Biometria.pdf

Biometria

autorem artykułu jest Łukasz Gajewski

Biometria to technika dokonywania pomiarów istot żywych. W najnowszych

zastosowaniach ukierunkowana jest na metody automatycznego rozpoznawania ludzi na

podstawie ich cech fizycznych. Przykładem urządzeń do pomiarów biometrycznych na

podstawie których można identyfikować konkretne osoby jest system rozpoznawania

tęczówki oka rejestrujący obraz tęczówki oka.

Biometryczne metody badają cechy fizyczne (np. tęczówka oka, siatkówka (dno oka)

linie papilarne, układ naczyń krwionośnych na dłoni lub przegubie ręki, kształt dłoni,

kształt linii zgięcia wnętrza dłoni, kształt ucha, twarz, rozkład temperatur na twarzy,

kształt i rozmieszczenie zębów, zapach, DNA itp.) jak też i cechy behawioralne, tzn.

związane z zachowaniem (np. sposób chodzenia, podpis odręczny, ale też pisząc na

klawiaturze komputera, głos, a nawet można wpisać tu sposób reakcji mózgu, fala P300,

na pewne znane informacje-bodźce). Fala P300 jest reakcją mózgu powstającą w czasie

300 milisek od bodźca. Jest ona charakterystyczna dla każdego człowieka. Biometryczne

techniki w praktycznych zastosowaniach zajmują się przede wszystkim weryfikacją osób

(porównują uzyskane cechy z zapisaną wcześniej próbką, czyli dokonuje się wyboru

jednego z wielu i weryfikuje), a w mniejszym stopniu ich identyfikacją kiedy to uzyskane

z pomiaru cechy należy porównać z każdą zapisaną w bazie próbką.

Ważnymi wadami metod biometrycznych są fakty, że nie u wszystkich osób dana cecha

funkcjonuje w stanie możliwym do jej pomiaru oraz, że prawie wszystkie cechy ulegają

zmianom w trakcie życia.

Badania:

Tęczówka - Obraz tęczówki rejestrowany jest za pomocą urządzenia IrisCUBE,

będącym elementem całego systemu NASK IRS (Iris Recognition System). IrisCUBE w

sposób interaktywny (za pomocą systemu diod i luster) pomaga użytkownikowi podczas

procesu rejestracji, który trwa typowo około 5 sek. IID posiada aktywną optykę służącą

do kompensacji małej głębi ostrości. Obrazy tęczówki uzyskane za pomocą IID są

zgodne ze standardem ISO/IEC 19794-6 (Final Committee Draft) [Iris2].

Surowy obraz zawiera tęczówkę oraz jej otoczenie. Dlatego pierwszym etapem

przetwarzania zdjęcia jest lokalizacja tęczówki. W poszukiwaniu granic między źrenicą i

tęczówką jak i pomiędzy tęczówką i białkówką wykorzystujemy informację o lokalnym

gradiencie obrazu. Obie granice aproksymowane są okręgami o różnych środkach.

Tęczówka prawie zawsze zasłonięta jest częściowo przez powieki czy rzęsy. Na

powierzchni tęczówki często znaleźć można różnorakie odblaski światła. Stąd też,

kolejnym etapem wstępnego przetwarzania obrazu jest lokalizacja zakłóceń. W systemie

NASK IRS metoda lokalizacji zakłóceń wykorzystuje lokalną wariancję intensywności

obrazu tęczówki mierzoną w kierunkach radialnych. W wyniku tej analizy otrzymujemy

mapę zakłóceń dla kilkudziesięciu sektorów tęczówki. Na podstawie skonstruowanej

mapy, do dalszej analizy dobrane zostają dwa wolne od zakłóceń sektory tęczówki o

szerokości kątowej 90 stopnii (po lewej i po prawej stronie źrenicy.

Algorytm oparty o rozwinięcie Zaka-Gabora operuje na prostokątnych obrazach. Sektory

tęczówki są więc w dalszych etapach algorytmu przetwarzane w układzie biegunowym.

