MỤC LỤC
Trang
Trang phụ bìa


DANH MỤC TỪ VIẾT TẮT
Từ viết tắt

Nghĩa tiếng Anh

Nghĩa tiếng Việt

ANN

Artificial Neural Network

Mạng nơ ron nhân tạo

DFT

Discrete Fourier Transform

Biến đổi Fourier rời rạc

FAR

False Acceptance Rate

Tỉ lệ chấp nhận sai

FRR

False Rejection Rate

Tỉ lệ từ chối sai

FVC

Fingerprint
Competition

MLP

Multilayer Perceptron

Mạng nơ ron nhiều lớp

MSE

Mean Squared Error

Trung bình bình phương lỗi

SOM

Self organizing maps

Bản đồ tự tổ chức

Verification Cuộc thi xác thực ảnh vân tay



DANH MỤC BẢNG
Trang


DANH MỤC HÌNH
Trang


6

MỞ ĐẦU
1. Lý do chọn đề tài
Mạng nơ ron nhân tạo ra đời xuất phát từ ý tưởng mô phỏng hoạt động
của bộ não con người. Kể từ khi ra đời, mạng nơ ron nhân tạo được ứng dụng
rộng rãi và có hiệu quả trong giải quyết các bài tốn về phân loại, dự đoán và
nhận dạng bởi khả năng học của mạng nơ ron.
Ở nhóm bài tốn nhận dạng người, bên cạnh việc sử dụng các đặc điểm
như mống mắt, khn mặt, giọng nói, chữ ký, một đặc điểm đặc trưng quan
trọng khác có thể sử dụng để nhận dạng và xác thực người đó là dấu vân tay
bởi tính duy nhất và bất biến của nó. Dấu vân tay được dùng trong nhiều lĩnh
vực của cuộc sống như trong lĩnh vực tài chính, quản lý nhân sự, quản lý dân
cư, trong bảo mật các thiết bị máy tính, điện thoại và trong cả lĩnh vực điều
tra hình sự.
Đã có nhiều nghiên cứu về các phương pháp để tăng hiệu quả, tốc độ và
độ chính xác cho bài tốn nhận dạng ảnh vân tay. Trong quá trình tìm hiểu về
đặc trưng của ảnh vân tay, tác giả luận văn nhận thấy vân tay của mỗi người
có các điểm đặc trưng nhất định, tuy nhiên do tác động của quá trình thu mẫu
ảnh vân tay mà các điểm đặc trưng này có thể bị sai khác về số lượng và
hướng của các đặc trưng.

Từ những đặc điểm của mạng nơ ron và đặc điểm của ảnh vân tay, tác
giả luận văn đề xuất phương pháp sử dụng mạng nơ ron nhân tạo để huấn
luyện và nhận dạng ảnh vân tay.
Luận văn với đề tài “Nghiên cứu mạng nơ ron và ứng dụng nhận dạng
ảnh vân tay” tìm hiểu và nghiên cứu kiến thức liên quan đến mạng nơ ron và
ảnh vân tay, từ đó xây dựng ứng dụng để nhận dạng ảnh vân tay có độ tin cậy
và độ chính xác cao.


7

2. Mục tiêu của đề tài:
- Nghiên cứu tổng quan bài toán nhận dạng ảnh vân tay
- Nghiên cứu mạng nơ-ron nhân tạo
- Thu thập dữ liệu
- Xây dựng ứng dụng, thử nghiệm và đánh giá hiệu quả của mạng nơ-ron
trong nhận dạng ảnh vân tay
3. Đối tượng và phạm vi nghiên cứu
Nghiên cứu các đặc điểm, đặc trưng của ảnh vân tay; đặc điểm, kiến trúc
và các thuật toán huấn luyện mạng nơ ron.
Ứng dụng mạng nơ ron truyền thẳng một lớp ẩn vào giải quyết bài toán
nhận dạng ảnh vân tay.
4. Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết: Nghiên cứu, phân tích và tổng hợp các tài
liệu về vân tay và mạng nơ ron nhân tạo.
- Phương pháp nghiên cứu thực nghiệm: Thực nghiệm xây dựng chương trình
nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo.
4. Bố cục luận văn:
Bố cục của luận văn được chia thành 4 chương như sau:
Chương 1. Vân tay và nhận dạng ảnh vân tay

Tìm hiểu và giới thiệu về đặc điểm của vân tay và ảnh vân tay, đồng
thời nghiên cứu một số phương pháp xử lý ảnh, trích rút các điểm đặc trưng
trên ảnh vân tay và các phương pháp nhận dạng ảnh vân tay đã có.
Chương 2. Mạng nơ ron nhân tạo


