ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGÔ VĂN TIẾN

NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG
NEURAL NHÂN TẠO ỨNG DỤNG VÀO

HỆ THỐNG THANG MÁY

LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỆN TỬ

Đà Nẵng – Năm 2020


ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGÔ VĂN TIẾN

NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG
NEURAL NHÂN TẠO ỨNG DỤNG VÀO

HỆ THỐNG THANG MÁY

Chuyên ngành : Kỹ thuật Điện tử
Mã số

LUẬN VĂN THẠC SĨ

Người hướng dẫn khoa học: TS. TĂNG ANH TUẤN

PGS.TS. TĂNG TẤN CHIẾN

Đà Nẵng – Năm 2020


LỜI CAM ĐOAN
Tôi xin cam đoan mọi kết quả của đề tài: “Nhận dạng vân tay sử dụng mạng
neural nhân tạo ứng dụng vào hệ thống thang máy ” là cơng trình nghiên cứu của cá
nhân tơi và chưa từng được cơng bố trong bất cứ cơng trình khoa học nào khác cho tới
thời điểm này.
Học viên thực hiện

Ngô Văn Tiến


TÓM TẮT LUẬN VĂN
NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NEURAL NHÂN TẠO ỨNG DỤNG
VÀO HỆ THỐNG THANG MÁY
Học viên thực hiện : Ngô Văn Tiến. Chuyên ngành: Kỹ thuật điện tử
Mã số :
Khoá : K37-38. Trường Đại học Bách Khoa – ĐHĐN
Tóm tắt – Nhận dạng vân tay là một trong những phương pháp nhận dạng sinh trắc học cá
nhân phổ biến và đáng tin cậy. Luận văn mô tả hệ thống nhận dạng vân tay thời gian thực áp
dụng vào quản lý sử dụng hệ thống thang máy bao gồm các bước thu nhận hình ảnh, tiền xử
lý, trích xuất đặc trưng và nhận dạng. Phần tiền xử lý tăng cường, lọc nhiễu làm rõ đường vân,
so sánh hiệu suất, tốc độ của phương pháp xử dụng xử lý ảnh so với phương pháp sử dụng mơ
hình tích chập phân vùng ngữ nghĩa. Sử dụng mơ hình tích chập với phương pháp học một lần
trích xuất đặc trưng của vân tay và tính khoảng cách ơ-clid để định danh vân tay. Luận văn
trình bày tổng quan về hệ thống sinh trắc học, mạng neural nhân tạo, mạng neural tích chập,
phương pháp học một lần, các thuật tốn huấn luyện mơ hình. Nghiên cứu, thiết kế và thực thi

phần mềm và phần cứng, đánh giá chi tiết độ chính xác và thời gian xử lý của hệ thống. Tác
giả đã tóm tắt các kết quả đã đạt được và đưa ra hướng phát triển tiếp theo.
Từ khố –tích chập ; phân vùng ngữ nghĩa ; học một lần ; sinh trắc học ; nhận dạng vân tay

FINGERPRINT IDENTIFICA ION USING ARTIFICIAL NEURAL
NETWORK APPLY TO THE ELEVATOR SYSTEM
Abstract – Fingerprint identification is one of the most popular and reliable personal
biometric identification methods. The thesis describes the real-time fingerprint recognition
system applied to the management and use of the elevator system, including the steps of
image acquisition, pre-processing, feature extraction and identification. Enhanced preprocessing, filter noise to clarify the pattern, compare the performance and speed of the
method of using image processing compared with the method of using the semantic
segmentation convolution model. Use a convolution model with a one-time learning method
that extracts fingerprint features and calculates euclidean distance to identify a fingerprint.
The thesis presents an overview of biometric systems, artificial neural networks,
convolutional neural networks, one-shot learning methods, and train algorithms. Research,
design and implement software and hardware, detail the accuracy and processing time of the
system. The author has summarized the results achieved and gave the next development
direction.
Key words – covolution neural network ; semantic segmentation ; one-shot learning ;
biometrics ; fingerprint identification.


