S01. Mẫu 2.

Đề cương LVThS

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐẠI HỌC Độc Lập - Tự Do - Hạnh Phúc
CÔNG NGHỆ THÔNG TIN

THÔNG TIN ĐĂNG KÝ ĐỀ TÀI LUẬN VĂN THẠC SĨ

1. Tên đề tài (ghi IN HOA):

● Tên tiếng Việt: NHẬN DẠNG VÂN LÒNG BÀN TAY DỰA VÀO MẪU HƯỚNG
PHÂN BIỆT VÀ NỔI BẬT CỤC BỘ
● Tên tiếng Anh: PALMPRINT RECOGNITION USING LOCAL DISCRIMINANT
AND SALIENT DIRECTION PATTERN
● Hướng đề tài luận văn:
o Hướng nghiên cứu ꠸
o Định hướng nghiên cứu 
o Định hướng ứng dụng ꠸
● Số tín chỉ: 18TC
2. Ngành học và Mã ngành:
● Khoa học máy tính: 8480101 ꠸
● Công nghệ Thông tin: 8480201 
3. Cán bộ hướng dẫn: (định dạng 2 cột nếu có 2 CBHD)
● Họ tên: PGS. TS. Lê Hoàng Thái
● Email: lhthai@fit.hcmus.edu.vn
● Điện thoại: 0983497225
● Đơn vị công tác: Trường Đại học Khoa học Tự nhiên – ĐHQG TP. HCM
4. Thời gian thực hiện: 6 tháng. Từ tháng 07/2021
5. Học viên thực hiện:
● Họ tên: Nguyễn Minh Thắng
● Mã số: CH1902019 Khóa:14 Đợt: 1
● Email: thangnm.14@grad.uit.edu.vn Điện thoại: 0395.747.350

TP. HCM, ngày 17 tháng 06 năm 2021

Xác nhận của CBHD Học viên
(Ký tên và ghi rõ họ tên) (Ký tên và ghi rõ họ tên)

PGS. TS. Lê Hoàng Thái Nguyễn Minh Thắng

 S01. Mẫu 2. Đề cương LVThS

ĐỀ CƯƠNG ĐỀ TÀI LUẬN VĂN THẠC SĨ

1. Nội dung

1.1. Giới thiệu đề tài

- Công nghệ sinh trắc học ngày càng trở nên phổ biến trong nhiều lĩnh vực, bao
gồm xác minh điện thoại thông minh, giám sát nhà thông minh, giao dịch
thương mại điện tử, quản lý công dân, v.v. Nhận diện khuôn mặt, dấu tay, dấu
vân tay, vân tai, giọng nói, v..v. đều là những ví dụ về các tính năng sinh trắc
học. Nhận dạng vân lòng bàn tay là một tính năng sinh trắc học mới để nhận
dạng cá nhân vì tính bảo mật cao và thân thiện với người dùng. Vân lòng bàn
tay có các đặc điểm phân biệt, chẳng hạn như các đường chính, nếp nhăn và
kết cấu [1],[4].
- Nhận dạng vân lòng bàn tay được chia thành 3 giai đoạn:

+ Phân đoạn vùng ROI: Trong giai đoạn này, một vùng phụ chứa thông tin
phân biệt ở trung tâm của lòng bàn tay được phân đoạn và sử dụng để mở rộng
đối tượng nhằm cung cấp một bộ mô tả với nhiều phân tách chủ thể [2], [3].
+ Giai đoạn rút trích đặc trưng: Giai đoạn này rất quan trọng trong hệ thống
nhận dạng. Việc lựa chọn đặc trưng sẽ quyết định độ chính xác của so khớp.
Nhiều phương pháp được đề xuất để nhận dạng vân lòng bàn tay đã được đề
xuất trong nhiều tài liệu như: phương pháp dựa trên một hướng, phương pháp
dựa trên nhiều hướng, thống kê hướng cục bộ, phương pháp biểu diễn phân
biệt hợp nhất… [1], [2], [3].
+ So khớp: Các kỹ thuật so khớp cho bài toán xác thực vân lòng bàn tay như
dựa vào kỹ thuật dựa vào đường, kỹ thuật dựa vào hướng và kỹ thuật dựa vào
thống kê.
1.2. Mục tiêu đề tài
- Tìm hiểu các phương pháp và khảo sát các bài toán nhận dạng vân lòng bàn tay.
 S01. Mẫu 2. Đề cương LVThS