8

Nghiên cứu khái niệm, đặc điểm, kiến trúc của mạng nơ ron, các kỹ
thuật huấn luyện mạng nơ ron nhân tạo. Trong đó tập trung nghiên cứu mạng
nơ ron truyền thẳng một lớp ẩn với thuật toán học lan truyền ngược.
Chương 3. Nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo
Trình bày phương pháp ứng dụng mạng nơ ron vào giải quyết bài toán
nhận dạng ảnh vân tay.
Chương 4. Thực nghiệm và đánh giá kết quả
Giới thiệu về chương trình thực nghiệm và kết quả thu được. Đánh giá
chương trình nhận dạng ảnh vân tay sử dụng mạng nơ ron nhân tạo truyền
thẳng một lớp ẩn với các bộ dữ liệu khác nhau và các tùy chỉnh tham số khác
nhau của mạng nơ ron.


9

Chương 1. VÂN TAY VÀ NHẬN DẠNG ẢNH VÂN TAY
Chương 1 trình bày kiến thức tổng quan về lịch sử nghiên cứu vân tay,
các điểm đặc trưng trên vân tay, quá trình nhận dạng ảnh vân tay, một số
phương pháp nhận dạng ảnh vân tay đã có và ứng dụng của bài toán nhận
dạng ảnh vân tay.
1.1. Lịch sử nghiên cứu vân tay
Vân tay là một đặc điểm đặc trưng riêng, được định hình từ khi con

người mới chỉ là bào thai 4 tháng tuổi trong bụng mẹ và không thay đổi trong
suốt cuộc đời mỗi người. Các chấn thương như bỏng nhẹ, mịn da khơng ảnh
hưởng đến cấu trúc bên dưới của vân, khi da mọc lại sẽ khôi phục lại đúng
cấu trúc này. Mỗi người có một đặc điểm vân tay riêng biệt, không ai giống
ai. Xác suất để hai người có trùng dấu vân tay là 1 trên 1.9*10^15. Vì vân tay
có tính cá thể và bất biến theo thời gian, nên ảnh vân tay là một trong những
đặc điểm đáng tin cậy để nhận dạng người[16].
Dấu vết sớm nhất của vân tay được tìm thấy có niên đại cách đây khoảng
3000 năm trên các viên đất sét, con dấu, đồ gốm cổ ở Babylon và trong các
kim tự tháp thời kỳ cổ đại. Một số dấu vân tay được các thợ gốm và người thợ
mỏ vô tình để lại trên những sản phẩm của họ, nhưng cũng có những dấu vân
tay được thêm vào nhằm mục đích trang trí cho sản phẩm. Đặc biệt, trên một
số sản phẩm đồ gốm, dấu vân tay còn được dùng để đánh dấu người đã làm ra
sản phẩm đó. Tuy nhiên lúc này vẫn chưa có những cơ sở khoa học nào cho
tính cá nhân và đặc trưng của vân tay. Phải đến thế kỷ XVI, các nhà khoa học
mới có những tìm hiểu và cơng bố nghiên cứu khoa học về vân tay.
Vào năm 1684, Nehemiah Grew - một nhà giải phẫu học người Anh đã
công bố bài báo khoa học đầu tiên về các đường vân, rãnh và cấu trúc vân tay.


10

Đến năm 1788, một bác sĩ, nhà giải phẫu học Đức là Mayer đã mô tả chi tiết
thông tin giải phẫu của vân tay trong cuốn "Giải phẫu và giải thích".
Năm 1888, Sir Francis Galton đã nghiên cứu được phương pháp so khớp
dấu vân tay đầu tiên. Qua quan sát ông nhận thấy dấu vân tay có nhiều điểm
đặc trưng về nét đứt của các đường vân và vị trí của những đặc trưng này
không thay đổi theo thời gian. Do đó ơng đã đưa ra phương pháp so khớp đặc
trưng, một phương pháp có hiệu quả cho việc xác thực dấu vân tay của một
người[6]. Một nghiên cứu quan trọng khác được thực hiện bởi Edward Henry

