Luận văn thạc sĩ về mô hình nhận dạng hình học và ứng dụng trong toán ứng dụng

Phân tích toàn diện mô hình nhận dạng hình học trong toán ứng dụng, đề xuất mô hình mới, nâng cao hiệu quả ứng dụng trong toán học

• Người hướng dẫn: TS. Vũ Đức Phú
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh - Trường Đại học Bách Khoa
• Chuyên ngành: Toán ứng dụng
• Đề tài: Nghiên Cứu Mô Hình Nhận Dạng Hình Học Trong Toán Ứng Dụng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Giới thiệu tổng quan

Phần này trình bày tổng quan về nhận dạng hình học và sự phát triển của công nghệ này trên thế giới và tại Việt Nam. Nhận dạng hình học đã trở thành một lĩnh vực quan trọng trong toán ứng dụng, với nhiều ứng dụng thực tiễn như nhận dạng vân tay, tròng mắt, và khuôn mặt. Các công nghệ này không chỉ phục vụ cho an ninh mà còn cho nhiều lĩnh vực khác như giao thông và quản lý công cộng. Theo nghiên cứu, nhu cầu về nhận dạng hình ảnh ngày càng tăng, đặc biệt trong bối cảnh xã hội hiện đại. Việc áp dụng các công nghệ này giúp nâng cao hiệu quả trong quản lý và bảo mật. Một ví dụ điển hình là hệ thống nhận dạng biển số xe tự động (ANPR), đã được triển khai rộng rãi và chứng minh tính hiệu quả trong việc kiểm soát giao thông.

1.1 Tình hình phát triển công nghệ nhận dạng hình ảnh

Công nghệ nhận dạng hình ảnh đã có lịch sử phát triển lâu dài, bắt đầu từ những năm 70 của thế kỷ trước. Các công nghệ như nhận dạng vân tay, nhận dạng tròng mắt, và nhận dạng khuôn mặt đã được nghiên cứu và ứng dụng rộng rãi. Mỗi công nghệ đều có những ưu điểm và nhược điểm riêng. Ví dụ, nhận dạng vân tay được sử dụng phổ biến trong quản lý công dân và an ninh, trong khi nhận dạng khuôn mặt lại có thể thực hiện mà không cần sự hợp tác từ đối tượng. Tuy nhiên, các công nghệ này cũng gặp phải những thách thức như độ chính xác và khả năng hoạt động trong điều kiện ánh sáng kém.

II. Kiến thức tổng quát về xử lý ảnh

Chương này cung cấp kiến thức cơ bản về xử lý ảnh và các hệ thống liên quan. Xử lý ảnh là quá trình biến đổi ảnh ban đầu thành kết quả mong muốn thông qua các phép biến đổi toán học. Các khái niệm như ảnh xám, ảnh nhị phân, và ảnh màu (RGB) được giải thích rõ ràng. Hệ thống xử lý ảnh bao gồm các bộ phận như bộ thu nhận ảnh, bộ xử lý ảnh, và bộ xuất kết quả. Việc hiểu rõ về các thành phần này là rất quan trọng để áp dụng vào các thuật toán nhận dạng hình học. Các phần mềm như MATLAB được sử dụng để thực hiện các thao tác xử lý ảnh, từ việc đọc ảnh đến việc nhận dạng biên và chuyển đổi ảnh thành ảnh nhị phân.

2.1 Kiến thức về ảnh và xử lý ảnh số

Phần này đi sâu vào các khái niệm về ảnh và xử lý ảnh số. Ảnh được chia thành nhiều điểm ảnh, và mỗi điểm ảnh có giá trị sáng tương ứng. Việc chuyển đổi từ ảnh màu sang ảnh xám và ảnh nhị phân là những bước quan trọng trong nhận dạng hình học. Các thuật toán xử lý ảnh như lọc nhiễu và phân vùng cũng được đề cập. Sự phát triển của công nghệ đã giúp cải thiện độ chính xác và tốc độ xử lý, từ đó mở rộng khả năng ứng dụng của nhận dạng hình ảnh trong nhiều lĩnh vực khác nhau.

