ỨNG DỤNG DSP TRONG NHẬN DẠNG KHUÔN MẶT VÀ DẤU VÂN TAY

Đây là đề tài mình chọn từ việc ứng dụng xử lý tín hiệu số trong sinh trắc học,
trong đó tài liệu nhiều nhất có lẻ ở lĩnh vực nhận dạng. Ngoài ra còn có các đề tài
trong nhiều lĩnh vực khác như
+Truyền thông(CDMA, 3G, nâng cao băng thông mang,…)
+ Y học (điện tâm đồ,…)
+ Hình ảnh (xử lý và nén ảnh)
+ Âm thanh (điều chế xử lý âm thanh)
…
Mọi người cứ chọn các đề tài khác(xem đề tài nào có nhiều tài liệu thì OK hết
^_^). Nhớ xem trước trên Forum xem đề tài đó có ai chọn chưa?
Nếu đồng ý với đề tài trên thì dưới đây là bản phân công cho nhóm.(Mọi người có
ý kiên gì xin liên lạc qua mail )

Bản phân công chi tiết công việc trong nhóm:
1. Nhận dạng vân tay
Nguyễn Hải Quang Minh
Nguyễn Văn Long
Lê Minh Nhật
Nguyễn Cao Minh
2. Nhận dạng khuôn mặt
Tôn Thị Kim Loan
Bùi Thị Mỹ Như
Hà
Nghi

Khái niệm, nguyên tắc và
phương pháp nhận dạng vân
tay.
Cách tăng cường chất lượng và

ninh tuyệt đối cho những yêu cầu bảo mật của con người trong nhiều
lĩnh vực như: Kiểm soát an ninh trong các cơ quan của Chính Phủ,
trong quân đội, ngân hàng, trung tâm lưu trữ dữ liệu... hoặc để kiểm
soát ra vào của nhân viên tại các trung tâm thương mại, các tập đoàn,
các đại sứ quán...
+ Trong các lĩnh vực phòng chống tội phạm, người ta có thể tìm ra
tung tích tội phạm cũng như nạn nhân thông qua dấu vân tay ở trên
hiện trường.
+ Phổ biến nhất có lẻ là dấu vân tay của chúng ta qua mặt sau của
chứng minh thư để xác định một cách nhanh nhất các đặc điểm, hồ sơ
của một công dân đã được lưu trong cơ sở dữ liệu.
+ Ngoài ra, hệ thống còn hỗ trợ đắc lực cho việc quản lý và chấm
công tại các nhà máy, xí nghiệp, công ty, bảo vệ anh ninh cho mỗi gia
đình hoặc cá nhân.
2. CẤU TẠO, ĐẶC ĐIỂM VÀ PHÂN LOẠI CÁC DẠNG VÂN TAY
2.1 Cấu tạo vân tay: dấu vân tay của mỗi cá nhân là độc nhất. Xác
suất hai cá nhân - thậm chí ngay cả anh em (hoặc chị em) sinh đôi
cùng trứng - có cùng một bộ dấu vân tay là 1 trên 64 tỉ. Ngay cả các
ngón trên cùng bàn tay cũng có vân khác nhau. Dấu vân tay của mỗi
người là không đổi trong suốt cuộc đời. Người ta có thể làm phẫu
thuật thay da ngón tay, nhưng chỉ sau một thời gian dấu vân tay lại
được hồi phục như ban đầu. Vân tay là những đường có dạng dòng


chảy có trên ngón tay người. Nó là một tham số sinh học bất biến theo
tuổi tác đặc trưng cho mỗi cá thể. Trên vân tay có các đường gợn và
các luống.

2.2 Các điểm đặc trưng của vân tay: Trên các ảnh vân tay có các điểm
đặc trưng (là những điểm đặc biệt mà vị trí của nó không trùng lặp trên

