Меню Рубрики

Система идентификации по радужной оболочке глаза относится к

Биометрия — это методы автоматической идентификации человека и подтверждения личности человека, основанные на физиологических или поведенческих характеристиках. Примерами физиологических характеристик являются отпечатки пальцев, форма руки, характеристика лица, радужная оболочка глаза. К поведенческим характеристикам относятся особенности или характерные черты, либо приобретенные или появившиеся со временем, то есть динамика подписи, идентификация голоса, динамика нажатия на клавиши. Биометрия – уникальная, измеримая характеристика человека для автоматической идентификации или верификации. Термин «автоматически» означает, что биометрические технологии должны распознавать или верифицировать человека быстро и автоматически, в режиме реального времени. Идентификация с помощью биометрических технологий предполагает сравнение ранее внесенного биометрического образца с вновь поступившими биометрическими данными.

Несмотря на то, что целый ряд компаний был вынужден свернуть свои биометрические проекты из-за отсутствия финансовой поддержки, в настоящее время проводятся интенсивные исследования, направленные на расширение возможностей биометрии в таких методах идентификации , как:
– по отпечаткам пальцев,
– по геометрии руки,
– по отпечатку ладони,
– по строению кровеносных сосудов,
– по термографии лица,
– по форме лица в двух-, трехмерном измерении,
– по голосу,
– по подписи,
– по динамике печатания,
– по походке,
– по радужной оболочке глаза,
– по сетчатке глаза (в последние годы динамика исследований распознавания по сетчатке глаза несколько снизилась в силу возникших опасений, связанных с необходимостью использовать для идентификации слишком яркий свет, однако сейчас разработана технология идентификации по сетчатке с использованием инфракрасного излучения).

В настоящее время наибольшее применение находит сканирование отпечатков пальцев. Связано это с тем, что создано уже большое количество устройств, эффективно использующих данную технологию. Кроме того, стоимость такой аппаратуры постоянно снижается. По данным организации «Международная группа биометрии» (International Biometrics Group – IBG), технологии, основанные на считывании отпечатков пальцев, занимают сейчас более 50% рынка биометрии.

Вслед за этим становятся популярными в силу простоты применения и сравнительно умеренной цены такие технологии, как распознавание по подписи и по голосу. Идентификация по форме лица, геометрии руки и радужной оболочке не находит широкого распространения в связи с тем, что эти методы более сложны в использовании и требуют существенных финансовых затрат. Кроме того, в отношении данных технологий еще не до конца решены вопросы, связанные с законодательным разрешением их применения и с обвинениями во вмешательстве в личную жизнь граждан.

Целый ряд других технологий еще находится, образно говоря, в младенческом возрасте. Это, например, относится к идентификации по походке и по форме лица в трехмерном варианте.

Справедливости ради следует отметить, что хотя некоторые из биометрических систем по своей технологии являются более совершенными и вроде бы более точными, чем другие, на самом деле не существует какой-либо «лидирующей» технологии. Дело в том, что лучшими индикаторами, позволяющими определить, какую из технологий следует применить в конкретном проекте, являются соответствие поставленным целям, удобство применения и, конечно же, вопрос стоимости необходимого оборудования.

Биометрический процесс

Каждая биометрическая система должна иметь свое основное и промежуточное программное обеспечение, необходимые аппаратные средства. Именно все эти программы и устройства будут производить подсчеты, аккумулировать данные, сохранять их, осуществлять поиск и сравнение информации, подтверждать или отвергать сходство конкретного биометрического идентификатора.

Обычно биометрическая система должна работать в одном из двух режимов – идентификации или верификации. В обоих случаях начальная установка, или так называемая регистрация, практически одинаковая и во многом зависит от правильного ввода информации.

Процесс регистрации представляет собой установку основных начальных параметров системы и состоит из пяти этапов:

• Загрузка биометрических данных.
При добавлении в базу данных конкретной биометрической характеристики часто вводится несколько ее вариантов, относящихся к одному и тому же лицу, чтобы учесть возможные изменения, например тембра голоса или выражения лица.

• Фиксирование данных.
Измерение и фиксация базовой биометрической информации, относящейся к конкретному образу.

• Обработка данных.
Перевод зафиксированных данных в цифровую форму с созданием эквивалента голосовому или лицевому пин-коду.

• Сверка обработанных данных с первично загруженной информацией.
Проводится с целью подтверждения правильности распознавания системой введенных данных.

• Сохранение подтвержденных биометрических данных.

Результатом регистрации должен стать представленный в электронном виде информационный пакет, удобный для использования и размещенный в базе данных или же на идентификационных смарт-картах.

Регистрация является тем этапом, на котором крайнюю важность приобретают эффективное взаимодействие между всеми пользователями и точное выполнение всех процедур, так как от этого зависят дальнейшее функционирование, работоспособность и точность системы. Однако, как мы в дальнейшем убедимся, точность на каждом этапе обеспечивается не только технологическими параметрами и используемым оборудованием, но и теми требованиями, которые предъявляют к системе пользователи.

Идентификация и верификация

Один из важных вопросов, которые необходимо решить, заключается в том, для чего планируется использовать систему – для идентификации или верификации. Если говорить об идентификации, то система пытается найти, кому принадлежит данный образец, сравнивая образец с базой данных для того, чтобы найти совпадение (также этот процесс называют сравнением одного со многими).

Верификация – это сравнение, при котором биометрическая система пытается верифицировать личность человека. В таком случае новый биометрический образец сравнивается с ранее сохраненным образцом. Сравнивая эти два образца, система подтверждает, что данный человек действительно тот, за кого он себя выдает. В процессе идентификации система сравнивает один образец со многими, тогда как процесс аутентификации или верификации сравнивает один с одним. Идентификационная система спрашивает: «Вы кто?» Верификационная система спрашивает: «Вы действительно тот, за кого себя выдаете?»

В случае идентификации необходима центральная база данных биометрической информации, с которой будет сравниваться конкретный образец. Во втором случае биометрические данные человека проверяются на сходство с электронными данными, содержащимися, например, на смарт-карте.

Путь верификации, или простое сравнение «один к одному», во многих случаях будет представлять более приемлемый в социальном аспекте вариант, потому что информация об индивидууме содержится не в центральной базе данных, а только на единственной карте, хранящейся у него самого. Перспектива же оказаться в общей базе данных рождает много протестов против введения биометрических идентификационных карт в национальном масштабе.

Идентификация по отпечатку пальца

Отпечатки пальцев каждого человека уникальны по своему рисунку. Отпечатки пальцев не совпадают у одного человека на разных пальцах, даже у близнецов. Это одна из самых популярных технологий, которая применяется для обеспечения безопасности доступа к компьютеру и сети. Благодаря этой системе пользователям больше не нужно набирать пароль, доступ обеспечивает одно касание до сканирующего устройства. У этой технологии, на сегодняшний день, наверное, больше всего применений и вот некоторые из них. Несколько штатов проверяют отпечатки пальцев кандидатов на пособия социального обеспечения для того, чтобы исключить вероятность обмана. В Нью-Йорке составлена такая база данных, которая насчитывает около 900 000 людей. Доступ к сетевым ресурсам и частному компьютеру также обеспечивается отпечатками пальцев.
Сильная сторона этого способа заключается в ее всемирном одобрении, удобстве и надежности.

• Минуции: это уникальные для каждого отпечатка признаки

определяющие пункты изменения

структуры папиллярных линий.

Стандарты на отпечатки пальцев

• Образ представляется в формате TIF в нескомпрессованном виде;

• Должен иметь 256 уровней яркости;

• Разрешение не менее 500 dpi;

• Мах.угл поворота от вертикали не более 15 градусов.

