Mô hình tính toán cho nhận dạng ảnh vân lòng bàn tay

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

VĂN THIÊN HỒNG

MƠ HÌNH TÍNH TỐN CHO NHẬN DẠNG
ẢNH VÂN LÒNG BÀN TAY

LUẬN ÁN TIẾN SĨ CƠNG NGHỆ THƠNG TIN

TP. Hồ Chí Minh – Năm 2016


ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

VĂN THIÊN HỒNG

MƠ HÌNH TÍNH TỐN CHO NHẬN DẠNG
ẢNH VÂN LÒNG BÀN TAY

Chuyên ngành: KHOA HỌC MÁY TÍNH
Mã số chuyên ngành: 62.48.01.01

Phản biện 1: GS. TS. Nguyễn Thanh Thủy
Phản biện 2: PGS. TS. Lý Quốc Ngọc
Phản biện 3: TS. Lê Thành Sách
Phản biện độc lập 1: PGS. TS. Huỳnh Trung Hiếu
Phản biện độc lập 2: PGS. TS. Phạm Thế Bảo

NGƯỜI HƯỚNG DẪN KHOA HỌC

1.
PGS. TS. Lê Hồng Thái
2.
TS. Đinh Bá Tiến

TP. Hồ Chí Minh – 2016


Lời cam đoan
Tôi xin cam đoan rằng nội dung của luận án này là kết quả nghiên cứu của chính
bản thân. Tất cả những tham khảo từ các nghiên cứu có liên quan đều được nêu rõ
nguồn gốc từ danh mục các tài liệu tham khảo trong luận án. Những đóng góp trong
luận án là các nghiên cứu của tác giả đã cơng bố trong các cơng trình khoa học nêu
trong phần danh mục các cơng trình nghiên cứu chưa được cơng bố trong bất kì
cơng trình khoa học nào khác. Các cơng trình nghiên cứu của nhiều tác giả được
đưa vào nội dung luận án đều nhận được sự đồng ý trước đó của các đồng tác giả.
Tác giả luận án

Văn Thiên Hoàng

i


Lời cảm ơn

Lời đầu tiên, em xin bày tỏ lòng biết ơn sâu sắc đến quý Thầy, PGS. TS. Lê Hoàng
Thái và TS. Đinh Bá Tiến bởi nhờ sự động viên, chỉ bảo, hướng dẫn tận tình của
quý Thầy, em mới có thể hồn thành luận án này.

Em cũng xin chân thành gửi lời cảm ơn đến các Thầy Cô trong khoa Công nghệ

Thông tin trường Đại học Khoa học Tự nhiên Tp. HCM đã tận tình dạy dỗ, chỉ bảo
nhiều kiến thức q báu giúp em hồn thành khóa học đúng tiến độ.

Xin cảm ơn Phòng Sau đại học về sự hỗ trợ các thủ tục hoàn thành luận án này.

Xin cảm ơn các đồng nghiệp, bạn bè đã động viên tôi trong suốt thời gian thực
hiện luận án này.

Cuối cùng, xin chân thành cảm ơn cha mẹ, vợ con và anh chị em đã khích lệ, động
viên, tạo điều kiện thuận lợi cho tôi trong suốt thời gian làm nghiên cứu sinh.

Tp. Hồ Chí Minh, tháng 02 năm 2016
Tác giả

ii


TÓM TẮT NỘI DUNG LUẬN ÁN
Ngày nay, sự phát triển nhanh chóng của các ứng dụng thương mại điện tử
đặt ra yêu cầu phải nhận dạng cá nhân tin cậy và tự động. Nhận dạng cá nhân dựa
vào đặc trưng sinh trắc học (như ảnh dấu vân tay, ảnh gương mặt, vân lịng bàn tay,
chữ ký, giọng nói, dáng đi, …) ngày càng được quan tâm nghiên cứu và ứng dụng
để thay thế các giải pháp truyền thống (như: mật khẩu, thẻ định danh,..). Ảnh vân
lòng bàn tay được thu nhận với độ phân giải thấp (<150dpi) là đặc trưng sinh trắc
học mới. Đặc trưng này có nhiều ưu điểm cho nhận dạng cá nhân như: tính phân
biệt cao, giá thành rẻ, lấy mẫu thân thiện, độ chính xác cao và khó giả mạo. Hệ
thống nhận dạng ảnh vân lịng bàn tay đã được các Nhà khoa học nghiên cứu nhiều
và đã đạt những thành công nhất định. Tuy nhiên, bài tốn định danh ảnh vân lịng
bàn tay vẫn cịn nhiều thách thức cả về thời gian xử lý và độ chính xác. Mục tiêu
của luận án là xây dựng các mơ hình tính tốn để giải quyết các thách thức của bài

tốn định danh ảnh vân lịng bàn tay được thu nhận từ thiết bị lấy mẫu có gờ hướng
dẫn đặt bàn tay. Để thực hiện mục tiêu này, luận án đã đề xuất các phương pháp là:
(1) Đề xuất phương pháp phân tích tách lớp tuyến tính mới, GridLDA, cho việc rút
trích đặc trưng tồn cục của ảnh vân lịng bàn tay có sự phân tách cao và so khớp
nhanh. (2) Từ đó, đề xuất các phương pháp kết hợp đặc trưng toàn cục và cục bộ
ảnh: G-GridLDA và M-GridLDA. M-GridLDA có nhiều ưu điểm cho nhận dạng
vân lòng bàn tay hơn G-GridLDA. (3) Đề xuất phương pháp cải thiện so khớp gồm
hai giai đoạn xử lý: so khớp thô bằng đặc trưng đối xứng và so khớp tinh dựa vào
đặc trưng hướng tách lớp. Trong đó, phương pháp dựa vào bộ lọc trên trường số
phức được đề xuất để rút trích đặc trưng đường vân cơ bản cho việc so khớp thơ để
tìm tập dữ liệu ứng viên của giai đoạn so khớp tinh. Các kết quả thực nghiệm minh
chứng các phương pháp đề xuất cho hiệu năng thực hiện cao, cả về độ chính xác và
thời gian xử lý, đồng thời thể hiện triển vọng áp dụng được các phương pháp này
vào các ứng dụng thực tế.

iii


MỤC LỤC
Lời cam đoan............................................................................................................ i
Danh mục các ký hiệu, chữ viết tắt .......................................................................viii
Danh mục bảng ...................................................................................................... xi
MỞ ĐẦU ........................................................................................................... - 1 1. Động cơ nghiên cứu.................................................................................. - 1 2. Mục tiêu và phạm vi nghiên cứu ............................................................... - 2 3. Các đóng góp chính của luận án ............................................................... - 3 4. Cấu trúc luận án ........................................................................................ - 4 Chương 1.

