n1=5) với
=4
Greenberg et al ( 2000 ) đã lưu ý rằng: bằng cách giảm giá trị của σx tương ứng với σy, quá trình lọc tạo ra vài vân sai và dễ bị nhiễu. Trong thực hành, giảm σx gây kết quả tăng dải thông tần suất, độc lập với dải thông góc không đổi; điều này cho phép bộ lọc bỏ qua tốt hơn các lỗi trong ước lượng tần suất cục bộ. Một cách tương tự, giảm σy để tăng dải thông góc như đã nêu ra bởi Sherlok, Monro, và Millard ( 1994 ). Phương pháp của họ tăng dải thông góc gần với các vùng đơn mà các vân được đặc tính hóa bởi đường cong cao hơn và hướng thay đổi nhanh.
Hình 2.6: Các ví dụ của tăng cường ảnh vân tay dựa vào lọc Gabor. Ở bên phải các vùng có khả năng khôi phục đã được tăng cường
Đầu ra của một ảnh chuẩn hóa có thể là một ảnh cấp xám, gần ảnh hai cấp, hay là một ảnh nhị phân, và nói chung phụ thuộc vào các tham số được chọn, khi chọn tập các bộ lọc thích hợp, chỉnh sửa các tham số. Lưu ý rằng, mục đích không phải là phân phối một sự xuất hiện tốt ngoại hình của ảnh nhưng là để làm thuận tiện hơn cho các bước trích họng đặc tính thành công. Nếu các bộ lọc được chỉnh sửa để làm tăng độ tương phản và khử các nhiễu, ước lược điều kiện cục bộ ( hướng và tần suất ) có thể lỗi trên các vùng chất lượng thấp, và qúa trình lọc chỉ phân phối các cấu trúc sai lầm ( Jiang, 2000 ). Ví dụ, một ứng dụng lặp dùng bộ lọc Gabor đã được sử dụng bởi Cappeli, Maio, và Maltoni ( 2000b ) để tạo ra một mẫu vân tay tổng hợp; trong trường hợp này, các bộ lọc sinh ra các mẫu vân hoàn toàn không tồn tại trong thực tiễn.
Nhu cầu của một sự chuẩn hóa hiệu quả rất trọng yếu trong các ảnh vân tay chất lượng thấp, chỉ có các vùng có khả năng khôi phục mang thông tin thiết yếu cho đối sánh. Nói một cách khác, tính toán thông tin cục bộ với tính tin cậy đầy đủ từ các ảnh vân tay chất lượng thấp là một thách thức và rủi ro cao. Để vượt qua vấn đề này, Kamei và Mizoguchi ( 1995 ), Hong ( 1996 ) và Bernard ( 2002 ) đã đề xuất vận dụng toàn bộ tập bộ lọc cho trước tại mỗi điểm của ảnh. Một bộ tuyển áp sau đó được chọn có thỏa mãn tốt nhất trong toàn bộ các thỏa mãn lọc. Trong phương pháp của Kamei và Mizoguchi ( 1995 ), quá trình chọn được thực hiện bằng cách giảm thiểu hóa hàm năng lượng có các tham số yêu cầu hướng và tần suất được làm mượt. Dù sao, không như các phương pháp dựa Gabor khác, thông tin từ phần thực và phần ảo của bộ lọc Gabor còn được sử dụng cho chuẩn hóa ảnh cuối cùng. Nhưng các phương pháp này nhân chập một ảnh với một lượng lớn các bộ lọc nên rất đắt, vì vậy không tìm thấy ứng dụng này trong các hệ thống trực tuyến trong thực tiễn.
2.6. Phát hiện cụ thể.
