Trong thời đại công nghệ phát triển, việc nhận dạng cá nhân tự động được thực
hiện ngày càng nhanh chóng và dễ dàng. Công nghệ sinh trắc học ngày càng được
ứng dụng phổ biến. Ví dụ ứng dụng nhận dạng vân tay trên thiết bị di động. Ứng dụng
dụng này hết sức tiện lợi để bảo mật thiết bị di động. Theo kết quả từ một cuộc khảo
sát gần đây, sinh trắc học được người sử dụng yêu thích và ngày càng thay thế việc
sử dụng mật khẩu [1]. Sinh trắc học mang lại những lợi thế nhất định mà các cơ chế
xác thực khác không thể cung cấp. Cơ chế này gắn kết chặt chẽ giữ danh tính người
dùng với đặc điểm của người đó. Đặc điểm sinh trắc học này không bị mất và không
bị trùng lắp [2]. Sinh trắc học có khả năng chống lại các cuộc tấn công cao hơn so với
các phương pháp khác. Một trong những lợi thế chính của hệ thống nhận dạng sinh
trắc học là hệ thống xác định được các người dùng đã được đăng ký trong hệ thống
[3]. Ngoài ra, các hệ thống sinh trắc học yêu cầu sự hiện diện của người dùng tại thời
điểm xác thực, ngăn chặn các cá nhân đưa ra các yêu cầu từ chối sai [4]. Cả hai điều
khoản này đều đặc biệt quan trọng trong các ứng dụng yêu cầu bảo mật, nơi những
kẻ mạo danh có thể cố gắng yêu cầu các danh tính khác nhau và đạt được lợi ích. Bên
cạnh việc tăng cường bảo mật, các hệ thống sinh trắc học cũng mang lại sự tiện lợi
cho người dùng bằng cách giảm bớt yêu cầu thiết kế mật khẩu và mã thông báo [5].
Hệ thống sinh trắc học sử dụng các đặc điểm cơ thể hoặc hành vi làm đặc trưng
nhận dạng. Hình 1.1 minh họa một số ví dụ về các đặc điểm sinh trắc học có thể được
sử dụng để xác thực người dùng. Chúng bao gồm khuôn mặt, tai, mống mắt, quét
võng mạc, giọng nói, vân tay, dấu vân tay, hình dạng bàn tay/ngón tay, các mẫu vân
mạch máu, nhịp tim hoặc thậm chí DNA [6], [7].
75 trang |
Chia sẻ: Trịnh Thiết | Ngày: 05/04/2024 | Lượt xem: 236 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Báo cáo Nhận dạng vân mạch máu lòng bàn tay dựa vào đặc trưng hướng đường vân cục bộ và đặc trưng sift cải tiến, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
TRƯỜNG ĐẠI HỌC QUỐC TẾ SÀI GÒN
KHOA CÔNG NGHỆ THÔNG TIN
-----------------------
PHẠM THỊ QUỲNH - TRẦN LÊ HẢI BÌNH
NHẬN DẠNG VÂN MẠCH MÁU LÒNG BÀN TAY DỰA
VÀO ĐẶC TRƯNG HƯỚNG ĐƯỜNG VÂN CỤC BỘ VÀ ĐẶC
TRƯNG SIFT CẢI TIẾN
BÁO CÁO NGHIÊN CỨU KHOA HỌC LẦN 3 - 2021
TP. HỒ CHÍ MINH - 2021
TRƯỜNG ĐẠI HỌC QUỐC TẾ SÀI GÒN
KHOA CÔNG NGHỆ THÔNG TIN
PHẠM THỊ QUỲNH - TRẦN LÊ HẢI BÌNH
NHẬN DẠNG VÂN MẠCH MÁU LÒNG BÀN TAY DỰA
VÀO ĐẶC TRƯNG HƯỚNG ĐƯỜNG VÂN CỤC BỘ VÀ ĐẶC
TRƯNG SIFT CẢI TIẾN
BÁO CÁO NGHIÊN CỨU KHOA HỌC LẦN 3 - 2021
NGƯỜI HƯỚNG DẪN
TS. VĂN THIÊN HOÀNG
THS. VÕ ANH TIẾN
TP. HỒ CHÍ MINH - 2021
LỜI CAM ĐOAN
Tôi xin cam đoan báo cáo nghiên cứu khoa học với đề tài: “Nhận dạng vân
mạch máu lòng bàn tay dựa vào đặc trưng hướng đường vân cục bộ và đặc trưng
sift cải tiến” là công trình nghiên cứu của riêng chúng tôi.