Przykłady typowych sektorów tęczówki, na podstawie których wyznaczany jest wzorzec

tęczówki. Na podstawie obserwacji i analizy obrazów wielu różnych tęczówek (patrz

również [Iris1]) możemy twierdzić, iż korelacja pomiędzy elementami obrazu tęczówki

jest znacznie większa w kierunku radialnym niż kątowym. Wynika to z budowy mięśnia

tęczówki. Dlatego fluktuacje jasności obrazu w kierunku kątowym reprezentujemy w

postaci jednowymiarowych funkcji, których wartości powstają przez uśrednianie jasności

obrazu w kierunku radialnym na pewnym horyzoncie. W efekcie dalszemu kodowaniu

poddane są jednowymiarowe funkcje jasności, nazywane tutaj paskami, zamiast

obrazów 2D.

Kodowanie tęczówki może być rozumiane jako opis jej cech lokalnych. W tym celu

używamy transformaty Zaka do bezpośredniego wyznaczenia współczynników

rozwinięcia Gabora. Jest to inne podejście do kodowania tęczówki niż stosowane przez

np. Daugmana [Iris1], który wykorzystuje filtrowanie obrazu w celu wyznaczenia kodu

tęczówki. Metoda bezpośredniego wyznaczania współczynników rozwinięcia Gabora za

pomocą transformaty Zaka została opracowana pierwotnie przez Martina J. Baastiansa

[Iris3], i nazywana jest często transformatą Zaka-Gabora. Jest to jedna z najszybszych i

najdokładniejszych metod wyznaczana współczynników rozwinięcia Gabora. Dla

otrzymanych współczynników pamiętamy jedynie ich znak (za pomocą jednego bitu).

Wynikowe bity kodu traktować będziemy jako cechy tęczówki. Wektor cech ma zawsze

tą samą kolejność elementów. Oszacowanie podobieństwa dwóch tęczówek polega zatem

na wyznaczeniu odległości Hamminga pomiędzy kodami.

Maksymalny rozmiar wektora cech tęczówki to ponad sto tysięcy liczb. Jest to zbyt wiele

chociażby ze względów praktycznych (np. przechowywanie i transmisja danych,

weryfikacja biometryczna dokonywana przez urządzenia mobilne lub karty inteligentne,

itp.). Okazuje się jednak, iż część cech jest zbędna z punktu widzenia jakości weryfikacji,

gdyż nie niosą one informacji charakterystycznej dla oka. Dlatego dokonujemy redukcji

liczby cech przy użyciu własnej bazy zdjęć tęczówek BioBase.

Baza zdjęć tęczówek może zostać podzielona na klasy; każda klasa reprezentuje inne

oko. Aby wybrać cechy istotne z punktu widzenia rozpoznawania osób, dla każdej cechy

wyznaczamy wariancję wewnątrz- i międzyklasową (wariancja z próby). Intuicyjnie,

najlepsze cechy to te, dla których wariancja wewnątrz klasowa jest minimalna a

jednocześnie wariancja międzyklasowa jest jak największa. Ten prosty mechanizm

doboru cech musi być jednak wzbogacony o techniki odrzucania cech niosących podobną

informację. Ze zbioru cech do kodowania wybieramy więc te, których współczynnik

korelacji z pozostałymi elementami wektora cech nie przekracza ustalonego progu.

Pozostaje pytanie, z ilu elementów ostatecznie powinien składać się wektor cech

tęczówki. Aby zbadać zależność pomiędzy dokładnością systemu a wielkością wektora

cech, posługujemy się jedną z najpopularniejszych miar pozwalających oszacować

różnicę pomiędzy dwiema zmiennymi losowymi mianowicie d' (wykrywalność, ang.

decidability lub detectability). Miara d' określa w jakim stopniu rozkłady dwóch

zmiennych losowych pokrywają się (im większe d' tym większa jest część wspólna

rozkładów). Zmienne losowe, o których mowa, odpowiadają natomiast wynikom

porównań tęczówek (tych samych i różnych oczu).

