Идентификация по радужной оболочки и сетчатке глаза

Методы идентификация личности по радужной оболочке глаза

Идентификация по радужной оболочки и сетчатке глаза

Обоснование.

Глаз – пожалуй, единственный внутренний орган человека, который виден снаружи. Поскольку внутренние органы человека уникальны, а изображение глаза к тому же можно легко получить обыкновенным цифровым фотоаппаратом, возник вопрос о том, можно ли использовать рисунок радужки как некоторый код, отличающий одного человека от другого.

Развитие глаз начинается у зародыша человека в начале второго триместра и заканчивается на восьмом месяце беременности (впрочем, это не касается цвета глаз, который может меняться в течение первого года жизни; часто младенцы рождаются голубоглазыми и впоследствии глаза ребенка темнеют). Это означает, что даже у однояйцовых близнецов радужки различны. Рисунок радужки может меняться в течение жизни только вследствие болезней глаза, таких как катаракта, но часто даже на перенесших операцию глазах рисунок остается прежним либо меняется незначительно [3].

Единственной функцией радужки является контролировать количество света, которое попадает на сетчатку глаза через зрачок. Контроль осуществляется сокращением мускулатуры радужки.

Рисунок радужки в большой степени случаен, а чем больше степень случайности, тем больше вероятность того, что конкретный рисунок будет уникальным. Математически описывается степенью свободы.

Исследования показали, что текстура радужки имеет степень свободы равной 250, что гораздо больше степени свободы отпечатков пальцев (35) и изображений лиц (20) [2].

Это означает, что использование текстуры радужки для идентификации личности в большой степени оправдано и весьма перспективно.

История.

Идея использовать текстуру радужки для идентификации личности была предложена в 70-80х годах прошлого века.

В 1981 Flom (ученый) и Aran Safir (офтальмолог) начали активно изучать научные медицинские доклады об устройстве глаза и, в частности, радужки человека, по результатам исследования сделали вывод о возможности использования текстуры радужки для задач идентификации. В 1987 они обратились в Кэмбридж с приглашением к сотрудничеству ученых в области computer science.

На их приглашение откликнулся ученый по имени John Daugman. Заинтересовавшись темой, он начал работать в этом направлении. Результаты своих исследований Daugman впервые опубликовал в 1992 на конференции . На сегодняшний момент работы Daugman'а является основополагающим трудом в данной области.

В 1994 году система идентификации личности по радужной оболочке глаза на основе исследований Daugman'а была запатентована (патент 5 291 560). Разумеется, задача не могла остаться без внимания. В 1996 Richard P. Wilds предложил альтернативный метод хранения информации о текстуре, а в 1998 еще один метод был предложен W. Boles. Позже были предложены и другие методы.

На настоящий момент три из предложенных подходов получили коммерческое распространение – это подход исследовательских групп Daugman, Noh и Lim [1]. Среди компаний, занимающихся идентификацией, можно назвать Iridian, IriTech, Evermedia. Более подробно об использованных ими, а также других, некоммерческих, методах будет рассказано ниже.

Общий алгоритм

Методы идентификации личности по радужной оболочке построены по одному и тому же принципу – выделение частотной или какой-либо другой информации о текстуре радужки из изображения и сохранение этой информации в виде специального кода (для системы Daugman этот код получил специальное название – IrisCode (радужковый код)). Можно сравнивать коды радужек, и хранить коды радужек разных людей в базе данных. Построение кода производится в три этапа:

1. Выделение радужки из общего изображения

2. Предобработка полученного изображения – например убирание шума(denoising), улучшение изображения (enhansing), в том числе выравнивание гистограммы, убирание блика.

Некоторые методы «разворачивают» круглый зрачок в прямоугольное изображение – происходит переход из полярных координат в декартовы.

Иногда после такой «развертки» часть изображения отрезается, чтобы накопленная на данном этапе ошибка не повлияла на качество распознавания.

3. Составление кода. Предобработанное изображение фильтруется способом, зависящим от конкретного метода. По результатам фильтрации составляется представление в виде кода.

Для кодов необходимо выработать критерий сравнения. Часто код записывается в виде последовательности битов и критерием сравнения служит код Хэмминга. В частности, код Хэмминга используется в системах Daugman, Tisse [6]. Большинство методов работает с изображениями в градациях серого либо картами яркости изображений, то есть цветовая составляющая является избыточной.