Các trích dẫn, tham khảo trong quá trình nghiên cứu đều được trích dẫn đầy đủ,
ghi rõ nguồn gốc.
Tôi xin chịu hoàn toàn trách nhiệm nếu có bất kỳ sao chép không hợp lệ, vi
phạm quy chế đào tạo.
Người thực hiện
Phạm Thị Quỳnh – Trần Lê Hải Bình
LỜI CẢM ƠN
Lời đầu tiên em xin gửi lời cảm ơn đến Ban lãnh đạo, toàn thể quý Thầy, Cô
giảng viên Trường Đại học Quốc tế Sài Gòn đã tận tạo điệu kiện và cơ hội để chúng
em được tham dự một cuộc thi trí tuệ, chuyên nghiệp và sáng tạo.
Em xin gửi lời cảm ơn sâu sắc đến thầy TS. Văn Thiên Hoàng và thầy ThS.
Võ Anh tiến đã tận tình hướng dẫn, tạo mọi điều kiện thuận lợi và chỉ bảo chúng em
trong suốt thời gian làm nghiên cứu khoa học.
Tuy vậy, do thời gian có hạn, mặc dù đã cố gắng hết sức nhưng chắc rằng bài
nghiên cứu khoa học không tránh khỏi sự thiếu sót. Chúng em rất mong nhận được
sự thông cảm và chỉ bảo tận tình của quý Thầy Cô và các bạn.
Trân trọng cảm ơn.
Phạm Thị Quỳnh – Trần Lê Hải Bình
5
MỤC LỤC
DANH MỤC TỪ VIẾT TẮT .................................................................................. 7
DANH MỤC BẢNG ............................................................................................... 9
DANH MỤC HÌNH ẢNH ..................................................................................... 10
TÓM TẮT ......................................................................................................... 12
CHƯƠNG 1 TỔNG QUAN .................................................................................. 13
1.1 Giới thiệu chung ....................................................................................... 13
1.2 Hệ thống nhận dạng vân mạch máu lòng bàn tay ...................................... 17
1.3 Mục tiêu đề tài .......................................................................................... 26
1.4 Phương pháp nghiên cứu .......................................................................... 26
1.5 Đặc trưng và phạm vi nghiên cứu ............................................................. 27
1.6 Cấu trúc báo cáo ....................................................................................... 27
CHƯƠNG 2 CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN ......................... 29
2.1 Bộ lọc MFRAT ........................................................................................ 29
2.2 Các đặc trưng mẫu nhị phân cục bộ .......................................................... 30
2.3 Đặc trưng dẫn xuất cục bộ (Local derivative pattern - LDP) ..................... 35
2.4 Các đặc trưng cục bộ bất biến ................................................................... 36
CHƯƠNG 3 PHƯƠNG PHÁP ĐỀ XUẤT ............................................................ 62
3.1 Ý tưởng .................................................................................................... 62
3.2 Thuật toán ................................................................................................ 62
CHƯƠNG 4 KẾT QUẢ THỰC NGHIỆM ............................................................ 66
4.1 Cơ sở dữ liệu thực nghiệm ........................................................................ 66
4.2 Kết quả thực nghiệm ................................................................................ 66
CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN......................................... 69
5.1 Kết luận .................................................................................................... 69
6
5.2 Kiến nghị.................................................................................................. 69