Przeprowadzone eksperymenty pokazują, że wartość d' zmienia się wraz ze wzrostem

rozmiaru wektora cech i osiąga maksimum dla pewnej liczby elementów tego wektora.

Tak dobrany wektor cech zawiera jednak elementy ściśle dopasowane do zastosowanej

bazy zdjęć i nie może być bezpośrednio stosowany w kodowaniu tęczówki. Jest on

natomiast źródłem informacji które parametry transformaty Zaka-Gabora prowadzą do

optymalnego kodowania z punktu widzenia biometrii. Stosując transformatę Zaka-

Gabora dla optymalnych parametrów kodowania, otrzymujemy w naszym systemie

wzorce tęczówki o długości 1024 bity.

Dobór parametrów transformaty jest kluczowym elementem projektowania systemu,

decydującym o jego dokładności. Opracowane w Pracowni metody doboru parametrów,

działające zgodnie z powyższą koncepcją, pozwalają na automatyczną optymalizację

dokładności rozpoznawania osób dla szerokiego spektrum jakości zdjęć tęczówki.

Zaprezentowane rozwiązanie kodowania tęczówki zostało rozszerzone o możliwość

konstruowania różnych zestawów cech dla różnych tęczówek. Taka możliwość wynika z

faktu, iż nie wszystkie współczynniki wyselekcjonowane do optymalnego zbioru cech są

wystarczająco stabilne (np. ze względu na budowę mięśnia konkretnej tęczówki).

Wprowadzając więc dodatkową maskę, usuwającą z kodu jego ''najsłabsze'' elementy,

rozszerzamy go do wielkości 2048 bitów.

Systemy biometrii tęczówki fotografujące jedno oko nie mają możliwości kontroli obrotu

oka wokół osi prostopadłej do płaszczyzny tęczówki. Jest to problem istotny, gdyż

obrócone oko za każdym razem spowoduje wygenerowanie kodu dla nieco innych części

tęczówki, tym samym zwiększając ryzyko fałszywych odrzuceń. W systemie

skonstruowanym w Pracowni, rozwiązaliśmy ten problem wprowadzając techniki

optymalizacji do procesu porównania dwóch kodów. Porównywany wzorzec tęczówki jest

rozszerzany o kody wygenerowane dla kilku obrotów oryginalnego zdjęcia. Z racji tego,

iż zastosowana metoda wyznaczania kodu (transformata Zaka-Gabora) jest bardzo

wydajna, procedura optymalizacji jedynie niezauważalnie wydłuża czas porównania

kodów, natomiast znacznie zwiększa dokładność weryfikacji.

Geometria dłoni - Systemy geometrii dłoni są powszechnie stosowane w celu

weryfikacji tożsamości. Są to systemy nie budzące obaw odnośnie zachowania

prywatności użytkowników, stosunkowo tanie w budowie i proste w użyciu, a przy tym

zapewniające wysoki poziom bezpieczeństwa. Po pierwsze większość z nas nie uważa

kształtu dłoni za cechę szczególnie osobistą bądź intymną (w przeciwieństwie np. do

odcisków palców, często uznawanych za cechę bardzo osobistą, pomimo faktu, że

zostawia się je na setkach przedmiotów dotykanych każdego dnia). Jesteśmy

przyzwyczajeni do wymieniania uścisków dłoni i dotykania dłonią różnych przedmiotów,

stąd bezpośredni kontakt z urządzeniem pomiarowym zwykle nie budzi naszych obaw (a

przykładowo użytkownicy systemów tęczówki często odczuwają pewną blokadę np. przed

spojrzeniem prosto w kamerę). Po drugie, cechy geometrii dłoni nie zawierają

wystarczającej ilości informacji, która pozwalałaby na identyfikację tożsamości. Co

więcej, systemy te wykorzystują proste metody pomiaru i z tego względu są nie tylko

tanie w budowie, ale również proste w użyciu. Czas potrzebny użytkownikowi do

nauczenia się, jak korzystać z urządzenia jest nieporównywalnie krótszy niż w przypadku

innych metod biometrycznych. Powyższe cechy sprawiają, że systemy geometrii dłoni są

jednymi z najszerzej akceptowanych ze względów społecznych, kulturowych,

psychologicznych i religijnych metod biometrycznych na świecie.

