Tóm tắt luận án Tiến sĩ Công nghệ thông tin: Nghiên cứu nâng cao các kỹ thuật đối sánh vân tay dựa trên các đặc trưng điểm trạc

IH

QU

GI H N I

TR ỜN

N

LÊ

N

N

ỒNG HẢI

ÊN ỨU NÂN
AO Á KỸ THUẬT Ố SÁN
TAY DỰA TRÊN Ặ TR N
ỂM CH C

VÂN

huyên ngành: Hệ thống thông tin
Mã số: 62.48.05.01

TÓM TẮT LU N ÁN TIẾN SĨ ÔNG NGHỆ THÔNG TIN

à Nội – 2018

ông trình được hoàn thành tại: Trư ng ại h c ông nghệ
Quốc gi Hà N i

ại h c

Phản biện: .............................................................................................................

....................................................................................................................

Phản biện: .............................................................................................................

....................................................................................................................

Phản biện: .............................................................................................................

....................................................................................................................

Luận án sẽ được bảo vệ trước H i đồng cấp ại h c Quốc
gia chấm luận án tiến sĩ h p tại ...........................................................................
vào hồi

gi

ngày

tháng

năm

ó thể tìm hiểu luận án tại:
-

Thư viện Quốc gia Việt Nam
Trung tâm Thông tin - Thư viện

1

ại h c Quốc gi Hà N i


Ớ T

U

UN

ộng lực nghiên cứu
Vân t y à đ c trưng sinh trắc h c được s
ng ph iến r ng rãi
trong các hoạt đ ng ân s c ng như pháp
M c ù sinh trắc h c hiện
đại đã s d ng nhiều đ c trưng ền vững cho các cá nhân như võng m c,
DNA, gi ng nói nhưng việc thu thập mẫu và đối sánh còn phức tạp và
giá thành c o Vân t y vẫn à đ c trưng sinh trắc h c có vài trò qu n
tr ng nh tính ất biến khác iệt của các vân t y và đơn giản trong quá
trình ấy và x
mẫu.
Trong hệ thống nhận dạng vân t y t đ ng (AFIS) gi i đoạn đối sánh

vân t y có v i trò qu n tr ng trong quyết đ nh đến tốc đ và đ chính xác
củ hệ thống nhận ạng vân t y. Với các ứng d ng truy vấn vân t y đòi
hỏi tốc đ th i gian th c c n đ nh nh tức thì vân t y đ u vào đòi hỏi
hệ thống c n có khả năng đối sánh hàng triệu vân t y trong th i gi n đơn
v giây
Mục tiêu của luận án
ể hướng tới m c tiêu xây ng m t hệ thống FIS có hiệu năng
c o ài toán đối sánh vân t y c n được chú tr ng nghiên cứu và giải
quyết ây chính à đ ng c chính để chúng tôi
ch n đề tài nghiên
cứu: “Nghiên cứu nâng c o các kỹ thuật đối sánh vân t y
trên đ c
trưng điểm chạc” trong uận án tiến sỹ này C thể sẽ chú tr ng nâng cao
đ chính xác của thuật toán đối sánh vân t y
trên iểu i n à điểm
chạc, c ng như nâng c o tốc đ củ quá trình đối sánh vân t y trên
SDL vân t y ớn
trên x
đồ h GPU.
ác đóng góp chính của luận án
- Luận án đề xuất phương pháp nâng c o đ chính xác củ các thuật toán
đối sánh vân t y ằng cách cải tiến quá trình gi i đoạn gi cố củ các
thuật toán mà không ảnh hư ng đến th i gi n th c thi củ các thuật toán
Th nghiệm đã được tiến hành trên nhiều thuật toán đối sánh vân t y
khác nh u như: K-plet, MCC, m-Triplets cho kết quả nâng c o đ chính
xác củ các thuật toán và không ảnh hư ng đến th i gi n thi hành của
các thuật toán gốc. ác th nghiệm được đánh giá trên cùng
dữ liệu
điểm chạc đươc trích xuất từ SDL vân t y FV 2002DB1.
- iểm đơn nhất củ ảnh vân t y giúp àm điểm căn cứ để tăng tốc đ

th c thi các thuật toán đối sánh vân t y Luận án đề xuất phương pháp
2


phát hiện điểm đơn nhất
trên phương pháp h c máy s
ng mạng
n uron tích chập sâu onvo ution N ur N twork- NN Mạng NN
có khả năng h c tr c tiếp các đ c trưng trên tập ảnh ữ iệu đào tạo o
đó oại ỏ ước thiết kế các đ c trưng s
ng cho mô hình Kết quả th
nghiệm phát hiện điểm đơn nhất trên SDL vân t y FV 2002 s
ng
mô hình mạng NN cho kết quả tốt so với các phương pháp truyền
thống.
- Luận án đề xuất phương pháp đối sánh trên b x
đồ h a GPU s
ng iểu i n M
Thuật toán M
được thiết kế ại để phù hợp với
kiến trúc x
song song củ GPU Kết quả đánh giá trên c r đồ h
Nvdia GTX 680 cho thấy thuật toán có khả năng đối sánh 8 5 triệu vân
t y trên giây khi không s
ng quá trình gi cố Kết quả phù hợp với
kết quả tốt nhất được công ố hiện n y Khi s
ng quá trình gi cố
thuật toán cho kết quả 1 8 triệu vân t y trên giây Tính toán trên GPU
giúp triển kh i hệ thống truy vấn trên SDL hàng triệu vân t y tr nên
khả thi với chi phí phù hợp

Tổ chức của luận án
ấu trúc củ uận án được t chức như s u:
Ph n m đ u giới thiệu chung về đ ng ưc m c tiêu các đóng góp
của luận án.
hương 1 trình ày chi tiết ài toán đối sánh vân t y
trên điểm
chạc và m t số thuật toán đối sánh vân t y
trên điểm chạc cho kết
quả tốt hiện nay.
hương 2 trình ày đề xuất của luận án cải tiến quá trình gi đoạn gia
cố cho các thuật toán đối sánh
hương 3 trình ày ài toán phát hiện điểm đơn nhất vân t y và đề
xuất áp ng mạng NN vào nhận ạng các điểm đơn nhất từ ảnh vân
tay.
hương 4 mô tả các kỹ thuật triển kh i thuật toán đối sánh vân t y
trên môi trư ng tính toán hiệu năng c o s
ng b x
GPU nhằm h
trợ tăng tốc quá trình đ nh nh vân t y trên các SDL vân t y ớn ề
xuất củ uận án tùy iến thuật toán M
phù hợp với kiến trúc x
song song củ
x
GPU
uối cùng à kết uận củ uận án và các hướng phát triển
đ nh tiếp
theo.