Устройства для получения отпечатков пальцев

Получение электронного представления отпечатков пальцев с хорошо различимым папиллярным узором — достаточно сложная задача. Поскольку отпечаток пальца слишком мал, для получения его качественного изображения приходится использовать достаточно изощренные методы.

Все существующие сканеры отпечатков пальцев по используемым ими физическим принципам можно разделить на три группы:

Основаны на использовании оптических методов получения изображения. В настоящее время существуют следующие технологии реализации оптических сканеров: FTIR-сканеры; Оптоволоконные сканеры; Оптические протяжные сканеры; Роликовые сканеры; Бесконтактные сканеры

Оптические протяжные сканеры

В их основе лежит использование для получения изображения поверхности пальца свойств полупроводников, изменяющихся в местах контакта гребней папиллярного узора с поверхностью сканера. В настоящее время существует несколько технологий реализации полупроводниковых сканеров.

Типы полупроводниковых сканеров

• Чувствительные к давлению сканеры

• Емкостные протяжные сканеры

• Радиочастотные протяжные сканеры

Схема работы полупроводниковых сканеров

Пример устройства для получения отпечатков пальцев: биометрическая мышь, сканер вмонтированный в клавиатуру, дактосканер подвижный, сканер вмонтированный в замок, сканер оптический, переносной малогабаритный сканер, USB-биоключ.

Один из новых способов, завоевавший значительную популярность, — распознавание облика. Люди легко узнают друг друга по лицам, но автоматизировать подобное опознание вовсе не легко. Большая часть работ в этой области была посвящена тому, чтобы получить изображение при помощи фотографии или видеокамеры.

Технология распознавания позволяет сканировать человеческие лица в режиме реального времени. Видеокамера подключается к терминалу, и система определяет, соответствует ли лицо в кадре фотографиям из базы данных. Принцип работы системы распознавания по лицу основан на специальном алгоритме оцифровки изображений, позволяющем выбирать на кадрах лицо человека и оцифровывать его, выделяя большое количество параметров (так называемые базовые точки — скулы, цвет и форма глаз, ширина переносицы, губ и т. д.). В результате каждое лицо описывается уникальным набором параметров, причем с некоторым избытком. Для идентификации с высокой степенью точности требуется не более 40 характеристик, тогда как система обычно задает около 2 тыс. оценочных параметров. Это обеспечивает высокую надежность опознания независимо от поворота головы, наличия очков, косметики. В принципе для надежного опознания человека программе достаточно всего несколько десятков базовых точек. Фотография и цифровое описание лица заносятся в базу данных, с которой впоследствии сравнивается распознаваемое лицо.

Вообще говоря, на рынке систем автоматического распознавания лица господствуют два типа систем. Первые базируются на статистическом методе: на основе набора биометрических данных и их обработки формируется некий электронный образец как уникальное в своем роде число, относящееся к конкретной личности. Такой тип систем достаточно широко распространен, но идентификация с их помощью, как правило, не очень надежна.

Методы, относящиеся ко второму типу, близки к человеческому видению проблемы распознавания. Система самообучаема и робастна в отношении изменчивости лица — таких факторов, как возраст, наличие усов или бороды, очков. Для идентификации и верификации можно использовать и старые фотографии. Технология в принципе позволяет работать даже с рентгеновскими снимками. Приемлемость такого принципа пока не удалось превзойти, так как он моделирует «человеческий подход»: один человек разглядывает лицо другого, чтобы его идентифицировать. Как и анализ личной подписи, определение идентичности по фотографии в паспорте относят к наиболее доступному и признанному методу распознавания личности.

Для защиты данных и информации также предпочтительно использовать системы распознавания лица. Кроме того, контроль лица выполняется с определенным комфортом: он бесконтактен и обеспечивает удобную и быструю обработку данных.

В качестве единственного биометрического приложения метод распознавания лица можно использовать в разных областях. Помимо сравнения с содержанием баз данных цифровых фото и классического контроля доступа (верификации), с помощью этого метода можно бесконтактно распознавать людей и в негрупповых сценариях. Распознавание лица неэффективно только тогда, когда значительные изменения, например, вследствие несчастного случая, делают невозможным даже человеческую визуализацию.

Идентификация по радужной оболочке глаза

Этот способ идентификации основан на анализе цветной радужной оболочки глаза, окружающей зрачок. Данная характеристика также является уникальной. Образцы радужных оболочек становятся доступными с помощью видеосистем. Подобные системы смогут идентифицировать человека, даже если он будет в очках или с контактными линзами. Эта система идентификации также является удобной в использовании и не требует личного контакта со сканером. Идентификация по радужной оболочке применяется на протяжении нескольких лет, а также была продемонстрирована и опробована на различных этнических группах и национальностях и подтвердила свою надежность и точность.

Радужка расположена на передней части склеры, имеет кольцевую форму и размеры в среднем по горизонтали А ? 12,5 мм и по вертикали В ? 12,0 мм (рис. 1). Внешний контур радужки, ее граница со склерой — почти идеальный эллипс и может быть приближенно представлена окружностью (как это и делается в современных системах). Внешний контур радужки постоянен и практически одинаков для всех людей.

Рисунок 1 — Типичный вид радужки

Внутренняя граница радужки задается зрачком. У нормального здорового человека зрачок круглый, а его центр несколько смещен относительно центра радужки по направлению к кончику носа. Достаточно часто встречаются незначительные децентрации и отклонения формы зрачка от круговой. Децентрации и отличие от круговой формы определяются патологиями. Асимметрия зрачка также нарастает с возрастом. Вариации положения центра и отношения радиуса зрачка в заданном направлении к среднему могут достигать 20% для одного человека. Поэтому учет формы и расположения зрачка — одна из важнейших проблем.

Рисунок 2 — Примеры некруглых зрачков

Рисунок радужки обусловлен радиально расположенными нитями — трабекулами, переплетенными между собой соединительно-тканными перекладинами, идущими в разных направлениях, и уникален для каждого человека. Рисунок радужки у большинства людей малоконтрастен (диапазон яркостей точек изображения радужки много меньше диапазона яркостей изображения глаза, включающего темный зрачок и светлую склеру). Кроме того, некоторые типы радужки имеют очень тонкую текстуру (на них нет крупных ярких или темных элементов).

Методы идентификации по радужке.

В настоящее время в системах идентификации человека по радужной оболочке сформировались два основных подхода, отличающихся друг от друга способами представления образов радужки и соответствующих им образов-эталонов.

В первом подходе радужка (как новый образ или эталон) непосредственно выделяется из изображения глаза, а во втором – этим образом является матрица штрих-кодов, соответствующая структуре поверхности радужной оболочки.

В свою очередь, радужки в первом подходе могут быть представлены в двух формах:

• колец, выделенных из изображения глаза и определяющих только ту часть информационных знаков глаза, которая непосредственно относится к радужной оболочке;

• прямоугольника, полученного из кольца радужной оболочки путем преобразования декартовой системы координат в полярную.

Процесс получения кольца радужной оболочки непосредственно из изображения глаза показан на рисунке 3 .

Рисунок 3 – Процесс получения кольца радужки

Результат преобразования кольца радужной оболочки из декартовой системы координат в полярную представлен на рисунке 4 . Весь процесс развертки радужной оболочки включает: определение местоположения, центра и контуров зрачка, определение величин радиусов окружности зрачка и окружности радужной оболочки, формирование координат полярной системы, преобразование каждого пикселя радужной оболочки из его представления в декартовой системе координат в представление в полярной системе координат. Последовательность выполнения описанного процесса и получаемые при этом результаты отмечены на рисунке цифрами 1-5.

Рисунок 4 – Развертка радужной оболочки глаза в прямоугольную форму

Поскольку целочисленные индексы декартовой системы координат не всегда строго соответствуют координатам полярной системы, на последнем этапе используется процедура интерполяции (нулевого порядка, двулинейная или билинейная).