Локализация радужки

Некоторые методы, например Wildes, используют специальное оборудование для захвата изображения, чтобы полученное изображение глаза было высокого разрешения, с хорошей контрастностью, освещением (при этом человек, которого снимают, не должен чувствовать дискомфорта от слишком яркой вспышки), и центрировано (радужка должна находиться в центре изображения). Кроме того, система камер должна быть неинвазивна, то есть не принуждать человека сесть в определенную позу на фиксированном расстоянии от камеры при специальном освещении. Для этого Wildes предлагает специальную систему камер [4]. Иногда, кроме снимка в видимом диапазоне, делается дополнительный снимок инфракрасной камерой [7].

Для того, чтобы отделить собственно радужку от остальных деталей на изображении, в простейшем случае можно использовать выделение краев (путем анализа первой производной) и последующую аппроксимацию границ радужки простыми геометрическими объектами.

Так, окружность зрачка и внешнюю границу радужки можно найти при помощи преобразования Хафа (Hough transform) [5].

Другие методы дополнительно определяют границу радужки и век двумя параболами, как Wildes, либо просто отрезают те части изображения, которые могут не относиться к радужке, как Daugman, Ma [4], [5].

Если для захвата изображения не было использовано специальной аппаратуры, может понадобиться предварительное подавление нежелательных эффектов, таких как блик внутри зрачка от вспышки либо другого яркого источника света, если эти артефакты мешают корректной работе алгоритма выделения радужки [6].

Нормализация изображения

Часто для дальнейшей работы производится перевод изображения радужки из полярных координат в декартовы [5], [6], [7], [8], [9]. Однако есть методы и не требующие такого перевода [4], [11].

В частности, [11] использует обратный перевод – из декартовых координат в полярные, причем перевод задается специальным образом так, чтобы окружность границы зрачка и радужки при переводе отобразилась на прямую.

К полученному изображению можно применить фильтрацию гауссовым фильтром для устранения высокочастотного шума [5], [8] или медианную фильтрацию [7]. После этого изображение все еще слабоконтрастно, и для повышения надежности производят выравнивание гистограммы (histogram equalization) [5], [8], [9].

Часто помимо этого производится отбрасывание малозначащих частей изображения – это могут быть верхняя и нижняя строки (по несколько пикселей) изображения после его перевода в декартовы координаты [5], [6] или устранение бликующих областей, портящих рисунок радужки [11].

Составление кода

После проведенной предобработки изображение радужки готово к тому, чтобы из него можно было извлечь более формальную информацию. К классическим способам составления кода можно отнести пространственно-частотную свертку изображения фильтрами Габора (Gabor's filters), предложенную Daugman.

Каждый бит кода определяется знаком результата воздействия двухмерного фильтра Габора на некоторую небольшую окрестность текстуры радужки [12]. Для кода Daugman и подобных ему в качестве сравнения используется расстояние Хэмминга (количество отличающихся бит кода).

Развитием этого направления является применение специальных симметричных функций Circular symmetric filter [5]. Другой модификацией кода на основе фильтров Габора является составление кода на основе среднего абсолютного отклонения (average absolute deviation, AAD) отфильтрованного изображения от оригинального.

В этом случае функцией сравнения будет выступать евклидово расстояние между векторами [8].

Wildes использует декомпозицию изображения на основе Laplacian of Gaussian filters. Результирующее изображение представляется как лапласова (многомасштабная) пирамида изображений, подвергнутых действию гауссовых фильтров, и призвано представлять пространственные характеристики радужки.

В этом случае для дальнейшего сравнение используются нормированная корреляция (normalized correlation) обрабатываемого изображения и изображений из базы данных [4]. Нормализованная корреляция показывает меру соответствия точек двух изображений или областей изображений друг другу. Tisse использует многомерное преобразование Гилберта (multidimentional Hilbert transform). [6].

Процесс составления кода похож на составление кода Daugman, и процесс сравнения, соответственно, тоже (расстояние Хэмминга). Авторы работы [11] применяют многомасштабную фильтрацию (scale-space filtering) на основе данных о направлении выпуклости функции изменения яркости исходного изображения.

По изображению строятся карта направлений вогнутости – величина вогнутости во внимание не берется, так как является следствием условий съемки (например освещения). Затем для каждой окружности внутри радужки ее сигнал яркости фильтруется scale-space filter-ом, и результатам фильтрации инициируется специальная двоичная переменная.