III. Các thuật toán xử lý ảnh và ứng dụng

Chương này tập trung vào các thuật toán xử lý ảnh và ứng dụng của chúng trong nhận dạng hình học. Các thuật toán như Otsu, Canny, và các phương pháp nhận dạng biên được trình bày chi tiết. Việc chọn ngưỡng Otsu là một bước quan trọng trong quá trình biến đổi ảnh xám sang ảnh nhị phân, giúp cải thiện độ chính xác của các thuật toán nhận dạng hình học. Các ứng dụng thực tiễn của những thuật toán này trong việc nhận dạng biển số xe và các đối tượng khác cũng được nêu rõ. Sự kết hợp giữa lý thuyết và thực hành giúp người đọc hiểu rõ hơn về giá trị thực tiễn của các thuật toán này.

3.1 Các thuật toán xử lý trên ảnh nhị phân

Các thuật toán xử lý trên ảnh nhị phân đóng vai trò quan trọng trong nhận dạng hình học. Việc tách các đối tượng lồng nhau và gióng thẳng các ký tự là những ứng dụng cụ thể của các thuật toán này. Các phương pháp như lọc và phân đoạn được sử dụng để cải thiện chất lượng ảnh và tăng độ chính xác trong nhận dạng. Những ứng dụng này không chỉ có giá trị trong nghiên cứu mà còn trong thực tiễn, như trong việc phát triển hệ thống nhận dạng biển số xe tự động. Sự phát triển của các thuật toán này mở ra nhiều cơ hội mới cho việc ứng dụng trong các lĩnh vực khác nhau.

IV. Nhận dạng hình học

Chương này tập trung vào nhận dạng hình học, một lĩnh vực quan trọng trong toán ứng dụng. Nhận dạng đường biên và nhận dạng khung là hai vấn đề chủ yếu được thảo luận. Các phương pháp như phương pháp Canny và phương pháp gián tiếp được trình bày chi tiết. Việc nhận dạng đường biên không chỉ giúp xác định hình dạng của đối tượng mà còn là bước quan trọng trong quá trình nhận dạng. Các ứng dụng thực tiễn của nhận dạng hình học trong việc phát triển hệ thống nhận dạng biển số xe cũng được nêu rõ, cho thấy tính ứng dụng cao của lĩnh vực này.

4.1 Nhận dạng đường biên

Nhận dạng đường biên là một phần quan trọng trong nhận dạng hình học. Khái niệm về đường biên và các phương pháp nhận dạng đường biên được trình bày rõ ràng. Phương pháp Canny là một trong những phương pháp phổ biến nhất, giúp phát hiện các cạnh trong ảnh một cách hiệu quả. Việc áp dụng các phương pháp này không chỉ giúp cải thiện độ chính xác trong nhận dạng mà còn mở rộng khả năng ứng dụng trong nhiều lĩnh vực khác nhau. Các ví dụ minh họa cụ thể cho thấy sự quan trọng của nhận dạng đường biên trong việc phát triển các hệ thống nhận dạng hiện đại.

V. Nhận dạng biển số xe

Chương cuối cùng tập trung vào nhận dạng biển số xe, một ứng dụng cụ thể của nhận dạng hình học. Các bước trong quy trình nhận dạng biển số xe được trình bày chi tiết, từ việc chuyển đổi ảnh thành ảnh xám đến việc nhận dạng ký tự. Hệ thống ANPR (Automatic Number Plate Recognition) là một ví dụ điển hình cho việc ứng dụng công nghệ này trong thực tiễn. Các thách thức trong việc nhận dạng biển số xe, như độ phân giải hình ảnh và ánh sáng kém, cũng được thảo luận. Sự phát triển của công nghệ đã giúp cải thiện độ chính xác và hiệu quả của hệ thống nhận dạng biển số xe.

5.1 Chuyển thành ảnh xám

Chuyển đổi ảnh thành ảnh xám là bước đầu tiên trong quy trình nhận dạng biển số xe. Việc này giúp giảm thiểu thông tin không cần thiết và tập trung vào các đặc điểm quan trọng của biển số. Các thuật toán như Otsu được sử dụng để xác định ngưỡng chuyển đổi, từ đó tạo ra ảnh nhị phân. Quá trình này không chỉ giúp cải thiện độ chính xác trong nhận dạng mà còn tăng tốc độ xử lý. Các ứng dụng thực tiễn của quy trình này trong việc phát triển hệ thống nhận dạng biển số xe tự động cho thấy giá trị thực tiễn của nó trong cuộc sống hàng ngày.

