Đối sánh vân tay dựa trên thuật toán MCC Minutiae Cylinder - Code

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ






NGUYỄN TUẤN HẢI






ĐỐI SÁNH VÂN TAY DỰA TRÊN THUẬT TOÁN MCC
MINUTIAE CYLINDER-CODE








LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

Hà Nội, 2013
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ




NGUYỄN TUẤN HẢI



ĐỐI SÁNH VÂN TAY DỰA TRÊN THUẬT TOÁN MCC
MINUTIAE CYLINDER-CODE



Ngành: Công nghệ thông tin
Chuyên ngành: Hệ thống thông tin
Mã số: 60 48 01 04




LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƢỜI HƢỚNG DẪN KHOA HỌC: TS. NGUYỄN NGỌC HOÁ







Hà Nội, 2013


1
LỜI CAM ĐOAN
Để hoàn thành luận văn này thực sự tôi không thể chỉ dựa vào kiến thức
hạn hẹp của bản thân, vì vậy tôi đã tham khảo tài liệu, các công trình nghiên cứu
của những ngƣời đi trƣớc. Tất cả các tài liệu tham khảo đều có xuất xứ rõ ràng
và đƣợc trích dẫn hợp pháp. Thực sự tôi rất cảm ơn các tác giả đi trƣớc đã cung
cấp cho tôi những kiến thức để tác giả hoàn thành luận văn tốt nghiệp của mình.
Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷ luật theo quy
định cho lời cam đoan của mình.

Hà Nội, tháng 11 năm 2013
Ngƣời cam đoan

Nguyễn Tuấn Hải



2
LỜI CẢM ƠN
Để hoàn thành luận văn tốt nghiệp là cả một quá trình đầy khó khăn và
thử thách trong học tập và nghiên cứu tại trƣờng Đại học Công nghệ. Và để có
đƣợc những thành quả nhƣ ngày hôm nay, ngoài những nỗ lực của bản thân,
không thể không nhắc tới là sự động viên, giúp đỡ của các Thầy, Cô giáo, bạn
bè, đồng nghiệp và ngƣời thân trong gia đình.
Tôi xin chân thành cảm ơn TS. Nguyễn Ngọc Hoá là cán bộ giảng viên
của trƣờng Đại học Công Nghệ đã tận tình giúp đỡ tôi cả về chuyên môn, nghiên
cứu và định hƣớng phát triển trong suốt quá trình làm luận văn.
Tôi xin gửi lời cảm ơn tới các Thầy, Cô giáo của Khoa Hệ Thống Thông
Tin đã tận tình giảng dạy và truyền đạt cho tôi những kiến thức quý báu trong
những năm học vừa qua. Tôi đã đƣợc tiếp cận một môi trƣờng học thuật cao,
hiểu đƣợc sự vất vả cũng nhƣ thành quả đạt đƣợc khi tham gia nghiên cứu khoa
học.
Sau cùng, tôi xin chân thành cảm ơn gia đình, những ngƣời thân và bạn bè
đã giúp đỡ, động viên tôi trong suốt thời gian học tập và làm luận văn tốt nghiệp
này. Tôi mong rằng với sự cố gắng học tập nâng cao kiến thức, sau này có thể
lĩnh hội nhiều công nghệ, tạo ra nhiều sản phẩm có giá trị sử dụng cao, giúp ích
đƣợc trong nhiều lĩnh vực của cuộc sống.

Hà Nội, tháng 11 năm 2013
Học viên thực hiện

Nguyễn Tuấn Hải


3
TÓM TẮT NỘI DUNG
Nhận dạng vân tay đã đƣợc nghiên cứu nhiều năm và đạt đƣợc nhiều tiến
triển, rất nhiều nỗ lực vẫn cần thiết để nâng cao hiệu năng của các hệ thống nhận
dạng vân tay. Trong hệ thống nhận dạng vân tay, thuật toán đối sánh đóng vai
trò quan trọng, quyết định trực tiếp đến chất lƣợng cũng nhƣ hiệu năng của việc
nhận dạng. Các thuật toán đối sánh thƣờng sử dụng thêm biểu diễn trung gian
đƣợc trích xuất từ bƣớc trích chọn thuộc tính để trả lại độ tƣơng đồng hoặc một
quyết định nhị phân khi so sánh hai vân tay.
Luận văn tập trung tìm hiểu chi tiết một số thuật toán đối sánh vân tay tiêu
biểu, đi sâu vào thuật toán đối sánh cho kết quả cao hiện nay dựa trên biểu diễn
MCC (Minutia Cylinder-Code) của Cappelli và cộng sự năm 2010. Từ đó luận
văn tiến hành thử nghiệm thuật toán trên bộ dữ liệu vân tay FVC 2002 DB và
đánh giá kết quả thu đƣợc khẳng định đƣợc chất lƣợng so khớp vân tay dựa trên
biểu diễn MCC.