3

hương 1: K Á QUÁT VỀ
ỂM

Ố SÁN

VÂN TAY DỰA TRÊN

1.1. Trích chọn thuộc tính từ ảnh vân tay
ác thu c tính được trích ch n từ vân t y s d ng trong hệ thống
nhận dạng thư ng có đ c điểm n đ nh, bất biến theo th i gi n và có tính
phân oại giữ các vân t y. ác thuật toán đối sánh vân t y khác nh u có
thể l a ch n các đ c trưng khác nh u ho c kết hợp các đ c trưng này
được s d ng.
Dựa trên điểm chạc: đây à cách tiếp cận ph biến nhất và à kỹ thuật
được s d ng r ng rãi nhất. ác điểm chạc minuti
à các điểm kết
thúc ri g n ing ho c các điểm rẽ nhánh ifurc tion củ các đư ng
vân t y.
1.1.1. Nâng cao chất lư ng ảnh vân tay
M c đích củ thuật toán nâng c o chất ượng ảnh àm tăng đ
tương phản các cấu trúc đư ng vân ác thuật toán nâng c o chất ượng
ảnh t ng qu n không thật hữu ng với ảnh vân t y M t số cách tiếp
cận s
ng
l c G or để nâng c o chất ượng ảnh phân tích Short
Time Fourier Transform(STFT).
1.1.2. Tách đ c trưng điểm chạc
ó nhiều phương pháp được đề xuất cho quá trình trích ch n điểm
chạc từ ảnh vân t y đã được nâng c o chất ượng ảnh ác phương pháp

truyền thống thư ng bao gồm các ước: ư về ảnh nh phân
(binarization), àm mảnh (thinning và cuối cùng à phát hiện điểm chạc.
Hiện nay kỹ thuật h c máy sâu cho kết quả c o trong quá trình phát hiện
điểm chạc.
1.2. ánh giá kết quả của hệ thống nhận dạng vân tay
ể đánh giá đ chính xác của m t hệ thống nhận dạng vân t y,
m t số chỉ số đánh giá thư ng được s d ng:
- F s M tch R t FMR : à tỷ lệ l i xác đ nh nh m à cùng của m t
ngón t y khi so sánh h i vân t y khác nh u
- False Not Match Rate (FNMR): à tỷ lệ l i khi xác đ nh h i vân t y
củ cùng m t ngón t y à không phù hợp.
- Equal-Error R t EER : ùng để chỉ tỷ lệ l i tại đó tỷ lệ l i FMR
cân ằng với tỷ lệ l i FNMR EER à m t chỉ số chính thư ng được s
d ng để đánh giá đ chính xác của m t hệ thống nhận dạng sinh trắc h c
d trên vân t y.

4


1.3. ối sánh dựa trên điểm chạc
1.3.1. Phát biểu bài toán
M i điểm chạc có thể được mô tả b i các thu c tính như v trí của
điểm trong ảnh hướng củ điểm chạc và kiểu củ điểm chạc đư ng kết
thúc-ri g n ing h y đư ng rẽ nhánh-ridge bifurcation. H u hết các
thuật toán đối sánh vân t y coi m i điểm chạc m gồm 3 thông tin
{x,y,θ}, với x y à v trí củ điểm chạc và góc hướng củ điểm chạc θ.
Bài toán đối sánh
trên điểm chạc à tìm r phép sắp đ t giữa hai
tập đ c trưng điểm chạc củ h i vân t y s o cho tối đ số ượng các c p
điểm chạc có thể đối sánh Hình 1.1 minh h a kết quả đối sánh giữa 2 tập

các điểm chạc của 2 ảnh vân t y

Hình 1 1: Đối sánh giữa 2 tập điểm chạc

M t số khó khăn trong ài toán đối sánh giữa 2 tập các điểm chạc:
- ác điểm chạc có thể đối sánh ằng cách ch và xoay tập các điểm
chạc Tuy nhiên o thiếu thông tin về điểm tham chiếu để àm phép
chuyển ài toán đối sánh tr thành ài toán t hợp.
- Việc tìm thiếu ho c s i các đ c trưng trong quá trình trích ch n đ c
trưng điểm chạc à ph biến điều này ẫn đến thêm khó khăn cho quá
trình đối sánh.
- Quá trình ánh xạ 3D-2D giữa bề m t vân t y và ảnh dẫn tới các hiệu
ứng biến đ i phi tuyến trên tập điểm chạc.
1.3.2. Tính toán độ tương đồng
ác hệ thống đối sánh t đ ng c n chuyển số ượng các điểm chạc
có thể đối sánh giữ h i vân t y s ng m t giá tr chỉ đ tương đồng giữa
h i vân t y iều này thư ng được th c hiện b i công thức sau:

5


với k à số ượng điểm chạc có thể đối sánh m và n à số ượng
điểm chạc tương ứng củ h i vân t y th m gi quá trình đối sánh.
1.4. Phướng pháp đối sánh toàn cục
Trong cách tiếp cận này quá trình đối sánh tìm r phép căn chỉnh cho
toàn
các điểm cùng úc hàm chuyển đ i được giả thiết à toàn c c và
giống nhau tại tất cả các điểm củ vân t y
Bài toán đối sánh tập các điểm chạc có thể coi à m t trư ng hợp của
ài toán đối sánh điểm ó thể giả thiết hai tập điểm có qu n hệ b i m t

số biến đ i hình h c Tuy nhiên trong ài toán đối sánh vân t y điểm
tương ứng giữ h i vân t y thư ng không được biết điều này àm cho
ài toán đối sánh vân t y tr thành ài toán t hợp khó Phương pháp đối
sánh toàn c c thư ng s d ng các điểm căn chỉnh trước để àm căn cứ
cho các phép ch chuyển và xo y iểm căn chỉnh thư ng được s d ng
d trên các điểm đơn nhất củ vân t y Tuy nhiên quá trình phát hiện
các điểm đơn nhất có thể g p khó khăn khi chất ượng ảnh vân t y thấp,
ho c m t số vân t y không có chứ các điểm đơn nhất.
1.5. Phương pháp đối sánh cục bộ
Phương pháp đối sánh c c b sẽ so sánh các vân t y
trên các cấu
trúc c c b củ các điểm chạc. ác cấu trúc c c b được tạo ra d trên
quan hệ củ điểm chạc và các điểm lận cận. ác cấu trúc này có thu c
tính ất biến với các phép iến đ i toàn c c như ch chuyển và các phép
toán xo y Lợi điểm củ các đối sánh c c b à đối sánh đơn giản đ
phức tạp củ tính toán thấp, ch u l i về biến đ i méo củ vân t y hơn so
với các kỹ thuật đối sánh toàn c c. Tuy nhiên đối sánh các cấu trúc c c
b không đảm bảo rằng các đối sánh thỏ mãn mức c c b còn thỏa
mãn mức toàn c c o đó s u gi i đoạn đối sánh c c b thư ng s
d ng thêm gi i đoạn gia cố conso i tion st g để đảm bảo các đối
sánh c c b còn thỏ mãn mức toàn c c.
1.5.1. Một số cấu trúc cục bộ mô tả điểm chạc
ó khá nhiều các cấu trúc c c b đã được đề xuất b i các tác giả khác
nhau.
ác cấu trúc c c b có thểđược chi thành m t số phương pháp a
trên m t số tiêu chí phân loại như:
-Dựa trên láng giềng gần nhất: s d ng mô tả gồm K điểm chạc g n
với điểm chạc c n x m xét ể tránh nhi u và phân ố đều, hikk rur và
c ng s đề xuất cấu trúc c c b (K-p t được tạo b i K điểm chạc g n
6

