Chương I TỎNG QUAN 1.1 Đặt vẫn đề Con người có những đặc điểm khác biệt và độc đáo mà có thể được sử dụng dé phân biệt người này với người khác. Một số đặc điểm đặc trưng cho đặc tính sinh lý hay đặc tính hành vi cua con người, có thé được sử dụng để nhận dạng sinh trắc học. Đặc điểm sinh lý cơ bản gồm: mặt, dấu vân tay, mống mắt, võng mạc, mùi và mùi hương. Tiếng nói, chữ ký, nhịp điệu gõ, dáng đi có liên quan đến đặc điểm hành vi.
Các thuộc tính quan trọng của những đặc điểm đó cho sự nhận diện đáng tin cậy là sự độc đáo của các đặc tính đó đối với mỗi cá nhân va sự 6n định không thay đối theo thời gian. Mống mắt của con người là đặc tính tốt nhất khi chúng ta xem xét các thuộc tính này. Mống mất là một phần giữa con ngươi và cũng mạc trắng. Các kết cau của mống mat phức tạp, độc đáo và rất 6n định trong suốt cuộc đời.
Chúng cung cấp nhiều đặc tính như tàn nhang, vành, sọc, rãnh, tiêu nang. Trong cầu trúc mong mat, hoa van mong mắt có sự ngẫu nhiên rat cao. Đây là những gi làm cho chúng có tinh duy nhất. Mong mat là một co quan nội tạng được bảo vệ và nó có thể được sử dụng như một dữ liệu nhận dạng hoặc một mật khẩu có tinh bảo mật rat cao.
Từ một tuổi đến khi chết, các hoa văn của mống mắt tương đối 6n định. Bởi vì tính độc đáo va tính bất biễn của nó, nhận dạng mong mat là một trong những đặc điểm nhận dạng con người chính xác và đáng tin cậy. Ngày nay công nghệ sinh trắc học đóng vai trò quan trọng trong lĩnh vực an ninh công cộng va an ninh thông tin. Mống mắt là một trong những sinh trắc học đáng tin cậy và chính xác, nó đóng một vai trò quan trọng trong việc nhận diện cá nhân.
Phương pháp nhận dạng mống mắt cung cấp kết quả chính xác trong những hoàn cảnh môi trường khác nhau. 11 Hệ thống sinh trắc học bắt đầu từ việc lẫy mẫu đặc trưng như hình quét vân tay, hình chụp méng mắt. Những mẫu sau khi lay sẽ được chuyển thành một khuôn mẫu sinh trắc học băng cách dùng nhiều hàm toán khác nhau. Khuôn mẫu này được chuẩn hóa, trích đặc trưng tiêu biéu cho vật dé có thé so sánh với khuôn mẫu khác và đưa ra quyết định nhận dạng.
Đa số hệ thống sinh trắc học bao gồm hai chế độ hoạt động: chế độ chi danh và chế độ nhận dạng. Chế độ ghi danh cho phép thêm một khuôn mẫu vào cơ sở dữ liệu. Chế độ nhận dạng để kiểm tra một khuôn mẫu mới được tạo thuộc lớp nào trong cơ sở dữ liệu. Luận văn này dùng phương pháp Local Binary Pattern and Principal Component Analysis để trích đặc trưng và dùng mạng thần kinh để xây dựng bộ nhận diện.2 Tổng quan nghiên cứu 1.1 Phân tích mắt người và ảnh mống mắt Mat người là một cơ quan cảm nhận ánh sáng.
Những bộ phận quan trọng của mat người có liên quan đến kỹ thuật nhận dạng mống mắt bang xử lý ảnh bao gồm: s* Giác mạc (cornea) là một màng trong suôt phía truoc cầu mắt. s* Mong mắt (iris) là cơ điều khiến kích thước của con ngươi (pupil), giống như lo mở ông kính trong một camera cho anh sáng đi vào. Mông mat có chi tiệt, họa tiệt, mau sac khác biệt giữa người này với người khác, do đó có thể được dùng trong sinh trắc học. Màng cứng mắt (sclera) là bê mặt đai ở phía ngoài của cau mat và có mau trắng (tròng trắng) trong ảnh mắt.