- Đề xuất phương pháp nhận diện vân lòng bàn tay dựa vào mẫu hướng phân biệt
và nổi bật cục bộ nhằm cải thiện độ chính xác và tính ổn định cao.
- Xây dựng phần mềm nhận dạng ảnh vân lòng bàn tay.
1.3. Nội dung nghiên cứu của đề tài
- Nghiên cứu các phương pháp, thuật toán, mô hình nhận dạng vân lòng bàn tay
thông dụng hiện nay.
- Xây dựng thuật toán, mô hình và viết chương trình nhận dạng vân lòng bàn tay
dựa trên phương pháp mẫu hướng phân biệt và nổi bật cục bộ.
- So sánh kết quả của phương pháp đề xuất với các phương pháp khác để thấy được
độ chính xác, ưu điểm và tính năng ưu việt của phương pháp đề xuất.
1.4. Phương pháp thực hiện
- Hiện nay, có nhiều phương pháp khác nhau được sử dụng để nhận dạng vân lòng
bàn tay và có thể chia thành các nhóm như sau: mẫu hướng cục bộ, mẫu nhị phân
hướng cục bộ, thống kê hướng cục bộ, biểu diễn đặc trưng dựa vào học. Các nhóm
phương pháp có những ưu, khuyết điểm như sau:
Phương
Ưu điểm Khuyết điểm
Pháp
Dựa trên 1 - Có thể sử dụng ảnh vân lòng Một điểm ảnh có thể có nhiều
hướng bàn tay có độ phân giải thấp. đường đi qua nên chưa biểu diễn hết
- Sử dụng các bộ lọc đường các mẫu vân tại điểm đó.
Gabor, MFRAT để phát hiện các
hướng thống trị, có độ phân biệt
cao, ít bị nhiễu.
Dựa trên - Đạt được hiệu suất nhận dạng Phương pháp này chỉ cải thiện hơn
nhiều tốt trong các môi trường ảnh khác so với phương pháp dựa trên 1 hướng
hướng nhau. là sử dụng 2 hay nhiều hướng để so
- Có đầy đủ các đặc trưng hướng, khớp nhằm cải thiện độ phân biệt của
chống nhiễu tốt, có tính phân biệt 1 hướng.
cao hơn so với hướng tiếp cận 1
hướng.
 S01. Mẫu 2. Đề cương LVThS

Thống kê - Sử dụng một ngân hàng các bộ - Đặc trưng mật độ của các mẫu
hướng cục lọc ảnh vân lòng bàn tay để tính đường vân vẫn còn nhọc nhằn tại các
bộ các đặc trưng hướng, sau đó sẽ điểm ảnh vì tại 1 điểm ảnh có thể có
mã hóa một hoặc một số đặc 1 đường, 2 đường hay nhiều đường,
trưng hướng. nhưng mẫu thì chỉ biểu diễn bằng số
- Thống kê số lần xuất hiện của đường cố định, thông thường là 2
mẫu 1 hay nhiều hướng nên ít đường.
chịu sự tác động của xoay, nhiễu. - Chưa học được những mẫu có tính
- Phổ biến là sử dụng 2 hay nhiều phân biệt cao trong nhận dạng.
hướng để tạo ra mẫu hướng nên
mẫu có tính phân biệt cao hơn so
với việc sử dụng các tính rời rạc.
Biểu diễn Sử dụng kết hợp đặc trưng phân Phụ thuộc vào dữ liệu học phải
đặc trưng biệt của các phương pháp trên nhiều và dữ liệu học phải đủ lớn.
dựa vào với các phương pháp học (như
học PCA, LDA, SVM, mạng nơ-ron
và deep learning) nhằm phân lớp
hiệu quả hơn.