nhất và các điểm chạc g n nhất được l a ch n s o cho phân ố đều trong
4 vùng xung qu nh điểm chạc.
- Dựa trên bán kính cố định: các áng giềng được đ nh nghĩ
i tất
cả các điểm chạc có khoảng cách với điểm chạc x m xét nhỏ hơn R Mô
tả d trên án kính cố đ nh có đ ài khác nh u giữ các điểm chạc,
ph thu c vào mật đ các điểm chạc xung qu nh điều này có thể dẫn
đến đối sánh giữ các c c b b phức tạp hơn tuy nhiên có khả năng
ch u l i tốt hơn trong tình huống phát hiện sai ho c thiếu điểm chạc.
1.5.2. iểu di n cục bộ dựa trên m trụ M
Hiện n y th o các nghiên cứu khác nh u iểu di n cấu trúc c c b
d trên Minutia Cylinder-Code (MCC) à m t trong những mô tả d a
trên điểm chạc chính xác nhất.
Trong biểu di n MCC, m i điểm chạc
được thể hiện thông qu
m t hình tr hình tr có tâm tại điểm chạc án kính cố đ nh R và chiều
cao 2π Không giống như các cách tiếp cận s d ng án kính cố đ nh
truyền thống, MCC d vào mã hó có đ ài cố đ nh điều này giúp
việc tính toán đ tương đồng c c b đơn giản, coi m i biểu di n à m t
vector.
1.6. Kết chương
N i ung hương 2 đã trình ày về các tìm hiểu đánh giá m t số
thuật toán đối sánh vân t y
trên điểm chạc. N i ung chương tiếp
theo sẽ đề cập tới giải pháp cải tiến quá trình gi cố giúp nâng c o đ
chính xác củ các thuật toán đối sánh vân t y.
hương 2: Ả T ẾN
A O N

Ố SÁN VÂN TAY DỰA TRÊN

A Ố
ỂM

ỦA T UẬT TOÁN

Trong n i dung củ
hương uận án đề xuất cải tiến ước gi cố
trong các thuật toán đối sánh vân t y
trên điểm chạc. Th nghiệm
đánh giá cải tiến ước gi cố đề xuất với các thuật toán K-p t và thuật
toán m-Trip ts trên SDL vân t y FV 2002DB1 cho kết quả nâng c o
đ chính xác củ các thuật toán gốc và không ảnh hư ng đến tốc đ thi
hành củ các thuật toán Kết quả được công ố tại LHH i1 LHH i4
2.1.1. Một số phương pháp gia cố truyền thống
Bước đối sánh s d ng các cấu trúc c c b trong m c trước nhằm tìm
r các điểm chạc có đ tương đồng cao. Bước tiếp th o đối sánh c c b
à ước gia cố (consolidation) nhằm m c đích xác th c x m các cấu trúc
phù hợp c c b còn phù hợp mức toàn c c s u khi đã căn chỉnh.
7


Ví

trong hình 2.1 điểm chạc
phù hợp với điểm chạc
điểm chạc
phù hợp với điểm chạc
s u khi so sánh các

cấu trúc c c b củ các điểm chạc Tuy nhiên s u khi căn chỉnh
tới
v trí
,
có thể không còn phù hợp với
.

Hình 2 1: Bước gia cố liên quan đến biến đổi xoay và dịch chuyển

Quá trình gi cố iên qu n đến các phép iến đ i xo y và ch
chuyển. S u ước căn chỉnh, tất cả các cấu trúc c c b được xác đ nh lại
xem liệu có còn thỏ mãn các ràng u c sau:
- Khoảng cách giữ h i điểm chạc s u khi căn chỉnh không vượt quá
ngưỡng ts xác đ nh trước.
- S khác nh u giữ hướng củ h i điểm chạc s u khi căn chỉnh
không vượt quá ngưỡng tθ.
Hai tham số ts và tθ thể hiện c a s ch u l i. Ví , trong thuật toán
MTK ngưỡng khoảng cách ts= 12 và ngưỡng góc tθ= π/6 cho kết quả tốt
trong đối sánh vân t y
ó nhiều kỹ thuật gia cố khác nh u được đề xuất:
hực hi n nhiều ph p biến h nh khác nhau (Multiple
transformations): m t số tác giả đã s d ng biến đ i d trên nhiều c p
ứng c viên cho quá trình căn chỉnh. Cuối cùng ch n ra biến đ i có số
ượng c p đối sánh mức toàn c c à ớn nhất.
d ng ph p biến h nh phức hợp (Complex transformation): để
hạn chế tác đ ng của hiện tượng v n méo không tuyến tính củ vân t y
do l c ấn vân t y không đồng nhất, sau khi s d ng phép iến hình th o
điểm căn chỉnh các tác giả kết hợp tiếp với phép nắn chỉnh.
d ng quá tr nh gia cố tăng cường (Incremental
consolidation): trong cách tiếp cận này các cấu trúc c c b sẽ được sắp

8


xếp nối tiếp nhau với các đỉnh à các điểm chạc phù hợp và tạo nên m t
đồ th gồm các điểm chạc có thể đối sánh với nhau.
2.1.2. Chi tiết quá trình gia cố đư c đề xuất b i luận án
N i dung m c tiếp theo sẽ đề cập tới các cải tiến đề xuất của luận án
cho 2 phương pháp gi cố gồm: gia cố d trên iến hình và gi cố d a
trên tăng cư ng.
ề xuất cho phương pháp gia cố dựa trên phép biến hình
Tác giả đề xuất nâng cấp quá trình này với tư ng chính: th o cách
truyền thống s u ước căn chỉnh trong phép gi cố
trên phép iến
hình các c p điểm phù hợp c c b chỉ kiểm tra với c p điểm trung tâm
ùng àm căn chỉnh, m c ù các c p điểm này có thể phù hợp với c p
điểm căn chỉnh nhưng có thể không phù hợp với nhau.
Ví
c p điểm chạc (3,4) giữ 2 vân t y à không phù với nh u ù
các c p điểm chạc 1 4 và c p điểm chạc (1,3) giữ 2 vân t y đều phù
hợp với nh u iểm chạc số 1 à trung tâm củ phép căn chỉnh Hình
2.2).
Do đó tác giả đề xuất s u khi căn chỉnh không chỉ kiểm tr phù hợp
với c p điểm trung tâm mà còn kiểm tr x m có phù hợp với các điểm đã
căn chỉnh khác Ví , với điểm chạc số 4 không chỉ kiểm tr phù hợp
với điểm chạc s d ng àm phép căn chỉnh số 1 mà còn kiểm tr x m có
phù hợp với các điểm chạc số 2 và số 3.

