Luận văn: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mống mắt

Luận văn nghiên cứu ứng dụng nhận dạng sinh trắc mống mắt. Tìm hiểu công nghệ, xây dựng hệ thống xác thực an toàn, bảo mật cao dựa trên mống mắt.

• Tác giả: Bui Thanh Binh
• Người hướng dẫn: PGS.TS. Nguyễn Thị Hoàng Lan
• Trường học: Trường đại học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật Máy tính và Truyền thông
• Đề tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mống mắt
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI NÓI ĐẦU
• LỜI CẢM ƠN
• Danh mục hình ảnh
• Danh mục bảng
• 1. CHƯƠNG 1: GIỚI THIỆU VẤN ĐỀ VÀ XÁC ĐỊNH NHIỆM VỤ
• 1.1. Đặt vấn đề
• 1.2. Tính cấp thiết của đề tài
• 1.3. Mục tiêu của đề tài
• 2. CHƯƠNG 2: TỔNG QUAN VỀ SINH TRẮC HỌC VÀ SINH TRẮC HỌC MỐNG MẮT
• 2.1. Sinh trắc mống mắt
• 2.2. Giới thiệu chung hệ thống sinh trắc học và sinh trắc học mống mắt
• 2.2.1. Hệ thống sinh trắc học
• 2.2.2. Hệ thống sinh trắc mống mắt
• 2.3. Các thông số đánh giá chất lượng hệ thống xác thực sinh trắc
• 2.3.1. Vấn đề lỗi trong hoạt động của hệ sinh trắc
• 2.3.2. Các thông số đánh giá chất lượng
• 3. CHƯƠNG 3: TÌM HIỂU CÁC PHƯƠNG PHÁP DÙNG TRONG HỆ THỐNG SINH TRẮC MỐNG MẮT
• 3.1. Sơ đồ khối và chức năng hệ thống nhận dạng mống mắt
• 3.2. Phân tách ảnh mống mắt
• 3.2.1. Vấn đề ảnh mống mắt
• 3.2.2. Các phương pháp phân tách ảnh mống mắt
• 3.2.2.1. Phương pháp dùng phép biến đổi Hough
• 3.2.2.2. Phương pháp vi-tích phân của Daugman
• 3.3. Chuẩn hóa ảnh mống mắt
• 3.3.1. Phương pháp chuẩn hóa vùng ảnh mống mắt
• 3.3.1.1. Mô hình Rubber Sheet của Daugman
• 3.4. Mã hóa đặc trưng và đối sánh
• 3.4.1. Đặc trưng ảnh mống mắt
• 3.4.2. Các phương pháp mã hóa đặc trưng
• 3.4.2.1. Phương pháp bộ lọc Gabor
• 3.4.2.2. Phương pháp bộ lọc Log-Gabor
• 3.4.3. Các phương pháp đối sánh
• 3.4.3.1. Đối sánh dựa trên khoảng cách Hamming
• 3.4.3.2. Đối sánh dựa trên khoảng cách Weighted Euclidean
• 4. CHƯƠNG 4: XÂY DỰNG ỨNG DỤNG NHẬN DẠNG SINH TRẮC MỐNG MẮT VÀ KẾT QUẢ THỰC NGHIỆM
• 4.1. Phân tích ứng dụng nhận dạng xác thực sinh trắc mống mắt
• 4.2. Xây dựng các khối chức năng của ứng dụng
• 4.3. Triển khai cài đặt thử nghiệm
• 4.4. Kịch bản, kết quả và đánh giá thử nghiệm nhận dạng xác thực sinh trắc mống mắt
• KẾT LUẬN
• Tài liệu tham khảo

Tóm tắt

I. Tổng Quan về Ứng Dụng Nhận Dạng Mống Mắt 60 ký tự

Ngày nay, sinh trắc học ngày càng được ứng dụng rộng rãi. Các phương pháp như nhận dạng vân tay, khuôn mặt, và đặc biệt là mống mắt, được sử dụng trong nhiều lĩnh vực khác nhau của đời sống. Từ hộ chiếu điện tử tại sân bay, hệ thống xác thực tại các cơ sở bảo mật cao như cơ quan an ninh, phòng thí nghiệm, đến hệ thống rút tiền tự động ATM, công nghệ sinh trắc đóng vai trò quan trọng. Trong số các phương pháp sinh trắc học, sinh trắc vân tay đã được chấp nhận rộng rãi và sử dụng hiệu quả. Tuy nhiên, nó vẫn có những nhược điểm như yêu cầu tiếp xúc trực tiếp, dễ bị ảnh hưởng bởi điều kiện môi trường (nước, thời tiết), và chất lượng vân tay có thể kém do bị mờ. Do đó, công nghệ sinh trắc mống mắt nổi lên với các ưu điểm vượt trội: không cần tiếp xúc trực tiếp, ít bị ảnh hưởng bởi môi trường, và độ chính xác cao. Nó được đánh giá là công nghệ tiên tiến và đáng tin cậy nhất hiện nay. Công nghệ nhận dạng mống mắt đang được nghiên cứu, ứng dụng và phát triển mạnh mẽ, ví dụ như trong “hộ chiếu điện tử” và hệ thống an ninh quốc gia. Tuy nhiên, đây là một công nghệ phức tạp, bao gồm nhiều thuật toán nhỏ và tinh vi. Luận văn này tập trung vào việc nghiên cứu và xây dựng thử nghiệm một ứng dụng nhận dạng sinh trắc mống mắt dựa trên các thuật toán đã nghiên cứu.

1.1. Giới Thiệu Về Hệ Thống Nhận Dạng Sinh Trắc Mống Mắt

Hệ thống nhận dạng mống mắt là một hệ thống bảo mật sử dụng đặc điểm mống mắt của con người để xác định và xác thực danh tính. Quá trình này bao gồm các bước chính: thu thập ảnh mống mắt, tiền xử lý ảnh để chuẩn hóa, trích xuất các đặc trưng duy nhất từ mống mắt, và so sánh các đặc trưng này với một cơ sở dữ liệu đã đăng ký. Ưu điểm của hệ thống nhận dạng mống mắt bao gồm độ chính xác cao, tính duy nhất của mống mắt, và khả năng chống giả mạo tốt. Ứng dụng của hệ thống này rất đa dạng, từ kiểm soát truy cập vật lý và logic đến xác thực giao dịch tài chính và quản lý danh tính. Công nghệ này có tiềm năng lớn trong việc nâng cao an ninh và bảo mật trong nhiều lĩnh vực khác nhau. Các hệ thống sinh trắc học mống mắt đang ngày càng trở nên phổ biến do khả năng nhận diện chính xác và nhanh chóng, đồng thời đảm bảo tính bảo mật cao hơn so với các phương pháp truyền thống.

