TỔNG QUAN
Đặt vấn đề
Hiện nay, việc nhận dạng và xác định đối tượng ngày càng trở nên quan trọng hơn bao giờ hết Mặc dù đã có nhiều phương pháp như nhận diện khuôn mặt và dấu vân tay, nhưng việc xác định chính xác đối tượng vẫn gặp nhiều khó khăn Những hạn chế như vết sẹo trên khuôn mặt hay ngón tay bị thương có thể gây cản trở trong quá trình nhận diện, làm cho việc xác định đối tượng trở nên nan giải.
Với sự phát triển của tội phạm, việc nhận dạng đối tượng tại các cơ quan hải quan trở nên khó khăn hơn bao giờ hết, đặc biệt khi tội phạm có khả năng tạo ra vân tay giả hoặc thay đổi khuôn mặt một cách dễ dàng Do đó, việc tìm ra phương pháp xác định đối tượng chính xác là một nhiệm vụ cấp thiết hiện nay.
Giới thiệu đề tài
Nhận dạng đối tượng qua mống mắt là phương pháp chính xác nhất hiện nay, với trung bình hơn 120 điểm riêng biệt trên mỗi mống mắt So với vân tay chỉ có khoảng 20 điểm riêng biệt, mống mắt mang lại độ chính xác vượt trội trong việc xác định danh tính cá nhân.
Việc áp dụng phương pháp nhận dạng mống mắt trong các cơ quan hải quan sẽ giúp giải quyết những khó khăn hiện tại, đồng thời rút ngắn thời gian kiểm tra và nâng cao độ chính xác Đề tài này sử dụng thư viện OpenCV để xử lý ảnh và thực hiện nhận dạng mống mắt hiệu quả.
Nội dung đề tài
Đề tài sẽ giải quyết được vấn đề xác định đối tượng bằng mống mắt với việc lấy trên
1000 điểm trên mống mắt để so sánh với cơ sở dữ liệu nhằm tạo ra kết quả chính xác nhất
Đề tài này phát triển một hệ thống server-client nhằm kết nối cơ sở dữ liệu, giúp nhận dạng và xác định đối tượng trong phạm vi rộng lớn, đồng thời hỗ trợ việc nhận diện các đối tượng tội phạm đa quốc gia thông qua một cơ sở dữ liệu lớn toàn cầu.
Các giải pháp nêu trên sẽ hỗ trợ các cơ quan hải quan trong việc xác định đối tượng một cách khách quan và chính xác, đồng thời giúp ngăn chặn các tội phạm có khả năng vượt qua trạm kiểm soát của hải quan.
CƠ SỞ LÝ THUYẾT
Sinh trắc học
Sinh trắc học là công nghệ nhận diện con người dựa trên các đặc điểm hành vi và thuộc tính vật lý như vân tay, khuôn mặt, giọng nói, mống mắt và hình dạng bàn tay Những đặc điểm này giúp phân biệt mỗi cá nhân với nhau Ví dụ, vân tay được quét bằng máy cảm biến và so sánh với dữ liệu đã lưu trong cơ sở dữ liệu máy tính để xác định danh tính.
Một đặc điểm lý tưởng của sinh trắc học được mô tả bởi các giá trị đặctrưng:
Tính duy nhất cao- nghĩa là khả năng hai người bất kỳ có cùng đặc điểm sẽlà nhỏnhất;
Tính ổn định- Tức là đặc trưng không bị thay đổi qua thời gian
Tính được giữ lại dễ dàng- Tức là có thể được lưu các điểm đặc trưng dễ dàng qua các thuật toán
Các đặc tính sinh trắc học được coi là giải pháp bảo mật cao, giúp phát hiện gian lận một cách dễ dàng và thuận tiện hơn so với mật khẩu, mã PIN hay thẻ thông minh Người dùng không cần nhớ mật khẩu hay mang theo thẻ, vì hệ thống yêu cầu sự hiện diện vật lý của người được nhận diện Hơn nữa, các đặc tính vật lý và hành vi là duy nhất, khó bị vay mượn, mất cắp hay bỏ quên, do đó ngày càng nhiều người lựa chọn sử dụng công nghệ sinh trắc học.
Xác thực sinh trắc học
Hệ thống sinh trắc học ghi nhận và lưu trữ chứng thực người dùng, tạo ra một mẫu nhận diện số hóa hoàn chỉnh Khi người dùng xuất hiện trước hệ thống, thiết bị đọc chuyên dụng sẽ quét nhanh các đặc điểm sinh học và so sánh chúng với dữ liệu đã lưu trữ.
Trang 14 mẫu nhận diện tương ứng Nếu hai mẫu này giống nhau, thì bạn sẽ được cấp phép để đi vào một khu vực hạn chế nào đấy hoặc để truy xuất thông tin trên máytính cũng như xác định thông tin tội phạm
Nguyên tắc hoạt động của hệ thống sinh trắc học bắt đầu bằng việc ghi lại một mẫu đặc trưng thông qua thiết bị cảm biến, như ghi âm giọng nói hoặc chụp ảnh khuôn mặt Mẫu này được biến đổi bằng các hàm toán học để trích xuất đặc trưng, tạo ra mẫu sinh trắc học chuẩn hóa, hiệu quả và chính xác Mẫu sinh trắc học này sau đó được lưu trữ trong cơ sở dữ liệu và có thể được so sánh với các mẫu khác để xác định nhận dạng Hệ thống sinh trắc học thường có hai chế độ hoạt động: chế độ kết nạp để thêm mẫu vào cơ sở dữ liệu và chế độ nhận dạng, trong đó mẫu của cá nhân được tìm kiếm trong cơ sở dữ liệu đã lưu trữ.
Hình 2 - 1 : Hệ thống xử lý sinh trắc học
Phương pháp sinh trắc học có thể được chia làm hai loại: tiếp xúc và thụ động
Sinh trắc học tiếp xúc yêu cầu người dùng tương tác trực tiếp với thiết bị cảm biến thông qua các bộ phận như bàn tay, khuôn mặt hoặc mống mắt Ngược lại, sinh trắc học thụ động cho phép xác minh danh tính mà không cần sự can thiệp trực tiếp từ người dùng, chẳng hạn như trong trường hợp sử dụng chứng minh nhân dân hoặc hộ chiếu sinh trắc.