Hình 2 2: Đối sánh không chính xác khi s d ng gia cố truyền thống

Mô tả thuật toán gia cố đề xuất như sau:

u tiên, sắp xếp tất cả các căp điểm chạc phù hợp c c b còn
thỏ mãn s u quá trình căn chỉnh với điểm chạc àm tâm th o giá tr đ
tương đồng giảm d n s u đó sẽ loại bỏ các c p điểm không phù hợp với
các điểm trước đó
Chi tiết các ước có thể mô tả như s u:
1. M ={pi , qj} à tập các c p điểm chạc được tìm r s u quá trình
căn chỉnh với điểm tham chiếu.
9


2. Sắp xếp các c p {pi ,qj} trong M th o giá tr tương đồng giảm
d n.
3. Với m i c p {pi ,qj} trong M, nếu {pi , qj} không đối sánh với
c p nào đó trong M, sẽ loại bỏ {pi , qj} khỏi tập M.
4. Kết quả M sẽ chứ các c p điểm chạc phù hợp
ề xuất cải tiến cho phương pháp gia cố gia t ng
Trong phương pháp gi cố
trên gi tăng hikk ur và c ng s
trong quá trình xây ng cây đối sánh khi thêm m t c p mới điểm chạc
(gv, hv) vào đồ th đối sánh c p được đư vào gv, hv) chỉ được kiểm tra
với c p điểm liền kề trước đó gu, hu).
C p điểm chạc (gv, hv m c ù phù hợp với c p điểm iền kề trong
đồ th nhưng có thể không phù hợp với các c p đã tìm r phí trước của
đồ th Do đó đề xuất của tác giả à khi m t c p điểm mới được thêm vào
cây c p điểm không chỉ kiểm tra với c p điểm liền kề mà còn kiểm tra
với các c p điểm đã được thêm vào đồ th đối sánh trước đó Hình 2.3 và
2.4 minh h a kết quả trước và s u khi áp ng ước gia cố cải tiến cho
thuật toán K-plet, cho thấy s u khi áp ng thêm ước kiểm tr s u quá
trình căn chỉnh, kết quả trong hình 3 5 đã oại bớt được m t số c p điểm
chạc không phù hợp với nhau.

Hình 2 3: Đối sánh khi s d ng gia cố truyền thống trên K-plet

Hình 2 4: Đối sánh chính xác hơn khi s d ng gia cố đề xuất cho K-plet

2.1.3. ánh giá phương pháp gia cố đề xuất
Th c nghiệm đánh giá trên m t số thuật toán đối sánh vân t y như
K-plet, m-Triplets s d ng SDL vân t y FVC 2002 DB1. Bảng 1 mô tả
10


chi tiết kết quả so sánh đánh giá trên SDL FV 2002DB1. Tập điểm
chạc được trích xuất s d ng b công c V riFing r được s d ng trong
toàn các đánh giá
Bảng 1: Kết quả s d ng phương pháp gia cố đề xuất
FMR
FMR
FMR
Time
Thuật toán
EER
100
1000
Zero
(ms)
K-plet gốc
1.52%
1.61%
2.61%
4.42%

29
K-plet
cải
1.28%
1.46%
2.14%
2.96%
29
tiến
m-Triplets
1.71%
1.79%
2.68%
3.07%
3.95
gốc
m-Triplets
1.52%
1.71%
2.42%
2.92%
3.99
cải tiến
ác thuật toán cải tiến quá trình gi cố đề xuất i tác giả cho kết
quả chính xác hơn thuật toán gốc Ví
đã giảm sai số EER của K-plet
từ 1.52% xuống 1 28% và s i số EER của thuật toán m-Triplet từ 1.71%
còn 1 52% ồng th i các cải tiến không ảnh hư ng tới tốc đ x
củ
các thuật toán gốc.

2.2. Kết chương
Tác giả c ng đề xuất thuật toán cải tiến quá trình gi cố nhằm
nâng c o đ chính xác củ các thuật toán đối sánh vân t y
trên điểm
chạc và không ảnh hư ng đến tốc đ th c thi củ các thuật toán gốc ề
xuất d trên tư ng khi x m xét các c p điểm chạc trong quá trình căn
chỉnh không chỉ kiểm tr đ phù hợp với c p điểm được ch n àm điểm
tâm mà còn c n kiểm tra với các c p điểm đã được căn chỉnh trước đó.
Trong phương pháp gi cố
trên xây ng cây đối sánh phương pháp
truyền thống chỉ kiểm tr c p điểm thêm vào cây với c p điểm iền kề
trên cây ề xuất tương t à kiểm tr c p điểm thêm vào với toàn
các
c p điểm thêm vào đồ th trước đó.
ánh giá các đề xuất cho quá trình gi cố trên các thuật toán đối
sánh vân t y như: m-Trip ts và K-p t cho kết quả chính xác hơn và
không ảnh hư ng đến tốc đ thi hành củ thuật toán gốc
hương 3: P ÁT
N ỂM
N N ẤT TỪ ẢN VÂN TAY
ác thuật toán đối sánh vân t y c ng như các phương pháp phân ớp
vân t y thư ng s d ng thông tin về các điểm đơn nhất để tăng tốc đ
th c thi Tác giả đã th nghiệm áp ng mạng n uron tích chập NN
vào nhận ạng các điểm đ c trưng đơn nhất kết quả đánh giá trên tập
11


SDL mẫu FV 2002 cho kết quả nhận ạng chính xác 96% với điểm
đ c trưng cor và 90% với điểm đ c trưng
t . Kết quả nghiên cứu

được công ố tại LHH i5
3.1. iểm đơn nhất của ảnh vân tay
3.1.1. Ứng dụng
iểm đơn nhất củ vân t y thư ng chi àm 2 oại điểm: điểm cor
à điểm đó có s iến thiên đ t ng t về hướng củ các đư ng vân
điểm t m giác
t à điểm h i t củ các vùng vân có hướng khác
nhau. ác vân t y thư ng được phân vào m t trong 6 lớp vân t y như:
Vân hình cung t nt
arch), Vân hình cung rch ,Vân hình qu i
(Loop), Vân hình xoáy whorl). Việc phân ớp này giúp giảm bớt không
gian mẫu vân t y c n so khớp. Trong các thu c tính được s
ng trong
ài toàn phân ớp vân t y thu c tính điểm đơn nhất thư ng xuyên được
s
ng trong các thuật toán phân ớp
ác điểm đơn nhất củ ảnh vân t y còn được s
ng àm căn cứ để
tăng tốc đ th c thi củ các thuật toán đối sánh vân t y
trên điểm
chạc.
3.1.2. Phát hiện điểm đơn nhất của vân tay
ác phương pháp truyền thống thư ng tìm r các điểm đ c trưng của
các ớp vân t y thư ng d trên m r ng của thuật toán Pointc r , kết
hợp với các l c phức hợp để tìm r các điểm đơn nhất.
Trong phương pháp Pointc r m i điểm
của ảnh hướng
(orientation map), chỉ số Poincare
được tính toán à t ng s khác
nhau về hướng củ điểm