biết bằng mắt thường và vân tay được phân loại dựa trên số
lượng đường vân bị cắt bởi đường nối tâm và tam phân điểm.
 Các phương pháp phân loại dựa trên các đặc điểm tổng thể: Việc
phân loại vân tay trong phần lớn các hệ AFIS hiện nay đều dựa
trên các đặc điểm tổng thể. Việc trích chọn tâm và tam phân
điểm có thể được thực hiện trực tiếp trên ảnh vân tay theo
phương pháp xử lý ảnh theo từng điểm, nhưng nhược điểm của
phương pháp này là tôc độ xử lý chậm. Sau khi tách hướng các
vùng, ta nhận được một ảnh định hướng đặc trưng cho vân tay.
 Phương pháp 2. Màu phân bố hướng chuẩn được định nghĩa là
một mẫu hai chiều mô tả phấn bố của các hướng lằn xung
quanh một điểm đặc trưng. Bằng nghiên cứu thống kê trên
nhiều vân tay, các tác giả đã định nghĩa đặc trưng tâm tam phân
điểm bằng các mẫu phân bố hướng chuẩn. Việc trích chọn tâm
và tam phân điểm được qui về việc tìm kiến trên ảnh định hướng
các vectơ phân bố hướng có dạng giống với mẫu phân bố hướng
chuẩn bằng các đối sánh các mẫu phân bố hướng tại các điểm
có khả năng là đặc điểm với các mẫu phân bố hướng chuẩn.
 Phương pháp 3: Hướng của các vùng được lượng tử hóa theo 8
hưosng trong khoảng từ 00 đ đến 1800. Các vùng đặc điểm tâm
và tam phân điểm được định vị trên ảnh định hướng bằng cách
kiểm tra chỉ soó Poincaré trên một đường cong nhỏ khép kín
xung quanh một điểm.


3. CÁCH XÂY DỰNG HỆ THỐNG NHẬN DẠNG VÂN TAY
3.1. Quá trình nhận dạng dấu vân tay

 Xác nhận dấu vân tay ( fingerprint verification )


 Nhận diện dấu vân tay (finger identification )
Dấu vân tay sẽ được đưa vào để đối chiếu với database chứa
các vân tay để truy ra các đặc điểm muốn truy xuất.
Việc đối sánh ảnh vân tay cần nhận dạng chỉ cần được tiến
hành trên các vân tay (có trong cơ sở dũ liệu) thuộc loại đã
được xác định nhờ quá trình phân loại. Đây là giai đoạn quyết
định xem hai ảnh vân tay có hoàn toàn giống nhau hay không
và đưa ra kết quả nhận dạng, tức là ảnh vân tay cần nhận


dạng tương ứng với vân tay của cá thể nào đã được lưu trữ
trong cơ sỏ dữ liệu.
3.2. Hai phương pháp nhận dạng dấu vân tay
 Dựa vào các đặc tính cụ thể của dấu vân tay, như điểm cuối,
điểm rẽ nhánh của các vân trên tay.
 So sánh toàn bộ đặc tính của dấu vân tay.
Thực chất đây chỉ là 2 mức độ của việc nhận dạng. Rõ ràng trong
cách thứ 2 đã bao gồm cách1. Tuy nhiên do đặc điểm của vân tay,
nếu ta không phải so sánh quá nhiều ( cơ sở dữ liệu không quá lớn
) các đặc điểm đặc biệt trên dấu vân tay đủ để ta nhận dạng ra dấu
vân tay đó của ai. Cách thứ 2 là một công việc phức tạp đòi hỏi tính
toán nhiều , tuy nhiên cho kết quả với độ tin cậy cao. Bài báo cáo
này tập trung vào cách làm thứ nhất.
3.3. Sơ đồ hệ thống nhận dạng dấu vân tay

Theo phân tích ở trên thì hệ thống này gồm 2 phần:
+ Verification: Ban đầu một người dùng trong hệ thống cung cấp
thông tin dấu vân tay của mình và lưu trữ vào cơ sở dữ liệu.
+ Identification: Khi sử dụng hệ thống này, dấu vân tay được
thu thập từ một sensor và đem đi xử lý. Quá trình xử lý có thể

index) [3]

Giả sử (i,j) là một điểm bất kỳ trên ảnh vân tay, C là một đường
cong khép kính xung quanh (i,j) thì chỉ số Poincare tại (i,j) là
tổng đại số các độ sai lệch hướng của các điểm liền kề nhau trên
đường cong C. Trong đó: Np là tổng số điểm trên đường cong
“số” C. ϕ(x,y) là hướng tại điểm (x,y)