Hầu như các hệ thống tự động so sánh các vân tay dựa trên đối sánh cụ thể; vì vậy việc trích chọn cụ thể đáng tin cậy là một nhiệm vụ cực kì trọng yếu, nhiều phân tích đã được tiến hành theo phía này. Dù các phương pháp khá khác nhau nhưng hầu như chúng đều yêu cầu ảnh cấp xám vân tay được chuyển vào ảnh nhị phân. Trong các bước chuẩn hóa đã chuẩn bị một số thời kỳ để làm thuận tiện quá trình nhị phân hóa về sau.Một vài thuật toán chuẩn hóa phân phối đầu ra là ảnh nhị phân, vì vậy sự phân biệt giữa chuẩn hóa và nhị phân hóa đôi lúc bị xóa nhòa. Ảnh nhị phân thu được bởi quá trình nhị phân hóa thường được qua thời kỳ làm mảnh làm cho độ dày của đường vân giảm xuống một điểm ảnh ( hình 3.31 ). Cuối cùng qua quá trình quét ảnh cho phép phát hiện các điểm ảnh tương ứng với các cụ thể.
Hình 2.7: α)ảnh cấp xám của một vân tay, ɓ) ảnh thu được khi nhị phân hóa ảnh α), ¢)ảnh thu được khi làm mảnh ảnh ɓ).
Vài tác giả mang ra các phương pháp trích chọn cụ thể làm việc trực tiếp trên các ảnh cấp xám mà không cần nhị phân hóa và làm mảnh. Lựa chọn này được mang ra do các điều kiện sau:
Tập các thông tin trọng yếu có thể bị mất trong quá trình nhị phân hóa
Nhị phân hóa và làm mảnh rất mất thời gian; Làm mảnh có thể mang ra một lượng lớn các cụ thể sai lệch
nếu thiếu bước chuẩn hóa, hầu như các kĩ thuật nhị phân hóa không phân phối các kết quả tốt khi vận dụng với các ảnh chất lượng thấp.
Phương pháp dựa nhị phân hóa
Vấn đề chung của nhị phân hóa được phân tích rộng rãi trong xử lý ảnh và nhận dạng mẫu. Phương pháp đơn giản nhất sử dụng ngưỡng toàn cục t và được thực hiện bằng cách thiết lập các điểm ảnh có cấp xám nhỏ hơn t về 0 và các điểm ảnh sót lại về 1. Nói chung, các phần khác nhau của ảnh có thể được đặc tính hóa bởi độ tương phản và cường độ khác nhau, vì vậy một ngưỡng đơn là không đủ để nhị phân hóa đúng đắn. Vì lí do này, kĩ thuật ngưỡng cục bộ thay đổi t một các cục bộ, bằng cách điều chỉnh giá trị của nó theo cường độ cục bộ trung bình. Trong trường hợp ảnh vân tay chất lượng thấp, phương pháp ngưỡng cục bộ không phải lúc nào cũng đảm bảo một kết quả chấp thuận được, và các phương án nhất là thiết yếu.
Với mục đích cải tổ chất lượng ảnh nhị phân, vài nhà phân tích giới thiệu các kĩ thuật chính quy phủ đầy các lỗ, lọa bỏ các đứt gãy nhỏ, lọa bỏ các cầu giữa các vân. Coetzee và Botha ( 1993 ) xác nhận các lỗ và sơ hở bằng cách theo dõi các đường vân từ các cửa sổ điều hợp và loại bỏ chúng bằng cách sử dụng thuật toán màu-blob. Hung ( 1993 ) sử dụng kĩ thuật lọc điều hợp để cân đối độ rộng vân.
Một khi ảnh xương đã thu được, một bước quét ảnh đơn giản cho phép phát hiện các điểm ảnh tương ứng với các cụ thể: trong thực tiễn các điểm ảnh tương ứng với các cụ thể được đặc tính hóa bằng số điểm đi qua. Số điểm đi qua cn( ρ ) của một điểm ảnh ρ trong ảnh nhị phân được xác nhận bằng một phần hai tổng các sai khác giữa các cặp điểm ảnh trong 8 lân cận của ρ