4
MỤC LỤC
LỜI CAM ĐOAN 1
LỜI CẢM ƠN 2
TÓM TẮT NỘI DUNG 3
MỤC LỤC 4
DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT 6
DANH MỤC CÁC HÌNH ẢNH 7
DANH MỤC CÁC BẢNG BIỂU 9

MỞ ĐẦU 10
Chƣơng 1. TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 12
1.1. Giới thiệu 12
1.2. Mô hình hệ thống nhận dạng vân tay 13
1.3. Đánh giá kết quả của hệ thống nhận dạng 15
1.4. Quy trình chi tiết nhận dạng vân tay 17
1.4.1. Trích chọn thuộc tính từ vân tay 17
1.4.2. Quá trình lọc vân tay trƣớc khi đối sánh 18
1.4.3. Đối sánh vân tay 20
1.4.4. Tính toán độ tƣơng đồng 23
1.5. Kết luận 23
Chƣơng 2. MỘT SỐ THUẬT TOÁN ĐỐI SÁNH VÂN TAY 25
2.1. Giới thiệu 25
2.2. Các phƣơng pháp đối sánh vân tay 26
2.2.1. Đối sánh toàn cục 26
2.2.2. Đối sánh cục bộ 27
2.3. Hạn chế của một số biểu diễn truyền thống 31
2.4. Biểu diễn dựa trên MCC 32
2.4.1. Mô tả biểu diễn MCC 32
2.4.2. Tính độ tƣơng đồng giữa các hình trụ 37
2.5. Ứng dụng của biểu diễn dựa trên Bit 37
2.6. Kết luận 38
Chƣơng 3. THỬ NGHIỆM THUẬT TOÁN ĐỐI SÁNH VÂN TAY DỰA
TRÊN BIỂU DIỄN MCC 39
3.1. Mục đích thử nghiệm 39
3.2. Quy trình thử nghiệm 39


5
3.3. Môi trƣờng thử nghiệm 40

3.4. Đánh giá kết quả 42
3.5. Kết luận 43
KẾT LUẬN CHUNG 44
TÀI LIỆU THAM KHẢO 45



6
DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT
Viết tắt
Viết đầy đủ
MCC
Minutia Cylinder Code
EER
Equal Error Rate
FMR
False Match Rate
FNMR
False Not Match Rate
PIN
Personal Identity Number
FVC
Fingerprint Verification Competition


7
DANH MỤC CÁC HÌNH ẢNH
Hình 1.1. Một số ứng dụng của sinh trắc học 12
Hình 1.2. So sánh thị phần của sinh trắc học 13
Hình 1.3. Các tiến trình của một hệ thống nhận dạng vân tay 15

Hình 1.4. Các loại thông số dùng trong đánh giá hệ thống sinh trắc học 16
Hình 1.5. Lựa chọn tỷ lệ FMR và FNMR giữa các ứng dụng 17
Hình 1.6. Một số đặc trƣng của vân tay 18
Hình 1.7. Minh họa kết quả của quá trình trích chọn thuộc tính 18
Hình 1.8. Phân lớp vân tay 19
Hình 1.9. Thuật toán Pointcare sử dụng trong phát hiện điểm tâm 19
Hình 1.10. Đánh chỉ mục vân tay dựa trên các tam giác nối các điểm trạc 20
Hình 1.11. Một số thu nhận khác nhau của cùng một vân tay 21
Hình 1.12. Một số vân tay khác nhau có độ tƣơng đồng cao 22
Hình 1.13. So sánh mức các cách tiếp cận trong đối sánh vân tay [1] 23
Hình 2.1. Các loại điểm trạc và thông tin về điểm trạc 25
Hình 2.2. Đối sánh các điểm trạc giữa hai vân tay 25
Hình 2.3. Một số cấu trúc cục bộ sử dụng để mô tả điểm trạc 27
Hình 2.4. Biểu diễn cục bộ sử dụng K-plet 28
Hình 2.5. Biểu diễn vân tay sử dụng FingerCode 28
Hình 2.6. Bƣớc gia cố liên quan đến việc căn chỉnh biến đổi xoay và dịch
chuyển 29
Hình 2.7. Một cặp điểm đối sánh sai có giá trị tƣơng đồng lớn nhất 30
Hình 2.8. Kết quả đối sánh tốt hơn khi bổ xung bƣớc kiểm tra sau khi căn
chỉnh 30
Hình 2.9. Cấu trúc không phù hợp do phát hiện điểm trạc thiếu hoặc sai . 31
Hình 2.10. Cấu trúc cục bộ không phù hợp do vấn đề biên 32
Hình 2.11. Biểu diễn hình trụ MCC cho điểm trạc 33
Hình 2.12. Chi tiết tính toán cho hình trụ 33
Hình 2.13. Chi tiết từng tầng trong hình trụ 33
Hình 2.14. Tập các điểm trạc đóng góp vào
m
ji
p
,