Dựa vào chỉ số Poincare ta có thể xác định các điểm singularity

Trích các điểm minutiae
Có hai phương pháp chính để tìm các điểm minutiae: trích các điểm
minutiae từ ảnh binary và trích các điểm minutiae trực tiếp từ ảnh
xám.
a. Trích các điểm minutiae từ ảnh binary [5]

Ý tưởng chính của phương pháp này là từ ảnh xám ban đầu ta
sử dụng các bộ lọc thích hợp để phát hiện và làm mảnh đường
vân dưới dạng một pixel (ridge detection), biến đổi ảnh xám ban
đầu thành ảnh binary (có giá trị là 0 hoặc 1) tương ứng.
Sau đó, các điểm minutiae sẽ được trích như sau: giả sử (x,y) là
một điểm trên đường vân đã được làm mãnh và N0, N1, …, N7
là 8 điểm xung quanh nó thì



4. NÂNG CAO ĐỘ CHÍNH XÁC KHI NHẬN DẠNG VÂN TAY
4.1 Mục đích của việc nâng cao độ chính xác khi nhận dạng vân tay
Hơn 100 năm qua so sánh dấu vân tay vốn được coi là một phương tiện

nhiều các phương pháp nhận dạng sinh trắc học khác có độ chính xác
cao hơn và cho kết quả nhanh hơn như phương pháp nhận diện khuôn
mặt,nhận dạng tĩnh mạch lòng bàn tay,…
Nhưng phương pháp nhận dạng vân tay hiện vẫn còn phổ biến ở nhiều
nơi và nhiều quốc gia,mặc nhiên phương pháp nhận dạng vân tay vẫn
được sử dụng trong việc điều tra phá án của cảnh sát vì thế việc nâng
cao sự chính xác khi nhận dạng vân tay là một vấn để thiết yếu. Và
việc áp dụng các phương pháp xử lý tín hiệu giúp cho kết quả nhận
dạng tốt hơn và tránh được rủi ro trong việc điều tra nhận dạng.Việc
nhận dạng vân tay cũng chính là việc xử lý ảnh.
4.2 Đi sâu vào phương pháp xử lý hình ảnh vân tay trong việc nhận
dạng
Vân tay khi đem phân tích thường hiển thị dưới dạng màu đen và nền
là màu trắng,trước khi nhận ra dạng Menutia( những dạng đặc biệt
của vân tay) chúng ta phải biết cách tách vân tay ra khỏi màu
nền.Như vậy ở hàm mật độ xám phải có 2 điểm cực đại càng rõ càng
tốt.Khoảng cách giữa điểm max và min càng lớn thì sẽ tạo lên sự
tương phản rõ ràng giữa vân tay và màu nền.
Từ ảnh mờ của vân tay chúng ta muốn có ảnh rõ nét hơn, không phải
là chúng ta thay đổi hàm mật độ xám là có được ảnh rõ nét hơn, mà
phải dùng những phương pháp xữ lý ảnh cho toàn bộ hay từng phần
của hình vân tay. Bạn có thể dùng phương pháp lọc (Filter) để cho
hình ảnh rõ ràng hơn. Tùy theo hình và mục đích ứng dụng mà chúng
ta dùng phương pháp lọc khác nhau, chẳng hạn như lọc màu xám chỉ
còn trắng đen mà thôi, thì như các bạn đã biết giữa hai điểm cực đại
trên hàm mật độ xám chúng ta chọn điễm ngưỡng (Thresthold). Có
thể là điểm cực tiểu hay là điễm giữa của hai điểm cực đại... làm điểm
ngưỡng thì phần bên trái điểm ngưởng chúng ta gán giá tri 0 (màu
đen) còn phần bên phải thì là 255 (màu trắng). Có khi hình ảnh bị rỗ
(Noise), tùy theo mức độ của rổ mà mình có thể dùng Gaussian Filter

