Đang tải... (xem toàn văn)
Bài báo cáo này cấp cho các bạn có cái nhìn tổng quan về xác thực người dụng trên các thiết bị di động sử dụng sinh trắc học. Ứng dụng của từng loại sinh trắc học vào trong mô hình xác thực, cũng như ưu nhược điểm của từng loại sinh trắc học cho mảng di động
ĐẠI HỌC QUỐC GIA TPHCM TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA KHOA HỌC & KỸ THUẬT MÁY TÍNH BÀI TẬP LỚN MÔN CƠ SỞ DỮ LIỆU NÂNG CAO XÁC THỰC NGƯỜI DÙNG TRÊN THIẾT BỊ DI ĐỘNG BẰNG SINH TRẮC HỌC GVHD: PGS.TS Đặng Trần Khánh HVTH: Bùi Nguyễn Tây Nguyên (12070529) Lê Viết Hoàng Nguyên (12070530) Lâm Bảo Vương (12073142) TPHCM, 05/2013 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học TÓM TẮT ĐỀ TÀI GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học MỤC LỤC GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Chương 1: Phương Pháp Xác Thực Người Dùng Bằng Sinh Trắc Học Một số phương pháp sinh trắc học sử dụng nhiều ứng dụng khác nhau.Mỗi đặc điểm sinh trắc học có ưu điểm nhược điểm riêng phụ thuộc vào ứng dụng Không có sinh trắc hoàn hảo để đáp ứng tất yêu cầu.Nói cách khác sinh trắc học tối ưu số chấp nhận được.Sự phù hợp sinh trắc học cho ứng dụng phụ thuộc vào yêu cầu cụ thể ứng dụng [2] Fingerprint Face Iris Signature recognition Voice recognition Hình I : Một số phương pháp xác thực người dùng mobile GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 1.1 Nhận Dạng Dấu Vân Tay (Fingerprin t Recognition ) Khoa học dấu vân tay đại Francis Galton [3] khởi xướng vào cuối kỷ thứ XIX Năm 1868 nhà bác học Roberts ngón tay có môi trường phát triển vi mô khác nhau; ngón tay ngón tay trỏ phải chịu thêm vài tác động môi trường riêng Vì vậy, vân tay mười đầu ngón tay cá nhân khác Hai anh em (chị em) song sinh trứng có dấu vân tay giống phân biệt rõ dấu vân tay người [3] Xác thực người dùng sử dụng phương pháp nhận dạng dấu vântay sử dụng đặc điểm ngón tay đặc điểm liên quan đến bao gồm vòng xoắn, vòng cung, vòng thắt tạo nên dấu vân tay [2] Hiện có nhiều phương pháp nhận dạng dấu vân tay đạt hiệu cao có hai phương pháp [4]: Phương pháp nhận dạng dựa đặc trưng (feature-based approach):Đây phương pháp nhận dạng dấu vân tay cổ điển Phương pháp rút trích đặc trưng vân tay sau đem so khớp với vân tay đăng kí để nhận dạng đối tượng Phương pháp có nhược điểm phải phải cung cấp dấu vân tay có chất lượng cao (chính xác, rõ ràng chi tiết) đạt kết mong muốn Phương pháp nhận dạng dựa tương quan (correlation-based approach): Phương pháp sử dụng kỹ thuật matching thành phần phase vào biến đổi rời rạc Fourier (2D DFTs) hình ảnh đầu vào để xác nhận đối tượng truy cập Trong lịch sử, phương pháp đạt hiệu cao ứng dụng thị giác máy tính Việc sử dụng thông tin giai đoạn biến đổi rời rạc Fourier GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học nhằm làm tăng độ tin cậy dấu vân tay dấu vân tay không chất lượng (không rõ ràng, độ phân giải thấp ) 1.2 Nhận Dạng Khuôn Mặt (Face Recognition ) Phương pháp nhận dạng khuôn mặt phương pháp nonintrusive hình kỹ thuật ghi nhận khuôn mặt từ camera phân tích đặc điểm đặc biệt khoảng cách hai mắt, mũi, miệng cạnh hàm Những độ đo lưu trữ sở liệu để