Trong số đó p0, p1…p7 là các điểm ảnh láng giềng lân cận của điểm ảnh ρ và val( ρ ) thuộc { 0, 1 } là giá trị của điểm ảnh. Điểm ρ là:
là điểm vân trung gian nếu cn(ρ) = 2
là điểm kết thúc nếu cn(ρ) = 1;
là các cụ thể phức tạp hơn ( điểm rẽ nhánh, điểm giao cắt.. ) nếu cn(ρ) >=3;
Hình 2.8 trổ tài hai ví dụ của quá trình trích chọn đặc tính từ ảnh nhị phân
Hình: Các ví dụ về phát hiện cụ thể trên xương. Các vòng tròn màu trắng và các hộp trắng tương ứng là điểm kết thúc và điểm rẽ hai; Các vòng tròn màu đen và các hộp màu đen tương ứng là các cụ thể đã được lọc
2.7.Lọc cụ thể
Để phát hiện các cụ thể sai làm tác động đến các ảnh vân tay nhị phân được làm mảnh, có thể sử dụng vài luật cấu trúc đơn giản. Xiao ( 1991b) xác nhận hầu như các cấu trúc cụ thể sai và mang ra phương pháp loại bỏ chúng. Thuật toán sử dụng dựa trên các luật, yêu cầu các đặc tính số học liên quan đến các cụ thể: chiều dài các vân liên quan ( s ), góc cụ thể, và số các cụ thể đối mặt sát bên trong lân cận.
Hình2.9: Các cấu trúc sai cơ bản ( hàng trước tiên ) và cấu trúc sau thời điểm sửa lỗi ( hàng thứ hai )
Farina, Kovacs-Vajina, và Leone ( 1999 ) đã mang ra vài luật và thuật toán tiền xử lý cụ thể.
Các cầu bị loại bỏ khi nhìn nhận chúng trong một điểm chẻ hai sai, chỉ có hai nhánh được canh chỉnh, còn nhánh thứ ba thường vuông góc với hai nhánh sót lại
Các vân quá ngắn được loại bỏ dựa vào khi so sánh chiều dài vân với khoảng cách trung bình giữa các vân
Các điểm kết thúc và rẽ hai được xác minh: chúng được loại bỏ nếu không thỏa mãn tính hình học topo
Hình 2.10: Tiền xử lý cụ thể theo phương pháp của Farina, Kovacs-vajina, và
Leone( 1999). Ở ảnh bên phải, hầu như các cụ thể sai đã bị loại bỏ từ ảnh
ảnh vân bên trái
CHƯƠNG 3:ĐỐI SÁNH VÂN TAY
3.1.Đặt vấn đề
Một thuật toán đối sánh vân tay so sánh hai vân tay cho trước và trả về độ tương tự ( không làm mất tính tổng quát, có giá trị giữa 0 và 1 ) hoặc một quyết định hai ngôi ( khớp hoặc không khớp ). “Chỉ một vài thuật toán hoạt động trực tiếp trên ảnh vân cấp xám; hầu như chúng yêu cầu một trình diễn vân trung gian được dẫn xuất qua gia đoạn trích chọn đặc trưng (đề cập đến ở chương 3 ). Không làm mất tính tổng quát, từ đây về sau tất cả chúng ta kí hiệu trình diễn của vân tay có được qua quá trình tuyển chọn như là mẫu ( Ƭ ) và trình diễn của vân tay được đối sánh như là đầu vào ( Ι ). Trong trường hợp không có thời kỳ trích chọn đặc trưng, trình diễn vân tay đồng nhất với chính ảnh cấp xám vân tay.Tất cả chúng ta kí hiệu cả ảnh vân tay và các vector đặc trưng ảnh ( như các cụ thể ) là Ƭ và Ι
Trích chọn đặc trưng vân tay và các thuật toán đối sánh khá giống nhau cho các bài toán nhận dạng và xác minh vân tay. Bới vì bài toán nhận dạng vân tay ( tìm kiếm một vân tay đầu vào trong một DataBase có и vân tay ) có thể được thực hiện như là thực hiện tuần tự đối sánh một – một ( xác minh ) giữa các cặp vân tay. Sự phân loại vân tay và các kĩ thuật đánh chỉ số thường được sử dụng để tăng vận tốc tìm kiếm trong các bài toán nhận dạng vân tay.