MỤC LỤC
MỞ ĐẦU...................................................................................................................................................... 1
1. Tính cấp thiết của đề tài........................................................................................................... 1
2. Mục tiêu nghiên cứu.................................................................................................................. 2
3. Đối tượng và phạm vi nghiên cứu........................................................................................ 2
4. Phương pháp nghiên cứu......................................................................................................... 3
5. Ý nghĩa khoa học và thực tiễn của đề tài........................................................................... 3
6. Thời gian thực hiện đề tài........................................................................................................ 3

7. Cấu trúc luận văn........................................................................................................................ 4
Chương 1 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NHẬN DIỆN DẤU VÂN
TAY................................................................................................................................................................. 5
1.1. Tổng quát về các hệ thống sinh trắc học................................................................................... 5
1.1.1. Các khối và chức năng...................................................................................................... 6
1.1.2. Các bước xử lý..................................................................................................................... 7
1.2. Cơ sở lý thuyết về vân tay.............................................................................................................. 7
1.2.1. Đặc tính vân tay................................................................................................................... 7
1.2.2. Cấu trúc vân tay................................................................................................................... 7
1.2.3 Các đặc trưng vân tay và cách biểu diễn..................................................................... 9
1.3. Các yếu tố ảnh hưởng đến nhận dạng vân tay..................................................................... 10
1.4. Kết luận chương.............................................................................................................................. 11
Chương 2 GIỚI THIỆU MẠNG NEURAL NHÂN TẠO, MẠNG NEURAL TÍCH
CHẬP VÀ ONE-SHOT LEARNING.......................................................................................... 12
2.1. Tổng quan về mạng neural nhân tạo........................................................................................ 12
2.1.1. Mạng neural nhân tạo là gì ?........................................................................................ 12
2.1.2. Cấu trúc của một mạng neural nhân tạo.................................................................. 12
2.2. Kiến trúc mạng neural................................................................................................................... 16
2.3. Huấn luyện mạng neural nhận tạo............................................................................................ 17
2.3.1. Các phương pháp học..................................................................................................... 17
2.3.2. Thuật toán huấn luyện mạng neural.......................................................................... 17
2.3.3. Thuật tốn tối ưu Adam................................................................................................. 18
2.4. Mạng neural tích chập (CNN).................................................................................................... 20
2.4.1. Định nghĩa mạng neural tích chập............................................................................. 20
2.4.2. Lớp tích chập..................................................................................................................... 20
2.4.3. Lớp tích chập chuyển vị (Transposed Conlution layer)..................................... 22
2.4.4. Lớp tinh chỉnh đơn vị tuyến tính (ReLU layer).................................................... 23


2.4.5. Pooling layer...................................................................................................................... 24

2.4.6. Lớp kết nối hoàn chỉnh (The Fully connected layer).......................................... 25
2.4.7. Hàm mất mát (Loss function)...................................................................................... 25
2.5. One-shot learning............................................................................................................................ 26
2.6. Kết luận Chương............................................................................................................................. 28
Chương 3 THIẾT KẾ, XÂY DỰNG CHƯƠNG TRÌNH NHẬN DIỆN VÂN TAY
SỬ DỤNG ONE-SHOT LEARNING ỨNG DỤNG VÀO HỆ THỐNG THANG
MÁY............................................................................................................................................................ 29
3.1. Thiết kế mơ hình nhận diện vân tay phiên bản với bộ lọc Gabor................................. 29
3.1.1. Nâng cao hình ảnh vân tay............................................................................................ 30
3.1.2. Nhận dạng hình ảnh vân tay......................................................................................... 35
3.2. Thiết kế mơ hình nhận diện vân tay phiên bản với mạng tích chập............................ 36
3.2.1. Nâng cao hình ảnh vân tay sử dụng mạng phân vùng ngữ nghĩa...................37
3.2.2. Nhận dạng hình ảnh vân tay......................................................................................... 38
3.3. Thiết kế thiết bị thu thập, nhận diện vân tay và điều khiển hệ thống thang máy. . .39
3.3.1. Khối thu thập vân tay...................................................................................................... 39
3.3.2. Khối xử lý nhận dạng...................................................................................................... 39
3.4. Kết luận Chương............................................................................................................................. 42
Chương 4 KẾT QUẢ........................................................................................................................... 43
4.1. Tiêu chí đánh giá............................................................................................................................. 43
4.2. Xây dựng cơ sở dữ liệu và phân tích kết quả....................................................................... 44
4.2.1. Xây dựng cơ sở dữ liệu.................................................................................................. 44
4.2.2. Đánh giá và so sánh thời gian xử lý, kết quả nhận dạng mơ hình nhận diện
vân tay phiên bản với bộ lọc Gabor và với mạng tích chập.................................................... 45
4.3. Kết luận chương.............................................................................................................................. 46
KẾT LUẬN.............................................................................................................................................. 47
DANH MỤC TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH SÁCH CÁC THUẬT NGỮ TIẾNG ANH, CHỮ VIẾT TẮT