“+ Limus là biên giữa tròng trắng và tròng đen. % Dong tử (pupil) là hình tròn đen bên trong.1 Cấu trúc các thành phần của mắt Mống mắt (iris) là vùng vành khuyên giữa đồng tử mau đen và màng cứng mau trang.2 Hình mong mắt và đặc trưng Mong mat chứa dữ liệu chi tiết đặc trưng phong phú cho việc nhận diện sinh trắc học.2 Những công trình nghiên cứu liên quan Nhận diện mông mắt là so sánh đặc trưng trích được từ mông mat với các đặc trưng được lưu san trong cơ sở dir liệu. 13 Nhận diện mống mắt là một trong những dé tài hap dẫn được phát triển trong những năm gần đây. Đa số các phương pháp nhận diện mống mắt gồm các bước như sau: - Bước 1: Thu thập ảnh.
- Bước 2: Phân đoạn ảnh. - Bước 4: Trích đặc trưng và mã hóa. - Bước 5: Nhận diện. Sau đây là một vài phương pháp nhận diện mống mắt trong những năm gan đây.
a) Phân đoạn ảnh - Phương pháp gan nhãn [13] Ảnh méng mắt sau khi thu thập sẽ được chuyển sang ảnh nhị phân theo một gia tri ngưỡng nào đó. Cac pixel này sẽ được gắn nhãn, các pixel kết nối với nhau sẽ được gan cùng 1 nhãn. Sau đó ta sẽ chọn ra nhãn thỏa các thuộc tính là hình tròn và thỏa điều kiện bán kính của con ngươi. Tiếp theo để tách được vòng ngoài mống mắt, áp dụng bộ lọc cạnh Canny vào ảnh để làm nổi các cạnh lên.
Sau đó dùng biến đôi Hough Circle dé tìm vòng ngoai mông mắt. 14 Using Hough Transform Hình 1.4 Tách vòng ngoài dùng biến đối Hough Circle - Phương pháp hình chữ nhật màu den [8] Phương pháp này dùng một hình chữ nhật để tìm ra một vùng trong con ngươi. Chia ảnh mống mắt thành nhiều đường ngang đều nhau. Dùng hình chữ nhật kích thước 10x10 pixel, bắt đầu quét từ đường ngang chính giữa, quét từ trái sang phải.
So sánh giá tri thang xám các pixel trong hình chữ nhật nay với Ì giá tri ngưỡng. nếu tất cả các pixel này đều nhỏ hơn ngưỡng thì đó là hình chữ nhật đó đã năm trong vùng con ngươi.5 Dung hình chữ nhật tim vùng ảnh con ngươi 15 Từ tọa độ hình chữ nhật này, tìm ra các điểm thay đôi thang xám đột ngột theo chiêu ngang và chiêu dọc, đó chính là biên giữa mông mắt và con ngươi.6 Biên giữa con ngươi và mống mắt Từ đó ta xác định được tâm và bán kính con ngươi x, =(%,+%,)/ =(y; 2,y + y,)/2 , (1.1) „ =4|G,—X) +Ó,— 94)" (12) Dé tìm được vòng ngoài mống mắt, ta dùng phương pháp so sánh sự thay đổi thang xám của tổng 10 pixel liên tiếp theo trên đường năm ngang đi qua tâm con ngươi. Ta sẽ chia làm 2 vùng để tìm: vùng bên trái con ngươi từ pixel thứ 10 tới pixel thứ y, —(r, +10), vùng bên phải từ pixel thứ y,+r,+10 tới biên bên phải trừ đi 10 pixel. Như vậy trên mỗi vùng nay tìm được 1 điểm mà sự thay đối tổng thang xám 10 pixel liên tiếp lớn nhất.
Đó chính là biên ngoài mống mắt. Vậy ta đã xác định được tâm và biên ngoài mống mắt. b) Chuẩn hóa mong mat [4] Chuan hóa mống mắt là biến đôi mống mắt từ hình vành khuyên về một hình chữ nhật có kích thước chuẩn để thuận tiện cho việc trích đặc trưng. Đa số các nghiên cứu dùng phương pháp chuẩn hóa của Daugman.
16 c) Các phương pháp trích đặc trưng - Phương pháp thong kê [1] Dé trích các đặc trưng, vẽ các vòng tròn đồng tâm với tâm con ngươi trong giới han của mong mắt. Các đặc trưng thống kê sẽ được tinh dọc theo các vòng tròn này. Các đặc trưng thống kê gồm: ve -Mean X° => X/,c=lLC a (13) 17 Trong đó: C — sô vòng tròn trong vùng mong mắt. X; — giá tri pixel thứ i của vòng tròn thứ c.
- Mode M° - Variance 2 1 NS — cL - SxS _ x°y N -lm (14) - Standard deviation 1 < Nols (1.9 Các đặc trưng được trích doc theo các vòng tròn trong mống mắt Từ các đặc trưng này xây dựng vector đặc trưng và được lưu thành dữ liệu để nhận diện.6) Trong đó: C — số lượng vòng tròn trong vùng méng mắt. X” — mean của vòng tron thứ c. 18 M* — mode của vòng tròn thứ c. S° — variance của vòng tròn thứ c.
d° — standard deviation của vòng tron thứ c. Sau khi có được vector đặc trưng, dùng Hamming distance dé so sánh nhận điện. — vector đặc trưng cần nhận diện. F' — vector đặc trưng thứ i trong cơ sở dir liệu.
Phương pháp này đơn giản dễ thực hiện nhưng hiệu quả không cao. - Phương pháp biến đối Ridgelet [2] Mống mắt sau khi chuẩn hóa sẽ được trích đặc trưng dùng phương pháp biến doi Ridgelet. Biến đổi Ridgelet được giới thiệu bởi Candes và Donoho năm 1999, Phương pháp trích đặc trưng này tương đối phức tạp nhưng trích được những đặc trưng hiệu quả hơn so với phương pháp thống kê. Sau đây là luồng biến đổi Ridgelet.
Image > Fast Fourier Transform 2D > Invert Fast Fourier Transform 1D > Wavelet Transform 19 FFT(2D) > IMAGE INV. FFT (1D) a WT(1D) TRANSFORM ee A N G L E oe FREQUENCY Hình 1.10 Luồng biến đổi Ridgelet Các đặc trưng trích được gồm đặc trưng ngang, đặc trưng dọc, đặc trưng chéo và đặc trưng tong hop. 50 100 160 200 10 20 30 20 40 80 CH Coeficlenkz 10 20 30 1B 20 3ö Hình 1.11 Mẫu code nhị phân mống mắt sau khi dùng biến đổi Ridgelet - Phương pháp biến đối Curvelet [2] Các bước làm tương tự như phương pháp trên, chỉ khác là trích đặc trưng dùng biến đối Curvelet. Biến đổi Curvelet cũng được giới thiệu bởi Candes va Donoho năm 1999.
20 High Frequencies a, WT(2D) [=] IMAGE FFT(2D) _ >> ⁄ thợ L / ⁄ — WT(1D) ⁄ ⁄ RADON RIDGELET TRANSFORM pm mr-oœz» —*—® FREQUENCY -_ Hình 1.12 Luồng biến đối Curvelet Image > Wavelet Transform 2D > Fast Fourier Transform 2D > Invert Fast Fourier Transform 1D > Wavelet Transform 1D NORMALIZED IMAGE Binarized Horizontal Detail HL2 ij (. ấn m AT ' #2 100 15 Z1 20 Binarized Vertical Detail LH2 Hình 1.13 Mẫu code nhị phân mống mắt sau khi dùng biến đổi Curvelet 21 - Phương pháp Local Binary Pattern [14] Local binary pattern (LBP) được giới thiệu bởi Ojala vào năm 1996, day là phương pháp đơn giản nhưng hiệu qua trong việc trích xuất đặc trưng dùng cho các bộ phân loại. Ưu điểm của phương pháp này là tính toán đơn giản và thời gian trích đặc trưng nhanh. Vì vậy nó phù hợp cho những ứng dụng yêu cầu thời gian thực.
Ngoài ra phương pháp này chi dựa vào sự so sánh thang xám cua pixel trung tâm với 8 pixel xung quanh nó trong liên kết 8, vì vậy nó tránh được ảnh hưởng điều kiện ánh sáng môi trường lên toàn bộ ảnh. - Phương pháp biến đối bộ bốn tương quan góc pha [5] Một phương pháp mới trong trích đặc trưng đó là sử dụng bộ bốn tương quan góc pha.