David LukmanUniverza v Ljubljani

Fakulteta za elektrotehniko

Seminarska naloga pri predmetu strojni vid

RAZPOZNAVANJE OSEB Biometrika – razpoznavanje oseb na osnovi

telesnih oz. vedenjskih značilnosti

Razvrstitev biometričnih metod Glede na varnost

prvi nivo: kar imaš (ključi, kartice,… ) drugi nivo: koda (geslo, številka,… ) tretji nivo: predmet + koda četrti nivo: biometrične metode

Razvrstitev biometričnih metod Glede na lastnosti osebe:

telesne lastnosti vedenjske lastnosti

Zahtevane lastnosti bioloških značilnosti univerzalnost edinstvenost stalnost merljivost

Pogosto zaželjene zahteve: učinkovitost sprejemljivost ukanljivost

Nekateri osnovni pojmi Verifikacija

Ali je ta res ta? Identifikacija

Kdo je to?

Vrednotenje napak Napačno sprejete osebe

Napačno zavrnjene osebe

Vrednost je še najbolj odvisna od praga

%100poskusovštevilo

sprejetihnarobešteviloFAR

%100poskusovštevilo

zavrnjenihnarobešteviloFRR

Matematično ozadjeZapis predlog z eksplicitno podanimi vrednostmi značilk

Predloga značilk – sestavljena iz povprečnih vrednosti

Metrika – definiramo razdalje:Med več meritvami iste osebe:

Med predlogami različnih oseb:

iiM axxxxX ,..., 21

MxxxX ,..., 21

1 Nkkkk xxd

khhk xx

Matematično ozadjeNa osnovi teh dveh razdalj dobimo dve ovojnici verjetnosti:

Naravnih razdalj FNAR

Medsebojnih razdalj FMED

Te vrednosti normiramo, in s tem dobimo krivuljo delovnih lastnosti sprejemnika, katere koordinate so določene [RNU(), RNNU()], kjer:

0

)()( dddFRNU MED

dddFRNNU NAR )()(

Matematično ozadjeČe je število oseb veliko, jih razvrstimo v podskupine. Na

osnovi tega lahko definiramo koeficient izboljšanega iskanja:

Kjer je E število predvidenih primerjav in M število oseb

Definiramo pa lahko še koeficient nedoslednosti razvrščanja v podmnožice:

M

EP

B

iiSIST ee

1

)1(1

S

iiSIST PP

1

Matematično ozadjeZapis predlog z implicitno podanimi vrednostmi značilk –

vzorčna predloga je predstavljena z vektorjem:

Vsoto računamo kot vsoto istoležnih ujemajočih vrednosti

MqqqX ,..., 21

M

i

ki

hi

ji qqfM

d1

, ),(1 k

ihi

ki

hi qqčeqqf 1,

ki

hi

ki

hi qqčeqqf 0,

Matematično ozadjePovprečna vsota razdalj:

Referenčna predloga (tista z najmanjšo razdaljo do ostalih predlog)

1

1

,

1

1 N

i

nin dN

D

dxx n min

Pregled posameznih metod

Prstni odtisi Zajem slike

Optični, toplotni, kapacitivni, ultrazvočni senzorji

Obdelava slike Binarizacija, tanjšanje, izločanje šuma

Pojmi v zvezi s prstnimi odtisi Greben, dolina, obok, spirala, otoček, elipsa,

vilice, zanka

Prstni odtisi

Dva globalna pristopa: Mikroskopski (minutae)

Iskanje posebnosti, orientacija posebnosti, primerjanje medsebojnih leg

Makroskopski (statistični)

V praksi ponavadi kombinacija obeh

Geometrija dlani Imamo 96 značilk (dolžina prstov, debelina dlani, prostor

med prsti, … Ponavadi uporabljamo ta postopek za verifikacijo Senzor je narejen tako, da se dlan položi med že prej

postavljene čepke, sistem pa potem zajame binarno sliko od spodaj in iz strani

Zaradi spreminjanja geometrije rok (staranje), je uveden še dodatni prag, ki upošteva te spremembe (da ne pride do prepogostih zavrnitev)