Trong nhiều trường hợp, một ảnh vân tay chứa nhiều vùng gồm có cả
chất lượng tốt, trung bình và xấu .
Nói chung, có vài dạng mất giá trị liên hệ với các ảnh vân tay:
• các vân không liên tục,có vài nếp đứt
• các vân song song không tách biệt rõ ràng do tồn tại của nhiễu
liên kết các vân song song, khiến chúng tách biệt kém
• bị cắt, có nếp gấp, hay thâm sẹo
Ba dạng bị vân mất giá trị này làm cho việc trích chọn đặc tính cực kì
khó khăn. Chúng dẫn tới các vấn đề sau trong việc trích chọn đặc tính:
• Trích chọn các chi tiết sai lệch
• Bỏ qua các chi tiết đúng
• Gây lỗi về hướng và vị trí của chi tiết
Để bảo đảm hiệu quả tốt trong các thuật toán trích chọn chi tiết trên


các ảnh vân tay chất lượng kém, cần một thuật toán tăng cường để
nâng cao sự rõ ràng trong cấu trúc vân.
Một chuyên gia vân tay thường có thể nhận dạng chính xác các chi tiết
bằng cách sử dụng nhiều manh mối nhìn được như hướng vân tay,
tính liên tục của vân, xu hướng vân…Trong lý thuyết, có thể phát triển
một thuật toán tăng cường sử dụng các manh mối nhìn được này để
cải thiện chất lượng hình ảnh. Nói chung, với một ảnh vân tay cho
trước, các cùng vân tay đã được phân đoạn có thể chia vào ba hạng
mục:
• Vùng được định nghĩa tốt: các vân được phân biệt rõ ràng với các
vân khác
• Vùng có khả năng phục hồi: các vân bị hư hỏng bởi các đường đứt
gãy nhỏ, thâm sẹo… nhưng chúng vẫn có khả năng nhìn được và các
vùng xung quanh cung cấp thông tin đủ để khôi phục cấu trúc ban
đầu của chúng

khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng
đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho
ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, khuôn mặt có quay
một góc nhỏ, hay bị che khuất một phần,có nhiều tư thế thay đổi trong
ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung
quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung
quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự
cần thiết của con người.
2. ĐỊNH NGHĨA BÀI TOÁN XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Xác định khuôn mặt người (Face detection) là một kỹ thuật máy tính để
xác định các vị trí và các kích thước của khuôn mặt trong ảnh bất kỳ (ảnh
kỹ thuật số). Kỹ thuật này nhận biết các đặt trưng khuôn mặt và bỏ qua
những thứ khác như: toàn nhà, cây cối, cơ thể...
3. ỨNG DỤNG CỦA PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Có nhiều ứng dụng đã được và đang thiết kế, dưới đây là một số loại ứng
dụng o Hệ thống tương tác giữa người và máy: giúp những người bị tật
hoặc khiếm khuyếtcó thể trao đổi. Những người dùng ngôn ngữ tay có thể
giao tiếp với những người bình thường. Những người bị bại liệt thông qua
một số ký hiệu nháy mắt có thể biểu lộ những gì họ muốn, …. Đó là các bài
toán điệu bộ của bàn tay (hand gesture), điệu bộ khuôn mặt, …
o Nhận dạng người A có phải là tội phạm truy nã hay không? Giúp cơ quan
an ninh quản lý tốt con người. Công việc nhận dạng có thể ở trong môi
trường bình thường cũng như trong bóng tối (sử dụng camera hồng ngoại).
o Hệ thống quan sát, theo dõi và bảo vệ. Các hệ thống camera sẽ xác định
đâu là con người và theo dõi con người đó xem họ có vi phạm gì không, ví
dụ xâm phạm khu vực không được vào, ….
o Lưu trữ (rút tiền ATM, để biết ai rút tiền vào thời điểm đó), hiện nay có
tình trạng những người bị người khác lấy mất thẻ ATM hay mất mã số PIN
và những người ăn cắp này đi rút tiền, hoặc những người chủ thẻ đi rút tiền
nhưng lại báo cho ngân hàng là mất thẻ và mất tiền. Các ngân hàng có nhu

hỗ trợ thông báo khi cần thiết.
o Phân tích cảm xúc trên khuôn mặt
o Trong lãnh vực thiết kế điều khiển robot.
o Hãng máy chụp hình Canon đã ứng dụng bài toán xác định khuôn mặt
người vào máy chụp hình thế hệ mới để cho kết quả hình ảnh đẹp hơn, nhất
là khuôn mặt người
4. PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT NGƯỜI
Có nhiều nghiên cứu tìm phương pháp xác định khuôn mặt người, từ ảnh
xám đến ngày nay là ảnh màu. Tôi sẽ trình bày một cách tổng quát nhất
những hướng giải quyết chính cho bài toán, từ những hướng chính này
nhiều tác giả thay đổi một số ý nhỏ bên trong để có kết quả mới.
Dựa vào tính chất của các phương pháp xác định khuôn mặt người trên ảnh.
Các phương pháp này được chia làm bốn hướng tiếp cận chính. Ngoài bốn
hướng này, nhiều nghiên cứu có khi liên quan đến không những một hướng
tiếp cận mà có liên quan nhiều hơn một hướng chính:


o Hướng tiếp cận dựa trên tri thức: Mã hóa các hiểu biết của con người
về các loại khuôn mặt người thành các luật. Thông thường các luật mô tả
quan hệ của các đặc trưng.
o Hướng tiếp cận dựa trên đặc trưng không thay đổi: Mục tiêu các
thuật toán đi tìm các đặc trưng mô tả cấu trúc khuôn mặt người mà các đặc
trưng này sẽ không thay đổi khi tư thế khuôn mặt, vị trí đặt thiết bị thu hình
hoặc điều kiện ánh sáng thay đổi.
o Hướng tiếp cận dựa trên so khớp mẫu: Dùng các mẫu chuẩn của
khuôn mặt người (các mẫu này được chọn lựa và lưu trữ) để mô tả cho
khuôn mặt người hay các đặc trưng khuôn mặt (các mẫu này phải chọn làm
sao cho tách biệt nhau theo tiêu chuẩn mà các tác giả định ra để so sánh).
Các mối tương quan giữa dữ liệu ảnh đưa vào và các mẫu dùng để xác định
khuôn mặt người.

·Độ sâu của hốc mắt
·Hình dạng của xương gò má
·Độ dài của xương hàm
Các điểm nút trên được đo đạc và tạo ra nhiều mã số được gọi là dấu
bộ mặt ( FacePrint ) đại diện cho khuôn mặt trong cơ sở dữ liệu.

Trước đây, phần mềm nhận diện khuôn mặt dựa trên hình ảnh 2D để
so sánh hoặc nhận diện một hình ảnh 2D khác từ cơ sở dữ liệu. Và để
có được tính chính xác và hiệu quả cao nhất, hình ảnh nhận diện cần
phải là một khuôn mặt nhìn trực diện vào camera, với góc độ ánh sáng
và những biểu hiện trên nét mặt không khác lắm so với hình ảnh trong
cơ sở dữ liệu. Đìều này gây ra nhiều rắc rối.
Trong phần lớn trường hợp, các hình ảnh thường không được ghi
trong một môi trường ổn định. Thậm chí cả những thay đổi nhỏ nhất
trong góc độ ánh sáng hay độ nghiêng của khuôn mặt cũng đủ để làm
giảm tính hiệu quả của hệ thống, vì thế các khuôn mặt này thường
không khớp với bất kỳ khuôn mặt nào trong cơ sở dữ liệu.

5.3.Nhận diện khuôn mặt 3D
Một xu hướng mới nổi lên trong công nghệ nhận diện khuôn mặt là
việc sử dụng các mẫu 3D, giúp cho việc nhận dạng được chính xác
hơn. Một phần mềm nhận diện khuôn mặt 3D sẽ ghi lại một khuôn
mặt thực tế của một người, rồi dùng các điểm nổi bật trên khuôn mặt
– nơi những mô cứng và xương nhìn thấy rõ nhất như đường cong của
hốc mắt, mũi và cằm -- để nhận ra đối tượng. Các đặc điểm này là độc
nhất đối với mỗi khuôn mặt và không thay đổi theo thời gian.


Cách thức sử dụng độ sâu và trục của các phần trên khuôn mặt không
bị ảnh hưởng bởi ánh sáng, vì thế việc nhận dạng khuôn mặt 3D có