năm 1899, ông đã xây dựng “hệ thống phân loại vân tay Henry” thực hiện
phân loại vân tay[1], là cơ sở cho các hệ thống nhận dạng vân tay sau này.
Đến đầu thế kỉ XX, cấu trúc của vân tay đã được mô tả một cách khá đầy
đủ. Vào những năm 1960, cùng với sự phát triển của máy tính, việc nhận dạng
dấu vân tay dần chuyển sang thực hiện một cách tự động trên máy tính. Năm
1981, năm hệ thống nhận dạng vân tay tự động được triển khai ở Mỹ. Hiện
nay, nhận dạng vân tay đã chính thức được chấp nhận như một phương pháp
nhận dạng cá nhân có giá trị và trở thành chuẩn trong pháp luật. Công nghệ
nhận dạng, xác thực dấu vân tay được nghiên cứu và phát triển mạnh mẽ, tạo
ra nhiều ứng dụng áp dụng trong nhiều lĩnh vực như an ninh, bảo mật, kiểm
soát và quản lý nhân sự. Một trong những hệ thống nhận dạng vân tay lớn
nhất trên thế giới hiện nay là hệ thống nhận dạng vân tay tự động AFIS của
FBI Mỹ được xây dựng từ năm 1999. Hệ thống nhận dạng vân tay này chứa
ảnh vân tay của hơn 60 triệu người, liên kết với thông tin cá nhân của họ. Ở
Việt Nam, từ năm 2000 đến nay cũng đã xuất hiện nhiều cơng trình nghiên
cứu và các dự án liên quan đến nhận dạng vân tay tại một số viện nghiên cứu
như Viện Khoa học và Công nghệ Việt Nam, trường Đại học Bách khoa Hà
Nội, Bộ Công an, bước đầu thu được những kết quả nhất định.


11

1.2. Các điểm đặc trưng trên vân tay
Dấu vân tay gồm có các đường vân (ridge) và rãnh (valley). Trong ảnh
vân tay, đường vân có màu tối trong khi các rãnh có màu sáng. Khi xem xét
một ảnh vân tay, ta thường chỉ xét đến vùng vân trung tâm. Đây là vùng chứa
các điểm đặc trưng để phân loại, xác định và nhận dạng vân tay. Vùng trung
tâm và các đường bao được định nghĩa như sau:
- Vùng vân trung tâm dùng để phân loại (vùng mẫu) là vùng vân nằm
chính giữa một dấu vân tay được giới hạn bởi đường bao trên và đường bao

dưới, vùng vân này chứa các điểm tâm, tam phân điểm và đường vân, được sử
dụng để phân loại và nhận dạng vân tay[18].
- Đường bao là cặp đường vân trong cùng nhất bắt đầu chạy song song
với nhau đến tam phân điểm bên ngoài nhất thì tách về hai phía và ơm lấy
vùng trung tâm. Tuy nhiên đường bao thường không phải lúc nào cũng là một
đường liên tục. Trên thực tế, đường bao thường bị đứt, ngắt quãng. Khi đó, ta
tiếp tục coi đường ngay phía ngồi nó là đoạn tiếp theo của đường bao [18].

Hình 1.1. Đường bao và vùng vân trung tâm

1.2.1. Đặc trưng toàn cục
Đặc trưng toàn cục (global feature hay singularities) là loại đặc trưng
biểu diễn cấu trúc chung của tồn bộ ảnh vân tay. Có rất nhiều loại đặc trưng
tổng toàn cục như hướng, các điểm đơn. Đặc trưng toàn cục được sử dụng để
phân loại vân tay vào các nhóm khác nhau.


12

- Tam phân điểm (delta): Là điểm thuộc một đường vân nằm trên hoặc
đối diện và gần với trung tâm của điểm phân chia của các đường bao
nhất[18]. Có thể coi tam phân điểm là trung tâm của tam giác nơi 3 đường
vân gặp nhau.
- Tâm (core): Là điểm hội tụ của các đường vân, đây cũng được coi là
điểm trung tâm của ảnh vân tay.

Hình 1.2. Tâm và tam phân điểm

Dựa vào tâm và tam phân điểm, theo phương pháp phân loại Henry - một
phương pháp phân loại cổ điển và phổ biến nhất, các dấu vân tay được chia

thành ba nhóm chính là vân tay hình cung (arch), vân hình quai (loop) và vân
hình xốy (whorl). Bên trong mỗi nhóm này lại được chia thành các nhóm
nhỏ hơn dựa theo các điểm giống và khác nhau giữa chúng.
- Nhóm vân hình cung (Arch): Vân hình cung là mẫu vân có các đường
vân xuất phát từ một phía ở phần trung tâm hơi nhơ lên như gợn sóng rồi đi
sang phía đối diện. Nhóm này gồm các mẫu vân khơng có tam phân điểm và
được chia thành hai loại là cung trơn (plain arch) và cung hình chiếc lều
(tented arch).
+ Cung trơn: Dấu vân tay có các đường vân bắt đầu từ một phía của mẫu
vân, khơng bị đứt đoạn khi đi qua mẫu vân, và kết thúc ở đầu bên kia mẫu
vân. Loại vân này khơng có tâm và tam phân điểm.


13

+ Cung hình chiếc lều (Tented arch): Mẫu vân này tương tự như mẫu vân
cung trơn, tuy nhiên tại vùng tâm của vân tay, các đường vân tạo nên một
đỉnh nhọn giống như đỉnh vịm của chiếc lều.

