Меню Рубрики

Распознавание при помощи радужной оболочки глаза

Система идентификации по радужной оболочке глаза взломана с помощью генетического алгоритма! — в конце июля 2012 года в сети появились десятки материалов, пересказывающие в залоге сенсационности один из докладов конференции Black Hat USA. Но для вдумчивого читателя все новости по теме содержали больше вопросов, чем ответов. Редакция не гонится за дешевыми сенсациями, так что варианта было два: или написать сдержанную новость, указав читателю на «белые пятна», или досконально разобраться в теме. «Делаем по-максимуму!» — поставил задание издатель. И после первого же поискового запроса перед редактором разверзлась бездна ада.

Начнем с того, что сканирование радужки и сканирование сетчатки — совершенно разные биометрические технологии, потому что сетчатая оболочка и радужная оболочка находятся в разных местах глаза. К сожалению, в популярных публикациях эти две технологии постоянно путают. Даже всезнающий Google ошибочно считает радужку и сетчатку синонимами. Поэтому начать придётся с анатомии.

Радужная оболочка (ирис) — тонкая подвижная диафрагма вокруг зрачка, физиологическая задача которой состоит в регулировании количества света, попадающего внутрь глаза. Когда мы говорим о цвете глаз человека, мы имеем в виду цвет его радужки. Рисунок, который создают в ней кровеносные сосуды, уникален. Считается, что он практически не меняется с полугодового возраста до самой смерти.

Сетчатка (ретина) — это внутренняя оболочка глаза, глазное дно. Именно на фоторецепторных клетках сетчатки (палочках и колбочках) световые волны превращаются в нервные импульсы. Рисунок капилляров сетчатки тоже уникален и может являться биометрическим идентификатором. При сканировании сетчатку освещают невидимым для глаза ближним инфракрасным излучением.

Подавляющее большинство современных биометрических систем, связанных с глазами, сканируют радужку. Сканирование сетчатки популярно в научной фантастике: эта технология (тогда еще гипотетическая) есть в фильме 1966 года о Бэтмене. Сканеры сетчатки мы видим в «Звездном пути», в боевике «Миссия невыполнима» и в одной из серий бондианы — «Золотом глазе». В реальном мире съёмка сетчатки ограниченно используется с 70-х годов на военных объектах, в ЦРУ и ФБР, в некоторых банках.

Сейчас мы оставим в стороне сетчатку и займемся системами распознавания радужки. Точнее, вопросом о том, насколько они действительно защищены, и можно ли провести «самую надёжную из современных технологий биометрии».

Первое исследование защищённости систем сканирования радужки авторы июльской сенсации провели ещё четыре года назад. Группа биометрических исследований Мадридского автономного университета представила доклад на семинаре по биометрии и установлению личности BIOID, прошедшем в мае 2008 года в университете датского города Роскилле. Среди коллектива авторов есть и Хавьер Галбалли, так успешно выступивший на Black Hat.

Исследование было настолько простым, что больше подошло бы для передачи «Разрушители легенд», чем для академической конференции. Впрочем, флёр серьезности всегда можно навеять с помощью наукообразного языка, таблиц и диаграмм. Тем не менее, вопрос о том, сработает ли система распознавания радужки, если ей предъявить изображение глаза, напечатанного на принтере, волнует многих. Именно это испанцы и решили выяснить.

Аппаратной частью тестового стенда выступила камера LG IrisAccess EOU3000, программной — система, написанная в качестве бакалаврской дипломной работы австралийцем (судя по всему, чешского происхождения) Либором Машеком в 2003 году. По сообщению испанской группы, это единственная имеющаяся система распознавания радужки с открытым исходным кодом. Точнее, это выполненная на Matlab реализация разработки гуру машинного зрения Джона Доугмана — системы, лежащей в основе всех (по крайней мере, по данным 2008 года) коммерческих решений по распознаванию радужки.

Работают все эти системы (в том числе реализация Машека) так. Сначала программа выделяет на изображении границы радужки и зрачка. Для этого используется преобразование Хафа. Потом изображение пересчитывается из декартовых координат в полярные (центр — в зрачке) и получившийся массив данных представляется снова в декартовых координатах. Таким образом, радужка предстаёт перед нами в виде прямоугольника. Но при разной освещённости радужная оболочка глаза может принимать различную ширину — поэтому картинку необходимо растянуть или сжать до стандартных размеров. Кстати, зрачок может находиться не строго по центру радужки. Следовательно, растягивать или сжимать надо каждый столбец получившейся растровой матрицы отдельно.


Этапы работы системы распознавания радужки по алгоритму Джона Доугмана

Затем изображение обрабатывается специальным фильтром (о нём — немного позже). То, что у нас получилось, во всех публикациях называют «кодом радужки» (iriscode). Именно эти данные и хранятся в биометрических системах.

Эти коды сравниваются как строки путём вычисления расстояния Хэмминга. Функция Хэмминга позволяет описывать различия между строками, и чем меньше расстояние Хэмминга, тем меньше различие между строками. Если результат не превышает заданного порога, система подтверждает вашу личность.

Заметьте, насколько серьёзна бакалаврская работа Машека. Попробуйте взять и написать работающую систему распознавания радужки, даже обладая всей полнотой теоретических знаний об аналогах! А в чём заключалась первая работа Хавьера Галбалли и его товарищей по исследовательской группе?

Они распечатали изображения радужных оболочек глаза и предъявили их системе Машека. Использовались два принтера — струйный HP Deskjet 970cxi и лазерный HP LaserJet 4200L. Иногда систему получалось обмануть, иногда — нет, но исследователи продолжили эксперименты, применяя к изображениям различные фильтры. Наилучшие результаты получились со струйным принтером, после применения к изображениям фильтра «цилиндр» (top hat). Этот фильтр резко отбрасывает низкочастотную и высокочастотную составляющую сигнала — так, что передаточная характеристика фильтра по форме напоминает шляпу-цилиндр.

Так каковы же результаты? Были проведены две атаки. При первой — в системе регистрировались пользователи не по изображению настоящего глаза, а по распечатке, и, соответственно, распечатка демонстрировалась при попытке идентификации пользователя. Во втором случае регистрировались настоящие глаза, но для идентификации предъявлялись распечатки.

Успешными оказались обе атаки. Указывается, что тестируемая система могла быть настроена по максимально допустимому проценту позитивных ошибок — то есть ошибочных успешных распознаваний (FAR, false acceptance rate). Было проведено пять серий экспериментов с порогом позитивной ошибки от 0,1% до 5%. При минимальном FAR атака первого типа достигла успеха в 57% попыток, второго типа — в 49% попыток. Для максимального FAR результаты составили 82 и 73% соответственно.

источник

Среди различных особенностей человеческого тела узор радужки представляет наибольший интерес, поскольку каждый узор имеет уникальную и хорошо различимую текстуру.

Основные этапы процедуры распознавания радужной оболочки глаза

Процедура распознавания состоит из последовательного выполнения следующих этапов:поиска радужки (локализации), нормализации, выделения характеристических особенностей, сравнения.

Для упрощения вычисления, а также в целях удобства последующего приведения исходного изображения к виду двумерной функции выполняется переход к оттенкам серого. Процедура перехода исходного изображения, закодированного при помощи RGB каналов на каждый пиксель, позволяет характеризовать их лишь одним числом – значением его интенсивности от 0 до 255. Достигается это при помощи следующего преобразования:

Где R, G, B – исходные значения в красном, зеленом и синих каналах соответственно, а Y – яркость.

Локализация радужки. Граница между радужкой и склерой представляет собой плавный цветовой переход, в связи с чем, задача обнаружения границы перехода усложняется, однако, граница зрачка и радужки является достаточно четкой. Её поиск производится гораздо легче. Именно по этой причине поиск радужки начинается с поиска зрачка. Процедура локализации радужки происходит в два этапа: поиск зрачка и поиск радужки в окрестности зрачка. В первую очередь к входному изображению применяется детектор границ Кэнни [ссылка]. При этом детектор использует информацию о контурах, полученную в результате вычисления градиента изображения для уточнения этих контуров путем применения двойной пороговой фильтрации и трассировки

Далее, применяя преобразование Хафа [4] для окружностей, можно обнаружить приблизительные координаты центра зрачка и его радиус. Отметим, что детектор границ Кэнни настраивается в зависимости от качества входных данных. Путем тестирования можно подбирать разные значения порогов для операции двойной пороговой фильтрации. Чем выше эти значения, тем меньше границ будет оставлено в итоговом изображении. Так же имеется возможность настраивать параметры функции Гаусса, для изменения степени размытости изображения.

После обнаружения местоположения зрачка можно перейти к процедуре поиска радужки, которая осуществляется за счет анализа изменений в интенсивности пикселей от зрачка к краю изображения. Для поиска границ радужки достаточно знать координаты центра зрачка и его приблизительный радиус. Это позволяет строить концентрические окружности увеличивающегося радиуса, для каждой из которых рассчитывается суммарная интенсивность лежащих на ней пикселей. Анализ разности интенсивностей каждой окружности относительно предыдущей позволяет выявить границу радужки. Учитывая, что граница представляет собой перепад интенсивности из темных тонов в светлые, получаем, что та окружность, изменение интенсивности которой относительно предыдущей (окружности меньшего радиуса) максимально, и будет окружностью, охватывающей радужку.

Рис.1. Схема поиска границ радужки

Отметим, что радужка и зрачок в действительности имеют разные центры, поэтому в описанном выше алгоритме следует искать две окружности с максимальными разностями. Имея две окружности, описывающие левый и правый край радужки, можно получить её диаметр путем сложения двух радиусов. Таким образом, получаем более точную координату x центра радужки. Разностью в координатах y можно пренебречь, так как она не превышает 3-х пикселей (рис. 1).

Нормализация радужки. При осуществлении захвата изображения в различных условиях глаз может предстать в разных формах, например, в случае увеличения или сужения зрачка рабочее поле (количество пикселей, отведенное на рисунок радужки) изменяется. Размеры самого глаза на изображении так же могут быть различны за счет физического положения человека относительно камеры. Чтобы учесть подобные факторы необходимо приводить кольцеобразный рисунок радужки к стандартизированному виду, иначе задача вычисления схожести двух радужек усложняется.

Для нормализации радужки нами используется подход, описанный Джоном Даугманом. [1,2]. Он позволяет извлекать из кольцеобразной формы фиксированное число пикселей для каждого возможного направления. Записывая извлекаемые пиксели в столбцы, получается изображение прямоугольной формы.

Обычно прямоугольное изображение содержит лишнюю информацию, а именно часть века, покрывающего глаз. В результате экспериментов была выявлена средняя область, не содержащая изображения век, именно она и ложится в основу нормированного изображения радужки (рис 2).

Наибольшая часть уникального узора радужки содержится именно в верхнем горизонтальном сегменте изображения. Кроме того, выборка данных фиксированного размера уменьшает возможность появления различных характерных черт.

Такой подход, выбирающий прямоугольную область с фиксированным числом пикселей, гарантирует, что с большей вероятностью, анализу будет подвергнута одна и та же область радужки. Экспериментально полученные нормализованные радужки представляют собой изображение размером 448х48 пикселей.

Выделение характеристических особенностей.Для выделения характерных черт радужкинеобходимо усиление контрастности изображения, за счет чего текстура радужки становится более четкой. Это значит, что дискретное вейвлет преобразование сможет выделить детализующую информацию гораздо эффективнее. Усиление контраста достигается за счет применения операции выравнивания гистограммы к нормализованному изображению радужки.

Следует отметить, что операцию выравнивания гистограммы стоит применять именно к изображению нормализованной радужки, а не к изображению глаза в целом. Это обусловлено тем, что нормализованное изображение содержит значения интенсивностей близкие друг к другу, а также значительно меньшее число пикселей, а значит, перераспределение интенсивностей между пикселями происходит гораздо эффективнее.

Для вычисления характеристических особенностей радужки используется многоуровневое дискретное вейвлет преобразование с вейвлетом Хаара. [4,5].

Дискретное вейвлет преобразование позволяет разделить входное изображение на 4 составляющих: приближенное изображение (уменьшенное в два раза оригинальное изображение) и еще три изображения представляющих собой детализирующую информацию. Многоуровневое преобразование применяется для того, чтобы извлечь информацию об основном рисунке радужки.

Четыре уровня дискретного вейвлет преобразования уменьшают изначальное изображение размером 448х48, до 28х3.

Пример конечного результата, готового для формирования вектора приведен на рис. 3.

Рис.3.Результат применения 4-го уровня дискретного вейвлет преобразования

Характеристический вектор представляет собой вектор значений, содержащих код радужки. В результате применения многоуровневого дискретного вейвлет преобразования детализирующая информация о вертикальных, горизонтальных и диагональных контурах объединяется в единый вектор.

На практике дискретное вейвлет преобразование генерирует не бинарные значения как показано выше, а значения с плавающей точкой, в том числе и отрицательные. Поэтому к полученному результату дополнительно применяется квантование, предназначенное для представления данных в бинарном формате к детализирующей информации:

V(x)’ =

где V(x) – значение в исходном векторе.

Полученный бинарный вектор (рис. 4) очень удобен как для проведения сравнений, так и для хранения с минимальными затратами памяти. В наших исследованиях использовались векторы размерностью 252 бит.

Рис.4. Характеристический вектор

Сравнение. Для сравнения двух кодов используется дистанция Хемминга, параметр, характеризующий степень различия между двумя кодами.

Производительность биометрической системы оценивается при помощи двух показателей: коэффициент ложного пропуска (FalseAcceptRate или FAR – система предоставляет доступ незарегистрированному пользователю) и коэффициент ложного отказа (FalseRejectionRate или FRR – система запрещает доступ зарегистрированному пользователю).

Для вычисления FRR и FAR необходимо провести два эксперимента: сравнение кода пользователя с кодами, извлеченными из разных изображений его же радужки; сравнение кода пользователя с кодами, извлеченными из разных изображений радужки других пользователей (рис 5).

Наиболее вероятное значение дистанции Хэмминга для случая сравнения кодов, принадлежащих одному пользователю, является приблизительно 0,28 – 0,29. Аналогичное распределение получается для эксперимента, в котором сравниваются коды радужек, принадлежащие разным пользователям. Наиболее вероятное значение дистанции Хэмминга в таком случае лежит в окрестности 0,5.

Читайте также:  Как можно выдавить ячмень на глазу

Пороговое значение дистанции Хэмминга, ниже которого пользователь считается подлинным и пропускается, а выше – отвергается, определяются исходя из области пересечения графиков,характеризующих FRR и FAR.

Рис.5. Порог допуска. Коэффициенты ложного отказа и ложного допуска

В целом максимальная вероятность появления одной из ошибок составляет 7%­­ – 8% от общего числа протестированных пользователей. Порог допуска выбирается в зоне появления ошибок распознавания, ближе к центру пересечения двух кривых. Выбирая пороговое значение точно в точке пересечения, уменьшается вероятность появления как FRR, так и FAR. Как видно из рисунка 5, оптимальное значение дистанции Хэмминга в данном случае равно 0,4.

Практика показывает, что в реальных ситуациях надежнее зафиксировать пороговое значение ближе к графику, характеризующему сравнение кодов одного и того же пользователя, тем самым уменьшая значение коэффициента ложного пропуска (FAR). Иными словами, безопаснее, если пользователь отвергнут, нежели,еслипринят.

МоругинС.Л., д.т.н., профессор кафедры «Компьютерные технологии в проектировании и производстве», ФГБОУ ВПО «Нижегородский государственный технический университет им. Р.Е.Алексеева», г. Нижний Новгород;

Андреев В.В., д.т.н, профессор кафедры «Ядерные реакторы и энергетические установки», ФГБОУ ВПО «Нижегородский государственный технический университет им.
Р.Е.Алексеева», г. Нижний Новгород.

источник

Размер рынка распознавания радужной оболочки достигнет $ 3,6 млрд к 2020 году. Совокупные темпы годового роста в период между 2015 и 2020 годом составят 23,4 %. Такие прогнозы были озвучены исследовательским агентством MarketsandMarkets. Основными драйверами названы: общее снижение стоимости и большое количество правительственных инициатив.

Frost&Sullivan опубликовала доклад «Пятилетний анализ перспектив рынка аутентификации по радужной оболочке глаза», в котором прогнозируется рост доходов от $ 142 900 000 в 2014 году до $ 167 900 000 в 2019 году.

Точность верификации по радужной оболочке глаза и её неизменное состояние на протяжении всей жизни человека — являются достаточно убедительными аргументами для развертывания технологии.

«Глобальные угрозы безопасности и активность мошенников усиливают необходимость в системах распознавания радужной оболочки глаза, — считает Рам Рави, промышленный аналитик Frost&Sullivan. — В результате, технология может найти применение в национальных системах идентификации, службе пограничного контроля и правоохранительных органах.»

Также аналитики ожидают рост популярности этих бесконтактных биометрических систем в гостиничной и финансовой индустрии, государственных ИТ-системах, мобильном банкинге и, особенно, в сфере здравоохранения. Кроме того, пока камеры смартфонов в состоянии захватить отдельные образцы радужной оболочки, перспективы развития — очевидны.

Что касается более долгосрочных прогнозов:

Tractica опубликовала новый доклад под названием «Iris Recognition», предсказывающий, что к 2024 году поставки устройств распознавания радужной оболочки глаза составят $262 млн..

В докладе отмечается, что поставки устройств — в том числе как автономных систем распознавания радужной оболочки, так и биометрических компонентов для мобильных устройств — вырастет с 7,9 млн ($ 587 млн) в 2015 году до 55,6 млн ($ 1920000000) в год к 2024 году. В течение этого 10-летнего периода, совокупные поставки на мировой рынок достигнут 262,8 млн ($ 11,7 млрд) при среднегодовом темпе роста в 24%.

«Аутентификация по радужной оболочке глаза признана одним из самых эффективных биометрических методов последнего десятилетия, — говорит Боб Локхарт, главный аналитик Tractica. — Такие системы дают очень низкий процент ложных срабатываний. Скорость обработки приближается к 200 миллионов шаблонов в секунду. Тем не менее, технология распознавания радужной оболочки уступает конкурирующей технологии распознавания отпечатков пальцев, за счет более низкой цены последней».

«Несмотря на потенциал метода среди различных биометрических систем, тормозящим фактором остается его высокая стоимость, — соглашается Рам Рави. — Однако, постоянные исследования и разработки позволят снизить затраты, а расширение сферы использования за счет госзаказов — позволит технологии аутентификации по радужной оболочке глаза занять заметный сегмент на рынке биометрических СКУД».

К 2020 году мировой рынок аутентификации по радужной оболочке глаза вырастет более чем на 21% до $5 млрд, согласно отчету TechNavio. Рост связан с увеличением интеграции систем распознавания по радужной оболочки глаза в мультимодальные биометрические системы крупных государственных проектов, такие как пограничный контроль, электронные паспорта, регистрация избирателей данных и т.п

Аутентификация по радужной оболочке глаза становится все более доступной.

«С точки зрения продукта, многие сканирующие радужку устройства теперь совершенствуют баланс легкости использования, точности, цены и производительности», — говорит Джоуи Притайкин, вице-президент по маркетингу и управлению продуктами для биометрии фирмы Tascent.

Ссылаясь на надежность технологии, при общем снижении стоимости приложений и оборудования, многие эксперты предсказывают, что сканирование глаза людей, станет распространенным методом идентификации.

«Радужная оболочка глаза — золотой биометрический идентификатор. Отпечатки пальцев имеют пределы, радужка — нет. Идентификация пользователя по радужной оболочке глаза выделяется во многих отношениях по сравнению с другими коммерчески жизнеспособными биометрическими технологиями. Каждый хочет ее использовать. В прошлом это было слишком дорого и слишком сложно, но это меняется», — говорит Марк Клифтон, президент продуктов и решений Princeton Identity (ранее SRI International).

В первую очередь, повышение доступности технологии связано с завершением срока действия многих ключевых патентов на биометрию радужной оболочки глаза.

Современные высокотехнологичные камеры обеспечивают простой захват биометрического идентификатора без дополнительного позиционирования положения глаз пользователя.

Основная технология также становится дешевле. Если раньше распознавание пользователя по глазам требовало специализированных, достаточно дорогих, аппаратных средств, выпускаемых по спец заказу, то сейчас оборудование, необходимое для захвата и обработки радужной оболочки, встраивается в большинство смартфонов. С миниатюризацией и промышленным выпуском основных компонентов, сканеры радужной оболочки вскоре могут стать сравнимы по цене с высококачественными считывателями отпечатков пальцев.

Чтобы стать мейнстримом, биометрическая технология должна быть принята потребителем. В течение многих десятилетий биометрия отпечатка пальцев изо всех сил старается преодолеть стереотип ассоциативной связи с преступностью. Прорыв произошел, когда сканеры отпечатков пальцев появились на iPhone.

В биометрии радужной оболочки глаза так же есть несколько мифов о сканировании, вроде небезопасности для зрения, которые должны постепенно развеяться.

«Производители уже встраивают сканеры радужной оболочки в свои мобильные телефоны и планшеты. На следующем этапе технология внедряться в дверные замки, замки, ноутбуки или даже такие вещи как холодильники. Простота и удобство использования будут стимулировать принятие людей. Поскольку технология становится менее дорогой, потенциал будет расти. Принятие займет некоторое время, но очевидно большое будущее для биометрии радужной оболочки глаза», — говорит Марк Клифтон, президент продуктов и решений Princeton Identity (ранее SRI International).

В августе 2016 компания EyeLock объявила, что разработала технологию распознавания радужной оболочки, позволяющую идентифицировать человека на расстоянии до 60 см и способную работать даже если пользователь носит очки или контактные линзы. Разработчики прогнозируют активное применение технологии в мобильных устройствах.

Появление технологии произошло почти сразу после выхода смартфона Samsung с аутентификацией по радужной оболочке глаза. Таким образом, если учитывать опыт Apple по популяризации биометрии, и у этого метода самые радужные перспективы.

Одна из уникальных биометрических характеристик, используемых для идентификации, — радужная оболочка глаза. При верификации используется около 260 ключевых точек (для сравнения, верификация отпечатка пальца использует около 16 ключевых точек). При этом сам шаблон занимает небольшой объем памяти, что позволяет быстро производить аутентификацию пользователя, а так же использовать большие базы данных при сравнительно небольших вычислительных ресурсах.

Системы контроля и учета доступа с идентификацией по радужной оболочке глаза имеют коэффициенты FAR – 0,00001% и FRR – 0,016%. При реализации СКУД со строгой аутентификацией по двум глазам коэффициент ложного пропуска уменьшается в геометрической прогрессии: FAR – 10-10% при FRR – 0,016%.

Считается, что подделать идентификационные данные при использовании этого метода – невозможно. По крайней мере, об успешных попытках ничего не известно. Дело в том, что кроме индивидуального рисунка радужной оболочки, человеческий глаз обладаете уникальными отражающими характеристиками (за счет состояния тканей и естественного увлажнения), которые учитываются в процессе считывания информации. А для дополнительного повышения уровня безопасности, некоторые СКУД также фиксируют непроизвольные движения глазного яблока, присущие живому человеку. Кстати аутентификация по радужной оболочке мертвого человека также считается невозможной: после смерти зрачок расширяется, делая область радужки слишком узкой и, следовательно, непригодной для сканирования.

Кроме того, эта биометрическая характеристика имеет малую вероятность изменения с течением времени: единственными причинами могут быть оперативное медицинское вмешательство или серьезная травма.

Метод распознавания по радужной оболочке глаза позволяет создавать бесконтактные системы контроля доступа, действующие на довольно большом расстоянии и способные к быстрой аутентификации в потоковом режиме. Это дополнительное достоинство позволяет использовать их для организации систем безопасности крупных объектов.

Ограничивающим фактором для распространения систем идентификации по радужной оболочке глаза является их высокая стоимость, а для российского рынка – и низкая доступность ввиду отсутствия отечественных производителей. .

При сканировании глаза выделяется область зрачка и область самой радужной оболочки. Получаемое кольцо программно очищается от шумов, и преобразуется в прямоугольный формат — Iris Code, содержащий информацию об уникальных характеристиках объекта в черно-белом виде (наподобие штрих-кода или QR-кода). Далее Iris Code сравнивается с базой зарегистрированных шаблонов. Скорость обработки при этом крайне высока, что позволяет использовать систему для работы с большими базами данных, в т.ч. выполняя задачи правоохранительных органов и других государственных организаций.

Основные тонкости, при создании СКУД на основе метода аутентификации по радужной оболочке глаза, связаны с организацией освещения. В первую очередь, стоит учитывать, что вся поверхность глаза имеет прекрасную отражающую способность и появление на ней световых бликов и отражения посторонних объектов – затрудняет считывание данных. Поэтому, как правило, системы, использующие этот биометрический метод, комплектуются собственным источником освещения, создающим преобладающий световой фон на объекте (иногда работающем в режиме «вспышки»).

Кроме того, собственное освещение решает еще несколько задач. Первая – поиск объекта идентификации. Найти глаз в видеопотоке движущихся людей – задача не простая. Поэтому биометрические системы распознавания радужной оболочки глаза, в первую очередь, ищут специфический световой блик, отражаемый зрачком. И уже в окрестности блика детектируется глаз.

Вторая задача, решаемая при помощи освещения – достаточная ширина радужной оболочки, для считывания индивидуальных биометрических данных. В условиях недостаточной освещенности зрачок имеет свойство расширяться, что не позволяет считать рисунок радужной оболочки глаза. При этом, человеческий глаз реагирует только на видимую часть светового потока, поэтому решить проблему при помощи ИК-подсветки не представляется возможным.

Кстати, ИК-подсветка является одним из стандартных элементов СКУД с распознаванием радужной оболочки, поскольку структура рисунка темных глаз в видимом свете практически неразличима. Однако, рисунок светлых глаз, напротив, в почти неразличим в ИК-диапазоне, а регистрируется в видимом свете. Стандартно, в системах идентификации радужной оболочки глаза рекомендуется использование света 700-900 нм. Но в таком широком диапазоне возможны сильные изменения регистрируемой картины. Дополнительный источник дневного света позволяет создать дополнительные условия для регистрации рисунка светлых глаз, оставив ИК-диапазон для более темных.

Распознавание по сетчатке глаза часто путают с методом распознавания радужной оболочки, что неверно. Идентификация объекта в данном случае осуществляется по уникальному рисунку сосудов и капилляров на сетчатке глаза. Метод является прекрасно защищенным от подделки биометрических данных, поскольку их невозможно сфотографировать или осуществить несанкционированный захват другим простым способом. При этом, системы аутентификации по сетчатке глаза обладают очень высоким уровнем надежности: FAR – 0,0001% при FRR – 0,4%.

На этом достоинства заканчиваются и начинаются недостатки. Процедура идентификации довольно длительна и, можно считать, контактна: пользователю необходимо наблюдать сквозь окуляр удаленную световую точку. При этом малейшее движение, неверный наклон головы или неправильная фокусировка на источнике света — ведут к отказу распознавания.

Сетчатка, в отличие от радужной оболочки глаза, более подвержена изменениям в результате травм и заболеваний (например, кровоизлияние на сетчатку глаза или катаракта). Также сетчатка содержит элементы зрительного нерва и слепое пятно, геометрия которых тоже может изменяться со временем.

Стоимость подобной системы крайне высока.

В целом, биометрические системы аутентификации по сетчатке глаза получили довольно узкое распространение: для организации систем безопасности на объектах повышенной секретности. На сегодняшний день на рынке подобные СКУД практически отсутствуют.

Материал спецпроекта «Без ключа»

Спецпроект «Без ключа» представляет собой аккумулятор информации о СКУД, конвергентном доступе и персонализации карт

источник

Не так давно был представлен новый флагман Samsung Galaxy Note 7. Одной из его ключевых функций стала возможность разблокировки устройства при помощи сканирования радужки глаза.

Сканер радужки глаза, это один из устоявшихся штампов киноиндустрии, особенно, когда дело касается шпионских и научно-фантастических фильмов. Теперь эта технология стала не просто выдумкой, а перекочевала в повседневные гаджеты простых людей (а не супершпионов), в частности, в смартфоны, ну по крайней мере один точно. Посмотрим, как эта штука приживётся в смартфоностроении: перекочует ли она к другим производителям или останется бесполезной диковинкой Galaxy Note 7 (или вообще откровенной дичью), как проектор в китайском смартфоне. Тем не менее, нам стало интересно, как устроен этот сканер. Мы разобрались и спешим поделиться этим с вами.

Читайте также:  Чем убрать синяк и опухоль с глаза

Радужная оболочка наших глаз, как и отпечаток пальца имеет свой неповторимый рисунок. Поэтому это удобное средство аутентификации. Биометрические гражданские паспорта, если вы помните, фиксируют именно эту информацию, потому что в отличие от отпечатка пальцев, радужку глаза подделать пока не представляется возможным. Кроме того со временем она не изменяется.

Однако сканер не просто фотографирует ваш глаз, а потом сверяет с исходником. На практике процедура начинается с направленного инфракрасного луча ближнего спектра. Этот свет для идентификации подходит гораздо лучше, чем дневной, потому что камере легче захватить рисунок радужки, подсвеченный именно ИК-светом. Кроме того, такой сканер может работать в темноте. При этом процедуре идентификации радужной оболочки могут подвергаться даже люди с плохим зрением, так как ИК-луч свободно проходит через прозрачные очки и линзы. После того, как рисунок радужки зафиксирован, алгоритм переводит рисунок радужной оболочки глаза в код, который сравнивается с имеющейся базой.

Захват изображения глаза — полученная картинка — определение радужки и века — выделение этой области — удаление века с картинки — нормализация этой области — транскодирование — сравнение с базой данных

По большей части, сканер нового фаблета от Samsung работает по описанной выше схеме, любопытная деталь заключается в том, что на фронтальной панели Galaxy Note 7 располагается камера, которая занимается исключительно распознаванием радужной оболочки глаза. Почему же фронтальная камера не может выполнять эту задачу? Потому что камера должна быть чувствительна к ИК спектру. В обычных камерах ИК свет фильтруется, так как он портит обычные фотографии. Кроме этого считывающая камера имеет более узкий угол обзора, чтобы видеть глаз пользователя лучше, особенно на расстоянии.

Некоторые пользователи выразили озабоченность по поводу того, что такой сканер в Samsung Galaxy Note 7 может быть небезопасен, в частности, не приведёт ли его частое использование к необратимому повреждению глаз. Такие вопросы вполне резонны, ведь для сканирования смартфон отправляет луч света прямо в ваш глаз, и так как этот свет невидим для человека, то зрачок никак не пытается от него защититься, поэтому свет попадает на сетчатку, не встречая никаких преград.

На самом деле мы не можем быть на 100% уверенными, что частое использование сканера радужки глаза Samsung Galaxy Note 7 не будет иметь какого-то влияния на наши глаза. Если сейчас эту статью читает окулист, мы будем рады услышать ваше экспертное мнение в этом вопросе.

Сама компания предупреждает пользователей, что подносить смартфон слишком близко к глазам во время идентификации не нужно, если следовать этому предостережению всё должно быть хорошо. Однако так как считывание радужки не такое частое явление, массового тестирования и результатов, сделанных на основе людей, пока нет. Когда они появятся, может быть уже слишком поздно кого-то предупреждать, а может быть и наоборот — придёт подтверждение, что функция полностью безопасна.

Если вы запутались — проясню, да сканирование радужки и сетчатки — процессы схожие, но различаются по основному принципу. При сканировании сетчатки, алгоритм считывает не рисунок сетчатки, а изображение глазного дна. Но для бытовых условий гораздо проще пользоваться сканером радужной оболочки, так как для считывания сетчатки устройство нужно подносить вплотную к глазу. В случае со смартфоном это выглядело бы очень глупо.

В смартфонах уже давно есть считыватели отпечатков пальцев, они быстрые надёжные безопасные и достаточно дешёвые, чтобы быть установленными даже в китайских смартфонах дешевле $200. Зачем тогда нам сканеры радужной оболочки? Главным образом затем, что они в несколько раз более надёжны и безопасны. Главным доводом является то, что отпечатки пальцев мы оставляем почти на каждой поверхности, к которой прикасаемся, а значит копию отпечатка гораздо проще достать. При этом мокрые и грязные пальцы устройству часто тяжело распознать. Получить копию радужной оболочки крайне тяжело, а глаза изнутри никогда не заляпаны грязью, поэтому владельцу воспользоваться аутентификацией в любых условиях гораздо проще. Хотя, в кино уже давно придумали способ, как обойти эту защиту:

Я считаю, что сканер Samsung Galaxy Note 7 не сделает его хитом. Да, эта технология работает и ей можно лихо хвастаться друзьям, но для большинства — использование сканера отпечатка пальцев будет достаточно. Однако не исключено, что новинку оценит, в первую очередь, корпоративный сегмент, которому необходимо лучше, чем остальным защищать информацию на своём смартфоне. Для простых обывателей, думается мне, будет слишком лениво подносить смартфон на определённое расстояние, при этом совершая необходимые действия. Но это не говорит о том, что Samsung не разовьёт технологию или о том, что она неожиданно не выстрелит и перекочует даже в iPhone. Шансы у этой серьёзной игрушки есть.

источник

Автоматическое определение наличия косметических контактных линз на изображении радужной оболочки глаза — сложнейшая задача распознавания, но недавно появились наборы данных, позволяющие ее решить.

Автоматическое определение наличия косметических контактных линз на изображении радужной оболочки глаза — сложнейшая задача распознавания образов, но с недавнего времени появились экспериментальные наборы данных, позволяющие исследователям продвинуться в решении этой проблемы.

Распознавание радужной оболочки глаза применяется в ряде крупномасштабных систем идентификации личности в различных странах мира: пунктах пересечения границы в Канаде и ОАЭ, однофакторной системе верификации личности для 100 тыс. пользователей банкоматов Cairo Amman Bank [1] и самом амбициозном проекте — индийской государственной биометрической базе данных Aadhaar. Специалисты Центра глобального развития, проанализировав данные по первым 84 млн зарегистрированных в Aadhaar, пришли к заключению, что изображения радужной оболочки содержат гораздо больше информации, чем отпечатки пальцев, и позволяют провести аутентификацию гораздо точнее ввиду меньшего уровня ложноположительных и ложноотрицательных срабатываний [2].

Распознавание радужной оболочки в будущем станет применяться все шире, однако соответствующие системы пока не способны обнаруживать фальсификации с использованием контактных линз, которые становятся все более популярными как способ изменить цвет глаз и придать им блеск. К примеру, человек, которого признали персоной нон грата в ОАЭ и включили в стоп-лист, мог бы с помощью таких линз попытаться избежать совпадения со снимком его радужки, занесенным в систему пограничного контроля, и таким образом проникнуть в страну. Аналогично, некто мог бы выдать себя за другого, надев контактные линзы с соответствующей текстурой радужной оболочки.

Все коммерческие датчики распознавания радужной оболочки выполняют съемку глаза при помощи освещения в инфракрасном диапазоне (near-infrared, NIR) через меланин, пигмент, придающий глазам их цвет. При освещении NIR-светом глаза для камеры выглядят светлоокрашенными и текстура радужной оболочки хорошо различима. На рис. 1 сравниваются снимки одного и того же глаза, сделанные обычной цветной камерой и NIR-сканером. Текстуру радужки трудно разглядеть на цветном изображении, а на NIR-снимке она хорошо просматривается. Красители, используемые для придания цвета косметическим контактным линзам, обычно плохо пропускают NIR-свет. Если сделать съемку глаза, прикрытого такой линзой, естественный рисунок радужной оболочки отсканирован не будет.

Рис. 1. Глаз, снятый: а — обычной цветной камерой; б — в инфракрасном свете. Текстуру радужной оболочки трудно разглядеть на цветном снимке, но на монохромном она хорошо просматривается

Часть площади косметической контактной линзы занимает кольцеобразная полоса с красителем, придающим глазу новый цвет, — текстура этого кольца заслоняет практически всю радужную оболочку. Таким образом, текстура, наблюдаемая вокруг зрачка на снимке радужки с линзой, — это наложение текстуры линзы на просвечивающий сквозь нее естественный рисунок радужки. Если радужка выступает за кольцо окрашенной области линзы, то на снимке будет просматриваться узкая полоса «чистой» текстуры радужной оболочки. Поскольку контактная линза может не фиксироваться на поверхности глаза, два изображения одного и того же глаза в одной и той же линзе могут иметь разную текстуру.

Линзы разных марок и цветов дадут разный рисунок текстуры в зависимости от используемого красителя и способа изготовления линзы. На рис. 2, а и 2, б показан глаз без линзы и в бесцветной корректирующей линзе. Легко заметить, что радужная оболочка на обоих изображениях одна и та же — хорошо видно и границу линзы на рис. 2, б. На рис. 2, в и 2, г показана та же радужка под косметическими линзами Acuvue и FreshLook соответственно: уверенно сказать, что перед нами та же радужная оболочка, что и на рис. 2, а, нельзя.

Рис. 2. Снимки того же глаза: а — без контактной линзы; б — с бесцветной корректирующей линзой; в — в косметической линзе Acuvue; г — в косметической линзе FreshLook. Радужка на 2, б та же, что и на 2, а, но нельзя с уверенностью сказать, что радужка на 2, в и 2, г та же, что и на 2, а.

Исследователи, занимающиеся проблемой распознавания по радужной оболочке глаза, предлагают несколько способов защиты от фальсификации. Самый популярный — разработка текстурных фильтров и классификатора, позволяющего охарактеризовать изображение радужки — естественное оно или замаскированное косметической контактной линзой. Еще один подход — сканировать радужку таким образом, чтобы можно было восстановить трехмерную репрезентацию текстуры и потом по ее особенностям вынести решение, присутствует ли на снимке косметическая линза. Или такой вариант — идентифицировать косметическую линзу, анализируя текстуру после расширения зрачка в максимальной близости от его границы. Разработка классификатора на основе особенностей текстуры — наиболее предпочтительный метод, так как его можно реализовать целиком программно, не меняя аппаратную часть сканера радужки.

На сегодня несколько исследовательских групп разработали текстурные классификаторы для автоматического распознавания косметических линз, сообщив о точности на уровне 98% или выше. Но до недавнего времени в подобных исследованиях тестовые и учебные наборы данных составлялись с использованием линз одних и тех же типов. То есть, допустим, разрабатывался алгоритм, обучавшийся на серии снимков глаз в линзах FreshLook, а тестирование затем проводилось на другом наборе снимков с линзами той же марки. Эта методология позволяет оценить точность распознавания типов линз, известных на момент создания алгоритма, но она не учитывает случаев, когда система, обученная на одном типе линз, имеет дело с линзами другого типа. В недавнем исследовании [3] было показано, насколько сильно ухудшается эффективность алгоритма для автоматического распознавания косметических линз, когда ему попадается новый их тип. В экспериментах использовались косметические линзы трех марок: FreshLook, Acuvue и CooperVision Expressions; серии снимков делались с помощью сканера радужной оболочки LG 4000. В опорном эксперименте и обучающая, и тестовая серии снимков содержали изображения со всеми тремя видами линз. Проводилось обучение нескольких классификаторов особенностей локальных бинарных шаблонов, и на тестовой серии безошибочная классификация достигалась в 100% случаев.

В следующем эксперименте использовались те же самые особенности текстуры, классификаторы и изображения, но в обучающей серии присутствовали изображения радужки под линзами двух из трех марок, а в тестовом — всех трех. Цель была выяснить, что происходит, если создать алгоритм распознавания косметических линз с использованием определенных их типов, а затем применить его к линзам еще неизвестного вида. Когда в тестовую серию включили только изображения с линзами CooperVision, алгоритм достигал точности классификации 95%. Но когда тестовый набор составили изображения либо только с линзами Acuvue, либо только с Freshlook, точность упала до 75%.

Автоматическое обнаружение косметических контактных линз новых типов на изображениях радужной оболочки глаза — весьма сложная задача распознавания образов. Но недавно появились экспериментальные наборы данных, помогающие исследователям в изучении этой проблемы [4]. Учитывая темпы прогресса в других аспектах распознавания радужной оболочки, исследовательское сообщество, скорее всего, быстро добьется успеха в решении проблемы фальсификации.

источник

Технологии распознавания радужной оболочки глаза становятся все более популярными во всем мире и используются многими коммерческими и правительственными учреждениями для различных целей: от системы контроля доступа (СКД) до организации рабочего времени. Лаборатория ASSA ABLOY Future Lab занимается исследованием новой области применения этой биометрической технологии — управление идентификационными данными, — а также другими вариантами применений в целях обеспечения безопасности.

Разница между сканированием сетчатки и радужной оболочки глаза

Часто путаемые со сканированием сетчатки глаза, системы распознавания радужной оболочки фиксируют изображение глаза, а затем анализируют цветную часть вокруг зрачка, радужку, которую вы можете видеть невооруженным глазом.

Сетчатка, в свою очередь, состоит из фоторецепторных клеток, расположенных на задней стенке глаза, и ее нельзя увидеть. В то время как при распознавании радужной оболочки в сущности фиксируется рисунок текстуры радужки, при сканировании сетчатки глаза захватывается изображение сетки кровеносных сосудов внутри глаза.

«В отличие от сетчатки, радужную оболочку можно увидеть невооруженным взглядом, поэтому гораздо проще получить качественное изображение радужки,» — говорит Дэвид Ашер, старший научный сотрудник компании Retica Systems (штат Массачусетс), которая проектирует и разрабатывает системы идентификационных данных на основе анализа радужной оболочки глаза. «В системе распознавания радужной оболочки, изображения радужки фиксируются при помощи светодиодов ближнего ИК диапазона (NIR) и алгоритмов, которые в последствие используются для преобразования текстуры сетчатки в специальный код. Этот код или образ сравнивается с шаблонами в памяти устройства, после чего подтверждается или опровергается идентификация личности.»

Читайте также:  У ребенка слезятся глаза и идут сопли

Применение СКД с распознаванием радужной оболочки глаза

Технологии очень быстро распространяются. Один из крупнейших отелей Бостона использует СКД с распознаванием по радужной оболочке глаза для идентификации личности гостей, останавливающихся в элитных президентских апартаментах. Другое учреждение в Бостоне использует эту технологию для ведения учета детей, на случай пропажи без вести и необходимости идентификации кого-нибудь из них в будущем.

«С 2002 года наблюдался рост спроса (в двухзначных цифрах) на системы распознавания радужной оболочки глаза,» говорит Мохамед Мурад, Вице-президент по развитию международного бизнеса и продаж компании Iris ID. Американская компания Iris ID находится в штате Нью-Джерси и выпускает продукцию и программное обеспечение для распознавания радужной оболочки глаза с 1999 года.

«На сегодняшний день наши технологии можно применять везде, где требуется установление подлинности личности,» — говорит Мурад. «Среди возможных областей применения — от базовых СКД (вход/выход в/из помещения или здания) до привязки данных человека к документу или жетону.»

Биометрические данные, считываемые с радужной оболочки глаза играют важную роль в контроле доступа к строго ограниченным зонам. В двадцати девяти аэропортах Канады применяются технологии распознавания радужной оболочки глаз сотрудников для проверки их авторизации при допуске на борт самолета. В амстердамском аэропорте Schiphol предусмотрено ускоренное прохождение паспортного контроля с применением сканирования радужной оболочки глаза для идентификации экипажа и пассажиров, которые часто летают на самолетах.

Многие считают, что системы распознавания радужки — это сложные технологии из фильмов о шпионах и доступны только высокопоставленным представителям государственной власти. На самом деле некоторые области применения таких систем вполне традиционны.

«У нас есть сахарный завод в штате Висконсин, где система распознавания радужки применяется для организации рабочего времени и контроля прихода/ухода сотрудников,» — говорит Мурад. Эта технология намного точнее традиционных бесконтактных карточек, а процедура сканирования радужки более простая по сравнению с другими биометрическими технологиями (например, снятие отпечатков пальцев).

По словам Ашера, процесс захвата изображения является безопасным. «Уровень освещения, необходимого для светодиода ближнего ИК диапазона при идентификации радужной оболочки, значительно ниже ограничений, установленных для систем безопасности.»

Биометрические преимущества при распознавании радужной оболочки глаза

Как технологии распознавания радужной оболочки вытесняют более традиционные виды биометрики, например, снятие отпечатков пальцев?

«В радужке содержится гораздо больше данных, чем в отпечатке вашего пальца или других биометрических данных,» — говорит Мурад. «Эта технология гораздо точнее традиционной биометрики и не доставляет неудобств идентифицируемому лицу. Вам не нужно ни до чего дотрагиваться и ничего не прикасается к вам.»

Некоторые учреждения пытаются объединить технологии распознавания радужной оболочки глаза с другими биометрическими технологиями для обеспечения максимального уровня безопасности. В США, к примеру, Федеральное бюро расследований (ФБР) исследует способы комбинирования технологий снятия отпечатков пальцев и распознавания радужной оболочки для создания программы Идентификации следующего поколения.

«Раньше в ФБР использовали только технологию снятия отпечатков пальцев, но сейчас они поняли значимость применения технологий распознавания глаз,» говорит Мурад.

Однако технологии распознавания радужной оболочки глаза не всегда могут корректно работать.

«Если человек носит, к примеру, непрозрачные контактные линзы, то это то же самое, что перчатки на руках. Вы не сможете снять отпечаток пальца, если на руках человека перчатки,» — поясняет Ашер. «Поэтому, что нужно сделать продавцам технологий распознавания радужки, так это определить, как можно ее распознать, если человек надел те самые пресловутые «перчатки».» В случае с прозрачными линзами, технология успешно фиксирует изображение радужной оболочки.

В отличие от сканирования сетчатки глаза, которое используется в основном в научных и медицинских учреждениях и не имеет широкого применения в промышленном масштабе, системы распознавания радужной оболочки глаза не контактируют с идентифицируемым лицом. Многие поставщики и исследователи разрабатывают технологии, которые могут захватывать изображение радужной оболочки движущихся объектов на расстоянии более одного метра.

Переход на бесконтактную биометрику

Целью новых разработок и достижений в этой сфере стало максимальное сокращение контакта с человеком при идентификации радужной оболочки. «Наша цель — получение возможности упростить этот процесс настолько, чтобы вы могли быть идентифицированы просто проходя мимо устройства,» говорит Мурад. Более того, поскольку первоначальная цена на системы падает, этот вид биометрики стает все более популярным.

«С 2002 года наблюдался рост спроса (в двухзначных цифрах) на системы распознавания радужной оболочки глаза» В некоторых аэропортах используются технологии распознавания радужной оболочки глаза для идентификации экипажа и пассажиров, которые часто летают на самолетах.

источник

Среди различных особенностей человеческого тела узор радужки представляет наибольший интерес, поскольку каждый узор имеет уникальную и хорошо различимую текстуру.

Основные этапы процедуры распознавания радужной оболочки глаза

Процедура распознавания состоит из последовательного выполнения следующих этапов:поиска радужки (локализации), нормализации, выделения характеристических особенностей, сравнения.

Для упрощения вычисления, а также в целях удобства последующего приведения исходного изображения к виду двумерной функции выполняется переход к оттенкам серого. Процедура перехода исходного изображения, закодированного при помощи RGB каналов на каждый пиксель, позволяет характеризовать их лишь одним числом – значением его интенсивности от 0 до 255. Достигается это при помощи следующего преобразования:

Где R, G, B – исходные значения в красном, зеленом и синих каналах соответственно, а Y – яркость.

Локализация радужки. Граница между радужкой и склерой представляет собой плавный цветовой переход, в связи с чем, задача обнаружения границы перехода усложняется, однако, граница зрачка и радужки является достаточно четкой. Её поиск производится гораздо легче. Именно по этой причине поиск радужки начинается с поиска зрачка. Процедура локализации радужки происходит в два этапа: поиск зрачка и поиск радужки в окрестности зрачка. В первую очередь к входному изображению применяется детектор границ Кэнни [ссылка]. При этом детектор использует информацию о контурах, полученную в результате вычисления градиента изображения для уточнения этих контуров путем применения двойной пороговой фильтрации и трассировки

Далее, применяя преобразование Хафа [4] для окружностей, можно обнаружить приблизительные координаты центра зрачка и его радиус. Отметим, что детектор границ Кэнни настраивается в зависимости от качества входных данных. Путем тестирования можно подбирать разные значения порогов для операции двойной пороговой фильтрации. Чем выше эти значения, тем меньше границ будет оставлено в итоговом изображении. Так же имеется возможность настраивать параметры функции Гаусса, для изменения степени размытости изображения.

После обнаружения местоположения зрачка можно перейти к процедуре поиска радужки, которая осуществляется за счет анализа изменений в интенсивности пикселей от зрачка к краю изображения. Для поиска границ радужки достаточно знать координаты центра зрачка и его приблизительный радиус. Это позволяет строить концентрические окружности увеличивающегося радиуса, для каждой из которых рассчитывается суммарная интенсивность лежащих на ней пикселей. Анализ разности интенсивностей каждой окружности относительно предыдущей позволяет выявить границу радужки. Учитывая, что граница представляет собой перепад интенсивности из темных тонов в светлые, получаем, что та окружность, изменение интенсивности которой относительно предыдущей (окружности меньшего радиуса) максимально, и будет окружностью, охватывающей радужку.

Рис.1. Схема поиска границ радужки

Отметим, что радужка и зрачок в действительности имеют разные центры, поэтому в описанном выше алгоритме следует искать две окружности с максимальными разностями. Имея две окружности, описывающие левый и правый край радужки, можно получить её диаметр путем сложения двух радиусов. Таким образом, получаем более точную координату x центра радужки. Разностью в координатах y можно пренебречь, так как она не превышает 3-х пикселей (рис. 1).

Нормализация радужки. При осуществлении захвата изображения в различных условиях глаз может предстать в разных формах, например, в случае увеличения или сужения зрачка рабочее поле (количество пикселей, отведенное на рисунок радужки) изменяется. Размеры самого глаза на изображении так же могут быть различны за счет физического положения человека относительно камеры. Чтобы учесть подобные факторы необходимо приводить кольцеобразный рисунок радужки к стандартизированному виду, иначе задача вычисления схожести двух радужек усложняется.

Для нормализации радужки нами используется подход, описанный Джоном Даугманом. [1,2]. Он позволяет извлекать из кольцеобразной формы фиксированное число пикселей для каждого возможного направления. Записывая извлекаемые пиксели в столбцы, получается изображение прямоугольной формы.

Обычно прямоугольное изображение содержит лишнюю информацию, а именно часть века, покрывающего глаз. В результате экспериментов была выявлена средняя область, не содержащая изображения век, именно она и ложится в основу нормированного изображения радужки (рис 2).

Наибольшая часть уникального узора радужки содержится именно в верхнем горизонтальном сегменте изображения. Кроме того, выборка данных фиксированного размера уменьшает возможность появления различных характерных черт.

Такой подход, выбирающий прямоугольную область с фиксированным числом пикселей, гарантирует, что с большей вероятностью, анализу будет подвергнута одна и та же область радужки. Экспериментально полученные нормализованные радужки представляют собой изображение размером 448х48 пикселей.

Выделение характеристических особенностей.Для выделения характерных черт радужкинеобходимо усиление контрастности изображения, за счет чего текстура радужки становится более четкой. Это значит, что дискретное вейвлет преобразование сможет выделить детализующую информацию гораздо эффективнее. Усиление контраста достигается за счет применения операции выравнивания гистограммы к нормализованному изображению радужки.

Следует отметить, что операцию выравнивания гистограммы стоит применять именно к изображению нормализованной радужки, а не к изображению глаза в целом. Это обусловлено тем, что нормализованное изображение содержит значения интенсивностей близкие друг к другу, а также значительно меньшее число пикселей, а значит, перераспределение интенсивностей между пикселями происходит гораздо эффективнее.

Для вычисления характеристических особенностей радужки используется многоуровневое дискретное вейвлет преобразование с вейвлетом Хаара. [4,5].

Дискретное вейвлет преобразование позволяет разделить входное изображение на 4 составляющих: приближенное изображение (уменьшенное в два раза оригинальное изображение) и еще три изображения представляющих собой детализирующую информацию. Многоуровневое преобразование применяется для того, чтобы извлечь информацию об основном рисунке радужки.

Четыре уровня дискретного вейвлет преобразования уменьшают изначальное изображение размером 448х48, до 28х3.

Пример конечного результата, готового для формирования вектора приведен на рис. 3.

Рис.3.Результат применения 4-го уровня дискретного вейвлет преобразования

Характеристический вектор представляет собой вектор значений, содержащих код радужки. В результате применения многоуровневого дискретного вейвлет преобразования детализирующая информация о вертикальных, горизонтальных и диагональных контурах объединяется в единый вектор.

На практике дискретное вейвлет преобразование генерирует не бинарные значения как показано выше, а значения с плавающей точкой, в том числе и отрицательные. Поэтому к полученному результату дополнительно применяется квантование, предназначенное для представления данных в бинарном формате к детализирующей информации:

V(x)’ =

где V(x) – значение в исходном векторе.

Полученный бинарный вектор (рис. 4) очень удобен как для проведения сравнений, так и для хранения с минимальными затратами памяти. В наших исследованиях использовались векторы размерностью 252 бит.

Рис.4. Характеристический вектор

Сравнение. Для сравнения двух кодов используется дистанция Хемминга, параметр, характеризующий степень различия между двумя кодами.

Производительность биометрической системы оценивается при помощи двух показателей: коэффициент ложного пропуска (FalseAcceptRate или FAR – система предоставляет доступ незарегистрированному пользователю) и коэффициент ложного отказа (FalseRejectionRate или FRR – система запрещает доступ зарегистрированному пользователю).

Для вычисления FRR и FAR необходимо провести два эксперимента: сравнение кода пользователя с кодами, извлеченными из разных изображений его же радужки; сравнение кода пользователя с кодами, извлеченными из разных изображений радужки других пользователей (рис 5).

Наиболее вероятное значение дистанции Хэмминга для случая сравнения кодов, принадлежащих одному пользователю, является приблизительно 0,28 – 0,29. Аналогичное распределение получается для эксперимента, в котором сравниваются коды радужек, принадлежащие разным пользователям. Наиболее вероятное значение дистанции Хэмминга в таком случае лежит в окрестности 0,5.

Пороговое значение дистанции Хэмминга, ниже которого пользователь считается подлинным и пропускается, а выше – отвергается, определяются исходя из области пересечения графиков,характеризующих FRR и FAR.

Рис.5. Порог допуска. Коэффициенты ложного отказа и ложного допуска

В целом максимальная вероятность появления одной из ошибок составляет 7%­­ – 8% от общего числа протестированных пользователей. Порог допуска выбирается в зоне появления ошибок распознавания, ближе к центру пересечения двух кривых. Выбирая пороговое значение точно в точке пересечения, уменьшается вероятность появления как FRR, так и FAR. Как видно из рисунка 5, оптимальное значение дистанции Хэмминга в данном случае равно 0,4.

Практика показывает, что в реальных ситуациях надежнее зафиксировать пороговое значение ближе к графику, характеризующему сравнение кодов одного и того же пользователя, тем самым уменьшая значение коэффициента ложного пропуска (FAR). Иными словами, безопаснее, если пользователь отвергнут, нежели,еслипринят.

МоругинС.Л., д.т.н., профессор кафедры «Компьютерные технологии в проектировании и производстве», ФГБОУ ВПО «Нижегородский государственный технический университет им. Р.Е.Алексеева», г. Нижний Новгород;

Андреев В.В., д.т.н, профессор кафедры «Ядерные реакторы и энергетические установки», ФГБОУ ВПО «Нижегородский государственный технический университет им.
Р.Е.Алексеева», г. Нижний Новгород.

источник

Источники:
  • http://science-education.ru/ru/article/view?id=16493
  • http://www.techportal.ru/glossary/kontrol-dostupa-po-raduzhnoi-obolochke-glaza.html
  • http://wylsa.com/how-note-7-iris-scanner-works/
  • http://www.osp.ru/os/2014/05/13041822/
  • http://worldvision.com.ua/articles/sistemi-raspoznavaniya-raduzhnoy-obolochki-glaza
  • http://science-education.ru/ru/article/view?id=16493