TÀI LIỆU THAM KHẢO ..................................................................................... 70
7
DANH MỤC TỪ VIẾT TẮT
TỪ NỘI DUNG DIỄN GIẢI
NIR Near-infrared Ánh sáng hồng ngoại
ATM Automated Teller Machine Máy rút tiền tự động
DNA Deoxyribonucleic acid Phân tử mang thông tin di truyền
PDA Personal Digital Assistant Thiết bị kỹ thuật số hỗ trợ cá nhân
CCD Charge Coupled Device Cảm biến CCD
ROI Region of interest Vùng quan tâm
LDP Local derivative pattern Đặc trưng dẫn xuất cục bộ
LBP Local binary pattern Mẫu nhị phân cục bộ
MFRAT Modified Finite Radon Transform Biến đổi radon hữu hạn
SIFT Scale-invariant feature transform
Đặc trưng biến đổi bất biến theo tỉ
lệ
SURF Speeded up robust feature Đặc trưng cải thiện tốc độ
ASIFT
Affine scale invariant feature
transform
Đặc trưng biến đổi bất biến theo tỉ
lệ affin
RootSIFT
Root Scale-invariant feature
transform
Bộ mô tả SIFT nâng cao
PCA Principal component analysis
Phương pháp phân tích thành
phần chính
2D-PCA
Two-dimensional principal
component analysis
Phương pháp phân tích thành
phần chính 2 chiều
2D-FDA
Two-dimensional fisher
discriminant analysis
Phân tích phân biệt hai chiều
fisher
8
ECS-LBP
Enhanced centersymmetric local
binary pattern
Mẫu nhị phân cục bộ đối xứng
tâm cải tiến
EL-SIFT
Enhanced centersymmetric local
binary pattern with SIFT
Mẫu nhị phân cục bộ đối xứng
tâm cải tiến với SIFT
MLBP Multivariate Local binary pattern Mẫu nhị phân cục bộ đa biến
ELBP Enhanced local binary pattern Mẫu nhị phân cục bộ nâng cao
LBPV Local binary pattern variance Phương sai mẫu nhị phân cục bộ
DoG Difference-of-Gaussian Bộ lọc Gaussian xác định cạnh
MSIFT
Modified Scale-invariant feature
transform
Đặc trưng SIFT sửa đổi
9
DANH MỤC BẢNG
Bảng 4.1 Cơ sở dữ liệu huấn luyện và so khớp trong thực nghiệm ........................ 67
Bảng 4.3 Hiệu suất trung bình từ tay trái của PUT ................................................ 68
Bảng 4.4 Hiệu suất trung bình từ tay phải của PUT .............................................. 68
10
DANH MỤC HÌNH ẢNH
Hình 1.1 Các đặc điểm sinh trắc học về cơ thể và hành vi. .................................... 14
Hình 1.2 Sơ đồ khối nhận diện bằng hình ảnh vân mạch máu lòng bàn tay ........... 18
Hình 1.3 Thiết bị chụp ảnh đa phổ lòng bàn tay .................................................... 19
Hình 1.4 Sáu hình ảnh vân lòng bàn tay điển hình trong cơ sở dữ liệu .................. 20
Hình 1.5 Lưu đồ của phương pháp đường tròn nối tiếp cực đại rút trích ROI ........ 21
Hình 1.6 Hình ảnh mức xám ................................................................................. 22
Hình 1.7 Hình ảnh nhị phân sau các phép toán hình thái ....................................... 22
Hình 1.8 Hình ảnh xoay ........................................................................................ 23
Hình 1.9 Cắt hình ảnh ROI ................................................................................... 24
Hình 1.10 Hình ảnh ROI vân lòng bàn tay ............................................................ 24
Hình 1.11 Hình ảnh ROI của vân mạch máu lòng bàn tay ..................................... 24
Hình 2.3 36 mẫu bất biến xoay được tạo ra bởi phép toán 𝑳𝑩𝑷𝟖, 𝑹𝒓𝒊 .................. 32
Hình 2.4 Phép đo kết cấu MLBP mô tả các mối quan hệ không gian trong một dải và
giữa các dải ........................................................................................................... 32
Hình 2.5 Sơ đồ phép toán E – LBP4,4,3 .................................................................. 34
Hình 2.6 Mẫu 8 pixel lân cận xung quanh Z0 ........................................................ 35