và các điểm ân cận.
Tuy nhiên để nâng c o đ tin cậy của ảnh ori nt tion à ài toán khó
khi ảnh vân t y nhiều nhi u ho c chất ượng ảnh thấp. Việc xác đ nh sai
hướng có thể dẫn đến phát hiện các điểm đơn nhất s i ác kỹ thuật hậu
x
s d ng h uristic o đó thư ng được áp ng Ví :
S u quá trình nâng c o chất ượng ảnh hikk rur và c ng s s d ng
b l c phức tạp d trên đề xuất của Ni sson và c ng s . Kết quả đã
nâng c o hiệu quả quá trình phát hiện điểm đơn nhất. Zhou và c ng s
s d ng các đ c trưng “Differences of the ORIentation values along a
Circle” DORI để xác th c điểm đơn nhất.
3.2. ề xuất phát hiện điểm đơn nhất sử dụng mạng onvolution
Neural Network
3.2.1. Học máy sâu (Deep Learning)
Trong những năm g n đây mạng nơ ron sâu
p n ur n tworks
đã đạt những kết quả c o trong nhiều ĩnh v c h c máy như các tác v
iên qu n đến th giác máy nhận ạng gi ng nói ch máy u hướng
12


qu n tâm đến D p L rning được qu n tâm ớn trong th i gi n g n đây
D p L rning à quá trình t h c đ mức các đ c trưng từ tập ữ iệu
c n mô hình hó Khác với mô hình h c máy truyền thống mô hình h c
máy sâu sẽ h c thành nhiều mức các đ c trưng mức c o được kết hợp từ
các đ c trưng phí ưới Kiến trúc mạng NN đã được áp ng thành
công và đạt kết quả cao trong nhiều ài toán trong ĩnh v c th giác máy
3.2.2. Mạng onvolution Neural Network
ác mạng neuron truyền thống (MLP) s d ng các kết nối đ y đủ
(full connectivity) giữ các nút điều này ẫn đến không thích hợp với

các ảnh có đ phân giải c o các kiến trúc MLP không xét đến các trúc
về không gi n của dữ liệu x m xét các điểm ảnh g n và x với điểm ảnh
c n đánh giá th o cách tương t .
CNN giải quyết hạn chế của kiến trúc MLP ằng cách kh i thác các
mối tương qu n đ phương về không gi n.
3.2.3. Kỹ thuật phát hiện điểm đơn nhất vân tay sử dụng mạng CNN
ể huấn luyện m t mô hình CNN, tác giả tiến hành 2 công việc
chính
u tiên à ước ch n mô hình kiến trúc mạng ước thứ 2 à
chuẩn b dữ liệu để tiến hành huấn luyện mạng.
ối với mô hình kiến trúc mạng, tác giả s d ng kiến trúc mạng CNN
cung cấp b i Sermanet và c ng s . Kiến trúc gồm 2 t ng đ c trưng kết
hợp s d ng đ c trưng đ t ng. ác đ c trưng phát hiện từ t ng 1 và t ng
2 đều được đư vào t ng phân oại cuối cùng củ mô hình mạng. Kiến
trúc mạng CNN s d ng đ t ng đã đạt kết quả cao nhất với đ chính xác
94.85% trên SDL số nhà SVHN.
ể chuẩn b dữ liệu huấn luyện cho mô hình tác giả s d ng CSDL
vân t y FV 2002 DB t s
ể tạo các ảnh đơn nhất s d ng trong huấn luyện, c n được đánh
dấu v trí các điểm đơn nhất trong tập ảnh huấn luyện. Tập ảnh huấn
luyện bao gồm 2738 điểm core ảnh và 731 điểm delta.
ể nâng c o chất ượng ảnh tác giả s d ng b công c VeriFinger
SDK để nâng c o chất ượng của ảnh vân t y ác hình vuông cùng kích
thước 32x32 pix s xung qu nh điểm cor và t được thủ công tách r
từ các ảnh vân t y
ể tăng kích thước tập dữ liệu huấn luyện tác giả tiến hành xo y ảnh
theo chiều kim đồng hồ và ngược chiều kim đồng hồ.
Hình 3 1 thể hiện m t số phát hiện điểm đơn nhất chính xác từ ảnh
vân t y

13


Hình 3 1: Minh họa một số phát hi n điểm đơn nhất chính xác.

Bảng 2 thể hiện kết quả củ quá trình kiểm tr đánh giá mô hình
mạng NN đã được huấn luyện s d ng b dữ liệu đánh giá FV 2002
Db-b.
Bảng 2: Kết quả đánh giá trên tập dữ li u đánh giá FVC 2002 Db-b
Phương pháp của luận án
FVC 2002 DB-b
Tỷ lệ phát hiện đúng
95.94%
Cores
Tỷ lệ phát hiện sai
7.5%
Tỷ lệ phát hiện đúng
90.36%
Deltas
Tỷ lệ phát hiện sai
6.0%
ác đánh giá được tiến hành trên tập dữ liệu kiểm tra gồm các tập dữ
liệu với chất ượng c o và không c o từ tập Db1, Db2, Db3, Db4. M t số
kết quả tốt hơn áo cáo kết quả tốt nhất của Zhou n
hikk rur trên
CSDL FVC 2002 DB2. iều này chỉ ra rằng mạng CNN àm việc tốt với
cả ảnh chất ượng c o và ảnh chất ượng thấp.
Phương pháp đề xuất của luận án chỉ d trên tập dữ liệu gán nhãn
mà không c n các tri thức về đối tượng, với tập dữ liệu lớn hơn mô hình
đào tạo sẽ cho kết quả tốt hơn.

Kết quả đánh giá cho thấy mô hình mạng NN áp ng vào ài toán
phát hiện điểm đơn nhất cho kết quả tốt, s d ng mô hình mạng NN đã
giảm thiểu các ước c n tiến hành trong các phương pháp truyền thống
như: tìm r ản đồ hướng đư ng vân xây ng các
l c phát hiện đ c
trưng. M t số hướng của luận án để nâng c o đ chính xác củ mô hình
NN trong phát hiện điểm đơn nhất như: s d ng thêm ữ liệu đào tạo
ho c s d ng các kiến trúc mạng CNN với nhiều t ng hơn
14