Hình 1.3. Plain arch (bên trái) và tented arch (bên phải)

- Vân hình quai (Loop): Là những mẫu vân có một hay nhiều đường vân
xuất phát từ một phía của mẫu, kết thúc tại phía bên kia, và khi đi qua tâm các
đường vân uốn cong tạo nên hình dạng quai. Vân hình quai có một tâm điểm,
một tam phân điểm và có ít nhất một vân quai trọn vẹn.
+ Quai phải (Radial loop): Đường quai được tạo ra có hướng hướng tới
ngón út của cùng bàn tay. Đối với bàn tay phải, chân quai đi về phía bên phải,
đối với bàn tay trái, chân quai đi về phía bên trái.
+ Quai trái (Ulnar loop): Đường quai được tạo ra có hướng hướng tới
ngón cái của cùng bàn tay. Đối với bàn tay phải, chân quai đi về phía bên trái,

đối với bàn tay trái, chân quai đi về phía bên phải.

Hình 1.4. Radial loop (trái) và ulnar loop (Phải)

- Vân hình xốy (Whorl): Là những vân tay có các đường vân gần trung
tâm tạo thành hình các hình xốy trịn hoặc bầu dục. Vân tay thuộc nhóm này
thường có ít nhất một tâm điểm, hai tam phân điểm và có ít nhất một vòng
tròn hoặc một đoạn vân cong chắn trước mỗi tam phân điểm.


14

Vân hình xốy gồm ba loại chủ yếu:
+ Xốy trịn (Plain whorl): Vân có các xốy tạo ra là hình trịn khép
kín.
+ Xốy bầu dục (Central pocket loop whorl): Vân tay có các xốy ở
giữa tạo thành hình bầu dục.
+ Quai kép (Double loop whorl): Vân tay có các đường vân ở tâm tạo
thành hai quai cùng chiều hoặc ngược chiều nhau.
+ Vân bất thường (Accidental whorl): Là nhóm mẫu vân mà các đường
vân xuất hiện khơng có quy luật. Các mẫu vân ngày thường có 2 hoặc 3 tam
phân điểm. Loại mẫu vân tay này thường rất hiếm gặp[18].

Hình 1.5. Plain whorl (trái) và central pocket loop (phải)

Hình 1.6. Double loop (trái) và accidental (phải)

1.2.2. Đặc trưng cục bộ
Đặc trưng cục bộ (local feature hay minutiae) là một đặc điểm quan
trọng trong nhận dạng vân tay. Năm 1888, Sir Francis Galton đã nghiên cứu

được phương pháp so khớp dấu vân tay đầu tiên. Qua quan sát ông nhận thấy
dấu vân tay có nhiều điểm đặc trưng về nét đứt của các đường vân và vị trí
của những đặc trưng này không thay đổi theo thời gian. Đặc trưng về nét đứt


15

của các đường vân này chính là đặc trưng cục bộ, hay còn gọi là các minutiae
của vân tay. Trên vân tay có một số đặc trưng cục bộ như sau[6]:
- Điểm rẽ nhánh (birfurcation): Là điểm mà từ đó một đường vân bắt đầu
chia thành hai nhánh khác nhau.
- Điểm phân chia (divergence): Là điểm mà hai đường vân song song với
nhau bắt đầu tách về hai phía khác nhau.[18]

Hình 1.7. Điểm rẽ nhánh và điểm phân chia

- Termination hay ridge ending: Điểm kết thúc
- Lake: Vòng tròn rỗng ở giữa một đường vân.
- Independent ridge: Một đường vân độc lập
- Point/ island: Điểm đơn
- Spur: Đường móc
- Crossover: Đường nối hai đoạn vân song song

Hình 1.8. Một số đặc trưng cục bộ của vân tay


16

Qua nghiên cứu vân tay và nhận dạng ảnh vân tay, người ta nhận thấy
hai điểm đặc trưng nhất của vân tay là điểm rẽ nhánh và điểm kết thúc[6],

những đặc trưng còn lại chỉ là sự kết hợp của hai loại trên. Các phương pháp
nhận dạng ảnh vân tay hiện nay hầu hết đều sử dụng 2 loại điểm đặc trưng
trên để đưa vào nhận dạng.