Hình 2.7 Hình ảnh Gaussian liền về và sau mỗi quãng tám ................................... 41
Hình 2.8 Cực đại và cực tiểu của ảnh chênh lệch Gaussian ................................... 42
Hình 2.9 Biểu đồ số điểm chính được phát hiện trong một hình ảnh điển hình dưới
dạng hàm của số lượng mẫu tỉ lệ............................................................................ 43
Hình 2.10 Dòng trên cùng trong biểu đồ hiển thị phần trăm các vị trí nổi bật được
phát hiện lặp lại trong một hình ảnh đã biến đổi dưới dạng một hàm làm mịn hình ảnh
trước đó cho mức độ đầu tiên của mỗi quãng tám. Dòng dưới hiển thị phần trăm bộ
mô tả được so khớp chính xác với cơ sở dữ liệu lớn. ............................................. 43
Hình 2.11 Cho thấy các giai đoạn lựa chọn điểm chính......................................... 47
Hình 2.12 Dòng trên cùng trong biểu đồ hiển thị phần trăm các vị trí nổi bật và tỉ lệ
được phát hiện lặp lại như một hàm của nhiễu pixel. Dòng thứ hai cho thấy độ lặp lại
sau khi yêu cầu sự thống nhất trong hướng. Dòng dưới cùng hiển thị phần trăm của
các bộ mô tả được so khớp chính xác với cơ sở dữ liệu lớn. .................................. 51
Hình 2.13 Mảng bộ mô tả 2x2 được tính toán từ một tập hợp 8x8 mẫu. ................ 52
11
Hình 2.14 Biểu đồ này cho thấy phần trăm các điểm chính cho kết quả so khớp chính
xác với cơ sở dữ liệu gồm 40.000 điểm chính dưới dạng hàm số chiều rộng của bộ
mô tả điểm chính 𝒏 × 𝒏 và số hướng trong mỗi biểu đồ. Biểu đồ được tính toán cho
hình ảnh có góc nhìn affin thay đổi 50 độ và thêm 4% nhiễu. ................................ 55
Hình 2.15 Biểu đồ này cho thấy phát hiện vị trí điểm chính ổn định, hướng và so
khớp cuối cùng với cơ sở dữ liệu như một hàm biến dạng affine. Mức độ biến dạng
affine được biểu thị theo chiều sâu của góc quay tương đương đối với một bề mặt
phẳng..................................................................................................................... 56
Hình 2.16 Các thay đổi tỉ lệ và xoay ngẫu nhiên, biến đổi affine 30 độ và nhiễu hình
ảnh thêm 2% trước khi so khớp. ............................................................................ 57
Hình 2.17 Ở bên trái cách tiếp cận sử dụng SIFT; ở bên phải cách tiếp cận MSIFT
trên vân lòng bàn tay không tiếp xúc. .................................................................... 58
Hình 3.1 Sơ đồ của phương pháp đề xuất. ............................................................. 62
Hình 3.2 (a) Đặc trưng CS-LBP với 8 điểm lân cận và (b) Đặc trưng ECS-LBP với
16 khối lân cận (các khối bao gồm 4 điểm) ............................................................ 63
Hình 3.3 (a), (e) Hình ảnh gốc của cùng một người, (b), (f) CS-LBP, (c), g) ECS-
LBP, (d) Khớp giữa (b) và (f ), và (h) So khớp giữa (c) và (g). .............................. 64
Hình 3.4 (a), (e) Hình ảnh gốc của hai người khác nhau, (b), (f) CS-LBP, (c), (g)
ECS-LBP, (d) So khớp giữa (b) và ( f), và (h) So khớp giữa (c) và (g). ................. 65
Hình 4.2 Ảnh vân mạch máu từ bàn tay trái trong cơ sở dữ liệu PUT_left_100..... 66
Hình 4.4 Ảnh vân mạch máu từ bàn tay phải trong cơ sở dữ liệu PUT_right_100 . 66
12
TÓM TẮT
Gần đây, nhận dạng vân mạch máu lòng bàn tay là công nghệ sinh trắc học
mới với mức độ riêng tư và bảo mật cao vì kỹ thuật này sử dụng các mạch máu dưới
da lòng bàn tay để thiết lập nhận dạng. Nghiên cứu đề xuất phương pháp rút trích đặc
trưng vân mạch máu lòng bàn tay mới để nhận dạng vân mạch máu lòng bàn tay
không tiếp xúc dựa trên việc kết hợp mô hình nhị phân cục bộ đối xứng trung tâm
(ECS-LBP) cải tiến với SIFT và MFRAT, được gọi là MFRAT SIFT - ECS-LBP.
