Ứng dụng DSP trong nhận dạng khuôn mặt và dấu vân tay

ỨNG DỤNG DSP TRONG NHẬN DẠNG KHUÔN MẶT VÀ DẤU VÂN TAY

Đây là đề tài mình chọn từ việc ứng dụng xử lý tín hiệu số trong sinh trắc học,
trong đó tài liệu nhiều nhất có lẻ ở lĩnh vực nhận dạng. Ngoài ra còn có các đề tài
trong nhiều lĩnh vực khác như
+Truyền thông(CDMA, 3G, nâng cao băng thông mang,…)
+ Y học (điện tâm đồ,…)
+ Hình ảnh (xử lý và nén ảnh)
+ Âm thanh (điều chế xử lý âm thanh)
…
Mọi người cứ chọn các đề tài khác(xem đề tài nào có nhiều tài liệu thì OK hết
^_^). Nhớ xem trước trên Forum xem đề tài đó có ai chọn chưa?
Nếu đồng ý với đề tài trên thì dưới đây là bản phân công cho nhóm.(Mọi người có
ý kiên gì xin liên lạc qua mail )

Bản phân công chi tiết công việc trong nhóm:
1. Nhận dạng vân tay
Nguyễn Hải Quang Minh
Nguyễn Văn Long
Lê Minh Nhật
Nguyễn Cao Minh
2. Nhận dạng khuôn mặt
Tôn Thị Kim Loan
Bùi Thị Mỹ Như
Hà
Nghi

Khái niệm, nguyên tắc và
phương pháp nhận dạng vân
tay.
Cách tăng cường chất lượng và

độ chính xác khi nhận dạng
Khái niệm, nguyên tắc và
phương pháp nhận dạng
khuôn mặt.
Cách tăng cường chất lượng và
độ chính xác khi nhận dạng

Mọi người dùng font kiểu Unicode(Tahoma,…) để mình dễ dàng thống nhất bố cục
bài tổng hợp.
Mọi người cố gắng trình bày bào viết dưới dạng các ý và tô đậm phần nội dung
chính, vui lòng đừng chọn bất cứ màu nào khác ngoài màu mặc định của font chữ.


I.NHẬN DẠNG VÂN TAY
1. MỤC ĐÍCH CỦA VIỆC NHẬN DẠNG VÂN TAY
Trong thời đại ngày nay, khi tất cả các lĩnh vực trong xã hội đều được
ứng dụng Khoa học kỹ thuật giúp cho con người thuận tiện hơn trong
công việc hằng ngày. Khi mà công nghệ thông tin bùng nổ, với sự bảo
mật riêng tư thông tin cá nhân cũng như để nhận biết một người nào đó
trong hàng tỉ người trên trái đất đòi hỏi phải có một tiêu chuẩn, hệ thống
đảm nhận các chức năng đó.
Vân tay là một trong những đặc điểm khá đặc biệt của con người bởi vì
tính đa dạng của nó, mỗi người sở hữu một dấu vân tay khác nhau, rất ít
trường hợp những người có dấu vân tay trùng nhau.
+ Người ta lợi dụng đặc điểm này để xây dựng các hệ thống bảo mật
các thông tin riêng tư cho người sở hữu chúng, từ việc thay thế cho
các ổ khóa cho đến việc thay thế mật khẩu đã quá phổ biến trong thời
đại tin học ngày nay. Người ta chỉ cần quét dấu vân tay của mình qua
các thiết bị chức năng là có thể đăng nhập vào hệ thống máy vi tính,
qua một phòng bí mật hay các trạm bảo vệ bí mật. Đó là giải pháp an

ninh tuyệt đối cho những yêu cầu bảo mật của con người trong nhiều
lĩnh vực như: Kiểm soát an ninh trong các cơ quan của Chính Phủ,
trong quân đội, ngân hàng, trung tâm lưu trữ dữ liệu... hoặc để kiểm
soát ra vào của nhân viên tại các trung tâm thương mại, các tập đoàn,
các đại sứ quán...
+ Trong các lĩnh vực phòng chống tội phạm, người ta có thể tìm ra
tung tích tội phạm cũng như nạn nhân thông qua dấu vân tay ở trên
hiện trường.
+ Phổ biến nhất có lẻ là dấu vân tay của chúng ta qua mặt sau của
chứng minh thư để xác định một cách nhanh nhất các đặc điểm, hồ sơ
của một công dân đã được lưu trong cơ sở dữ liệu.
+ Ngoài ra, hệ thống còn hỗ trợ đắc lực cho việc quản lý và chấm
công tại các nhà máy, xí nghiệp, công ty, bảo vệ anh ninh cho mỗi gia
đình hoặc cá nhân.
2. CẤU TẠO, ĐẶC ĐIỂM VÀ PHÂN LOẠI CÁC DẠNG VÂN TAY
2.1 Cấu tạo vân tay: dấu vân tay của mỗi cá nhân là độc nhất. Xác
suất hai cá nhân - thậm chí ngay cả anh em (hoặc chị em) sinh đôi
cùng trứng - có cùng một bộ dấu vân tay là 1 trên 64 tỉ. Ngay cả các
ngón trên cùng bàn tay cũng có vân khác nhau. Dấu vân tay của mỗi
người là không đổi trong suốt cuộc đời. Người ta có thể làm phẫu
thuật thay da ngón tay, nhưng chỉ sau một thời gian dấu vân tay lại
được hồi phục như ban đầu. Vân tay là những đường có dạng dòng


chảy có trên ngón tay người. Nó là một tham số sinh học bất biến theo
tuổi tác đặc trưng cho mỗi cá thể. Trên vân tay có các đường gợn và
các luống.

2.2 Các điểm đặc trưng của vân tay: Trên các ảnh vân tay có các điểm
đặc trưng (là những điểm đặc biệt mà vị trí của nó không trùng lặp trên

các vân tay khác nhau) được phân thành hai loại: singularity và minutiae
Singularity: Trên vân tay có những vùng có cấu trúc khác thường
so với những vùng bình thường khác (thường có cấu trúc song


song), những vùng như vậy goi là singularity. Có hai loại singularity
là core và delta.