Hình 1.9. (a) Điểm kết thúc và (b) điểm rẽ nhánh

1.3. Bài toán xác thực và nhận dạng ảnh vân tay
Bài toán nhận dạng ảnh vân tay được ứng dụng trong nhiều lĩnh vực, tùy
theo mục đích của ứng dụng mà bài tốn nhận dạng ảnh vân tay được chia
thành hai loại chính: Xác thực (verification) và nhận dạng (identification).
- Xác thực là quá trình so sánh để xác định hai ảnh vân tay có thuộc về
cùng 1 người hay khơng. Hệ thống sẽ thực hiện đối sánh 1-1, sau đó trả về kết
quả đúng hoặc sai, xác nhận xem có đúng là vân tay của người cần xác thực
hay không.
- Nhận dạng là quá trình so khớp một dấu vân tay với dữ liệu đã có trong
cơ sở dữ liệu, để tìm ra được dấu vân tay đó là của ai. Một cơ sở dữ liệu vân
tay có một tập T gồm N mẫu vân tay T = {T 1, T2, …Tn} được sử dụng như
một tham chiếu cho việc nhận dạng. Hệ thống sẽ sử dụng so sánh 1:N để so
sánh ảnh vân tay đầu vào với các mẫu vân tay trong tập T đã có và tính tốn,
tìm ra ảnh vân tay trong tập T có điểm so khớp lớn nhất hoặc lớn hơn một giá
trị ngưỡng cho trước.


17

Bài tốn nhận dạng có thể được xem như nhiều bài tốn xác thực nhỏ,
trong đó sẽ tiến hành xác thực qua từng mẫu vân tay trong cơ sở dữ liệu. Do
đó bài tốn nhận dạng có độ phức tạp lớn hơn và mất nhiều thời gian xử lý
hơn. Hiện nay, trong các cơ sở lớn, bài toán nhận dạng cần đáp ứng được các
yêu cầu sau:

- Độ chính xác: Hệ thống cần có tính chính xác cao, giảm thiểu tối đa tỉ
lệ lỗi trong quá trình nhận dạng.
- Hiệu quả: Hệ thống cần có tốc độ xử lý cao, giảm thời gian thực hiện
đến mức tối thiểu. Trong những hệ thống thực, thời gian trễ cao đồng nghĩa
với thất bại hệ thống. Giới hạn ngưỡng cho độ trễ tối đa phụ thuộc vào từng
hệ thống, nhưng cũng chỉ nên giới hạn trong một vài giây.
- Khả năng mở rộng: Là khả năng hệ thống có thể xử lý ngay cả khi kích
thước cơ sở dữ liệu tăng lên, mà khơng phải thực hiện việc bảo trì hay nâng
cấp hệ thống.
Tuy nhiên hiện nay việc nhận dạng ảnh vân tay có nhiều khó khăn do sai
khác lớn về ảnh vân tay của cùng một người. Nguyên nhân chính của sự sai
khác này là:
+ Vị trí đặt vân tay trên máy lấy mẫu vân tay là khác nhau. Chỉ cần vân
tay đặt lệch khoảng 2mm, kết quả ảnh vân tay có thể bị dịch chuyển đến 40
pixels trên ảnh có độ phân giải 500dpi.
+ Xoay: Cùng một vân tay có thể có những hướng xoay khác nhau trong
các lần lấy mẫu.
+ Chồng chéo một phần ảnh: Sai lệch về vị trí đặt vân tay và hướng xoay
của vân tay có thể dẫn tới ảnh có thể bị chồng chéo một phần ảnh giữa vùng
nền của ảnh mẫu và ảnh vân tay đưa vào để so khớp


18

+ Biến dạng phi tuyến tính: Việc quét ảnh vân tay bản chất là thực hiện
ánh xạ từ vân tay 3 chiều về bề mặt 2 chiều, kết quả của việc ánh xạ này có
thể dẫn tới một số biến dạng phi tuyến tính do áp lực nhấn hoặc do bề mặt da.
+ Nhiễu: Chất lượng ảnh vân tay thường khơng ổn định, có nhiều nhiễu
trong q trình thu nhận ảnh.
.+


Trích chọn đặc trưng sai: Các thuật tốn trích chọn đặc trưng thường

có một tỉ lệ lỗi nhất định.
1.4. Quá trình nhận dạng ảnh vân tay
Các hệ thống nhận dạng ảnh vân tay xử lý qua các bước chính như sau:
- Thu nhận ảnh vân tay đầu vào

Hình 1.10. Ảnh vân tay đầu vào


19

- Trích chọn đặc trưng

Hình 1.11. Trích chọn đặc trưng

- Thực hiện so khớp với dữ liệu trong cơ sở dữ liệu

Hình 1.12. So khớp với dữ liệu trong cơ sở dữ liệu

- Trả về kết quả
1.4.1. Thu nhận ảnh vân tay.
Có hai phương pháp thu nhận ảnh vân tay chính, là phương pháp thu
nhận ảnh vân tay trực tiếp và gián tiếp.
- Thu nhận ảnh vân tay gián tiếp: Là quá trình thu nhận ảnh bằng việc sử
dụng mực thấm trên các đầu ngón tay, sau đó ấn mạnh hoặc lăn ngón tay trên