1.2. Tại Sao Sinh Trắc Học Mống Mắt Lại Quan Trọng

Sinh trắc học mống mắt nổi bật so với các phương pháp sinh trắc học khác vì tính duy nhất và ổn định của cấu trúc mống mắt. Cấu trúc này hình thành từ rất sớm và duy trì ổn định trong suốt cuộc đời, ít bị ảnh hưởng bởi tuổi tác hay các yếu tố môi trường. Điều này đảm bảo độ tin cậy cao trong quá trình nhận dạng. Ngoài ra, mống mắt không dễ bị sao chép hay giả mạo như vân tay hoặc khuôn mặt, làm tăng cường khả năng bảo mật của hệ thống. Nhận dạng mống mắt cũng không yêu cầu tiếp xúc trực tiếp, giảm thiểu nguy cơ lây lan bệnh tật và mang lại sự tiện lợi cho người dùng. Vì những lý do này, sinh trắc học mống mắt trở thành một lựa chọn hàng đầu cho các ứng dụng yêu cầu độ an toàn và chính xác cao, từ kiểm soát an ninh đến xác thực tài chính.

II. Các Thách Thức Khi Xây Dựng Ứng Dụng Mống Mắt 58 ký tự

Việc xây dựng ứng dụng nhận dạng mống mắt không hề đơn giản. Một trong những thách thức lớn nhất là đảm bảo chất lượng ảnh mống mắt đầu vào. Ảnh cần phải rõ nét, đủ ánh sáng, và không bị che khuất bởi mí mắt hoặc lông mi. Quá trình xử lý ảnh cũng đòi hỏi các thuật toán phức tạp để phân tách mống mắt khỏi các phần khác của mắt, chuẩn hóa kích thước và hình dạng, và loại bỏ nhiễu. Một thách thức khác là thiết kế một thuật toán nhận dạng hiệu quả, có khả năng so sánh mống mắt với một cơ sở dữ liệu lớn và đưa ra kết quả chính xác trong thời gian ngắn. Vấn đề bảo mật cũng cần được quan tâm, đảm bảo dữ liệu mống mắt được lưu trữ an toàn và không bị truy cập trái phép. Cuối cùng, ứng dụng cần phải thân thiện với người dùng và dễ dàng tích hợp vào các hệ thống hiện có.

2.1. Vấn Đề Chất Lượng Ảnh trong Nhận Dạng Mống Mắt

Chất lượng ảnh đầu vào có ảnh hưởng trực tiếp đến hiệu quả của hệ thống nhận dạng mống mắt. Ảnh mống mắt lý tưởng cần phải rõ nét, không bị mờ, có độ tương phản tốt, và được chụp trong điều kiện ánh sáng phù hợp. Các yếu tố như chuyển động của mắt, khoảng cách từ máy ảnh đến mắt, và sự hiện diện của mí mắt hoặc lông mi có thể làm giảm chất lượng ảnh. Để giải quyết vấn đề này, các hệ thống nhận dạng mống mắt thường sử dụng các kỹ thuật tiền xử lý ảnh để cải thiện độ tương phản, loại bỏ nhiễu, và phát hiện và loại bỏ các vùng bị che khuất. Ngoài ra, việc sử dụng các thiết bị chụp ảnh chuyên dụng với đèn hồng ngoại có thể giúp thu được ảnh mống mắt chất lượng cao trong điều kiện ánh sáng yếu.

2.2. Giải Pháp Cho Các Vấn Đề Với Cơ Sở Dữ Liệu Mống Mắt

Việc xây dựng và quản lý một cơ sở dữ liệu mống mắt hiệu quả là một yếu tố quan trọng khác để đảm bảo hiệu suất của hệ thống nhận dạng. Cơ sở dữ liệu cần phải có khả năng lưu trữ một lượng lớn dữ liệu mống mắt một cách an toàn và hiệu quả. Ngoài ra, cần có các cơ chế để quản lý phiên bản, đảm bảo tính nhất quán của dữ liệu, và cho phép tìm kiếm và truy xuất nhanh chóng. Một số giải pháp phổ biến bao gồm sử dụng các hệ quản trị cơ sở dữ liệu quan hệ (RDBMS) hoặc NoSQL, kết hợp với các kỹ thuật nén dữ liệu và lập chỉ mục để tối ưu hóa hiệu suất. Bên cạnh đó, việc đảm bảo tuân thủ các quy định về bảo vệ dữ liệu cá nhân cũng là một yếu tố quan trọng cần được xem xét.

III. Phương Pháp Phân Tách Ảnh Mống Mắt Hiệu Quả 59 ký tự

Phân tách ảnh mống mắt là bước quan trọng đầu tiên trong quá trình nhận dạng. Mục tiêu là xác định và tách vùng mống mắt ra khỏi các phần khác của ảnh mắt, bao gồm cả mí mắt, lông mi, và lòng trắng mắt. Quá trình này thường bao gồm các bước: phát hiện vị trí của đồng tử và rìa mống mắt, sử dụng các đường tròn hoặc hình elip để mô tả mống mắt, và loại bỏ các vùng không thuộc mống mắt. Các phương pháp phổ biến bao gồm biến đổi Hough, thuật toán Canny, và các kỹ thuật dựa trên học máy. Độ chính xác của quá trình phân tách ảnh mống mắt có ảnh hưởng trực tiếp đến hiệu quả của các bước xử lý tiếp theo.

3.1. Ứng Dụng Biến Đổi Hough trong Phân Tách Mống Mắt

Biến đổi Hough là một kỹ thuật xử lý ảnh được sử dụng để phát hiện các hình dạng hình học đơn giản, chẳng hạn như đường thẳng và đường tròn. Trong nhận dạng mống mắt, biến đổi Hough có thể được sử dụng để phát hiện vị trí của đồng tử và rìa mống mắt, vốn có hình dạng tròn. Quá trình này bao gồm việc chuyển đổi ảnh đầu vào sang một không gian tham số, trong đó mỗi điểm tương ứng với một đường tròn có tâm và bán kính nhất định. Các đường tròn có nhiều điểm ảnh trùng nhau trong không gian tham số được coi là ứng cử viên cho đồng tử và rìa mống mắt. Mặc dù biến đổi Hough có thể hiệu quả trong việc phát hiện các hình tròn, nó có thể bị ảnh hưởng bởi nhiễu và sự biến dạng của mống mắt.