Trích đoạn nội dung tài liệu

Chương 1 Giới thiệu tổng quan 1.1 Tình hình phát triển công nghệ nhận dạng hình ảnh ở Việt Nam và trên thế giới. Công nghệ nhận dạng hình ảnh có lịch sử lâu dài đặc biệt vào những năm 70 của thế kỷ trước với sự phát triển của máy tính điện tử và công nghệ cảm biến ảnh. Tập trung chủ yếu vào các công nghệ sau: Hình 1.1 - Các lĩnh vực nhận dạng.1 Nhận dạng vân tay (Fingerprint Recognition) • Dựa vào sự khác nhau đặc trưng về vân tay của từng người. • Nguyên lý hoạt động và thuật toán 1 Hình 1.2 - Quy trình nhận dạng vân tay.

• Đánh giá Các nhà khoa học đã tìm thấy rằng các thành viên gia đình thường chia sẻ các mô hình dấu vân tay cùng chung, dẫn đến niềm tin rằng những mô hình được thừa hưởng. • Tình hình phát triển và ứng dụng Nhận dạng vân tay là một trong những công nghệ được ứng dụng rộng rãi từ rất lâu trên thế giới. – Quản lý công dân. – Quản lý truy cập.

– Quản lý nhân viên.2 Nhận dạng tròng mắt (Iris Recognition) • Sau nhận dạng vân tay là nhân dạng tròng mắt được phát triển khá lâu. Với ý nghĩa sinh trắc học tương tự, nhưng kỹ thuật thực hiện khác nhau, nhận diện vân tay là so khớp mẫu, nhận dạng tròng mắt là mã hóa. • Nguyên lý hoạt động và thuật toán 2 Hình 1.3 - Quy trình nhận dạng tròng mắt. • Đánh giá + Ưu điểm: – Tròng đen của mắt một cơ quan nội tạng được bảo vệ tốt chống lại thiệt hại.

– Mống mắt có một kết cấu tốt mà giống như dấu vân tay, khác biệt từng người là rất lớn. + Thiếu sót: – Dễ bị lừa bởi một hình ảnh mống mắt giả. – Các máy quét khó để điều chỉnh cho nhiều người độ cao khác nhau. – Máy quét mống mắt có nhiều tốn kém hơn so với một số các hình thức sinh trắc học, mật khẩu khác.

– Như với các công nghệ sinh trắc học hình ảnh khác, nhận dạng mống mắt là dễ bị chất lượng hình ảnh kém làm mất chính xác. – Tiêu thụ rượu gây ra suy thoái được công nhận là nguyên nhân làm giãn, co thắt gây ra biến dạng trong mống mắt mẫu. • Tình hình phát triển và ứng dụng – Vương Quốc Ả Rập Thống Nhất (UAE) đã dùng hệ thống nhận dạng tròng mắt để quản lý thị thực. – Ấn Độ có dự án nhận dạng mống mắt cho cơ sở dữ liệu một tỷ người dân.

– Nhận dạng tròng mắt là một trong ba công nghệ nhận dạng sinh trắc học tiêu chuẩn quốc tế của ICAO để sử dụng trong hộ chiếu tương lai (hai công nghệ khác là dấu vân tay và nhận dạng khuôn mặt). 3 – Công nghệ nhận dạng mống mắt đã được thực hiện bởi BioID Tech- nologies SA trong Pakistan cho dự án hồi hương UNHCR để kiểm soát phân phối viện trợ cho người tị nạn Afghanistan. – Tại Sân bay Schiphol Hà Lan nhận dạng mống mắt đã cho phép nhập cư hộ chiếu miễn phí từ năm 2001. – Vào ngày 10 Tháng 5 năm 2011, công ty Hoyos đưa ra một thiết bị được gọi là EyeLock sử dụng nhận dạng tròng mắt là một thay thế cho mật khẩu để đăng nhập người vào các trang web bảo vệ mật khẩu và các ứng dụng, như Facebook hay eBay.3 Nhận dạng khuôn mặt (Face Recognition) • So với nhận dạng vân tay và tròng mắt thì nhận dạng khuôn mắt dễ thực hiện hơn, nhưng hiệu quả không cao bằng, Đặc biệt thích hợp với quản lý công cộng.

