Luận văn Tóm tắt Nghiên cứu một số giải thuật phân tích đặc trưng của vân tay và thử nghiệm trong nhận dạng vân tay

c, chỉ cần sai lệch một vị trí sẽ làm sai toàn bộ 
mạng. Nhưng sai lệch là không thể tránh khỏi trong quá trình xác định các điểm đặc 
trưng đối với các ảnh có chất lượng không đảm bảo. 
 Để khắc phục nhược điểm này, tôi đề nghị một phương pháp đó là: Không đưa 
trực tiếp ví trí của các điểm minutiae vào mạng (ngoài trừ các điểm Delta) mà sử dụng 
vị trí trung bình cộng của các điểm minutiae. Cụ thể như sau: 
 - Chọn điểm core làm gốc tạo độ, khi đó điểm core sẽ chi mặt phẳng ảnh thành 
bốn phần. 
 - Trong mỗi phần tư của mặt phẳng ta tìm vị trí trung bình của các điểm minutiae 
trong phần tư đó. Bốn vị trí trung bình của các điểm minutiae ở bốn phần tư của mặt 
phẳng ảnh sẽ được đưa vào tám ngõ vào của mạng (sử dụng tọa độ đề các). 
 - Để gia tăng độ phân biệt ta có thể đưa thêm số điểm minutiae trong mỗi phần tư 
của mặt phẳng ảnh vào bốn ngõ vào khác của mạng. 
 c. Số lớp sử dụng 
(3.7) 
 17 
 Từ kinh nghiệm và thực nghiệm sử dụng mạng Neural người ta nhận thấy là việc 
sử dụng mạng Perceptron nhiều hơn hai lớp là không cần thiết. Vì vậy, trong luận văn 
em sẽ thử nghiệm đối với mạng Perceptron một lớp. 
 d. Thuật toán huấn luyện mạng Neural 
 Thuật toán huấn luyện được sử dụng là thuật toán lan truyền ngược suy giảm sai 
số gradient. 
 Mạng Perceptron một lớp 
Hình 3.11: Mô hình mạng Perceptron một lớp 
 Trong đó: 













NX
X
X
X

2
1
: Vector tín hiệu vào 













NW
W
W
W

2
1
: Vector trọng số 
 Y: Tín hiệu ra 
 Thuật toán huận luyện: 
 Bước 1: Khởi động trọng số W(0); Chọn hằng số học  . 
 Bước 2: Lan truyền thuận 
 Tính: XWnetY T 
 Bước 3: Lan truyền ngược 
 18 
 Tính:  
net
netaYDWW kk



