Tài liệu luận văn thạc sĩ "NHẬN DẠNG VÂN TAY SỬ DỤNG MẠNG NƠ RON NHÂN TẠO"

Trang 1 Đại Học Quốc Gia Tp. Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA -------------------- NGUYỄN HOÀNG HUY NHẬN DẠNG VÂN TAY Chuyên ngành : Kỹ thuật Điện tử LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 07 năm 2007 Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 2 GIÔÙI THIEÄU 1. Giôùi thieäu 2. Toång quan tình hình nghieân cöùu 3. YÙ nghóa ñeà taøi Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 3 CHÖÔNG 1: GIÔÙI THIEÄU 1.1 GIÔÙI THIEÄU Ngaøy nay, caùc kyõ thuaät sinh traéc hoïc ngaøy caøng ñöôïc öùng duïng roäng raõi. Trong ñoù, nhaän daïng vaân tay ñöôïc xem laø moät trong nhöõng kyõ thuaät hoaøn thieän vaø ñaùng tin caäy nhaát ñeå xaùc nhaän moät ngöôøi. Gaàn ñaây, kyõ thuaät naøy ñöôïc chuù yù nhieàu vaø ngöôøi ta thaáy raèng noù thích hôïp vôùi nhöõng öùng duïng coù cô sôû döõ lieäu nhoû, nhöng khoâng thuaän tieän cho nhöõng öùng duïng coù phaïm vi lôùn. Ña soá caùc heä thoáng baûo maät hieän nay ñöôïc baûo veä baèng password vaø PIN (Personal Identification Number), nhöng caùc phöông phaùp naøy ñaõ ñöôïc chöùng minh laø khoâng hieäu quaû. Bôûi vì, password laø nhöõng con soá khoù nhôù, deã queân vaø deã bò ñaùnh caép. Baèng caùch söû duïng vaân tay vaø maät maõ, vieäc xaùc nhaän moät ngöôøi coù theå ñöôïc thöïc hieän baèng moät heä thoáng nhaän daïng vaân tay an toaøn vaø thuaän tieân. Hình 1.1 laø caáu truùc cô baûn cuûa heä thoáng nhaän daïng daáu vaân tay. Ñaàu tieân, daáu vaân tay cuûa moät ngöôøi caàn ñöôïc laáy maãu (baèng moät thieát bò coù theå chuïp ñöôïc vaân tay – Biometric sensor) vaø löu vaøo cô sôû döõ lieäu (Registration module). Sau ñoù, khi caàn xaùc nhaän ngöôøi ñoù cung caáp laïi moät daáu vaân tay khaùc, daáu vaân tay naøy seõ ñöôïc so saùnh vôùi daáu vaân tay trong cô sôû döõ lieäu ñeå quyeát ñònh chaáp nhaän hay töø choái döïa treân moät giaù trò ngöôõng ñoái saùnh. Hình 1.1: Caáu truùc cô baûn cuûa heä thoáng nhaän daïng daáu vaân tay Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 4 Hieän nay, treân thò tröôøng theá giôùi ñaõ coù baùn nhieàu loaïi thieát bò chuïp vaân tay (fingerprint reader, fingerprint scanner) vôùi caùc chaát löôïng khaùc nhau. Baûng 1.1 giôùi thieäu moät soá loaïi thieát bò chuïp vaân tay vaø caùc thoâng soá kyõ thuaät cuûa chuùng. Hình 1.2 laø aûnh vaân tay ñöôïc chuïp töø caùc thieát bò naøy. Chi tieát hôn coù theå tham khaûo ôû [15], [16]. Baûng 1.1: Moät soá loaïi thieát bò chuïp vaân tay vaø caùc thoâng soá kyõ thuaät cuûa chuùng Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 5 Hình 1.2: AÛnh vaân tay ñöôïc chuïp töø caùc thieát bò treân: a) Biometrika FX2000, b) Digital Persona UareU2000, c) Identix DFR200, d) Ethentica TactilSense T-FPM, e) STMicroelectronics TouchChip TCS1AD, f) Veridicom FPS110, g) Atmel FingerChip AT77C101B, h) Authentec AES4000. Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 6 Ñeå ñaùnh giaù moät heä thoáng nhaän daïng vaân tay ta caàn phaân tích hai loaïi loãi ñoù laø: loãi töø choái nhaàm (False Reject Rate: FRR) vaø loãi chaáp nhaän nhaàm (False Accept Rate: FAR) Soá loãi chaáp nhaän nhaàm cuûa caùc vaân tay khaùc nhau FAR = Toång soá laàn ñoái saùnh cuûa caùc vaân tay khaùc nhau Soá loãi töø choái nhaàm cuûa caùc vaân tay khaùc nhau FRR = Toång soá laàn ñoái saùnh cuûa caùc vaân tay khaùc nhau Giaù trò cuûa hai loaïi loãi naøy coù moái quan heä vôùi nhau thoâng qua giaù trò ngöôõng ñoái saùnh T (threshold) laø sai leäch cho pheùp giöõa maãu caàn ñoái saùnh vôùi maãu ñöôïc löu trong cô sôû döõ lieäu. Khi choïn giaù trò ngöôõng thaáp thì loãi töø choái nhaàm seõ taêng, loãi chaáp nhaän nhaàm seõ giaûm vaø ngöôïc laïi. Heä thoáng thöôøng ñöôïc ñaùnh giaù theo hai caùch: 1. Tyû leä loãi cöïc tieåu SUMmin = (FAR + FRR)min : theo quan ñieåm duø laø loaïi loãi gì thì cuõng laø loãi, do ñoù tyû leä loãi cöïc tieåu SUMmin laø heä soá loãi nhoû nhaát maø heä thoáng coù theå ñaït ñöôïc. 2. Möùc ñoä loãi caân baèng (Equal Error Rate: EER): ñoù laø ñieåm maø FAR vaø FRR baèng nhau. Hình 1.3 bieåu dieãn moái quan heä giöõa FAR, FRR, SUM vaø EER theo ngöôõng T SUM = FAR + FRR 1 SUMmin FRR FAR EER 0 T Hình 1.3: Moái quan heä giöõa FAR, FRR, SUM vaø EER theo ngöôõng T Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 7 1.2 TOÅNG QUAN TÌNH HÌNH NGHIEÂN CÖÙU Caùc phöông phaùp nhaän daïng vaân tay kinh ñieån ñeàu döïa vaøo vieäc ñoái saùnh (matching) caùc ñieåm ñaëc tröng (feature) treân vaân tay. Coù nhieàu phöông phaùp ñoái saùnh khaùc nhau. Trong baøi naøy, chuùng toâi nghieân cöùu phöông phaùp ñoái saùnh baèng maïng neural nhaân taïo (Artificial Neural Network). 1.3 YÙ NGHÓA ÑEÀ TAØI Ñeà taøi giôùi thieäu moät höôùng nghieân cöùu vaø öùng duïng lónh vöïc nhaän daïng vaân tay vaøo thöïc tieãn. Moät lónh vöïc ñaõ khaù phoå bieán treân theá giôùi nhöng coøn haïn cheá ôû Vieät Nam. Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 8 PHÖÔNG PHAÙP NHAÄN DAÏNG VAÂN TAY 1. Caùc ñieåm ñaëc tröng treân aûnh vaân tay 2. Trích caùc ñieåm ñaëc tröng 3. Laøm noåi aûnh vaân tay 4. Ñoái saùnh (matching) Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 9 CHÖÔNG 2: PHÖÔNG PHAÙP NHAÄN DAÏNG VAÂN TAY 2.1 CAÙC ÑIEÅM ÑAËC TRÖNG TREÂN AÛNH VAÂN TAY Treân caùc aûnh vaân tay coù caùc ñieåm ñaëc tröng (laø nhöõng ñieåm ñaëc bieät maø vò trí cuûa noù khoâng truøng laëp treân caùc vaân tay khaùc nhau) ñöôïc phaân thaønh hai loaïi: singularity vaø minutiae ¾ Singularity: Treân vaân tay coù nhöõng vuøng coù caáu truùc khaùc thöôøng so vôùi nhöõng vuøng bình thöôøng khaùc (thöôøng coù caáu truùc song song), nhöõng vuøng nhö vaäy goi laø singularity. Coù hai loaïi singularity laø core vaø delta. core delta Hình 2.1: Caùc ñieåm singularity core vaø delta Core thöôøng coù moät soá daïng nhö sau: Hình 2.2: Moät soá loaïi core thöôøng gaëp. Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 10 ¾ Minutiae: Khi doø theo töøng ñöôøng vaân ta seõ thaáy coù nhöõng ñieåm ñöôøng vaân keát thuùc (Ridge Ending) hoaëc reõ nhaùnh (Bifurcation), nhöõng ñieåm naøy ñöôïc goïi chung laø minutiaae. Hình 2.3: Caùc ñieåm minutiae Ridge Ending (ñieåm keát thuùc) vaø Bifurcation (ñieåm reõ nhaùnh) 2.2 TRÍCH CAÙC ÑIEÅM ÑAËC TRÖNG Baèng caùc phöông phaùp xöû lyù aûnh ta coù theå tìm ñöôïc vò trí caùc ñieåm ñaëc tröng treân caùc aûnh vaân tay. 2.2.1 Trích caùc ñieåm singularity a. Tröôøng ñònh höôùng (orientation field) AÛnh vaân tay laø aûnh ñònh höôùng, caùc ñöôøng vaân laø caùc ñöôøng cong theo caùc höôùng xaùc ñònh. Goùc hôïp bôûi phöông cuûa moät ñieåm treân ñöôøng vaân vôùi phöông ngang ñöôïc goïi laø höôùng cuûa ñieåm ñoù. Taäp hôïp caùc höôùng cuûa caùc ñieåm treân aûnh vaân tay goïi laø tröôøng ñònh höôùng cuûa aûnh vaân tay ñoù. Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 11 Hình 2.4: aûnh vaân tay (a) vaø tröôøng ñònh höôùng cuûa noù (b) Phöông phaùp xaùc ñònh tröôøng ñònh höôùng nhö sau [5], [14]: − Chia aûnh vaân tay thaønh caùc khoái nhoû hôn kích thöôùc WxW − Tính gradient theo hai höôùng x, y laø Gx, Gy taïi moãi ñieåm (pixel) trong khoái − Khi ñoù höôùng cuûa ñieåm chính giöõa cuûa khoái ñöôïc xaùc ñònh theo coâng thöùc: W W ⎛ 2G x (i, j )G y (i, j ) 1 −1 ⎜ ∑i =1 ∑ j =1 ϕ = tan ⎜ W W 2 ⎜ ∑ ∑ G x2 (i, j ) − G y2 (i, j ) ⎝ i =1 j =1 ( ) ⎞ ⎟ ⎟⎟ ⎠ Haøm orientation.m thöïc hieän tính tröôøng ñònh höôùng ñöôïc giôùi thieäu trong phaàn phuï luïc. b. Xaùc ñònh caùc ñieåm singularity baèng chæ soá Poincare (Poincare index) [3] Giaû söû (i,j) laø moät ñieåm baát kyø treân aûnh vaân tay, C laø moät ñöôøng cong kheùp kính xung quanh (i,j) thì chæ soá Poincare taïi (i,j) laø toång ñaïi soá caùc ñoä sai leäch höôùng cuûa caùc ñieåm lieàn keà nhau treân ñöôøng cong C. Poincare(i, j ) = Np −1 ∑ Δ(k ) k =0 d (k ) d (k ) < π / 2 Δ (k ) = d (k ) + π d (k ) ≤ −π / 2 d (k ) − π d ( k ) = ϕ ( x k +1 , y k +1 ) − ϕ ( x k , y k ) Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 12 Trong ñoù: Np laø toång soá ñieåm treân ñöôøng cong “soá” C ϕ(x,y) laø höôùng taïi ñieåm (x,y) Döïa vaøo chæ soá Poincare ta coù theå xaùc ñònh caùc ñieåm singularity nhö sau: (i,j) khoâng phaûi laø ñieåm singularity 00 Poincare (i, j ) = 360 0 0 180 − 180 0 (i,j) laø ñieåm whorl (i,j) laø ñieåm loop (i,j) laø ñieåm delta Hình 2.5 minh hoïa caùch tính chæ soá poincare taïi ñieåm (i,j) vôùi soá ñieåm treân ñöôøng cong “soá” Np = 8 Hình 2.5: Caùch tính chæ soá poincare taïi ñieåm (i,j) vôùi Np = 8 Haøm poincare.m thöïc hieân vieäc tính chæ soá Poincare theo thuaät toaùn treân vaø haøm singularity.m xaùc ñònh caùc ñieåm singularity döïa vaøo chæ soá Poincare (phuï luïc). Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 13 2.2.2. Trích caùc ñieåm minutiae Coù hai phöông phaùp chính ñeå tìm caùc ñieåm minutiae: trích caùc ñieåm minutiae töø aûnh binary vaø trích caùc ñieåm minutiae tröïc tieáp töø aûnh xaùm. a. Trích caùc ñieåm minutiae töø aûnh binary [5] Hình 2.6: Sô ñoà moâ taû thuaät toaùn trích caùc ñieåm minutiae töø aûnh binary YÙ töôûng chính cuûa phöông phaùp naøy laø töø aûnh xaùm ban ñaàu ta söû duïng caùc boä loïc thích hôïp ñeå phaùt hieän vaø laøm maûnh ñöôøng vaân döôùi daïng moät pixel (ridge detection), bieán ñoåi aûnh xaùm ban ñaàu thaønh aûnh binary (coù giaù trò laø 0 hoaëc 1) töông öùng. Sau ñoù, caùc ñieåm minutiae seõ ñöôïc trích nhö sau: giaû söû (x,y) laø moät ñieåm treân ñöôøng vaân ñaõ ñöôïc laøm maõnh vaø N0, N1, …, N7 laø 8 ñieåm xung quanh noù thì • • (x,y) laø moät ñieåm keát thuùc neáu (x,y) laø moät ñieåm reõ nhaùnh neáu 7 ∑N i =0 7 ∑N i =0 Nhaän daïng vaân tay =1 i i >2 http://www.ebook.edu.vn Trang 14 Hình 2.7: Caùc keát quaû cuûa thuaät toaùn Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 15 b. Trích caùc ñieåm minutiae tröïc tieáp töø aûnh xaùm [1] ¾ Doø theo ñöôøng vaân (Ridge line following) Giaû söû I laø moät aûnh xaùm coù kích thöôùc laø mxn vaø neáu coi chieàu thöù ba z laø möùc xaùm taïi ñieåm (i,j) thì beà maët cuûa aûnh vaân tay I coù daïng nhö sau: Hình 2.8: Beà maët cuûa aûnh vaân tay vôùi caùc ñöôøng vaân (ridge) vaø caùc raõnh (ravine) Theo quan ñieåm toaùn hoïc thì ñöôøng vaân laø taäp hôïp caùc ñieåm cöïc ñaïi doïc theo moät höôùng xaùc ñònh. Vieäc xaùc ñònh caùc ñieåm minutiae tröïc tieáp töø aûnh xaùm döïa vaøo thuaät toaùn doø theo ñöôøng vaân. Thuaät toaùn naøy döïa vaøo vieäc xaùc ñònh caùc ñieåm cöïc ñaïi doïc theo höôùng cuûa ñöôøng vaân. ¾ Xaùc ñònh ñieåm cöïc ñaïi Giaû söû Ω((it , jt ), φ , σ ) laø thieát dieän cuûa