3.2. Kỹ Thuật Vi Tích Phân Daugman trong Nhận Dạng Mống Mắt

Kỹ thuật vi-tích phân của Daugman là một phương pháp phân tách mống mắt phức tạp hơn, dựa trên việc tìm kiếm các đường biên có độ tương phản cao trong ảnh mắt. Thuật toán này sử dụng một bộ lọc tích phân để phát hiện các thay đổi đột ngột trong cường độ pixel, từ đó xác định vị trí của đồng tử và rìa mống mắt. Ưu điểm của phương pháp này là khả năng xử lý ảnh có chất lượng kém và mống mắt bị biến dạng. Tuy nhiên, nó cũng đòi hỏi nhiều tính toán hơn so với biến đổi Hough và có thể nhạy cảm với các tham số cấu hình.

IV. Chuẩn Hóa và Mã Hóa Đặc Trưng Mống Mắt 55 ký tự

Sau khi mống mắt được phân tách, bước tiếp theo là chuẩn hóa và mã hóa đặc trưng. Chuẩn hóa là quá trình biến đổi mống mắt thành một hình dạng và kích thước tiêu chuẩn, loại bỏ các biến dạng do sự thay đổi về khoảng cách, góc nhìn, hoặc chuyển động của mắt. Mã hóa đặc trưng là quá trình trích xuất các đặc điểm duy nhất từ mống mắt và biểu diễn chúng dưới dạng một chuỗi mã. Các phương pháp phổ biến bao gồm mô hình Rubber Sheet của Daugman, biến đổi wavelet, và bộ lọc Gabor. Mã đặc trưng này được sử dụng để so sánh mống mắt với các mẫu khác trong cơ sở dữ liệu.

4.1. Mô Hình Rubber Sheet trong Chuẩn Hóa Ảnh Mống Mắt

Mô hình Rubber Sheet của Daugman là một phương pháp chuẩn hóa ảnh mống mắt phổ biến, dựa trên việc biến đổi mống mắt thành một hình chữ nhật có kích thước cố định. Thuật toán này sử dụng một hệ tọa độ cực để mô tả mống mắt, trong đó tâm của đồng tử là gốc tọa độ. Sau đó, mống mắt được "kéo dãn" theo chiều ngang và chiều dọc để tạo thành hình chữ nhật, trong khi vẫn giữ nguyên mối quan hệ không gian giữa các điểm ảnh. Ưu điểm của phương pháp này là đơn giản và hiệu quả, nhưng nó có thể gây ra sự biến dạng nếu mống mắt bị che khuất hoặc có hình dạng không đều.

4.2. Ứng Dụng Bộ Lọc Gabor trong Mã Hóa Đặc Trưng

Bộ lọc Gabor là một công cụ mạnh mẽ để phân tích ảnh, có khả năng trích xuất các đặc trưng về tần số và hướng. Trong nhận dạng mống mắt, bộ lọc Gabor có thể được sử dụng để trích xuất các đặc điểm kết cấu từ mống mắt, chẳng hạn như các nếp nhăn, đường vân, và các chi tiết khác. Quá trình này bao gồm việc áp dụng một tập hợp các bộ lọc Gabor với các tham số khác nhau cho ảnh mống mắt, và sau đó tính toán năng lượng của tín hiệu đầu ra. Các giá trị năng lượng này được sử dụng để tạo thành mã đặc trưng cho mống mắt. Ưu điểm của phương pháp này là khả năng chịu nhiễu tốt và độ phân biệt cao giữa các mống mắt khác nhau.

V. Đối Sánh và Đánh Giá Hiệu Năng Nhận Dạng Mống Mắt 60 ký tự

Sau khi mống mắt được mã hóa, bước cuối cùng là đối sánh mã đặc trưng với các mẫu trong cơ sở dữ liệu để xác định danh tính. Các phương pháp đối sánh phổ biến bao gồm khoảng cách Hamming và khoảng cách Euclidean. Khoảng cách Hamming đo sự khác biệt giữa hai chuỗi bit, trong khi khoảng cách Euclidean đo khoảng cách hình học giữa hai vectơ. Hiệu năng của hệ thống nhận dạng mống mắt được đánh giá bằng các chỉ số như tỷ lệ lỗi bằng không (Zero Error Rate - ZER) và tỷ lệ chấp nhận sai (False Acceptance Rate - FAR).

5.1. Khoảng Cách Hamming trong Đối Sánh Mã Mống Mắt

Khoảng cách Hamming là một thước đo đơn giản và hiệu quả để so sánh hai chuỗi bit. Trong nhận dạng mống mắt, khoảng cách Hamming được sử dụng để đo sự khác biệt giữa mã đặc trưng của mống mắt cần nhận dạng và các mẫu trong cơ sở dữ liệu. Giá trị khoảng cách Hamming càng nhỏ, hai mống mắt càng giống nhau. Ưu điểm của phương pháp này là tốc độ tính toán nhanh và dễ triển khai. Tuy nhiên, nó có thể bị ảnh hưởng bởi sự không chính xác trong quá trình phân tách và chuẩn hóa mống mắt.

5.2. Các Phương Pháp Đánh Giá Hiệu Năng Nhận Dạng Phổ Biến

Để đánh giá hiệu năng của một hệ thống nhận dạng mống mắt, người ta thường sử dụng một số chỉ số chính. Tỷ lệ chấp nhận sai (FAR) là tỷ lệ các trường hợp mà hệ thống chấp nhận một người không được phép. Tỷ lệ từ chối sai (FRR) là tỷ lệ các trường hợp mà hệ thống từ chối một người được phép. Ngoài ra, người ta cũng sử dụng đường cong Receiver Operating Characteristic (ROC) để biểu diễn mối quan hệ giữa FAR và FRR. Một hệ thống nhận dạng mống mắt tốt cần phải có FAR và FRR thấp, đồng thời có đường cong ROC gần với góc trên bên trái của đồ thị.

VI. Ứng Dụng Thực Tiễn và Tương Lai Nhận Dạng Mống Mắt 58 ký tự

Nhận dạng mống mắt có nhiều ứng dụng thực tiễn trong các lĩnh vực khác nhau. Trong an ninh, nó được sử dụng để kiểm soát truy cập vào các khu vực hạn chế, xác thực danh tính tại các sân bay, và ngăn chặn gian lận trong các giao dịch tài chính. Trong y tế, nó có thể được sử dụng để xác định bệnh nhân và quản lý hồ sơ bệnh án. Trong giáo dục, nó có thể được sử dụng để theo dõi điểm danh và ngăn chặn gian lận trong thi cử. Trong tương lai, nhận dạng mống mắt có thể được tích hợp vào các thiết bị di động, xe hơi, và nhà thông minh, mang lại sự tiện lợi và an toàn cho người dùng.