34
Hình 2.15. Đóng góp theo khoảng cách của m
t
vào
m
ji
p
,
34
Hình 2.16. Đóng góp của m
t
theo hƣớng tới
k
d

35
Hình 2.17. Hàm sigmoid 36


8
Hình 2.18. Minh họa các ô của hình trụ thể hiện cho điểm trạc m, ô sáng
hơn chỉ giá trị cao hơn 36
Hình 2.19. Minh họa ba hình trụ biểu diễn cho ba điểm trạc của vân tay . 37
Hình 2.20. Độ tƣơng đồng giữa các biểu diễn hình trụ 37
Hình 2.21. Hàm chuyển về giá trị bit 38
Hình 2.22. Đối sánh trên thẻ Match on card sử dụng biểu diễn Bit của
MCC 38
Hình 3.1. Các bƣớc tiến hành trong mô hình đánh giá các thuật toán đối
sánh 39
Hình 3.2. Một số ảnh vân tay từ CSDL vân tay FVC2002 40

Hình 3.3. Vân tay đƣợc lọc nhiễu và nổi vân sử dụng công cụ VeriFinger41
Hình 3.4. Tập các điểm trạc đƣợc trích xuất từ vân tay sử dụng công cụ
VeriFinger 42
Hình 3.5. Độ đo sử dụng trong đánh giá thuật toán 42



9
DANH MỤC CÁC BẢNG BIỂU
Bảng 3.1. So sánh độ chính xác và tốc độ xử lý của các biểu diễn 43



10
MỞ ĐẦU
Động lực nghiên cứu
Nhận dạng vân tay đƣợc sử dụng rộng rãi trong các ứng dụng pháp lý và
dân sự bởi tính duy nhất và ổn định theo thời gian. So sánh với các đặc điểm
sinh trắc học khác, sinh trắc học dựa trên vân tay là kỹ thuật đƣợc minh chứng
nhiều nhất và có thị phần lớn nhất. Mặc dù nhận dạng vân tay đã đƣợc nghiên
cứu nhiều năm và đạt đƣợc nhiều tiến triển, rất nhiều nỗ lực vẫn cần thiết để
nâng cao hiệu năng của các hệ thống nhận dạng vân tay.
Trong bài toán nhận dạng vân tay, bài toán đối sánh vân tay (fingerprint
matching) có vai trò quan trọng liên quan đến tốc độ nhận dạng và độ chính xác
của quá trình nhận dạng. Đây cũng là một trong những hƣớng nghiên cứu chủ
yếu hiện nay về nhận dạng vân tay.
Mục tiêu và nội dung chính
Với định hƣớng nêu trên, luận văn có mục tiêu tìm hiểu, nghiên cứu một
số thuật toán đối sánh vân tay, trong đó tập trung chính vào thuật toán đối sánh
vân tay cho kết quả chính xác cao hiện nay do Cappelli và cộng sự đề xuất vào