Đối sánh hai ảnh vân tay là một bài toán cực kì khó, hầu hết do sự thay đổi dấu in của cùng một vân tay. Các yếu tố chính làm các dấu in khác nhau được tổng kết dưới đây:
Sự đổi chỗ: một ngón tay có thể đặt ở các vị trí khác nhau trên bộ cảm ứng làm tịnh tiến ảnh vân tay. Một ngón tay thay đổi chỉ 2mm làm tịnh tiến khoảng 40 điểm ảnh trong cùng một vân tay được quét ở độ sắc nét 500dpi
Sự quay: cùng một vân tay có thể quay ở các góc khác nhau trên mặt phẳng bộ cảm ứng. Mặc dù bộ hướng dẫn ngón tay được gắn trên các máy quét thương mại, nhưng trong thực tiễn tồn tại sự quay không cố ý lên tới +-20 độ theo chiều dọc.
Sự chồng chéo từng phần: sự đổi chỗ và sự quay vân tay thường làm cho một phần vân tay bị đổ ra ngoài vùng nhìn thấy của bộ cảm ứng, kết quả là xuất hiện sự chồng chéo giữa các vùng cận cạnh của mẫu vân vàcác vân tay đầu vào
Sự nhiễu phi tuyến: liên quan tới việc ánh xạ hình ảnh ba chiều sang hình ảnh hai chiều trên mặt phẳng bộ cảm ứng. Ánh xạ này gây ra nhiễu phi tuyến trong việc đọc vân tay do sự mềm dẻo của ngón tay. Thông thường, các thuật toán đối sánh vân tay không quan tâm đến các đặc tính như ánh xạ, và xem một ảnh vân tay là không bị nhiễu bằng cách cho rằng: ảnh vân tay được phân phối khi người dùng đặt đúng vị trí ngón tay;
1.-Tiếp cận ngón tay vuông góc với bộ cảm ứng
2.-Khi ngón tay chạm mặt phẳng bộ cảm ứng, người dùng không ấn mạnh hay xoắn ngón tay
Do sự mềm dẻo của mặt phẳng da,các phần lực không vuông góc với mặt phẳng bộ cảm ứng gây ra các nhiễu không tuyến tính ( nén lại hay kéo dãn ra ) trong quá trình lấy vân. Nhiễu làm mất khả năng đối sánh các vân tay như là các mẫu cứng
Điều kiện căng thẳng và da: cấu trúc các vân của một vân tay có thể thu được đúng đắn nếu như phần ngón tay được lấy ảnh tiếp xúc đúng quy cách với mặt phẳng bộ cảm ứng. Một số điều kiện như căng thẳng ngón tay, ngón tay khô, bệnh ngoài da, ướt, bẩn, độ ẩm không khí – gây ra sự tiếp xúc không đúng quy cách. Hệ quả là, ảnh vân tay lấy được rất nhiễu và mức độ các nhiễu này phụ thuộc vào mức độ các nguyên nhân nêu trên;
Các lỗi trích chọn đặc trưng: các thuật toán trích chọn đặc trưng là không hoàn hảo và thường có các lỗi số đo. Các lỗi có thể tạo ra ở trong bất kì thời kỳ nào trong quá trình trích chọn đặc trưng ( ví dụ: ước lượng ảnh hướng và tần suất, phát hiện số lượng, dạng, vị trí các vùng đơn, phân đoạn vùng vân tay từ nền..).
Cặp ảnh trong hình 3.1 trổ tài tính thay đổi cao có thể đặc tính hóa hai vết hằn khác nhau của cùng một ngón tay
