W najnowszych zastosowaniach biometria ukierunkowana jest na metody automatycznego rozpoznawania ludzi na podstawie ich cech fizycznych.
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 krwinośnych 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 wszyskich 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 wewnątrzklasowa 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 powyższychtechnik 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.
- 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.
Źródło: Łukasz Gajewski
Licencja: Creative Commons