năm vào năm 2010, dựa trên biểu diễn MCC (Minutia Cylinder-Code) và tiến
hành thử nghiệm đánh giá. Mục tiêu này đƣợc cụ thể theo những nội dung chính
sau:
- Tìm hiểu tổng quan về nhận dạng vân tay, vai trò của đối sánh vân tay
trong nhận dạng vân tay.
- Khảo sát chi tiết một số thuật toán đối sánh điển hình hiện nay nhƣ đối
sánh toàn cục, đối sánh cục bộ, đối sánh dựa trên điểm trạc,… Biểu
diễn MCC sẽ đƣợc chú trọng phân tích để thực nghiệm.
- Thử nghiệm thuật toán đối sánh vân tay dựa trên biểu diễn MCC và
đánh giá kết quả thu đƣợc.
Tổ chức luận văn
Dựa trên những nội dung đã đạt đƣợc, luận văn đƣợc tổ chức gồm các
phần sau:
Mở đầu: Đặt ra vấn đề, mục tiêu, nội dung nghiên cứu của luận văn.
Chương 1: Giới thiệu tổng quan về bài toán nhận dạng vân tay
(fingerprint recognition). Các bƣớc cũng nhƣ các tiến trình đƣợc thực thi trong
bài toán nhận dạng vân tay.
Chương 2: Trình bày về một số phƣơng pháp đối sánh vân tay và chi tiết
về thuật toán đối sánh vân tay cho kết quả tốt hiện nay dựa trên biểu diễn


11
Minutia Cylinder-Code (MCC) đƣợc đề xuất bởi Cappelli và cộng sự vào năm
2010.
Chương 3: Trình bày thử nghiệm của thuật toán dựa trên biểu diễn MCC
và một số phƣơng pháp khác, và tiến hành đánh giá so sánh các thuật toán trên
bộ dữ liệu FVC 2002 DB.
Kết luận chung: Tổng kết những kết quả đạt đƣợc và hƣớng nghiên cứu
tiếp theo.

12
Chƣơng 1. TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY
1.1. Giới thiệu
Nhận dạng vân tay đƣợc ứng dụng phổ biến trong các ứng dụng sinh trắc
học nhƣ kiểm soát truy cập, định danh khách hàng thực hiện giao dịch: ví dụ tại
ATM, ngân hàng trực tuyến, quản lý thời gian, sự có mặt của nhân viên tại các
tổ chức liên quan đến việc tính toán thời gian lao động, tiền lƣơng. Đến các ứng
dụng liên quan đến chính phủ nhƣ định danh công dân (hộ chiếu), quản lý xuất
nhập cảnh, định danh trong pháp y liên quan đến tội phạm. Hình 1.1 mô tả minh
họa một số ứng dụng của sinh trắc học [1, tr.29].

Hình 1.1. Một số ứng dụng của sinh trắc học
Trong các ứng dụng sinh trắc học, vân tay đƣợc sử dụng rộng rãi và phổ
biến nhất do tính đơn giản và thuận tiện trong lấy mẫu, lƣu trữ và xử lý dữ liệu.
Hình 1.2 minh họa sự phổ biến của các ứng dụng sử dụng vân tay trong
sinh trắc học so với các đặc trƣng sinh học khác nhƣ: mống mắt, nhận dạng
khuôn mặt, tiếng nói, [1, tr.12]


13

Hình 1.2. So sánh thị phần của sinh trắc học
1.2. Mô hình hệ thống nhận dạng vân tay
Quá trình xử lý của một hệ thống nhận dạng vân tay thƣờng trải qua các
bƣớc sau:
- Lấy mẫu: dựa trên thiết bị điện tử có cảm ứng để thu chụp lại ảnh vân
tay, thƣờng có sự đa dạng trong các thiết bị này.
- Trích chọn thuộc tính (feature extraction): nhằm mục đích tạo ra tập các
thuộc tính có thể đại diện chính xác cho ảnh vân tay thu đƣợc từ bƣớc

lấy mẫu. Tập các thuộc tính này sẽ đƣợc sử dụng trong bƣớc đối sánh
vân tay. Ảnh vân tay gốc thƣờng đƣợc xử lý bởi bộ phận trích chọn
thuộc tính để tạo ra một thể hiện gọn nhẹ nhƣng có tính thể hiện, đại
diện cao gọi là tập đặc trƣng.
- Tạo bản mẫu (template creation): là quá trình tổ chức một hoặc nhiều
tập đặc trƣng vào một bản mẫu và lƣu trữ trên thiết bị lƣu trữ.
- Lọc trƣớc khi đối sánh (filtering): là giai đoạn chính đƣợc sử dụng trong
một hệ thống định danh khi số lƣợng bản mẫu lƣu trữ là lớn. Vai trò của
bƣớc này là giảm số lƣợng bản mẫu cần đối sánh.
- Giai đoạn đối sánh (matching): đầu vào là tập đặc trƣng của vân tay cần
so sánh và bản mẫu lƣu trữ, bƣớc đối sánh sẽ tính toán độ tƣơng đồng
giữa chúng (matching score hay similarity score). Kết quả đối sánh sẽ
đƣợc so sánh với ngƣỡng của hệ thống để đƣa ra kết quả cuối cùng. Nếu
kết quả đối sánh cao hơn ngƣỡng thì có thể coi hai vân tay là phù hợp,
nếu nhỏ hơn sẽ coi hai vân tay là hai vân tay khác nhau.
Sử dụng các bƣớc ở trên, hệ thống nhận dạng vân tay có thể bao gồm hai


