I HC QUI
I H
TH H
NHN DNG DNG TRONG B
LU
i, 2014
2
I HC QUI
I H
TH H
NHN DNG MNG DNG TRONG B
th
: 60480104
LU
NG DN KHOA HC:
PGS.TS: TRNH NHT TIN
i, 2014
3
Lời cảm ơn
Trước hết, tôi xin gửi lời cảm ơn sâu sắc nhất đến PGS.TS Trịnh Nhật Tiến,
người đã tận tình hướng dẫn tôi trong suốt quá trình thực hiện luận văn tốt
nghiệp.
Tôi xin cảm ơn trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội và
các thầy cô giáo đã giảng dạy tôi trong suốt thời gian học tập tại trường, tạo điều
kiện, giúp đỡ tôi hoàn thiện luận văn này. Xin cảm ơn gia đình, bạn bè, đồng
nghiệp đã luôn động viên giúp đỡ tôi trong thời gian học tập và hoàn thành luận
văn.
Trong quá trình nghiên cứu, thực hiện, mặc dù đã cố gắng, nỗ lực để hoàn
thiện, luận văn của tôi cũng không tránh khỏi những thiếu sót và hạn chế. Kính
mong nhận được sự đóng góp của thầy cô và các bạn.
Tôi xin chân thành cảm ơn!
Học viên
Đỗ Thị Hồng Lĩnh
4
Lời cam đoan
Tôi xin cam đoan nội dung đề tài “ Nhận dạng khuôn mặt người và ứng
dụng trongbảo toàn thông tin”được trình bày trong luận văn này do tôi thực
hiện dưới sự hướng dẫn của PGS.TS.Trịnh Nhật Tiến.
Tất cả những tham khảo từ các nghiên cứu liên quan đều được nêu nguồn
gốc một cách rõ ràng từ danh mục tài liệu tham khảo của luận văn. Trong luận
văn, không có việc sao chép tài liệu, công trình nghiên cứu của người khác mà
không chỉ rõ về tài liệu tham khảo.
Hà Nội, ngày tháng năm 2014
Tác giả
Đỗ Thị Hồng Lĩnh
5
MC LC
DANH MỤC HÌNH VẼ 7
MỞ ĐẦU 8
Chương 1. CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CỦA VẤN ĐỀ NHẬN DẠNG MẶT NGƯỜI 9
1.1. TỔNG QUAN VỀ SINH TRẮC HỌC 9
1.1.1 Vân tay (Fingerprint). 10
1.1.2. Đường chỉ tay (Palm lines) 11
1.1.3. Võng mạc mắt (retina biometrics) 12
1.1.4. Giọng nói 12
1.1.5. Nhận dạng mặt người (Face recognition) 13
1.1.6. DNA (Dioxyribo Nucleic Acid) 14
1.2. HỆ THỐNG NHẬN DẠNG MẶT NGƯỜI 14
1.2.1. Bài toán nhận dạng mặt người và những khó khăn 14
1.2.1.1. Bài toán nhận dạng mặt người 14
1.2.1.2. Những khó khăn của nhận dạng khuôn mặt 15
1.2.2. Các ứng dụng liên quan đến nhận dạng mặt người. 16
1.2.3. Tổng quan kiến trúc hệ thống nhận dạng khuôn mặt 17
1.2.3.1. Phát hiện khuôn mặt 17
1.2.3.2. Trích chọn đặc trưng 19
1.2.3.3. Nhận dạng khuôn mặt 21
Chương 2: PHƯƠNG PHÁP NHẬN DẠNG MẶT NGƯỜI 23
2.1. PHÁT HIỆN KHUÔN MẶT 23
2.1.1. Đặc trưng HAAR-LIKE 23
2.1.2. Adaboosting 26
2.1.3. Giải thuật Viola-Jones 27
2.2. NHẬN DẠNG MẶT NGƯỜI 30
2.2.1. Phương pháp phân tích thành phần chính (PCA: Principal Component Analysis ) 30
2.2.2. Nhận dạng khuôn mặt theo phương pháp EIGENFACE. 33
2.2.3. Khoảng cách Euclid. 35
Chương 3: NHẬN DẠNG MẶT NGƯỜI VÀ VẤN ĐỀ AN TOÀN THÔNG TIN 36
3.1. Vấn đề an toàn thông tin 36
3.2. Nhận dạng mặt người trong bảo đảm an toàn thông tin 38
6
3.3. Đề xuất hướng giải quyết và phạm vi ứng dụng của đề tài 39
Chương 4: CHƯƠNG TRÌNH THỬ NGHIỆM 41
4.1. Sơ lược về EmguCV. 41
4.2. Các bước chính trong hệ thống nhận dạng mặt người. 42
4.3. Phân tích hệ thống. 43
4.4. Kết quả chạy chương trình. 45
KẾT LUẬN 50
TÀI LIỆU THAM KHẢO 51
7
DANH M
Hình 1.1: Các đặc trưng sinh trắc của con người. 9
Hình 1.2: Bài toán nhận dạng mặt người. 15
Hình 1.3: Kiến trúc hệ thống nhận dạng mặt người. 17
Hình 1.4: Hiệu năng giải thuật PCA theo số lượng đặc trưng trích rút. 20
Hình 1.5: Giải thuật trích chọn đặc trưng. 21
Hình 2.1: 4 đặt trưng Haar-like cơ bản 23
Hình 2.2: Các đặc trưng mở rộng của các đặc trưng Haar-like cơ sở 24
Hình 2.3: Cách tính Integral Image của ảnh 25
Hình 2.4: Ví dụ cách tính nhanh các giá trị mức xám của vùng D trên ảnh 25
Hình 2.5: Mô hình phân tầng kết hợp các bộ phân loại yếu để xác định khuôn mặt 27
Hình 2.6 : Hệ thống xác định vị trí khuôn mặt người (Face detection system) 28
Hình 2.7: Minh họa PCA: tìm các trục tọa độ mới sao cho dữ liệu có độ biến thiên cao nhất. 31
Hình 4.1 : Cấu trúc cơ bản của OpenCV 42
Hình 4.2: Chức năng nhận dạng của hệ thống 43
8
M U
Khi bạn đăng nhập máy tính, sử dụng thẻ ATM, xuất nhập cảnh khi đi
máy bay, sử dụng thẻ tín dụng, khi bạn vào các khu vực đòi hỏi an ninh cao,
bạn cần phải xác thực nhận dạng. Xác thực nhận dạng là để kiểm tra bạn có
phải là người mà bạn khai báo hay không.
Các phương pháp xác thực truyền thống bao gồm mật khẩu và các loại
thẻ định danh như chứng minh thư, thẻ ATM… Điều bất lợi khi bạn sử dụng
các phương pháp xác thực truyền thống là bạn có thể quên mật khẩu, bạn có
thể đánh mất chứng minh thư, đánh mất thẻ tín dụng,… dẫn đến việc bạn
không thể đăng nhập để truy cập vào các tài nguyên cá nhân của bạn và các
kho tài liệu mật của bạn. Ngoài ra còn có các nguy cơ nguy hiểm khác nữa là
vô tình các thông tin bảo mật của bạn lại rơi vào tay của người khác, họ sử
dụng thông tin mật của bạn vào các mục đích bất lợi cho bạn và cho mọi
người.
Vấn đề cấp bách đứng hàng đầu hiện nay về công nghệ là nâng cao tính
bảo mật. Hàng ngày, hàng giờ vẫn luôn xảy ra các vấn đề đánh cắp thông tin
mật và các tài khoản ngân hàng … Để hạn chế các vấn đề này, vấn đề bảo mật
về sinh trắc học đang được sự quan tâm của nhiều người trong các lĩnh vực
cần mức độ bảo mật an toàn cao cũng như tính thuận tiện của nó khi xác thực
nhận dạng chủ thể trong đời sống xã hội cũng như trong các lĩnh vực quốc
phòng, an ninh.