3.3. Kết chương
N i ung chương đề cập m t số kỹ thuật c như phân ớp vân t y
đánh chỉ m c vân t y ác kỹ thuật c trước giúp oại ỏ nh nh các vân
t y không à ứng viên trước khi tiến hành ước đối sánh chi tiết L c
nh nh giúp tăng tốc đ quá trình đ nh nh vân t y trên các SDL vân
t y ớn
Luận án đã đề xuất phương pháp xác đ nh các điểm đơn nhất củ vân
t y điểm cor và điểm t s
ng mạng NN iểm đơn nhất có v i
trò qu n tr ng trong ài toán phân ớp vân t y Kết quả th nghiệm trên
CSDL FVC 2002 DB, cho kết quả chính xác và 96% và 90% trong nhận
dạng điểm cor và điểm delta. Tỷ lệ nhận dạng s i 7 5% và 6% Mạng
NN có khả năng t h c đ t ng các đ c trưng từ đối tượng nhận dạng,
giúp giảm thiểu các tác v c n th c hiện như trong phương pháp h c
máy truyền thống. ác kết quả s d ng mạng CNN có thể so sánh với
các kết quả cao nhất trong các công ố có s d ng các kiến thức về đối
tượng trong nhận dạng.
hương 4: Ả T ẾN
UN N

N DAN VÂN TAY QUY
M LỚN SỬ D N
PU
Trong các cách tiếp cận trên giải pháp tận d ng tốc đ
x
đồ
h GPU được qu n tâm s
ng hiện n y nh hiệu năng tính toán c o
và chi phí hợp
Tác giả tập trung chính vào hướng nghiên cứu s
ng
GPU trong đối sánh vân t y Kết quả nghiên cứu được công ố tại
[LHHai2], [LHHai3], [LHHai6].
4.1. Một số kết quả đối sánh trên môi trường tính toán hiệu n ng cao
Bên cạnh s d ng cách tiếp cận l c trước để giảm bớt số ượng vân
tay c n đối sánh chi tiết quá trình đối sánh chi tiết còn tận d ng các môi
trư ng tính toán hiệu năng c o để tăng tốc quá trình đối sánh
G n đây đã có m t số áo cáo s
ng GPU trong thuật toán đối sánh
vân t y Gutierrez (2014), Capelli (2015) H u hết các tiếp cận s
ng
GPU như m t ước c s u đó m t thuật toán chính xác hơn trên PU
được s
ng để tính toán cho các ứng viên vân t y còn ại
Từ các đánh giá cho thấy, các cách tiếp cận đối sánh vân t y s d ng
b x
đồ h GPU à xu hướng được qu n tâm hiện nay nh hiệu năng
c o và giá thành ph n cứng hợp so với cách tiếp cận s d ng c m máy
tính.
4.2. Kiến trúc bộ xử lý đồ họa GPU

omput Unifi
D vic
rchit ctur
UD
à m t trong
những nền tảng ph iến nhất cho GPU
15


Hình 4 1: Chi tiết phân bố các core trong các multiprocessor

Kiến trúc vật
củ
UD
o gồm m t tập các
x
Streaming Multiprocessors (SM), m i
x
o gồm 32 nhân SIMD
Sing Instruction Mu ti D t Hình 4.1).
ể tận ng đồng th i các nhân các chỉ ệnh c n giống nh u trên
các nhân GPU thư ng được tận ng trong các ài toán tính toán song
song ví v tính toán trên m trận đó các chỉ ệnh thư ng giống nh u
Trong mô hình tính toán UD m i tiến trình được th c hiện
song song trên m t tập các uồng thr s các uồng được t chức thành
các khối ác uồng thu c cùng m t khối được th c hiện trên cùng
x
SM và chi s tài nguyên
nhớ củ
x

đó.
4.3. ề xuất đối sánh vân tay trên PU
4.3.1. Phương pháp đề xuất
Thuận toán đối sánh vân t y trên GPU uận án s
ng c ng
trên iểu i n M
Với nhận xét các vân t y có số ượng điểm chạc à
khác nh u nên quá trình triển kh i thuật toán đối sánh trên GPU thư ng
phức tạp với m c đích tối đ các uồng có thể tiến hành song song tác
giả đề xuất s d ng 32 điểm chạc cho m i vân t y trong quá trình đối
sánh Với thống kê trên SDL FV 2002 số ượng điểm chạc trung ình
của m i vân t y à 30 điểm chạc, số ượng đối sánh phù hợp à 6 có thể
coi à đối sánh giữa 2 ảnh cùng vân t y. Do s d ng tất cả các điểm chạc
cho quá trình tính toán mô tả M
nên sẽ không ảnh hư ng đến mô tả
củ 32 điểm chạc được ch n ra.
Với việc
ch n 32 điểm chạc cho m i vân t y giúp quá trình
triển kh i song song hó ài toán đ nh nh vân t y tr nên phù hợp với
kiến trúc GPU mà đó h trợ 32 ệnh SIMD song song

16


Hình 4 2: Mỗi khối gồm 32 luồng, mỗi luồng sẽ tính toán trên

1 cột của ma trận tương đồng
hi tiết hoạt đ ng củ thuật toán đ nh nh vân t y trên SDL
gồm N vân t y được đề xuất i uận án như s u: Tất cả các m trận
tương đồng sẽ có cùng kích thước 32x32, tác giả s d ng 1 khối của

GPU cho quá trình đối sánh giữ vân t y trong CSDL với vân t y c n
truy vấn
như minh h trong hình 4.2. M i khối có số ượng luồng
tính toán à 32 M i luồng của khối sẽ tính toán 1 c t trong ma trận
tương đồng và tìm r giá tr tương đồng lớn nhất trong c t đó như minh
h trong hình
hi tiết giả mã mô tả quá trình tính toán: Với đ u vào à SDL
}và vân t y c n truy vấn
gồm N vân t y {
thuật toán sẽ
tìm r tập giá tr tương đồng {
}
{

}

{

}

[
[

]
]
17


[

∑

]

[ ]

}







Hình 4 3: Chi tiết thuật toán đối sánh đề xuất trên GPU.
Kh i đ u chương trình tất cả các điểm chạc cùng với mô tả hình tr
củ các điểm chạc củ tất cả các vân t y trong SDL được tải vào
nhớ toàn c c củ GPU
Khối GPU với chỉ số
được s
ng để tính toán đ tương
đồng
giữ vân t y
củ
SDL với vân t y truy vấn .
M i uồng với chỉ số
củ khối được s
ng để tính toán giá tr
ớn nhất trong c t củ m trận tương đồng
tương đồng

(
) giữ các mô tả hình tr tại òng 7 được
tính toán
trên khoảng cách giữ các v ctor
Hàm 𝑦 𝑟
tại òng 11 sẽ đồng
hó tất cả các uồng
trong khối S u khi đồng
tất cả các giá tr ớn nhất trong m trận
tương đồng sẽ sẵn sàng cho quá trình gi cố.
tương đồng giữ 2 vân t y được tính toán
trên giá tr trung
ình củ 32 đối sánh có giá tr ớn nhất từ 32 c t củ m trận tương
đồng và sẽ được tính i uồng đ u tiên trong khối ây à phương
pháp ùng để tìm nh nh các ứng viên cho quá trình đối sánh chi tiết
s u này