14
tiến trình chính là: lấy mẫu (enrollment), kiểm tra (verification) hoặc/và định
danh (identification).
- Lấy mẫu (enrollment): lấy mẫu vân tay ngƣời dùng là quá trình lấy mẫu
và lƣu trữ vân tay của cá nhân vào trong hệ thống lƣu trữ sinh trắc học.
Trong quá trình lấy mẫu, các đặc tính sinh trắc học đƣợc thu nhận từ
thiết bị quét sinh trắc học để tạo ra mẫu. Bƣớc kiểm tra chất lƣợng
thƣờng đƣợc tiến hành trong quá trình này để đảm bảo rằng mẫu thu
nhận có độ tin cậy để sử dụng trong các bƣớc kế tiếp. Module trích chọn
thuộc tính sau đó đƣợc sử dụng để tạo một tập đặc trƣng. Module tạo
bản mẫu sẽ sử dụng tập đặc trƣng đó để tạo ra một mẫu lƣu trữ trên thiết
bị lƣu trữ. Quá trình lấy mẫu sẽ lƣu trữ mẫu này cũng với các thông tin

cá nhân khác của ngƣời sử dụng nhƣ: số định danh, tên, giới tính, nơi
trú, ).
- Quá trình kiểm tra (verification): quá trình kiểm tra có trách nhiệm xác
nhận định danh của chủ thể đã khai báo có chính xác hay không. Trong
giai đoạn này, một định danh của chủ thể (nhƣ username hoặc mã PIN
[Personal Identification Number]) đƣợc cung cấp để tuyên bố định danh,
hệ thống nhận dạng vân tay sẽ thu nhận ảnh vân tay của chủ thể và lấy
mẫu, sau đó đƣợc xử lý bởi bƣớc trích chọn thuộc tính để tạo ra tập đặc
trƣng. Tập kết quả đặc trƣng sẽ đƣợc đƣa vào bộ đối sánh 1-1 để so sánh
với bản mẫu mà chủ thể tuyên bố. Quá trình xác thực đƣa ra quyết định
phù hợp hoặc không (match/non-match).
- Quá trình định danh (Identification): trong quá trình định danh, chủ thể
không trực tiếp khai báo định danh, hệ thống sẽ so sánh tập đặc trƣng
đƣợc trích chọn từ ảnh vân tay đƣợc thu nhập với tập các bản mẫu trong
hệ thống lƣu trữ. Đây là quá trình so sánh 1-N và kết quả là một định
danh đã đƣợc lƣu trữ hoặc thông báo chủ thể chƣa có mẫu, chƣa đăng ký
trong hệ thống. Do quá trình định danh với một tập CSDL lớn đòi hỏi
việc tính toán lớn, giai đoạn lọc thƣờng đƣợc sử dụng để lọc các mẫu
cần so sánh với tập đặc trƣng đầu vào.
Hình 1.3 minh họa các tiến trình đƣợc sử dụng trong một hệ thống nhận
dạng vân tay [1, tr.4].


15

Hình 1.3. Các tiến trình của một hệ thống nhận dạng vân tay
1.3. Đánh giá kết quả của hệ thống nhận dạng
Một số thông số thƣờng đƣợc sử dụng trong việc đánh giá độ chính xác
của một hệ thống nhận dạng đƣợc thể hiện trong Hình 1.4 [1, tr.19].
- False Match Rate (FMR): là tỷ lệ loại lỗi xác định nhầm là cùng của một

vân tay khi so sánh hai vân tay khác nhau. Khi thiết lập ngƣỡng t thấp,
tỷ lệ lỗi FMR sẽ cao, ngƣợc lại nếu thiết lập ngƣỡng t cao, tỷ lệ lỗi nhận
nhầm sẽ giảm xuống.
- False Not Match Rate (FNMR): là tỷ lệ lỗi khi xác định hai vân tay của
cùng một ngón tay là không phù hợp. Ngƣợc lại với FMR, khi thiết lập
ngƣỡng t thấp, tỷ lệ lỗi FNMR sẽ thấp, nếu thiết lập ngƣỡng t cao, tỷ lệ
lỗi FNMR sẽ tăng lên.