Warto zauważyć, że mimo iż niemal cała pracująca populacja ma dłonie to system może

również zostać zaadaptowany do obsługi osób niepełnosprawnych (oczywiście tylko z

pewnymi typami niepełnosprawności). W razie konieczności istnieje możliwość integracji

z innymi technikami biometrycznymi, a w szczególności z pomiarami odcisków palców

i/lub układu linii papilarnych na wewnętrznej stronie dłoni (ang. palmprints).

Główną wadą biometrii geometrii dłoni jest fakt, że jakość działania systemu może

zostać poważnie zmniejszona w przypadku poważnych zranień dłoni (opuchnięcia,

złamania). Tymczasem uszkodzenia kończyn górnych są jednymi z najczęściej

występujących skutków wypadków przy pracy. W skrajnych przypadkach, gdy użycie

dłoni nie jest już możliwe, należy zastosować specjalne techniki obejścia (np. korzystanie

ze specjalnej przepustki). Częściowym rozwiązaniem tego typu problemów może być

wprowadzanie do pamięci systemu obu dłoni każdego użytkownika.

Biometryczne systemy weryfikujące, bazujące na geometrii dłoni wykorzystują jedynie

informacje o fizycznych wymiarach dłoni, takich jak długości i szerokości palców

(mierzone w kilku różnych miejscach) czy pewne geometryczne własności środkowej

części dłoni (śródręcza). Należy w tym miejscu podkreślić, że inne cechy, takie jak

odciski palców, wzór linii papilarnych na wewnętrznej stronie dłoni (ang. palmprints),

zdjęcia termiczne dłoni czy układ naczyń krwionośnych dłoni, jakkolwiek są naturalnie

związane z dłonią, uznaje się za oddzielne rodzaje metod biometrycznych (każda z nich

wymaga innego przetwarzania). Większość z powyższych technik może zostać połączona

w jednym urządzeniu z podejściem bazującym na pomiarach geometrii dłoni.

Dane dotyczące kształtu dłoni są obliczane na podstawie zdjęcia dłoni. W celu uzyskania

obrazu dłoni wykorzystujemy system wyposażony w kamerę telewizji przemysłowej,

naświetlacz podczerwieni i specjalny panel z pięcioma kołkami pozycjonującymi. W

czasie wykonywania zdjęcia dłoń należy położyć na panelu, a palce zbliżyć do

odpowiednich kołków. System automatycznie sprawdza ułożenie dłoni i - jeśli jest ono

prawidłowe - wykonuje zdjęcie dłoni. Dodatkowo na panelu umieszczone są dwa małe

lustra w celu pobrania obrazu krawędzi dłoni i kciuka. W czasie całego procesu pomiaru

użytkownik widzi swoją dłoń na ekranie, na którym wyświetlane są również specjalne

podpowiedzi ułatwiające prawidłowe ułożenie dłoni. Pobierany obraz ma rozmiar 768 x

576 pikseli i jest wykonywany w skali szarości (obraz czarno-biały).