Hình 3.1: Các dấu vân tay thu được của cùng một ngón tay không đối sánh được với nhau do nhiễu phi tuyến ở cặp trước tiên và do các điều kiện da ở cặp thứ hai bên dưới
Các ảnh vân tay từ các ngón tay khác nhau có thể xuất hiện khá giống nhau ( tính thay đổi thấp ), đặc biệt trong cục diện cấu trúc tổng thể ( vị trí các vùng đơn, hướng vân cục bộ…) Mặc dù khả năng một lượng lớn các cụ thể từ các vết ấn của hai vân tay khác nhau có thể so khớp là cực kì nhỏ , những người đối sánh vân tay hướng tới việc sử dụng các phép canh chỉnh tốt nhất. Họ thường xuyên có ý định khai báo các cặp cụ thể so khớp thậm chí ngay cả khi chúng không trùng khớp hoàn hảo.
Một lượng lớn các thuật toán đối sánh vân tự động đã được đề xuất trong các tài liệu nhận dạng mẫu. Hầu như các thuật toán này không gặp khó khăn trong đối sánh các ảnh vân tay chất lượng tốt. Nhưng trong đối sánh vân tay tồn tại thách thức ở các ảnh chất lượng thấp và vấn đề đối sánh từng vùng vân tay. Trong trường hợp hệ thống trợ giúp nhân loại AFIS, một thuật toán xác minh chất lượng được sử dụng để chỉ lấy và chèn vào DataBase các ảnh vân tay tốt. Hơn nữa, quá trình xử lý các mẫu vân khó có thể được quản lý. Dù sao, sự can thiệp là không thể trong các hệ thống nhận dạng trực tuyến tự động-những hệ thống này đang có nhu cầu ngày càng tăng trong các ứng dụng thương mại
Thống kê các lỗi không đối sánh sai xuất hiện nhiều trong các thuật toán đối sánh tham gia vào FVC2000 cho thấy hầu như các lỗi được tạo ra trên 15-20% các ảnh vân tay chất lượng thấp. Nói một cách khác, 20% mẫu trong DataBase phụ trách cho khoảng 80% các lỗi không-đối sánh sai. Vài nâng cấp trong công nghệ nhận dạng vân tay được minh chứng sau đó hai năm ở FVC2002, nơi mà vài thuật toán được mang ra đối sánh đúng nhiều ảnh vân tay chất lượng thấp. Tuy vậy vẫn có nhu cầu tiếp tục phát triển các hệ thống mạnh có khả năng làm việc với các ảnh vân tay chất lượng thấp.
Các phương pháp đối sánh vân tay có thể được phân loại thô vào ba họ:
Đối sánh dựa độ tương quan: Hai ảnh vân tay được đặt chồng lên và độ tương quan giữa các điểm ảnh tương ứng được tính với sự canh chỉnh khác nhau ( ví dụ với các vị trí và độ quay khác nhau ). Các kĩ thuật dựa độ tương quan được mô trả trong phần 4.2
Đối sánh dựa vào cụ thể: Đây là kĩ thuật thông dụng nhất và được sử dụng rộng rãi nhất.Cụ thể được trích chọn từ hai vân tay được lưu giữ như là tập các điểm trong một mặt phẳng hai chiều. Đối sánh dựa cụ thể cơ bản bao gồm tìm kiếm sự canh chỉnh giữa tập cụ thể mẫu và tập cụ thể đầu vào dẫn tới sự so khớp lớn nhất các cặp cụ thể.