)()()1(  ( a(.) là hàm kích hoạt) 
 Bước 4: Tính lại Y với trọng số mới được cập nhật, theo công thức: 
XWnetY kT )1(  
 Bước 5: Tính  2
2
1 YDJ  
 Bước 6: Kiểm tra nếu J đủ bé: 
 Đủ bé: Kết thúc (lưu W(k+1)) 
 Chưa đủ bé: Lặp lại bước 3. 
3.3. Kết luận Chương 3 
 Để nhận dạng vân tay sau khi đã trích rút được các đặc trưng của nó thì hai 
phương pháp phổ biến: đối sánh vân tây và nhận dạng vân tay bằng mạng Neural. 
 Đối với phương pháp đối sánh vân tay, đây là phương pháp truyền thống. Tuy 
nhiên, qua thực tế người ta nhận thấy nó không hiệu quả trong một số trường hợp cụ 
thể. Phương pháp này có thể chia thành 3 hướng như sau: đối sánh dựa vào độ tương 
quan, đối sánh dựa vào đặc tính vân, đối sánh dựa vào đặc trưng. Trong mỗi hướng đối 
sánh thì có những ưu và nhược điểm riêng. Vì vậy trong từng trường hợp cụ thể chúng 
ta có thể sử dụng một hướng phương pháp đối sánh phù hợp. 
 Đối với phương pháp nhận dạng bằng mạng Neural, đây là phương pháp được 
dùng phổ biến hiện nay vì tính hiệu quả của nó rất cao. Tuy nhiên, để chọn được một 
mạng Neural phù hợp thì cũng phải tùy trong từng trường hợp cụ thể. 
 Chương 4 
XÂY DỰNG HỆ THỐNG NHẬN DẠNG VÂN TAY. 
1.1. Giới thiệu 
1.1.1. Giới thiệu hệ thống 
 Để thử nghiệm các thuật toán đã được trình bày trong các chương ở trên, em xây 
dựng một hệ thống nhận dạng vân tay. Hệ thống được cài đặt bằng ngôn ngữ Visual C# 
và sử dụng cơ sở dữ liệu SQL 2005. 
Hệ thống gồm những chức năng chính: Biên tập ảnh, thao tác với cơ sở dữ liệu, 
nhận dạng vân tay. 
1.1.2. Phân tích thiết kế hệ thống nhận dạng vân tay 
 Hệ thống nhận dạng vân tay tự động AFIS (Aautomatic Fingerprint Identification 
Sytem) gồm chức năng chính sau: 
 Biên tập ảnh: Cho phép người sử dụng nâng cao chất lượng ảnh vân tay đưa 
vào bằng các bước thực hiện: Lọc Gabor, nhị phân hóa ảnh, xem ảnh xương, xem ảnh 
đặc trưng. 
 Lọc Gabor: Ảnh vân tay đưa vào có vùng chất lượng tốt, vùng có khả năng 
phục hồi và vùng không có khả năng phục hồi. Các vùng này được nhận dạng qua vài 
tiêu chuẩn: Độ tương phản, tính đầy đủ của hướng, tần số vân và các đặc tính cục bộ 
khác có thể kết hợp để định nghĩa chỉ số chất lượng . Mục đích của bước này là sử dụng 
 19 
bộ lọc Gabor để cải thiện tính rõ ràng của các cấu trúc vân trong các vùng có khả năng 
phục hồi và đánh dấu các vùng không thể phục hồi vì quá nhiễu cho các xử lý tiếp theo. 
 Nhị phân hóa: Đặc trưng của vân tay được rút trích từ ảnh đã được nhị phân hóa 
hoặc rút trích trực tiếp từ ảnh xám. Để rút trích đặc trưng từ ảnh nhị phân hóa thì phải 
qua các bước như sau: Từ ảnh xám ban đầu, các bộ lọc thích hợp được dùng để phát 
hiện và làm mỏng đường vân về dạng một điểm ảnh, biến đổi ảnh xám ban đầu thành 
ảnh được nhị phân hóa (có giá trị là 0 và 1) tương ứng. Cuối cùng, các đặc trưng sẽ 
được rút trích dựa vào điểm lân cận xung quanh của nó. 
 Thao tác với sở dữ liệu: Gồm các chức năng thêm, xóa, sửa bản ghi vào cơ 
sở dữ liệu. 
 Chức năng thêm: Cho phép người dùng thêm thông tin về đối tượng 
 Nhận dạng vân tay: Sử dụng hai phương pháp nhận dạng: Đối sánh vân tay và 
nhận dạng vân tay bằng mạng Neural. 
1.1.3. Chức năng nhận dạng 
1.1.3.1. Nhận dạng bằng phương pháp đối sánh 
 Đối với phương pháp nhận dạng bằng đối sánh tôi sử dụng phương pháp đối 
sánh dựa vào đặc trưng. Từ việc trích rút các đặc trưng Singularity và Minutiae của 
ảnh vân tay. Trong luận văn tôi tập trung vào nghiên cứu và áp dụng thuật toán rút 
trích đặc trưng Minutae (gồm điểm Core và điểm Delta) theo 2 hướng thuật toán : 
Rút trích đặc trưng từ ảnh đã được nhị phân hóa bằng các thuật toán đã trình bày 
trong chương 2. 
1.1.3.2. Nhận dạng bằng phương pháp mạng Neural 
 Đối với phương pháp nhận dạng bằng mạng Neural tôi sử dụng mạng truyền 
thẳng Perceptron một ngõ ra, mỗi mạng tương ứng với một mẫu. Khi cần đối sánh một 
mẫu ta phải so sánh mẫu đó qua tất cả các mạng trong cơ sở dữ liệu. Việc so một mẫu 
qua các mạng đơn giản và nhanh hơn thời gian huấn luyện một mạng lớn 
4.2. Các giao diện của hệ thống 
 4.2.1. Giao diện đăng nhập 