Проделав эту операцию для всех радиусов внутри радужки и набору масштабов, двоичные коды по разным масштабам складываются. Полученный результат используется как одномерный код. Для сравнения результатов используется расстояние Хэмминга.

Обеспечение инварианта относительно масштаба и поворота

Инвариант относительно масштаба входного изображения во многих системах регулируется приведением текстуры радужки к карте фиксированного размера [8]. Обеспечение стабильности относительно поворота достигается за счет хранения нескольких изображений одной радужки в базе данных – под несколькими углами поворота [6], [8], [9].

Классические методы

Daugman

Система Daugman'а спроектирована в 1992 году. Основа для составления кода – фильтры Габора, критерий сравнения кодов – расстояние Хэмминга. Код представляется в виде двоичной переменной 512 байт (4096 бит), имеющей запатентованное название IrisCode. Это наиболее ранняя и по-видимому наиболее развитая система, имеются коммерческие разработки.

Wildes[4]

Система была предложена в 1996. Система использует преобразование Хафа для локализации радужки, Лапласову пирамиду фильтров Гаусса (мультимасштаная декомпозиция) для составления кода, в качестве критерия сравнения берется нормализованная корелляция (normalized correlation). Для захвата изображения использует специальное оборудование.

Boles

В 98 Boles предложил метод составления кода, основанный на вейвлет-преобразованиях. Изображение радужки представляется одномерной функцией, которая фильтруется вейвлетами специального вида. Код составляется с помощью точек, в которых результирующее представление обнуляется (zero-crossings of one-dimensional wavelet transforms).

Noh[10]

Коммерческая разработка. В основе лежит использование анализа независимых компонент с переменной разрешающей способностью (Multiresolution Independent Component Analysis).

Заключение

По мнению специалистов в области биометрических систем, средства идентификации личности по радужной оболочке глаза способны заменить ключи и персональные идентификационные номера (пины). Рисунок радужной оболочки уникален и не повторяется даже у близнецов.

Вероятность того, что два разных человека имеют один и тот же рисунок радужной оболочки глаза, равняется приблизительно 10-78, в то время как все население Земли составляет примерно 1010. В отличие от других биометрических систем контроля доступа, идентификация по рисунку радужки допускает полностью бесконтактную реализацию.

В данной статье изложены основные принципы и дан краткий обзор существующих методов идентификации личности по радужной оболочке глаза.

Список литературы

[1] The Iris Recognition Homepage, http://www.iris-recognition.org/

[2] Resources Related to Biometrics and People with Disabilities, The international Center for Disability Resources on the Internet, http://www.icdri.org/biometrics/biometrics.htm

[3] BioMedical Engineering OnLine, http://www.biomedical-engineering-online.com/

[4] Richard P. Wildes. Iris Recognition: An Emerging Biometric Technology, Proceedings of The IEEE, vol. 85, no. 9, pp. 1347-1347, September 1997

[5] Li Ma, Yunhong Wang, Tieniu Tan. Iris Recognition Using Circular Symmetric Filters, Proceedings of the 16 th International Conference on Pattern Recognition (ICPR'02), pp. 20414-20418

[6] Christel-loic Tisse, Lionel Martin, Lionel Torres, Michel Robert. Person identification technique using human iris recognition. Proc. of Vision Interface, pp.294-299, 2002.

[7] Jafar M. H. Ali, Aboul Ella Hassanien. An Iris Recognition System to Enhance E-security Environment Wavelet Theory. AMO – Advanced Modeling and Optimization, Volume 5, Number 2, pp. 93-104, 2003

[8] Li Ma, Yunhong Wang, Tieniu Tan. Iris Recognition Multichannel Gabor Filtering. ACCV2002: The 5th Asian Conference on Computer Vision, pp. 23-25 January 2002, Melbourne, Australia.

[9] Yong Zhu, Tieniu Tan and Yunhong Wang. Biometric Personal Identification Iris Patterns. Proc. of IAPR, Inter. Conf. Pattern Recognition(ICPR'2000), vol. II, pp. 805-808, 2000.

[10] Seung-In Noh, Kwanghuk Pae1, Chulhan Lee, and Jaihie Kim. Multiresolution Independent Component Analysis for Iris Identification. The 2002 International Technical Conference on Circuits/Systems, Computers and Communications, 2002, Phuket, Tailand, July 2002.