Phương pháp đề xuất bao gồm hai bước: 1) áp dụng bộ lọc MFRAT để rút trích đặc
trưng hướng của đường vân. 2) Áp dụng phương pháp ECS-LBP để phát hiện các
đường vân mạch máu lòng bàn tay ổn định và rõ ràng. 3) Rút trích đặc trưng cục bộ
bất biến SIFT trên hình ảnh đường vân mạch máu lòng bàn tay. Kết quả thử nghiệm
trên cơ sở dữ liệu vân mạch máu lòng bàn tay không tiếp xúc công khai PUT cho thấy
rằng phương pháp đề xuất của đề tài đạt độ chính xác cao và mạnh mẽ để nhận dạng
vân mạch máu lòng bàn tay so với các phương pháp khác.
TP Hồ Chí Minh, ngày 14 tháng 5 năm 2021
Phạm Thị Quỳnh – Trần Lê Hải Bình
13
CHƯƠNG 1 TỔNG QUAN
1.1 Giới thiệu chung
1.1.1 Giới thiệu sinh trắc học
Trong thời đại công nghệ phát triển, việc nhận dạng cá nhân tự động được thực
hiện ngày càng nhanh chóng và dễ dàng. Công nghệ sinh trắc học ngày càng được
ứng dụng phổ biến. Ví dụ ứng dụng nhận dạng vân tay trên thiết bị di động. Ứng dụng
dụng này hết sức tiện lợi để bảo mật thiết bị di động. Theo kết quả từ một cuộc khảo
sát gần đây, sinh trắc học được người sử dụng yêu thích và ngày càng thay thế việc
sử dụng mật khẩu [1]. Sinh trắc học mang lại những lợi thế nhất định mà các cơ chế
xác thực khác không thể cung cấp. Cơ chế này gắn kết chặt chẽ giữ danh tính người
dùng với đặc điểm của người đó. Đặc điểm sinh trắc học này không bị mất và không
bị trùng lắp [2]. Sinh trắc học có khả năng chống lại các cuộc tấn công cao hơn so với
các phương pháp khác. Một trong những lợi thế chính của hệ thống nhận dạng sinh
trắc học là hệ thống xác định được các người dùng đã được đăng ký trong hệ thống
[3]. Ngoài ra, các hệ thống sinh trắc học yêu cầu sự hiện diện của người dùng tại thời
điểm xác thực, ngăn chặn các cá nhân đưa ra các yêu cầu từ chối sai [4]. Cả hai điều
khoản này đều đặc biệt quan trọng trong các ứng dụng yêu cầu bảo mật, nơi những
kẻ mạo danh có thể cố gắng yêu cầu các danh tính khác nhau và đạt được lợi ích. Bên
cạnh việc tăng cường bảo mật, các hệ thống sinh trắc học cũng mang lại sự tiện lợi
cho người dùng bằng cách giảm bớt yêu cầu thiết kế mật khẩu và mã thông báo [5].