- Dựa trên ý tưởng của nhóm tác giả Zhao [2] là kết hợp ưu điểm của 2 nhóm
phương pháp: Nhóm phương pháp dựa vào đặc trưng mẫu hướng và nhóm phương
pháp dựa vào học đặc trưng phân biệt. Chúng tôi chọn việc kết hợp để tạo ra đặc
trưng mẫu có tính phân biệt như sau:
+ Đặc trưng mẫu hướng đường vân có tính phân biệt cao, ít chịu sự ảnh hưởng
của nhiễu như: sự chiếu sáng hoặc sự xoay, dịch chuyển.
+ Học đặc trưng dựa vào thống kê (LDA) cho phép học các mẫu có tính phân
biệt cao dựa vào dữ liệu huấn luyện.
1.5. Kết quả, sản phẩm dự kiến
- Đề xuất được phương pháp mới cho bài toán nhận dạng vân lòng bàn tay.
 S01. Mẫu 2. Đề cương LVThS

- Thực nghiệm trên cơ sở dữ liệu được công bố công khai của Đại học Bách khoa
Hồng Kông (PolyU-IITD) và được sử dụng trong hầu hết các công trình, bài báo
được công bố trong các năm gần đây.
- Kết quả của phương pháp đề xuất có tính ưu việt và độ chính xác cao, tính ổn định
và thời gian thực hiện nhanh hơn so với các phương pháp khác.
- Viết chương trình nhận dạng vân lòng bàn tay.
1.6. Tài liệu tham khảo

[1] A. Kong, D. Zhang, and M. Kamel, “A survey of palmprint recognition,” Pattern

Recognit., vol. 42, no. 7, pp. 1408–1418, 2009.

[2] S. Zhao and B. Zhang, "Learning Complete and Discriminative Direction Pattern for
Robust Palmprint Recognition," in IEEE Transactions on Image Processing, vol. 30, pp.
1001-1014, 2021.

[3] L. Fei, B. Zhang, Y. Xu, Z. Guo, J. Wen and W. Jia, "Learning discriminant direction
binary palmprint descriptor", IEEE Trans. Image Process., vol. 28, no. 8, pp. 3808-3820,
Aug. 2019.

[4] L. Fei, B. Zhang, Y. Xu, D. Huang, W. Jia and J. Wen, "Local Discriminant Direction
Binary Pattern for Palmprint Representation and Recognition," in IEEE Transactions on
Circuits and Systems for Video Technology, vol. 30, no. 2, pp. 468-481, Feb. 2020.
2. Kế hoạch
 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐẠI HỌC Độc lập - Tự do - Hạnh phúc
CÔNG NGHỆ THÔNG TIN

BẢN THUYẾT MINH ĐỀ CƯƠNG

Tên đề tài luận văn: NHẬN DẠNG VÂN LÒNG BÀN TAY DỰA VÀO MẪU HƯỚNG PHÂN
BIỆT VÀ NỔI BẬT CỤC BỘ
Học viên: Nguyễn Minh Thắng
MSHV: CH1902019
Ngành: Công nghệ Thông tin
Giảng viên hướng dẫn: PGS. TS. Lê Hoàng Thái
Các góp ý của NỘI DUNG CŨ, NỘI DUNG SAU CHỈNH SỬA, trang số mấy?
Hội đồng chuyên trang số mấy?
môn
1. Bổ sung bảng Nội dung cũ, trang số Nội dung sau chỉnh sửa, trang số 2, mục 1.4:
đánh giá ưu, 2, mục 1.4: Hiện nay, có nhiều phương pháp khác nhau được
khuyết điểm các Hiện nay, có nhiều sử dụng để nhận dạng vân lòng bàn tay và có thể chia
phương pháp phương pháp khác thành các nhóm như sau: mẫu hướng cục bộ, mẫu nhị
nhận dạng vân nhau được sử dụng để phân hướng cục bộ, thống kê hướng cục bộ, biểu diễn
tay? nhận dạng vân lòng đặc trưng dựa vào học. Các nhóm phương pháp có
bàn tay và có thể chia những ưu, khuyết điểm như sau:
thành các nhóm như Phương
Ưu điểm Khuyết điểm
sau: mẫu hướng cục Pháp
bộ, mẫu nhị phân Dựa trên - Có thể sử dụng Một điểm ảnh có
1 hướng ảnh vân lòng bàn thể có nhiều
hướng cục bộ, thống
tay có độ phân đường đi qua nên
kê hướng cục bộ, biểu
giải thấp. chưa biểu diễn hết
diễn phân biệt hợp - Sử dụng các bộ các mẫu vân tại
nhất. lọc đường Gabor, điểm đó.
MFRAT để phát
hiện các hướng
 thống trị, có độ
phân biệt cao, ít
bị nhiễu.