Frame
Object segmentation
Pre-processing
Tracking
Feature extraction
Pattern recognition
Foreground
Mathematical Morphology
Template matching
State-space
Machine learning
Neural Network
Hidden Markov Model
Dynamic Bayesian Network
Support Vector Machine
Convolution Neural Network
Background Subtraction
Statistical Methods
Temporal Differencing
Computer Vision
Deep Learning
Convolution
Signal processing
Sliding window
Filter
Feature detector
Element-wise


Convoled feature

Rectified Linear Unit
Hyperparameter
Fully connected
Loss function
Mean Square Error
Smooth
Short-time Fourier transform
True Positives
False Positives
True Negatives
False Negatives
Recall
Precision
Accuracy
True negative rate
True positive rate


DANH MỤC CÁC BẢNG
Số hiệu
bảng
4.1.
4.2.

4.3.

4.4.

So sánh thời gian xử lý


Kết quả nhận dạng cho
dữ liệu kiểm tra

Kết quả nhận dạng cho
bộ dữ liệu kiểm tra

Bảng so sánh kết quả th

phiên bản với bộ dữ liệ


DANH MỤC CÁC HÌNH
Số hiệu
hình
1.1.

Mơ tả quy trình lấy mẫ

1.2.

Sơ đồ khối của hệ thốn

1.3.

Sơ đồ khối của hệ thốn

1.4.

Sơ đồ khối của hệ thốn


1.5.

Vùng Whorl, Loop, Arc

1.6.

7 chi tiết thường gặp tr

1.7.

Các điểm singularity co

1.8.

Một số loại core thườn

1.9.

Các điểm minutiae Rig

1.10.

Bề mặt của ảnh vân tay
(ravine) [9]

1.11.

Hình ảnh vân tay do cá
chỗ, Sự quay, Sự chồng
méo vân


2.1.

Mơ hình cấu trúc của n

2.2.

Một số hàm kích hoạt t

2.3.

Mạng tự tổ chức

2.4.

Mạng có kiến trúc truy

2.5.

Mạng có kiến trúc hồi q

2.6.

Sơ đồ huấn luyện mạng

của mạng d : Tín hiệu r

2.7.

Hình ảnh minh họa về


2.8.

Các thành phần của tích


2.9.

Minh họa tích chập

2.10.

Ảnh mờ hơn sau khi áp

2.11.

Ảnh được phát hiện biê

2.12.

So sánh giữa lớp tích c

2.13.

Lớp tích chập chuyển v

2.14.

Đồ thị hàm ReLU


2.15.

Tính tốn với phương p

2.16.

Cấu trúc mạng Triplet


Số hiệu
hình
3.1.

Sơ đồ mơ tả mơ hình n

3.2.

Hình ảnh đầu vào và kế

3.3.

Hình ảnh đầu vào và kế

3.4.

Cửa sổ định hướng với

3.5.

Hình ảnh đầu vào và kế


3.6.

Bộ lọc Gabor.

3.7.

Hình ảnh đầu vào và kế

3.8.

Kiến trúc mạng Mobile

3.9.

Bên trong một bottlene

3.10.

Sơ đồ mơ tả mơ hình n
chập

3.11.

Kiến trúc mạng Mobile

3.12.

Sơ đồ khối chức năng


3.13.

Đầu đọc vân tay R305

3.14.

Máy tính nhúng Raspb

3.15.

Sơ đồ khối chi tiết của

3.16.

Giao diện chính chươn
nhận diện

3.17.

Giao diện đăng ký mới

4.1.

Ma trận phân lớp cho h

4.2.