ñöôøng vaân coù ñieåm chính giöõa laø (it , jt ) , höôùng cuûa thieát dieän φ = ϕ t + π / 2 ( ϕ t laø höôùng cuûa ñöôøng vaân taïi (it , jt ) ) vaø beà roäng cuûa thieát dieän m = 2σ+1 pixel (hình 2.9). Khi ñoù, Ω ñöôïc xaùc ñònh nhö sau: vaø ñieåm cöïc ñaïi coù theå ñöôïc xaùc ñònh baèng caùch so saùnh möùc xaùm giöõa caùc ñieåm trong Ω Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 16 Hình 2.9: Thieát dieän cuûa ñöôøng vaân taïi ¾ Toùm laïi vieäc tìm caùc ñieåm minutiae baèng thuaät toaùn doø theo ñöôøng vaân ñöôïc thöïc hieän nhö sau (chi tieát xem ôû taøi lieäu tham khaûo[1]): − Laáy moät ñieåm baát kì (is,js) treân aûnh I − Tìm höôùng ϕs taïi ñieåm (is,js) − Tìm ñieåm cöïc ñaïi (ic,jc) gaàn (is,js) nhaát Hình 2.10: Ñieåm cöïc ñaïi (ic,jc) töông öùng vôùi (is,js) − Tìm höôùng ϕc taïi ñieåm (ic,jc) − Dòch chuyeån theo höôùng ϕc moät ñoaïn μ − Tinh chænh laïi ñieåm cöïc ñaïi (ic,jc) vaø höôùng ϕc − Tieáp tuïc quaù trình naøy ñeå doø theo ñöôøng vaân (ridge following) cho ñeán khi khoâng phaùt hieän ñöôïc ñieåm cöïc ñaïi (ic,jc) thì ñoù laø ñieåm Ridge Ending hoaëc chaïm vaøo moät ñöôøng vaân khaùc thì ñoù laø ñieåm Bifurcation (moãi ñöôøng vaân sau khi ñöôïc doø seõ ñöôïc gaùn nhaõn) − Tieáp theo choïn moät ñieåm (is,js) khaùc vaø thöïc hieän laïi quaù trình treân cho ñeán khi doø heát taát caû caùc ñöôøng vaân. Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 17 Hình 2.11: Dòch chuyeån theo ñöôøng vaân töøng ñoaïn μ Taát caû caùc thuaät toaùn treân ñöôïc thöïc hieän baèng haøm minutiae.m (phuï luïc) 2.3 LAØM NOÅI AÛNH VAÂN TAY Caùc aûnh vaân tay thöôøng ñöôïc laáy baèng hai phöông phaùp: töø möïc hoaëc töø caùc sensor. Caùc aûnh vaân tay ñöôïc laáy töø möïc thöôøng coù chaát löôïng thaáp vaø khoâng ñoàng ñeàu. Phaàn naøy seõ giôùi thieäu phöông phaùp duøng boä loïc Gabor ñeå caûi thieän chaát löôïng cuûa aûnh vaân tay [8], [13], [14]. Haøm Gabor laø moät coâng cuï höõu duïng cho vieäc xöû lyù aûnh. Noù coù ñaëc tính choïn loïc trong mieàn khoâng gian laãn taàn soá. Haøm Gabor 2_D thöïc coù daïng nhö sau: ⎛ 1 ⎡ xφ2 yφ2 ⎤ ⎞ ⎛ 2πxφ ⎞ ⎟ g ( x, y; T , φ ) = exp⎜ − ⎢ 2 + 2 ⎥ ⎟ cos⎜⎜ ⎜ 2 ⎢σ x σ y ⎥ ⎟ ⎝ T ⎟⎠ ⎣ ⎦⎠ ⎝ xφ = x cos φ + y sin φ yφ = − x sin φ + y cos φ trong ñoù: φ laø höôùng cuûa boä loïc T laø chu kyø cuûa haøm cos (thöôøng ñöôïc choïn töø thöïc nghieäm coù giaù trò [0,1]) σx , σy laø caùc ñoä leäch chuaån (thöôøng ñöôïc choïn töø thöïc nghieäm coù giaù trò [0,4]) Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 18 Caùc böôùc thöïc hieän: 1. Chuaån hoùa möùc xaùm: neáu I(x,y) laø möùc xaùm taïi ñieåm (x,y) cuûa aûnh I thì möùc xaùm chuaån hoùa Ni(x,y) ñöôïc xaùc ñònh rheo coâng thöùc sau: trong ñoù: M0, V0 laø mean vaø variance mong muoán (thöôøng ñöôïc choïn laø 100) Mi, Vi laø mean vaø variance cuûa aûnh I Chuù yù: neáu möùc xaùm cuûa caùc vuøng khaùc nhau treân aûnh I khoâng ñoàng ñeàu thì coù theå chia I thaønh caùc khoái nhoû vaø chuaån hoaù theo töøng khoái. Hình 2.12: aûnh I vaø aûnh chuaån hoùa cuûa noù (Haøm normalize.m thöïc hieän chuaån hoùa möùc xaùm ñöôïc giôùi thieäu ôû phuï luïc) Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 19 2. Xaùc ñònh tröôøng ñònh höôùng theo phöông phaùp ñaõ giôùi thieäu ôû treân 3. Söû duïng haøm loïc Gabor cho aûnh ñaõ chuaån hoùa trong mieàn taàn soá − Chia aûnh caàn loïc thaønh töøng khoái nhoû kích thöôùc WxW − Xaùc ñònh höôùng cuûa khoái (döïa vaøo tröôøng ñònh höôùng) − Höôùng φ cuûa boä loïc laø höôùng cuûa khoái − Söû duïng pheùp bieán ñoåi FFT vaø pheùp bieán ñoåi IFFT cho töøng khoái aûnh vaø haøm Gabor Hình 2.13: Keát quaû loïc baèng haøm gabor_filter.m (phuï luïc) vôùi T = 0.6, σx = 1, σy = 2 Nhaän daïng vaân tay http://www.ebook.edu.vn Trang 20 2.4 ÑOÁI SAÙNH (MATCHING) Haàu heát caùc phöông phaùp nhaän daïng vaân tay ñeàu döïa vaøo vieäc ñoái saùnh vò trí caùc ñieåm ñaëc tröng. Gaàn ñaây, moät soá taùc giaû ñaõ keát hôïp theâm moät soá ñaëc tính khaùc cuûa aûnh vaân tay ñeå naâng cao hieäu quaû ñoái saùnh nhö: Orientation field [9] hoaëc Density map [10]. Chi tieát xem ôû taøi lieäu tham khaûo, ôû ñaây toâi xin giôùi thieäu phöông phaùp ñoái saùnh vò trí caùc ñieåm ñaëc tröng maø toâi ñaõ söû duïng, phöông phaùp naøy gaàn gioáng vôùi caùc phöông phaùp ñöôïc neâu ôû [4] vaø [11]. Haøm matching.m (phuï luïc) thöïc hieän ñoái saùnh hai aûnh vaân tay theo phöông phaùp naøy. Giaû söû I vaø I’ laàn löôït laø caùc aûnh vaân tay maãu vaø aûnh vaân tay caàn ñoái saùnh, m = {x, y, θ } laø caùc ñieåm ñaëc tröng ñöôïc xaùc ñònh bôûi toïa ñoä (x,y) vaø höôùng θ. I = {m1 , m2 ,..., mm }, mi = {xi , y i , θ i }, I = m , m ,..., m , m = x , y ,θ , ' { ' 1 ' 2 ' n } ' j { ' j ' j ' j } i = 1...m j = 1...n trong ñoù: m, n laàn löôït laø soá ñieåm ñaëc tröng cuûa I vaø I’. Khi ñoù, ñieåm m ' ∈ I ' ñöôïc coi laø “gioáng” vôùi ñieåm m ∈ I neáu ñoä sai leäch veà khoâng gian vaø ñoä sai leäch veà höôùng nhoû hôn caùc giaù trò ngöôõng r0 vaø θ0 : sd (m 'j , mi ) = ( x 'j − xi ) 2 + ( y 'j − y i ) 2 ≤ r0 dd (m 'j , mi ) = θ j' − θ i ≤ θ 0 Neáu Toång soá ñieåm cuûa I – soá ñieåm gioáng nhau < ngöôõng T Toång soá ñieåm cuûa I thì I’ ñöôïc coi laø gioáng I. Trong ñoù T laø phaàn traêm soá ñieåm sai leäch cho pheùp. Nhaän daïng vaân tay http://www.ebook.edu.vn