TỔNG QUAN ............................................................................. - 5 -

1.1 Tổng quan về hệ thống nhận dạng vân lòng bàn tay .................................. - 5 1.1.1

Thiết bị thu nhận ảnh ...................................................................... - 7 -

1.1.2

Phân đoạn vùng quan tâm ............................................................... - 8 -

1.1.3

Rút trích đặc trưng ........................................................................ - 10 -

1.1.4

So khớp ........................................................................................ - 16 -

1.1.5

Cơ sở dữ liệu ................................................................................ - 19 -

1.2 Phương pháp đánh giá hệ thống nhận dạng vân lòng bàn tay .................. - 21 1.2.1

Các độ đo hiệu quả nhận dạng ...................................................... - 21 -

1.2.2

Phương pháp thực nghiệm để tính tốn các độ đo đánh giá hiệu quả

định danh vân lòng bàn tay ....................................................................... - 23 1.2.3

Thiết lập tập huấn luyện và tập kiểm tra........................................ - 24 -

1.3 Phương pháp nghiên cứu ........................................................................ - 25 1.3.1

Phương pháp rút trích đặc trưng tồn cục và cục bộ ...................... - 25 -

1.3.2

Phương pháp cải thiện so khớp ..................................................... - 27 -

1.4 Kết luận .................................................................................................. - 27 -

iv


Chương 2.

PHƯƠNG PHÁP RÚT TRÍCH ĐẶC TRƯNG GRIDLDA........ - 28 -

2.1 Các phương pháp phân tích tách lớp tuyến tính....................................... - 28 2.1.1

Ma trận tương quan và ma trận hiệp phương sai............................ - 29 -

2.1.2

Phương pháp LDA ........................................................................ - 29 -

2.1.3

Kỹ thuật giảm số chiều ma trận hiệp phương sai ........................... - 33 -

2.1.4

Phương pháp 2DLDA ................................................................... - 35 -

2.1.5

Phương pháp (2D)2LDA ............................................................... - 39 -

2.2 Phương pháp đề xuất GridLDA .............................................................. - 43 2.2.1

Định nghĩa .................................................................................... - 43 -

2.2.2

Mệnh đề........................................................................................ - 43 -

2.2.3

Giả thiết tối ưu của 2DLDA .......................................................... - 45 -

2.2.4

Phép biến đổi cột tương đồng đề xuất ........................................... - 46 -

2.2.5

Thuật toán GridLDA..................................................................... - 50 -

2.2.6

Ưu và nhược điểm ........................................................................ - 51 -

2.3 Kết luận .................................................................................................. - 52 Chương 3.

PHƯƠNG PHÁP RÚT TRÍCH ĐẶC TRƯNG G-GRIDLDA VÀ M-

GRIDLDA

- 53 -

3.1 Phương pháp kết hợp đặc trưng cục bộ và toàn cục................................. - 53 3.2 Phương pháp G-GridLDA ...................................................................... - 54 3.2.1

Rút trích đặc trưng cục bộ sử dụng hàm Gabor ............................. - 54 -

3.2.2

Thuật toán ..................................................................................... - 59 -

3.2.3

Ưu và nhược điểm ........................................................................ - 60 -

3.3 Phương pháp M-GridLDA ...................................................................... - 61 3.3.1

Thuật tốn rút trích đặc trưng hướng sử dụng bộ lọc MFRAT ....... - 61 -

v


3.3.2

Phương pháp rút trích đặc trưng biểu diễn phân tách đường vân cơ bản

và nếp nhăn............................................................................................... - 65 3.3.3

Thuật toán ..................................................................................... - 66 -

3.3.4

Ưu và nhược điểm ........................................................................ - 68 -

3.4 Kết luận .................................................................................................. - 69 Chương 4.

PHƯƠNG PHÁP CẢI THIỆN SO KHỚP ................................. - 70 -

4.1 Phương pháp rút trích đặc trưng đường vân cơ bản ................................. - 70 4.1.1

Bộ lọc phức .................................................................................. - 70 -

4.1.2

Đặc trưng đường vân cơ bản ......................................................... - 73 -

4.2 Nhận dạng nhanh dựa vào cơ sở dữ liệu được gom nhóm ....................... - 75 4.2.1

Gom nhóm cơ sở dữ liệu sử dụng đặc trưng đối xứng ................... - 76 -

4.2.2

Xử lý truy vấn ............................................................................... - 77 -

4.3 Kết luận .................................................................................................. - 78 Chương 5.

THỰC NGHIỆM VÀ

XUẤT

- 80 -

ĐÁNH GIÁ CÁC PHƯƠNG PHÁP ĐỀ

5.1 Cơ sở dữ liệu thực nghiệm ...................................................................... - 80 5.1.1

Cơ sở dữ liệu 3D PolyU ................................................................ - 80 -

5.1.2

Cơ sở dữ liệu PolyU Multispectral ................................................ - 80 -

5.2 Kết quả thực nghiệm GridLDA và G-GridLDA ...................................... - 80 5.2.1

Thiết lập tập dữ liệu thực nghiệm và kết quả độ chính xác ............ - 81 -

5.2.2

Kết quả thực nghiệm minh chứng hiệu quả của GridLDA ............. - 82 -

5.2.3

Kết quả thực nghiệm minh chứng hiệu quả của G-GridLDA ......... - 84 -

5.2.4

Đánh giá độ phức tạp thuật toán .................................................... - 86 -

5.2.5

Đánh giá thời gian xử lý................................................................ - 87 -

5.3 Kết quả thực nghiệm M-GridLDA .......................................................... - 88 5.3.1

Thiết lập tập dữ liệu thực nghiệm và kết quả độ chính xác ............ - 88 vi


5.3.2

Thử nghiệm mở rộng tập dữ liệu huấn luyện ................................. - 90 -

5.3.3

Đánh giá độ phức tạp giải thuật..................................................... - 91 -

5.3.4

Đánh giá thời gian xử lý................................................................ - 92 -

5.4 Kết quả thực nghiệm nhận dạng ảnh vân lòng bàn tay trong thời gian thực
dựa vào bộ lọc phức ...................................................................................... - 92 5.4.1

Thực nghiệm truy tìm với cơ sở dữ liệu được gom nhóm .............. - 93 -

5.4.2

Thực nghiệm nhận dạng dựa vào tìm kiếm thơ .............................. - 95 -

5.4.3

Đánh giá độ phức tạp giải thuật của việc rút trích đặc trưng VDX. - 96 -

5.4.4

Đánh giá thời gian xử lý................................................................ - 96 -

5.5 Ứng dụng kiểm soát truy cập vào/ra ....................................................... - 97 5.5.1

Mô tả thiết bị thu nhận ảnh sử dụng nhiều gờ................................ - 97 -

5.5.2

Mô tả thiết bị thu nhận ảnh sử dụng một gờ .................................. - 98 -

5.5.3

Kết quả thực nghiệm với cơ sở dữ liệu thu nhận từ thiết bị tự tạo - 100 -

5.5.4

Minh họa sử dụng ứng dụng ....................................................... - 102 -

Chương 6.