Вторая форма представления радужных оболочек требует больших вычислительных затрат (в сравнении с затратами на представление в форме кольца), однако является более удобной для практических применений.

Это обусловлено следующим:

• Поворот изображения, преобразованного из декартовой системы координат в полярную, заменяется его циклическим сдвигом.

• Используя логарифмическое представление координат в направлении радиуса R (вместо линейного), можно получить инвариант масштабного изменения радужной оболочки (в направлении радиуса R ).

• Используя два отмеченных выше свойства, получаем представление радужной оболочки глаза в форме инварианта поворота и масштаба, что значительно упрощает его сопоставление с аналогично представленным эталоном.

В качестве основного метода сравнения двух образов радужной оболочки в рассматриваемых случаях используется, как правило, взаимная корреляция. Доказано, что даже при значительных различиях в масштабе и повороте в изображениях двух одинаковых глаз коэффициент взаимной корреляции не был ниже 0,85.

Процесс получения матриц штрих — кодов, соответствующих структуре поверхности радужной оболочки, представлен схематически на рисунке 5 . Последовательность выполняемых при этом этапов и получаемых результатов преобразования исходных данных отмечена цифрами 1-5.

Рисунок 5 – Процесс получения матриц штрих – кодов радужной оболочки глаза

Этапы 1-3 связаны с выделением области лица на некоторой сцене, локализацией глаза на лице и зрачка на области глаза. На четвертом этапе выполняемого процесса на радужную оболочку глаза (нормированного по масштабу) накладывается фиксированная маска полярной системы координат. Значение каждого пикселя радужной оболочки в точке, соответствующей координатам маски, сравнивается с некоторым заданным порогом и, в зависимости от результата сравнения, записывается как «0» или «1» в определенное место матрицы штрих – кодов. Эта своеобразная бинарная матрица представлена на рисунке 5 под номером 5.

Образ — эталон радужной оболочки (радужка зарегистрированного пользователя) записывается в память системы как файл размером 512 байт.

На этапе идентификации очередного клиента системы сравнение каждой новой матрицы штрих – кодов с матрицей – эталоном может быть выполнено любым известным способом, хотя и здесь возможна взаимная корреляция.

Рассмотрим, как же она осуществляется. Первым этапом, естественно, является получение исследуемого изображения. Делается это с помощью различных камер. Причем стоит отметить, что большинство современных систем предполагает использование для идентификации не одного снимка, а нескольких. Второй этап — выделение изображения радужной оболочки глаза. Сегодня разработано множество способов точного получения границы радужной оболочки по описанным признакам.

Следующий этап идентификации — это приведение размера изображения радужки к эталонному. Это нужно по двум причинам. Во-первых, в зависимости от условий съемки (освещенность, расстояние для объекта) размер изображения может изменяться. Соответственно и элементы радужки тоже будут получаться разными. Впрочем, с этим особых проблем не возникает, так как задача решается путем масштабирования. А вот со второй причиной дела обстоят не так хорошо. Дело в том, что под воздействием некоторых факторов может меняться размер самой радужки. При этом расположение ее элементов относительно друг друга становится несколько иным. Для решения этой задачи используются специально разработанные алгоритмы. Они создают модель радужной оболочки глаза и по определенным законам воссоздают возможное перемещение ее элементов.

Следующим действием является преобразование полученного изображения радужной оболочки глаза в полярную систему координат. Это существенно облегчает все будущие расчеты. Ведь радужка — это почти круг, а все основные ее элементы располагаются по окружностям и перпендикулярным им прямым отрезкам. Кстати, в некоторых системах идентификации этот этап неявный: он совмещен со следующим.

Пятым шагом в процессе идентификации личности является выборка элементов радужной оболочки глаза, которые могут использоваться в биометрии. Это самый сложный этап. Проблема заключается в том, что на радужной оболочке нет каких-то характерных деталей. А поэтому нельзя использовать ставшими привычными в других биометрических технологиях определения типа какой-то точки, ее размера, расстояния до других элементов и т. д. В данном случае используются сложные математические преобразования, осуществляющиеся на основе имеющегося изображения радужки.

Ну и, наконец, последним этапом идентификации человека по радужной оболочке глаза является сравнение полученных параметров с эталонами. И у этого действия есть одно отличие от многих других подобных задач. Дело в том, что при выделении уникальных характеристик необходимо учитывать закрытые области. Кроме того, часть изображения может быть искажена веками или бликами от зрачка. Таким образом, некоторые параметры могут существенно отличаться от эталонного. Впрочем, эта проблема довольно легко решается благодаря избыточному содержанию на радужной оболочке глаза уникальных для каждого человека элементов. Как мы уже говорили, совпадения 40% из них достаточно для надежной идентификации личности. Остальные же могут считаться «испорченными» и просто-напросто игнорироваться.

Читайте также:  Что делать если начинает вылазить ячмень на глазу

Этот вид биометрического распознавания является одним из самых надежных. Причиной тому — генетически обусловленная уникальность радужной оболочки глаза, которая различается даже у близнецов.

Идентификация по геометрическому строению руки и пальцев

Эти способы личной идентификации очень хорошо известны. Идентификация по форме руки была доступна на протяжении 20 лет. Для того, чтобы идентифицировать человека, системе достаточно измерить либо физические характеристики пальцев, либо руки, такие как длина, ширина, толщина и поверхностные области руки. Одной интересной характеристикой этой технологии является малый объем биометрического образца необходимого для идентификации (несколько байтов). Идентификация по руке уже доказала свои преимущества в большом числе применений.

В биометрике выделяются два основных метода распознавания по геометрии кисти руки:

• Первый существует уже более 25 лет — от зарождения биометрических систем контроля доступа к помещениям, основан исключительно на геометрических характеристиках кисти руки. С точки зрения компактности образа этот класс систем является самым экономичным. В простейшем варианте хранится только информация о длине и ширине пальцев, и требуется всего 9 байт. Естественно, что для систем, учитывающих только длину и ширину пальцев, может быть легко изготовлен картонный муляж руки оригинала. Более сложными являются системы, измеряющие профиль руки, что включает объем кисти, пальцев, неровности ладони, расположение складок кожи на сгибах;

На данном рисунке показаны контрольные (характеристические) точки силуэта руки и 17 исходных геометрических признаков руки, в данном случае отмеченные отрезками прямых линий, которые не входят в силуэты кисти. Как видно, исходными биометрическими признаками руки являются ширина ладони, радиус вписанной в ладонь окружности, длины пальцев (определяемые как расстояния от выделенных верхних контрольных точек до середин линий, соединяющих нижние контрольные точки), ширина пальцев и высота кисти руки в трех пунктах, отмеченных линиями а, b и c.

• Второй (более современный) — основан на смешанных характеристиках геометрических и образовых. К последним, относятся образы на сгибах между фалангами пальцев, узоры (расположение) подкожных кровеносных сосудов. С руки снимаются четыре характеристики, из которых три являются скалярами и относятся к размерам пальцев.

Три первые характеристики — это ширина указательного пальца 1, высота указательного пальца 2 и длина среднего пальца 3, оцениваемая так, как показано на рис. Характеристика 4 в рассматриваемом случае представляет собой изображение складок кожи на сгибе между средней и нижней фалангами указательного пальца. Вся информация о руке в рассматриваемом классе систем может быть записана не более чем 9 байтами.

Устройства распознавания по геометрии кисти руки.