6.1. Ứng Dụng Nhận Dạng Mống Mắt Trong Lĩnh Vực An Ninh

Trong lĩnh vực an ninh, nhận dạng mống mắt đóng vai trò quan trọng trong việc bảo vệ các khu vực và thông tin nhạy cảm. Các hệ thống kiểm soát truy cập dựa trên mống mắt có thể ngăn chặn những người không được phép xâm nhập vào các tòa nhà chính phủ, phòng thí nghiệm, và các cơ sở dữ liệu quan trọng. Nhận dạng mống mắt cũng được sử dụng tại các sân bay để xác thực danh tính hành khách và ngăn chặn khủng bố. Ngoài ra, nó còn có thể được sử dụng để ngăn chặn gian lận trong các giao dịch tài chính, chẳng hạn như rút tiền trái phép từ ATM.

6.2. Tiềm Năng Phát Triển của Công Nghệ Mống Mắt

Tương lai của công nghệ nhận dạng mống mắt rất hứa hẹn. Với sự phát triển của trí tuệ nhân tạo và thị giác máy tính, các hệ thống nhận dạng mống mắt sẽ ngày càng trở nên thông minh và hiệu quả hơn. Chúng có thể được tích hợp vào các thiết bị di động, xe hơi, và nhà thông minh, mang lại sự tiện lợi và an toàn cho người dùng. Ví dụ, bạn có thể mở khóa điện thoại, khởi động xe hơi, hoặc mở cửa nhà chỉ bằng cách nhìn vào camera. Ngoài ra, nhận dạng mống mắt có thể được sử dụng trong các ứng dụng y tế, giáo dục, và thương mại điện tử, mang lại nhiều lợi ích cho xã hội.

Nội dung chính

Tổng quan nghiên cứu

Công nghệ xác thực sinh trắc học đang trở thành trụ cột an ninh kỹ thuật số với tốc độ tăng trưởng thị trường toàn cầu ước tính đạt hơn 16.5% mỗi năm. Trong các phương thức nhận diện sinh trắc học phổ biến, nhận dạng vân tay đã được áp dụng rộng rãi nhưng bộc lộ nhiều hạn chế thực tế. Vân tay đòi hỏi sự tiếp xúc trực tiếp lên bề mặt cảm biến, dễ bị bào mòn từ 2% đến 5% do lao động cơ học và thay đổi đặc tính bề mặt khi tiếp xúc với độ ẩm hoặc thời tiết. Để khắc phục triệt để các nhược điểm này, công nghệ nhận dạng sinh trắc mống mắt nổi lên như một giải pháp bảo mật tối ưu nhờ tính ổn định vượt trội và cấu trúc phức tạp với hơn 244 bậc tự do độc lập. Xác suất trùng khớp ngẫu nhiên giữa hai mống mắt của hai cá nhân khác nhau chỉ vào khoảng 1 trên 10 mũ 78, mang lại độ tin cậy bảo mật cao nhất hiện nay.

Luận văn thạc sĩ kỹ thuật của tác giả Bùi Thanh Bình, chuyên ngành Kỹ thuật Máy tính và Truyền thông thuộc Trường Đại học Bách Khoa Hà Nội, được hoàn thành năm 2014 dưới sự hướng dẫn khoa học của PGS. TS. Nguyễn Thị Hoàng Lan. Đề tài tập trung giải quyết bài toán cốt lõi: Thiết kế, xây dựng và thực nghiệm một hệ thống phần mềm nhận dạng và xác thực sinh trắc mống mắt tự động hoàn chỉnh trên nền tảng MATLAB. Phạm vi nghiên cứu bao quát từ quy trình thu nhận, tiền xử lý, phân tách vùng mống mắt, chuẩn hóa tọa độ không gian, trích chọn vector đặc trưng cho đến đối sánh danh tính. Đóng góp của luận văn mang ý nghĩa khoa học và thực tiễn sâu sắc, cung cấp giải pháp xác thực không tiếp xúc đạt độ chính xác trên 98.5%, tỷ lệ từ chối sai dưới 1.2% và tỷ lệ chấp nhận sai tiệm cận 0.01%, đáp ứng tiêu chuẩn khắt khe cho các hệ thống an ninh quốc gia, kiểm soát cửa khẩu hàng không và giao dịch tài chính.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết thị giác máy tính và các mô hình toán học kinh điển trong sinh trắc học mống mắt:

1. Mô hình kiến trúc hệ thống sinh trắc học Daugman: Đây là khung lý thuyết chủ đạo chia hệ thống nhận dạng thành hai quy trình độc lập: Đăng ký mẫu (Enrollment) và Nhận dạng/Xác thực (Verification/Identification). Mống mắt của con người nằm giữa đồng tử và củng mạc (lòng trắng), chứa các mạng lưới sợi collagen, vân tia, hốc mống mắt và vòng co thắt với cấu trúc ổn định suốt đời sau năm 1 tuổi.
2. Toán tử vi tích phân Daugman (Integro-Differential Operator) và biến đổi Hough: Sử dụng mô hình toán học tối ưu hóa gradient cường độ sáng để xác định chính xác đường biên tròn bên trong (giữa đồng tử và mống mắt) và đường biên tròn bên ngoài (giữa mống mắt và củng mạc).
3. Mô hình trải phẳng Rubber Sheet: Lý thuyết chuẩn hóa tọa độ không gian chuyển đổi vùng ảnh mống mắt từ hệ tọa độ Descartes $(x,y)$ dạng vành khăn sang hệ tọa độ cực không thứ nguyên $(\theta, r)$ với kích thước ma trận cố định $64 \times 512$ điểm ảnh, giúp vô hiệu hóa hoàn toàn hiện tượng co giãn đồng tử khi cường độ ánh sáng thay đổi.
4. Lý thuyết lọc dải thông 2D Log-Gabor: Trích chọn thông tin pha cục bộ của vân mống mắt, tạo ra chuỗi mã nhị phân IrisCode gồm 2048 bit đặc trưng.
5. Hàm đo khoảng cách Hamming (Hamming Distance - HD) và Euclid có trọng số: Phép đo thống kê đối sánh hai chuỗi mã nhị phân dựa trên toán tử logic XOR, thiết lập ngưỡng quyết định phân tách tối ưu tại giá trị 0.33.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp thực nghiệm khoa học kết hợp mô phỏng thuật toán số học với các thông số cụ thể:

• Nguồn dữ liệu và cỡ mẫu: Luận văn sử dụng bộ cơ sở dữ liệu ảnh mống mắt chuẩn quốc tế CASIA Iris Database do Viện Tự động hóa thuộc Viện Hàn lâm Khoa học Trung Quốc phát hành. Cỡ mẫu thực nghiệm bao gồm 756 ảnh mống mắt chất lượng cao chụp từ 108 cá nhân độc lập.
• Phương pháp chọn mẫu: Mẫu nghiên cứu được lựa chọn theo phương pháp phân tầng ngẫu nhiên, mỗi đối tượng gồm 7 bức ảnh chụp ở hai phiên làm việc khác nhau, bao gồm cả mắt trái và mắt phải với các mức độ giãn mở đồng tử và góc nghiêng mí mắt đa dạng.
• Lý do lựa chọn phương pháp phân tích: Biến đổi Hough được lựa chọn vì khả năng kháng nhiễu vượt trội đối với các điểm ảnh bị che khuất bởi lông mi và mí mắt, giúp giảm thiểu 95% sai số vị trí tâm đồng tử. Bộ lọc Log-Gabor được ứng dụng thay thế bộ lọc Gabor chuẩn vì không chứa thành phần tần số một chiều (DC component), cho phép mã hóa dải tần rộng với độ chính xác pha cực đại.
• Timeline nghiên cứu: Toàn bộ quá trình nghiên cứu, xây dựng mã nguồn trên MATLAB và kiểm thử kịch bản nhận dạng 1:1 và 1:N được triển khai liên tục trong thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm ứng dụng trên bộ dữ liệu chuẩn đã ghi nhận 4 kết quả nổi bật:

1. Hiệu năng nhận dạng và xác thực vượt trội: Ứng dụng đạt độ chính xác nhận dạng tổng thể 98.85% trong bài toán xác thực danh tính một - một (1:1) và đạt 97.60% trong bài toán nhận dạng một - nhiều (1:N), khẳng định tính khả thi của mô hình đề xuất.
2. Tối ưu hóa thời gian xử lý đặc trưng: Việc áp dụng bộ lọc 2D Log-Gabor tối ưu hóa vector giúp giảm 35.4% thời gian trích xuất đặc trưng so với bộ lọc Gabor truyền thống, đưa tổng thời gian xử lý từ 1.28 giây xuống chỉ còn 0.83 giây trên mỗi ảnh mẫu.
3. Độ chính xác trong phân tách vùng ảnh: Thuật toán kết hợp lọc biên Canny và biến đổi Hough đạt tỷ lệ phân tách đường biên mống mắt chính xác 97.90%, khống chế tỷ lệ định vị sai lệch tâm xuống mức 2.10% ngay cả khi ảnh bị che khuất một phần bởi lông mi.
4. Khoảng cách phân tách nhị phân rõ ràng: Khoảng cách Hamming giữa các ảnh của cùng một người (nội lớp) đạt giá trị trung bình 0.18 với độ lệch chuẩn 0.05. Trong khi đó, khoảng cách Hamming giữa hai cá nhân khác nhau (ngoại lớp) tập trung ở mức 0.49 với độ lệch chuẩn 0.03, tạo nên biên độ an toàn tuyệt đối với xác suất trùng lặp gần như bằng không tại ngưỡng cắt 0.32.

Thảo luận kết quả

Hiệu năng ấn tượng của hệ thống bắt nguồn từ tính bất biến sinh học của cấu trúc sợi mô mống mắt kết hợp với sự chuẩn hóa chính xác của mô hình Rubber Sheet. Mô hình này đã bù trừ hoàn hảo độ biến thiên kích thước đồng tử trong phạm vi đường kính từ 2 mm đến 8 mm. Khi so sánh với các công nghệ sinh trắc học truyền thống, tỷ lệ lỗi từ chối sai (FRR) của hệ thống mống mắt chỉ đạt 1.15%, thấp hơn đáng kể so với mức 3.0% đến 5.0% thường gặp ở cảm biến vân tay do hiện tượng mờ nét hoặc trầy xước biểu bì.

Dữ liệu thực nghiệm của luận văn có thể được biểu diễn một cách trực quan thông qua đường cong đặc tuyến hoạt động máy thu (ROC Curve), minh họa sự đánh đổi giữa tỷ lệ nhận nhầm (FAR) và tỷ lệ từ chối sai (FRR) theo từng bước thay đổi của ngưỡng cắt khoảng cách Hamming từ 0.20 đến 0.45. Điểm cân bằng lỗi (EER) đạt mức lý tưởng 0.85% tại giá trị ngưỡng 0.32. Bên cạnh đó, biểu đồ phân phối tần suất khoảng cách Hamming nội lớp và ngoại lớp thể hiện hai phân phối Gauss tách rời hoàn toàn, không có vùng giao thoa, chứng minh tính phân biệt tuyệt đối của vector đặc trưng 2048-bit. Bảng tổng hợp thời gian phân rã qua 4 giai đoạn cho thấy: Phân tách ảnh chiếm 0.45 giây (54.2%), chuẩn hóa chiếm 0.12 giây (14.5%), trích xuất đặc trưng chiếm 0.18 giây (21.7%) và đối sánh chỉ mất 0.08 giây (9.6%).

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, luận văn đưa ra 4 nhóm giải pháp kỹ thuật cụ thể nhằm nâng cao hiệu năng và mở rộng phạm vi ứng dụng công nghệ nhận dạng mống mắt:

1. Tối ưu hóa kiến trúc thuật toán trên phần cứng nhúng: Chuyển đổi mã nguồn xử lý ảnh từ môi trường MATLAB sang ngôn ngữ C/C++ kết hợp tăng tốc phần cứng bằng GPU hoặc vi xử lý DSP chuyên dụng. Mục tiêu hướng tới là giảm độ trễ nhận dạng xuống dưới 0.20 giây/mẫu trong vòng 6 tháng tới. Chủ thể thực hiện: Nhóm kỹ sư phát triển phần mềm nhúng và hệ thống thị giác máy tính.
2. Xây dựng cơ sở dữ liệu ảnh mống mắt người Việt Nam: Tổ chức thu thập và chuẩn hóa tập dữ liệu mở rộng với quy mô tối thiểu 10.000 mẫu ảnh mống mắt chụp dưới điều kiện ánh sáng cận hồng ngoại đa dạng tại Việt Nam trong lộ trình 12 tháng. Mục tiêu là nâng cao độ thích ứng nhân trắc học cho người bản địa. Chủ thể thực hiện: Viện Công nghệ Thông tin và Truyền thông phối hợp với các cơ quan an ninh.
3. Tích hợp mô-đun phát hiện mắt giả (Anti-spoofing / Liveness Detection): Phát triển thuật toán phân tích phản xạ đồng tử tự nhiên dưới các bước sóng ánh sáng hồng ngoại từ 750 nm đến 900 nm nhằm ngăn chặn triệt để các hành vi gian lận bằng kính áp tròng in hình ảnh hoặc ảnh chụp độ phân giải cao. Mục tiêu đạt tỷ lệ phát hiện tấn công 99.9% trong thời gian 18 tháng. Chủ thể thực hiện: Các đơn vị nghiên cứu bảo mật sinh trắc học chuyên sâu.
4. Chuẩn hóa giao diện lập trình ứng dụng (API / SDK) liên thông: Xây dựng cổng tích hợp chuẩn hóa RESTful API để kết nối hệ thống sinh trắc mống mắt vào cơ sở dữ liệu định danh công dân điện tử, phục vụ thủ tục kiểm soát tự động tại 100% các cổng kiểm soát an ninh sân bay và cửa khẩu quốc tế trong vòng 24 tháng. Chủ thể thực hiện: Cục Cảnh sát Quản lý Hành chính và Cục Hàng không.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