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN................................ - 105 -

6.1 Kết luận ................................................................................................ - 105 6.2 Hướng phát triển ................................................................................... - 107 CÁC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ ....................................... - 108 CÁC TÀI LIỆU THAM KHẢO ..................................................................... - 110 PHỤ LỤC....................................................................................................... - 120 -

vii


Danh mục các ký hiệu, chữ viết tắt
STT Từ viết tắt

Tiếng Anh

Ý nghĩa tiếng Việt

Two-dimensional Linear

Kỹ thuật phân tích tách

Discriminant Analysis

lớp tuyến tính hai chiều

Two-dimensional Principle

Kỹ thuật phân tích thành

Component Analysis

phần chính hai chiều

Back-Propagation Neural

Mạng nơron lan truyền

Networks

ngược

1

2DLDA

2

2DPCA

3

BPNN

4

CCD

Charge-Coupled Device

Thiết bị tích điện kép

5

CompCode

Competitive Code

Mã cạnh tranh

6

CTD

7

DCT

Discrete cosine transform

8

DPI

Dots Per Inch

9

EER

Equal Error Rate

10

Euclid

Euclidean

Khoảng cách Euclidean

11

FAR

False Acceptance Rate

Tỉ lệ chấp nhận sai

12

FFT

Fast Fourier transform

13

FRR

False Rejection Rate

Tỉ lệ từ chối sai

14

FusionCode

Fusion Code

Mã kết hợp

Two-directional two-

Kỹ thuật phân tích tách

dimensional Linear

lớp tuyến tính hai chiều

Discriminant Analysis with

theo hai hướng kết hợp

Gabor filter

với bộ lọc Gabor

Genuine Acceptance Rate

Tỉ lệ chấp nhận đúng

15

16

G-(2D)2LDA

GAR

Cột tương đồng
Phép biến đổi Cosin rời
rạc
Số điểm ảnh trên một
Inche
Tỉ lệ sai số tại đó
FRR=FAR

viii

Phép biến đổi Fourier
nhanh


17

HTL

18

ICA

Hướng tách lớp
Independent Component

Kỹ thuật phân tích thành

Analysis

phần độc lập
Thuật toán canh chỉnh 2

19

ICP

Iterative Closest Point

tập điểm với nhau bằng
cách lặp lại việc tìm
điểm gần nhất.

20

LDA

21

MFRAT

22

Linear Discriminant Analysis

Kỹ thuật tách lớp tuyến
tính

Modified finite Radon

Phép biến đổi Radon

Transform

hữu hạn sửa đổi

PalmCode

Palmprint Code

Mã vân lòng bàn tay

23

PCA

Principle Component Analysis

24

RBP

Radial basis probabilistic

25

RLOC

Robust Line Orientation Code

26

HOL

Histogram of Oriented Line

Kỹ thuật phân tích thành
phần chính

Mã hướng đường vân
bền vững
Mật độ của đường theo
hướng
Đường cong nhận được

27

ROC

Receiver Operating

từ cặp giá trị GAR và

Characteristic

FAR với các ngưỡng
khác nhau
Vùng được quan tâm

28

ROI

Region of Interest

29

SED

Second order derivative

Đạo hàm bậc 2

30

SIFT

Scale Invariant Feature

Phép biến đổi đặc trưng

Transform

bất biến về tỉ lệ.

cho việc nhận dạng

ix

31

32

SVM

W-2DLDA

Support Vector Machine

Weighted-Two-dimensional
Linear Discriminant Analysis

33

ZeroFRR

Zero False Rejection Rate

34

ZeroGAR

Zero Genuine Acceptance Rate

35

BDOC

36

BHOG

36

KDA

37

HOG

38

VDX

Bộ phân lớp máy hỗ trợ
vector
Kỹ thuật phân tích tách
lớp tuyến tính hai chiều
có trọng số
Giá trị nhỏ nhất của
FAR tại đó FRR=0
Giá trị nhỏ nhất của
FRR tại đó FAR=0

Block Dominant Orientation

Mã hướng thống trị của

Code

khối

Block-based Histogram of
Oriented Gradient

Biểu đồ mật độ độ lệch
mức xám theo hướng
của khối

Kernel Discriminant Analysis

Phân tích phân biệt dựa
vào nhân

Histogram of Oriented

Biểu đồ mật độ độ lệch

Gradient

mức xám theo hướng
Vector đối xứng

x


Danh mục bảng
Bảng 1-1 Một số cơng trình sử dụng các kỹ thuật so khớp khác nhau .............. - 17 –

Bảng 3-1 Biểu diễn hướng dạng bit của mã CompCode [7]. ............................ - 58 Bảng 3-2 Tính tốn tọa độ các điểm trên một đoạn thẳng có hướng 0o ............. -63-.
Bảng 3-3 Tính tốn tọa độ các điểm trên đoạn thẳng có hướng 30 o. ................. - 64 Bảng 3-4 Tính tốn tọa độ các điểm trên đoạn thẳng có hướng 150o. ............... - 64 Bảng 3-5 Tính tốn tọa độ các điểm trên đoạn thẳng có hướng 90 o. ................. - 64 Bảng 3-6 Tính tốn tọa độ các điểm trên đoạn thẳng có hướng 60 o. ................. - 65 Bảng 3-7 Tính tốn tọa độ các điểm trên đoạn thẳng có hướng 120o. ............... - 65 Bảng 5-1 Các tham số của tập dữ liệu kiểm tra ................................................ - 84 Bảng 5-2 So sánh độ chính xác nhận dạng giữa các thuật toán ......................... - 84 Bảng 5-3 So sánh thời gian xử lý ứng với số chiều đặc trưng cho kết quả chính xác
cao trên tập dữ liệu 2 ........................................................................................ - 88 Bảng 5-4 Các tham số của hai tập dữ liệu thử nghiệm...................................... - 89 Bảng 5-5 So sánh độ chính xác nhận dạng ZeroGAR và số chiều tương ứng .... - 91 Bảng 5-6 So sánh độ chính xác ZeroGAR của phương pháp đề xuất so với một số
phương pháp khác trên tập dữ liệu huấn luyện gốc và tập dữ liệu huấn luyện mở
rộng của tập dữ liệu 2 ....................................................................................... - 92 –
Bảng 5-7 So sánh thời gian xử lý nhận dạng .................................................... - 94 Bảng 5-8 So sánh độ độ chính xác của việc tìm kiếm thơ................................. - 96 Bảng 5-9 So sánh thời gian xử lý nhận dạng .................................................... - 99 Bảng 5-10 Các tham số của các tập dữ liệu của chúng tôi được sử dụng trong thực
nghiệm ............................................................................................................ -102Bảng 5-11 Kết quả độ chính xác nhận dạng ZerGAR tương ứng với số lượng chiều
khác nhau. ...................................................................................................... - 103 Bảng 5-12 So sánh thời gian xử lý của các phương pháp. ................................. -103-