20


tờ giấy trắng. Ảnh vân tay được thu được sẽ được số hóa bằng các thiết bị
chụp hoặc quét ảnh. Hiện nay, trong các kỹ thuật điều tra hình sự, cịn có cách
thu nhận ảnh vân tay để lại hiện trường bằng cách sự dụng các hóa chất đặc
biệt. Khi các đầu ngón tay chạm vào một vật dụng nào đó thì dấu vân tay sẽ
được in lại hiện trường. Lúc này một loại hóa chất đặc biệt được sử dụng để
làm hiển thị hình ảnh của vân tay và sử dụng các thiết bị thu hình để thu nhận
các ảnh này.
- Thu nhận ảnh vân tay trực tiếp: Là q trình thu thập ảnh vân tay thơng
qua các thiết bị cảm biến mà không cần qua bước trung gian là in ảnh vân tay
trên giấy. Đối với quá trình thu nhận ảnh vân tay trực tiếp, ta thường dùng
cách đặt các ngón tay trực tiếp vào thiết bị cảm ứng để thu nhận ảnh. Hiện
nay có rất nhiều thiết bị thu nhận ảnh vân tay trực tiếp. Đặc biệt với sự phát
triển của điện thoại di động, nhiều hãng điện thoại đã tích hợp hệ thống thu
nhận và xác thực ảnh vân tay vào thiết bị điện thoại của hãng, tăng tính bảo
mật cho người dùng.
1.4.2. Trích chọn đặc trưng
Một ảnh vân tay được cấu tạo từ các đường vân và các rãnh. Từ các
đường vân và rãnh này hình thành nên các đặc trưng tồn cục và đặc trưng
cục bộ cho các ảnh vân tay. Trong đó đặc trưng cục bộ thường được sử dụng
trong nhận dạng ảnh vân tay. Chỉ cần hai ảnh vân tay có 12 điểm đặc trưng
cục bộ trùng khớp với nhau thì chắc chắn hai ảnh vân tay đó là của cùng một
người[13]. Một đặc trưng Mi được mô tả bởi 5 tham số: (xi, yi, θi, ti, qi ). Trong
đó:
- (xi, yi): Tọa độ của đặc trưng trong ảnh vân tay
- θi: Hướng hoặc góc của đặc trưng
- ti: Loại đặc trưng (Điểm kết thúc hoặc rẽ nhánh)


21


- qi: Chất lượng điểm đặc trưng.
Do đó một ảnh vân tay F với r điểm đặc trưng có thể được biểu diễn như
một vector đặc trưng {M1, M2,…, Mr }.
Số lượng điểm đặc trưng r thường nằm trong khoảng từ 15 đến 100. Do
đó, những đặc trưng này có thể được lưu trữ hiệu quả và dễ dàng trên máy
tính. Việc so sánh ảnh vân tay trở thành bài tốn so khớp giữa các tập đặc
trưng này.
Có hai phương pháp trích chọn đặc trưng chính là:
- Phương pháp trích chọn đặc trưng dựa trên ảnh nhị phân: Hầu hết các
phương pháp trích chọn đặc trưng hiện nay đề yêu cầu xử lý trên ảnh vân tay
nhị phân. Ảnh sau khi chuyển sang nhị phân được làm mảnh để giảm độ dày
của đường vân về kích thước 1 pixel, tạo thành ảnh khung xương. Mặc dù
những bước xử lý này tốn thời gian và có thể gây ra mất dữ liệu trên ảnh,
phương pháp này cho phép phát hiện đặc trưng dễ dàng hơn bằng việc sử
dụng những thuật toán xử lý ảnh đơn giản.
- Phương pháp trích chọn đặc trưng trực tiếp từ ảnh xám: Phương pháp
nhị phân hóa ảnh có nhược điểm là tốn thời gian xử lý và có thể làm mất
thơng tin đặc trưng. Một số phương pháp cho phép trích chọn đặc trưng trực
tiếp từ ảnh xám như sử dụng bản đồ hướng để tìm và theo vết các đường vân.
1.4.3. So khớp đặc trưng ảnh
Thuật tốn so khớp tính tốn điểm so khớp giữa đặc trưng của hai ảnh
vân tay và trả về tổng điểm so khớp hay còn gọi là độ tương tự. Các thuật tốn
sử dụng được chia thành ba loại chính:
- Dựa trên độ tương quan (correlation- based)
- Dựa trên đặc trưng cục bộ (minutiae- based)