Core thường có một số dạng như sau:

Minutiae: Khi dò theo từng đường vân ta sẽ thấy có những điểm
đường vân kết thúc (Ridge Ending) hoặc rẽ nhánh (Bifurcation),
những điểm này được gọi chung là minutiae.


2.3 Phân loại vân tay: Các ảnh vân tay được phân loại nhằm tăng tốc độ
tìm kiến trong cơ sở dữ liệu vân tay trong quá trình nhận dạng. Và các
phương pháp phân loại vân tay hiện nay đều dựa trên hai loại đặc điểm
chung nhất của mọi vân tay, đó là tâm và tam phân điểm (hay còn được
gọi là delta).
Dựa trên các thông tin về số lượng tam phân điểm và vị trí của chúng là
ta hoàn toàn có thể xác định được loại của vân tay. Vì vậy, vấn đề trích
chọn tâm và tâm phân điểm là khâu không thể thiếu được trong quá rình
phân loại vân tay.
Sau đây là một số phương pháp phân loại vân tay đã được nghiên cứu và
công bố, muốn lưu ý tới phương pháp trích chọn tâm và tam phân điểm
được sử dụng.
 Phương pháp phân loại Henry: Đây là phương pháp phân loại cổ
điển và phổ biến nhất, được sử dụng chủ yếu khi nhận dạng vân
tay một cách thủ công. Các tâm và tam phân điểm được nhận

biết bằng mắt thường và vân tay được phân loại dựa trên số
lượng đường vân bị cắt bởi đường nối tâm và tam phân điểm.
 Các phương pháp phân loại dựa trên các đặc điểm tổng thể: Việc
phân loại vân tay trong phần lớn các hệ AFIS hiện nay đều dựa
trên các đặc điểm tổng thể. Việc trích chọn tâm và tam phân
điểm có thể được thực hiện trực tiếp trên ảnh vân tay theo
phương pháp xử lý ảnh theo từng điểm, nhưng nhược điểm của
phương pháp này là tôc độ xử lý chậm. Sau khi tách hướng các
vùng, ta nhận được một ảnh định hướng đặc trưng cho vân tay.
 Phương pháp 2. Màu phân bố hướng chuẩn được định nghĩa là
một mẫu hai chiều mô tả phấn bố của các hướng lằn xung
quanh một điểm đặc trưng. Bằng nghiên cứu thống kê trên
nhiều vân tay, các tác giả đã định nghĩa đặc trưng tâm tam phân
điểm bằng các mẫu phân bố hướng chuẩn. Việc trích chọn tâm
và tam phân điểm được qui về việc tìm kiến trên ảnh định hướng
các vectơ phân bố hướng có dạng giống với mẫu phân bố hướng
chuẩn bằng các đối sánh các mẫu phân bố hướng tại các điểm
có khả năng là đặc điểm với các mẫu phân bố hướng chuẩn.
 Phương pháp 3: Hướng của các vùng được lượng tử hóa theo 8
hưosng trong khoảng từ 00 đ đến 1800. Các vùng đặc điểm tâm
và tam phân điểm được định vị trên ảnh định hướng bằng cách
kiểm tra chỉ soó Poincaré trên một đường cong nhỏ khép kín
xung quanh một điểm.


3. CÁCH XÂY DỰNG HỆ THỐNG NHẬN DẠNG VÂN TAY
3.1. Quá trình nhận dạng dấu vân tay

 Xác nhận dấu vân tay ( fingerprint verification )

Tại bước này một người sẽ cung cấp dấu vân tay cùng với
chứng minh thư, hoặc là các đặc điểm cá nhân của người đó,
ví dụ như Họ tên, ngày sinh, quê quán…(trong chứng minh
thư) hoặc là Username, tên tài khoản, các quyền hạn của
ngươi đó,…(trong bảo mật). Bước này nhằm tạo ra một cơ sở
dữ liệu tương ứng dấu vân tay và các đặc điểm liên quan .
Nguyên lý cơ bản của hệ thống này là sử dụng các diot phát
sáng để truyền các tia gần hồng ngoại (Near Infrared NIR) tới
ngón tay và chúng sẽ được hấp thụ lại bởi hồng cầu trong
máu. Vùng các tia bị hấp thụ trở thành vùng tối trong hình
ảnh và được chụp lại bởi camera CCD. Sau đó, hình ảnh được
xử lý và tạo ra mẫu vân tay. Mẫu vân tay được chuyển đổi
thành tín hiệu số và là dữ liệu để nhận dạng người sử dụng
chỉ trong vòng chưa đến 2 giây.
Công nghệ truyền ánh sáng của Hitachi cho phép ghi lại rõ
nét sơ đồ vân nhờ độ tương phản cao và khả năng tương
thích với mọi loại da tay, kể cả da khô, da dầu hay có vết bẩn,
vết nhăn hoặc bị khiếm khuyết do tạo hoá trên bề mặt của
các ngón tay. Lượng dữ liệu nhỏ đó là căn cứ cho việc nhận
dạng và tạo nên một hệ thống nhỏ gọn, an toàn, thân thiện
và nhanh nhất trên thế giới.
Hệ thống này có thể lưu trữ từ 6.000-8.000 ngón tay trong
một máy và mỗi người có thể được nhận dạng bởi 1 trong 5
ngón tay khác nhau đã đăng ký trước đó. Ưu điểm vượt trội
của hệ thống này là chỉ tương tác với cơ thể sống nên việc
bắt chước, giả mạo hoặc ăn cắp dữ liệu là điều hoàn toàn bất
khả thi.
FVB ra đời hồi đầu năm 2006, đã nhanh chóng thành công tại
thị trường Nhật Bản, Singapor, Trung Quốc...