xi


Danh mục các hình vẽ, đồ thị
Hình 1-1 Ảnh độ phân giải thấp và các đặc trưng vân lòng bàn tay. ................... - 5 Hình 1-2. Hai kiểu bài tốn nhận dạng: (a) xác thực và (b) định danh ................ - 6 Hình 1-3 Các thành phần của hệ thống nhận dạng vân lịng bàn tay................... - 7 Hình 1-4 Bốn kiểu thiết bị thu nhận ảnh vân lòng bàn tay [3]: (a) Thiết bị quét ảnh
CCD, (b) máy chụp ảnh kỹ thuật số, (c) thiết bị quét kỹ thuật số và (d) máy quay kỹ
thuật số. .............................................................................................................. - 7 Hình 1-5 Các bước xử lý của bước phân đoạn vùng quan tâm [20]: (a) ảnh gốc, (b)
ảnh nhị phân, (c) ảnh tìm biên, (d) ảnh xác định tọa độ điểm chốt, (e) ảnh xác định
kích thước vùng đặc trưng, và (f) ảnh vùng đặc trưng sau khi phân đoạn ............ - 9 Hình 1-6 Minh họa các phương pháp phân đoạn ROI: (a) Sử dụng biên để phát hiện
các ngón để xác định các điểm chốt cho việc phân vùng ROI [12] và (b), (c) Sử
dụng ba điểm chốt để phân vùng ROI [70], [9]. .................................................. - 9 Hình 1-7 Minh họa PCA: Các ảnh gốc (a), (b), (c), (d) và (e), (f), (g), (h) ảnh đặc
trưng tương ứng [27]. ....................................................................................... - 11 Hình 1-8 Minh họa LDA: ảnh gốc và ảnh đặc trưng LDA [78]. ....................... - 11 Hình 1-9 Minh họa các đặc trưng của các dạng 2DPCA: (a) ảnh gốc, (b)-(f) các ảnh
tái tạo của 2DPCA theo cột, (g)-(k) của 2DPCA theo đường chéo, và (l)-(t) của
2DPCA dạng lưới, tương ứng [CT6]................................................................. - 11 –
Hình 1-10 Minh họa các đặc trưng của các dạng 2DPCA: (a) ảnh gốc, (b)-(f) các
ảnh tái tạo của 2DPCA theo cột, (g)-(k) của 2DPCA theo đường chéo, và (l)-(t) của
2DPCA dạng lưới, tương ứng [CT6]................................................................. - 13 Hình 1-11 Đặc trưng đường: (a), (b) đặc trưng đường của 2 lòng bàn tay khác nhau
và (c) kết quả so khớp khác nhau [18]. ............................................................. - 13 Hình 1-12 Lược đồ xử lý của đặc trưng FusionCode [1] .................................. - 14 Hình 1-13 Đặc trưng mã hướng CompCode [26]. ............................................ - 14 Hình 1-14 So sánh các đặc trưng mã hướng: Ảnh gốc (a), RLOC (b), CompCode
(c) [66]. ............................................................................................................ - 14 -

xii

Hình 1-15 Kết hợp nhiều đặc trưng do nhóm tác giả Kumar đề xuất [4]. ......... - 16 Hình 1-16 Minh họa các phương pháp so khớp: (a) điểm-với-điểm, (b) so khớp 1
điểm với 4 điểm lân cận và (c) so sánh 1 điểm với 8 điểm lân cận [66] ............ - 18 Hình 1-17 Giải pháp huấn luyện ảnh với nhiều trạng thái khác nhau [66]. ....... - 18 Hình 1-18 Minh họa các ảnh khó phân biệt đường vân cơ bản [69]. ................ - 18 Hình 1-19 Minh họa so khớp bằng thuật toán ICP [69]. ................................... - 19 –
Hình 1-20 Sáu lớp ảnh vân lịng bàn tay do nhóm tác giả Wu đề xuất [80]. ..... - 20 –
Hình 1-21 So khớp nhiều mức cho bài tốn cơ sở dữ liệu lớn [40]................... - 21 –
Hình 1-22 Biểu đồ biểu diễn đường cong FRR, FAR ứng với các ngưỡng khác
nhau và giá trị EER .......................................................................................... - 22 –
Hình 2-1 Minh họa sự phát triển của phương pháp phân tích tách lớp tuyến tính cho
phân lớp đặc trưng ảnh. .................................................................................... - 28 Hình 2-2 Minh họa nguyên tắc tách lớp của LDA ............................................ - 30 Hình 2-3 Áp dụng 2DLDA trong việc giảm số chiều vân lòng bàn tay: (a) Ảnh gốc
với kích thước là 128 × 128 và (b)-(h) các ảnh tái tạo lần lượt với số chiều d là 1, 5,
10, 20, 40, 80, 100. ........................................................................................... - 38 Hình 2-4 Giảm số chiều của (2D)2LDA: (a) Ảnh gốc với kích thước là 128 × 128
và (b)-(d) các ảnh tái tạo với d bằng 1 và q lần lượt là 5, 20, 100. ..................... - 41 Hình 2-5 Giảm số chiều của (2D)2LDA: (a) Ảnh gốc với kích thước là 128 × 128
và (b)-(d) các ảnh tái tạo với d bằng 5 và q lần lượt là 5, 20, 100. ..................... - 41 Hình 2-6 Giảm số chiều của (2D)2LDA: Ảnh gốc với kích thước là 128 × 128 và
các ảnh tái tạo với d bằng 20 và q lần lượt là 5, 20, 100.. .................................. - 42 Hình 2-7 Giảm số chiều của (2D)2LDA: Ảnh gốc với kích thước là 128 × 128 và
các ảnh tái tạo với d bằng 128 và q lần lượt là 5, 20, 100. ................................. - 42 Hình 2-8 Giảm số chiều của (2D)2LDA: (a) Ảnh gốc với kích thước là 128 × 128
và (b)-(h) các ảnh tái tạo với d bằng q lần lượt là 1, 5, 10, 20, 40, 80, 100. ....... - 42 Hình 2-9 Phương pháp lấy mẫu dạng lưới của nhóm tác giả Shan[62]: (a) sử dụng
lưới 3×3 cho ảnh kích thước 9×9, (b) lấy mẫu tại các nút của lưới từ trái sang phải,