[11] Kyong Woo Nam, Kyong Lok Yoon, Jun Sung Bark, Woo S. Yang. A Feature Extraction Method for Binary Iris Code Construction. Proceedings of the 2nd International Conference on Information Technology for Application (ICITA 2004)

[12] L. Shapiro and G. Stockman, Textbook: Computer Vision, Prentice Hall, 2001 http://www.cse.msu.edu/~stockman/Book/book.html.

Источник: http://masters.donntu.org/2010/fknt/kolesnik/library/article6.htm

Биометрическая идентификация человека по радужной оболочке глаза

Идентификация по радужной оболочки и сетчатке глаза

Биометрическое распознавание по радужной оболочке глаза является одним из самых надежных способов благодаря генетически обусловленной уникальности радужной оболочки глаза, которая различается даже у близнецов.

Биометрическое распознавание по радужной оболочке глаза является одним из самых надежных способов благодаря генетически обусловленной уникальности радужной оболочки глаза, которая различается даже у близнецов.

Основным источником информации для идентификации этим способом служит специфическая ткань, которая окончательно формируется в глазах человека еще до рождения, примерно на 8-м месяце беременности матери.

В медицине радужную оболочку глаза рассматривали в качестве инструмента для диагностики различных заболеваний, в частности, было обнаружено, что при определенных заболеваниях на радужной оболочке глаза появляются так называемые пигментные пятна.

Для уменьшения влияния этого фактора на результат распознавания в биометрических системах используют черно-белые (полутоновые) изображения. Технология биометрического распознавания по радужной оболочке предусматривает несколько степеней защиты:

  • идентификация пользователя при условии затенения (или повреждения) радужной оболочки, но не более, чем на 2/3, то есть по оставшейся 1/3 изображения возможна идентификация с вероятностью ошибки 1 к 100 000;
  • обнаружение замены глаза и контактных линз на роговице – за счет контроля размера зрачка (система отличает живой глаз от изображения глаза, искуственного глаза и неживого глаза за счет использования инфракрасного освещения для определения состояния ткани глаза и контроля расширения/сужения зрачка).

Преимуществами технологии биометрического распознавания по радужной оболочке являются:

— независимость от косвенных факторов, таких как прическа, грим, макияж, и прочее;

— вероятность пропуска незарегистрированного пользователя равна вероятности ложного отказа в допуске зарегистрированному пользователю и составляет 1 к 1 200 000 (это самый высокий показатель по сравнению с другими типами биометрического распознавания).

Как работает система биометрического распознавания человека по радужной оболочке глаза? Технология распознавания базируется на формировании до 266 уникальных точек идентификации на изображении роговицы, решение принимается на основании результатов сравнения с точек идентификации с эталонными данными базы авторизованных пользователей. Захват видеоизображения глаза осуществляется регистрирующей аппаратурой на расстоянии до одного метра. Далее, система выполняет ряд действий: выделение зрачка, сбор и подсчет точек идентификации радужной оболочки, принятие решения и верификации или идентификации.

Мы протестировали высокоточную систему биометрического распознавания человека по радужной оболочке глаза, разработанную компанией eyeLock (США). Эта система обеспечивает быстрое распознавание человека на расстоянии и в движении.

Оборудование eyeLock применяется для создания систем биометрического контроля и управления доступом (СКУД) на объектах с повышенными требованиями обеспечения безопасности, таких как: опасные производства, центры обработки данных, банки, объекты транспортной инфраструктуры.

Для построения системы контроля доступа с биометрическим распознаванием по радужной оболочке eyaLock предлагает несколько типов оборудования: NANO NXT, HBOX, MYRIS.

NANO NXT – комплексное устройство, выполняющее функции считывателя биометрических данных, устройства обработки данных для выполнения алгоритма идентификации, хранилища  эталонных данных базы авторизованных пользователей и контроллера управления замком или запирающим устройством. Устройство легко интегрировать в существующую систему управления доступом.

Тактико-технические характеристики:

  • Регистрация и проверка соответствия самим устройством — «On Board»
  • Распознавание в темных очках или цветных линзах
  • Хранение в памяти «On Board» записей на 20 000 человек
  • Регистрация по 1 или 2 глазам
  • Возможность подключения кардридера для обеспечения двухфакторной аутентификации (глаза + карта)
  • Типы (протоколы) подключения: Wiegand, F/2/F, OSDP, PAC, реле и Ethernet для простой интеграции со всеми существующими платформами и СКУД
  • Питание через PoE (IEEE 802.3af)

HBOX — комплексное устройство, устанавливаемое на проходных с высокой пропускной способностью, обеспечивает биометрическое распознавание на расстоянии до 1,6 метра потока людей со скоростью 50 человек в минуту. Темные очки и цветные контактные линзы не являются препятствием для работы HBOX.