Các công nghệ sinh trắc
Các hệ thống nhận dạng dựa trên đặc tính sinh trắc học hiện tại được chia làm hai nhóm:
Sinh trắc học vật lý bao gồm các phương pháp như vân tay, nhận dạng khuôn mặt, hình tay, mống mắt và võng mạc Những đặc điểm này, cùng với độ tuổi và các kiểu mạch (như động mạch), thường rất ổn định và ít thay đổi trong suốt cuộc đời.
Sinh trắc học hành vi bao gồm các phương pháp như nhận dạng người nói, chữ ký, cách gõ phím, kiểu dáng đi và nhận dạng giọng nói Những yếu tố này có thể thay đổi dựa trên điều kiện tâm lý, số lượng và bị ảnh hưởng bởi các đặc điểm vật lý như giới tính và hình dáng cơ thể.
Công nghệ sinh trắc hiện nay đang được áp dụng chủ yếu trong các lĩnh vực thử nghiệm hoặc sử dụng hạn chế tại một số công ty và các nhánh của chính phủ liên bang.
Quét vân tay là công nghệ sinh trắc học dựa trên sự độc nhất vô nhị của vân tay mỗi người Công nghệ này tạo ra một bản đồ với các điểm chính từ đường và vòng xoắn của ngón tay, sau đó mã hóa thông tin thành các bit số Khi người dùng đặt ngón tay lên máy quét, vân tay của họ sẽ được so sánh với bản đồ số đã lưu Mặc dù bản đồ số này có thể xác định danh tính của một người, nhưng nó không thể tái tạo lại vân tay thực tế.
Công nghệ nhận dạng dấu vân tay đang ngày càng phổ biến, nhưng vẫn tồn tại một số nhược điểm như độ chính xác thấp khi sử dụng trên da khô, ướt hoặc với những người thường xuyên tiếp xúc với hóa chất Hơn nữa, việc phải tiếp xúc trực tiếp với bộ phận quét dấu vân tay có thể khiến người dùng cảm thấy không vệ sinh.
Xác nhận giọng nói là một phương pháp độc đáo, vì mỗi người có giọng nói riêng biệt Nhiều chuyên gia đánh giá sinh trắc giọng nói là công nghệ tiết kiệm chi phí và ít xâm phạm quyền riêng tư, vì người dùng chỉ cần nói vào micro để được nhận diện.
Trang 16 sinh trắc vân tay, xác nhận giọng nói tạo ra một bản đồ số gồm các đỉnh và đáy của giọng nói Sau đó, nó sẽ so sánh với giọng nói thực khi người dùng thực hiện giao dịch hoặc ra vào công sở Công nghệ nhận dạng giọng nói, phù hợp với các dịch vụ trả lời tự động, thông qua các call center, nhưng nhược điểm củaphươngphápnàylàtiếngồn,khôngphùhợpvớinơicôngcộngđôngngười
Sinh trắc học khuôn mặt là công nghệ sử dụng bản đồ số dựa trên hình dạng khuôn mặt hoặc bàn tay để nhận diện người dùng Khi đứng trước camera, các điểm trên khuôn mặt sẽ được ghi nhận và so sánh với dữ liệu trong cơ sở dữ liệu máy tính Tuy nhiên, công nghệ này gặp nhiều nhược điểm như ảnh hưởng bởi cường độ ánh sáng, dáng đứng, mỹ phẩm và đặc biệt là trong trường hợp song sinh giống nhau.
Sinh trắc hình học bàn tay là công nghệ sinh trắc phổ biến hiện nay, cho phép người dùng cầm một vật thể để đọc hình dạng bàn tay và so sánh với dữ liệu mã hóa trong cơ sở dữ liệu Công nghệ này không đọc vân tay hay dấu vết trên bàn tay, mà chỉ đo chu vi, chiều dài, độ dày và diện tích bề mặt của bàn tay, sau đó đưa ra kết quả "Có" hoặc "Không" chỉ trong chưa tới 1 giây Tuy nhiên, các chuyên gia nhận định rằng công nghệ sinh trắc khuôn mặt và bàn tay có hiệu quả thấp hơn do sự biến đổi hình dạng của khuôn mặt.
Sinh trắc mống mắt là công nghệ xác thực sinh trắc học sử dụng bản đồ số để phân tích hình dạng mống mắt Quá trình này diễn ra khi người dùng đứng trước camera, nơi hình ảnh mống mắt được chụp lại hoặc quét bằng laser Hình dạng mống mắt sau đó được so sánh với dữ liệu đã được lưu trữ trước đó Đây là một trong những công nghệ sinh trắc có độ chính xác cao nhất, chỉ sau kiểm tra DNA Tuy nhiên, để đạt hiệu quả tốt nhất, công nghệ này cần sự hợp tác từ người dùng và có thể bị ảnh hưởng bởi các yếu tố bên ngoài, như kính mắt, đặc biệt là kính áp tròng.
Việc nhận dạng màng mống mắt có đặc trưng sinh trắc học cao, giúp đảm bảo tỷ lệ xác thực người dùng rất chính xác Do đó, ứng dụng của công nghệ này ngày càng trở nên phổ biến trong nhiều lĩnh vực.
Trang 17 dụng rộng rãi, đặc biệt trong lĩnh vực đảm bảo xác thực đúng người trong các giao dịch tài chính, xác thực công dân tại cửa khẩu quốc tế,…
Công nghệ nhận dạng mống mắt
Mống mắt là một màng tròn mỏng nằm giữa giác mạc và thủy tinh thể của mắt người Hình ảnh bên dưới cho thấy một cái nhìn chính diện về mống mắt, trong đó có một lỗ tròn gọi là đồng tử, nằm gần tâm của mống mắt.