xiii


từ trên xuống dưới để tạo thành một nhóm, (c) dịch lưới sang phải một điểm ảnh, và
(d) tiếp tục lấy mẫu cho nhóm mới. .................................................................. - 47 Hình 2-10 Minh họa ảnh kết quả phép biến đổi CTD cho vân lòng bàn tay,vân tay
và mặt người: (a), (b), (c) là các ảnh gốc; (d), (e), (f) là các ảnh kết quả phép biến
đổi; và (g), (h), (i) là các ảnh kết quả minh họa giá trị độ lệch mức xám của cột sau
trừ cột trước...................................................................................................... - 49 Hình 2-11. Minh họa so sánh độ phân tán của dựa vào cột và dựa vào ảnh con bằng
phương pháp lấy mẫu dạng lưới: (a) Phương sai của hai chiều ngẫu nhiên ứng với
hai cột của ảnh đầu vào và (b) Phương sai của hai chiều ngẫu nhiên ứng với hai cột
của ảnh kết quả phép biến đổi CTD .................................................................. - 49 Hình 2-12 (a) Lược đồ khối của GridLDA, (b) chiến lược gom nhóm dạng lưới, và

(c) q trình xử lý của việc gom nhóm theo lưới............................................... - 50 Hình 2-13 Kết quả xử lý của GridLDA: (a) ảnh gốc, (b) ảnh đồng dạng cột (phương
pháp biến đổi ảnh CTD), (b)-(f) các ảnh tái tạo của 2DLDA tương ứng với
d={5,15,25,45,75}, và (h)-(l) các ảnh tái tạo của GridLDA tương ứng với
d={5,15,25,45,75}. ........................................................................................... - 51 Hình 3-1 Các phương pháp kết hợp đặc trưng cục bộ và toàn cục. ................... - 54 Hình 3-2 Bộ lọc Gabor với kích thước 11 × 11 (a) và 7 × 7 (b). ....................... - 54 Hình 3-3 Ảnh kết quả lọc đường vân tay sử dụng bộ lọc Gabor: (a), (c), (e), (g) các
ảnh gốc, và (b), (d), (f), (h) ảnh kết quả lọc [CT11].. ........................................ - 55 Hình 3-4 Kết quả áp dụng bộ lọc Gabor theo các hướng với các tần số khác nhau:
(a) ảnh gốc, (b)-(e) các ảnh kết quả lọc theo 4 hướng -45˚, 90˚, 45˚, 0˚ với tần số 4,
(j)-(m) với tần số 6, (j)-(m) với tần số 8, (n)-(r) với tần số 10. (b1)-(r1) các ảnh nhị
phân tương ứng [CT7]. .................................................................................... - 55 Hình 3-5 Minh họa bộ lọc Gabor wavelet với góc 90˚ và tần số là 0.87. .......... - 57 Hình 3-6 Minh họa bộ lọc Gabor wavelet với góc 90˚ và tần số là 1.5 ............. - 57 Hình 3-7 Minh họa ảnh 3D của đường vân giống ảnh bộ lọc Gabor đảo dấu.... - 58 Hình 3-8 Minh họa (a) một số ảnh vân lịng bàn tay và (b) các ảnh kết quả lọc
Gabor wavelet tương ứng. ................................................................................ - 58 -

xiv


Hình 3-9 Minh họa phương pháp G-GridLDA ................................................. - 59 Hình 3-10 Kết quả xử lý kết hợp của Gabor Wavelet với GridLDA: (a) ảnh gốc, (b)
ảnh kết quả phép lọc Gabor Wavelet, (c) ảnh đồng dạng cột (Phương pháp biến đổi
ảnh CTD) của ảnh b, (d) ảnh tái tạo của 2DLDA ứng với d={5,15,25,45,75}, và (e)
ảnh tái tạo của GridLDA ứng với d={5,15,25,45,75}. [CT5] ............................ - 59 Hình 3-11 Minh họa các đường Lk theo các hướng (a) 0˚ (k=0), (b) 30˚ (k=1), (c)
120˚ (k=5), (d) 90˚ (k=3), (e) 60˚ (k=2), và (f) 150˚ (k=4) trong bộ lọc 7×7 MFRAT
với độ rộng đường Lk là 1 điểm ảnh. Tạo độ các điểm (i,j) của các đường này lần
lược được tính bằng các bảng (3-2)-(3-7).......................................................... - 63 Hình 3-12 Minh họa kết quả của bộ lọc 7×7 MFRAT: (a) ảnh gốc, (b) ảnh năng
lượng, và (c) ảnh thành phần cosin của hướng. ................................................. - 64 Hình 3-13 Lược đồ minh họa các bước xử lý của phương pháp M-GridLDA trong
việc rút trích đặc trưng hướng tách lớp. ............................................................ - 67 Hình 3-14 Minh họa kết quả xử lý của GridLDA và áp dụng trong việc tính đặc
trưng HTL: (a) ảnh gốc, các ảnh (b)-(f) minh họa ảnh tái tạo của GridLDA trên ảnh
gốc với d={1, 5, 20, 80, 99}, (g) ảnh AHD, các ảnh (h)-(l) minh họa ảnh tái tạo của
GridLDA trên ảnh AHD với d={1, 5, 20, 80, 99} và (m) ảnh AHA, các ảnh (n)-(r)
minh họa ảnh tái tạo của GridLDA trên ảnh AHA với d={1, 5, 20, 80, 99} ...... - 68 Hình 4-1 Trường hướng của các bộ lọc phức: (a) z(1), (b) z(-1), và (c) z(-2) ... - 70 Hình 4-2 Minh họa phép lọc phức: (a) ảnh biểu diễn độ lớn của bộ lọc Gauss; (b)
ảnh biểu diễn độ lớn của bộ lọc h1; (c) ảnh biểu diễn trường hướng của z(1); (d) ảnh
vân tay; (e) ảnh biểu diễn trường hướng gấp đôi của ảnh vân tay; và (f) ảnh kết quả
của bộ lọc h1. ................................................................................................... - 72 Hình 4-3 Minh họa (a) độ lớn bộ lọc Gabor, (b) độ lớn của bộ lọc Z(1), (c) ảnh gốc,
(d) ảnh trường hướng gấp đôi, và (e) ảnh trường hướng của bộ lọc Z(1). .......... - 72 Hình 4-4 Minh họa kết quả của bộ lọc phức biểu diễn đối xứng parabol: (a), (d) ảnh