16

Hình 1.4. Các loại thông số dùng trong đánh giá hệ thống sinh trắc học
- Equal-Error Rate (EER): dùng để chỉ tỷ lệ lỗi tại ngƣỡng mà tại đó tỷ lệ
lỗi FMR cân bằng với tỷ lệ lỗi FNMR. EER là một chỉ số chính thƣờng
đƣợc sử dụng để đánh giá độ chính xác của một hệ thống nhận dạng sinh
trắc học.
- ZeroFNMR: đƣợc định nghĩa mà tại đó không xảy ra loại lỗi false non-
matches.
- ZeroFMR: đƣợc định nghĩa mà tại đó không có lỗi false matches xảy ra.
Độ chính xác yêu cầu của một hệ thống sinh trắc học phụ thuộc vào ứng
dụng của hệ thống.
Trong các ứng dụng pháp lý nhƣ định danh tội phạm, thƣờng quan tâm tới
FNMR thấp hơn là tỷ lệ FMR do chúng ta không muốn bỏ xót định danh tội
phạm thậm trí nếu cần phải so sánh thủ công số lƣợng lớn vân tay.
Trong khi đó với các ứng dụng, ví dụ quản lý truy cập an ninh cao đòi hỏi
tỷ lệ FMR thấp. Thi hành hệ thống ở mức FMR rất thấp có thể dẫn đến sự không
thuận tiện với ngƣời dùng hợp pháp. Giữa hai điểm cực này, là một vài ứng
dụng thƣơng mại mà ở đó cả hai tỷ lệ FNMR và FMR cần đƣợc xem xét.
Hình 1.5 minh họa việc lựa chọn giữa tỷ lệ FNMR và FMR trong các loại
ứng dụng khác nhau [1, tr.20].

17

Hình 1.5. Lựa chọn tỷ lệ FMR và FNMR giữa các ứng dụng
1.4. Quy trình chi tiết nhận dạng vân tay
1.4.1. Trích chọn thuộc tính từ vân tay
Các thuộc tính đƣợc trích chọn từ vân tay sử dụng trong hệ thống nhận
dạng thƣờng có đặc điểm ổn định, bất biến theo thời gian. Hình 1.6 minh họa
một số đặc trƣng của vân tay thƣờng đƣợc sử dụng.
- Đƣờng giao (crossover): là điểm mà tại đó các đƣờng vân giao với nhau.
- Điểm lõi (core): là điểm mà tại đó có sự biến thiên đột ngột về hƣớng
của đƣờng vân.
- Điểm rẽ nhánh (bifurcation): là điểm mà tại đó, một đƣờng vân đƣợc
tách làm hai đƣờng vân khác nhau.
- Điểm kết thúc (ridge ending): là điểm mà tại đó, đƣờng vân kết thúc.
- Ốc đảo (island): là điểm cô lập so với các đƣờng vân khác.
- Tam giác Delta: là nơi hội tụ của các vùng vân có hƣớng khác nhau.
Các thuật toán đối sánh vân tay khác nhau có thể lựa chọn các đặc trƣng
khác nhau hoặc kết hợp các đặc trƣng này đƣợc sử dụng. Chuẩn ISO/IEC
19794-2 (2005) chỉ sử dụng duy nhất tập đặc trƣng là các điểm kết thúc (ridge
ending) và điểm rẽ nhánh (bifurcation) trong việc đối sánh vân tay. Hai điểm
đặc trƣng này còn gọi là điểm trạc (minutiae).


18

Hình 1.6. Một số đặc trưng của vân tay
Hình 1.7 minh họa quá trình xử lý ảnh để trích chọn ra các thuộc tính từ
vân tay.

Hình 1.7. Minh họa kết quả của quá trình trích chọn thuộc tính
1.4.2. Quá trình lọc vân tay trƣớc khi đối sánh
Đối với các CSDL vân tay lớn, để giảm thời gian tính toán, có thể áp dụng
các bƣớc lọc trƣớc đối sánh (pre-matching) để giảm bớt số lƣợng bản mẫu vân
tay cần so khớp. Hai kỹ thuật chính thƣờng đƣợc áp dụng là phân lớp vân tay
(classification) và đánh chỉ mục (indexing).
- Phân lớp vân tay (classification): các vân tay thƣờng đƣợc phân vào
một trong sáu lớp vân tay nhƣ minh họa trong Hình 1.8 [1, tr.236]. Một
số lớp vân tay đƣợc xác định nhƣ: cung, cung dạng lều, lặp trái, lặp
phải, vòng tròn. Việc phân lớp này giúp giảm bớt không gian mẫu vân
tay cần so khớp.