1. Học viên cao học, nghiên cứu sinh và giảng viên ngành Khoa học Máy tính, Kỹ thuật Thông tin: Tài liệu cung cấp cơ sở toán học chi tiết về xử lý ảnh, biến đổi Hough, bộ lọc tần số Log-Gabor và mã nguồn thử nghiệm hoàn chỉnh trên MATLAB phục vụ công tác giảng dạy và phát triển đề tài nghiên cứu chuyên sâu.
2. Kỹ sư phát triển phần mềm an ninh và thị giác máy tính: Cung cấp tài liệu thiết kế hệ thống xác thực 1:1 và nhận dạng 1:N để xây dựng các giải pháp kiểm soát ra vào không tiếp xúc (Access Control) cho các khu vực đòi hỏi an ninh nghiêm ngặt như phòng sạch, trung tâm dữ liệu và kho quỹ ngân hàng.
3. Chuyên gia giải pháp công nghệ tài chính (Fintech) và ngân hàng: Làm tư liệu tham khảo để triển khai giải pháp rút tiền ATM hoặc xác thực giao dịch giá trị lớn không cần thẻ vật lý, giảm thiểu 100% nguy cơ sao chép thẻ từ và đánh cắp mã PIN cá nhân.
4. Cơ quan quản lý nhà nước về xuất nhập cảnh và an ninh hàng không: Cung cấp luận cứ kỹ thuật phục vụ việc triển khai hệ thống hộ chiếu điện tử (e-Passport) và cổng kiểm soát biên giới tự động (Auto-Gate) tại các sân bay quốc tế.

Câu hỏi thường gặp

Công nghệ nhận dạng mống mắt có ưu thế vượt trội nào so với công nghệ nhận dạng vân tay?

Nhận dạng mống mắt là công nghệ hoàn toàn không tiếp xúc, giúp tránh lây nhiễm vi khuẩn và không bị ảnh hưởng bởi mồ hôi hay tổn thương bề mặt da. Về mặt toán học, mống mắt sở hữu hơn 244 điểm đặc trưng độc lập so với khoảng 30 đến 40 điểm đặc trưng của dấu vân tay, giúp giảm tỷ lệ nhận dạng sai xuống mức tiệm cận 0.001%.

Mô hình Rubber Sheet của John Daugman giải quyết bài toán nào trong xử lý ảnh mắt?

Mô hình Rubber Sheet giải quyết triệt để sự thay đổi kích thước vành mống mắt khi đồng tử co giãn tự nhiên từ 2 mm đến 8 mm dưới các điều kiện chiếu sáng khác nhau. Thuật toán chuyển đổi tọa độ Descartes sang tọa độ cực không thứ nguyên, đưa mọi ảnh mống mắt về một dải ma trận chữ nhật chuẩn hóa cố định.

Bộ cơ sở dữ liệu CASIA được sử dụng trong nghiên cứu có quy mô và ý nghĩa như thế nào?

Bộ cơ sở dữ liệu CASIA là tập dữ liệu chuẩn học thuật uy tín toàn cầu do Viện Hàn lâm Khoa học Trung Quốc phát hành. Trong luận văn, tập mẫu gồm 756 bức ảnh chụp từ 108 cá nhân, đóng vai trò làm tiêu chuẩn đánh giá khách quan cho độ chính xác của các thuật toán phân tách và đối sánh.

Ngưỡng phân tách khoảng cách Hamming có vai trò gì trong việc xác thực danh tính?

Khoảng cách Hamming đo lường tỷ lệ bit khác nhau giữa hai vector mã hóa 2048-bit. Khi khoảng cách tính toán nhỏ hơn ngưỡng tối ưu 0.32, hệ thống xác nhận hai mẫu ảnh thuộc về cùng một người với độ tin cậy trên 99.9%, còn giá trị lớn hơn 0.32 sẽ bị từ chối xác thực.

Hệ thống có hoạt động tốt khi người dùng đeo kính hoặc trong điều kiện ánh sáng yếu không?

Hệ thống sử dụng kỹ thuật chiếu sáng bằng đèn LED cận hồng ngoại bước sóng 700 nm đến 900 nm, cho phép chụp rõ cấu trúc mống mắt xuyên qua lớp kính mắt thông thường và hoạt động ổn định ngay cả trong bóng tối hoàn toàn mà không làm chói mắt người dùng.

Kết luận

• Luận văn đã nghiên cứu toàn diện và hoàn thiện chuỗi thuật toán nhận dạng sinh trắc mống mắt tự động từ phân tách biên Canny-Hough, chuẩn hóa Rubber Sheet đến mã hóa Log-Gabor.
• Xây dựng thành công ứng dụng thực nghiệm trên nền tảng MATLAB với độ chính xác nhận dạng đạt 98.85% và thời gian xử lý trung bình 0.83 giây/ảnh.
• Làm chủ phương pháp mã hóa pha nhị phân 2048-bit và đối sánh khoảng cách Hamming với điểm cân bằng lỗi EER đạt mức 0.85% trên 756 mẫu dữ liệu chuẩn CASIA.
• Cung cấp cơ sở lý luận và giải pháp kiến trúc vững chắc phục vụ cho việc ứng dụng nhận dạng không tiếp xúc tại các hệ thống an ninh bảo mật cao cấp ở Việt Nam.
• Đề xuất lộ trình kỹ thuật cụ thể nhằm tối ưu hóa thuật toán trên vi xử lý nhúng và mở rộng cơ sở dữ liệu nhân trắc học trong giai đoạn 12 đến 24 tháng tới.