 Nhận diện dấu vân tay (finger identification )
Dấu vân tay sẽ được đưa vào để đối chiếu với database chứa
các vân tay để truy ra các đặc điểm muốn truy xuất.
Việc đối sánh ảnh vân tay cần nhận dạng chỉ cần được tiến
hành trên các vân tay (có trong cơ sở dũ liệu) thuộc loại đã
được xác định nhờ quá trình phân loại. Đây là giai đoạn quyết
định xem hai ảnh vân tay có hoàn toàn giống nhau hay không
và đưa ra kết quả nhận dạng, tức là ảnh vân tay cần nhận


dạng tương ứng với vân tay của cá thể nào đã được lưu trữ
trong cơ sỏ dữ liệu.
3.2. Hai phương pháp nhận dạng dấu vân tay
 Dựa vào các đặc tính cụ thể của dấu vân tay, như điểm cuối,
điểm rẽ nhánh của các vân trên tay.
 So sánh toàn bộ đặc tính của dấu vân tay.
Thực chất đây chỉ là 2 mức độ của việc nhận dạng. Rõ ràng trong
cách thứ 2 đã bao gồm cách1. Tuy nhiên do đặc điểm của vân tay,
nếu ta không phải so sánh quá nhiều ( cơ sở dữ liệu không quá lớn
) các đặc điểm đặc biệt trên dấu vân tay đủ để ta nhận dạng ra dấu
vân tay đó của ai. Cách thứ 2 là một công việc phức tạp đòi hỏi tính
toán nhiều , tuy nhiên cho kết quả với độ tin cậy cao. Bài báo cáo
này tập trung vào cách làm thứ nhất.
3.3. Sơ đồ hệ thống nhận dạng dấu vân tay

Theo phân tích ở trên thì hệ thống này gồm 2 phần:
+ Verification: Ban đầu một người dùng trong hệ thống cung cấp
thông tin dấu vân tay của mình và lưu trữ vào cơ sở dữ liệu.
+ Identification: Khi sử dụng hệ thống này, dấu vân tay được
thu thập từ một sensor và đem đi xử lý. Quá trình xử lý có thể

tùy chọn một trong 2 phương pháp trên trên )


3.4. Giai đoạn xử lý ảnh trong quá trình nhận dạng vân tay:
Về giai đoạn xử lý ảnh bạn có thể làm các phép xử lý như duới hình
sau

Bài báo cáo này sẽ đi sâu vào trình bày cách phân vùng ảnh theo cách
phân loại dấu vân tay ở trên, tức là trích được các điểm đặc trưng từ
một bức ảnh dấu vân tay. Cuối bài bổ sung thêm một phần nhỏ
phương pháp nâng cao độ chính xác trong nhận dạng vân tay.
Trích các điểm singularity

a. Trường định hướng (orientation field)

Ảnh vân tay là ảnh định hướng, các đường vân là các đường
cong theo các hướng xác định. Góc hợp bởi phương của một
điểm trên đường vân với phương ngang được gọi là hướng của
điểm đó. Tập hợp các hướng của các điểm trên ảnh vân tay gọi
là trường định hướng của ảnh vân tay đó.


Phương pháp xác định trường định hướng như sau [5], [14]:
− Chia ảnh vân tay thành các khối nhỏ hơn kích thước WxW
− Tính gradient theo hai hướng x, y là Gx, Gy tại mỗi điểm
(pixel) trong khối
− Khi đó hướng của điểm chính giữa của khối được xác định
theo công thức:

b. Xác định các điểm singularity bằng chỉ số Poincare (Poincare

index) [3]

Giả sử (i,j) là một điểm bất kỳ trên ảnh vân tay, C là một đường
cong khép kính xung quanh (i,j) thì chỉ số Poincare tại (i,j) là
tổng đại số các độ sai lệch hướng của các điểm liền kề nhau trên
đường cong C. Trong đó: Np là tổng số điểm trên đường cong
“số” C. ϕ(x,y) là hướng tại điểm (x,y)


Dựa vào chỉ số Poincare ta có thể xác định các điểm singularity

Trích các điểm minutiae
Có hai phương pháp chính để tìm các điểm minutiae: trích các điểm
minutiae từ ảnh binary và trích các điểm minutiae trực tiếp từ ảnh
xám.
a. Trích các điểm minutiae từ ảnh binary [5]

Ý tưởng chính của phương pháp này là từ ảnh xám ban đầu ta
sử dụng các bộ lọc thích hợp để phát hiện và làm mảnh đường
vân dưới dạng một pixel (ridge detection), biến đổi ảnh xám ban
đầu thành ảnh binary (có giá trị là 0 hoặc 1) tương ứng.
Sau đó, các điểm minutiae sẽ được trích như sau: giả sử (x,y) là
một điểm trên đường vân đã được làm mãnh và N0, N1, …, N7
là 8 điểm xung quanh nó thì



4. NÂNG CAO ĐỘ CHÍNH XÁC KHI NHẬN DẠNG VÂN TAY
4.1 Mục đích của việc nâng cao độ chính xác khi nhận dạng vân tay
Hơn 100 năm qua so sánh dấu vân tay vốn được coi là một phương tiện

hữu hiệu hỗ trợ cho các nhà điều tra trong quá trình phá án và xét
xử.Hiện thời thì phương pháp này đã bộc lộ một vài khuyết điểm
Có không ít thủ thuật mà người ta vốn quen sử dụng trong khi chưa
chứng minh một cách khoa học về tính hiệu quả và độ tin cậy của nó.
Nhận dạng qua dấu vân tay là một trong những ví dụ điển hình cho "thói
quen" này.
Từ cuối thế kỷ 19, phương pháp nhận dạng qua
dấu vân tay đã được coi là một trong những công
cụ pháp y để xác định nghi phạm và sự hiện diện
của họ tại hiện trường gây án.