Hình 4.1: Giao diện đăng nhập vào chương trình 
Kiểm tra tính duy nhất của tên đăng nhập trong cơ sở dữ liệu. Nếu người dùng có 
quyền truy cập vào hệ thống thì chỉ cần nhập tên và mật khẩu chính xác, sau đó chọn 
đăng nhập thì sẽ được vào hệ thống. Nếu người dùng không phải là thành viên của hệ 
thống thì phải đăng ký mới và chờ quyết định của người quản lý. 
 20 
 4.2.2. Giao diện chính 
 Giao diện làm việc chính xuất hiện khi người dùng đăng nhập vào hệ thống thành 
công. Trong màn hình chính có một thanh menu bao gồm các chức năng sau: 
- Nhập dữ liệu 
- Chỉnh sửa dữ liệu 
- Nhận dạng: Đối sánh và mạng Neural 
- Hướng dẫn 
Hình 4.2: Giao diện chính của chương trình 
4.2.3. Giao diện nhập dữ liệu ảnh vân tay 
4.2.4. Giao diện biên tập ảnh 
4.2.5. Giao diện đối sánh 1:1 
4.2.6. Giao diện đối sánh 1:N 
 4.2.7. Giao diện nhận dạng vân tay bằng mạng Neural 
 Để hiển thị giao diện sử dụng mạng Neural nhận dạng vân tay trong cơ sở dữ liệu 
của hệ thống, chúng ta thực hiện như hình dưới đây: 
 21 
Hình 4.7: Các bước lựa chọn để hiển thị giao diện nhận dạng vân tay bằng mạng Neural 
trong cơ sở dữ liệu 
 Sau đó kích chuột vào lựa chọn “Phương pháp mạng Neural”, giao diện hiện 
lên có hình như sau: 
Hình 4.8: Giao diện nhận dạng bằng mạng Neural 
4.3. Dữ liệu thử nghiệm 
 Để thử nghiệm cho hệ thống, tôi đã sưu tầm và đưa vào hệ thống khoảng hơn 50 
vân tay của các loại ngón tay với độ chất lượng khác nhau. 
 22 
 Đối với những vân tay có chất lượng quá thấp, tôi sử dụng tính năng tăng cường 
ảnh trong hệ thống để nâng cao chất lượng ảnh. Sau đó mới ghi vào cơ sở dữ liệu. 
4.4. Kết quả 
Qua thử nghiệm hệ thống bằng các ảnh vân tay trong thực tế, tôi thấy các module 
đã cài đặt là tương đối tốt, và có thể tin cậy được. Trong đó, tôi thấy việc cài đặt bộ lọc 
Gabor là khó khăn nhất vì có nhiều thao tác tính toán phức tạp, thời gian xử lý ảnh vân 
tay chủ yếu là dùng cho module này, nhưng hiệu quả của nó là rất cao. 
Sau khi nhận dạng toàn bộ dữ liệu ảnh trong hệ thống bằng hai phương pháp 
nhận dạng, tôi thấy kết quả của các phương pháp như sau: 
 - Đối với phương pháp nhận dạng bằng đối sánh kết quả nhận dạng của hệ thống 
đưa ra ở dạng phần trăm giống nhau. Nếu hai vân tay lớn hơn 55% giống nhau thì là 
giống nhau. Ngược lại thì không giống nhau. Với cách này hệ thống nhận dạng khá tốt. 
Độ chính xác là 90%. 
 - Đối với phương pháp nhận dạng bằng mạng Neural thì kết quả nhận dạng với 
độ chính xác là hơn 90%. 
KẾT LUẬN VÀ KIẾN NGHỊ 
 Từ việc nghiên cứu tổng quan về nhận dạng vân tay và các thuật toán 
trong các quá trình của một hệ thống nhận dạng vân tay nói chung, đặc biệt là phương 
pháp nhận dạng vân tay bằng mạng Neural. Em đã xây dựng được hệ thống nhận dạng 
vân tay tự động. Về cơ bản, hệ thống gồm có những chức năng sau: 
- Xây dựng cơ sở dữ liệu chứa thông tin cá nhân phục vụ cho bài toán quản lý 
công dân. 
- Nhập xuất dữ liệu. 
- Tăng cường chất lượng ảnh: Lọc nhiễu, nối những nét đứt, tăng độ tương phản. 
- Nhị phân hóa, làm mảnh, trích chọn các điểm đặc trưng và lưu những đặc trưng 
đó vào cơ sở dữ liệu. 
- Chức năng đối sánh hai vân tay với nhau đã cho kết quả chính xác. 
- Chức năng xác định đối tượng trong cơ sở dữ liệu chạy tương đối ổn định. 
Tuy nhiên, do thời gian hạn chế nên em mới thử nghiệm mạng Perceptron. Trong 
tương lai, em có thể nghiên cứu và thử nghiệm một số các vấn đề sau: 
- Nghiên cứu sử dụng thêm các mạng khác, chẳng hạn như mạng Neural mờ,… 
- Nghiên cứu kết hợp thêm các đặc điểm khác của ảnh vân tay ngoài các điểm 
đặc trưng như: Orientation field,… để gia tăng hiệu quả đối sánh. 
- Thuật toán làm nổi ảnh vân tay cần được nghiên cứu thêm phương pháp lựa 
chọn các thông số yxT  ,, để cải thiện hiệu quả của việc lọc. 
 - Dữ liệu thu thập trên cơ sở dữ liệu còn khiêm tốn. Nếu có điều kiện có thể thu 
thập nhiều dữ liệu hơn. 
Trong quá trình làm luận văn, em đã cố gắng rất nhiều, tuy nhiên không tránh 
khỏi những thiếu sót, em mong rằng sẽ nhận được các ý kiến đóng góp của các Thầy 
giáo, Cô giáo, các bạn bè, đồng nghiệp để bản luận văn ngày càng hoàn thiện hơn.