Công trình là tài liệu tham khảo giá trị cho các nhà nghiên cứu, kỹ sư hệ thống và nhà quản lý công nghệ an ninh. Để khai thác chi tiết các thuật toán toán học và bộ mã nguồn thử nghiệm, độc giả hãy liên hệ thư viện học thuật hoặc tra cứu trực tiếp toàn văn luận văn thạc sĩ kỹ thuật tại Trường Đại học Bách Khoa Hà Nội.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu vẫn để và xác định nhiệm vụ. Tỉnh cập thiết ota dé tai - - 10 1. Mục tiêu của để tả1,.ccecceheieinerrree Chương 2: Tổng quan về sinh trắc học va sinh trắc học mống mắt. Sinh trắc mỗng mắt - - 13 3.

Giới thiệu clamg hệ thông sinh trắc học và sinh trắc học mông mát 14 2. Hệ thống sinh trắc học. Hệ thống sinh trắc mỗng mắt - - 17 3. Các thông số đánh giả chất lượng hệ thông xác thực sinh trắc.

Vân đề lỗi trong hoạt động của hệ sinh trắc 18 2. Các thông s6 dinh gia chat Tượng - - 18 Chương 3: Tìm hiểu các phương phản trong hệ thống sinh trắc mang mii 3. Sơ đỏ khôi và chức năng hệ thống nhận dạng mông mát - ce 20) 3. Phan tach ah méng mit.

Vấn đề ành mỗng mắt - coe BB 3. Cáo phương pháp phân tách ảnh mông mất. Phương pháp dùng phép hiển đổi Hough 23 3. Phuong phap vi-tich phan của Duugmrian.

Chuẩn hóa ảnh mỗng mắt. TỔ ¡lọc viên: lữi Thanh Hình Lớp: 128HMTTT $ ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt Danh mục hình anh Hình 1 Cấu tạo về mắt và mồng mắt. Linh 3 So đồ khải quá trình xác thực - - - ¬- Hình 4 Sơ đồ khối quả trình nhận đạng. series TỔ, Hình 2 Sơ đô khổi đăng ký sinh trắc.16 Tĩnh S Sơ đồ khối hệ thông sinh trie méng wal 20 Hình 6 Phân tách và chuẩn hỏa ánh mồng mắt.21 Hình 7 Quá trình trích chọn đặc trưng sử đụng bộ lọc Gabor - 21 Hình 8 Tính khoảng cách dựa trên phương pháp khoảng cách Harnning.22 Linh 9 Bién adi Lough.

25 Hình 10 Chun hoa dura. tn md hink Rubber Sheet của Dangrnan 27 Hinh 11 Mỏ hình Rubber Sheet.27 Uinh 12 Phan thuc và phần âo của bộ lo Gabor 2D. - - ee)| Hình 13 Cách tính khoảng cách Hainning.33 Hình 14 Sơ đỗ khối chức năng ứng dựng xác thực sinh trắc mông mmất.36 Lĩnh L5 Câu Irúc của các khối và các hàm sử dụng trong ứng dụng Ihử nghiệm. 37 Hình 16 Ảnh trong bộ CSDL Casia.

238 Linh 17 Anh sau khi được phân tách vùng anh mang mit. 39 Hình 18 Ảnh sau khi được chuẩn hóa 40 Linh 19 Dau ra qué trinh mã hóa của mống mát. - 41 Hình 20 KẾt quả dối sánh 2 miấu mông mắt 4 Hình 21 Giao điện hề thông sinh trắc mỗng mắt. 243 Hint 22 Co sé dit ligu của ứng đụng nhân đang xác thực sinh tric méng mat 44 Hình 23 Kết quả quả trình nhận đạng/xác thực.

AS Hình 24 Ảnh của người cần nhận dạng, 47 ilọc viên: Iữi Thanh Hình Lớp 128MTTT 7 ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt MỤC LỤC Tanh mục hình ảnh. Danh mục bảng. Chương 1: Giới thiệu vẫn để và xác định nhiệm vụ. Tỉnh cập thiết ota dé tai - - 10 1.

Mục tiêu của để tả1,.ccecceheieinerrree Chương 2: Tổng quan về sinh trắc học va sinh trắc học mống mắt. Sinh trắc mỗng mắt - - 13 3. Giới thiệu clamg hệ thông sinh trắc học và sinh trắc học mông mát 14 2. Hệ thống sinh trắc học.

Hệ thống sinh trắc mỗng mắt - - 17 3. Các thông số đánh giả chất lượng hệ thông xác thực sinh trắc. Vân đề lỗi trong hoạt động của hệ sinh trắc 18 2. Các thông s6 dinh gia chat Tượng - - 18 Chương 3: Tìm hiểu các phương phản trong hệ thống sinh trắc mang mii 3.

Sơ đỏ khôi và chức năng hệ thống nhận dạng mông mát - ce 20) 3. Phan tach ah méng mit. Vấn đề ành mỗng mắt - coe BB 3. Cáo phương pháp phân tách ảnh mông mất.

Phương pháp dùng phép hiển đổi Hough 23 3. Phuong phap vi-tich phan của Duugmrian. Chuẩn hóa ảnh mỗng mắt. TỔ ¡lọc viên: lữi Thanh Hình Lớp: 128HMTTT $ ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt 3.

Phương pháp chuẩn hóa vùng ảnh mông mắt - 27 3.1, M6 hinh Rubber Sheet ctia Daugman. Mã hóa đặc trưng và đối sánh - .1 Đặc trưng ảnh mông mắt. Các phương pháp mã hóa đặc trưng - - - -. Phương phap bé Loe Gabor - - 30 3.3, Phương pháp bộ lọc Log-Gaber.3 Các phương pháp đối sánh 32 3.1, Đôi sánh đựa trên khoăng cách Hamuming.2, Dối sánh đựa trên khoảng cách Weighted Eueliäean.

34 Chương 4: Xây dựng ứng dụng nhận dạng sinh trắc mống mắt và kết quả thực nghiệm. Phân tích ứng dựng nhận dạng xác thục sinh trắc mỗng mắt. Xây dung các khôi chúc năng của ứng dụng 3⁄7 4. Triển khai cải đặt thủ nghiệm.

Kịch bản, kết quả và đánh giá thử nghiệm nhận dạng xác thực sinh trắc méng mat 45 "Kết luận. “Tài liệu tham khảo. ilọc viên: lữi Thanh Hình Lớp 12BMTTT 6 ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt Chương 1: Giới thiệu vẫn dé và xác định nhiệm vụ 1. Đặt vẫn đề Ngày nay, sinh trắc học (biometric) gồm có vân tay, khuôn mặt, móng mắt.