MYRIS — устройство для контроля логического доступа пользователей к информационным ресурсам. Устройство позволяет обеспечить дополнительную защиту доступа к информационным ресурсам предприятия и надежную идентификацию/авторизацию пользователей, это может быть актуально, например, для доступа к банковским системам при совершении операций повышенного риска и в других подобных случаях.

Источник: http://tbexpert.ru/biometriya_eyelock/

Системы Папилон > Продукты > Идентификация личности по радужной оболочке глаза > Система идентификации личности по радужной оболочке глаза ПАПИЛОН «Циркон» на базе блока доступа ЦИРКОН-4

Идентификация по радужной оболочки и сетчатке глаза

 

Возможности системы   Интеграция системы ПАПИЛОН «Циркон» в СКУД

Блок доступа по радужной оболочке глаза ЦИРКОН-4

Отсканированые изображения радужной оболочки

Система ПАПИЛОН «Циркон» основана на биометрическом методе идентификации личности по радужной оболочке глаза.

Распознавание личности по радужной оболочке является одним из наиболее точных и надежных способов биометрической идентификации. Вероятность того, что система «не узнает своего» или «пропустит чужого» для этого метода практически равна нулю.

Одним из преимуществ метода идентификации личности по радужке является его “неагрессивность” к проверяемому – нет непосредственного контакта человека с аппаратурой, захват изображения радужной оболочки производится просто при взгляде в объектив сканера.

Сканер анализирует качество изображения глаза в кадре, определяет центр зрачка, центр радужной оболочки и ее границы. Затем происходит сопровождающийся сигналом захват изображения, его кодирование и проверка по БД.

Возможности системы

  • регистрация и цифровое кодирование изображения радужной оболочки глаза
  • создание и хранение в электронной БД массива записей, каждая из которых содержит: закодированное изображение радужной оболочки, текстовые данные, фотографии зарегистрированной личности
  • проверка кода радужной оболочки по БД в режиме «один-ко многим»
  • проверка кода радужной оболочки по БД в режиме «один-к одному»
  • работа с БД: получение выборок из БД, сортировка списков БД, удаление и редактирование записей и т.д.

К оглавлению


Интеграция системы ПАПИЛОН «Циркон» в СКУД

Система регистрации и распознавания по рисунку радужной оболочки глаза ПАПИЛОН «Циркон» адаптирована для интеграции в автоматизированные системы контроля и управления доступом (СКУД). Для этих целей на предприятии разработана SDK-библиотека ПАПИЛОН ЦИРКОН SDK, поставляемая совместно с блоком доступа ЦИРКОН-4.

Построение СКУД на базе блоков доступа ЦИРКОН-4 или интеграция блоков доступа в действующую СКУД осуществляется путем обращения к функциям библиотеки ПАПИЛОН ЦИРКОН SDK со стороны клиентского приложения.

Функции файлового сервера возлагаются на центральный узел СКУД. Взаимодействие встроенного в ЦИРКОН-4 вычислителя и центрального узла СКУД осуществляется в локальной сети по протоколу Ethernet. Передача команд между вычислителем и оконечным оборудованием СКУД – через интерфейсный порт RS-232 (RS-485).

Каждый блок доступа поддерживает захват изображения радужной оболочки глаза, как в режиме регистрации, так и в режимах верификации (сравнение с контрольным шаблоном “один-к-одному”) или идентификации (“один-ко-многим”). Для работы в режиме верификации блок доступа дополняется узлом считывания персональных ID-карт.

Каждый блок доступа поддерживает собственную базу данных биометрических данных, чем обеспечивается гибкость настройки системы и исключаются потери времени, связанные с внутрисетевым взаимодействием.

В практической реализации СКУД целесообразно оставить функцию регистрации на одном или нескольких блоках доступа. На остальных осуществляется только операция идентификации/верификации.

Территориальное масштабирование системы обеспечивается введением дополнительных блоков доступа с подключением их к центральному узлу СКУД по любым доступным линиям связи, поддерживающим протокол TCP/IP. Количество блоков доступа в системе не ограничивается.

Подобная система находится в практической эксплуатации на одном из предприятий Челябинской области.