Đối sánh dựa đặc tính vân: trong các ảnh vân tay chất lượng thấp, việc trích chọn cụ thể rất khó khăn. Khi các đặc trưng khác của mẫu vân tay ( ví dụ: hướng và tần suất cục bộ, hình dạng vân, thông tin kết cấu ) có thể được trích chọn một cách tin cậy hơn cụ thể, sự khác biệt của chúng là không cao. Các phương pháp thuộc họ này so sánh các vân tay với các đặc trưng được trích chọn từ các mẫu vân. Về nguyên lý, đối sánh dựa độ tương quan và đối sánh dựa vào cụ thể có thể xem như là một phần của đối sánh dựa đặc trưng vân, theo cách hiểu mật độ điểm ảnh, vị trí cụ thể là nhưng đặc trưng của mẫu vân ngón tay
Nhiều kĩ thuật khác cũng từng được đề xuất chính thức, về nguyên lý, có thể được xếp vào các họ trên theo các đặc trưng được sử dụng, nhưng tất cả chúng ta đề cập để phân loại chúng tách biệt trên nền tảng các kĩ thuật đối sánh. Chúng bao gồm các phương pháp dựa mạng thần kinh và các phấn đấu thực hiện đối sánh vân sử dụng các CPU song song hoặc với các thiết kế dành riêng khác
3.2. Các kĩ thuật dựa độ tương quan
Để Ƭ và Ι là hai ảnh vân tay tương ứng với vân tay mẫu và vân tay đầu vào. Một số đo trực quan về sự phong phú ( SSD ) được tính bằng tổng các bình phương khác nhau của các cường độ các điểm ảnh tương ứng:
SSD(Ƭ,Ι) = ||Ƭ-Ι||2 =( Ƭ-Ι )Ƭ(Ƭ-Ι) = ||Ƭ||2 + ||Ι||2 -2TTI (1)
Trong số đó chỉ số trên Ƭ kí hiệu sự hoán vị của một vector. Nếu ||Ƭ||2 và ||Ι||2 là hằng số, sự phong phú giữa hai ảnh được tối thiểu khi độ tương quan ( CC )) giữa Ƭ và Ι được cực đại
CC(Ƭ,Ι ) = TTI. (2)
Đại lượng -2.CC(Ƭ,Ι ) xuất hiện như là đại lượng thứ ba của biểu thức (1). Độ tương quan chéo ( hay gọi đơn giản độ tương quan ) là độ đo tính tương tự giữa hai ảnh. Do sự đổi chỗ và sự quay là không thể tránh khỏi, đặc tính vết ấn của một ngón tay cho trước, tính tương tự giữa chúng không thể đơn giản được tính bằng cách đặt chồng Ƭ và Ι và vận dụng biểu thức (2).
Kí hiệu Ι(∆Ҳ,∆y,) trổ tài một sự quay của ảnh đầu vào Ι bởi một góc quanh điểm đầu ( thường là trung tâm ảnh ) và dịch một đoạn ∆Ҳ., ∆y xuôi theo trục Ҳ và y; khi đó độ tương tự giữa hai ảnh Ƭ và Ι có thể được đo như sau:
Ş(Ƭ,Ι) = max CC(Ƭ, Ι(∆Ҳ,∆y,)). (3)
Ứng dụng trực tiếp của đẳng thức (3) ít khi dẫn tới các kết quả chấp thuận được hầu hết là do các vấn đề sau:
Các nhiễu phi tuyến làm cho các vết ấn của cùng một ngón tay khác nhau trong cấu trúc toàn cục; Sự nhiễu mềm dẻo không thay thế mẫu vân tay ở các vị trí cục bộ, nhưng các hiệu ứng của nhiễu được tích hợp trong không gian ảnh, mẫu vân tay toàn cục không thể được tương quan một cách đáng tin cậy
Điều kiện da và căng thẳng ngón tay làm cho độ sáng, độ tương phản, độ giày vân thay đổi trong các vết ấn khác nhau. Sử dụng các số đó độ tương quan phức tạp hơn như độ tương quan chéo được chuẩn hóa hay độ tương quan chéo được chuẩn hóa 0-Trung bình có thể bỏ qua sự thay đổi độ sáng, độ tương phản để vận dụng các bước tăng cường ảnh, nhị phân hóa và làm mảnh ( thực hiện trên cả ảnh Ƭ và Ι ) có thể hạn cơ chế dày vân. Hatano ( 2002 ) đã mang ra giả thuyết sử dụng độ tương