gốc, (b), (e) ảnh kết quả lọc đối xứng với kích thước , và (c), (d) ảnh kết quả lọc
với kích thước ................................................................................................. - 74 Hình 4-5 Xử lý biến đổi sang dạng mảng của đặc trưng VDX. ......................... - 74 -

xv


Hình 4-6 Tổng thể thuật tốn nhận dạng ảnh vân lịng bàn tay dựa vào việc tìm
kiếm thơ trên cơ sở dữ liệu được gom nhóm. .................................................... - 75 Hình 4-7 Minh họa kết quả gom 6 nhóm bằng thuật toán K-Means: 6 ảnh biểu diễn
6 vector tâm của mỗi nhóm............................................................................... - 76 Hình 4-8 Xử lý truy tìm thơ ảnh sử dụng đặc trưng VDX ................................ - 78 Hình 5-1 Minh họa các ảnh trong cơ sở dữ liệu 3D PolyU: (a)-(e) các ảnh lấy mẫu
lần 1 và (f)-(j) các ảnh lấy mẫu lần 2 tương ứng. Tương tự, (k)-(p) các ảnh lấy mẫu
lần 1, và (q)-(u) các ảnh lấy mẫu lần 2 tương ứng ............................................. - 81 Hình 5-2 Biểu đồ phân phối khoảng cách đúng và khoảng cách sai trong việc so
sánh giữa các thuật toán: So sánh giữa thuật tốn 2DLDA có trọng số và GridLDA
trên tập dữ liệu 1 (a) và trên tập dữ liệu 2 (b). ................................................... - 83 Hình 5-3 Biểu đồ phân phối khoảng cách đúng và khoảng cách sai của thuật toán G(2D)2LDA và G-GridLDA trên (a) tập dữ liệu 1 và (b) tập dữ liệu 2 ................ - 84 Hình 5-4 Biểu đồ ROC biểu diễn mối quan hệ giữa tỉ lệ chấp nhận đúng và tỉ lệ
chấp nhận sai. ................................................................................................... - 85 Hình 5-5 So sánh độ chính xác của các thuật toán với số chiều đặc trưng khác nhau
trên tập dữ liệu 1 (a) và trên tập dữ liệu 2 (b). ................................................... - 86 Hình 5-6 Biểu đồ phân phối khoảng cách đúng và khoảng cách sai trong việc so
sánh giữa các đặc trưng với tập dữ liệu 2: Đặc trưng HTL với đặc trưng CompCode
[7] (a), và đặc trưng HTL với đặc trưng RLOC [66] (b).................................... - 90 Hình 5 7 Biểu đồ ROC biểu diễn mối quan hệ giữa tỉ lệ chấp nhận đúng và tỉ lệ
chấp nhận sai của đặc trưng HTL, CompCode và RLOC. ................................. - 90 Hình 5-8 So sánh kết quả xử lý tìm kiếm cả cơ sở dữ liệu và tìm kiếm một phần dựa
vào kỹ thuật gom nhóm: (a) So sánh về thời gian xử lý và (b) so sánh về độ chính
xác.................................................................................................................... - 93 Hình 5-9 So sánh độ chính xác trung bình giữa kỹ thuật KMean truyền thống và
KMean sửa đổi được đề nghị trong luận án....................................................... - 94 Hình 5-10 Biểu đồ ROC của nhận dạng ảnh có sử dụng tìm kiếm thơ và khơng sử
dụng ................................................................................................................. - 96 -

xvi


Hình 5-11 Minh họa thiết bị lấy mẫu: (a) thiết bị lấy mẫu vân lòng bàn tay, (b) Lấy
mẫu, (c) Ảnh ROI và (d) Ảnh mức xám của ROI và các đặc trưng. .................. - 98 Hình 5-12 Một số hình ảnh minh họa tập dữ liệu 1. ......................................... - 98 Hình 5-13 Minh họa thiết bị thu nhận ảnh có một gờ: (a) Thiết bị, (b) phân đoạn
lịng bàn tay, (c) phát hiện biên, (d) biểu đồ khoảng cách với điểm giữa cổ tay, và
(e) Kết quả phân đoạn vùng đặc trưng.. ............................................................ - 99 Hình 5-14 Một số hình ảnh minh họa tập dữ liệu 2 .......................................... - 99 Hình 5-15 Kết quả thực nghiệm trên tập dữ liệu tự tạo: Biểu đồ ROC của các đặc

RLOC, CompCode, và đặc trưng HTL. .......................................................... - 101 Hình 5-16 Minh họa đặt tay lên thiết bị để nhận dạng .................................... - 103 Hình 5-17 Minh họa kết quả nhận dạng khơng biết khi chưa huấn luyện ....... - 103 Hình 5-18 Minh họa lưu dữ liệu huấn luyện đối tượng cần nhận dạng ........... - 103 Hình 5-19 Minh họa cập nhật cơ sở dữ liệu ................................................... - 104 Hình 5-20 Minh họa kết quả định danh vào ................................................... - 104 Hình 5-21 Minh họa kết quả định danh ra ...................................................... - 104 -