• Nguyên lý hoạt động và thuật toán Hình 1.4 - Hệ thống nhận dạng khuôn mặt. • Đánh giá + Ưu điểm : – Nhận dạng khuôn mặt có thể không đáng tin cậy nhất và hiệu quả so với một số công nghệ khác. Tuy nhiên, một trong những lợi thế quan trọng là nó không yêu cầu sự hợp tác (hoặc sự đồng ý) từ các đối tượng 4 thử nghiệm. Các công nghệ nhận dạng sinh trắc học khác như dấu vân tay, mống mắt quét và nhận dạng giọng nói không thể thực hiện hình thức này.

+ Thiếu sót: – Nhận dạng khuôn mặt khó thực hiện trong một số điều kiện nhất định. – Các điều kiện khiến nhận dạng khuôn mặt không làm việc tốt bao gồm ánh sáng kém, kính mát, mái tóc dài, hoặc các đối tượng khác che một phần khuôn mặt của đối tượng, và hình ảnh độ phân giải thấp. – Một bất lợi nghiêm trọng là nhiều khi hệ thống nhận dạng không hiệu quả nếu biểu hiện khuôn mặt khác nhau. Thậm chí một nụ cười lớn có thể làm cho nhận dạng sai lệch.

• Tình hình phát triển và ứng dụng – Cảnh sát liên bang Đức sử dụng một hệ thống nhận dạng khuôn mặt để kiểm soát biên giới hoàn toàn tự động ở Frankfurt. – Hải quan Úc có một hệ thống xử lý biên giới tự động gọi là SmartGate. – Bộ Ngoại giao Mỹ điều hành một trong các hệ thống nhận dạng khuôn mặt lớn nhất thế giới với hơn 75 triệu hình ảnh được sử dụng tích cực trong quá trình xử lý thị thực. – Trong cuộc bầu cử tổng thống năm 2000, chính phủ Mexico sử dụng phần mềm nhận dạng khuôn mặt để ngăn chặn gian lận bầu cử.

– Công nghệ này có thể được sử dụng như một biện pháp an ninh tại máy ATM. – Hệ thống nhận dạng khuôn mặt cũng bắt đầu được đưa vào mở khóa thiết bị di động, đăng nhập trực tuyến, trong hệ điều hành Android, iOS. – Hệ thống nhận dạng khuôn mặt được tích hợp trong hầu hết các model máy ảnh của các hãng công nghệ hàng đầu như Sony, Canon. – Chương trình nhận dạng thế hệ mới NGI của chính phủ Mỹ với dữ liệu hàng triệu công dân Mỹ và thế giới đang dấy lên tranh cãi về sự xâm phạm riêng tư.

– Nhận dạng khuôn mặt góp phần lớn trong việc nhận dạng hung thủ của vụ khủng bố Boston. 5 – Hãng xe hơi Nissan đã tạo ra hệ thống nhận dạng khuôn mặt tài xế để cảnh báo tình trạng say xỉn hoặc mất tập trung. – Hãng xe hơi BMW đang phát triển hệ thống nhận dạng phân tích khuôn mặt người lái xe điều chỉnh các thông số trong xe tạo sự tiện nghi thoả mái cho người lái.4 Nhận dạng tĩnh mạch bàn tay (Fingerprint Vein Recognition) • Là kỹ thuật nhận dạng mới phát triển gần đây, với nhiều ưu điểm mà ba kỹ thuật trên không có được. • Nguyên lý hoạt động và thuật toán Hình 1.5 - Hệ thống nhận dạng tĩnh mạch bàn tay.