sử dụng để xác thực người dùng Nhận dạng khuôn mặt thực theo hai cách Face appearance: Sử dụng biến đổi Fourier hình ảnh với tần số hình thành eigenface bao gồm eigen vector ma trận hiệp phương sai (covariance matrix) hình ảnh huấn luyện Sự khác biệt khuôn mặt bị bắt không bị nhiễu bị chiếu sáng nhiều mức độ khác Facial thermograms: phương pháp sử dụng máy quét hồng ngoại để xác định đặc điểm khuôn mặt.Kỹ thuật không bị ảnh hưởng cải trang chí phẫu thuật thẩm mỹ vấn đề ánh sáng.Kỹ thuật cung cấp độ xác cao, tốc độ độ tin cậy cao yêu cầu lưu trữ tối thiểu.Để ngăn chặn khuôn mặt giả, nhiều hệ thống đòi hỏi người sử dụng phải mỉm cừoi, chớp mắt chuyển động thể trước xác minh.Kỹ thuật xem công cụ tiềm để ngăn chặn khủng bố, trại giam giao dịch ngân hàng tự động Ngoài có số phương pháp nhận dạng khuôn mặt khác Face geometry: Mô hình khuôn mặt quy đặc trưng bất biến GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học mắt, miệng khung hình học đặc trưng Cách nhận dạng khuôn mặt sau gặp phải số vấn đề matching constellations 1.3 Nhận Dạng Giọng Nói (Voice Recognition ) Kết hợp yếu tố vật lý yếu tố hành vi để tạo mẫu giọng nói sau xử lý công nghệ xử lý giọng nói Đặc tính vật lý vốn có giọng nói người tần số, âm, nhịp sử dụng để xác thực người dùng.Bất lợi phương pháp giọng nói dễ nhạy cảm với nhiễu (noise) xung quanh.Kỹ thuật nhận dạng giọng nói chia thành loại [1] Fixed text method: Là kỹ thuật yêu cầu người dùng phải nói với từ mà người dùng đăng ký hệ thống Text dependent method:Là kỹ thuật mà hệ thống yêu cầu người sử dụng lặp lại từ cụm từ hệ thống đưa ra.Sau hệ thống tính toán dựa giọng nói người sử dụng để xác thực người Text independent method: Phương pháp kỹ thuật tiên tiến mà người dùng không cần phải trình bày rõ từ cụm từ cụ thể nảo Việc kết hợp thực hệ thống sở mô hình giọng nói không phân biệt ngôn ngữ sử dụng Conversational technique (Kỹ thuật đàm thoại): Kỹ thuật xác minh danh tính người nói cách tìm hiểu kiến thức bí mật để xác định người dùng GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 1.4 Nhận Dạng Mống Mắt (Iris Recognition ) Mống mắt hay gọi tròng đen mắt, khu vực hình khuyên nằm phía sau thủy tinh thể Mống mắt hình thành thời kỳ phát triển thai nhi ổn định hai tuổi [2].Mống mắt có kết cấu phức tạp chứa nhiều thông tin hữu ích xác định thông tin cá nhân Nhận dạng mống mắt phương pháp sử dụng kỹ thuật nhận dạng dựa xử lý ảnh mống mắt.Đặc trưng sinh học mống mắt đặc trưng có tính bất biến người suốt đời khó can thiệp để thây đổi cấu trúc mống mắt Nhận dạng mống mắt cho tốc độ nhanh xác cao xác thực ADN 1.5 Nhận Dạng Chữ Ký (Signature Recognition ) Phương pháp loại nhận dạng chữ viết.Đã sử dụng lâu thành công.Phương pháp dựa chữ ký người để xác định danh tính người Cách tiếp cận nhằm xác minh đường nét, số lượng thành phần dốc chữ ký Phương pháp xác thực theo phương pháp cho kết nhanh, yêu cầu lưu trữ thông tin thấy Tuy nhiên, chữ ký sinh trắc học hành vi thây đổi theo thời gian, chiệu ảnh hưởng điều kiện vật chất tình cảm người ký Hơn có số người bắt chước chữ ký người khác Do phương pháp thây thể phương pháp nhận dạng có độ tin cậy cao Có hai