xvii


MỞ ĐẦU
1. Động cơ nghiên cứu
Nhận dạng cá nhân là một thành phần cốt yếu, cần thiết trong nhiều lĩnh vực
của xã hội loài người (giao dịch thương mại, kiểm tra cửa khẩu, thi hành án, …).
Ngày nay, sự phát triển nhanh chóng của các ứng dụng thương mại điện tử đặt ra
nhu cầu nhận dạng cá nhân tin cậy và tự động để kiểm soát an ninh hiệu quả. Nhận
dạng cá nhân tự động truyền thống thường sử dụng chìa khóa, thẻ định danh, mật
khẩu, … Tuy nhiên, chìa khóa hoặc thẻ định danh dễ bị lấy cắp, cịn mật khẩu thì dễ
bị qn hoặc bị tấn cơng dự đoán. Nhận dạng cá nhân dựa vào đặc trưng sinh trắc
học có thể khắc phục nhược điểm của phương pháp truyền thống. Phương pháp này
sử dụng đặc điểm của các bộ phận cơ thể (như ảnh dấu vân tay, ảnh gương mặt, vân
lịng bàn tay, ảnh trịng mắt, ảnh hình dạng bàn tay, chữ ký, giọng nói, dáng đi, …)
để nhận dạng cá nhân. Khác với ảnh vân lòng bàn tay có độ phân giải cao
(>400DPI) được nghiên cứu từ lâu và ứng dụng trong việc điều tra tội phạm, ảnh
vân lòng bàn tay với độ phân giải thấp (<150DPI) được quan tâm nghiên cứu và
ứng dụng với mục đích dân sự (kiểm soát truy cập) cách đây hơn 15 năm [3].
Ảnh vân lịng bàn tay có những ưu điểm như: tính phân biệt cao giữa các cá
nhân (ngay cả với các cặp sinh đôi), hiệu quả về giá cả, thân thiện trong việc lấy
mẫu, độ chính xác cao và có tính an tồn cao (khó giả mạo) [3]. Hơn nữa, khi so
sánh với đặc trưng sinh trắc học khác ví dụ vân tay, thì lịng bàn tay có kích thước
bề mặt lớn hơn nên có nhiều đặc trưng hơn, do đó, có tính phân biệt cao hơn [26].
Tuy nhiên, việc định danh vân lịng bàn tay có nhiều thách thức như:
 Vân lòng bàn tay biến đổi theo thời gian. Lịng bàn tay có thể xuất hiện thêm
những nếp nhăn.
 Hình dạng bàn tay bị ảnh hưởng khi trọng lượng cơ thể thay đổi.

 Lịng bàn tay có thể xuất hiện thêm sẹo, vết thương, nốt ruồi, …
 Ảnh vân lòng bàn tay chịu tác động của sự thay đổi chiếu sáng vì các tư thế
đặt lịng bàn tay luôn khác nhau cho mỗi lần lấy mẫu.

-1-


Vì vậy, việc nghiên cứu các mơ hình tính tốn cho bài tốn định danh vân
lịng bàn tay là cần thiết để góp phần xây dựng thành cơng hệ thống định danh vân
lòng bàn tay và ứng dụng trong thực tế như hệ thống chấm công, điểm danh học
sinh, kiểm sốt an ninh vào/ra cơng ty… Đây là đề tài có tính thời sự, có ứng dụng
thực tiễn trong việc kiểm sốt truy cập của cá nhân.
Nhận dạng vân lịng bàn tay đã được nhiều nhà khoa học quan tâm, nghiên
cứu và có nhiều phương pháp đã được đề xuất [1], [3], [7], [20], [30], [34], [44],
[66], [84]. Một số phương pháp tiêu biểu được cơng bố đạt độ chính xác
(ZeroGAR) cao trên cơ sở dữ liệu công khai PolyU của đại học Bách khoa Hong
Kong trước năm 2010 là:
 Nhóm tác giả Zhang (đặc trưng PalmCode, 2003) [20]: Bài tốn xác thực có
độ chính xác nhận dạng là 91%. Bài tốn định danh (đối sánh 1-100 cá nhân)
có độ chính xác là 93.5%.
 Nhóm tác giả Kong (đặc trưng CompCode, 2004) [7]: Bài tốn xác thực có
độ chính xác nhận dạng 98%. Bài toán định danh (đối sánh 1-488 cá nhân,
đặc trưng FusionCode, 2006) [1] đạt độ chính xác nhận dạng 95%.


Nhóm tác giả Jia (đặc trưng RLOC, 2008) [66]: Bài tốn xác thực có độ
chính xác nhận dạng là 98.2%.

Ngồi ra, trong nước có nhóm tác giả Hồng Lan (2010) [30] cơng bố đạt độ
chính xác là 89.64% cho bài toán định danh (đối sánh 1-100) trên cơ sở dữ liệu

công khai CASIA của trung tâm nghiên cứu an ninh dựa vào sinh trắc học của
Trung Quốc.
Từ những khảo sát trên, chúng tơi nhận thấy bài tốn định danh vân lòng bàn tay
(so sánh 1-N cá nhân) còn nhiều thách thức trong việc phát triển thuật toán đạt độ
chính xác cao hơn, đặc biệt đảm bảo định danh trong thời gian thực với cơ sở dữ
liệu lớn.
2. Mục tiêu và phạm vi nghiên cứu
Mục tiêu của luận án là xây dựng mơ hình tính tốn để giải quyết các thách
thức của bài tốn định danh ảnh vân lịng bàn tay, cụ thể là:
-2-


 Phát triển phương pháp phân tích tách lớp tuyến tính (LDA) để rút trích đặc
trưng ảnh vân lịng bàn tay sao cho đặc trưng có tính phân biệt cao giữa các
đối tượng và có thể so khớp nhanh
 Phát triển phương pháp kết hợp giữa LDA với các bộ lọc cạnh như Gabor,
MFRAT để rút trích đặc trưng có tính tách lớp cao, có thể so khớp nhanh và
bền vững với nhiễu.
 Phát triển phương pháp cải thiện so khớp để có thể định danh nhanh
Phạm vi nghiên cứu của luận án là phát triển các phương pháp xử lý với cơ sở
dữ liệu ảnh được thu nhận từ thiết bị có gờ hướng dẫn đặt bàn tay. Cơ sở dữ liệu
công khai được sử dụng phổ biến để nghiên cứu là cơ sở dữ liệu MultiSpectral và
2D-3D PolyU do trường đại học Công Nghệ Hong Kong công bố.
3. Các đóng góp chính của luận án
Từ việc nghiên cứu giải quyết các bài toán đặt ra trong mục tiêu đề tài, luận án
đã có những đóng góp mới về mặt khoa học như sau:
 Đóng góp thứ nhất: Đề xuất ra thuật tốn GridLDA cho trong việc rút trích
đặc trưng tồn cục ảnh vân lịng bàn tay [CT5]. Đặc trưng này vừa có thể so
khớp nhanh và vừa đảm bảo tính tách lớp cao.
 Đóng góp thứ hai: Đề xuất thuật tốn kết hợp đặc trưng tồn cục và cục bộ

sử dụng bộ lọc Gabor wavelet và GridLDA, gọi là G-GridLDA [CT5]. Từ
đó, đề xuất thuật tốn kết hợp đặc trưng toàn cục và cục bộ mới sử dụng bộ
lọc MFRAT và GridLDA, gọi là M-GridLDA. Trong mơ hình này, đặc trưng
hướng của đường vân và nếp nhăn được biễu diễn tách biệt thành hai ma trân
riêng. Việc biểu diễn này giúp GridLDA hoạt động hiệu quả [CT2], [CT3].
M-GridLDA rút trích đặc trưng có nhiều ưu điểm hơn so với G-GridLDA.
 Đóng góp thứ ba: Đề xuất bộ lọc trên trường số phức để phát hiện đặc trưng
điểm tham chiếu trong vân ngón tay [CT4]. Từ đó, luận án tiếp tục đề xuất
thuật toán dựa vào bộ lọc phức để phát hiện đặc trưng đường vân cơ bản của
vân lòng bàn tay. Đặc trưng này được áp dụng trong việc tìm kiếm thơ nhằm
thu hẹp khơng gian so khớp khi nhận dạng trên cơ sở dữ liệu lớn [CT1].
-3-