Для получения параметров кисти руки существуют различные сканеры

Для сканирования руку необходимо зафиксировать в специальном шаблоне. Рука фиксируется следующим образом:

Биометрическая идентификация по рукописной подписи основана не только на форме подписи, но также и на динамике подписи. В данном случае используется т. н. модель последовательных ударов при написании определенных букв. Эта уникальная динамика процесса письма проявляется как «память мускула», которая и является предметом биометрической идентификации. Мозг автоматически управляет соответствующими импульсами нервов данной группы мускулов. Изображение подписи, и данные, сопутствующие процессу подписи, соответствующим способом записываются и хранятся. Следовательно, распознавание подписи — это вид идентификации, которая удовлетворяет юридическим требованиям и делает возможной обеспечение безопасности при работе с документами.

Среди систем персональной идентификации наибольшим преимуществом обладает система идентификации личности по его подписи, которая может быть введена пользователем в компьютер в реальном масштабе времени с помощью обычного графического планшета и электронного пера (digitizer with pen) (рис.1).

Использование искусственных нейронных сетей для распознавания рукопечатных символов.

Рассматривается задача распознавания символов в анкетах, заполняемых от руки печатными буквами. Фрагмент такой анкеты приведен на Рис. 2.

Искусственные нейронные сети достаточно широко используются при распознавании символов (см., например, 1-3,6-9). Алгоритмы, использующие нейронные сети для распознавания символов, часто строятся следующим образом. Поступающее на распознавание изображение символа (растр) приводится к некоторому стандартному размеру. Как правило, используется растр размером 16х16 пикселов. Примеры таких нормализованных растров показаны на Рис. 3.

Значения яркости в узлах нормализованного растра используются в качестве входных параметров нейронной сети. Число выходных параметров нейронной сети равняется числу распознаваемых символов. Результатом распознавания является символ, которому соответствует наибольшее из значений выходного вектора нейронной сети (см. Рис 4, показана только часть связей и узлов растра). Повышение надежности таких алгоритмов связано, как правило, либо с поиском более информативных входных признаков, либо с усложнением структуры нейронной сети.

Надежность распознавания и потребность программы в вычислительных ресурсах во многом зависят от выбора структуры и параметров нейронной сети. Нейронная сеть, разработанная для распознавания цифровых почтовых кодов (ZIP-кодов) описывается в (1). Изображения цифр приводятся к единому размеру (16х16 пикселов). Полученное изображение подается на вход нейронной сети, имеющей три внутренних уровня и 10 узлов в верхнем уровне. Нижние слои сети не являются полносвязанными. Узлы низшего уровня совместно используют общий набор весов. Все это, по замыслу разработчиков, должно повысить способность низших уровней сети к выделению первичных признаков в изображениях. Полученная таким образом нейронная сеть имеет 1256 узлов и 9760 независимых параметров. Для увеличения способности сети к обобщению и уменьшению объема необходимых вычислений и памяти проведено удаление слабо используемых весов. В результате число независимых параметров уменьшается в четыре раза. Обучение нейронной сети проведено на наборе из 7300 символов, тестирование на наборе из 2000 символов. Ошибки распознавания составляют приблизительно 1% на обучающем наборе и 5% на проверочном.

В качестве входных параметров нейронной сети вместо значений яркости в узлах нормализованного растра могут использоваться значения, характеризующие перепад яркости. Такие входные параметры позволяют лучше выделять края буквы. Система распознавания рукопечатных цифр, использующие такие входные параметры, описывается в (2). Поступающие на распознавание изображения приводятся к размеру 16х16 пикселов. После этого они подвергаются дополнительной обработке с целью выделения участков с наибольшими перепадами в яркости. Используемая нейронная сеть имеет только один внутренний уровень, но применяется совместно с другими алгоритмами. Обучение и тестирование проведено на символах, взятых из трех независимых баз данных. Из каждой базы данных используется от 4000 до 6000 символов на обучение и от 2000 до 4000 символов на тестирование. Процент ошибок существенно меняется в зависимости от базы данных, на которых проводится тестирование и составляет 0.60%-2.2%.

Разработанный алгоритм распознавания основан на выделении из растра с изображением буквы первичных признаков и последующем использовании искусственной нейронной сети для оценки близости входного изображения с символами из заданного набора букв. Результатом работы является набор оценок, отражающих степень близости распознаваемого символа с символами из заданного набора символов. Набор распознаваемых символов может включать заглавные буквы и цифры, см. Рис. 1. Поступающие на распознавание изображения символов преобразуются к единому размеру 16х16 пикселов.

Отличительной чертой реализованного алгоритма является использование нейронной сети с достаточно большим числом входных признаков. Из исходного изображения выделяются 2312 первичных признака, характеризующих перепады яркости в узлах растра. Кроме того, используются признаки, вычисляемые по всему растру и характеризующие форму распознаваемого символа. В набор распознаваемых символов входят буквы русского алфавита и цифры (всего 43 символа). Нейронная сеть имеет один внутренний уровень, содержащий 100 узлов и является полносвязанной, т.е. каждый узел внутреннего уровня соединен со всеми входными узлами, а каждый узел верхнего уровня соединен со всеми узлами внутреннего уровня. Таким образом, нейронная сеть имеет более 200 тысяч весов. Для уменьшения объема вычислений при распознавании для каждого распознаваемого изображения символа используются не все входные признаки, а только часть, т.е. вектор входных параметров нейронной сети является сильно разреженным.

Обучение нейронной сети происходит обычным образом, т.е. используется алгоритм обратного распространения ошибки. Программа обучения получает на вход файл с изображениями символов. При обучении символы из этой базы перебираются циклически. Для каждого изображения из базы выделяются первичные признаки, после чего выполняются прямой и обратный проходы по сети. Модификация весов сети при обучении производится после каждого символа. Шаг изменения весов сети постоянный.

Биометрический подход, связанный с идентификацией голоса, характеризуется удобством в применении. Однако основным и определяющим недостатком этого подхода является низкая точность идентификации. Например, человек с простудой или ларингитом может испытывать трудности при использовании данных систем. В последнее время ведутся активные разработки по усовершенствованию и модификации голосовых систем идентификации личности, поиск новых подходов для характеристики человеческой речи, комбинации физиологических и поведенческих факторов. Сегодня идентификация по голосу используется для управления доступом в помещения средней степени секретности, например, лаборатории производственных компаний.

В настоящее время развитие этой одной из старейших технологий ускорилось, так как предполагается ее широкое использование при сооружении интеллектуальных зданий. Существует достаточно много способов построения кода идентификации по голосу: как правило, это различные сочетания частотных и статистических характеристик последнего.

Способ голосовой идентификации не требует непосредственного контакта с устройством и не вызывает психологической неприязни. Возможность устройств голосовой идентификации личности различать характеристики человеческой речи, обеспечивает приемлемый уровень надежности опознания для объектов средней степени безопасности (ошибочной идентификации около 1%).

Высоконадежная система идентификации человека по голосу до сих пор остается неразрешенной проблемой. Суть проблемы заключается в многообразии проявлений человеческого голоса подверженного изменениям в зависимости от настроения, состояния здоровья, возраста и иных факторов. Приемлемый порог ошибок в распознавании для биометрических устройств устанавливается на основе процента ложных разрешений на допуск (ОШИБКА 2 рода) (False Acceptance Rate – FAR) и процента ложных отказов в допуске (ОШИБКА 1 рода) (False Rejection Rate – FRR).

Особую важность приобретает скорость работы алгоритмов идентификации. Вес данного показателя увеличивается с ростом количества пользователей системы – предлагаемый «. отпечаток» (изображение уникальных характеристик голоса) необходимо сравнить со всеми «. отпечатками» присутствующими в базе («. отпечатками» зарегистрированных пользователей системы) и применить решающие правило.

Снизить время выполнения алгоритмов распознавания предполагается переходом к системе остаточных классов в алгоритмах обработки речевых сигналов.