Hình 2 - 2 :Các vùng của mắt
Mống mắt là một cơ trong mắt, có màu sắc xác định chủ yếu bởi lượng sắc tố melatonin Chức năng chính của mống mắt là điều chỉnh kích thước đồng tử và lượng ánh sáng vào mắt thông qua các cơ vòng và cơ giãn Đường kính trung bình của mống mắt là 12mm, trong khi kích thước đồng tử có thể thay đổi từ 10 đến 80% đường kính của mống mắt.
Mống mắt bao gồm nhiều lớp, bắt đầu từ lớp biểu mô chứa tế bào sắc tố dày đặc Lớp chất nền nằm trên lớp biểu mô, chứa mạch máu, tế bào sắc tố và hai cơ mống mắt Mật độ sắc tố trong lớp chất nền quyết định màu sắc của mống mắt Bề mặt bên ngoài của mống mắt có cấu trúc đa lớp với hai vùng khác nhau.
Trang 18 có màu sắc khác nhau Một vùng mi ngoài và một vùng đồng tử trong, và hai vùng đó được phân ra bởi đường viền- chúng xuất hiện như kiểu chữ chi (zíc zắc)
Hình 2 - 3 : Mống mắt và đồng tử
Mặc dù màu sắc và cấu trúc của mống mắt liên quan đến di truyền, nhưng mỗi mống mắt có những đặc điểm riêng biệt Sự phát triển của mắt diễn ra trong thời kỳ trước khi trưởng thành, bắt đầu từ tháng thứ ba của thai kỳ và hoàn thiện vào tháng thứ tám Kiểu dáng trên bề mặt mống mắt hình thành trong năm đầu tiên, trong khi sự phát triển của sắc tố xảy ra trong vài năm đầu sau sinh Sự hình thành kiểu dáng mống mắt là ngẫu nhiên và không phụ thuộc vào yếu tố gen, chỉ có sắc tố mống mắt do gen quyết định màu sắc Do đó, hai mắt của một cá nhân có thể có kiểu mống mắt khác nhau, ngay cả ở các cặp sinh đôi giống hệt.
Mống mắt của mỗi người là duy nhất và có các cấu trúc khác biệt, điều này cho phép sử dụng ảnh mống mắt để nhận dạng và xác minh danh tính.
4.2 Công nghệ nhận dạng mống mắt
Công nghệ nhận dạng mống mắt là một phương pháp sinh trắc học tiên tiến, sử dụng thuật toán hình ảnh để xác định danh tính dựa trên cấu trúc phức tạp và độc nhất của mống mắt Công nghệ này đã được ứng dụng hiệu quả trong việc nhận diện và xác thực hộ chiếu, mang lại độ chính xác cao và bảo mật tốt.
Phương pháp nhận diện mống mắt được coi là có độ chính xác vượt trội so với các phương pháp sinh trắc học khác Mống mắt sở hữu tới 266 điểm đặc trưng riêng biệt, trong khi các phương pháp như vân tay, khuôn mặt và giọng nói chỉ có từ 13 đến 60 điểm đặc trưng.
Nhận dạng mốngmắt Ảnh mốngmắt 1/1,200,000 Cao điều kiện dễ dàng bảo mậtcao
Nhận dạng vântay Ảnh vântay 1/1,000 Trungbình Phổbiến
Kích thước, chiều dài,độ dày, hình dáng bàntay
1/700 Thấp điều kiện dễ dàng bảo mậtthấp Nhận dạng khuônmặt đường nét, hình dáng và sự phân bổ của các mắt vàmũi
1/100 Thấp điều kiện dễ dàng bảo mậtthấp
Hình dạng của các ký tự, trật tự viết, viếtđè…
1/100 Thấp điều kiện dễ dàng bảo mậtthấp Nhận dạng giọngnói đoạn âmhọc 1/30 Thấp Dịch vụ điệnthoại
Nhận dạng mống mắt là một phương pháp xác định danh tính cá nhân thông qua việc phân tích mẫu ngẫu nhiên của mống mắt Mống mắt, một cơ quan trong mắt, điều chỉnh kích thước đồng tử và kiểm soát lượng ánh sáng vào mắt, đồng thời phân chia màu mắt dựa trên lượng sắc tố melanin Đặc điểm của mống mắt được bảo vệ khỏi các yếu tố môi trường và có độ ổn định cao so với các hình thức sinh trắc học khác Nghiên cứu về nhận dạng mống mắt đang ngày càng được cải tiến, với sự phát triển của các thuật toán tiên tiến.
Daugman được coi là tiên phong trong lĩnh vực nhận dạng mống mắt Sau khi Daugman công bố thuật toán đầu tiên, nhiều nghiên cứu khác đã phát triển các thuật toán nhận dạng mống mắt mới, bao gồm các hệ thống do Wildes, Boles, Boashash, Tisse, Zhu, Lim, Noh và Ma giới thiệu Các thuật toán của Wildes và Boles được thiết kế cho ứng dụng xác minh, với quy trình chuẩn hóa mống mắt trong quá trình đối sánh, nhưng mất nhiều thời gian trong ứng dụng nhận dạng Mặc dù những thuật toán này đã đạt được thành công nhất định, vẫn cần cải tiến về tỷ lệ độ chính xác và tốc độ so với thuật toán của Daugman.
Nhận dạng mống mắt trải qua nhiều giai đoạn, với giai đoạn đầu tiên là tách biệt vùng mống mắt từ ảnh chụp của mắt người.
Mống mắt được xác định thông qua các đặc trưng giới hạn và hình dạng khác nhau trong ảnh Việc cô lập và trích xuất các đặc trưng này là rất quan trọng trong quá trình nhận dạng màng mống mắt Nếu không thực hiện đúng, kết quả có thể bị tạp nhiễu từ lông mi, đồng tử hoặc mím mắt, dẫn đến hiệu suất nhận diện kém.