4. Cấu trúc luận án
Luận án được trình bày gồm có: mở đầu, 6 chương, các cơng trình của tác giả,
tài liệu tham khảo và phụ lục.
 Mở đầu trình bày động cơ, mục tiêu, phạm vi nghiên cứu, các đóng góp
chính của luận án, và cấu trúc trình bày luận án.
 Chương 1 trình bày tổng quan về các bước xử lý của bài tốn nhận dạng vân
lịng bàn tay, một số khảo sát về các cơng trình trong nước và quốc tế, các độ
đo để đánh giá hiệu quả của thuật tốn nhận dạng, cũng như mơ hình nghiên
cứu định hướng của luận án.
 Chương 2 trình bày các khảo sát và phân tích ưu nhược điểm của các phương
phân tích tách lớp tuyến tính (LDA) theo trình tự phát triển của chúng. Từ
đó, phương pháp GridLDA được đề xuất trong luận án cho việc rút trích đặc
trưng tồn cục vân lịng bàn tay.
 Chương 3 trình bày các thuật toán đề xuất trong việc kết hợp đặc trưng toàn
cục và cục bộ của ảnh để nhận dạng chính xác vân lịng bàn tay.
 Chương 4 trình bày các đóng góp của luận án trong việc sử dụng bộ lọc đối

xứng để rút trích đặc trưng đường vân cơ bản cho bài tốn thu hẹp khơng
gian tìm kiếm dựa vào kỹ thuật gom nhóm khi nhận dạng vân lòng bàn tay
với cơ sở dữ liệu lớn.
 Chương 5 trình bày các kết quả thực nghiệm trên các cơ sở dữ liệu công
khai. Từ các kết quả thực nghiệm này, việc phân tích hiệu quả của các thuật
tốn đề xuất được trình bày rõ. Hơn nữa, chương này cũng trình bày một ứng
dụng của hệ thống nhận dạng vân lòng bàn tay trong việc điểm danh sinh
viên.
 Chương kết luận và hướng phát triển trình bày tổng kết các nội dung đã làm
được của luận án và kiến nghị hướng phát triển của luận án.

-4-


Chương 1.

TỔNG QUAN

Chương này trình bày tổng quan về bài tốn nhận dạng ảnh vân lịng bàn tay,
một số khảo sát về các cơng trình trong nước và quốc tế, các độ đo đánh giá hiệu
quả của các phương pháp nhận dạng vân lòng bàn tay, và các phương pháp nghiên
cứu của luận án.
1.1

Tổng quan về hệ thống nhận dạng vân lòng bàn tay
Việc thiết kế hệ thống nhận dạng sinh trắc học cần tính tới 5 mục tiêu: (1) chi

phí thấp, (2) tính thân thiện với người sử dụng của mơi trường lấy mẫu có kiểm
sốt, (3) độ chính xác, (4) tốc độ tính tốn và (5) tính an toàn [3]. So với các đặc
điểm sinh trắc học khác, ảnh vân lòng bàn tay với độ phân giải thấp (<150dpi) là

đặc điểm sinh trắc học mới và có nhiều ưu điểm để xây dựng hệ thống nhận dạng cá
nhân thỏa các mục tiêu này. Vân lòng bàn tay được nghiên cứu và ứng dụng trong
các hệ thống nhận dạng cá nhân với mục đích dân sự cách đây khoảng 15 năm [3].
Đặc trưng nhận dạng chủ yếu được cộng đồng nghiên cứu sử dụng là các đường vân
cơ bản (principle lines), nếp nhăn (wrinkles) và mẫu kết cấu vân (texture) (Hình 11). Ảnh vân lịng bàn tay với độ phân giải thấp được nhiều nhà nghiên cứu quan tâm
tìm hiểu bởi vì nó có những ưu điểm như sau: tính phân biệt cao giữa các cá nhân
ngay cả với các cặp sinh đơi [2], hiệu quả về chi phí, thân thiện trong việc lấy mẫu,
độ chính xác cao và có tính an tồn cao (khó giả mạo).

Hình 1-1 Ảnh độ phân giải thấp và các đặc trưng vân lòng bàn tay.

-5-


Bài tốn nhận dạng ảnh vân lịng bàn tay có 2 loại: Bài toán xác thực và bài
toán định danh.
 Bài toán xác thực là kiểm tra xem ảnh truy vấn có phải là của cá nhân tương
ứng với định danh hay khơng (Hình 1-2a). Bài tốn xác thực là đối sánh mộtmột (một đối tượng truy vấn với một đối tượng định danh), trong đó ảnh truy
vấn được so sánh với các ảnh huấn luyện của định danh đầu vào. Nếu mức
độ giống nhau lớn hơn một ngưỡng nhận dạng cho trước của hệ thống thì hệ
thống trả lời là có ngồi ra thì khơng.
 Bài tốn định danh là nhận biết định danh của ảnh truy vấn đầu vào (Hình 12b). Bài tốn định danh là đối sánh một-nhiều (một đối tượng cần định danh
với tất cả các đối tượng ứng viên), trong đó nó sẽ so sánh ảnh truy vấn đầu
vào với tất cả các ảnh trong cơ sở dữ liệu để tìm ra ảnh giống nhất. Nếu mức
độ giống nhau lớn hơn ngưỡng nhận dạng của hệ thống thì kết quả là định
danh của ảnh giống nhất, ngồi ra thì kết quả là khơng biết.

Hình 1-2. Hai kiểu bài toán nhận dạng: (a) xác thực và (b) định danh

Nhìn chung, hệ thống nhận dạng vân lịng bàn tay gồm năm thành phần xử

lý: (1) thiết bị thu ảnh vân lòng bàn tay, (2) phân đoạn vùng quan tâm, (3) Rút trích
đặc trưng, (4) so khớp, và (5) cơ sở dữ liệu (Hình 1-3).

-6-