Các ví dụ mẫu có trong



1

MỞ ĐẦU
1. Tính cấp thiết của đề tài
Nhận dạng dấu vân tay là một trong những công nghệ sinh trắc học được ứng
dụng rộng rãi. Sự phát triển của công nghệ đã làm thay đổi từ việc lăn tay trên mực và
lưu trữ trên giấy sang quét trên máy và lưu trữ kỹ thuật số. Nhờ đó đạt được nhiều kết
quả quan trọng và trở thành một trong những phương pháp sinh trắc học tin cậy nhất.
Đa số các hệ thống bảo mật hiện nay sử dụng mật khẩu hay mã PIN (Personal
Identification Number) nhưng không thật sự hiệu quả vì khó nhớ, dễ qn, dễ bị đánh
cắp và có nhiều trở ngại trong quá trình sử dụng. Hệ thống nhận dạng sinh trắc học nói
chung và vân tay nói riêng ra đời để khắc phục khuyết điểm đó. Độ ổn định, tính phân
biệt cao và tính bảo mật tốt là các đặc điểm nổi bật của hệ thống nhận dạng dấu vân tay
giúp công nghệ này ngày càng được ứng dụng phổ biến.
Thực tế, hiện nay đã có rất nhiều hệ thống nhận dạng dấu vân tay AFIS đạt tới
độ chính xác rất cao, được ứng dụng cho các mục đích khác nhau như: bảo mật, giám
sát, chấm cơng… với cơ sở dữ liệu đơn giản hay đồ sộ tùy vào mục đích sử dụng.
Được áp dụng trong nhiều lĩnh vực như tài chính, quân sự, y học, kinh tế điện tử,…
Trong đó, có thể kể đến các hệ thống nhận dạng dấu vân tay được ứng dụng trong thực
tế như:
·

Hệ thống IAFIS của FBI có cơ sở dữ liệu tới hàng trăm triệu vân tay.

·

Hệ thống điều khiển truy cập: tài khoản ngân hàng, website, cửa ra vào các tịa
nhà cơng cộng, nhà ở thơng minh, trường học, bệnh viện, cơ quan chính phủ,…
cho việc điều khiển cũng như giám sát theo ý muốn người dùng.


Thiết bị nhận dạng vân tay thông minh INVIXIUM X
·

Thiết bị nhận dạng dấu vân tay cho các bệnh viện, khu công nghiệp, cơ
quan như Finger Hamter 2, Verifiti P5100, Secugen Hamter Plus,…

·

Hệ thống nhận dạng vân tay được sử dụng trên các điện thoại thông minh.


2

Công nghệ Touch ID ứng dụng trên Iphone
·

Hệ thống giám sát, theo dõi, hộ chiếu điện tử,…

·

Ứng dụng thay thế thẻ tính tiền siêu thị, thẻ thanh tốn quốc tế, thẻ ATM [1].

Hệ thống nhận diện vân tay ứng dụng trên máy rút tiền ATM

2. Mục tiêu nghiên cứu
Xây dựng một chương trình phần mềm của hệ thống nhận dạng vân tay sử dụng
mạng neural tích chập với phương pháp one-shot learning trên máy tính với hiệu suất
trên 90% và độ tin vậy cao ứng dụng vào hệ thống điều khiển thang máy.
3. Đối tượng và phạm vi nghiên cứu
3.1. Đối tượng nghiên cứu:

Lý thuyết công nghệ sinh trắc và vấn đề bảo mật
Cơ sở nhận dạng vân tay
Các thuật toán xử lý ảnh
3.2. Phạm vi nghiên cứu:
Hệ thống nhận dạng thơng minh
Phân tích, xử lý ảnh
Học máy


3

Cơ sở dữ liệu
Thiết kế và phân tích hệ thống
4. Phương pháp nghiên cứu

Phương pháp luận của luận văn là kết hợp nghiên cứu lý thuyết và mô phỏng để
làm rõ nội dung đề tài. Cụ thể như sau:
Nghiên cứu phương pháp nâng cao ảnh vân tay trên cơ sở thuật tốn xử lý ảnh.
Nghiên cứu mơ hình nhận dạng ảnh vân tay.
Chương trình nhận dạng vân tay được xây dựng bằng ngôn ngữ Python, với thư
viện OpenCV, Tensorflow. Giao diện của chương trình được xây dựng bằng
cơng cụ QtDesign và thư viện PyQT5.
Đánh giá kết quả thực hiện.
5. Ý nghĩa khoa học và thực tiễn của đề tài