22


- Dựa trên những điểm không phải là đặc trưng cục bộ (non-minutiae
feature-based).
Với các thuật toán so khớp dựa trên đặc trưng cục bộ, dữ liệu thường
được sử dụng là:
- Khoảng cách giữa các đặc trưng cục bộ
- Các đặc trưng cục bộ lân cận
- Số lượng đường vân giữa các đặc trưng.
Thuật toán so khớp dựa trên đặc trưng cục bộ có thể được thực hiện ở 3
mức khác nhau:
- Toàn cục: Các đặc trưng của toàn bộ ảnh vân tay được so sánh. Kết quả
của phương pháp này dễ bị ảnh hưởng bởi độ méo, độ xoay và độ dịch chuyển
của ảnh.
- Cục bộ: Chỉ so sánh một nhóm các đặc trưng gần nhau, việc này giúp
làm giảm tác động của độ méo, độ xoay và dịch chuyển của ảnh, tuy nhiên lại
khơng bao qt được tồn bộ ảnh vân tay. Do đó nếu nhóm đặc trưng được sử
dụng để so sánh bị mất thông tin, kết quả thu được sẽ khơng chính xác.
- Phương pháp hỗn hợp: Sử dụng kết hợp cả hai phương pháp trên. Đầu
tiên, tiến hành so khớp giữa nhóm đặc trưng cục bộ giữa 2 ảnh vân tay. Sau đó
tiến hành so khớp tồn cục. Phương pháp này có độ chính xác cao, khắc phục
được nhược điểm của cả hai phương pháp trên, tuy nhiên do phải kết hợp cả
hai phương pháp nên thời gian và tốc độ xử lý chậm hơn 2 phương pháp trên.
1.5. Một số phương pháp nhận dạng ảnh vân tay
Có nhiều hướng tiếp cận khác nhau trong quá trình giải quyết bài tốn
nhận dạng ảnh vân tay. Các phương pháp đã được đề xuất và thử nghiệm bao
gồm: dựa trên tương quan quang học (optical correlation), chuyển đổi đặc


23

trưng (transform features), so khớp đồ thị (graphmatching), so khớp cấu trúc

(structural matching) và so khớp các điểm mẫu. Garmain và cộng sự [15] đã
sử dụng các nhóm đặc trưng cục bộ để định nghĩa đặc trưng cấu trúc cục bộ
bao qt các đặc tính hình học bất biến. Việc so khớp được thực hiện dựa trên
các cặp đặc trưng cấu trúc có tương quan được định nghĩa giữa hai ảnh vân
tay. Phương pháp được đề xuất bởi Jiang và Yau[20] dựa trên các điểm tương
đồng được xác định giữa các đặc trưng cấu trúc cục bộ để căn chỉnh hai ảnh
mẫu và tính tốn điểm số so khớp thu được giữa hai danh sách đặc trưng.
Năm 2003, Marius Tico [9] đã đề xuất phương pháp so khớp ảnh vân tay sử
dụng các bộ mô tả đặc trưng cục bộ dựa trên hướng của mẫu vân tay. Phương
pháp này cho phép hàm tương tự giữa các đặc trưng cục bộ được sử dụng để
xác định các đặc trưng tương đồng và đánh giá sự giống nhau giữa cặp mẫu
vân tay. Anil Jain và đồng sự [19] đã sử dụng đặc trưng ở mức độ 3 (hình
dáng của đường vân và các điểm sáng do các lỗ chân lông để lại trên ảnh vân
tay) trong việc so khớp ảnh vân tay. Các đặc trưng ở mức độ 3 này được trích
chọn tự động bằng biến đổi wavelet và bộ lọc Gabor, sau đó so khớp các đặc
trưng bằng thuật tốn ICP. Pierre Baldi[12] đề xuất phương pháp sử dụng
mạng nơ ron nhân tạo trong nhận dạng ảnh vân tay. Với các cơ sở dữ liệu lớn,
việc nhận dạng vân tay phức tạp hơn do cần đảm bảo yêu cầu về tốc độ và sự
chính xác. Isaac Triguero [4], Miguel Lastra và đồng sự [10] đã đề xuất một
số phương pháp nhận dạng vân tay cho cơ sở dữ liệu lớn. Raffaele Cappelli
[14] sử dụng phương pháp đánh chỉ mục dựa trên bảng băm mới để đẩy nhanh
tốc độ tìm kiếm và so khớp. Một lược đồ băm cục bộ được thiết kế dựa trên
Minutiae cylinder-code (MCC), MCC đã được chứng minh là có hiệu quả cao
trong việc ánh xạ một biểu diễn dựa trên đặc trưng cục bộ (vị trí, góc) vào
một tập các vector nhị phân bất biến có độ dài cố định. Thuật toán được thiết
kế dựa trên đạo hàm xấp xỉ số học cho độ tương tự giữa MCC vectors.