источник

уЙУФЕНБ ЙДЕОФЙЖЙЛБГЙЙ МЙЮОПУФЙ РП ТБДХЦОПК ПВПМПЮЛЕ ЗМБЪБ рбрймпо «гЙТЛПО» ОБ ВБЪЕ ВМПЛБ ДПУФХРБ гйтлпо-4

пФУЛБОЙТПЧБОЩЕ ЙЪПВТБЦЕОЙС ТБДХЦОПК ПВПМПЮЛЙ

уЙУФЕНБ рбрймпо «гЙТЛПО» ПУОПЧБОБ ОБ ВЙПНЕФТЙЮЕУЛПН НЕФПДЕ ЙДЕОФЙЖЙЛБГЙЙ МЙЮОПУФЙ РП ТБДХЦОПК ПВПМПЮЛЕ ЗМБЪБ.

тБУРПЪОБЧБОЙЕ МЙЮОПУФЙ РП ТБДХЦОПК ПВПМПЮЛЕ СЧМСЕФУС ПДОЙН ЙЪ ОБЙВПМЕЕ ФПЮОЩИ Й ОБДЕЦОЩИ УРПУПВПЧ ВЙПНЕФТЙЮЕУЛПК ЙДЕОФЙЖЙЛБГЙЙ. чЕТПСФОПУФШ ФПЗП, ЮФП УЙУФЕНБ «ОЕ ХЪОБЕФ УЧПЕЗП» ЙМЙ «РТПРХУФЙФ ЮХЦПЗП» ДМС ЬФПЗП НЕФПДБ РТБЛФЙЮЕУЛЙ ТБЧОБ ОХМА.

пДОЙН ЙЪ РТЕЙНХЭЕУФЧ НЕФПДБ ЙДЕОФЙЖЙЛБГЙЙ МЙЮОПУФЙ РП ТБДХЦЛЕ СЧМСЕФУС ЕЗП “ОЕБЗТЕУУЙЧОПУФШ” Л РТПЧЕТСЕНПНХ – ОЕФ ОЕРПУТЕДУФЧЕООПЗП ЛПОФБЛФБ ЮЕМПЧЕЛБ У БРРБТБФХТПК, ЪБИЧБФ ЙЪПВТБЦЕОЙС ТБДХЦОПК ПВПМПЮЛЙ РТПЙЪЧПДЙФУС РТПУФП РТЙ ЧЪЗМСДЕ Ч ПВЯЕЛФЙЧ УЛБОЕТБ.

уЛБОЕТ БОБМЙЪЙТХЕФ ЛБЮЕУФЧП ЙЪПВТБЦЕОЙС ЗМБЪБ Ч ЛБДТЕ, ПРТЕДЕМСЕФ ГЕОФТ ЪТБЮЛБ, ГЕОФТ ТБДХЦОПК ПВПМПЮЛЙ Й ЕЕ ЗТБОЙГЩ. ъБФЕН РТПЙУИПДЙФ УПРТПЧПЦДБАЭЙКУС УЙЗОБМПН ЪБИЧБФ ЙЪПВТБЦЕОЙС, ЕЗП ЛПДЙТПЧБОЙЕ Й РТПЧЕТЛБ РП вд.

  • ТЕЗЙУФТБГЙС Й ГЙЖТПЧПЕ ЛПДЙТПЧБОЙЕ ЙЪПВТБЦЕОЙС ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ
  • УПЪДБОЙЕ Й ИТБОЕОЙЕ Ч ЬМЕЛФТПООПК вд НБУУЙЧБ ЪБРЙУЕК, ЛБЦДБС ЙЪ ЛПФПТЩИ УПДЕТЦЙФ: ЪБЛПДЙТПЧБООПЕ ЙЪПВТБЦЕОЙЕ ТБДХЦОПК ПВПМПЮЛЙ, ФЕЛУФПЧЩЕ ДБООЩЕ, ЖПФПЗТБЖЙЙ ЪБТЕЗЙУФТЙТПЧБООПК МЙЮОПУФЙ
  • РТПЧЕТЛБ ЛПДБ ТБДХЦОПК ПВПМПЮЛЙ РП вд Ч ТЕЦЙНЕ «ПДЙО-ЛП НОПЗЙН»
  • РТПЧЕТЛБ ЛПДБ ТБДХЦОПК ПВПМПЮЛЙ РП вд Ч ТЕЦЙНЕ «ПДЙО-Л ПДОПНХ»
  • ТБВПФБ У вд: РПМХЮЕОЙЕ ЧЩВПТПЛ ЙЪ вд, УПТФЙТПЧЛБ УРЙУЛПЧ вд, ХДБМЕОЙЕ Й ТЕДБЛФЙТПЧБОЙЕ ЪБРЙУЕК Й Ф.Д.


йОФЕЗТБГЙС УЙУФЕНЩ рбрймпо «гЙТЛПО» Ч улхд

уЙУФЕНБ ТЕЗЙУФТБГЙЙ Й ТБУРПЪОБЧБОЙС РП ТЙУХОЛХ ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ рбрймпо «гЙТЛПО» БДБРФЙТПЧБОБ ДМС ЙОФЕЗТБГЙЙ Ч БЧФПНБФЙЪЙТПЧБООЩЕ УЙУФЕНЩ ЛПОФТПМС Й ХРТБЧМЕОЙС ДПУФХРПН (улхд). дМС ЬФЙИ ГЕМЕК ОБ РТЕДРТЙСФЙЙ ТБЪТБВПФБОБ SDK-ВЙВМЙПФЕЛБ рбрймпо гйтлпо SDK, РПУФБЧМСЕНБС УПЧНЕУФОП У ВМПЛПН ДПУФХРБ гйтлпо-4.

рПУФТПЕОЙЕ улхд ОБ ВБЪЕ ВМПЛПЧ ДПУФХРБ гйтлпо-4 ЙМЙ ЙОФЕЗТБГЙС ВМПЛПЧ ДПУФХРБ Ч ДЕКУФЧХАЭХА улхд ПУХЭЕУФЧМСЕФУС РХФЕН ПВТБЭЕОЙС Л ЖХОЛГЙСН ВЙВМЙПФЕЛЙ рбрймпо гйтлпо SDK УП УФПТПОЩ ЛМЙЕОФУЛПЗП РТЙМПЦЕОЙС.

жХОЛГЙЙ ЖБКМПЧПЗП УЕТЧЕТБ ЧПЪМБЗБАФУС ОБ ГЕОФТБМШОЩК ХЪЕМ улхд. чЪБЙНПДЕКУФЧЙЕ ЧУФТПЕООПЗП Ч гйтлпо-4 ЧЩЮЙУМЙФЕМС Й ГЕОФТБМШОПЗП ХЪМБ улхд ПУХЭЕУФЧМСЕФУС Ч МПЛБМШОПК УЕФЙ РП РТПФПЛПМХ Ethernet. рЕТЕДБЮБ ЛПНБОД НЕЦДХ ЧЩЮЙУМЙФЕМЕН Й ПЛПОЕЮОЩН ПВПТХДПЧБОЙЕН улхд – ЮЕТЕЪ ЙОФЕТЖЕКУОЩК РПТФ RS-232 (RS-485).

лБЦДЩК ВМПЛ ДПУФХРБ РПДДЕТЦЙЧБЕФ ЪБИЧБФ ЙЪПВТБЦЕОЙС ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ, ЛБЛ Ч ТЕЦЙНЕ ТЕЗЙУФТБГЙЙ, ФБЛ Й Ч ТЕЦЙНБИ ЧЕТЙЖЙЛБГЙЙ (УТБЧОЕОЙЕ У ЛПОФТПМШОЩН ЫБВМПОПН «ПДЙО-Л-ПДОПНХ») ЙМЙ ЙДЕОФЙЖЙЛБГЙЙ («ПДЙО-ЛП-НОПЗЙН»). дМС ТБВПФЩ Ч ТЕЦЙНЕ ЧЕТЙЖЙЛБГЙЙ ВМПЛ ДПУФХРБ ДПРПМОСЕФУС ХЪМПН УЮЙФЩЧБОЙС РЕТУПОБМШОЩИ ID-ЛБТФ.

лБЦДЩК ВМПЛ ДПУФХРБ РПДДЕТЦЙЧБЕФ УПВУФЧЕООХА ВБЪХ ДБООЩИ ВЙПНЕФТЙЮЕУЛЙИ ДБООЩИ, ЮЕН ПВЕУРЕЮЙЧБЕФУС ЗЙВЛПУФШ ОБУФТПКЛЙ УЙУФЕНЩ Й ЙУЛМАЮБАФУС РПФЕТЙ ЧТЕНЕОЙ, УЧСЪБООЩЕ У ЧОХФТЙУЕФЕЧЩН ЧЪБЙНПДЕКУФЧЙЕН.

ч РТБЛФЙЮЕУЛПК ТЕБМЙЪБГЙЙ улхд ГЕМЕУППВТБЪОП ПУФБЧЙФШ ЖХОЛГЙА ТЕЗЙУФТБГЙЙ ОБ ПДОПН ЙМЙ ОЕУЛПМШЛЙИ ВМПЛБИ ДПУФХРБ. оБ ПУФБМШОЩИ ПУХЭЕУФЧМСЕФУС ФПМШЛП ПРЕТБГЙС ЙДЕОФЙЖЙЛБГЙЙ/ЧЕТЙЖЙЛБГЙЙ.

фЕТТЙФПТЙБМШОПЕ НБУЫФБВЙТПЧБОЙЕ УЙУФЕНЩ ПВЕУРЕЮЙЧБЕФУС ЧЧЕДЕОЙЕН ДПРПМОЙФЕМШОЩИ ВМПЛПЧ ДПУФХРБ У РПДЛМАЮЕОЙЕН ЙИ Л ГЕОФТБМШОПНХ ХЪМХ улхд РП МАВЩН ДПУФХРОЩН МЙОЙСН УЧСЪЙ, РПДДЕТЦЙЧБАЭЙН РТПФПЛПМ TCP/IP. лПМЙЮЕУФЧП ВМПЛПЧ ДПУФХРБ Ч УЙУФЕНЕ ОЕ ПЗТБОЙЮЙЧБЕФУС.

рПДПВОБС УЙУФЕНБ ОБИПДЙФУС Ч РТБЛФЙЮЕУЛПК ЬЛУРМХБФБГЙЙ ОБ ПДОПН ЙЪ РТЕДРТЙСФЙК юЕМСВЙОУЛПК ПВМБУФЙ.

вМПЛ ДПУФХРБ РП ТБДХЦОПК ПВПМПЮЛЕ ЗМБЪБ гйтлпо-4

вМПЛ ДПУФХРБ РП ТБДХЦОПК ПВПМПЮЛЕ ЗМБЪБ гйтлпо-4 РТЕДУФБЧМСЕФ УПВПК ПЛПОЕЮОЩК ХЪЕМ ТЕЗЙУФТБГЙЙ Й ТБУРПЪОБЧБОЙС РП ТЙУХОЛХ ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ.

вМПЛ ДПУФХРБ РТЕДОБЪОБЮЕО ДМС ЪБИЧБФБ Й БЧФПНБФЙЮЕУЛПЗП УПРПУФБЧМЕОЙС ЙЪПВТБЦЕОЙК ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ ЛБЛ Ч БЧФПОПНОПН ТЕЦЙНЕ, ФБЛ Й Ч УПУФБЧЕ БЧФПНБФЙЪЙТПЧБООПК УЙУФЕНЩ ЛПОФТПМС Й ХРТБЧМЕОЙС ДПУФХРПН (булхд) Ч ТЕЦЙНБИ ЧЕТЙЖЙЛБГЙЙ (УТБЧОЕОЙЕ У ЛПОФТПМШОЩН ЫБВМПОПН «ПДЙО-Л-ПДОПНХ») ЙМЙ ЙДЕОФЙЖЙЛБГЙЙ («ПДЙО-ЛП-НОПЗЙН»).

ч БЧФПОПНОПН ТЕЦЙНЕ ТЕЗЙУФТБГЙС РПМШЪПЧБФЕМЕК, УПЪДБОЙЕ Й ИТБОЕОЙЕ ВБЪЩ ЛМАЮЕК ПУХЭЕУФЧМСЕФУС МПЛБМШОП ОБ ВМПЛЕ ДПУФХРБ. вМПЛ ЧУЕЗДБ ТБВПФБЕФ Ч ТЕЦЙНЕ ЙДЕОФЙЖЙЛБГЙЙ Й РТЙ ХУРЕЫОПН ТБУРПЪОБЧБОЙЙ ХРТБЧМСЕФ ЬМЕЛФТПООЩН ЪБНЛПН.

рТЙ ТБВПФЕ ВМПЛБ Ч УПУФБЧЕ булхд Ч ТЕЦЙНЕ ЧЕТЙЖЙЛБГЙЙ ВБЪБ ДБООЩИ ЛМАЮЕК НПЦЕФ УПЪДБЧБФШУС ОБ РХОЛФЕ ТЕЗЙУФТБГЙЙ Й ИТБОЙФШУС ОБ УЕТЧЕТЕ. булхд ЧЪБЙНПДЕКУФЧХЕФ У ВМПЛПН ДПУФХРБ РП РТПФПЛПМХ, ПРЙУБООПНХ Ч SDK. лМАЮ ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ УТБЧОЙЧБЕФУС «ПДЙО-Л-ПДОПНХ» У ЛПОФТПМШОЩН ЫБВМПОПН У РПНПЭША ДПРПМОЙФЕМШОПЗП ЙДЕОФЙЖЙЛБФПТБ — ВЕУЛПОФБЛФОПК ЛБТФЩ, ВТЕМПЛБ Й Ф. Р.

пФМЙЮЙЕ ТБВПФЩ ВМПЛБ Ч УПУФБЧЕ булхд Ч ТЕЦЙНЕ ЙДЕОФЙЖЙЛБГЙЙ УПУФПЙФ Ч ФПН, ЮФП ЛМАЮ ТБДХЦОПК ПВПМПЮЛЙ ЗМБЪБ ЙДЕОФЙЖЙГЙТХЕНПЗП УХВЯЕЛФБ УТБЧОЙЧБЕФУС «ПДЙО-ЛП-НОПЗЙН» УП ЧУЕНЙ ЪБРЙУСНЙ вд, ЪБЗТХЦЕООЩНЙ Ч ВМПЛ ДПУФХРБ булхд.

вМПЛ ДПУФХРБ ТБЪНЕЭБЕФУС Ч ЛПОФТПМЙТХЕНПК ФПЮЛЕ РЕТЕУЕЮЕОЙС ПИТБОСЕНПЗП РЕТЙНЕФТБ Й ЛТЕРЙФУС ОБ ЧЕТФЙЛБМШОПК РПЧЕТИОПУФЙ Ч ОЕРПУТЕДУФЧЕООПК ВМЙЪПУФЙ ПФ ПВПТХДПЧБООПЗП РТПИПДБ Ч ПИТБОСЕНПЕ РПНЕЭЕОЙЕ, У ЧОЕЫОЕК ЕЗП УФПТПОЩ.

вМПЛ ДПУФХРБ ПВПТХДПЧБО ЪЕТЛБМПН РПЪЙГЙПОЙТПЧБОЙС Й ВМПЛПН УЧЕФПДЙПДОПК ЙОДЙЛБГЙЙ, ФБЛЦЕ ТЕБМЙЪПЧБОБ ЖХОЛГЙС ЗПМПУПЧПК РПДУЛБЪЛЙ. чУЕ ЬФЙ ЙОУФТХНЕОФЩ ЙУРПМШЪХАФУС ДМС ХРТПЭЕОЙС РПЪЙГЙПОЙТПЧБОЙС ПВЯЕЛФБ Ч ТБВПЮЕК ПВМБУФЙ УЛБОЕТБ.

дМС ЪБРХУЛБ РТПГЕДХТЩ ЪБИЧБФБ ЙЪПВТБЦЕОЙС ДПУФБФПЮОП РПДПКФЙ Л ВМПЛХ ДПУФХРБ Й ХЧЙДЕФШ Ч ЪЕТЛБМЕ РПЪЙГЙПОЙТПЧБОЙС ПФТБЦЕОЙЕ УЧПЙИ ЗМБЪ. ъБИЧБФ ЙЪПВТБЦЕОЙС РТПЙУИПДЙФ ОБ ТБУУФПСОЙЙ 350—500 НН ПФ РЕТЕДОЕК РБОЕМЙ ВМПЛБ ДПУФХРБ Ч РПМЕ ЪТЕОЙС ЕЗП ПРФЙЮЕУЛПЗП ВМПЛБ.

тЕЗХМЙТПЧЛБ РТЙВПТБ РПД ТПУФ ЮЕМПЧЕЛБ ПУХЭЕУФЧМСЕФУС ЧТХЮОХА, РПЧПТПФПН РЕТЕДОЕК РБОЕМЙ ОБ ОЕПВИПДЙНЩК ХЗПМ.

ч УЛБОЕТЕ ТБДХЦОПК ПВПМПЮЛЙ ТЕБМЙЪПЧБОБ ЖХОЛГЙС БЧФПЖПЛХУБ. йУРПМШЪХЕНБС ЙОЖТБЛТБУОБС РПДУЧЕФЛБ ВЕЪПРБУОБ ДМС ЪТЕОЙС.

ч УЙУФЕНЕ ЙУРПМШЪХАФУС ФПМШЛП ЮЕТОП-ВЕМЩЕ ЙЪПВТБЦЕОЙС ДМС ФПЗП, ЮФПВЩ ОБ ТЕЪХМШФБФ ЙДЕОФЙЖЙЛБГЙЙ МЙЮОПУФЙ ОЕ ЧМЙСМП ГЧЕФПЧПЕ ЙЪНЕОЕОЙЕ ТБДХЦОПК ПВПМПЮЛЙ, РТПЙУИПДСЭЕЕ Ч ТЕЪХМШФБФЕ РЕТЕОЕУЕООЩИ ЪБВПМЕЧБОЙК.

фЕИОЙЮЕУЛЙЕ ИБТБЛФЕТЙУФЙЛЙ ВМПЛБ ДПУФХРБ гйтлпо-4

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

Первооткрывателем в области идентификации личности по радужной оболочке глаза является доктор Джон Даугман. В 1994 г. он запатентовал в США метод распознавания радужной оболочки глаза (US Patent S, 291, 560). Разработанные им алгоритмы используются до сих пор.

С помощью этих алгоритмов необработанные видеоизображения глаза преобразуются в уникальный идентификационный двоичный поток Iris-код, полученный в результате определения позиции радужки, ее границы и выполнения других математических операций для описания текстуры радужки в виде последовательности чередования фаз, похожей на штрих-код.

Полученный таким образом Iris-код используется для поиска совпадений в базах данных (скорость поиска — около 1 млн. сравнения Iris-кодов в 1 с) и для подтверждения или неподтверждения заявленной личности.

Преимущество сканеров для радужной оболочки глаза состоит в том, что они не требуют от пользователя сосредоточения на цели, так как образец пятен на радужной оболочке находится на поверхности глаза. Фактически видеоизображение глаза может быть отсканировано на расстоянии менее 1 м, что делает возможным использование сканеров для радужной оболочки глаза, допустим, в банкоматах. Разработкой технологии идентификации личности на основе принципа сканирования радужной оболочки глаза в настоящее время занимаются более 20 компаний, в том числе British Telecom, Sensar, японская компания Oki.

Различают активные и пассивные системы распознавания. В системах первого типа пользователь должен сам настроить камеру, передвигая ее для более точной наводки. Пассивные системы проще в использовании, поскольку камера в них настраивается автоматически. Высокая надежность этого оборудования позволяет применять его даже в исправительных учреждениях.

В качестве примера современной системы идентификации на основе анализа радужной оболочки глаза рассмотрим решение, предложенное компанией LG.

Система IrisAccess позволяет менее чем за 1 с отсканировать рисунок радужной оболочки глаза, обработать и сравнить с 4 тыс. других записей, которые она хранит в своей памяти, а затем послать соответствующий сигнал в охранную систему. Технология — полностью бесконтактная. На основе изображения радужной оболочки глаза строится компактный цифровой код размером 512 байт. Устройство имеет высокую надежность по сравнению с большинством известных систем биометрического контроля, поддерживает объемную базу данных, выдает звуковые инструкции на русском языке, позволяет интегрировать в систему карты доступа и ПИН-клавиатуры. Один контроллер поддерживает четыре считывателя Система может быть интегрирована с LAN Система IrisAccess 3000 состоит из оптического устройства внесения в реестр E01J3000, удаленного оптического устройства R01J3000, контрольного устройства опознавания ICLI3000, платы захвата изображения, дверной интерфейсной платы и PC-сервера. Если требуется осуществлять контроль за несколькими входами, то ряд удаленных устройств, включая ICU3000 и R01J3000, может быть подключен к PC-серверу через локальную сеть (LAN).

Представляет интерес камера для идентификации личности путем сканирования радужной оболочки глаза, используемая в системах защиты и безопасности для компьютеров типа десктоп/лэптоп. Разработки визуальных систем (Vision Systems) компании Panasonic и хорошо показавшие себя на прак-тике разработки в области идентификации личности на основе рисунка радужной оболочки глаз компании Iridian Technologies позволили создать легкие в использовании и отличающиеся высокой точностью средства, которые можно использовать в широком диапазоне современных и будущих потребностей в области обеспечения безопасности.

Камера Authenticam™ компании Panasonic в сочетании с программным продуктом PrivatelD™ компании Indian Technologies представляет собой экономически выгодный и надежный путь обеспечения безопасности доступа. Для такой камеры характерны безопасность и простота использования. Достаточно взглянуть в объектив камеры с расстояния приблизительно 50 см, и менее чем через 2 с произойдет захват изображения.

Программный продукт PrivatelD™ обрабатывает рисунок радужной оболочки глаз и кодирует полученную информацию в виде 512-байтовой записи IrisCode. Эти записи вводятся для хранения в память и используются для сравнения с другими записями кодов IrisCodes — для идентификации личности при любых транзакциях и деловых операциях, когда для сравнения представляется радужная оболочка глаза живого человека.

Дифференциатор ключей для идентификации личности по рисунку радужной оболочки глаза осуществляет поиск в базе данных для нахождения соответствующего идентификационного кода. При этом база данных может состоять из неограниченного числа записей кодов IrisCode. Технология допуска, основанная на сканировании радужной оболочки глаза, уже несколько лет успешно применяется в государственных организациях США и в учреждениях с высокой степенью секретности (в частности, на заводах по производству ядерного вооружения). Эффективность этого способа доказана, он безопасен для пользователя и надежен в работе. Он обеспечивает моментальную аутентификацию личности, предназначенную для замены символов ПИН-кодов и паролей.