Bên cạnh thuật toán mang ý nghĩa khoa học trong lĩnh vực nhận dạng vân tay,
đề tài còn đề xuất phương án xây dựng một chương trình mơ phỏng, xử lý ảnh vân tay
để đối sánh vân tay và ứng dụng mục đích vào hệ thống thang máy thơng minh nhận
dạng vân tay.
6. Thời gian thực hiện đề tài

Thời gian
Tháng 12 / 2019

Tháng 1 / 2020

Tháng 2 / 2020

Tháng 3 –
5/2020

Tháng 6 / 2020



4

7. Cấu trúc luận văn
Với đề tài “Nhận dạng vân tay sử dụng mạng neural nhân tạo ứng dụng
vào hệ thống thanh máy”, Tập trung vào việc nghiên cứu, xây dựng và thực thi hệ
thống nhận dạng dấu vân tay sử dụng mạng neural tích chập với phép học one-shot.
Nội dung đồ án gồm 4 chương :
Chương 1 : Tổng quan về các phương pháp nhận dạng vân tay
Chương 2 : Giới thiệu mạng neural nhân tạo, mạng neural tích chập và one-shot
learning
Chương 3 : Thiết kế, xây dựng chương trình nhận diện vân tay sử dụng one-shot
learning ứng dụng vào hệ thống thang máy
Chương 4 : Thực nghiệm và kết quả đánh giá


5


Chương 1
TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NHẬN DIỆN DẤU VÂN TAY
Ngày nay, kỹ thuật sinh trắc học được ứng dụng ngày càng rộng rãi. Trong đó,
nhận dạng dấu vân tay được xem là một trong những kỹ thuật hoàn thiện và đáng tin
cậy nhất. Chương này trình bày tổng quát các hệ thống sinh trắc học và sơ lược về các
quá trình cần thiết và điều cần quan tâm khi xây dựng hệ thống nhận dạng dấu vân tay.
1.1. Tổng quát về các hệ thống sinh trắc học
Kết quả của việc xây dựng các hệ thống sinh trắc học thực tế là xác định xem
đặc trưng riêng của các nhân sẽ được nhận biết như thế nào. Dựa vào phạm vi ứng
dụng, hệ thống sinh trắc học có thể được gọi là hệ thống đăng ký, hệ thống xác thực
hoặc hệ thống nhận dạng.

Hình 1.1. Mơ tả quy trình lấy mẫu vân tay đầu vào
Hệ thống đăng ký mẫu (Enrollment System) thực hiện các việc lấy vân tay sau
đó trích xuất các đặc trưng đi kèm của vân tay đó sau đó lưu lại tập đặc trưng đó làm
database để xây dựng các hệ thống nhận dạng.
Hệ thống xác thực (Verification System) dùng để chứng thực một cá nhân có
thuộc hệ thống hay khơng, bằng cách so sánh đặc tính sinh trắc học thu được với mẫu
sinh trắc học được lấy trước đó của cùng một cá nhân và đã được lưu trong hệ thống.
Hệ thống xác thực có thể từ chối hoặc chấp nhận định danh mà cá nhân khai báo.
Hệ thống định danh (Identification System) thực hiện nhận dạng cá nhân bằng
cách tìm kiếm trong tồn bộ cơ sở dữ liệu để nhận dạng. Việc so sánh một – nhiều này
được thành lập nếu dữ liệu của cá nhân đó hiện có trong cơ sở dữ liệu và hệ thống sẽ
trả về định danh của mẫu trong cơ sở dữ liệu trùng khớp với cá nhân đó. Trong trường
hợp khơng tìm thấy mẫu trùng khớp hệ thống sẽ đưa ra thông báo phù hợp.