24


1.6. Ứng dụng của bài toán nhận dạng ảnh vân tay
Hiện nay việc sử dụng ảnh vân tay để nhận dạng được áp dụng rộng rãi
trong nhiều lĩnh vực của cuộc sống như: Điều tra hình sự, quản lý thơng tin
chứng minh thư, quản lý tài khoản ngân hàng, quản lý thời gian làm việc của
nhân viên ở các công ty, xác thực cho điện thoại, bảo mật dữ liệu. Trong cơng
tác điều tra hình sự, việc nhận dạng dấu vân tay cung cấp những bằng chứng
quan trọng để chứng minh tội phạm, phá nhiều vụ án. Trong quản lý công ty,
việc chấm công bằng dấu vân tay đã tăng hiệu quả lao động, vừa giảm được
chi phí quản lý, lại kiểm soát được giờ làm việc của các nhân viên. Nhiều mẫu
điện thoại mới của Apple, Samsung, asus đều sử dụng nhận dạng vân tay như
một chức năng bảo mật quan trọng cho chiếc điện thoại của hãng. Có thể nói
bài tốn nhận dạng ảnh vân tay đã mang lại nhiều hiệu quả và lợi ích to lớn.


25

Chương 2. MẠNG NƠ-RON NHÂN TẠO
Nội dung chương 2 trình bày về các khái niệm chung về mạng nơ ron,
kiến trúc mạng nơ ron, phân loại mạng nơ ron và một số thuật toán huấn
luyện mạng nơ ron. Chương 2 cũng tập trung giới thiệu về mạng nơ ron
truyền thẳng một lớp ẩn với thuật toán huấn luyện lan truyền ngược.
2.1. Khái niệm chung về mạng nơ-ron
Mạng Neuron nhân tạo (Artificial Neural Network- ANN) là mơ hình xử
lý thơng tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh con
người, bao gồm nhiều nơ ron được gắn kết với nhau để xử lý thông tin. ANN
được học thơng qua q trình huấn luyện, có khả năng lưu giữ kinh nghiệm
hiểu biết và sử dụng những tri thức đó trong việc dự đốn các dữ liệu chưa
biết [11].
Mạng nơ ron giống với hoạt động của bộ não người ở hai khía cạnh
chính[17]:

- Mạng nơ ron thu được kiến thức từ môi trường và bộ dữ liệu mẫu thông
qua quá trình học.
- Độ mạnh của các liên kết trong nơ ron (hay còn gọi là trọng số
synaptic) được sử dụng để lưu các thông tin cần thiết.
Mạng nơ ron được học thơng qua các thuật tốn học. Thơng qua bước
học này, mạng sẽ thay đổi trọng số để thu được kết quả đầu ra mong muốn.
Mạng nơ ron có khả năng học, do đó nó có khả năng tổng quát hóa thể hiển ở
việc mạng nơ ron có thể tính tốn được những giá trị đầu ra cho những bộ dữ
liệu đầu vào mà nó chưa từng gặp trong quá trình học. Khả năng này đã giúp
mạng nơ ron giải quyết được các bài toán phức tạp.


26

Mạng nơ ron nhân tạo đầu tiên được giới thiệu vào năm 1943 bởi Warren
McCulloch và Walter Pitts, được giới thiệu trong bài báo “a logical calculus
of the ideas immanent in Nervous activity”. Mạng nơ ron này chứa một số
lượng nơ ron sử dụng mơ hình đơn giản và một tập các kết nối với nhau.
Đến năm 1958, Frank Rosenblatt giới thiệu về mạng Perceptron, một
loại mạng nơ ron truyền thẳng đơn giản, trong đó trọng số trên các đường kết
nối có thể được thay đổi. Nhược điểm của mạng này là khơng thể giải quyết
được các bài tốn khơng tuyến tính, ví dụ như phép XOR. Vấn đề này sau đó
được giải quyết bởi Minsky và Papert bằng việc đề xuất mạng truyền thẳng
một lớp ẩn.
Đến năm 1986, Rumelhart, Hinton và Williams đã giới thiệu các quy tắc
học cho mạng nơ ron nhân tạo với các lớp ẩn trong bài báo “Learning
internal representations by error propagation”.
Năm 1972, mạng tự tổ chức (self organizing maps - SOM), một mạng nơ
ron nhân tạo do Kohonen phát triển có thể tái hiện khía cạnh quan trọng của
cấu trúc mạng nơ ron sinh học. Mạng này có khả năng tận dụng việc biểu diễn

dữ liệu sử dụng bản đồ topographic. Mạng SOM được huấn luyện sử dụng kỹ
thuật học không giám sát để biểu diễn dữ liệu với số chiều thấp hơn nhiều so
với dữ liệu đầu vào nhiều chiều. Ưu điểm chính của SOM là biểu diễn trực
quan dữ liệu nhiều chiều vào khơng gian ít chiều hơn và đặc trưng của dữ liệu
đầu vào được giữ lại trên bản đồ[11].
Những năm gần đây, mạng nơ ron nhân tạo đang được nghiên cứu và
ứng dụng trong nhiều bài toán nhận dạng thực hiện trong các ngành: điện,
điện tử, địa lý, kỹ thuật chế tạo, y học, kinh tế, quân sự, an ninh.