phương nhận dạng chữ ký sau: GVGD: PGS.TS Đặng Trần Khánh Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Nhận dạng chữ ký “offline”: Trong trường hợp này, người sử dụng ký chữ ký họ lên giấy sau số hóa chữ ký scanner camera hệ thống nhận nhận dạng chữ ký phân tích đường nét chữ ký.Phương pháp nhận dạng biết hệ thống nhận dạng tĩnh Nhận dạng chữ ký “on-line”: Trong trường hợp này, người sử dụng ký chữ ký họ lên bảng điện tử thời điểm xác thực.Phương pháp biết phương pháp động 1.6 Kết Luận Hiện giới có nhiều phương pháp để xác thực người sử dụng.Các hệ thống xây dựng để áp ứng nhu bảo mật thông tin người sử dụng.Hiện tại, sđa số phương pháp sử dụng phổ biến pc hệ thống chuyên biệt đáp ứng nhu cầu cụ thể.Bắt đầu năm kỷ 21, Các thiết bị di động (mobile) smartphone dần phổ biến chiếm lĩnh thị trường Nhu cầu xác thực người sử dụng thiết bị di động phát triển theo.Hiện có số phương pháp xác thực sử dụng thiết bị di động Hình II cho biết có số phương pháp xác thực áp dụng mobile so sánh số tính chất (Universality :Tính phổ biến,Distinctiveness :Sự khác biệt mẫu) tính hiệu (Performance: tính hiệu quả), khả chấp nhận người dụng (Acceptability) Khả bị đánh lừa số phương pháp xác thực (Circumvention) ba mức độ cao (H), trung bình (M) thấp (L) Dựa vào bảng (hình II) cho ta thấy khả đánh lừa hệ thống sử phương pháp nhận dạng mống mắt thấp, đạt hiệu cao chưa phổ biến.Phương pháp nhận dạng chữ ký tính tổng quát thấp khả bị Face GVGD: PGS.TS Đặng Trần Khánh H H M H L H Circumvention Acceptability Performance Collectable Permanence Biometric identifier Distinctiveness Factors Universality đánh lừa cao H Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Fingerprint M H H M H M Iris H H H M H L Signature L L L H L H voice M L L M L H Hình II: Bảng so sánh phương pháp sinh trắc học [2] [5] M L H H Chương 2: Phương Pháp Xác Thực Bằng Khuôn Mặt Phương pháp nhận diện khuôn mặt sử dụng nhiều thiết bị di động Việc xác thực nhận dạng khuôn mặt thường phải qua ba bước sau: Phát khuôn mặt (face detection): thiết bị máy hình, camera tìm phát khuôn mặt Phân tách đặc điểm khuôn mặt (feature extraction): xác định đặc điểm mô tả khuôn mặt phân tích, rút trích từ bước phát khuôn mặt Xác thực khuôn mặt (face recognition/ face verification): dựa liệu sẳn có khuôn mặt người dùng, so sánh với liệu từ bước để xác thực người dùng GVGD: PGS.TS Đặng Trần Khánh 10 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 2.1 Các Phương Pháp Phát Hiện Khuôn Mặt Phát gương mặt bước để xác thực khuôn mặt, kỹ thuật để phát khuôn mặt bước tiền xử lý để phân tách đặc điểm khuôn mặt Đối với người, việc phát dường dễ dàng, người phát khuôn mặt nhiều góc độ khác nhau, máy tính, thiết bị di động vấn đề phát không đơn giản Có nhiều nhiều phương pháp phát khuôn mặt đề xuất, phương pháp phân thành loại chính[6] Các phương pháp dựa vào heuristic (heuristic-based methods): phương pháp dễ thực độ tin cậy không cao số trường hợp thay đổi ngoại cảnh Các phương pháp dựa vào phân loại (classification-based methods): phương pháp tiếp cận việc phát khuôn mặt với việc phân loại khuôn mặt, có độ tin cậy Trong báo cáo này, nhóm xin phép