... và gây ra khá nhiều oan sai

Theo nhà nghiên cứu tội phạm Simon Cole, hằng năm chỉ riêng ở nước
Mỹ, các giới chức thực thi pháp luật đã “bắt nhầm” tới 1.000 người
qua so sánh vân tay.
Trong một cuộc kiểm tra của FBI, người ta đã thu được tỉ lệ sai sót của
các phân tích dấu vân tay là 0,8%. Theo số liệu của các phòng nhận
dạng sinh học Mỹ, trong năm 2002 đã có tới 1.900 kết quả không
chính xác trong khâu so sánh vân tay. Có năm, tỉ lệ sai số của phương
pháp so sánh dấu vân tay lên tới 4,4%.

Việc nhận dạng vân tay sẽ gặp nhiều vấn để trở ngại đến kết quả vì
các yếu tố khách quan như tác động của môi trường thời tiết,hiện
trường sau khi khảo sát,…và các yếu tố chủ quan gây nhiễu. Nếu chỉ
đơn thuần dựa vào yếu tố kỹ thuật mà bỏ qua một loạt các biện pháp
nghiệp vụ khác, sai số này có thể lên tới 10%


Và ngày ngay ngoài phương pháp nhận dạng dấu vân tay đã có khá

nhiều các phương pháp nhận dạng sinh trắc học khác có độ chính xác
cao hơn và cho kết quả nhanh hơn như phương pháp nhận diện khuôn
mặt,nhận dạng tĩnh mạch lòng bàn tay,…
Nhưng phương pháp nhận dạng vân tay hiện vẫn còn phổ biến ở nhiều
nơi và nhiều quốc gia,mặc nhiên phương pháp nhận dạng vân tay vẫn
được sử dụng trong việc điều tra phá án của cảnh sát vì thế việc nâng
cao sự chính xác khi nhận dạng vân tay là một vấn để thiết yếu. Và
việc áp dụng các phương pháp xử lý tín hiệu giúp cho kết quả nhận
dạng tốt hơn và tránh được rủi ro trong việc điều tra nhận dạng.Việc
nhận dạng vân tay cũng chính là việc xử lý ảnh.
4.2 Đi sâu vào phương pháp xử lý hình ảnh vân tay trong việc nhận
dạng
Vân tay khi đem phân tích thường hiển thị dưới dạng màu đen và nền
là màu trắng,trước khi nhận ra dạng Menutia( những dạng đặc biệt
của vân tay) chúng ta phải biết cách tách vân tay ra khỏi màu
nền.Như vậy ở hàm mật độ xám phải có 2 điểm cực đại càng rõ càng
tốt.Khoảng cách giữa điểm max và min càng lớn thì sẽ tạo lên sự
tương phản rõ ràng giữa vân tay và màu nền.
Từ ảnh mờ của vân tay chúng ta muốn có ảnh rõ nét hơn, không phải
là chúng ta thay đổi hàm mật độ xám là có được ảnh rõ nét hơn, mà
phải dùng những phương pháp xữ lý ảnh cho toàn bộ hay từng phần
của hình vân tay. Bạn có thể dùng phương pháp lọc (Filter) để cho
hình ảnh rõ ràng hơn. Tùy theo hình và mục đích ứng dụng mà chúng
ta dùng phương pháp lọc khác nhau, chẳng hạn như lọc màu xám chỉ
còn trắng đen mà thôi, thì như các bạn đã biết giữa hai điểm cực đại
trên hàm mật độ xám chúng ta chọn điễm ngưỡng (Thresthold). Có
thể là điểm cực tiểu hay là điễm giữa của hai điểm cực đại... làm điểm
ngưỡng thì phần bên trái điểm ngưởng chúng ta gán giá tri 0 (màu
đen) còn phần bên phải thì là 255 (màu trắng). Có khi hình ảnh bị rỗ
(Noise), tùy theo mức độ của rổ mà mình có thể dùng Gaussian Filter

để lọc bớt cho hình bớt những ảnh bị rỗ,nếu dùng phương pháp lọc
Gaussian với độ lệch sigma = 3 thì hình ảnh sẽ rõ hơn.
Nhớ rằng vân tay cũng có chiều quy định của nó giống như Vectơ vậy.
Thực ra thì sau khi lọc cho ảnh vân tay rõ nét, người ta còn loại bỏ


những vết cắt, hay là bóng da tay mỗi vấn đề mỗi thủ thuật khác
nhau. Nhưng cũng là xử lý ảnh để loại bỏ một số điểm đáng ngờ. Kế
tiếp là làm mỏng các đường nét của vân tay. Ở mỗi vân tay người ta
không phải giữ hình ảnh của vân tay mà giữ những điểm đặc biệt gọi
là Menutia (càng nhiểu điểm thì độ chính xác càng cao ). Cuối cùng
chúng ta lấy được những điểm cần thiết ra. Tuy nhiên để chính xác
người ta chồng chất những dấu vân tay cùng một ngón tay để tìm ra
điểm chung để tăng độ chính xác hơn và ta sẽ có được những điểm
bao gồm cả hai hình cùng một vân tay. Thông thường chắc ăn người
ta đăng ký khoảng 4 lần cùng một vân tay để thành lập một cấu trúc
rồi nén lại khoảng 300 tới 500 bytes, chứa khoảng từ 20 đến 80 điểm
đặc biệt. Ngoài ra chúng ta phải kiểm tra và kiễm định bằng phương
pháp thông kê rất nhiều để xác định sai số cho phép,...
4.3 Phương pháp lọc Gabor
Bộ lọc Gabor sử dụng để tăng cường đường vân và phục hồi vân. Hiệu
quả sử dụng của các thuật toán trích chọn đặc tính và các kĩ thuật
nhận dạng vân tay khác phụ thuộc rất lớn vào chất lượng của ảnh vân
tay đầu vào. Trong trường hợp ảnh vân tay, vân lồi và vân lõm thay
thế nhau và hướng theo một hướng cố định. Trong những tình huống
thế này, các vân có thể dễ dàng được phát hiện và các chi tiết có thể
xác định một cách chính xác trên ảnh. Nhưng trong thực tế, do điều
kiện da ( như khô hay ướt, bị cắt… ), nhiễu cảm biến, ấn vân tay
không đúng, và các ngón tay chất lượng thấp, một phần không nhỏ
các ảnh vân tay ( khoảng 20% ) là có chất lượng thấp.

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
liên kết 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 chi tiết sai lệch
• Bỏ qua các chi tiết đúng
• Gây lỗi về hướng và vị trí của chi tiết
Để bảo đảm hiệu quả tốt trong các thuật toán trích chọn chi tiết trên


các ảnh vân tay chất lượng kém, cần một thuật toán tăng cường để
nâng cao sự rõ ràng trong cấu trúc vân.
Một chuyên gia vân tay thường có thể nhận dạng chính xác các chi tiết
bằng cách sử dụng nhiều manh mối nhìn được như hướng vân tay,
tính liên tục của vân, xu hướng vân…Trong lý thuyết, có thể phát triển
một thuật toán tăng cường sử dụng các manh mối nhìn được này để
cải thiện 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 định nghĩa 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 cung cấp thông tin đủ để khôi phục cấu trúc ban
đầu của chúng

• Vùng không thể phục hồi, nơi các vân bị hư hại 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 kết hợp để
định nghĩa chỉ số chất lượng. Mục đích của một thuật toán tăng cường
là để cải thiện 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.
Có rất nhiều phương pháp để nâng cao chất lượng vân, có một
phương pháp đã sử dụng và đạt hiệu quả rất tốt đó là sử dụng bộ lọc
Gabor.
Để áp dụng các bộ lọc Gabor tới một ảnh,cần xác định bốn tham số (
θ, f, mask, radius) . Tần suất của bộ lọc hoàn toàn được quyết định
bởi tần suất vân cục bộ (f) và hướng của bộ lọc được quyết định bởi
hướng vân cục bộ (θ). Việc chọn các giá trị radius , 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. với radius = 4 là sử dụng tốt trong rất nhiều
trường hợp.



II.

NHẬN DẠNG KHUÔN MẶT
1. GIỚI THIỆU
Hơn một thập kỷ qua, có rất nhiều công trình nghiên cứu về bài toán xác
định khuôn mặt người từ ảnh đen trắng, ảnh xám, đến ảnh màu như
ngày nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một

khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng
đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho
ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, khuôn mặt có quay
một góc nhỏ, hay bị che khuất một phần,có nhiều tư thế thay đổi trong
ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung
quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung
quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự
cần thiết của con người.
2. ĐỊNH NGHĨA BÀI TOÁN XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Xác định khuôn mặt người (Face detection) là một kỹ thuật máy tính để
xác định các vị trí và các kích thước của khuôn mặt trong ảnh bất kỳ (ảnh
kỹ thuật số). Kỹ thuật này nhận biết các đặt trưng khuôn mặt và bỏ qua
những thứ khác như: toàn nhà, cây cối, cơ thể...
3. ỨNG DỤNG CỦA PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Có nhiều ứng dụng đã được và đang thiết kế, dưới đây là một số loại ứng
dụng o Hệ thống tương tác giữa người và máy: giúp những người bị tật
hoặc khiếm khuyếtcó thể trao đổi. Những người dùng ngôn ngữ tay có thể
giao tiếp với những người bình thường. Những người bị bại liệt thông qua
một số ký hiệu nháy mắt có thể biểu lộ những gì họ muốn, …. Đó là các bài
toán điệu bộ của bàn tay (hand gesture), điệu bộ khuôn mặt, …
o Nhận dạng người A có phải là tội phạm truy nã hay không? Giúp cơ quan
an ninh quản lý tốt con người. Công việc nhận dạng có thể ở trong môi
trường bình thường cũng như trong bóng tối (sử dụng camera hồng ngoại).
o Hệ thống quan sát, theo dõi và bảo vệ. Các hệ thống camera sẽ xác định
đâu là con người và theo dõi con người đó xem họ có vi phạm gì không, ví
dụ xâm phạm khu vực không được vào, ….
o Lưu trữ (rút tiền ATM, để biết ai rút tiền vào thời điểm đó), hiện nay có
tình trạng những người bị người khác lấy mất thẻ ATM hay mất mã số PIN
và những người ăn cắp này đi rút tiền, hoặc những người chủ thẻ đi rút tiền
nhưng lại báo cho ngân hàng là mất thẻ và mất tiền. Các ngân hàng có nhu

cầu khi có giao dịch tiền sẽ kiểm tra hay lưu trữ khuôn mặt người rút tiền để
sau đó đối chứng và xử lý .
o Thẻ căn cước, chứng minh nhân dân (Face Identification)


o Điều khiển vào ra: văn phòng, công ty, trụ sở, máy tính, Palm, …. Kết hợp
thêm vân tay và mống mắt. Cho phép nhân viên được ra vào nơi cần thiết,
hay mỗi người sẽ đăng nhập máy tính cá nhân của mình mà không cần nhớ
tên đăng nhập cũng như mật khẩu mà chỉ cần xác định thông qua khuôn
mặt
o An ninh sân bay, xuất nhập cảnh (hiện nay cơ quan xuất nhập cảnh Mỹ đã
áp dụng). Dùng để xác thực người xuất nhập cảnh và kiểm tra có phải là
nhân vật khủng bố không.
o Tương lai sẽ phát triển các loại thẻ thông minh có tích hợp sẵn đặc trưng
của người dùng trên đó, khi bất cứ người dùng khác dùng để truy cập hay
xử lý tại các hệ thống sẽ được yêu cầu kiểm tra các đặc trưng khuôn mặt so
với thẻ để biết nay có phải là chủ thẻ hay không.
o Tìm kiếm và tổ chức dữ liệu liên quan đến con người thông qua khuôn mặt
người trên nhiều hệ cơ sở dữ liệu lưu trữ thật lớn, như internet, các hãng
truyền hình, …. Ví dụ: tìm các đoạn video có tổng thống Bush phát biểu, tìm
các phim có diễn viên Lý Liên Kiệt đóng, tìm các trận đá banh có Ronaldo
đá, …
o Hiện nay có nhiều hướng tiếp cận để xác định một ảnh có phải là ảnh
khỏa thân hay không? Khuôn mặt người được xem như một yếu tố để xác
định cho một hướng tiếp cận mà được dùng gần đây.
o Ứng dụng trong video phone.
o Phân loại trong lưu trữ hình ảnh trong điện thoại di động. Thông qua bài
toán xác định khuôn mặt người và trích đặc trưng, rồi dựa vào đặc trưng
này để sắp xếp lưu trữ, giúp người sử dụng dễ dàng truy tìm khi cần thiết.
o Kiểm tra trạng thái người lái xe có ngủ gật, mất tập trung hay không, và

hỗ trợ thông báo khi cần thiết.
o Phân tích cảm xúc trên khuôn mặt
o Trong lãnh vực thiết kế điều khiển robot.
o Hãng máy chụp hình Canon đã ứng dụng bài toán xác định khuôn mặt
người vào máy chụp hình thế hệ mới để cho kết quả hình ảnh đẹp hơn, nhất
là khuôn mặt người
4. PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Có nhiều nghiên cứu tìm phương pháp xác định khuôn mặt người, từ ảnh
xám đến ngày nay là ảnh màu. Tôi sẽ trình bày một cách tổng quát nhất
những hướng giải quyết chính cho bài toán, từ những hướng chính này
nhiều tác giả thay đổi một số ý nhỏ bên trong để có kết quả mới.
Dựa vào tính chất của các phương pháp xác định khuôn mặt người trên ảnh.
Các phương pháp này được chia làm bốn hướng tiếp cận chính. Ngoài bốn
hướng này, nhiều nghiên cứu có khi liên quan đến không những một hướng
tiếp cận mà có liên quan nhiều hơn một hướng chính:


o Hướng tiếp cận dựa trên tri thức: Mã hóa các hiểu biết của con người
về các loại khuôn mặt người thành các luật. Thông thường các luật mô tả
quan hệ của các đặc trưng.
o Hướng tiếp cận dựa trên đặc trưng không thay đổi: Mục tiêu các
thuật toán đi tìm các đặc trưng mô tả cấu trúc khuôn mặt người mà các đặc
trưng này sẽ không thay đổi khi tư thế khuôn mặt, vị trí đặt thiết bị thu hình
hoặc điều kiện ánh sáng thay đổi.
o Hướng tiếp cận dựa trên so khớp mẫu: Dùng các mẫu chuẩn của
khuôn mặt người (các mẫu này được chọn lựa và lưu trữ) để mô tả cho
khuôn mặt người hay các đặc trưng khuôn mặt (các mẫu này phải chọn làm
sao cho tách biệt nhau theo tiêu chuẩn mà các tác giả định ra để so sánh).
Các mối tương quan giữa dữ liệu ảnh đưa vào và các mẫu dùng để xác định
khuôn mặt người.

o Hướng tiếp cận dựa trên diện mạo: Trái ngược hẳn với so khớp mẫu,
các mô hình (hay các mẫu) được học từ một tập ảnh huấn luyện trước đó.
Sau đó hệ thống (mô hình) sẽ xác định khuôn mặt người. Hay một số tác giả
còn gọi hướng tiếp cận này là hướng tiếp cận theo phương pháp học.

5. NÂNG CAO ĐỘ CHÍNH XÁC KHI NHẬN DẠNG KHUÔN MẶT

5.1 Mục đích của việc nâng cao độ chính xác khi nhận dạng khuôn mặt:
Cùng với nhận dạng vân tay và nhận dạng giọng nói, nhận dạng
khuôn mặt (Face Recognition) là công nghệ sinh trắc học đang được
sử dụng phổ biến hiện nay. Ứng dụng của nhận dạng khuôn mặt rất
đa dạng trong nhiều lĩnh vực như: nhận diện trong điều tra an ninh,
nhận diện nụ cười trong công nghệ máy ảnh, xác thực (authentication)
trong lĩnh vực kiểm soát truy nhập vào hệ thống…
Công nghệ nhận dạng khuôn mặt được các hãng giới thiệu là
một tính năng nổi trội, giúp ngăn chặn người khác tiếp cận máy tính
trái phép, đảm bảo an toàn thông tin cho chủ nhân.Những phần mềm
nhận dạng thông minh ngày càng có độ chính xác cao và có sự phát
triển vượt bậc.

5.2 Đi sâu vào các phương pháp nâng cao độ chính xác khi nhận diện
khuôn mặt:
Mỗi khuôn mặt đều có nhiều điểm mốc, những phần lồi lõm tạo nên
các đặc điểm của khuôn mặt. FaceIt định nghĩa những điểm này là
những điểm nút. Mỗi mặt người có khoảng 80 điểm nút. Phần mềm
này có thể nhận diện một số diểm nút như sau:
·Khoảng cách giữa hai mắt


·Chiều rộng của mũi

·Độ sâu của hốc mắt
·Hình dạng của xương gò má
·Độ dài của xương hàm
Các điểm nút trên được đo đạc và tạo ra nhiều mã số được gọi là dấu
bộ mặt ( FacePrint ) đại diện cho khuôn mặt trong cơ sở dữ liệu.

Trước đây, phần mềm nhận diện khuôn mặt dựa trên hình ảnh 2D để
so sánh hoặc nhận diện một hình ảnh 2D khác từ cơ sở dữ liệu. Và để
có được tính chính xác và hiệu quả cao nhất, hình ảnh nhận diện cần
phải là một khuôn mặt nhìn trực diện vào camera, với góc độ ánh sáng
và những biểu hiện trên nét mặt không khác lắm so với hình ảnh trong
cơ sở dữ liệu. Đìều này gây ra nhiều rắc rối.
Trong phần lớn trường hợp, các hình ảnh thường không được ghi
trong một môi trường ổn định. Thậm chí cả những thay đổi nhỏ nhất
trong góc độ ánh sáng hay độ nghiêng của khuôn mặt cũng đủ để làm
giảm tính hiệu quả của hệ thống, vì thế các khuôn mặt này thường
không khớp với bất kỳ khuôn mặt nào trong cơ sở dữ liệu.