18


Thuật toán đề xuất phù hợp với kiến trúc tính toán củ GPU trong đó
m i khối chứ cùng số ượngluồng th c thi à 32 được s
ng để đối
sánh vân t y truy vấn và m t vân t y trong SDL Bên cạnh phù hợp với
kiến trúc x
song song củ GPU c ng giúp thuật toán có thể d àng
cài đ t.
4.3.2. Kết quả thực nghiệm
Nhằm m c đích đánh giá kết quả của phương pháp đề xuất. Tác
giả s d ng SDL vân t y FVC 2002 DB1 cho các th c nghiệm tiến

hành ối với quá trình trích ch n thu c tính và xây ng các đ c trưng
MCC, tác giả s d ng công c cung cấp b i Pér z và c ng s . ác đ c
trưng được ưu trên đĩ để tiến hành các th c nghiệm.
ể đánh giá đ chính xác của thuật toán đề xuất s d ng 32 điểm
đ c trưng kết quả của thuật toán được so sánh với đ chính xác của thuật
toán gốc ung toàn các đ c trưng Bảng 3 thể hiện kết quả đánh giá
Bảng 3: Đánh giá độ chính xác khi thay đổi MCC trên C DL FVC 2002
Db1
Thuật toán
EER
FMR 100 FMR 1000
FMR Zero
MCC gốc
1.64%
2.10%
3.89%
4.85%
MCC s d ng
1.76%
2.29%
4.32%
5.46%
32 điểm chạc
Thuật toán s d ng 32 điểm chạc đạt kết quả EER à 1.76% so
với ERR 1.64% của thuật toán gốc. S th y đ i nhỏ này có thể được
chấp nhận trong các ứng d ng th c.
ể đánh giá tốc đ thi hành của thuật toán đề xuất, tác giả th c
hiện các th c nghiệm trên c r đồ h a NVIDIA GeForce GTX 680 với
1536 CUDA core, kiến trúc K p r và
nhớ 2GB.

CSDL FVC 2002 DB1 được nhân ên các kích thước khác nh u từ
10000 đến 200 000 vân t y để nghiên cứu thuật toán th c thi trên GPU
với SDL có kích thước khác nh u 10 vân t y đ u vào được l a ch n
ngẫu nhiên để xác th c đ nh danh.
Bảng 4 thể hiện kết quả th c nghiệm với các SDL có kích thước
khác nh u
Bảng 4: Thời gian thi hành của 10 truy vấn với kích thước C DL khác
nhau
Kích thước DB Th i gi n (ms)
Số ượng đối sánh trong 1
giây (KMPS)
10000
14
7142
19


50000
100000
150000
200000

61
119
850
1105

8196
8403
8474

8510

Tốc đ thi hành của thuật toán đề xuất khá n đ nh với các SDL
có kích thước lớn, với khoảng 8.5 triệu đối sánh trong 1 giây Kết quả
trên củ luận án c o hơn kết quả được áo cáo trước đó có s d ng giai
đoạn gia cố trên GPU đạt 55 7000 đối sánh trên giây các th nghiệm
được tiến hành trên cùng
x
đồ h GT 680 và phù hợp với kết
quả cao nhất được áo cáo i p i và c ng s đạt 8.7 triệu đối sánh
trên giây tác giả s d ng c r đồ h a Tesla C2075 GPU. Kết quả trên
của luận án đã được công ố trong ài áo LHHai2].
4.3.3. ia cố toàn cục trên PU
H u hết các tiếp cận s
ng GPU như m t ước c s u đó m t
thuật toán chính xác hơn trên PU được s
ng để tính toán cho các
ứng viên vân t y còn ại
Luận án tiến hành th nghiệm tiến hành ước gi cố hoàn chỉnh
tr c tiếp trên GPU bỏ qua không c n s
ng PU cho quá trình đối
sánh s u này
ng tương t thuật toán đối sánh vân t y đã trình ày thuật toán
trong ph n trước hình 84 sẽ được
xung thêm quá trình gi cố được
b M c đích củ quá trình gi cố à tìm r trong 32 c p điểm đối sánh
c c
có giá tr ớn nhất trên các c t đã tìm r có o nhiêu c p còn
thỏ mãn mức toàn c c
Thuật toán c n ưu thêm v tr củ các c p điểm chạc có giá tr ớn

nhất òng 8 trong m i c t để s
ng cho quá trình gi cố M i uồng
trong khối sẽ tr c tiếp so sánh c p điểm tương đồng ớn nhất đã tìm r
trong c t với các c p điểm tương đồng tại các c t khác tìm r
i các
uồng khác trong khối
hi tiết thuật toánđược trình ày trong hình ưới
đây. Thuật toán sẽ thêm ước gi cố vào thuật toán đã được trình ày
quá trình gi cố được
xung từ òng 12 trong đoạn giả mã s u củ
thuật toán:
{

}

20


{
𝑟

𝑟

𝑟

[
[

}
𝑟

]
]

//Local structure matching stage

[
[

]
]

9. End If

//Consolidation stage

(
(

[

]

[ ])

𝑟



Hình 4 4: Đối sánh s d ng bước gia cố trên GPU
Hàm

giúp tránh nhiều hơn 2 uồng trong khối cùng
cập nhật giá tr ớn nhất tại cùng m t th i điểm.

21




Giá tr tương đồng
tại òng 20 được tính toán từ giá tr ớn nhất
đã tìm r
i các uồng trong khối.
4.3.4. Kết quả thực nghiệm gia cố trên PU
Môi trư ng th c nghiệm tiến hành giống như với th c nghiệm
không s d ng quá trình gi cố trước đó Bảng 5 thể hiện kết quả trên các
CSDL với kích thước khác nh u.
Bảng 5: Thời gian định danh 10 vân tay trên C DL với kích thước khác
nhau
Kích cỡ CSDL
Th i gian (ms)
Số ượng đối sánh (KMPS)
10000
58
1724
50000
284
1760
100000
567
1763

150000
850
1764
200000
1105
1809
Tốc đ thi hành của thuật toán đề xuất khá n đ nh với các SDL
có kích thước lớn, với khoảng 1.8 triệu đối sánh trong 1 giây Kết quả
của luận án c o hơn kết quả được áo cáo trước đó có s d ng gi i đoạn
gia cố trên GPU công ố b i Gutierrez và c ng s , đạt 55.7000 đối sánh
trên giây các th nghiệm được tiến hành trên cùng
x
đồ h a GTX
680. Gutierrez và c ng s s d ng SDL khác để tiến hành th c nghiệm,
tuy nhiên số ượng trung ình các điểm chạc củ các vân t y à khá n
đ nh. Kết quả của th nghiệm tiến hành gi cố trên GPU của luận án
được công ố trong ài áo LHH i3 .
4.4. Mô hình kiến trúc hệ thống nhận dạng trên SDL vân tay lớn
trên nền d ch vụ web
Hệ thống tính toán trên GPU cho tốc đ c o đến hàng triệu vân t y
trong 1 giây Nhưng có điểm c n qu n tâm à giới hạn ung ượng b
nhớ củ GPU Ví
c r đồ h a GPU GTX 680, với ung ượng b nhớ
à 2GB trong th nghiệm ưu trữ các thông tin về điểm chạc (v trí
hướng cùng với mô tả hình tr MCC củ điểm trac. M i vân t y s
d ng 32 điểm chạc, số ượng tối đ vân t y có thể ưu trữ trong b nhớ
củ c r đồ h GT 680 à 200 000 vân t y
Hướng phát triển hệ thống s d ng mô hình ch v w
giúp cung
cấp d ch v đ nh danh tới các ứng d ng khác nh u.