6


Hình 1.2. Sơ đồ khối của hệ thống đăng ký [6]

Hình 1.3. Sơ đồ khối của hệ thống xác thực [6]

Hình 1.4. Sơ đồ khối của hệ thống định danh
[6] 1.1.1. Các khối và chức năng
Scanner: đây là khối quan trọng để thu thập mẫu vân tay thông qua bộ cảm biến
sinh trắc học thường là đầu đọc vân tay. Ngồi ra, khối này cịn có thể có các thành
phần khác như bàn phím, màn hình,… để lấy mẫu các loại dữ liệu khác trong một hệ
thống nhận dạng dấu vân tay.
Feature extractor: đây là khối sẽ rút trích đặc trưng từ vân tay thu thập được từ
khối scanner đầu vào. Mục đích của khối rút trích đặc trưng này để tạo ra mẫu với
những chi tiết riêng biệt của vân tay đó nhưng khơng gian nhỏ hơn để nhận dạng vân
tay. Đây chính là cơ sở cho việc nhận dạng.
Template Storage: khối dùng để lưu trữ những tập đặc trưng ứng với từng vân
tay sau đó sắp xếp và lưu trữ trong hệ thống.
Matcher: khối đối sánh thực hiện so khớp giữa tập đặc trưng được lưu trữ trong
khối lưu trữ và tập đặc trưng vân tay đầu vào bằng cách tính tốn sự tương đồng của
từng cặp điểm giữa tập đặc trưng sau đó so sánh với ngưỡng cho trước để cho ra kết
quả cuối cùng. Nếu điểm trùng khớp lớn hơn ngưỡng thì cá nhân đó được chấp nhận,
ngược lại thì bị từ chối.


7

1.1.2. Các bước xử lý
Sử dụng bốn thành phần trên, ba bước xử lý có thể được thực hiện là đăng ký,
xác thực và định danh. Hệ thống xác thực sử dụng các bước đăng ký và xác thực còn
hệ thống định danh sử dụng các bước đăng ký và định danh. Sau đây là ba bước xử lý:
Đăng ký: người dùng đăng ký thông tin cá nhân vào hệ thống lưu trữ sinh

trắc học. Trong suốt quá trình đăng ký, các đặc trưng sinh trắc học của đối tượng được
lấy bằng máy quét sinh trắc học để tạo thành mẫu. Bước kiểm tra chất lượng được thực
hiện để chắc chắn rằng mẫu lấy được sẽ được xử lý một cách tin cậy ở các bước kế
tiếp. Sau đó, khối trích đặc trưng được sử dụng để tạo ra tập đặc trưng và tạo mẫu đăng
ký. Cuối cùng, mẫu sẽ được đưa vào lưu trữ trong hệ thống cùng với các thơng tin của
người dùng.
Xác thực: bước xác thực thích hợp cho việc khẳng định lại việc khai báo
định danh của đối tượng. Trong suốt quá trình nhận dạng, ID của đối tượng được cung
cấp để khai báo danh tính, máy quét sinh trắc học sẽ lấy các đặc trưng của đối tượng và
chuyển nó sang mẫu và được xử lý kỹ hơn bằng bước trích đặc trưng để hình thành tập
đặc trưng. Tập đặc trưng này sẽ được đưa vào khâu đối sánh để so sánh với mẫu đã
đăng ký của đối tượng. Bước xác thực sẽ quyết định là khớp hay khơng khớp.
Định danh: trong q trình định danh, đối tượng không cần khai báo ID và hệ
thống sẽ so sánh tập đặc trưng của đối tượng lấy từ mẫu sinh trắc học từ máy quét với tất
cả các mẫu có trong cơ sở dữ liệu, kết quả đầu ra là danh sách các đối tượng rỗng (nếu
không trùng khớp) hoặc bao gồm một hoặc nhiều ID trùng với mẫu đã đăng ký.
1.2. Cơ sở lý thuyết về vân tay
1.2.1. Đặc tính vân tay
Tính cá thể: khơng có sự giống nhau tuyệt đối hai vân tay của hai người bất kì
trên thế giới dù đó là song sinh cùng trứng.
Tính bền vững: vân tay của một người khơng thay đổi trong suốt thời gian
sống. Nếu có gặp phải tổn thương thì vân tay sẽ phục hồi lại cấu trúc đường vân trước
đó.
Tính pháp lý: vân tay này được ghi nhận về mặt pháp lý. Đồng thời chúng ta
cũng có rất nhiều cơng cụ hữu hiệu để chứng minh tính xác thực của một vân tay như
là kỹ thuật phân tích méo, kỹ thuật tách vân.
1.2.2. Cấu trúc vân tay
Vân tay được thu nhận từ lớp biểu bì da với cấu trúc dễ nhận thấy nhất là vân
lồi và vân lõm. Trong ảnh vân tay, vân lồi có màu tối trong khi vân lõm có màu sáng.
Vân lồi có độ rộng từ 100 µm đến 300 µm. Độ rộng của một cặp vân lồi lõm cạnh

nhau là 500 µm. Cấu trúc đường vân có thể khơi phục khi gặp chấn thương. Vân lồi và