Vùng mống mắt, như hình dưới đây, có thể được xác định bởi hai vòng tròn: vòng tròn ngoài là ranh giới giữa mống mắt và màng cứng, trong khi vòng tròn bên trong xác định ranh giới giữa mống mắt và đồng tử Các mí mắt và lông mi thường che khuất phần trên và dưới của vùng mống mắt Ngoài ra, sự phản chiếu ánh sáng trong vùng mống mắt có thể gây ra lỗi trong mẫu mống mắt Do đó, cần áp dụng kỹ thuật tách biệt và loại trừ các yếu tố này, cũng như xác định vị trí của vòng tròn vùng mống mắt.
4.3 Qui trình xác định mống mắt
4.3.1 Xác định vị trí mống mắt và đồng tử
Bước này nhằm xác định đường biên bên trong giữa mống mắt và đồng tử, cùng với đường biên bên ngoài giữa mống mắt và giác mạc Hai đường ranh giới này của một mống mắt điển hình thường được hình dung như hai đường tròn, mặc dù chúng không đồng tâm Tuy nhiên, trong hệ thống này, giả thiết rằng chúng đồng tâm tại tâm đồng tử.
Có nhiều phương pháp xác định vị trí mống mắt, trong đó phương pháp biến đổi Hough được sử dụng để nhận diện đường tròn của các biên mống mắt.
4.3.2 Phương pháp biến đổi Hough
Thư viện OpenCV
OpenCV (Open Source Computer Vision) là một thư viện mã nguồn mở nổi bật trong lĩnh vực thị giác máy tính, cung cấp hơn 500 hàm và hơn 2500 thuật toán tối ưu cho xử lý ảnh và các vấn đề liên quan Thư viện này được thiết kế để tận dụng tối đa sức mạnh của các chip đa lõi, giúp thực hiện các phép toán hiệu quả hơn.
Hình 2 - 7 : Vùng điểm đặc trưng
Trang 25 tính toán trong thời gian thực, nghĩa l à t ốc độ đáp ứng của nó có thể đủ nhanh cho các ứng dụng thông thường OpenCV là thư viện được thiết kế để chạy trên nhiều nền tảng khác nhau (cross-patform), nghĩa l à nó có thể chạy trên hệ điều hành Window, Linux, Mac, iOS … Việc sử dụng thư viện OpenCV tuân theo các quy định về sử dụng phần mềm mã nguồn mở BSD do đó bạn có thể sử dụng thư viện này một cách miễn phí cho cả mục đích phi thương mại lẫn thương mại.
Tổng quan các kĩ thuật xử lý ảnh
Vào năm 1568, Danielo Barbaro, một người Ý, đã đề xuất việc sử dụng buồng tối và thấu kính trong hội họa, cho phép in toàn bộ khung cảnh thực lên giấy Qua nhiều thập kỷ, công nghệ lưu trữ hình ảnh đã phát triển mạnh mẽ, dẫn đến sự ra đời của máy ảnh kỹ thuật số với khả năng lưu trữ hình ảnh nhanh chóng, màu sắc sống động và độ sắc nét cao Nhu cầu về lưu trữ và xử lý hình ảnh kỹ thuật số ngày càng tăng và liên tục được cải tiến theo thời gian.
Quy trình xử lý ảnh bao gồm nhiều thao tác trên tập hợp dữ liệu ảnh nhằm đạt được kết quả mong muốn từ ảnh nguồn.
Trang 26 nhiều mục đích phân tích khác nhau, kết quả thu được sau quá trình xử lí có thể được tóm lược thành tập giá trị đơn giản và nhỏ gọn hơn
Khi xử lý hình ảnh, chất lượng hình ảnh là yếu tố quan trọng cần chú ý Hình ảnh kỹ thuật số có nhiều dạng như ảnh màu, ảnh đa mức xám và ảnh nhị phân, và mỗi loại hình ảnh yêu cầu phương pháp lưu trữ và biểu diễn khác nhau.
Biễu diễn hình ảnh
Theo quy luật màu sắc trong hội họa, khi phối hợp ba màu cơ bản là đỏ, xanh lá và xanh dương theo tỷ lệ nhất định, ta tạo ra màu sắc mới trên bảng màu tuần hoàn Tương tự, trong lý thuyết ánh sáng, việc kết hợp các tia sáng đỏ, xanh lá và xanh dương thành một tia duy nhất cũng cho ra màu mới, phụ thuộc vào cường độ ánh sáng Áp dụng các quy luật tự nhiên và nghiên cứu quang học, ba màu cơ bản này được sử dụng để lưu trữ thông tin màu sắc trong hình ảnh kỹ thuật số.
Một bức ảnh kỹ thuật số được lưu trữ trên máy tính dưới dạng tập hợp các điểm ảnh gọi là pixel Mỗi pixel chiếm 3 byte trong bộ nhớ, với mỗi byte lưu trữ giá trị của sắc tố đỏ, lục và lam Các giá trị này nằm trong khoảng từ 0 đến 255, cho phép lưu trữ tới 16.777.216 màu sắc khác nhau.
Quá trình lưu trữ hình ảnh trên máy tính yêu cầu lưu trữ dãy pixel của ảnh Ví dụ, với bức ảnh có kích thước 1024 x 768 pixel, máy tính cần 2.359.596 byte (tương đương với 1024 * 768 * 3) để lưu trữ Hệ màu cơ bản được sử dụng trong lưu trữ hình ảnh này là RGB, bao gồm các màu đỏ, lục và lam Bên cạnh RGB, còn có các hệ màu khác trong hình ảnh kỹ thuật số hiện đại như CMYK và GRAYSCALE.
7.1 Ảnh đa mức xám Ảnh đa mức xám (hệ màu Grayscale) là ảnh mà tập hợp các pixel thể hiện những sắc thái màu của màu xám, phạm vi từ đen đến trắng
Một điểm ảnh màu RGB, gồm 3 byte cho sắc độ đỏ, lục và lam, có thể được chuyển đổi thành 1 byte thể hiện sắc độ của màu đen, giúp giảm kích thước khung ảnh xuống còn 1/3 dung lượng ban đầu Việc chuyển đổi ảnh màu sang ảnh đa mức xám không chỉ giảm thiểu dung lượng lưu trữ mà còn tăng tốc độ phân tích ảnh Để thực hiện chuyển đổi này, chúng ta sử dụng hàm trong OpenCV.
CvtColor(Src,des,CV_BGR2GRAY)
Trong đoạn mã trên, 'src' đại diện cho nguồn ảnh, trong khi 'gray' là ảnh đích Hàm 'CV_BGR2GRAY' được sử dụng để chuyển đổi ảnh từ định dạng BGR (hệ màu RGB) sang ảnh xám.
7.2 Ảnh nhị phân Ảnh nhị phân (Binary Image) là ảnh mà tập hợp các pixel biểu diễn nó chỉ nhận giá trị 0 hoặc 1, thể hiện cho màu trắng hoặc đen Ảnh nhị phân đa số được chuyển thể từ ảnh đa mức xám thông qua phương pháp phân ngưỡng Trong kĩ thuật phân tích ảnh, sử dụng ảnh nhị phân với mục đích tăng tốc độ xử lí và đơn giản hóa miền giá trị phân tích
Trong lĩnh vực phân tích chuyển động, ảnh nhị phân được sử dụng phổ biến để thể hiện các vật thể đang chuyển động Trong đó, màu trắng đại diện cho tiền cảnh, tức là các vật thể chuyển động, trong khi phần nền không chuyển động được hiển thị bằng màu đen, thể hiện rõ sự khác biệt giữa hai yếu tố này.
Phương pháp phân ngưỡng
Lược đồ xám (Histogram) là biểu đồ thể hiện tần suất xuất hiện của các mức xám trong hình ảnh Qua phân tích biểu đồ xám, chúng ta có thể xác định mức độ tập trung của các pixel ở các miền giá trị khác nhau.
Hình 2 - 9 : Biểu đồ mức xám
Trong lược đồ xám, mức ngưỡng (Thresold) là số nguyên thuộc miền giá trị [0,
Giá trị ngưỡng trong chuyển đổi ảnh đa mức xám sang ảnh nhị phân được xác định từ biểu đồ xám, với yêu cầu giá trị ngưỡng là trung bình của mức xám Mục tiêu là tạo ra sự cân bằng giữa số lượng điểm xám lớn hơn và nhỏ hơn giá trị ngưỡng.
Với mức ngưỡng thu được, ta có thể chuyển đổi ảnh đa mức xám sang ảnh nhị phân theo quy tắc sau:
Quy tắc 1: Nếu ứng với ảnh đa mức xám mà giá trị này lớn hơn ngưỡng sẽ được xác định là màu trắng, ngược lại là màu đen
Quy tắc 2: Trong các tình huống phức tạp hơn, có thể phân định nhiều mức ngưỡng và các quy tắc để xác định tiền cảnh hay hậu cảnh.
Bộ lọc canny
Bộ lọc Canny là một phương pháp hiệu quả để phát hiện và tối ưu hóa đường biên, mang lại kết quả với đường biên mảnh và chính xác Quá trình tìm kiếm biên bằng phương pháp Canny được thực hiện qua bốn bước chính.
Bước 1: Loại bớt nhiễu trong ảnh
Người ta loại nhiễu trong ảnh, làm cho ảnh mờ đi bằng cách nhân chập ảnh với một bộ lọc Gause, chẳng hạn bộ lọc Gaus 5x5 với hệ số σ = 1,4
Bước 2: Tính toán giá trị gradient trong ảnh
Đường biên trong ảnh là khu vực phân tách giữa các đối tượng khác nhau, nơi gradient biến đổi mạnh mẽ nhất Để tính toán gradient, chúng ta có thể sử dụng bộ lọc Sobel hoặc thực hiện phép chập ma trận ảnh với các mặt nạ theo hướng x và y.
Sau đó tính độ lớn gradient trong ảnh :
G x và G y là các đạo hàm theo hướng X và Y của điểm ảnh đang xem xét Góc θ sẽ được làm tròn theo các hướng thẳng đứng, nằm ngang và chéo, cụ thể là nhận các giá trị 0, 45, 90 và 135 độ.
Bước 3: Loại bỏ các giá trị không phải là cực đại
Bước này nhằm xác định các điểm ảnh có khả năng là biên ảnh bằng cách loại bỏ những giá trị không phải là cực đại trong quá trình tìm gradient ảnh.
Ta thấy rằng, vớigiá trị của góc θ ở trên thì biên của đối tượng có thể tuân theo bốn hướng, và ta có 4 khả năng sau:
Nếu θ = 0 0 , khi đó, điểm A sẽ được xem làmột điểm trên biên nếu độ lớn gradient tại Alớn hơn độ lớn gradient của các điểm tại A3,A7
Nếu θ = 45 0 , khi đó, điểm A sẽ được xem làmột điểm trên biên nếu độ lớn gradient tại Alớn hơn độ lớn gradient của các điểm tại A4,A8
Nếu θ = 90 0 , khi đó, điểm A sẽ được xem làmột điểm trên biên nếu độ lớn gradient tại Alớn hơn độ lớn gradient của các điểm tại A1,A5
Nếu θ = 135 0 , khi đó, điểm A sẽ được xem là một điểm trên biên nếu độ lớngradient tại A lớn hơn độ lớn gradient của các điểm tại A2, A6
Hình 2 - 10 : Biểu diễn loại bỏ các giá trị cực đại
Bước 4: Chọn ra biên của đối tượng trong ảnh
Sau bước trên, ta thu được tập các điểm tương ứng trên đường biên khá mỏng
Để xác định chính xác biên của các đối tượng trong ảnh, ta sử dụng các ngưỡng dựa trên giá trị gradient Bộ lọc Canny áp dụng một ngưỡng trên (upper threshold) và một ngưỡng dưới (lower threshold) Nếu giá trị gradient tại một điểm lớn hơn ngưỡng trên, điểm đó được xác nhận là biên; nếu nhỏ hơn ngưỡng dưới, nó không phải là biên Đối với các điểm có giá trị gradient nằm giữa hai ngưỡng, chúng chỉ được coi là điểm biên nếu có ít nhất một điểm liên kết bên cạnh có giá trị gradient lớn hơn ngưỡng trên.
Cơ sở Wavelet
10.1 Cơ sở Wavelet trực giao
Khi xem xét phương trình, chúng ta nhận thấy rằng không gian i W không phải là duy nhất khi được định nghĩa bằng không gian i V Yêu cầu duy nhất của phương trình này là các không gian phải bù lẫn nhau trong không gian i+1 V Tuy nhiên, nếu yêu cầu các không gian phải trực giao, điều này sẽ tạo ra một điều kiện mới cho sự tương tác giữa các không gian.
Có một cơ sở wavelet trực giao duy nhất cho không gian wavelet W i với bất kỳ họ không gian xấp xỉ Vi nào Mối quan hệ giữa các không gian hàm được thể hiện qua các điều kiện của họ hàm tỷ lệ ϕ j,k và họ hàm wavelet ψ j,k, được định nghĩa qua các phương trình (2.22) và (2.30).
Các phương trình này chỉ ra rằng nếu cơ sở Riesz {𝜑(t - k)} k ∈ Z thỏa mãn điều kiện trực giao theo định nghĩa 1, thì các hàm wavelet {ψ(t - k)} k ∈ Z cũng cần phải đáp ứng điều kiện trực giao tương tự.
10.2 Cơ sở Wavelet nhị trực giao
Trong một số ứng dụng, tính trực giao có thể không cần thiết và có thể được thay thế bằng các tính chất khác Ví dụ, có thể chứng minh rằng một số đặc điểm khác vẫn đảm bảo hiệu quả trong các tình huống cụ thể.
Trang 32 cơ sởtrực giao wavelet không thể tạo được tính đối xứng (ngoại trừ cơ sở wavelet Haar).Trong các trường hợp này ta có thể sử dụng một cơ sở wavelet nhị trực giao để thaythế
Với một cơ sở wavelet nhị trực giao, chúng ta xác định không gian xấp xỉ đối ngẫu ~Vi và không gian wavelet đối ngẫu ~Wi Hai không gian này đáp ứng điều kiện nhị trực giao, đảm bảo tính chất đối xứng và hiệu quả trong phân tích tín hiệu.
Giống như các không gian gốc, chúng ta cũng xây dựng các không gian đối ngẫu với các hàm tỷ lệ đối ngẫu 𝜑j,k và hàm wavelet đối ngẫu ψj,k Điều kiện nhị trực giao cho các hàm này là một yếu tố quan trọng trong việc xác định mối quan hệ giữa chúng.
Các điều kiện nhị trực giao này được thỏa mãn nếu các hàm tỷ lệ, hàm wavelet vàcác hàm đối ngẫu thỏa mãn từng điều kiện trên
Với một cơ sở nhị trực giao xác định, hàm xấp xỉ f j (t) có thể được viết thành:
10.3 Một số họ cơ sở wavelet
Có nhiều họ cơ sở wavelet trực giao trong đó thông dụng là :
Daubechies, Symmlets và Coifflets là các họ wavelet phổ biến, mỗi họ đều có nhiều cơ sở wavelet khác nhau Mỗi cơ sở thường được ký hiệu bằng một chỉ số, chẳng hạn như Daubechies (2N), trong đó chỉ số N phản ánh độ dài của bộ lọc; chỉ số càng thấp thì độ dài bộ lọc càng ngắn Bên cạnh đó, còn tồn tại một số họ wavelet nhị trực giao, ví dụ như wavelet spline nhị trực giao.
Biến đổi Haar Wavelet là biến đổi đơn giản nhất trong các phép biến đổi
Biến đổi Haar là một phương pháp đơn giản nhưng hiệu quả trong nén ảnh, như minh họa qua hình dạng của hàm ψ(t) Việc áp dụng biến đổi Haar trong nén ảnh trên máy tính có những điểm khác biệt so với công thức toán học gốc, cho thấy tính linh hoạt và ứng dụng rộng rãi của nó trong lĩnh vực này.
Hình 2 - 11 : Hàm ψ (t) của biến đổi Haar
Mô hình CLIENT - SERVER và bộ giao thức TCP/IP
Mô hình máy khách - máy chủ là một cấu trúc phổ biến trong mạng máy tính, được áp dụng rộng rãi trên hầu hết các trang web hiện nay Trong mô hình này, máy con hoạt động như một máy khách, gửi yêu cầu đến máy chủ, đóng vai trò cung cấp dịch vụ Sau khi nhận yêu cầu, máy chủ sẽ xử lý thông tin và gửi kết quả trở lại cho máy khách.
Mô hình Client-Server yêu cầu các máy tính kết nối qua mạng bằng một giao thức nhất định, cho phép chúng chia sẻ tài nguyên và dữ liệu lẫn nhau.
Hình 2 - 12 Mô hình CLIENT - SERVER
Máy chủ (Server) là thiết bị chịu trách nhiệm xử lý dữ liệu và giao tiếp giữa các máy tính trong mạng Để hoạt động hiệu quả và đáp ứng nhu cầu truy cập từ nhiều máy trạm, máy chủ cần được trang bị bộ vi xử lý tốc độ cao và tài nguyên đủ lớn.
Máy khách (Client) là một thiết bị máy trạm được sử dụng bởi một người dùng duy nhất, hoạt động độc lập với các máy trạm khác Nó có khả năng truy xuất các tài nguyên đã được chia sẻ, như dữ liệu chung trên máy chủ.
Mô hình Client – Server giúp tiết kiệm chi phí bằng cách sử dụng máy chủ là các máy tính cá nhân thay vì máy tính lớn Với sự phát triển của phần mềm hiện nay chủ yếu chạy trên máy tính cá nhân, chi phí cho các phần mềm trở nên tương đối thấp.
Tốc độ nhanh trong hệ thống mạng được cải thiện nhờ việc phân chia xử lý thành hai nhánh: các tác vụ phức tạp được lưu trữ trên máy chủ, trong khi các tác vụ đơn giản được thực hiện trực tiếp trên ứng dụng máy trạm Điều này giúp giảm tắc nghẽn thông tin và nâng cao hiệu quả vận hành của hệ thống.
Việc lựa chọn phần mềm phát triển ứng dụng mang lại tính tương thích cao, cho phép sử dụng độc lập từ ngôn ngữ lập trình đến hệ cơ sở dữ liệu và thiết bị phần cứng Điều này giúp người dùng có thể chọn lựa các thành phần tối ưu nhất để xây dựng hệ thống ứng dụng hiệu quả.
11.2 Bộ giao thức TCP/IP
Giao thức TCP/IP, phát triển từ mạng ARPANET và Internet, là giao thức chính cho mạng và vận chuyển dữ liệu trên Internet Trong mô hình OSI, TCP hoạt động ở tầng vận chuyển, trong khi IP thuộc về tầng mạng.
Hiện nay, hầu hết các máy tính trong mạng có thể kết nối với nhau thông qua giao thức TCP/IP, cho phép liên lạc qua nhiều hệ thống mạng khác nhau Giao thức TCP/IP là một tập hợp các giao thức giúp các hệ thống mạng tương tác và truyền thông hiệu quả.
11.2.2 Cấu trúc vật lý của bộ giao thức TCP/IP
Có 4 lớp trừu tượng khác nhau trong TCP/IP và mỗi lớp có một bộ giao thức riêng Các lớp này gồm:
Lớp kết nối là lớp thấp nhất trong mô hình TCP/IP, bao gồm các phương thức vận hành trên một kết nối máy chủ, thường được gọi là Ethernet.
Lớp Internet: Là lớp kết nối các mạng nội bộ với nhau
Lớp truyền tải: Là lớp điều khiển giao tiếp máy chủ tới máy chủ
Lớp ứng dụng: Là một tập hợp các giao thức cụ thể giao tiếp dữ liệu trên một lớp quá trình tới quá trình
11.2.3 Quy trình hoạt động của giao thức TCP/IP
Các bước hoạt động của giao thức TCP/IP lần lượt như sau:
Dữ liệu được tầng ứng dụng xử lý và truyền xuống tầng dưới theo dạng Byte nối Byte Đồng thời, tầng ứng dụng cũng gửi kèm các thông tin điều khiển cần thiết để xác định địa chỉ bắt đầu và kết thúc của dữ liệu.
Khi dữ liệu được truyền xuống tầng TCP, nó sẽ được chia thành các gói có kích thước không đồng nhất, nhưng mỗi gói phải nhỏ hơn 64 KB Sau khi quá trình đóng gói hoàn tất tại tầng TCP, dữ liệu sẽ được chuyển tiếp xuống tầng IP.
Trong bước 3, dữ liệu sẽ được gói lại thành các gói IP nhỏ hơn để phù hợp với kích thước của mạng chuyển mạch gói Trong quá trình này, phần Header của IP cũng được chèn vào gói dữ liệu trước khi chuyển xuống tầng Datalink/Physical.
Bước 4: Khi các gói dữ liệu IP đến tầng Datalink, các gói này sẽ được gắn thêm một Header khác và chuyển tới tầng Physical để vào mạng
Trong bước 5, các Router trên Internet hướng dẫn Frame đến đúng đích Khi đến Router, các Frame sẽ được tầng Datalink/Physical lọc bỏ Header và chuyển lên tầng Network (IP) Tầng IP sử dụng thông tin điều khiển trong Header để xác định đường đi tiếp theo cho gói tin.
IP Sau cùng, gói IP này lại được chuyển xuống tầng Datalink/Physical để đi
Trang 36 vào mạng Quá trình cứ thế tiếp tục cho đến khi dữ liệu đến được máy cần nhận
Khi dữ liệu đến nơi, nó được xử lý theo quy trình ngược lại so với máy ban đầu Đầu tiên, tại tầng Datalink/Physical, phần Header của Frame sẽ bị loại bỏ và dữ liệu được chuyển lên tầng IP Tiếp theo, tại tầng IP, dữ liệu được bung gói IP, sau đó tiếp tục lên tầng TCP và cuối cùng đến tầng ứng dụng để hiển thị trên màn hình.
Hình 2 - 13 Quy trình hoạt động giao thức TCP/IP
11.2.4 Ưu điểm của giao thức TCP/IP
Việc sử dụng giao thức TCP/IP để truyền và nhận dữ liệu mang lại một số ưu điểm:
- Việc cài đặt đơn giản và sử dụng giao thức đơn giản
- Truyền dữ liệu không lỗi do có cơ chế sửa lỗi và truyền lại
- Truyền các gói dữ liệu theo đúng thứ tự
- Truyền lại các gói dữ liệu mất trên đường truyền
- Loại bỏ các gói dữ liệu trùng lặp
- Tốc độ truyền nhanh và có cơ chế hạn chế tắc nghẽn đường truyền.
LINQ
LinQ là công nghệ dựa trên nền tảng NET, mang đến giải pháp tích hợp cho việc truy vấn dữ liệu Nó cho phép sử dụng cú pháp SQL trong ngôn ngữ lập trình, áp dụng cho nhiều loại dữ liệu khác nhau, bao gồm đối tượng, cơ sở dữ liệu quan hệ và XML.
LinQ, được Microsoft giới thiệu trong Visual Studio 2008 và NET Framework 3.5, đóng vai trò là cầu nối giữa thế giới đối tượng và thế giới dữ liệu.
LinQ tích hợp với C# và Visual Basic, mang đến nhiều tính năng nổi bật giúp lập trình viên dễ dàng gỡ rối câu lệnh truy vấn Nhờ vào khả năng tối ưu hóa mã lệnh, LinQ cho phép tiết kiệm thời gian so với việc sử dụng truy vấn truyền thống Hơn nữa, lập trình viên có thể nhanh chóng nhận diện các mối quan hệ giữa các thực thể và viết lệnh truy vấn một cách dễ dàng.
HIỆN THỰC
Các bước rút trích điểm đặc trưng của mống mắt
Để bắt đầu quá trình rút trích điểm đặc trưng của mống mắt, trước tiên cần có một bức ảnh xám được chụp từ máy ảnh chuyên dụng.
Nếu hình ảnh chụp mống mắt chưa được chuyển thành xám thì ta sẽ phải chuyển thành ảnh mức xám để tiền hành lấy điểm đặc trưng
Tiếp theo ta làm mượt ảnh bằng phương pháp GaussianBlur để có thể lọc bớt các điểm nhiễu ảnh để có thể nhận dạng chính xác
Hình 3 - 2 : Trước và sau khi làm mượt ảnh
Sau đó ta bắt đầu xác định mống mắt và con người của mắt , được vẽ bằng vòng tròn màu đỏ như hình :
Hình 3 - 3 : Xác định giới hạn mống mắt
Chúng tôi bắt đầu xác định các điểm trên các đường tròn đồng tâm, với bán kính lớn hơn con người và nhỏ hơn mống mắt Tại đây, chúng tôi sẽ vẽ lên mống mắt 512 điểm màu vàng, phân bố trên 15 đường tròn như hình minh họa.
Hình 3 - 4 : Các điểm được vẽ lên mống mắt
Từ các điểm trên mống mắt ta bắt đầu lấy các giá trị trên toạ độ điểm ấy tạo thành
Ma trận được cấu trúc với các hàng đại diện cho đường tròn và cột biểu thị số điểm của từng đường tròn Ví dụ, từ hình ảnh minh họa, ta có một ma trận gồm 15 hàng và 512 cột Tiếp theo, ma trận này sẽ được chuyển đổi thành ma trận nhị phân và sau đó thực hiện quá trình nghịch đảo ma trận.
Hình 3 - 5 : Mảng đặc trưng sau khi được trích
Khi sử dụng phương pháp Haar để nén ảnh, chúng ta có thể trích xuất các điểm đặc trưng từ ma trận đã được nén Kết quả là, chúng ta sẽ có một ma trận ngắn hơn so với ma trận ban đầu, giúp tối ưu hóa không gian lưu trữ và tăng tốc độ xử lý hình ảnh.
Hình 3 - 6 : Sau khi biến đổi Haar
Xử lý điểm đặc trưng sau khi rút trích
Sau khi có được 1 ma trận mới sau khi biến đổi haar như hình
Hình 3 - 7 Ma trận sau khi biến đổi haar
Chúng tôi bắt đầu bằng cách lấy từng cặp ô gần nhau trong ma trận và thực hiện phép trừ để tạo ra một dãy số âm dương Tiếp theo, chúng tôi xét điều kiện: nếu phần tử dương được gán là 1, thì phần tử âm sẽ được gán là 0 Qua quá trình biến đổi này, chúng tôi thu được một dãy mã nhị phân, đại diện cho các điểm đặc trưng đã được rút trích.
So Sánh điểm đặc trưng giữa các mống mắt
Khi so sánh các dãy nhị phân đặc trưng của mống mắt, nếu tỷ lệ giống nhau đạt trên 60%, chúng ta xác định đó là một người; ngược lại, nếu tỷ lệ dưới 60%, chúng ta coi đó là hai người khác nhau.
Choose Image : nút chức năng này nhầm giúp ta chọn đường dẫn của mắt cần rút trích điểm đặt trưng của mắt
Find : rút trích điểm đặc trưng của mắt để gửi tới server để server xử lý gửi lại thông tin của đối tượng có trong cơ sở dữ liệu
Connect : dùng để kết nối đến server thông qua các thông tin được nhập
Hình 3 - 9 Phần thông tin để kết nối với server
Chia làm 2 phần hiển thị :
Phần listbox dùng để hiển thị trạng thái kết nối của server cũng như các hoạt động server vừa được thực hiện
Phần gridview hiển thị các đối tượng hiện đang có trong cơ sở dữ liệu
5.4 Hoạt động của hệ thống
Sau khi xác định đối tượng mắt cần rút trích từ client, chúng ta sẽ lấy dãy mã nhị phân đặc trưng của mống mắt và gửi đến server để nhận lại mã đối tượng tương ứng.
Trang 44 trong cơ sở dữ liệu nếu không có đối tượng trong cơ sở dữ liệu sẽ trả về không tìm thấy đối tượng về cho client
TỔNG KẾT
Kết quả đạt được bao gồm việc nắm vững các phương pháp nhận dạng sinh trắc học mống mắt và các điểm đặc trưng của nó Người viết đã làm quen với các phương pháp xử lý ảnh phổ biến bằng ngôn ngữ lập trình C++ thông qua thư viện OpenCV Hơn nữa, đã tìm hiểu các thuật toán để xác định điểm đặc trưng của mống mắt và thực hiện so sánh với các đối tượng khác Bên cạnh đó, khả năng nhận diện mắt người cũng đã được cải thiện, và hệ thống nhận diện đã được xây dựng theo mô hình client-server.
Việc so sánh điểm đặc trưng giữa các mống mắt vẫn có 1 số đối tượng xác định chưa chính xác
Cần thêm thời gian để hoàn thành hệ thống 1 cách hoàn thiện hơn
Vẫn chưa có thể áp dụng trên hệ thống thực tế vẫn còn phải nghiên cứu thêm
Không có đủ kinh phí để tìm những thiết bị quét sinh trắc học để có thể kiểm tra vào thực tế
Sẽ cải tiến về thuật toán để có thể nhận dạng nhanh hơn và chính xác hơn
Xây dựng 1 hệ thống nhận dạng mống mắt hoàn chỉnh hơn
Lập trình hệ thống trên MFC để có thể trực quan hơn cho người sử dụng
Cải thiện việc tìm kiếm đối tượng trong cơ sở dữ liệu 1 cách tối ưu hơn , cũng như truy vấn đối tượng 1 cách chính xác