Ví dụ, phần bên ngoài và bên trong của con mắt cùng với phần đỉnh
mũi sẽ được lấy ra đo đạc. Sau khi việc đo đạc này hoàn tất, một
thuật toán sẽ được áp dụng để chuyển hình ảnh trong cơ sở dữ liệu
sang dạng 2D. Sau khi chuyển đổi, phần mềm sẽ so sánh hai hình ảnh
2D này với nhau để tìm ra đối tượng.
Xác minh hay nhận diện
Xác minh có nghĩa là một hình ảnh sẽ được đối chiếu với chỉ 1 hình
ảnh trong cơ sở dữ liệu (tỉ lệ 1:1). Ví dụ như, một hình ảnh của một
đối tượng nào đó sẽ được đối chiếu với một hình ảnh trong cơ sở dữ
liệu của Uỷ ban phương tiện giao thông để xác minh xem đối tượng đó
là ai. Còn nhận diện có nghĩa là một hình ảnh sẽ được đối chiếu với tất
cả các hình ảnh trong cơ sở dữ liệu để tìm ra đối tượng (tỉ lệ 1:N). Khi
đó, bạn phải ghi lại hình ảnh đối tượng và so sánh với toàn bộ cơ sở
dữ liệu để biết được đối tượng đó là ai.

5.4.Phân tích cấu trúc bề mặt (STA – Surface Texture Analysis )
Nhiều khi hình ảnh không thể được xác minh hay nhận đạng chỉ bằng
công nghệ nhận dạng nét mặt. Identix® đã tạo ra một sản phẩm mới
để giúp cho việc nhận diện chính xác hơn. Phần mềm FaceIt®Argus
của họ sử dụng công nghệ sinh trắc học về da, dựa trên cấu trúc da
độc nhất của mỗi người, giúp đem lại kết quả còn chính xác hơn nữa.


Thuật toán STA cho phép kết quả thu được đạt độ chính xác cao nhất
STA tạo thành những Dấu da ( SkinPrint ) và đối chiếu theo tỉ lệ 1:1
hoặc 1:N phụ thuộc vào kiểu tìm kiếm. Quá trình này được gọi là Phân
tích cấu trúc bề mặt, cũng hoạt động giống như hệ thống nhận diện
khuôn mặt. Đầu tiên, một mảng da, gọi là dấu da ( SkinPrint ) , sẽ
được chụp thành hình ảnh . Sau đó, mảng da này được chia nhỏ ra
thành nhiều khối. Bằng cách sử dụng thuật toán để chuyển mảng da

Tuy vậy, không công nghệ nào là hoàn hảo. Và công nghệ này cũng có
thể bị ảnh hưởng bởi một số nhân tố sau đây:
·Ánh sáng chói trên kính mắt hoặc kính râm
·Tóc dài che phần chính giữa khuôn mặt
·Ánh sáng yếu khiến khuôn mặt bị mờ đi
·Độ phân giải thấp (ảnh được ghi lại từ quá xa)
Identix không phải là công ty duy nhất phát triển công nghệ nhận diện
khuôn mặt. Mặc dù phần lớn sản phẩm của các công ty khác đều hoạt
động tương tự như FaceIt, chúng cũng có một số khác biệt. Ví dụ như
sản phẩm FACEngine ID® SetLight của một công ty có tên là
Animetrix có khả năng chỉnh độ sáng, giúp giảm tỉ lệ nhận diện sai,
hay sản phẩm của Sensible Vision có thể bảo mật cho một máy tính
bằng cách sử dụng công nghệ nhận diện khuôn mặt. Máy tính sẽ chỉ


hoạt động khi người chủ thực sự của nó điều hành. Còn khi người chủ
ra khỏi khu vực nhận diện, máy tính sẽ tự động bảo mật tránh những
người dùng khác.
Nhờ vào những bước tiến mạnh mẽ trong công nghệ, hệ thống nhận
diện da và khuôn mặt đang được sử dụng nhiều hơn so với chỉ vài
năm trước đây. Trong phần tiếp theo, chúng ta sẽ tìm hiểu xem những
công nghệ này đang được sử dụng ở đâu và như thế nào, và điều gì
đang hứa hẹn ở phía trước.

5.5.Hiện tại và tương lai của công nghệ nhận dạng khuôn mặt
Trong quá khứ, đối tượng sử dụng chính của phần mềm nhận diện
khuôn mặt là các cơ quan pháp luật để nhận diện các khuôn mặt trong
đám đông. Một số tổ chức chính phủ cũng sử dụng hệ thống này trong
công tác an ninh và để loại trừ việc gian lận trong bầu cử. Gần đây
chính phủ Mỹ đã sử dụng một chương trình có tên US-VISIT (Công