5.3.Nhận diện khuôn mặt 3D
Một xu hướng mới nổi lên trong công nghệ nhận diện khuôn mặt là
việc sử dụng các mẫu 3D, giúp cho việc nhận dạng được chính xác
hơn. Một phần mềm nhận diện khuôn mặt 3D sẽ ghi lại một khuôn
mặt thực tế của một người, rồi dùng các điểm nổi bật trên khuôn mặt
– nơi những mô cứng và xương nhìn thấy rõ nhất như đường cong của
hốc mắt, mũi và cằm -- để nhận ra đối tượng. Các đặc điểm này là độc
nhất đối với mỗi khuôn mặt và không thay đổi theo thời gian.


Cách thức sử dụng độ sâu và trục của các phần trên khuôn mặt không
bị ảnh hưởng bởi ánh sáng, vì thế việc nhận dạng khuôn mặt 3D có

thể được sử dụng cả trong bóng tối và có thể nhận ra khuôn mặt từ
nhiều góc độ khác nhau với độ chênh lệch lên tới 90 độ.
Bằng cách sử dụng phần mềm 3D, hệ thống nhận diện này cần trải
qua một loạt bước để nhận diện một đối tượng.
Nhận dạng
Việc ghi lại một hình ảnh có thể thực hiện bằng cách quét một tấm
ảnh 2D sẵn có, hoặc sử dụng video để có được một hình ảnh 3D sống
của đối tượng.
Liên kết
Sau khi đã ghi lại một khuôn mặt, hệ thống này sẽ tính toán vị trí, kích
cỡ và tư thế của đầu. Như đã đề cập từ trước, hệ thống có thể nhận ra
một khuôn mặt ở góc lệch lên tới 90 độ, trong khi với hình ảnh 2D,
khuôn mặt của đối tượng phải nghiêng ít nhất là 35 độ về phía
camera.
Đo đạc
Sau đó, hệ thống này sẽ đo đạc những đường cong trên khuôn mặt
với độ chính xác lên tới dưới 1 milimet, rồi tạo một khuôn mẫu.


Tái hiện
Sau đó, hệ thống sẽ chuyển khuôn mẫu này thành một mã độc nhất
với từng người. Với mỗi khuôn mẫu, mã này có dạng một nhóm các
con số đại diện cho khuôn mặt của một đối tượng.
So sánh
Nếu như hình ảnh này có dạng 3D và cơ sở dữ liệu cũng chứa các hình
ảnh 3D, thì việc đối chiếu có thể tiến hành mà không phải thực hiện
bất kỳ thay đổi nào đối với hình ảnh đó. Tuy vậy, nếu như hình ảnh
vẫn ở dạng 2D thì sẽ có đôi chút khó khăn hơn, bởi công nghệ 3D đem
lại hình ảnh thực và sống động hơn so với một hình ảnh 2D phẳng lì,
bất động. Nhưng công nghệ mới có thể giải quyết được khó khăn này.

Ví dụ, phần bên ngoài và bên trong của con mắt cùng với phần đỉnh
mũi sẽ được lấy ra đo đạc. Sau khi việc đo đạc này hoàn tất, một
thuật toán sẽ được áp dụng để chuyển hình ảnh trong cơ sở dữ liệu
sang dạng 2D. Sau khi chuyển đổi, phần mềm sẽ so sánh hai hình ảnh
2D này với nhau để tìm ra đối tượng.
Xác minh hay nhận diện
Xác minh có nghĩa là một hình ảnh sẽ được đối chiếu với chỉ 1 hình
ảnh trong cơ sở dữ liệu (tỉ lệ 1:1). Ví dụ như, một hình ảnh của một
đối tượng nào đó sẽ được đối chiếu với một hình ảnh trong cơ sở dữ
liệu của Uỷ ban phương tiện giao thông để xác minh xem đối tượng đó
là ai. Còn nhận diện có nghĩa là một hình ảnh sẽ được đối chiếu với tất
cả các hình ảnh trong cơ sở dữ liệu để tìm ra đối tượng (tỉ lệ 1:N). Khi
đó, bạn phải ghi lại hình ảnh đối tượng và so sánh với toàn bộ cơ sở
dữ liệu để biết được đối tượng đó là ai.

5.4.Phân tích cấu trúc bề mặt (STA – Surface Texture Analysis )
Nhiều khi hình ảnh không thể được xác minh hay nhận đạng chỉ bằng
công nghệ nhận dạng nét mặt. Identix® đã tạo ra một sản phẩm mới
để giúp cho việc nhận diện chính xác hơn. Phần mềm FaceIt®Argus
của họ sử dụng công nghệ sinh trắc học về da, dựa trên cấu trúc da
độc nhất của mỗi người, giúp đem lại kết quả còn chính xác hơn nữa.


