ĐỀ CƯƠNG MÔN HỌC

Tên môn học        : Nhận dạng sinh trắc học

Mã môn học         : COM611

Số tín chỉ              : 3 tín chỉ

1. MÔ TẢ MÔN HỌC

Môn học cung cấp các kiến thức và kỹ năng về các giải thuật nghiên cứu chuyên sâu tiêu biểu của kỹ thuật nhận dạng nhận sinh trắc học, bao gồm nhận dạng đặc trưng và nhận dạng hành vi. Nhận dạng đặc trưng như: Nhận dạng gương mặt, nhận dạng vây tay, nhận dạng tròng mắt,... ; Nhận dạng hành vi như: nhận dạng chữ ký,... Thông qua môn học, học viên có kiến thức về nghiên cứu sinh trắc học và có thể có khả năng thực hiện các nghiên cứu tiếp theo về nhận dạng sinh trắc học.

2. MỤC TIÊU MÔN HỌC

• Cung cấp cho học viên các kiến thức về lịch sử nghiên cứu, ứng dụng của hướng nhận dạng sinh trắc học.
• Cung cấp các kiến thức, thuật toán, kỹ thuật cơ bản như: Kỹ thuật Threshold, mạng Nơron, Wavelet Transform, Hamming Distance, … áp dụng cho các nghiên cứu nhận dạng, xác nhận sinh trắc học.
• Cung cấp các phương pháp nghiên cứu tiêu biểu của các nghiên cứu về sinh trắc học như: Fingerprint Recognition, Iris Recognition, Face Recognition, online Signature Verification.
• Học viên có khả năng áp dụng các thuật toán, kỹ thuật cơ bản như: Kỹ thuật Threshold, mạng Nơron, Wavelet Transform, Hamming Distance, … cho các nghiên cứu nhận dạng nhân trắc học.
• Học viên có khả năng áp dụng các phương pháp nghiên cứu tiêu biểu của các nghiên về Fingerprint  Recognition, Iris Recognition, Face Recognition, online Signature Verification, … áp dụng cho cho các hệ thống nhận dạng sinh trắc học ứng dụng.
• Nhận thức được tầm quan trọng của nhận dạng nhân trắc học.
• Có khả năng tự học, tự nghiên cứu, mở rộng các kiến thức liên quan.

3. NỘI DUNG GIẢNG DẠY

• Giới thiệu, lịch sử nhận dạng nhân trắc học
• Các bước giải quyết một bài toán sinh trắc học
• LBP và E-LBP cho biểu diễn đặc trưng ảnh
• PCA  và E-PCA trong rút trích đặc trưng ảnh
• Phân tích tách lớp LDA và E-LDA cho trích chọn đặc trưng ảnh
• Máy vector hỗ trợ SVM và mở rộng của SVM trong phân lớp ảnh
• Mạng Neural và các phát triển của NN cho nhận dạng mẫu
• Giới thiệu ứng dụng 1
• Giới thiệu ứng dụng 2
• Giới thiệu ứng dụng 3

4. HỌC LIỆU

4.1. Giáo trình

• Anil K. Jain, Patrick Flynn, and Arun A. Ross, Handbook of Biometrics, Springer, 2010.

4.2. Tài liệu tham khảo

• Vedpal Singh, Biometrics: Fingerprint Classification and Identification, Lamber, 2013.

5. ĐÁNH GIÁ MÔN HỌC

• Quá trình/Giữa kỳ: 50%
• Cuối kỳ:    50%

6. SỐ GIỜ HỌC

• Số giờ học tại lớp: 45 tiết