Типовая схема интеграции блоков доступа ЦИРКОН-4 в действующую СКУД.

К оглавлению

Блок доступа по  радужной оболочке глаза ЦИРКОН-4

Блок доступа по радужной оболочке глаза ЦИРКОН-4 представляет собой оконечный узел регистрации и распознавания по рисунку радужной оболочки глаза.

Блок доступа предназначен для захвата и автоматического сопоставления изображений радужной оболочки глаза как в автономном режиме, так и в составе автоматизированной системы контроля и управления доступом (АСКУД) в режимах верификации (сравнение с контрольным шаблоном «один-к-одному») или идентификации («один-ко-многим»).

В автономном режиме регистрация пользователей, создание и хранение базы ключей осуществляется локально на блоке доступа. Блок всегда работает в режиме идентификации и при успешном распознавании управляет электронным замком.

При работе блока в составе АСКУД в режиме верификации база данных ключей может создаваться на пункте регистрации и храниться на сервере. АСКУД взаимодействует с блоком доступа по протоколу, описанному в SDK. Ключ радужной оболочки глаза сравнивается «один-к-одному» с контрольным шаблоном с помощью дополнительного идентификатора — бесконтактной карты, брелока и т. п.

Отличие работы блока в составе АСКУД в режиме идентификации состоит в том, что ключ радужной оболочки глаза идентифицируемого субъекта сравнивается «один-ко-многим» со всеми записями БД, загруженными в блок доступа АСКУД.

Блок доступа размещается в контролируемой точке пересечения охраняемого периметра и крепится на вертикальной поверхности в непосредственной близости от оборудованного прохода в охраняемое помещение, с внешней его стороны.

Блок доступа оборудован зеркалом позиционирования и блоком светодиодной индикации, также реализована функция ой подсказки. Все эти инструменты используются для упрощения позиционирования объекта в рабочей области сканера.

Для запуска процедуры захвата изображения достаточно подойти к блоку доступа и увидеть в зеркале позиционирования отражение своих глаз. Захват изображения происходит на расстоянии 350—500 мм от передней панели блока доступа в поле зрения его оптического блока.

Регулировка прибора под рост человека осуществляется вручную, поворотом передней панели на необходимый угол.

В сканере радужной оболочки реализована функция автофокуса. Используемая инфракрасная подсветка безопасна для зрения.

В системе используются только черно-белые изображения для того, чтобы на результат идентификации личности не влияло цветовое изменение радужной оболочки, происходящее в результате перенесенных заболеваний.

Технические характеристики блока доступа ЦИРКОН-4

Количество записей в локальной БД2000
Надёжностьвероятность пропуска «чужого» (FAR): 10 -7 вероятность отказа «своему» (FRR): 10 -2
Время распознавания при нахождении объекта в зоне захватане более 2 секунд
ИнтерфейсEthernet (настройка блока доступа, связь с АСКУД) RS-485 (в автономном режиме – управление контроллером электронного замка, в режиме работы со АСКУД – связь с контроллером АСКУД)
Подсветка ИК-диапазон850 нм
Питание12 В
Максимальная потребляемая мощность30 Вт
Зона захвата изображенияот 350 до 500 мм
Диапазон угла поворота передней панели (оптической оси устройства)от -15o до +30o
Габариты210 х 190 х 80 мм
Вес1,0 кг
Степень защиты по ГОСТ 14254IP42

К оглавлению

Источник: https://www.papillon.ru/rus/79

Идентификация по радужной оболочки и сетчатке глаза

Идентификация по радужной оболочки и сетчатке глаза

Аутентификация по радужной оболочке глаза — одна из биометрических технологий, используемая для проверки подлинности личности.

Детальное изображение радужной оболочки

Тип биометрической технологии, который рассматривается в данной статье, использует физиологический параметр — уникальность радужной оболочки глаза. На данный момент этот тип является одним из наиболее эффективных способов для идентификации и дальнейшей аутентификации личности [1].

История[править | править код]

Несмотря на то, что биометрические технологии (в частности, использование радужной оболочки глаза для идентификации человека) только начинают набирать популярность, первые открытия в этой области были совершены ещё в конце тридцатых годов прошлого века.