Thuật toán STA cho phép kết quả thu được đạt độ chính xác cao nhất
STA tạo thành những Dấu da ( SkinPrint ) và đối chiếu theo tỉ lệ 1:1
hoặc 1:N phụ thuộc vào kiểu tìm kiếm. Quá trình này được gọi là Phân
tích cấu trúc bề mặt, cũng hoạt động giống như hệ thống nhận diện
khuôn mặt. Đầu tiên, một mảng da, gọi là dấu da ( SkinPrint ) , sẽ
được chụp thành hình ảnh . Sau đó, mảng da này được chia nhỏ ra
thành nhiều khối. Bằng cách sử dụng thuật toán để chuyển mảng da

thành một không gian toán học có thể đo đạc được, công nghệ này
sau đó sẽ phân biệt từng đường nét, từng lỗ chân lông, và cấu trúc
thực của bề mặt da. Điều này giúp phân biệt được cả một cặp song
sinh giống hệt nhau mà một mình phần mềm nhận dạng khuôn mặt
không thể thực hiện được. Theo Identix, bằng cách kết hợp công nghệ
nhận dạng khuôn mặt với công nghệ phân tích cấu trúc da, độ chính
xác có thể tăng thêm từ 20 đến 25%.
Hiện tại, FaceIt đang sử dụng ba khuôn mẫu khác nhau để xác minh
hay nhận dạng đối tượng: vector, phân tích đặc điểm vùng, và phân
tích cấu trúc bề mặt.
·Khuôn mẫu vector rất nhỏ và được sử dụng để nhận diện nhanh qua
toàn bộ cơ sở dữ liệu ban đầu cho bước đầu của nhiều công đoạn tìm
kiếm.
·Khuôn mẫu phân tích đặc điểm vùng (LFA – Local Feature Analysis )


tìm kiếm ở cấp độ cao hơn hoặc để đối chiếu khuôn mặt theo khuôn
mẫu Vector.
·Khuôn phân tích cấu trúc bề mặt (STA) là khuôn mẫu lớn nhất trong
ba loại. Nó là bước cuối cùng sau bước tìm kiếm dựa vào khuôn LFA,
dựa trên đặc điểm da của đối tượng và đưa ra thông tin chi tiết nhất.
Bằng cách kết hợp cả ba loại khuôn mẫu trên, FaceIt® có lợi thế hơn
hẳn các hệ thống nhận diện khuôn mặt khác. Nó ít bị ảnh hưởng bởi
sự thay đổi trong nét mặt, bao gồm những hành động như nháy mắt,
cau mày, hoặc mỉm cười, và có khả năng nhận diện ngay cả khi đối
tượng có thêm râu, ria mép, hay đeo kính râm. Hệ thống này cũng
phân biệt được các chủng tộc và giới tính khác nhau.

Ánh sáng yếu có thể làm cho chương trình nhận dạng gặp khó khăn
để kiểm tra nhận dạng của một người nào đó.

Tuy vậy, không công nghệ nào là hoàn hảo. Và công nghệ này cũng có
thể bị ảnh hưởng bởi một số nhân tố sau đây:
·Ánh sáng chói trên kính mắt hoặc kính râm
·Tóc dài che phần chính giữa khuôn mặt
·Ánh sáng yếu khiến khuôn mặt bị mờ đi
·Độ phân giải thấp (ảnh được ghi lại từ quá xa)
Identix không phải là công ty duy nhất phát triển công nghệ nhận diện
khuôn mặt. Mặc dù phần lớn sản phẩm của các công ty khác đều hoạt
động tương tự như FaceIt, chúng cũng có một số khác biệt. Ví dụ như
sản phẩm FACEngine ID® SetLight của một công ty có tên là
Animetrix có khả năng chỉnh độ sáng, giúp giảm tỉ lệ nhận diện sai,
hay sản phẩm của Sensible Vision có thể bảo mật cho một máy tính
bằng cách sử dụng công nghệ nhận diện khuôn mặt. Máy tính sẽ chỉ


hoạt động khi người chủ thực sự của nó điều hành. Còn khi người chủ
ra khỏi khu vực nhận diện, máy tính sẽ tự động bảo mật tránh những
người dùng khác.
Nhờ vào những bước tiến mạnh mẽ trong công nghệ, hệ thống nhận
diện da và khuôn mặt đang được sử dụng nhiều hơn so với chỉ vài
năm trước đây. Trong phần tiếp theo, chúng ta sẽ tìm hiểu xem những
công nghệ này đang được sử dụng ở đâu và như thế nào, và điều gì
đang hứa hẹn ở phía trước.

5.5.Hiện tại và tương lai của công nghệ nhận dạng khuôn mặt
Trong quá khứ, đối tượng sử dụng chính của phần mềm nhận diện
khuôn mặt là các cơ quan pháp luật để nhận diện các khuôn mặt trong
đám đông. Một số tổ chức chính phủ cũng sử dụng hệ thống này trong
công tác an ninh và để loại trừ việc gian lận trong bầu cử. Gần đây
chính phủ Mỹ đã sử dụng một chương trình có tên US-VISIT (Công

nghệ quản lý tình trạng nhập cư và di trú Hoa Kỳ), nhằm vào những
người nước ngoài nhập cảnh vào Mỹ. Khi một người nước ngoài nhận
được visa, người đó sẽ phải lăn dấu vân tay và chụp ảnh. Sau đó, vân
tay và ảnh của người này được kiểm tra và đối chiếu với cơ sở dữ liệu
về những tên tội phạm và những kẻ khủng bố. Và khi người này đến
nước Mỹ, dấu vân tay và ảnh của anh ta sẽ được sử dụng để xác minh
xem đó có đúng là người đã nhận được visa hay không.
Tuy vậy, hiện nay có nhiều lý do để phần mềm này ngày càng trở nên
phổ biến. Hiện chúng đã trở nên rẻ hơn và trở nên hữu dụng hơn.
Chúng được kết nối với camera và máy tính sẵn có tại các nhà băng và
sân bay. TSA cũng đang nghiên cứu và thử nghiệm chương trình
Khách hàng đã đăng ký của họ. Chương trình này sẽ nhanh chóng
thiết lập cơ sở dữ liệu an ninh đối với các khách hàng tự nguyện cung
cấp thông tin và hoàn tất bài đánh giá về mức độ đe doạ an ninh. Tại
sân bay này sẽ có đường đi riêng dành cho các khách hàng đã đăng
ký giúp họ di chuyển nhanh hơn và nhận diện từng khách hàng qua
các đặc điểm trên khuôn mặt của họ.
Những ứng dụng tiềm năng khác của công nghệ này bao gồm việc bảo
đảm an ninh cho việc rút tiền tại các máy ATM. Phần mềm này có thể
nhận diện được khuôn mặt của một khách hàng. Sau khi được sự