8

vân lõm thường chạy song song với nhau rồi có thể rẽ nhánh hoặc kết thúc. Ở mức độ
tổng thể, vân tay có thể chia thành các dạng là loop, delta, whorl và được kí hiệu tương
ứng là ∩, Δ , Ω. Vùng whorl có thể được mơ tả bởi hai vùng loop đối diện nhau.

Hình 1.5. Vùng Whorl, Loop, Arch trên vân tay [8]
Ở mức độ cục bộ, Francis Galton (1822-1911) là người đầu tiên phân loại chi

tiết theo bốn loại bao gồm: điểm kết thúc, điểm rẽ hai, điểm rẽ ba và điểm khơng xác
định. Trong khi đó mơ hình chi tiết của cục điều tra liên bang Mỹ chỉ có hai loại chi
tiết là điểm kết thúc và điểm rẽ hai. Mỗi chi tiết được đặc trưng bởi phân lớp, hệ tọa độ
(x,y), góc tạo bởi tiếp tuyến của đường vân tại chi tiết và trục ngang. [3]
Theo giải phẫu vân tay thì có 7 loại chi tiết trên vân tay như hình bên dưới:
Vân kết thúc: Ridge ending.
Vân rẽ nhánh: Bifurcation.
Vân vòng: Lake.
Vân độc lập: Independent Ridge.
Vân đơn: Point or Island.
Vân cựa gà: Spur.
Vân chéo: Crossover


9

Hình 1.6. 7 chi tiết thường gặp trên vân tay
[8] 1.2.3 Các đặc trưng vân tay và cách biểu diễn

Trên các ảnh vân tay có các đặc điểm đặc trưng. Đó là những điểm đặc biệt mà
vị trí của nó không trùng lặp trên các vân tay khác nhau. Điểm đặc trưng của vân tay
được phân thành hai loại là singularity và minutiae.
1.2.3.1 Điểm Singularity
Đây là những vùng có cấu trúc khác thường so với những vùng bình thường
khác (thường có cấu trúc song song) được gọi là singularity. Có hai loại singularity là
core và delta.

Hình 1.7. Các điểm singularity core và delta [8]
Điểm core thường có một số dạng như sau:

Hình 1.8. Một số loại core thường gặp [6]


10

1.2.3.2 Điểm Minutiate
Những điểm đường vân kết thúc (Rigde Ending) hoặc rẽ nhánh (Bifurcation)
được gọi chung là minutiae.

Hình 1.9. Các điểm minutiae Rigde Ending và Bifurcation
[9] 1.2.3.3 Cách biểu diễn vân tay
Hình ảnh vân tay thường được biểu diễn như là một bề mặt hai chiều. Với các
vân lồi (có màu tối) và các vân lõm (có màu sáng) trong khơng gian.

Hình 1.10. Bề mặt của ảnh vân tay với các đường vân (ridge) và các rãnh (ravine)
[9] 1.3. Các yếu tố ảnh hưởng đến nhận dạng vân tay
Nhận dạng dấu vân tay là một bái tốn cực kì khó, chủ yếu do sự thay đổi dấu in
của cùng một vân tay. Các yếu tố chính làm các dấu in khác nhau được trình bày dưới
đây:

Sự đổi chỗ: một ngón tay có thể đặt ở các vị trí khác nhau trên bộ cảm biến
làm tịnh tiến ảnh vân tay.
Sự quay: cùng một vân tay có thể quay ở các góc quay khác nhau trên bề
mặt bộ cảm biến. Mặc dù bộ hướng dẫn ngón tay được gắn liền trên các máy quét
thương mại, nhưng trong thực tế tồn tại sự quay không cố ý lên tới ±200 theo chiều
dọc.
Sự chồng chéo đường vân: sự đổi chỗ và sự quay vân tay thường làm cho
một phần vân tay bị đổ ra ngồi vùng nhìn thấy của bộ cảm biến, kết quả là xuất hiện
sự chồng chéo giữa các vùng vân cạnh nhau của mẫu và các vân tay đầu vào.
Sự nhiễu phi tuyến và méo vân: do áp lực da gây ra các biến dạng kéo dãn
khác nhau, mồ hôi cũng như bề mặt vân và cảm biến gây ra nhiễu với nhiều mức độ.


