PHÁT HIỆN LÒNG BÀN TAY TRỰC TIẾP VÀ NHẬN DẠNG NGƯỜI SỬ DỤNG MÔ HÌNH TETRA CẤU TRÚC VI MÔ CỤC BỘ
170 lượt xemTóm tắt
Bài báo này đề xuất một phương pháp không tiếp xúc nhằm phát hiện lòng bàn tay trực tiếp và nhận diện lòng bàn tay người, thực hiện trên máy tính nhúng Raspeberry Pi 4. Một tập các hình ảnh về lòng bàn tay được chụp nhờ camera, sau đó lòng bàn tay được xác định. Các hình ảnh này sẽ được đưa qua một thuật toán xác định lòng bàn tay người thực thông qua việc tính toán sự thay đổi của cường độ sáng tương ứng với sự thay đổi lưu lượng máu trong một chu kỳ tuần hoàn. Sau khi đã xác định đó là hình ảnh lòng bàn tay người trực tiếp, chứ không phải là ảnh in hay giả, lòng bàn tay người sẽ được nhận dạng và định danh qua mô hình cấu trúc vi mô cục bộ để chứng thực xem người đó có phải nằm trong cơ sở dữ liệu hay không và đó là ai. Thuật toán được thực hiện trên cơ sở dữ liệu gồm 15 người, cho độ chính xác 89% với bước xác định người trực tiếp, và 91% với nhận dạng và định danh người.
Tài liệu tham khảo
[1]. L. Fei, G. Lu, W. Jia, S. Teng, and D. Zhang, “Feature extraction methods for palmprint recognition: A survey and evaluation,” IEEE Trans. Syst., Man, Cybern., Syst., Vol. 49, No. 2 (2018), pp. 1-18.
[2]. L. Leng, M. Li, L. Leng, and A. B. J. Teoh, “Conjugate 2DpalmHash code for secure palm-print-vein verification,” in Proc. of 6th Int. Congress on Image and Signal Processing (CISP), (2013), pp. 1705-1710.
[3]. L. Leng, J. Zhang, M. K. Khan, X. Chen, and K. Alghathbar, “Dynamic weighted discrimination power analysis: a novel approach for face and palmprint recognition in DCT domain,” Int. Journal of Physical Sciences, Vol. 5, No. 17 (2010), pp. 2543–2554.
[4]. A. Kumar, “Toward more accurate matching of contactless palmprint images under less constrained environments,” IEEE Trans. Inf. Forensic. Secur., Vol. 14, No. 1 (2019), pp. 34–47.
[5]. C. Zaghetto, M. Mendelson, A. Zaghetto, and F. d. B. Vidal, “Liveness detection on touchless fingerprint devices using texture descriptors and artificial neural networks,” in Proc. 2017 IEEE Int. Joint Conference on Biometrics (IJCB), (2017), pp. 406–412.
[6]. J. Y. Choi, Y. M. Ro, and K. N. Plataniotis, “Color local texture features for color face recognition,” IEEE Trans. Image Process., Vol. 21, No. 3 (2012), pp. 1366–1380.
[7]. DCastaneda, AEsparza, MGhamari, CSoltanpur, H. Nazeran “A review on wearable photoplethysmography sensors and their potential future applications in health care”, Int J Biosens Bioelectron., Vol. 4, No. 4 (2018), pp. 195–202.
[8]. M. Turk, A. Pentland, “Eigenfaces for recognition” Journal of Cognitive Neuroscience, Vol.3, No.1 (1991), pp. 71-86.
[9]. P.N. Belhumeur; J.P. Hespanha; D.J. Kriegman, “Eigenfaces vs. Fisherfaces: recognition using class specific linear projection”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19, No.7 (1997), pp. 711-720.
[10]. T. Ahonen, A. Hadid, M. Pietikäinen, “Face Recognition with Local Binary Patterns”, Proc. of European Conference on Computer Vision., (2004), pp. 469-481.
[11]. A. W. Kong and D. Zhang, “Competitive coding scheme for palmprint verification,” Proc. of the 17th International Conference on Pattern Recognition, (2004).
[12]. S. A. Maadeed, X. Jiang, I. Rida, A. Bouridane, “Palmprint identification using sparse and dense hybrid representation,”. Multimedia Tools and Applications, Vol.78, (2019), pp 5665–5679.
[13]. G. Li and J. Kim, “Palmprint recognition with Local Micro-structure Tetra Pattern,” Pattern Recognit., Vol. 61, (2017), pp. 29–46.
[14]. L. Fei, G. Lu, W. Jia, S. Teng, D. Zhang, “Feature Extraction Methods for Palmprint Recognition: A Survey and Evaluation,” IEEE Trans. on Systems, Man, and Cybernetics: Systems, Vol. 49, No. 2 (2019), pp. 346- 363..
