David Lukman Univerza v Ljubljani Fakulteta za elektrotehniko
description
Transcript of David Lukman Univerza v Ljubljani Fakulteta za elektrotehniko
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