quan khác nhau, được tính như là độ tương quan lớn nhất trừ đi độ tương quan nhỏ nhất, trong một lân cận điểm nơi mà độ tương quan là lớn nhất. Trong thực tiễn, do tính chu kì của các mẫu vân tay, nếu hai phần tương ứng của cùng một vân tay không được canh chỉnh tương ứng với vị trí đối sánh tối ưu, giá trị độ tương quan hạ thấp trong lúc hai vị trị không tương quan trổ tài một giá trị tương quan phẳng hơn trong lân cận của vị trí so khớp tối ưu. Hantano đã giải trình một sự cải tổ độ đúng đắn tương ứng với phương pháp độ tương quan truyền thống
Để ứng dụng trực tiếp biểu thức (3) đòi hỏi ngân sách rất lớn. Ví dụ xem xét hai ảnh 400×400, sau đó sự tính toán độ tương quan ở đẳng thức (2) cho một giá trị đơn của ( ∆Ҳ,∆y, ) yêu cầu 16000 phép nhân và 16000 phép cộng. Nếu ∆Ҳ, ∆y cả hai được lấy mẫu trong miền [-200, 200] và được lấy mẫu từng 1 độ trong miền [-30o, 30o] tất cả chúng ta phải tính 401x401x61 độ tương quan, kết quả là gần 1569 tỉ phép nhân và phép cộng ( vậy là cần hơn 1h với PC 500MIPS )
Vấn đề nhiễu ảnh vân tay ( điểm 1 trong danh sách trên ) thường được đề ra khi tính độ tương quan cục bộ thay vì toàn cục: một tập các miền cục bộ ( mà cỡ điển hình có thể là 24×24 hoặc 32×32 ) được trích chọn từ ảnh mẫu Ƭ và mỗi chúng được tương quan độc lập với toàn thể ảnh đầu vào Ι ( Bazen 2000 ). Các miền cục bộ có thể được Ҳ bằng vài cách:
Hợp của chúng hoàn toàn che phủ Ƭ và giao của chúng là rỗng
hợp của chúng hoàn toàn che phủ Ƭ và chúng cục bộ đè chồng
Chỉ các vùng “thú vị” được lựa chọn từ Ƭ. Ví dụ, Yahagi, Igaki.. chọn các cửa sổ nhỏ quanh các cụ thể, trong lúc Bazen ( 2000 ) xem xét các miền được chọn phân biệt cục bộ trên ảnh đầu vào( thích hợp ở vị trí bên phải, nhưng không phù phù hợp với các vị trí khác ). Các hạng mục được mang ra bởi Bazen để nhận dạng các vùng được chọn này trong ảnh mẫu: Các vùng quanh cụ thể, các vùng có các vân có độ cong cao, và các vùng trổ tài độ tương quan thấp ở các vị trí trong chính ảnh mẫu
Khi độ tương quan được tính một cách cục bộ, ước lượng độ tương quan ở các vùng khác có thể được tính bằng cách phối hợp để thu được độ đo tính tương tự ( ví dụ, số các ước lượng vượt qúa một ngưỡng cho trước được chia ra bởi tổng các ước lượng ). Bổ sung vào giá trị của độ tương quan, sự đồng bộ của các điểm nơi mà mỗi vùng có độ tương quan lớn nhất có thể được sử dụng để tăng cường đối sánh: trong thực tiễn, mối liên hệ không gian ( khoảng cách, góc… ) giữa các vùng trong mẫu và các vùng tương ứng trong ảnh đầu vào được giữ lại . Trong bất kì trường hợp nào, không có sử đảm bảo khi sử dụng bước thống nhất là thực sự thuận tiện
Để tính độ phức tạp của kĩ thuật dựa độ tương quan, các phương pháp thông minh có thể được sử dụng để đạt được sử thi hành hiệu quả:Định lý độ tương quan ( Go