Với nhu cầu bảo mật ngày càng cao của các ứng dụng truy nhập, kiểm
soát vào ra … tôi quyết định chọn đề tài nhận dạng khuôn mặt người và ứng
dụng trong bảo toàn thông tin để thực hiện luậnvăn tốt nghiệp của mình.
9
KHOA HC TIN CA V NHN DNG
MI
1.1. TNG QUAN V SINH TRC HC
Sinh trc hc hay sinh trc hc (thut ng khoa hc:
s dng nhng thuvm sinh hc
a mi , mng mt, t nhn din.
Mm sinh hc duy nht. D liu sinh trc hc
ca tng t, nh chc, gi
c kt hp vi nhau bng phn m to ra mt khng
giao dn t sinh tr
.1c ci.
Nhng thit b n t dng d liu sinh trc hc trong
10
thi gian th bo v t ci s
phi t hay ghi nh mt khn t, th
mt s c hin vic tht ch
chiu b nghi sinh trc hc
Technologies thit k ng dc sinh trc h nhn
di lng t m
Ti M, th ng sp ti k tr c
ti
cu c c ti m
n t t cm bin nh n.
Nu cm bin nhn ra nhm duy nhc c
ch. Hi100 quc gia s
dng h chin t b nhn d d
t gi o mt hu hi
Nhn d c ng dng r
i sng hng th
i ni tit nhi
nhn d u suu nhng
p phi nhng th s ng
c nh, hay ng ca tham s ng.
Nhn dc l
u t c, nhn dng mu,
mng t n kinh, th h
1.1.1 .
11
1.1.2. ng ch tay (Palm lines)
Hu ht tt c m
a con n m tui nh
s n
c chp li u t ng. Tip
c.
Theo s lic s d nh nh
ngh c sau: ng dng c
12
p ra
nhnhau cc n, kn
sinh thit lp ra mt s ng l lii mt s ng
c s t gi
i vi nhau by ci
l n
c s dc b
trc h c m
t.
1.1.3. g mc mt (retina biometrics)
1.1.4. Gi
13
n gin khoa hc ca mi dc
m gia hht ca gia mi
c s i d liu mc ghi li t c
i b th d liu
i nhn dng gi
n l
t bm duy nht, chng hn s gi
ng c.
nhn dng gi u khin
truy cch v mi h truy cp t n
ch v d liu, shopping hop
t b bo mt.
Trong khi nhn dng gin tii
y do nhng ri ro mo danh, truy cp t
i b cm lnh ho khi
s dng h thng nhn dng gi th s a nhn
gi ch
1.1.5. Nhn dng mt i (Face recognition)
.
14
1.1.6. DNA (Dioxyribo Nucleic Acid)
Thut ng "DNA" vit tt c
thy trong mi t a mi sinh vc hin
ng ca t t c ca mi
c nht
chng minh vic nhn dng. Do th nghim ru
thun li v c nh
tit kic hn thit ph
y nht.
1.2.H THNG NHN DNG MI
n dng m
n dng mi
H thng nhn dng mt h thng nht nh
hoc mn video (mt chunh). Qua x th
c v i trong nh (n
trong s nh i h th c bi c) ho
i l.
15
1.n dng mi.
1.2.1.2. Nha nhn dt
n dng m k
1/. p: nh ch i rt nhiu b
p git. Chng hp thng, ch
0
i 45
0
, chp t ng, chp t
v
mi b khut mt phn hoc tht ht.
2/. S xut hin hoc thiu mt s n c
xut hin ho
t nhiu.
3/. S biu cm ct: Biu cm c
c t. Chng ht
t m s rt k i hoc s
4/. S che khu b che khut bc
16
5/ng ca nh c bii rt nhiu v
a trc camera, chng hnchp vi tr nh
t b i trc ca nh.
6/ u kin ca nh: c ch u ki :
chi thut sng ngoi,v.v ), nh
ng rt nhin chng t.
ng dn nhn dng mi.
n dng m ng ru
ng dng thc t p dn rt
nhiu trong thng dn
nhn dng m k
- H thn ti pht ti mt s
cc
s xut hin ci phm, h thng s gp v cho
- H th trong m a
t
- H thng giao ti vi
mn th
s dng p trc quan: biu ct, du hiu, c ch bng
tay (visual input, visual interaction).
