Hand geometry presentation

HỆ THỐNG SINH TRẮC
DỰA TRÊN HÌNH HỌC BÀN
TAY
(Hand Geometry)


Hình học bàn tay
 Hình học bàn tay là một sinh trắc học xác
định người dùng từ hình dạng bàn tay của
họ.
 Các đặc tính sinh trắc được lấy bao gồm:
Độ rộng – độ dài – độ dày của ngón tay,
các chiều của lịng bàn tay…
 Các mẫu đặc tính bàn tay sẽ được lưu trữ
trong cơ sở dữ liệu.


Mơ hình hoạt động
 Bước đăng ký: Chụp hình ảnh, tính tốn
những đặc trưng và lưu trữ mẫu vào cơ sở
dữ liệu
 So sánh: Chụp hình ảnh mới và so sánh
với:


Một mẫu (Xác minh với ID được cho)



Tất cả mẫu (Nhận diện)

Mơ hình hoạt động


Ứng dụng hình học bàn tay
With guiding pegs

No guiding pegs


Các nút chức năng
Open Model: chọn hình ảnh đầu vào
Add To Database: hình ảnh đầu vào được thêm vào cơ sở dữ
liệu và sẽ được sử dụng để huấn luyện. Phải có một số xác
nhận, số xác nhận này là một số nguyên lũy tiến liên hệ với
bàn tay.
Hand Geometry Recognition: xác nhận bàn tay. Hình ảnh đầu
vào đã chọn được so sánh với tất cả hình ảnh bàn tay có trong
cơ sở dữ liệu
Feature Visualization: hình ảnh hóa tính năng
Remove Database: Xóa cơ sở dữ liệu khỏi thư mục hiện tại


Ví dụ về bước tiền xử
lý(Preprocessing) hình ảnh

Tìm đầu ngón tay và các điểm khớp ngón tay


Rút trích đặc trưng

Các đặc trưng thơng thường
được rút trích:
•Chiều dài chiều rộng và độ dày
ngón tay
•Độ rộng bàn tay



Rút trích đặc trưng
Sử dụng PCA trong rút trích để đơn giản
hóa q trình phân lớp


Căn chỉnh hình dạng
Căn chỉnh hình cho khớp mẫu để xác minh.
-Tỉ lệ căn chỉnh sai


Chọn những đặc trưng
đáng kể
Thống kê để tìm ra những đặc trưng đáng kể
bởi
Sanchez-Reillo et al:
Tỉ lệ phân tán = Phân tán giữa các lớp
Phân tán trong lớp
Những đặc trưng không đáng kể sẽ bị loại đi


Phân lớp và xác minh

 Véc-tơ đặc tính có thể so sánh và phân lớp
sử dụng những phương pháp nhận dạng
mẫu cơ bản
 Gần như hàm phân lớp nào cũng có thể
được sử dụng (Bayesian, kNN, SVM, GMM,
neural networks...)
 Phân lớp đến lớp ”gần nhất” hoặc xác
minh danh tính nếu giá trị đặc trưng gần
đúng đến mức nào đó.


Véc tơ đặc trưng khoảng
cách


Distance metric:


Khoảng cách Eulid (tổng sai số toàn phương)



Khoảng cách Hamming (với một số phương sai)



Absolute or weighted absolute distance


Phân lớp sử dụng

hệ số tương quan
Tính tốn tương quan chéo giữa mẫu đăng
ký và mẫu so sánh
Được cho là khớp nếu hệ số tương quan vượt
qua ngưỡng nào đó.


Ví dụ về kết quả phân lớp
Nhận diện mẫu hình
học bàn tay sử dụng
Gaussian Mixture
Modelling
Kết quả của GMM
so sánh với
khoảng cách
Hamming


Một số ứng dụng của hình
học bàn tay trên thực tiễn
 Cơ quan lập pháp Comlombia dùng máy quét
bàn tay để đảm bao phiếu bầu cử.
 Chương trình phi cơng INSPASS sử dụng hình
học bàn tay để theo dõi khách du lịch thường
xuyên qua lại cửa khẩu.
 Trường Đại Học tại Georgia đã sử dụng hình
học bàn tay từ năm 1973 cho chương trình bữa
ăn của sinh viên.
 Tất cả nhà máy điện hạt nhân đang hoạt động
tại Hoa Kì.

Ưu điểm khi sử dụng hình
học bàn tay
 Thân thiện với người dùng
 Giá thành rẻ
 Trang thiết bị và thiết lập đơn giản
 Kích thước mẫu nhỏ ( khoảng 9-25 bytes)
 Không liên quan đến hồ sơ tội phạm (như
dấu vân tay)


Nhược điểm
 Khả năng nhận diện không cao so với các hệ thống
sinh trắc khác , độ tin cậy thấp
 Nhạy cảm với các thay đổi về bề mặt vật lý của bàn
tay. Chỉ có hiệu quả tốt với người lớn có cơ thể ổn
định, với trẻ em cơ thể đang phát triển có thể khơng
chính xác
 Nếu tay có đeo trang sức hay thạch cao sẽ làm giảm
khả năng nhận diện
 Kích thước vật lý bàn tay tương đối lớn cản trở việc
sử hệ thống trên một số thiết bị (ví dụ: máy quét trên
laptop)


Kết luận
 Hình học bàn tay là 1 hệ thống đơn giản, chi
phí bộ nhớ thấp và dễ sử dụng
 Hầu như khơng có sự phản đối nào từ phía

người dùng
 Khả năng phân biệt thấp– Nhưng khả năng xác
minh lại cao??
 Thơng tin về bàn tay có thể thay đổi(tăng cân,
sụt cân, thương tích, bệnh tật,...)
 Sử dụng hệ thống thì dễ nhưng cách tốt nhất để
giảm tỉ lệ từ chối sai là huấn luyện người dùng.


Kết luận
 Khả năng nhận diện thấp nhưng khả năng
xác minh cao có thể là một điều tốt


Ít khả năng vi phạm riêng tư



Không liên quan đến hồ sơ tội phạm


Các vấn đề tồn đọng
 Hầu hết các tài liệu truyền thông hoặc các công ty
đều không tiết lộ giải thuật đằng sau hệ thống của
họ
 Có q ít các bài viết nghiên cứu về hình học bàn
tay
 Hiệu suất của các hệ thống hình học bàn tay dùng
trong thương mại cao hơn cả các ứng dụng khoa
học về hình học bàn tay được công bố