Với nhiều yêu c u g i đến server slave GPU tại m t th i điểm, o đó
c n đư các công việc vào hàng đợi để x
các công việc tu n t .Các
22


công việc sẽ được đư tu n t vào mo u tính toán đối sánh s
ng
x
GPU
Hệ thống gồm máy tính M st r có nhiệm v nhận yêu c u g i tới hệ
thống và sẽ th c hiện g i các yêu c u tới các máy S v s
ng GPU
cho quá trình đối sánh vân t y Quá trình đối sánh trên GPU sẽ s
ng
thuật toán đối sánh đề xuất củ uận án đã trình ày m c trước.
4.5. Kết chương
Luận án đã tìm hiểu m t số mô hình tính toán hiệu năng c o áp ng
cho ài toán đối sánh vân t y trong đó chú tr ng đến các thuật toán đối
sánh vân t y s
ng GPU Luận án đã đư r phương pháp đối sánh trên
GPU
trên mô tả điểm chạc M
Bằng cách s
ng 32 điểm chạc
cho m i vân t y trong quá trình đối sánh phương pháp phù hợp với kiến
trúc x
song song củ c r đồ h GPU và không ảnh hư ng đến đ
chính xác củ thuật toán gốc. Thuật toán cho kết quả 8 5 triệu phép đối
sánh trên giây khi không s

ng quá trình gi cố và 1 8 đối sánh trên
giây khi s
ng quá trình gi cố ác th c nghiệm được tiến hành trên
c r đồ h Nivi GT 680
Bên cạnh đó uận án c ng trình ày mô hình m t hệ thống FIS
trên ch v w trong đó hệ thống sẽ phân tán các truy vấn tới các
s rv r th c hiện quá trình đối sánh s
ng GPU

KẾT LUẬN V
ỚN P ÁT TR ỂN
Sau đây là chi tiết các kết quả chính luận án đ đạt đư c:
- ề xuất cải tiến gi i đoạn gi cố trong quá trình đối sánh vân t y
Trong gi i đoạn gi cố nhằm kiểm tr các c p điểm đối sánh c c
còn
phù hợp mức toàn c c các cách tiếp cận truyền thống thư ng kiểm tra
các c p điểm c c
với c p điểm được ch n àm c p th m chiếu x m có
phù hợp h y không Ho c chỉ kiểm tra c p điểm thêm vào với c p điểm
được thêm vào ng y trước đó D trên đánh giá rằng các điểm c c
ù thỏ mãn phù hợp với c p điểm th m chiếu nhưng có thể không phù
hợp với nh u uận án đã đề xuất cải tiến quá trình gi cố trong đó các
c p điểm phù hợp c c
không chỉ được kiểm tr với c p điểm th m
chiếu mà còn kiểm tr với các c p điểm c c
phù hợp đã được tìm r
trước đó ề xuất áp ng th nghiệm cho m t số thuật toán đối sánh
vân t y như: K-plet đã giảm sai số EER của thuật toán từ 1.52% xuống
1.28%, th nghiệm trên thuật toán m-Triplets đã giảm sai số của thuật
toán từ 1.71% xuống còn 1 52% đánh giá được th c hiện trên SDL

23


FVC 2002 DB1.Th i gian th c thi củ các thuật toán sau khi cải tiến giai
đoạn gia cố so với các thuật toán gốc không ảnh hư ng.
- ác phương pháp phát hiện điểm đơn nhất cor và t thư ng s
ng phương pháp Pointc r in x trên ảnh à hướng các đư ng vân
ori nt tion m p các phương pháp này
ảnh hư ng o ảnh nhi u
ẫn tới hướng đư ng vân phát hiện s i ác giải pháp như c ại ho c
s
ng các
c phức tạp thư ng được s
ng để loại bỏ các điểm
phát hiện sai Luận án đề xuất phương pháp phát hiện điểm đơn nhất
trên phương pháp h c máy s
ng mạng n uron tích chập sâu
onvo ution N ur N twork- NN
ác cấu trúc mạng NN đã được
áp ng thành công trong nhiều ài toán trong ĩnh v c th giác máy Kết
quả th nghiệm phát hiện điểm đơn nhất trên SDL vân t y FV 2002
s
ng mô hình mạng NN đ đ c trưng được đề xuất b i S m n t cho
kết quả tốt so với các phương pháp phát hiện điểm đơn nhất th o phương
pháp truyền thống đòi hỏi c n s d ng các đ c trưng về bản đồ hướng
củ vân t y thiết kế các
l c chuyên ng để phát hiện điểm đơn nhất
và quá trình c s u để loại bỏ các điểm đơn nhất sai. Th nghiệm trên
CSDL FVC2002, luận án đ t kết quả chính xác và i (96%, 7.5%) cho
quá trình phát hiện điểm cor và (90%, 6%) cho quá trình phát hiện điểm

delta.
- Luận án đề xuất phương pháp song song hó quá trình đ nh danh
vân t y trên b x
GPU s
ng iểu i n M
Thuật toán M
được thiết kế ại để phù hợp với kiến trúc x
song song củ GPU đó
thư ng thi hành th o các wr ps gồm 32 luồng. Luận án đề xuất s d ng
32 điểm chạc cho m i vân t y, việc s d ng 32 điểm chạc không ảnh
hư ng đến đ chính xác củ các thuật toán Do trung ình m t vân t y
thư ng có khoảng 30 điểm chạc đồng th i tất cả cá điểm chạc đã được
x d ng để tính toán mô tả MCC.
M i khối của b x
GPU được s d ng để đối sánh giữa m t
vân t y của CSDL với vân t y c n truy vấn. M i khối gồm 32 luồng, m i
luồng được s d ng để tính toán kết quả của m t c t trong ma trận tương
đồng. Kết quả đánh giá trên c r đồ h Nv i GT 680 cho thấy thuật
toán có khả năng đối sánh 8 5 triệu vân t y trên giây khi không s
ng
quá trình gi cố Kết quả phù hợp với kết quả tốt nhất được công ố hiện
nay. Khi kết hợp s
ng quá trình gi cố cho thuật toán trên GPU thuật
toán cho kết quả 1 8 triệu vân t y trên giây Tính toán trên GPU giúp
triển kh i hệ thống truy vấn vân t y trên SDL hàng triệu vân t y tr
nên khả thi với chi phí ph n cứng hợp .
24