Hệ thống sinh trắc học sử dụng các đặc điểm cơ thể hoặc hành vi làm đặc trưng
nhận dạng. Hình 1.1 minh họa một số ví dụ về các đặc điểm sinh trắc học có thể được
sử dụng để xác thực người dùng. Chúng bao gồm khuôn mặt, tai, mống mắt, quét
võng mạc, giọng nói, vân tay, dấu vân tay, hình dạng bàn tay/ngón tay, các mẫu vân
mạch máu, nhịp tim hoặc thậm chí DNA [6], [7].
14
Hình 1.1 Các đặc điểm sinh trắc học về cơ thể và hành vi.
Đặc điểm hành vi là những đặc trưng thoái quen về hành động cơ thể của mỗi
người ví dụ như: dáng đi, chữ ký, lực gõ phím/nhịp gõ, cách sử dụng chuột của máy
tính và đặc điểm cầm thiết bị của người khác. Hơn nữa, các đặc trưng sinh trắc học
khác như: da, mắt, màu tóc, sự hiện diện của râu, chiều cao, cân nặng, hình xăm và
các yếu tố khác, cũng được sử dụng rộng rãi cho mục đích nhận diện [8]. Các thiết
bị, chẳng hạn như camera từ siêu thị đến các địa điểm công cộng và đường đi, có thể
xác định những người đi qua. Các hệ thống mới được thiết kế cẩn thận để có thể giảm
thiểu các lỗi nhận dạng sai. Trong tương lai các hệ thống thế hệ tiếp theo có thể giảm
hơn nữa lỗi nhận dạng sai bằng cách phát hiện các điều kiện làm suy yếu bất kỳ yếu
tố bên ngoài nào có thể ảnh hưởng đến hiệu quả của thiết bị dựa trên sinh trắc học.
15
1.1.2 Các ứng dụng của sinh trắc học
Hệ thống sinh trắc học được áp dụng trong nhiều lĩnh vực, đặc biệt là liên quan
đến bảo mật như kiểm soát truy cập vật lý và logic. Bao gồm các lĩnh vực sau:
1. Dịch vụ ngân hàng/tài chính như máy ATM, thiết bị thanh toán đầu cuối, thanh
toán không dùng tiền mặt, rút tiền mặt tự động,
2. Bảo mật máy tính & công nghệ thông tin như giao dịch Internet, đăng nhập
máy tính cá nhân,
3. Chăm sóc sức khỏe như quan tâm đến quyền riêng tư, kiểm soát thông tin bệnh
nhân, kiểm soát thuốc,
4. Nhập cư như kiểm soát biên giới, du khách thường xuyên, người tị nạn,
5. Luật pháp và trật tự xã hội như thẻ căn cước, bỏ phiếu, kiểm soát súng, nhà
tù,
6. Người gác cổng/Kiểm soát ra vào cửa như thiết lập an toàn, quân đội, khách
sạn, quản lý tòa nhà,
7. Viễn thông như điện thoại, gian lận thuê bao, trung tâm cuộc gọi, trò chơi,
8. Điểm danh và sự chuyên cần trong học tập và chấm công trong công ty.
9. Phúc lợi, bao gồm các dịch vụ chăm sóc sức khỏe và các khoản thanh toán
phúc lợi.
10. Sản phẩm tiêu dùng như máy dịch vụ tự động, ATM, thiết bị khóa, PDA,
1.1.3 Yêu cầu của đặc trưng sinh trắc học
Đặc trưng sinh trắc học cần thỏa các tính chất để có thể áp dụng được bao
gồm: tính phổ biến, tính duy nhất, tính lâu dài, khả năng thu thập, khả năng đo lường,
hiệu suất, khả năng chấp nhận và độ tin cậy. Trong “Sổ tay sinh trắc học” [13], “Công
nghệ sinh trắc học và các hoạt động phát triển tiêu chuẩn sinh trắc học quốc tế-bảo
mật” [14], các đặc tính này được trình bày như sau:
Tính phổ biến: Mỗi cá nhân truy cập ứng dụng sinh trắc học phải có một
phương thức cụ thể như dấu vân tay, mống mắt hoặc tai mà họ có thể sử dụng để nhận
dạng bản thân.