- H thnh, video di dung (ch
mi). Chng h truyCNN t kho d liu
video tin tn cm nhanh nh
hoc Bin Laden.
- thng bo mt dc sinh hc: mt
tay,v.v thay n mt kh
17
1.2.3. Tng quan ki h thng nhn dt
H thng nhn dng mt i thc thit k
tin ca mi. K thut nhn dm tra s p d
t nhiu, c th nhi
trong h thng dt.
a mt h thng nhn dnh hay
mng
xut hinh hot s ng tip cn
t h thng nhn dt gc x n
n dt.
1.3: Ki thng nhn dng mi.
n t k thu
nh v c ct i trong cnh bt
k. K thun bi qua nhng th
t
i t d li t,
n th
c cun dt. Trong chn dng
h thng s ng t m d liu. Giai
i thu
1.2.3.1t
Phát hiện khuôn
mặt
(Face detection)
Trích rút đặc trưng
(Face extraction)
Nhận dạng khuôn
mặt
(Face recognition)
18
t s ng dng nhn dt n
t. Kng trong
d lic chu
thng d li h i phm c
ninh, nt v c h chiu hay ch
ca ti phc nhn din s
u
a h thng th ng cha c i
t cn thic bi
thi bao g
mt, nhn dt.
i, t
t c
nh
n [9]
ng tip c
ng mng tip ct
-ng tip cn du bit ci
v
quan h c
- ng tip cn di: M
thu cc
t, v t thit b
hou kii.
- ng tip cn dp mu chun ca
c chn l cho
19
i ch
sao
ma d liu nh
i.
- ng tip cn dn mc hn vi so khp mu,
c hc t mt tp nh hun luy
th i. Hay mt s
ng tip cng tip cc.
nhn dic 5 tu
t trong b
th nhi quen ngay c khi h
v nhn ra i ckhi h mi 23
tui m ng x i vi,
i vc s ca nhn
d bc
t
quan trng t mt bc t. Nh
20
s dt t l sai s chp nhn
c.
1.4: Hii thut PCAtheo s
m bo hi thi
cu ra cp
vc: Gim s
chin lg. Gim s chit nhim v
quan trng trong bt c mt h thng nhn dng ma
mt b p ph thus ng nh mu, s phc
tp ca b p. T l li ca mt b
ng th m
hia gii thu xy ra khi s ng mu
hc nh i s M gii quyt v
s ng mu hc cho mt lp gp 10 ln s c gi s
nh t quan trng.Gim s
lp s d nh a, mt b n
i khi nhng cha nhn thia.S
Số lượng đặc trưng
21
c la chn tht cn thc
a h thng nhn dng.
dng trong nhn d
mi:
n
Kernel PCA
Weighted PCA
t tuyLDA: Linear Discriminant Analysis
)
Semi-supervised Discriminant Analysis (SDA)
Idenpendent Component Analysis(ICA)
Mutidinmensional Scaling (MDS)
Self-oganizing map(SOM)
Active shape Models(ASM)
Active appearance Models(AAM)
Discrete cosine Transform(DCT)
MMSD, SMSD
1.5: Gii thu
1.2.3.3. Nhn dngt
Nhn dmi mi ch
a th k i ta phi
i nh nh v ng
pht. V i th thut
nhn dit dc ci thi
tri d
22
t ct mc m nhn
dit.
nhn dng mi ph bin hin
dng dn t
n dng dng th t
pal Component Analysis
PCA), t tuy
Analysis
Analysis LFA).
23
HN DNG MI
T
-
2.1.1. -LIKE
-LIKE
2.1-n
c
c -
24
(center-surround features):
2.2 rng c-
Haar-
-
pixel)
--class/out-of-
t
-like,
Haar-
-time.
-like,
--
25
2.3a nh
ch sau:
D = A + B + C + D (A+B) (A+C) + A
2.4 mnh
-