nghiên cứu, trình bày phương pháp: phương pháp dựa vào màu da (skin color), phương pháp dựa vào đặc điểm khuôn mặt (Facial feature), phương pháp Viola-Jones 2.1.1 Phương Pháp Dựa Vào Màu Da Màu sắc da khuôn mặt đặc điểm quan trọng để nhận biết, phương pháp phát dựa màu da xử lý nhanh so với phương pháp dựa đặc điểm khuôn mặt [7] Các giải thuật áp dụng nhiều để phát khuôn mặt phương pháp dựa mô hình màu sắc RGB, YCbCr, HSI Các giải thuật phát điểm ảnh khuôn mặt, sử dụng đồ thị màu sắc, xác định khuôn mặt dựa số điểm khối thỏa điều kiện a Giải thuật dựa mô hình RGB Không gian màu sắc RGB gồm yếu tố màu chính: màu đỏ (Red), màu xanh (Green) màu xanh da trời (Blue) Các màu lại dựa GVGD: PGS.TS Đặng Trần Khánh 11 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học kết hợp ba màu theo tỉ lệ khác Sau giải thuật giới thiệu theo tài liệu [8] Giải thuật chuẩn hóa vectơ (R, G, B) sang dạng vectơ (r, g, b) Xác định khoảng màu F1(r), F1(r) Tìm điều kiện, loại bỏ màu trắng (r = 0.33, g = 0.33) Xác định vùng khuôn mặt dựa điều kiện Tuy nhiên, giải thuật nhận dạng nhầm lẫn vùng da tay, chân… b Giải thuật dựa mô hình YCbCr Không gian màu sắc YCbCr sử dụng giải thuật này, dựa yếu tố màu RGB phân chia màu sắc theo độ sáng (Y) độ màu (Cb, Cr) da Giải thuật quan tâm đến thành phần độ màu Cb, Cr, dựa khoảng chúng để xác định vùng da mặt Chuyển vectơ (R, G, B) sang vectơ (Y, Cb, Cr) Dựa nghiên cứu, người ta xác định ngưỡng màu da khuôn mặt Cb giá trị dao động khoảng 150, Cr khoảng 100 c Giải thuận dựa mô hình HIS Các yếu tố màu sắc phân theo thành phần: màu sắc (Hue - H), độ bão hòa (saturation - S), cường độ (Intensity - I) Giải thuật sử dụng thành phần H, S kết hợp để xác định vị trí khuôn mặt Chuyển không gian (R, G, B) sang không gian (H, S, I), tính H GVGD: PGS.TS Đặng Trần Khánh 12 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Xác định pixel khuôn mặt 2.1.2 Phương Pháp Dựa Vào Các Đặc Điểm Khuôn Mặt Phương pháp dựa đặc điểm khuôn mặt màu da khuôn mặt, tóc, mũi, mắt, miệng… kết hợp đặc điểm đặc điểm Sau phương pháp dựa kết hợp màu da tóc để phát khuôn mặt Đối với xác định khuôn mặt dựa màu da trình bày phần 2.2.1, xác định đặc điểm tóc dựa màu tóc Trong tài liệu [8], màu tóc dựa kết hợp cường độ I, màu sắc H mô hình HIS, yếu tố thành phần RGB Xác định màu tóc pixel Các điều kiện: để ngăn bỏ pixels màu xanh, để thỏa mãn điều kiện màu tối tóc, màu tóc màu nâu Tuy nhiên trường hợp tóc nhuộm điều kiện không 2.1.3 Phương Pháp Viola-Jones Phương pháp Viola-Jones đề xuất Paul Viola Michael Jones dựa phương pháp Boosting (phát khuôn mặt dùng kỹ thuật học máy), phương pháp Boosting phát hiên đối tượng trực diện, Viola-Jones xử lý trường hợp khuôn mặt nghiêng Phương pháp kết hợp bốn kỹ thuật chính: Đặc trưng Haar (Haar-like feature): sử dụng hình chữ nhật để tính độ chênh lệch điểm ảnh vùng liền kề Đặc trưng biểu diễn mối liên hệ phận đối tượng, nên diễn đạt tri thức đối tượng ảnh GVGD: PGS.TS Đặng Trần Khánh 13 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Ảnh tách (Integral image)[10]: đặc trưng hình chữ nhật tính nhanh thông qua biểu diễn trung gian integral image, integral image