Xem Thêm  Làm thế nào để đánh giá LK chính (Lux) của trạm B? - lks

Các file đính kèm theo tài liệu này:

  • Nghien_cuu_va_phat_trien_ung_dung_nhan_dang_van_tay.doc


Xem thêm những thông tin liên quan đến đề tài tai ung dung khoa van tay

Software khóa ứng dụng bằng vân tay

  • Tác giả: Nguyễn Tuấn Anh
  • Ngày đăng: 2017-01-24
  • Nhận xét: 4 ⭐ ( 7018 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Software khóa ứng dụng bằng vân tay, đây là software khá đơn giản để các bạn có thể khóa những ứng dụng riêng tư khác và chỉ có thể mở khóa thiết bị lên bằng vân tay của chính các bạn.

    Đăng ký kênh để xem thêm các video khác của mình nhé!
    Fb mình, Tuấn Anh: https://goo.gl/CLyqPo
    Group FB trợ giúp: https://goo.gl/Naz7yf

Cách khóa ứng dụng trên iPhone bằng Face ID hoặc vân tay cực kỳ bảo mật

  • Tác giả: baomoi.com
  • Nhận xét: 4 ⭐ ( 2601 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Cách khóa ứng dụng trên iPhone bằng Face ID hoặc vân tay (Touch ID) cực kỳ đơn giản dưới dây giúp bảo mật các thông tin cá nhân trên smartphone của các bạn.

Khóa cửa thông minh Tuya AZsmart R5 – Mở khóa bằng ứng dụng trên Smartphone, vân tay, mật khẩu, thẻ từ, chìa khóa chính hãng

  • Tác giả: giarenua.com
  • Nhận xét: 4 ⭐ ( 1537 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Khóa cửa thông minh Tuya AZsmart R5 – Mở khóa bằng ứng dụng trên Smartphone, vân tay, mật khẩu, thẻ từ, chìa khóacó giá tốt nữa, giờ chỉ còn 2,800,000đ. Tư duy thật lâu, đặt mua thật nhanh và khui hàng thật mau để review cho đồng bọn cùng chung vui hén.

Sinh trắc vân tay được ứng dụng như vậy nào trong đời sống?

  • Tác giả: www.doisongphapluat.com
  • Nhận xét: 4 ⭐ ( 4276 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Phát hiện của tiến sĩ Harold Cummins vào năm 1926 về chỉ số cường độ vân tay được tạo dựng song song với não bộ nhân loại đã mở đường cho nghề Sinh trắc vân tay ra đời.

PHƯƠNG DUNG – NHÀ PHÂN PHỐI KHÓA CỬA VÂN TAY SAMSUNG CHÍNH HÃNG TẠI VIỆT NAM

  • Tác giả: phuongdung.com
  • Nhận xét: 3 ⭐ ( 5827 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: PHƯƠNG DUNG – NHÀ PHÂN PHỐI KHÓA CỬA VÂN TAY SAMSUNG CHÍNH HÃNG TẠI VIỆT NAM

Đăng nhập vào tài khoản Microsoft của các bạn bằng Windows Hello hoặc khóa bảo mật

  • Tác giả: support.microsoft.com
  • Nhận xét: 4 ⭐ ( 5583 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Tìm hiểu cách sử dụng Windows Hello hoặc khóa bảo mật để đăng nhập vào tài khoản Microsoft của các bạn mà không cần mật khẩu.

[Sinh trắc vân tay] Ứng dụng và Cách nhận thấy một số chủng vân

  • Tác giả: tuhocpt.wordpress.com
  • Nhận xét: 3 ⭐ ( 1821 lượt nhận xét )
  • Khớp với kết quả tìm kiếm: Sinh trắc vây tay là một bộ môn khoa học được phân tích kỹ và ngày càng ứng dụng rộng rãi trong nhiều lĩnh vựcA. Ứng dụng: Thấu hiểu bản thân: Biết tiềm năng, thiên hướng, sở thích, điêm mạnh, khuyết điểm, năng lực tiềm ẩnThấu hiểm người khác: hiểu đặc tính tính cách, năng…

Xem thêm các nội dung khác thuộc thể loại: Thủ thuật máy tính

Xem Thêm  Cách đo Size Giày Nam Nữ - Bảng Size Giày VN, US - cách đo chân để mua giày

By ads_php