11

Hình 1.11. Hình ảnh vân tay do các yếu tố xấu gây ra. Từ trái qua phải : Sự đổi chỗ,
Sự quay, Sự chồng chéo đường vân, Sự nhiễu phi tuyến và méo vân
1.4. Kết luận chương
Qua chương này, ta đã có cái nhìn tổng quan về các hệ thống sinh trắc học nói
chung cũng như hệ thống nhận dạng dấu vân tay nói riêng và những khái niệm cơ bản
về cấu tạo, đặc tính vân tay. Đồng thời cho biết sơ lược về các yếu tố ảnh hưởng đến
hệ thống. Đến chương sau sẽ trình bày rõ ràng và chi tiết hơn về các thuật toán được sử
dụng để xây dựng hệ thống nhận dạng dấu vân tay.


12

Chương 2
GIỚI THIỆU MẠNG NEURAL NHÂN TẠO, MẠNG NEURAL TÍCH
CHẬP VÀ ONE-SHOT LEARNING

Chương này tập trung nói về mạng neural nhân tạo, mạng neural tích chập và
phép học one-shot, tìm hiểu mơ tình mạng, thuật tốn huấn luyện.
2.1. Tổng quan về mạng neural nhân tạo

2.1.1. Mạng neural nhân tạo là gì ?
Mạng neural nhân tạo, Artificial Neural Network (ANN) gọi tắt là mạng neural,
là một mơ hình xử lý thơng tin phỏng theo cách thức xử lý thông tin của các hệ neural
sinh học. Nó được tạo nên từ một số lượng lớn các phần tử (gọi là phần tử xử lý hay
neural) kết nối với nhau thông qua các liên kết (gọi là trọng số liên kết) làm việc như
một thể thống nhất để giải quyết một vấn đề cụ thể nào đó.
Một mạng neural nhân tạo được cấu hình cho một ứng dụng cụ thể nào đó như
nhận dạng mẫu, phân loại dữ liệu,… thông qua một quá trình học từ tập các mẫu huấn
luyện. Về bản chất, học chính là q trình hiệu chỉnh các trọng số liên kết giữa các
neural. Trong một vài năm trở lại đây, mạng neural nhân tạo đã được nhiều nhà nghiên
cứu quan tâm và đã áp dụng thành công trong nhiều lĩnh vực khác nhau như tài chính,
y tế, địa chất, vật lý và kỹ thuật. Thật vậy, bất cứ ở đâu có vấn đề về dự báo, phân loại
và điều khiển, mạng neural nhân tạo đều có thể ứng dụng được. Sự thành cơng nhanh
chóng của mạng neural nhân tạo có thể là do một số nhân tố chính sau:
Năng lực: Mạng neural nhân tạo là kỹ thuật mô phỏng rất tinh vi, có khả
năng mơ phỏng các hàm cực kỳ phức tạp. Đặc biệt, mạng neural nhân tạo hoạt động
phi tuyến. Trong nhiều năm, mơ hình tuyến tính là kỹ thuật được sử dụng rộng rãi
trong hầu hết các lĩnh vực, vì thế mơ hình tuyến tính có tính chiến lược tối ưu hóa
được biết nhiều nhất.
2.1.2. Cấu trúc của một mạng neural nhân tạo
Để mô phỏng các tế bào thần kinh và các khớp nối thần kinh của bộ não con
người, trong mạng neural nhân tạo cũng có các thành phần có vai trị tương tự là các
neural nhân tạo cùng các khớp nối thần kinh.
Một neural nhân tạo là một đơn vị tính tốn hay đơn vị xử lý thông tin cơ cở
cho hoạt động của một mạng neural. Cấu trúc của một neural nhân tạo được mơ tả ở
hình dưới.