vị trí điểm ảnh (x, y) tổng giá trị điểm ảnh phía bên trái Hình có đặc điểm: integral image điểm tổng giá trị điểm ảnh hình chữ nhật A, điểm A + B, điểm A + C, điểm số A + B + C + D Vì vậy, ta tính giá trị điểm ảnh hình chữ nhật dựa integral image Mô hình cascade: mô hình huấn luyện nhiều tầng để nhân dạng, phân loại đối tượng, mô hình phân tầng theo dạng hình cây, nhiều tầng, tầng phân loại Ảnh Mô hình Cascade Đ C3 C111 Đ C2 S S Không đối tượng Đ S Đối tượng Thuật toán Adaboost: Adaptive Boosting cải tiến từ Boosting Freund Schapire đề xuất, dựa việc kết hợp phân lớp Trong giải thuật, sử dụng phương pháp huấn luyện có trọng số dựa tập huấn luyện hình cho trước để phân loại đối tượng, trình huấn luyện trọng số thay đổi để biến đổi thông số phân loại đối tượng GVGD: PGS.TS Đặng Trần Khánh 14 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 2.2 Phân Tách Các Đặc Điểm Khuôn Mặt Sau phát khuôn mặt, vectơ đặc trưng mô tả khuôn mặt phân tách, rút trích Bức ảnh có đối tượng (khuôn mặt) khoanh vùng, sau dựa yếu tố để xác định đặc điểm khuôn mặt mắt, mũi miệng,… Quá trình phân tách đặc điểm khuôn mặt chia làm ba bước [11]: Giảm chiều (dimensionality reduction), phân tách đặc điểm (feature extraxtion), chọn đặc điểm khuôn mặt (feature selection) Các bước không đòi hỏi tuần tự, thực xen kẽ Giảm chiều: công việc quan trong phương pháp nhận dạng nào, việc giảm chiều để đem lại liệu dạng thu nhỏ hơn, giảm không gian vectơ đảm bảo độ xác Phân tách đặc điểm: Dữ liệu biến đổi thành dạng biểu diễn cho tập hợp đặc điểm Các đặc điểm tách cẩn thận cho thông tin liên quan việc nhận diện tốt Các giải thuật phân tách đặc điểm: PCA (Principal Component Analysis), LDA (Linear Discriminant Analysis), giải thuật dựa phương pháp mạng nơron nhân tạo… Chọn đặc điểm: Mục đích công việc lựa chọn tập liệu phân tách gây lỗi phân loại nhỏ Các giải thuật chọn đặc điểm: vét cạn, Branch and Bound, … Sau phân tách chọn đặc điểm, phân loại hình ảnh, tùy thuộc vào giải thuật nhận diện khuôn mặt áp dụng có phương pháp phân loại khác Các giải thuật phân loại thường dùng nhiều lĩnh vực: khai phá liệu, xử lý nhận dạng, tài chính…Phân loại nhận dạng thường sử dụng giải thuật phân loại có phương pháp học có giám sát để huấn luyện tập liệu mẫu GVGD: PGS.TS Đặng Trần Khánh 15 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 2.3 Xác Thực Khuôn Mặt Đây bước xác thực để nhận biết khuôn mặt có phải ứng với người dùng hay không Tuy nhiên, để việc xác thực thực trước phải đăng ký liệu khuôn mặt trước, dựa liệu để so sánh, đối chiếu với liệu cần xác thực Các bước đăng ký liệu (face registration) thực theo bước trên, đến phần xác thực, thay so sánh liệu tiến hành lưu đặc điểm, liệu khuôn mặt (dữ liệu sinh trắc học), dựa vào hình ảnh người dùng lưu sở liệu Nhận diện khuôn mặt nhiều lĩnh vực nghiên cứu: thị giác máy tính, học máy, nhận dạng mẫu…và phương pháp nhận diện tiếp cận theo phương pháp riêng Phương pháp tiếp cận phân loại sau [11] Tiếp cận dựa vào đặc điểm hình học/bản mẫu (Geometric/Template Based approaches): Giải thuật nhận dạng dựa giải thuật dựa mẫu dựa vào đặc điểm hình học Giải thuật dựa mẫu dùng phương