Po wykonania zdjęcia dłoni stosuje się specjalne techniki przetwarzania obrazu i

wyznacza 40 geometrycznych cech dłoni. Standardowo w trakcie wprowadzania nowego

użytkownika do systemu (ang. enrollment) wykonywane są 3 zdjęcia dłoni, a w procesie

weryfikacji pobiera się jedynie 1 zdjęcie dłoni. W celu porównania dłoni z zapisanym w

pamięci systemu wzorcem stosowane są różne techniki klasyfikacji. Sam proces

porównania można rozumieć jako wyznaczanie odległości między wzorcem a aktualnie

weryfikowaną dłonią. Jeśli dłoń należy do tego samego użytkownika, do którego należy

wzorzec, to wyznaczona odległość jest mała (tzn. występuje duże podobieństwo między

wzorcem a bieżącym obrazem dłoni). W przeciwnym wypadku odległość jest duża.

W praktycznych zastosowaniach działanie systemu biometrycznego silnie zależy od

łatwości jego użycia, co wpływa na poziom błędu fałszywego odrzucenia FRR (ang. False

Rejection Rate). Ze względu na swoją prostotę systemy geometrii dłoni zwykle

gwarantują bardzo niski poziom błędu FRR, który jest znacząco mniejszy niż dla

systemów bazujących na pomiarach tęczówki czy twarzy. Jednocześnie poziom błędu

fałszywej akceptacji FAR (ang. False Acceptance Rate) gwarantuje wysoki stopień

bezpieczeństwa w zastosowaniach wymagających jedynie weryfikacji, bez konieczności

identyfikacji tożsamości. Wartość błędu zrównoważonego EER (ang. Equal Error Rate) dla

systemu geometrii dłoni skonstruowanego w naszej Pracowni wynosi poniżej 1%.

EEG - Sygnał EEG zmienia się w czasie oraz zależy od stanu fizycznego i

psychicznego, w jakim znajduje się badana osoba (np. sen lub czuwanie, oczy otwarte

lub zamknięte, zmęczenie itp.). Dotychczasowe metody analizy EEG miały na celu

klasyfikację chorób w celach diagnostycznych. Oznacza to, że dla osób o tych samych

przypadłościach pewne cechy EEG były takie. W przypadku biometrii cel jest w pewnym

sensie ortogonalny, ponieważ polega na identyfikacji osoby niezależnie od stanu, w jakim

się znajduje.

Po akwizycji sygnał EEG podlega technikom wstępnej obróbki, następnie wyliczane

zostają cechy modelu Auto Regresyjnego na podstawie relatywnie krótkich okien

czasowych z pojedynczej elektrody. Cechy te zasilane zostają do klasyfikatora, który

rozróżnia jedną osobę od pozostałych. Proces polega na policzeniu odległości pomiędzy

nowym wektorem cech a wektorem cech przechowywanych we wzorze. Dla tej samej

osoby odległość ta powinna być relatywnie mała przy założeniu, że EEG posiada pewne

indywidualne cechy.

Wyniki otrzymane podczas eksperymentów wykonanych na Politechnice Warszawskiej

dla 10 osób pokazały poziom 85% poprawnej weryfikacji wskazując na możliwość

występowania w sygnale EEG cech charakteryzujących osobę.

Podpis - Biometria podpisu odręcznego tym różni się od innych biometrii, że nie

polega na mierzeniu określonych cech wrodzonych, a pewnego wyuczonego zachowania

- należy do grupy biometrii behawioralnych. Używana przez nas reprezentacja podpisu

wykorzystuje nie tylko charakterystykę wizualną (dwuwymiarowy obraz), ale także

sposób, w jaki podpis został złożony, tj. dynamikę ruchu pióra. Podpisy są pobierane

przy pomocy tabletu graficznego. Każdy pobrany podpis jest reprezentowany przez

sekwencje wektorów, z których każdy zawiera współrzędne końcówki pióra, nacisk oraz

kąty: azymut i nachylenie. Liczba wymiaru wektora zależy od liczby cech jakie można

pobrać za pomocą konkretnego tabletu.

Cechami funkcyjnymi są zarówno bezpośrednio pobrane z tabletu sekwencje cech (

koordynaty pióra, nacisk..) jak i funkcje wyznaczone za ich pomocą( przyspieszenie,

lokalne drgania sygnału, ...)