19

Hình 1.8. Phân lớp vân tay
Ví dụ Li và cộng sự [14] kết hợp điểm đặc trƣng đơn nhất và ảnh hƣớng
của vân tay trong phân loại vân tay. Việc tìm ra các điểm đặc trƣng của các lớp
vân tay thƣờng dựa trên mở rộng của thuật toán Pointcare. Thuật toán Pointcare
sử dụng đầu vào là hƣớng của các đƣờng vân, sau đó tính toán tìm ra sự thay đổi
hƣớng hoặc hội tụ của các đƣờng vân. Nhƣ minh họa trong Hình 1.9.

Hình 1.9. Thuật toán Pointcare sử dụng trong phát hiện điểm tâm
- Đánh chỉ mục (indexing): Bên cạnh sử dụng phƣơng pháp phân loại
vân tay, kỹ thuật đánh chỉ mục cũng thƣờng đƣợc sử dụng để tìm ra
nhanh các ứng cử viên từ CSDL trƣớc khi đi vào đối sánh chi tiết. Quá
trình đánh chỉ mục giúp loại bớt các mẫu vân trong CSDL không có khả
năng khớp với mẫu vân đầu vào. Có nhiều kỹ thuật đánh chỉ mục khác
nhau đƣợc đề xuất. Ví dụ Bhanu và cộng sự [13] sử dụng các tam giác

đƣợc tạo bởi các điểm trạc để tạo các chỉ mục. Hình 1.10 [1, tr.275]
minh họa quá trình đánh chỉ mục sử dụng các tam giác nối các điểm trạc


20
của vân tay. Trong quá trình xử lý, các tam giác đƣợc trích ra từ mẫu
vân đƣa vào sẽ đƣợc so khớp với các tam gian của các mẫu vân đƣợc
lữu trữ trong CSDL để tìm ra các ứng cử viên có thể khớp. Các ứng cử
viên này sẽ đƣợc sử dụng trong bƣớc đối sánh chi tiết sau. Sử dụng chỉ
mục giúp làm giảm đáng kể thời gian đòi hỏi trong quá trình định danh.

Hình 1.10. Đánh chỉ mục vân tay dựa trên các tam giác nối các điểm trạc
1.4.3. Đối sánh vân tay
Một thuật toán đối sánh vân tay sẽ so sánh tập đặc trƣng hai vân tay và
thƣờng trả về một giá trị là độ tƣơng đồng (similarity), ví dụ một giá trị giữa 0
và 1 hoặc một quyết định là phù hợp hoặc không. Hầu hết các thuật toán đối
sánh sử dụng các thể hiện trung gian của vân tay thông qua bƣớc trích chọn
thuộc tính. Đối sánh vân tay là một vấn đề khó, do một số nguyên nhân nhƣ:
- Đặt khác vị trí (Displacement): Cùng một vân tay có thể đƣợc đặt ở các
vị trí khác nhau trên thiết bị lấy mẫu vân dẫn đến độ dịch chuyển của
các vùng vân tay đƣợc thu nhận.
- Xoay (Rotation): Cùng một vân tay có thể bị xoay các góc khác nhau
trên bộ thu nhận vân tay.
- Trùng lặp một phần (partital overlap): Việc đặt khác vị trí và xoay vân
tay có thể dẫn đến một số phần của vân tay dời ra ngoài vùng thu nhận
của cảm ứng dẫn đến một phần nhỏ trùng nhau giữa vân tay.