được nghiên cứu và ứng đụng rất nhiều trong các lĩnh vực của đời sống. Vĩ đụ như trong, hộ chiêu điện bử dược xác thực ở các sân bay, trong hệ thống xác thực của các cơ sở cần báo mật cao như cơ quan an minh, phòng thì nghiệm, cơ sở sản xuất, hệ thống rút tiên tu động ATM. Trơng các sinh trắc học, sinh trắc vân tay đã được cộng đẳng khoa học chấp nhận và đã được sử dụng tương đối hiệu quả trong thực tế. Tuy nhiên, bên cạnh những tu điểm của sinh trắc vân tay, thì vẫn tổn tại những nhược điểm như phải tiếp xúc trực tiên vào bê mặt thiết bị đẻ xác thực/nhận đạng, vân tay có thẻ biên dang theo điều kiện bên ngoài như khi liếp xúc với nước, thời tiết thay đổi, thông tí vân tay không, rõ nét do bị mở vên tay Chính vì vậy, công nghệ sinh trầc học mồng mắt với các ưu điểm nổi bật như không phải tiếp xúc trực tiếp vào thiết bị, không thay đôi theo điều kiện bên ngoài.

được đánh giá là công nghệ tiên tiên nhất và đáng tín cây nhảt hiện nay Công nghệ này đang được nghiên cứu, ứng dung và phát triển rất mạnh trong thời gian gẫn dây ning “hộ chiêu điện tử trong hệ thống an ninh quốc gia, xác thực thế tin dụng _. Ngoàira, công nghệ mống mắt cũng là một công nghệ khó, bao gém nhiều các thuật toán nhỏ, phúc tạp. Củng với thời gian nghiên cứu và sự hướng đẫn của cô giáo, học viên đã hoàn thành. để tài luận vẫn với những nội dung đề ra.

Tuy nhiên đo thời gián hạn chế âm đề nhiên cứu rất mới với lượng kiên thúc lớn và khó, do vậy không thế tránh được những thiểu sóL, kinh mong nhận được sự đúng góp ý kiến của thây cd va cac ban. ¡lọc viên: lữi Thanh Hình Lớp: 12BMTTT Ọ@ ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt LOT CAM DOAN Tôi xin cam đoan đề tài nghiên cứu của tôi hoàn toàn do tôi tự làm dưới sự tưởng dẫn của cô giáo PGS.TS Nguyễn Thị Hoàng Tam. Những kết quả từm hiểu và nghiên cửu trinh bay trong, luận văn lả loản toàn trung, thực và chưa từng được cỏng, bổ trong bắt cứ công trình nào. TNếu xây ra bát cứ điều không dimg hur những lời cam đoan trên, tôi xi chịu hoàn toàn trách nhiệm trước Viện và Nhà trường, Hà Nội, ngày 25 tháng 3 năm 2014 Tác giả Bui Thanh Binh lige vien: Bié Thanh Binh Lop: 12BMTTY 3 ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt LỜI CẢM ƠN Trời đầu tiên, em xin chân thành cảm ơn trường đại học Bách Khoa Hà Nội, viện Công nghệ Thông tin Truyền thông, chuyên ngành Kỹ thuật Máy tính và Truyền thông và toàn thể các thầy cô đã ân cần dạy dỗ, chỉ bảo, định hướng nghiên cửu cho em trong suốt ruột năm học vừa qua, truyền đạt cho chúng em những kiến thức quỷ bảu.

Em xin chân thành cảm ơn Phố giáo sư tiến sỹ Nguyễn Thị Huàng Lan đã giành nhiều tâm huyết, kinh nghiệm của cô đề chỉ dẫn, định hưởng nghiên cứu cũng như hiên luôn gép ý cho em để hoàn thành đề tải luận văn này. Cudi cùng em cũng xin gửi lời cảm ơn tới gia đình, những người đã luôn. động viên và tạo mọi điều kiện tất cho em học tập và nghiên cứu thật tốt. Và gửi lời căm ơn tới những người bạn đã giúp đỡ cm trong quá trình học tập cũng như hoàn thành đẻ tải luận văn.

Em xin chân thành cảm ơn Í ¡lọc viên: Iữi Thanh Hình Lớp 128MTTT +4 ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt MỤC LỤC Tanh mục hình ảnh. Danh mục bảng. Chương 1: Giới thiệu vẫn để và xác định nhiệm vụ. Tỉnh cập thiết ota dé tai - - 10 1.

Mục tiêu của để tả1,.ccecceheieinerrree Chương 2: Tổng quan về sinh trắc học va sinh trắc học mống mắt. Sinh trắc mỗng mắt - - 13 3. Giới thiệu clamg hệ thông sinh trắc học và sinh trắc học mông mát 14 2. Hệ thống sinh trắc học.

Hệ thống sinh trắc mỗng mắt - - 17 3. Các thông số đánh giả chất lượng hệ thông xác thực sinh trắc. Vân đề lỗi trong hoạt động của hệ sinh trắc 18 2. Các thông s6 dinh gia chat Tượng - - 18 Chương 3: Tìm hiểu các phương phản trong hệ thống sinh trắc mang mii 3.

Sơ đỏ khôi và chức năng hệ thống nhận dạng mông mát - ce 20) 3. Phan tach ah méng mit. Vấn đề ành mỗng mắt - coe BB 3. Cáo phương pháp phân tách ảnh mông mất.

Phương pháp dùng phép hiển đổi Hough 23 3. Phuong phap vi-tich phan của Duugmrian. Chuẩn hóa ảnh mỗng mắt. TỔ ¡lọc viên: lữi Thanh Hình Lớp: 128HMTTT $ ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt Hình 25 Quá trình nhận đang trong ứng dụng.

AT Hình 26 KẾt quả quả trình nian dang, - - 48 Hinh 27 Ảnh của mẫu mống mắt cần xác Thực ỉnh 28 Quả trình xác thực trong img dung - en AD Hình 29 Kết quả quả trình xác thực.50 Danh mục bảng Hàng 1 So sánh các công nghệ nhận dang sinh trắc học. - - ek} Bang 2 Két qua thé nghiére img dung whan ding sinh tie méng mal.- Bang 3 Kết quả thứ nghiệm ứng dụng xác thực sinh trắc mống mắt ¡lọc viên: lữi Thanh Hình Lớp: 12HMTTT g8 ĐỂ tài: Nghiên cứu và xây dựng ứng dụng nhận dạng sinh trắc mồng mắt Danh mục hình anh Hình 1 Cấu tạo về mắt và mồng mắt .