Cechy statyczne są to statystyki cech funkcyjnych jak i cechy globalne podpisu takie jak

wysokość, ilość podniesień pióra, itd. Rozwiązania bazujące jedynie na cechach

statycznych gubią dynamiczną charakter podpisu, który bardzo wspomaga poprawną

weryfikację.

Jednak algorytmy weryfikacji zazwyczaj wykorzystują obydwa typy cech.(parametryczne

i funkcyjne). Cechy parametryczne zazwyczaj wykorzystuje się w klasyfikatorach

probabilistycznych czy metodach sztucznej inteligencji takich jak sieci neuronowe. Druga

grupa cech najczęściej wykorzystywana jest do modelowania ukrytymi modelami

Markowa (HMM).

Odciski palców - Nasze dłonie, a w szczególności opuszki palców, pokryte są maleńkimi

bruzdami nazywanymi liniami papilarnymi. Ich układ jest wynikiem marszczenia się

skóry w czasie rozwoju płodowego i jest zupełnie przypadkowy - nawet bliźniaki

jednojajowe mają różne odciski palców. To, na co zwraca się uwagę porównując odciski,

to zakończenia i rozgałęzienia linii. Badania pokazują, że ich układ jest charakterystyczny

dla każdej osoby, i co najważniejsze nie zmienia się przez całe życie (nawet po

niewielkich skaleczeniach wzór linii jest odtwarzany).

Dodatkowo opisuje się inne punkty charakterystyczne, w jakie układają się linie

papilarne m.in. łuk, pętla i wir. Nie są one jednak powszechnie stosowane w systemach

identyfikacji.

Obecnie wykorzystuje się kilka typów czytników linii papilarnych:

- czytniki optyczne; Większość czytników optycznych wykorzystuje efekt całkowitego

wewnętrznego odbicia (FTIR - Frustrated Total Internal Reflection) i fakt, że grzbiety linii

papilarnych stykając się z powierzchnią czytnika absorbują światło, natomiast tzw. doliny

je odbijają Nowe rozwiązania konstrukcji czytników optycznych wykorzystują również

światłowody I polimery emitujące światło, co pozwala zminimalizować urządzenia. <BR>

- czytniki krzemowe; Czytniki krzemowe zbudowane są z matrycy małych czujników.

Mogą to być czujniki pojemnościowe, zbudowane z mikro-kondensatorów płytkowych,

termiczne - zbudowane z piroelektryków czy naciskowe - zbudowane z piezoelektryków.

- czytniki ultradźwiękowe; Czujniki tego typu wysyłają fale dźwiękowe o częstotliwości od

20 KHz do kilku GHz w kierunku badanego odcisku, i rejestrują echo, którego analiza

pozwala odtworzyć trójwymiarową strukturę odcisku (grzbiety i doliny linii papilarnych).

Obraz odcisku palca bezpośrednio z czytnika, często jest dość słabej jakości. Pierwszym

krokiem jest więc poprawienie i przetworzenie obrazu w celu uzyskania wysoko-

kontrastowego obrazu binarnego. Na tak przygotowanym obrazie wyszukiwane są

krawędzie (grzbiety linii papilarnych) i specjalny algorytm śledzenia krawędzi wyszukuje

punkty charakterystyczne, czyli zakończenia i rozgałęzienia grzbietów. Układ tych

punktów charakterystycznych zapamiętywany jest jako wzorzec dla danego palca danej

osoby. W procesie weryfikacji, pobierany jest kolejny obraz tego samego palca i

przetwarzany w identyczny sposób. Następnie znaleziony układ minucji porównywany

jest z zapamiętanym wzorcem. Z reguły, na każdym palcu można znaleźć 30 do 40

punktów charakterystycznych. Jednak w związku ze zmiennością pomiarów zakłada się,

że zgodność około 20 minucji jest wystarczająca żeby potwierdzić tożsamość badanej

osoby.

Artykuł pochodzi ze strony http://artelis.pl

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: