I. Hệ thống nhận diện mống mắt
Hệ thống nhận diện mống mắt là một công nghệ sinh trắc học tiên tiến, sử dụng các đặc điểm độc đáo của mống mắt để nhận dạng cá nhân. Mống mắt có cấu trúc phức tạp và ổn định theo thời gian, làm cho nó trở thành một công cụ nhận diện chính xác và đáng tin cậy. Luận văn này tập trung vào việc phát triển một hệ thống nhận diện mống mắt thông minh dựa trên mạng thần kinh, bao gồm các bước chính như phân đoạn mống mắt, chuẩn hóa, trích đặc trưng và huấn luyện mạng thần kinh. Phương pháp Local Binary Pattern (LBP) và Principal Component Analysis (PCA) được sử dụng để trích xuất đặc trưng, trong khi mạng thần kinh hai lớp được dùng để nhận diện.
1.1. Phân đoạn mống mắt
Phân đoạn mống mắt là bước đầu tiên trong quá trình nhận diện. Luận văn sử dụng biến đổi Hough Circle để tách vòng trong và vòng ngoài của mống mắt, đồng thời sử dụng biến đổi Hough Line để tách mí mắt trên và mí mắt dưới. Phương pháp này giúp xác định chính xác vùng mống mắt trong ảnh, loại bỏ các yếu tố không cần thiết như lông mi và mí mắt.
1.2. Chuẩn hóa mống mắt
Sau khi phân đoạn, mống mắt được chuẩn hóa về hình chữ nhật với kích thước 20x240 pixel bằng phương pháp Daughman Rubber Sheet. Bước này giúp đảm bảo tính đồng nhất của dữ liệu, tạo điều kiện thuận lợi cho việc trích xuất đặc trưng và nhận diện.
II. Nhận diện mống mắt thông minh
Nhận diện mống mắt thông minh là quá trình sử dụng các thuật toán và công nghệ tiên tiến để so sánh đặc trưng của mống mắt với dữ liệu đã lưu trữ. Luận văn này đề xuất sử dụng mạng thần kinh hai lớp để nhận diện, với lớp đầu vào gồm 40 tế bào thần kinh và lớp đầu ra gồm 1 tế bào thần kinh. Phương pháp này đạt được độ chính xác cao khi thử nghiệm trên 100 người, chứng minh tính hiệu quả của hệ thống nhận diện mống mắt thông minh trong thực tế.
2.1. Trích đặc trưng
Trích đặc trưng là bước quan trọng trong quá trình nhận diện. Luận văn sử dụng Local Binary Pattern (LBP) để trích xuất các đặc trưng cục bộ từ mống mắt, sau đó áp dụng Principal Component Analysis (PCA) để giảm kích thước vector đặc trưng. Phương pháp này giúp tối ưu hóa quá trình nhận diện và cải thiện hiệu suất của hệ thống.
2.2. Huấn luyện mạng thần kinh
Mạng thần kinh được huấn luyện bằng cách sử dụng dữ liệu đã trích xuất từ mống mắt. Quá trình huấn luyện bao gồm việc tối ưu hóa các trọng số và ngưỡng của mạng để đạt được độ chính xác cao nhất. Kết quả thử nghiệm cho thấy hệ thống có khả năng nhận diện chính xác với tỷ lệ lỗi thấp.
III. Ứng dụng trong điều khiển và tự động hóa
Hệ thống nhận diện mống mắt thông minh không chỉ được áp dụng trong lĩnh vực an ninh mà còn có tiềm năng lớn trong điều khiển và tự động hóa. Ví dụ, hệ thống có thể được tích hợp vào các thiết bị điều khiển thông minh để xác thực người dùng, hoặc sử dụng trong các hệ thống bảo mật tự động. Luận văn này cũng đề xuất hướng phát triển tương lai, bao gồm việc cải thiện độ chính xác và tốc độ nhận diện, cũng như mở rộng ứng dụng trong các lĩnh vực khác như y tế và giáo dục.
3.1. Tự động hóa trong nhận diện
Tự động hóa trong nhận diện là xu hướng phát triển của các hệ thống sinh trắc học. Luận văn đề xuất sử dụng các thuật toán tự động để tối ưu hóa quá trình nhận diện, giảm thiểu sự can thiệp của con người và nâng cao hiệu quả của hệ thống.
3.2. Ứng dụng trong hệ thống an ninh
Hệ thống nhận diện mống mắt có thể được tích hợp vào các hệ thống an ninh thông minh để xác thực người dùng một cách nhanh chóng và chính xác. Điều này giúp tăng cường bảo mật và giảm thiểu rủi ro trong các ứng dụng thực tế.