Dựa trên - Đạt được hiệu Phương pháp này

nhiều suất nhận dạng tốt chỉ cải thiện hơn
hướng trong các môi so với phương
trường ảnh khác pháp dựa trên 1
nhau. hướng là sử dụng
- Có đầy đủ các 2 hay nhiều hướng
đặc trưng hướng, để so khớp nhằm
chống nhiễu tốt, cải thiện độ phân
có tính phân biệt biệt của 1 hướng.
cao hơn so với
hướng tiếp cận 1
hướng.
Thống kê - Sử dụng một - Đặc trưng mật
hướng ngân hàng các bộ độ của các mẫu
cục bộ lọc ảnh vân lòng đường vân vẫn
bàn tay để tính còn nhọc nhằn tại
các đặc trưng các điểm ảnh vì tại
hướng, sau đó sẽ 1 điểm ảnh có thể
mã hóa một hoặc có 1 đường, 2
một số đặc trưng đường hay nhiều
hướng. đường, nhưng
- Thống kê số lần mẫu thì chỉ biểu
xuất hiện của mẫu diễn bằng số
1 hay nhiều đường cố định,
hướng nên ít chịu thông thường là 2
sự tác động của đường.
xoay, nhiễu. - Chưa học được
- Phổ biến là sử những mẫu có tính
dụng 2 hay nhiều phân biệt cao
 hướng để tạo ra trong nhận dạng.
mẫu hướng nên
mẫu có tính phân
biệt cao hơn so
với việc sử dụng
các tính rời rạc.

Biểu diễn Sử dụng kết hợp Phụ thuộc vào dữ

đặc trưng đặc trưng phân liệu học phải
dựa vào biệt của các nhiều và dữ liệu
học phương pháp trên học phải đủ lớn.
với các phương
pháp học (như
PCA, LDA,
SVM, mạng nơ-
ron và deep
learning) nhằm
phân lớp hiệu quả
hơn.

2. Nói rõ vì sao Nội dung cũ, trang số Nội dung sau chỉnh sửa, trang số 2, mục 1.4:
chọn phương 2, mục 1.4:
Dựa trên ý tưởng của nhóm tác giả Zhao [2] là kết
pháp mẫu Trong nội dung
hợp ưu điểm của 2 nhóm phương pháp: Nhóm
hướng phân nghiên cứu này, chúng
phương pháp dựa vào đặc trưng mẫu hướng và nhóm
biệt? tôi sẽ trình bày
phương pháp dựa vào học đặc trưng phân biệt.
phương pháp mẫu
Chúng tôi chọn việc kết hợp để tạo ra đặc trưng mẫu
hướng phân biệt và nổi
có tính phân biệt như sau:
bật cục bộ.
+ Đặc trưng mẫu hướng đường vân có tính phân
biệt cao, ít chịu sự ảnh hưởng của nhiễu như: sự
chiếu sáng hoặc sự xoay, dịch chuyển.
+ Học đặc trưng dựa vào thống kê (LDA) cho phép
 học các mẫu có tính phân biệt cao dựa vào dữ liệu
huấn luyện.

3. Chú ý phần Nội dung cũ, trang số Nội dung sau chỉnh sửa, trang số 2, mục 1.5:
dữ liệu thực 2, mục 1.5: Thực nghiệm trên cơ sở dữ liệu được công bố công
nghiệm cần theo
Thực nghiệm trên cơ khai của Đại học Bách khoa Hồng Kông (PolyU-
tiêu chuẩn của IITD) và được sử dụng trong hầu hết các công trình,
sở dữ liệu vân lòng
khoa học thực bài báo được công bố trong các năm gần đây.
bàn tay (IITD và
nghiệm ĐÚNG,
PolyU ).
ĐỦ, TIN CẬY,
CẬP NHẬT.

TPHCM, ngày 14 tháng 09 năm 2021

Ý kiến của GVHD Học viên
(họ tên, chữ ký) (ký, ghi rõ họ tên)

PGS. TS. Lê Hoàng Thái Nguyễn Minh Thắng