16
Tính duy nhất: Đặc tính đã cho phải đủ khác biệt giữa các cá nhân. Các đặc
điểm duy nhất có thể được sử dụng để ngăn chặn truy cập trái phép vào hệ thống sinh
trắc học, ngăn chặn các cuộc tấn công. Do vậy, tính chất này hết sức quan trong, đảm
bảo nhu cầu bảo mật và quyền riêng tư khi khi thiết kế hệ thống sinh trắc học.
Tính lâu dài: Đặc tính sinh trắc học của một cá nhân phải đủ bất biến trong
một khoảng thời gian đối với thuật toán so khớp áp dụng của hệ thống.
Khả năng thu thập: Đề cập đến sự dễ dàng của việc lấy dữ liệu sinh trắc học.
Có thể thu thập và số hóa các đặc trưng sinh trắc học bằng cách sử dụng các thiết bị
phù hợp với các cảm biến mà không gây bất tiện quá mức cho người dùng. Bằng cách
đó, chúng ta có thể rút trích và biểu diễn thành công tập dữ liệu trong các mẫu sinh
trắc học.
Khả năng đo lường: Bộ dữ liệu sinh trắc học phải phù hợp cho việc phân tích
thống kê xác định kết quả phù hợp. Cần đánh giá độ phức tạp của các thuật toán áp
dụng, thời gian tính toán và chi phí các thành phần của sơ đồ để xác định hiệu quả
của hệ thống trong các ứng dụng trong thực tế.
Hiệu suất: Được sử dụng để xác định độ chính xác của hệ thống nhằm cho
phép người dùng được ủy quyền mới có quyền truy cập và từ chối những kẻ mạo
danh.
Khả năng chấp nhận: Đề cập đến cách mọi người phản ứng với hệ thống sinh
trắc học, mức độ quen thuộc với các công nghệ sinh trắc học và việc sử dụng các ứng
dụng (thói quen) và mức độ sẵn sàng cung cấp dữ liệu sinh trắc học.
Độ tin cậy: Xác định chất lượng của đặc tính sinh trắc học. Trong cùng một
ngữ cảnh, thuộc tính gian lận/giả mạo được sử dụng để đánh giá các cuộc tấn công
giả mạo tiềm ẩn và đo lường mức độ dễ dàng bắt chước một đặc điểm sinh trắc học.
1.1.4 Đặc trưng vân mạch máu lòng bàn tay
Nhận dạng vân mạch máu lòng bàn tay xuất hiện vào năm 1991 [17], thu hút sự
chú ý của mọi người vì tính bảo mật cao, khả năng phát hiện trực tiếp, khả năng chấp
nhận của người dùng và sự tiện lợi. Đặc trưng nhận dạng vân mạch máu lòng bàn tay
thể hiện tính bảo mật cao, vì sử dụng mạng lưới các mạch máu dưới da lòng bàn tay
17
để nhận dạng. Vân mạch máu lòng bàn tay là thông tin sinh học bên trong cơ thể, nên
những kẻ xâm nhập khó sao chép các mẫu vân mạch máu hơn nhiều so với các đặc
điểm sinh trắc học khác. Mạch máu lòng bàn tay hầu như không nhìn thấy được đối
với mắt người; thường được chụp dưới ánh sáng hồng ngoại (NIR). Ở trạng thái tự
nhiên, các vân mạch máu lòng bàn tay được che giấu một cách tự nhiên. Hơn nữa,
các mẫu vân mạch máu không bị trùng lặp ở những người khác nhau. Do đó, vân
mạch máu được coi như một mã nhận dạng an toàn cao của con người. Trên thực tế,
kiểu mạch máu ở tay trái và tay phải c