21
- Vặn méo không tuyến tính (Non-linear distortion): Việc ánh xạ hình

dạng ba chiều của vân tay vào bề mặt hai chiều của bộ thu nhận có thể
dẫn đến phép ánh xạ không tuyến tính.
- Điều kiện của da và lực ép khi lấy mẫu vân: Lực ép khi lấy vân tay, mức
độ khô, mồ hôi có thể dẫn đến việc thu nhận vân tay với các đƣờng vân
bị nhiễu và không hoàn toàn chính xác ở các lần lấy mẫu vân khác nhau.
- Nhiễu (Noise): Có nguyên nhân chủ yếu bởi hệ thống cảm ứng lấy mẫu.
- Có lỗi trong quá trình trích chọn đặc trƣng: Các thuật toán trích chọn
thuộc tính có thể không hoàn hảo, thƣờng dẫn đến một số lỗi nhƣ vị trí,
kiểu của điểm đơn nhất, các điểm minutiae không có thực hoặc không
thể phát hiện ra tất cả các điểm minutiae.
Các cặp hình ảnh trong Hình 1.11 thể hiện sự khác nhau của cùng một
vân tay.

Hình 1.11. Một số thu nhận khác nhau của cùng một vân tay
Hình 1.12 minh họa một số hình trông giống nhau của hai vân tay khác
nhau.


22

Hình 1.12. Một số vân tay khác nhau có độ tương đồng cao
Có khá nhiều các thuật toán đối sánh vân tay đƣợc đề xuất hiện nay và
cho kết quả tốt. Tuy nhiên, việc tiếp tục phát triển các hệ thống có khả năng xử
lý nhanh và chính xác vẫn rất cần thiết trong việc xử lý các ảnh vân tay có chất
lƣợng thấp hay các ứng dụng có quy mô lớn. Các cách tiếp cận trong quá trình
đối sánh vân tay có thể phân làm ba loại chính:
- Dựa trên độ tƣơng quan ảnh (Correlation-based matching): hai ảnh vân
tay đƣợc so sánh ở mức điểm ảnh (pixel).
- Dựa trên điểm trạc (Minutiae-based matching): đây là cách tiếp cận phổ
biến nhất và là kỹ thuật đƣợc sử dụng rộng rãi nhất.

- Dựa trên các đặc trƣng không là điểm trạc: việc trích chọn các điểm trạc
có thể khó khăn đối với các ảnh vân tay có chất lƣợng chất thấp. Các
đặc trƣng khác nhƣ mẫu vân, thông tin về hình dạng đƣờng vân, kết cấu
của đƣờng vân có thể đƣợc trích chọn.
Trong các cách tiếp cận trên, cách tiếp cận dựa trên điểm trạc đƣợc sử
dụng phổ biến trong các thuật toán đối sánh. Hình 1.13 minh họa so sánh số
lƣợng các thuật toán sử dụng các cách tiếp cận khác nhau trong cuộc thi
Fingerprint Verification Competitions (FVC), các thuật toán dựa trên điểm trạc
là cách tiếp cận phổ biến.



23

Hình 1.13. So sánh mức các cách tiếp cận trong đối sánh vân tay [1]
1.4.4. Tính toán độ tƣơng đồng
Các hệ thống đối sánh tự động cần chuyển số lƣợng các điểm trạc có thể
đối sánh giữa hai vân tay sang một giá trị chỉ độ tƣơng đồng giữa hai vân tay.
Điều này thƣờng đƣợc thực hiện bởi công thức sau:

với k là số lƣợng điểm trạc có thể đối sánh, m và n là số lƣợng điểm trạc
tƣơng ứng của hai vân tay tham gia quá trình đối sánh.
Bên cạnh đó, các thông tin khác có thể đƣợc khai thác đặc biệt trong
trƣờng hợp ảnh nhiễu và sự hạn chế trong của vùng trùng nhau giữa hai vân tay.
Chất lƣợng điểm trạc có thể sử dụng nhƣ trọng số để đánh giá độ tin cậy hay
không tin cậy của điểm trạc. Việc đóng góp của các cặp điểm trạc tin cậy nên
cao hơn so với đóng góp của các cặp điểm trạc có chất lƣợng thấp hơn. Chất
lƣợng của điểm trạc có thể đƣợc xác định dựa trên chất lƣợng vùng ảnh mà điểm
trạc thuộc vào.
Việc chuẩn hóa theo công thức trong hình trên có xu hƣớng phạt các cặp

vân tay có độ chồng lên nhau một số đề xuất việc chuẩn hóa hiệu quả hơn, xem
xét số lƣợng điểm trạc thuộc vào vùng giao của hai vân tay sau khi quá trình căn
chỉnh tối ƣu đã đƣợc xác định.
1.5. Kết luận
Nội dung Chƣơng 1 giới thiệu một cách khái quát nhất về bài toán đối
sánh vân tay, các mô hình hệ thống nhận dạng vân tay từ đó đánh giá kết quả