Slika obraza Ljudje to počnemo ves čas Pri zajemu slike je potrebno upoštevati omejitve ali pa je

sliko potrebno čimbolj obdelati Podobno kot pri prstnih odtisih poznamo dva globalna

pristopa – mikroskopski in makroskopski Postopki razpoznave

Statistične Z nevronskimi mrežami Z uporabo drevesnih struktur in grafov

Toplotna slika obraza Toplotna slika je posledica pretoka krvi skozi glavo Toplotna slika je neodvisna od osvetljenosti prostora Toplotna slika je občutljiva na zdravstveno stanje, uživanje

substanc… IR kamere v prostor ne sevajo nobene energije Dve možnosti zajema slike:

S cenejšo kamero Z dražjo kamero (bolj zanesljivi rezultati)

Možno določiti 175 značilk

Toplotna slika obrazaPostopek identifikacije Zajem slike Izločanje ozadja, šuma,… Razdelitev slike na manjša področja, obravnavamo

vsakega posebej Dva pristopa razpoznave:

Prileganje modelov Prileganje značilnosti

Očesna mrežnica Eden najzaneslivejših postopkov Postopek identifikacije:

Zajem slike in predobdelava Ujemanje – zavrnitev ali potrditev Predstavitev – predloga značilk posamezne osebe

Dva načina izdelave predloge FFT transformacija sivih odtenkov – 40 bajtna predloga Obdelava v časovno krajevnem prostoru – 48 bajtna predloga

Vpliv osvetljenosti in odprtja zenične odprtine je možno odpraviti z normiranjem

Šarenica Glavni koraki postopka

Lociranje očesa Filtriranje Izdelava predloge

Zajem slike v praksi na kratkih razdaljah (do 50 cm) Možno določiti 250 – 350 različnih parametrov Postopek zaradi krožne oblike vršimo v polarnem

koordinatnem sistemu

Oblika ušes Zaradi zapletene oblike ušes je postopek dokaj zapleten Merimo 12 specifičnih vrednosti na točno določenih

mestih Največji problem je obdelava slike (rotacija, normiranje,

…) Sami postopki temeljijo na prilagajanju vzorcev,

zahtevnejša in zanesljivejša metoda pa je metoda grafov zgrajenih na osnovi Gaussove piramidne predstavitve gradientov.

DNK Metoda zaenkrat ni primerna za širšo uporabo, ker je

postopek drag in zapleten in zahteva poseg v telo Zgradba DNK sewstoji iz vrste osnovnih enot, ki se

imenujejo nukleotidi. Sestavljeni so iz štirih spojin: Adenina, Citozina, Guanina in Timina. Specifično zaporedje teh določa genske lastnosti vsakega človeka. Med seboj se povezujejo pari A in T ter C in G

Npr: TGCCAGTCAT

ACGGTCAGTA

DNKDve vrsti analize: RFLP (Restriction Fragment Lenght Polymorphism)

S to metodo lahko potrdimo, da dva vzorca DNK ne pripadata isti osebi. Postopek ni primeren za identifikacijo

PCR (Polimerase Chain Reaction)Zahteva globje znanje o DNK

Razpoznavanje govorcev V praksi je več raziskav usmerjenih v razpoznavanje

govora (v smislu razumevanja sporočila) in pa prenosu govornih informacij

Razpoznavanje govorcev je primernejše za verifikacijo V praksi določimo značilke tako, da oseba izgovori neko

točno določeno frazo, ta signal pa nato obdelamo

Primerjava različnih metod Primerjavo vršimo na osnovi številnih kriterijev (varnost,

čas, zapletenost, potrebnost sodelovanja osebe, cena, učinkovitost)

Zaenkrat sta v povprečju najboljši metodi razpoznavanje na osnovi šarenice in IR slike obraza.

Zaključek Z razvojem tehnologije se veča možnost

učinkovite uporabe biometričnih sistemov Trenutno zelo popularno zaradi situacije v

svetu Vprašanje zlorabe in omejenavnje svobode

posameznika

Literatura A. Jain, R. Bolle, S. Pankanti: Biometrics

Kluwer Academic publishers, 1999

Marko Knez, Razpoznavanje oseb na osnovi analize vzorcev šarenice, Magistrska naloga, FE, 2000