• Đánh giá + Ưu điểm : – Không tiếp xúc – Chính xác cao – Có giá trị lâu dài vì cấu trúc mạch máu không đổi + Thiếu sót : – Cảm biến cồng kềnh 6 – Chưa phổ biến. • Tình hình phát triển và ứng dụng – "Phòng Thí Nghiệm của công ty Fujitsu, Fujitsu Laboratories, vừa thông báo họ đã đạt được những tiến triển đáng kể trong việc phát triển cảm biến nhận dạng tĩnh mạch lòng bàn tay mỏng và nhẹ nhất thế giới. Bằng cách thiết kế lại hoàn toàn hệ thống quang học với các cảm biến hình ảnh mới và thành phần quang học khác, Fujitsu Lab- oratories đã thành công trong việc thu nhỏ độ dày của cảm biến mới xuống còn 5mm và thể tích cũng giảm đi 80% so với thế hệ trước.2 Nhu cầu thực tế và khả năng phát triển về nhận dạng hình ảnh 1. • Nhu cầu về đảm bảo an ninh • Nhu cầu về đảm bảo giao thông • Nhu cầu về tự động hóa, số hóa, cắt giảm chi phí.

• Nhu cầu sản xuất sản phẩm công nghệ cao cho cuộc sống tiện nghi • Nhu cầu tăng chất lượng phục vụ đám đông Nhận dạng hình ảnh có nhu cầu thực tế rất lớn : • Kiểm soát an ninh ở các địa điểm công cộng : nhà ga , sân bay, siêu thị, cơ quan nhà máy. • Quản lý phương tiện giao thông. • Là bộ phận không thể thiếu trong công nghệ robot, phương tiện tự hành, không người lái. • Nhu cầu trong giáo dục, giảng dạy bằng hình ảnh, giảng dạy cho người khuyết tật.

• Số hóa, quản lý tài liệu ứng dụng trong thư viện số, cơ quan lưu trữ tài liệu. • Nhu cầu rộng rãi trong các thiết bị hình ảnh công nghệ cao, các tiện ích quay phim chụp ảnh, điều khiển thông qua hình ảnh. 7 • Nhu cầu trong kinh doanh điều tra thị hiếu, điều tra xã hội,. • Nhu cầu trong công cụ tìm kiếm, mạng xã hội,.2 Khả năng phát triển.

• Trước đây công nghệ nhận dạng chủ yếu được ứng dụng trong lĩnh vực an ninh bởi các lý do: – Hệ thống phức tạp, chi phí cao do các thiết bị điện tử cồng kềnh tinh vi – Tốc độ chậm, thiếu yếu tố thời gian thực bởi tốc độ xử lý chậm. • Ngày nay với sự phát triển nhanh chóng của tốc độ máy tính và thiết bị cảm biến hình ảnh. Với thuật toán cài đặt thích hợp dễ dàng tạo ra được hệ thống nhận dạng với độ chính xác và tốc độ chấp nhận được. • Một số công nghệ nhận dạng hình ảnh có thể phát triển trong tương lai : như nhận dạng vành tai, nhận dạng nụ cười, nhận dạng cảm xúc.3 Các ví dụ thực tế về nhận dạng biển số xe 1.1 Hệ thống nhận dạng biển số xe tự động (ANPR) ANPR được phát minh vào năm 1976 tại cơ quan phát triển khoa học của cảnh sát Anh quốc.

Hệ thống nguyên mẫu đã được làm việc vào năm 1979, và hợp đồng đã được cho phép để sản xuất các hệ thống công nghiệp, đầu tiên tại công ty điện tử EMI, và sau đó là hệ thống nhận dạng máy tính (CRS) ở Wokingham , Vương quốc Anh. Hệ thống thử nghiệm đầu tiên đã được triển khai trên các đường A1 và tại hầm Dartford. Việc bắt giữ đầu tiên thông qua phát hiện của một chiếc xe bị đánh cắp đã được thực hiện trong năm 1981. Đến nay các ứng dụng của ANPR đã được ứng dụng rộng rãi ở các nước trên thế giới.

Tuy nhiên độ chính xác, phạm vi ứng dụng, chi phí hệ thống vẫn được tiếp tục nghiên cứu cải tiến bởi nguyên nhân xuất phát từ một số khó khăn. Có một số khó khăn bao gồm: • Độ phân giải hình ảnh thấp, thường vì tấm hình quá xa nhưng đôi khi do việc sử dụng của một máy ảnh chất lượng thấp. • Mờ hình ảnh, đặc biệt là chuyển động mờ. 8 • Ánh sáng kém và độ tương phản thấp do tiếp xúc quá nhiều, phản ánh hoặc bóng tối.

• Biển số bị che khuất, hoặc bụi bẩn.