  • Первым о том, что человеческий глаз и его радужную оболочку можно использовать для распознавания личности, задумался американский глазной хирург, Франк Бурш, ещё в 1936 году [2] .
  • Но его идею и разработки удалось запатентовать только в 1987 году. Сделал это уже не сам Бурш, а офтальмологи, не имеющие собственных разработок — Леонард Флом и Аран Сафир[2].
  • В 1989 году Л. Флом и А. Сафир решили обратиться за помощью к Джону Даугману, для того, чтобы тот разработал теорию и алгоритмы распознавания. Впоследствии, именно Джона Даугмана принято считать родоначальником этого метода биометрической аутентификации [2].
  • В 1990 году Джон Даугман впервые разработал практический метод кодирования структур радужной оболочки. Запатентован метод был немного позже, в 1993 году [2].
  • На этом история развития биометрической аутентификации по радужной оболочке не заканчивается. Начиная с 2002 года Даугман выпустил ещё несколько статей, каждая из которых более полно раскрывает и развивает данную технологию. Опубликованные статьи: Epigenetic randomness, complexity, and singularity of human iris patterns (2001),Gabor wavelets and statistical pattern recognition (2002),The importance of being random: Statistical principles of iris recognition (2003),Probing the uniqueness and randomness of IrisCodes: Results from 200 billion iris pair comparisons (2006),New methods in iris recognition (2007),Information Theory and the IrisCode (2015).

Радужная оболочка как биометрический параметр[править | править код]

В данном случае в качестве физиологического параметра рассматривается радужная оболочка — круглая пластинка с хрусталиком в центре, одна из трёх составляющих сосудистой (средней) оболочки глаза.

Строение человеческого глаза

Находится радужная оболочка между роговицей и хрусталиком и выполняет функцию своеобразной естественной диафрагмы, регулирующей поступление света в глаз. Радужная оболочка пигментирована, и именно количество пигмента определяет цвет глаз человека [3] .

По своей структуре радужная оболочка состоит из эластичной материи — трабекулярной сети. Это сетчатое образование, которое сформировывается к концу восьмого месяца беременности.

Трабекулярная сеть состоит из углублений, гребенчатых стяжек, борозд, колец, морщин, веснушек, сосудов и других черт.

Благодаря такому количеству составляющих «узор» сети довольно случаен, что ведёт к большой вероятности уникальности радужной оболочки. Даже у близнецов этот параметр не совпадает полностью [4].

Несмотря на то, что радужная оболочка глаза может менять свой цвет вплоть до полутора лет с момента рождения, узор траберкулярной сети остаётся неизменным в течение всей жизни человека. Исключением считается получение серьёзной травмы и хирургическое вмешательство [4].

Благодаря своему расположению радужная оболочка является довольно защищённой частью органа зрения, что делает её прекрасным биометрическим параметром.

Принцип работы[править | править код]

Большинство работающих в настоящее время систем и технологий идентификации по радужной оболочке глаза основаны на принципах, предложенных Дж. Даугманом в статье «High confidence visual recognition of persons by a test of statistical independence»[5] .

Полярная система координат

Процесс распознавания личности с помощью радужной оболочки глаза можно условно разделить на три основных этапа: получение цифрового изображения, сегментация и параметризация. Ниже будет рассмотрен каждый из этих этапов более подробно.

Получение изображения[править | править код]

Процесс аутентификации начинается с получения детального изображения глаза человека. Изображение для дальнейшего анализа стараются сделать в высоком качестве, но это не обязательно. Радужная оболочка настолько уникальный параметр, что даже нечёткий снимок даст достоверный результат.

Для этой цели используют монохромную CCD камеру с неяркой подсветкой, которая чувствительна к инфракрасному излучению. Обычно делают серию из нескольких фотографий из-за того, что зрачок чувствителен к свету и постоянно меняет свой размер. Подсветка ненавязчива, а серия снимков делается буквально за несколько секунд.

Затем из полученных фотографий выбирают одну или несколько и приступают к сегментации [6].

Сегментация[править | править код]

Источник: https://mir-ua.ru/identifikacija-po-raduzhnoj-obolochki-i-setchatke-glaza/

Идентификация людей по изображениям радужной оболочки с помощью проекционных методов Эрмита

Идентификация по радужной оболочки и сетчатке глаза

Елена Павельева, Андрей Крылов

Биометрические технологии активно используются во многих областях для обеспечения безопасности доступа к информации и решения задачи персональной идентификации.

Радужная оболочка — это часть глаза между зрачком и склерой. Распознавание сетчатки является очень надёжным методом персональной идентификации. Рисунок радужной оболочки уникален для каждого человека и не меняется в течение жизни.

Идентификация людей с помощью распознавания радужной оболочки является более надёжной, чем по отпечаткам пальцев или изображению лица, потому что рисунок сетчатки является более случайным, чем лица или отпечатки пальцев.

Таким образом, метод распознавания радужной оболочки является обоснованным и имеющим большие перспективы. В нашей работе для идентификации людей используется проекционный метод Эрмита.

Разложение информации об интенсивности изображения радужной оболочки по собственным функциям преобразования Фурье позволяет производить анализ информации сигнала и его преобразования Фурье одновременно. Также эти методы являются слабо чувствительными к ошибкам информации.

В данной работе мы представляем несколько алгоритмов предобработки, улучшающих фрагменты изображений радужной оболочки для дальнейшей параметризации.

Далее предлагается иерархический метод Эрмита

и полярный метод Эрмита, который также определяет угол поворота глаза.

Затем мы определяем обладателя наиболее похожей радужной оболочки в базе, используя гибридный алгоритм. В нашей работе была показана эффективность методов на тестовых базах изображений радужных оболочек.

2012

Е. А. Павельева. «Метод проекционной фазовой корреляции в ключевых точках радужной оболочки глаза» // в: 22-я международная конференция по компьютерной графике и ее приложениям ГрафиКон'2012. Москва, 2012, с. 128−132. PDF.

2011

Е. А. Павельева, А. С. Крылов. «Определение локальных сдвигов изображений радужных оболочек глаз методом проекционной фазовой корреляции» // в: 21-я международная конференция по компьютерной графике и зрению GraphiCon'2011. Москва, Россия, 2011, с. 188−191. PDF.

Е. А. Павельева, А. С. Крылов. «Метод проекционной фазовой корреляции в задаче идентификации человека по радужной оболочке глаза» // в: Труды 13-й международной конференции «Цифровая обработка сигналов и её применение» (DSPA'2011), т. 2. Москва, 2011, с. 167−170.

E. A. Pavelyeva, A. S. Krylov. “Projection phase only correlation method for iris recognition” // In: Proceedings of 13-th International Conference “Digital Signal Processing and its Applications” (DSPA'2011), Vol. 2. Moscow, Russia, 2011, p. 170.

Е. А. Павельева, А. С. Крылов. «Алгоритм сравнения изображений радужной оболочки глаза на основе ключевых точек» // Информатика и её применения, т. 5, вып. 1, 2011, с. 68−72. PDF.

2010

Е. А. Павельева, А. С. Крылов. «Поиск и анализ ключевых точек радужной оболочки глазаметодом преобразования Эрмита» // Информатика и её применения, т. 4, №. 1, 2010, с. 79−82.

E. A. Pavelyeva, A. S. Krylov. “An Adaptive Algorithm of Iris Image Key Points Detection” // In: 20-th International Conference on Computer Graphics GraphiCon'2010. St. Petersburg, Russia, 2010, pp. 320−323. PDF.

2009

Е. А. Павельева, А. С. Крылов. «Алгоритм идентификации человека по ключевым точкам радужной оболочки глаза» // в: 19-я международная конференция по компьютерной графике и ее приложениям ГрафиКон'2009. Москва, 2009, с. 228−231. PDF.

Е. А. Павельева, А. С. Крылов, О. С. Ушмаев. «Развитие информационной технологии идентификации человека по радужной оболочке глаза на основе преобразования Эрмита» // Системы высокой доступности, №. 1, 2009, с. 36−42. PDF.

2008

Е. Павельева, А. Крылов. «Алгоритмы предобработки изображений радужной оболочки глаза (Algorithms of iris image preprocessing)» // в: 18-я международная конференция по компьютерной графике и ее приложениям ГрафиКон'2008. Москва, 2008, с. 314. PDF.

2007

A. S. Krylov, E. A. Pavelyeva. “Iris Data Parametrization by Hermite Projection Method” // In: 17-th International Conference on Computer Graphics GraphiCon'2007. 2007. PDF.

A. Krylov, E. Pavelyeva. “Iris Data Parametrization by Hermite Projection Method” // In: 17-th International Conference on Computer Graphics GraphiCon'2007. Moscow, Russia, 2007, pp. 147−149. PDF.

Источник: https://imaging.cs.msu.ru/ru/research/iris

Поделиться:
Нет комментариев

    Добавить комментарий

    Ваш e-mail не будет опубликован. Все поля обязательны для заполнения.