pháp so sánh ảnh đầu vào với tập mẫu, tập mẫu xây dựng công cụ thống kê: SVM, PCA…Giải thuật dựa đặc điểm hình học phân tích đặc điểm khuôn mặt mối quan hệ hình học, giải thuật dựa đặc điểm hình học gồm có giải thuật Elastic Bunch Graph Matching Tiếp cận phần/ toàn phần (Piecemeal/ Wholistic approaches): Khuôn mặt xác thực dựa vào đặc điểm nhỏ bật, chẳng hạn đặc điểm nốt ruồi, vết sẹo, mũi, phải dựa vào kết hợp đặc điểm toàn khuôn mặt…Dựa ý tưởng giải thuật tiếp cận xử lý đặc điểm khuôn mặt cách độc lập mối quan hệ đặc điểm khuôn mặt đặc điểm khuôn mặt so với toàn khuôn mặt Tiếp cận dựa mô hình (Appearance-based / Model-based approaches): Phương pháp appearance sử dụng việc xử lý ảnh khuôn mặt mức độ thô, sử dụng phương pháp thống kê để dẫn xuất không gian đặc trưng (đặc điểm khuôn mặt) từ phân bố ảnh (điểm ảnh) Phương pháp dựa mô hình cố gắng xây dựng GVGD: PGS.TS Đặng Trần Khánh 16 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học mô hình khuôn mặt người theo không gian chiều (2 chiều chiều), sử dụng mẫu mô hình, thông số để nhận dạng hình ảnh Tiếp cận dựa mạng thần kinh, thống kê, mẫu (Template/statistical/neural network approaches): phương pháp đối chiếu mẫu sử dụng chức độ tương quan, độ đo khoảng cách, mẫu biểu diễn dạng mô hình, kết cấu, họa tiết… Phương pháp thống kê, mẫu biểu diễn dạng đặc trưng, đặc điểm, nhận dạng sử dụng phương thức phân biệt Phương pháp mạng thần kinh nhân tạo sử dụng mô mạng nơron thần kinh 2.4 Giải Thuật Nhận Dạng Eigenfaces Eigenfaces (được đề nghị Matthew Turk Alex Pentland) dùng nhận dạng, phát triển dựa phương pháp phân tích thành phần PCA, thích nghi điều kiệu ràng buộc môi trường (trong nhà, văn phòng…) Phương pháp không dựa mô hình 3D, dựa vào đặc điểm cấu trúc khuôn mặt mà dùng phương pháp kết hợp tuyến tính đặc điểm khuôn mặt Các Bước xử lý nhận dạng [12]: Khởi tạo: Thu thập tập liệu huấn luyện ảnh khuôn mặt, tính toán eigenfaces, định nghĩa không gian khuôn mặt (face space) Nếu có ảnh mới, tính toán tập trọng số (weights) dựa vào ảnh đầu vào M eigenfaces tính, chiếu ảnh đầu vào vào eigenfaces Xác định xem ảnh có phải ảnh khuôn mặt hay không Nếu có khuôn mặt, nhận dạng dựa mẫu trọng số (pattern weights) Nếu không nhận dạng khuôn mặt, biến đổi thành tập khuôn mặt biết theo đặc điểm mẫu trọng số Tính eigenfaces Mỗi ảnh ma trận hai chiều điểm ảnh biến đổi sang vectơ Trong đề tài này, nhóm sử dụng ảnh có kích thước 150 x 125 biến đổi thành vectơ có kích thước 18750 Trong tập mẫu huấn luyện có M ảnh khuôn mặt, biến đổi thành M vectơ : , , , …, GVGD: PGS.TS Đặng Trần Khánh 17 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Vectơ trung bình tập huấn luyện độ sai lệch vectơ ảnh : Sau tìm tập M vectơ trực giao eigenvalues mà mô tả tốt phân bố liệu vectơ eigenvectơ eigenvalue ma trận covariance Trong A = [], Nhận dạng Ảnh khuôn mặt cần nhận dạng biến đổi thành thành phần eigenface ảnh khuôn mặt có vectơ Г chiếu vào không gian khuôn mặt trọng số lưu thành vectơ Ω Xác định ảnh với phân lớp khuôn mặt dựa độ đo khoảng cách euclidean Chọn khoảng cách nhỏ Nếu nhỏ ngưỡng giá trị chấp nhận θ ảnh nhận dạng, phân theo lớp thưa k Chương 3: Bảo Vệ Dữ Liệu Nhận Dạng Trên Thiết Bị Di Động 3.1 Các Phương Pháp Bảo Vệ Dữ Liệu Trên Thiết Bị Di Động 3.2 Hiện Thực GVGD: PGS.TS Đặng Trần Khánh 18 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Chương 4: Tổng Kết GVGD: PGS.TS Đặng Trần Khánh 19 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học TÀI LIỆU THAM KHẢO [1] Sid Angle, Ree Bhagtani, Hem Chheda, 2005, Biometrics: A Further Echelon of Security, Department of Biometric Engineering, Thadomal Shahani Engineering College, T.P.S III, Bandra, Mumbai-50, pages [2] Anil K., Jain, 2006, “Biometrics: A Tool for Information Security”, IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, VOL 1, NO 2, pp 125-143 [3] Francis Galton, F.R.S, 1982, Fingerprint, London, Macmillan and co and New York [4] A Fingerprint Recognition AlgorithmCombining Phase-Based Image Matchingand Feature-Based Matching [5] A K Jain, A Ross, S Prabhakar, 2004, "An Introduction to Biometric Recognition", IEEE Trans on Circuits and Systems for Video Technology, Vol 14, No 1, pp 4-19, GVGD: PGS.TS Đặng Trần Khánh 20 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học [6] Q Tao, R Veldhuis, 2012, “Biometric Authentication System on Mobile Personal Devices”, IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, VOL 59, Issue 4, pp 763-773 [7] Sanjay Kr Singh et al., 2003, “A Robust Skin Color Based Face Detection Algorithm”, Tamkang Journal of Science and Engineering, Vol 6, No 4, pp 227-234 [8] YJ Chen, YC Lin, 2007, “Simple Face-detection Algorithm Based on Minimum Facial Features”, The 33rd Annual Conference of the IEEE Industrial Electronics Society, IECON, Taipei, Taiwan, pp 455 – 460 [9] S A Sirohey, A Rosenfeld, 2001,“Eye detection in a face imageusing linear and nonlinear filters”, Pattern Recognition, VOL 34, Issue 7, pp.1367–1391 [10] P Viola, M.J Jones, 2004, “Robust Real-Time Face Detection”, International Journal of Computer Vision, Kluwer Academic Publishers, Netherlands, VOL 57, Issue 2, pp.137-154 [11] Ion Marqués, 2010, “Face Recognition Algorithms”, Universidad del País Vasco, supervisor: Manuel Gran~a, 78 pages [12] M Turk, A Pentland, 1991, ”Eigenfaces for Recognition”, Journal of Cognitive Neuroscience Vol 3, No 1, pp.71-86 GVGD: PGS.TS Đặng Trần Khánh 21 [...]... Thiết Bị Di Động 3.1 Các Phương Pháp Bảo Vệ Dữ Liệu Trên Thiết Bị Di Động 3.2 Hiện Thực GVGD: PGS.TS Đặng Trần Khánh 18 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Chương 4: Tổng Kết GVGD: PGS.TS Đặng Trần Khánh 19 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học TÀI LIỆU THAM KHẢO [1] Sid Angle, Ree Bhagtani, Hem Chheda, 2005, Biometrics: A Further Echelon of Security, Department.. .Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 2.1 Các Phương Pháp Phát Hiện Khuôn Mặt Phát hiện gương mặt là bước đầu tiên để xác thực bằng khuôn mặt, các kỹ thuật để phát hiện khuôn mặt cũng là bước tiền xử lý để phân tách các đặc điểm của khuôn mặt Đối với con người, việc phát hiện dường như rất dễ dàng, con người có thể phát hiện khuôn mặt ở nhiều... biểu di n mối liên hệ giữa các bộ phận của đối tượng, nên nó có thể di n đạt được các tri thức về các đối tượng trong ảnh GVGD: PGS.TS Đặng Trần Khánh 13 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Ảnh tách (Integral image)[10]: đặc trưng của hình chữ nhật có thể được tính nhanh hơn thông qua biểu di n trung gian là integral image, integral image tại vị trí điểm ảnh (x, y) bằng tổng... (Intensity - I) Giải thuật này sử dụng thành phần H, S kết hợp để xác định vị trí khuôn mặt Chuyển không gian (R, G, B) sang không gian (H, S, I), tính H GVGD: PGS.TS Đặng Trần Khánh 12 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học Xác định pixel trên khuôn mặt 2.1.2 Phương Pháp Dựa Vào Các Đặc Điểm Khuôn Mặt Phương pháp dựa trên đặc điểm của khuôn mặt như màu da khuôn mặt, tóc, mũi, mắt,... nhận di n khuôn mặt được áp dụng có những phương pháp phân loại khác nhau Các giải thuật phân loại thường được dùng nhiều trong các lĩnh vực: khai phá dữ liệu, xử lý nhận dạng, tài chính…Phân loại trong nhận dạng thường sử dụng giải thuật phân loại có phương pháp học có giám sát để huấn luyện các tập dữ liệu mẫu GVGD: PGS.TS Đặng Trần Khánh 15 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học. .. Sinh Trắc Học 2.3 Xác Thực Khuôn Mặt Đây là bước xác thực để nhận biết khuôn mặt này có phải ứng với người dùng hay không Tuy nhiên, để việc xác thực được thực hiện thì trước đó phải đăng ký dữ liệu khuôn mặt trước, dựa trên dữ liệu này để so sánh, đối chiếu với dữ liệu hiện tại cần xác thực Các bước đăng ký dữ liệu (face registration) được thực hiện theo các bước trên, đến phần xác thực, thay vì so... dụng các đồ thị màu sắc, xác định khuôn mặt dựa trên số điểm trong khối thỏa các điều kiện a Giải thuật dựa trên mô hình RGB Không gian màu sắc RGB gồm 3 yếu tố màu chính: màu đỏ (Red), màu xanh lá cây (Green) và màu xanh da trời (Blue) Các màu còn lại dựa trên sự GVGD: PGS.TS Đặng Trần Khánh 11 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học kết hợp của ba màu này theo tỉ lệ khác nhau... sử dụng phương pháp thống kê để dẫn xuất không gian đặc trưng (đặc điểm khuôn mặt) từ sự phân bố ảnh (điểm ảnh) Phương pháp dựa trên mô hình cố gắng xây dựng GVGD: PGS.TS Đặng Trần Khánh 16 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học mô hình khuôn mặt của người theo không gian chiều (2 chiều hoặc 3 chiều), sử dụng các mẫu của mô hình, các thông số để nhận dạng hình ảnh Tiếp cận dựa... Schapire đề xuất, dựa trên việc kết hợp các bộ phân lớp Trong giải thuật, sử dụng phương pháp huấn luyện có trọng số dựa trên tập huấn luyện là các hình cho trước để phân loại đối tượng, trong quá trình huấn luyện các trọng số thay đổi để biến đổi các thông số phân loại đối tượng đúng hơn GVGD: PGS.TS Đặng Trần Khánh 14 Xác Thực Người Dùng Trên Thiết Bị Di Động Bằng Sinh Trắc Học 2.2 Phân Tách Các... gian khuôn mặt bằng các trọng số được lưu thành vectơ Ω Xác định ảnh mới với các phân lớp khuôn mặt dựa trên độ đo khoảng cách euclidean Chọn khoảng cách nhỏ nhất Nếu nhỏ hơn ngưỡng giá trị có thể chấp nhận được θ thì ảnh đó được nhận dạng, phân theo lớp thưa k Chương 3: Bảo Vệ Dữ Liệu Nhận Dạng Trên Thiết Bị Di Động 3.1 Các Phương Pháp Bảo Vệ Dữ Liệu Trên Thiết Bị Di Động 3.2 Hiện Thực GVGD: PGS.TS