Многие эксперты подчеркивают «незрелость» технологии, хотя потенциальные возможности метода достаточно высоки, так как характеристики рисунка радужной оболочки человеческого глаза достаточно стабильны и не изменяются практически в течение всей жизни человека, невосприимчивы к загрязнению и ранам. Отметим также, что радужки правого и левого глаза по рисунку существенно различаются. Этот метод идентификации отличается от других большей сложностью в использовании, более высокой стоимостью аппаратуры и жесткими условиями регистрации.[2]

Идентификация по капиллярам сетчатки глаз.(рис.1)

рис.1

При идентификации по сетчатке глаза измеряется угловое распределение кровеносных сосудов на поверхности сетчатки относительно слепого пятна глаза и другие признаки. Капиллярный рисунок сетчатки глаз различается даже у близнецов и может быть с большим успехом использован для идентификации личности. Всего насчитывают около 250 признаков. Такие биометрические терминалы обеспечивают высокую достоверность идентификации, сопоставимую с дактилоскопией, но требуют от проверяемого лица фиксации взгляда на объективе сканера.

Сканирование сетчатки происходит с использованием инфракрасного света низкой интенсивности, направленного через зрачок к кровеносным сосудам на задней стенке глаза. Сканеры сетчатки глаза получили широкое распространение в СКУД особо секретных объектов, так как у них один из самых низких процентов отказа в доступе зарегистрированных пользователей и практически не бывает ошибочного разрешения доступа. Однако изображение радужной оболочки должно быть четким, поэтому катаракта может отрицательно воздействовать на качество идентификации личности.

Начало разработок этого направления идентификации относится к 1976 г., когда в США была образована компания Eye Dentify, которая до настоящего времени сохраняет монополию на производство коммерческих систем аутентификации по ретине.

Основным устройством для системы такого типа является бинокулярный объектив. При осуществлении процедуры аутентификации пользователь должен прильнуть глазами к окулярам и, глядя вовнутрь, сфокусировать взгляд на изображении красного цвета. Затем ему следует дождаться смены цвета на зеленый (что укажет на правильную фокусировку) и нажать на стартовую кнопку. Сканирование глазного дна выполняется источником инфракрасного излучения, безопасного для глаз. Достаточно смотреть в глазок камеры менее минуты. За это время система успевает подсветить сетчатку и получить отраженный сигнал. Для сканирования сетчатки используется инфракрасное излучение низкой интенсивности, направленное через зрачок к кровеносным сосудам на задней стенке глаза. Отраженное от ретины излучение фиксируется специальной чувствительной камерой.

Замеры ведутся по 320 точкам фотодатчиками и результирующий аналоговый сигнал с помощью микропроцессора преобразуется в цифровой вид. При этом используется алгоритм быстрого преобразования Фурье. Полученный цифровой вектор, состоящий из коэффициентов Фурье, сравнивается с зарегистрированным эталоном, хранящимся в памяти системы. Благодаря такому методу преобразования и представления изображения глазного дна для хранения каждого эталона расходуется по 40 байт. Память терминала Eye Dentification System 7.5, реализующего этот алгоритм, рассчитана на запоминание до 1200 эталонов. Время регистрации составляет примерно 30 с, время аутентификации — 1,5 с. Коэффициент ошибок 1-го рода — 0,01 %, 2-го рода — 0,0001 % (т. е. вероятность ошибок 1-го рода — 0,0001, 2-го рода — 0,000001).

С точки зрения безопасности данная система выгодно отличается от всех других, использующих биометрические терминалы, не только малым значением коэффициентов ошибок как l-ro, так и 2-го рода, но и использованием специфического аутентификациоиного атрибута, который практически невозможно негласно подменить для обмана системы при проверке.

К недостаткам подобных систем следует отнести психологический фактор: не всякий человек отважится посмотреть в неведомое темное отверстие, где что-то светит в глаз. К тому же надо следить за положением глаза относительно отверстия, поскольку подобные системы, как правило, чувствительны к неправильной ориентации сетчатки. Сканеры для сетчатки глаза получат большое распространение при организации доступа к сверхсекретным системам, поскольку гарантируют один из самых низких процентов отказа в доступе зарегистрированных пользователей и почти нулевой процент ошибок.[3]

Идентификация по геометрии и тепловому изображению лица.(рис.2)

рис.2

Идентификация человека но чертам (геометрии) лица- одно из самых динамично развивающихся направлений в биометрической индустрии. Привлекательность данного метода основана на том, что он наиболее близок к тому, как люди обычно идентифицируют друг друга. Рост мультимедийных технологий, благодаря которым можно увидеть все больше видеокамер, установленных на городских улицах и площадях, аэропортах, вокзалах и других местах скопления людей, определили развитие этого направления.

Техническая реализация метода — более сложная (с математической точки зрения) задача, чем распознавание отпечатков пальцев, и, кроме того, требует более дорогостоящей аппаратуры (нужна цифровая видео- или фотокамера и плата захвата видеоизображения). У этого метода есть один существенный плюс: для хранения данных об одном образце идентификационного шаблона требуется совсем немного памяти, так как человеческое лицо можно «разобрать» на относительно небольшое количество участков, неизменных у всех людей. Например, для вычисления уникального шаблона, соответствующего конкретному человеку, требуется всего от 12 до 40 характерных участков.

Обычно камера устанавливается на расстоянии нескольких десятков сантиметров от объекта. Получив изображение, система анализирует различные параметры лица (например, расстояние между глазами и носом). Большинство алгоритмов позволяет компенсировать наличие у исследуемого индивида очков, шляпы и бороды. Для этой цели обычно используется сканирование лица в инфракрасном диапазоне, но пока системы такого типа не дают устойчивых и очень точных результатов.

Распознавание человека по изображению лица выделяется среди биометрических систем тем, что, во-первых, не требует специального дорогостоящего оборудования. Для большинства приложений достаточно только персонального компьютера и обычной видеокамеры. Во-вторых, отсутствует физический контакт человека с устройствами. Не надо ни к чему прикасаться или специально останавливаться и ждать срабатывания системы. В большинстве случаев достаточно просто пройти мимо или задержаться перед камерой на несколько секунд. Распознавание изображений аналогично распознаванию образов.

Такие задачи не имеют точного аналитического решения. При этом требуется выделение ключевых признаков, характеризующих зрительный образ, определение относительной важности признаков путем выбора их весовых коэффициентов и учет взаимосвязей между признаками.

Компания ISS разработала ряд алгоритмов, позволяющих обрабатывать видеоданные в режиме реального времени и производить локализацию, определять положение головы и отслеживать перемещение с целью дальнейшего распознавания.

В настоящее время существует четыре основных метода распознавания лица, различающихся сложностью реализации и целью применения :

— анализ «отличительных черт»;

— анализ на основе «нейронных сетей»;

— метод «автоматической обработки изображения лица».

«Eigenface»можно перевести как «собственное лицо». Эта технология использует двумерные изображения в градациях серого, которые представляют отличительные характеристики изображения лица. Метод «eigenface» часто используется в качестве основы для других методов распознавания лица. Комбинируя характеристики 100-120 «eigenface», можно восстановить большое число лиц. В момент регистрации «eigenface» каждого конкретного человека представляется в виде ряда коэффициентов. Для режима установления подлинности, в котором изображение используется для проверки идентичности, «живой» шаблон сравнивается с уже зарегистрированным шаблоном с целью определения коэффициента различия. Степень различия между шаблонами определяет факт идентификации. Технология «eigenface» оптимальна при использовании в хорошо освещенных помещениях, когда есть возможность сканирования лица в фас.

Метод анализа «отличительных черт»наиболее широко используемая технология идентификации. Она подобна методу «Eigenface», но в большей степени адаптирована к изменению внешности или мимики человека (улыбающееся или хмурящееся лицо). В технологии «отличительных черт» используются десятки характерных особенностей различных областей лица, причем с учетом их относительного местоположения. Индивидуальная комбинация этих параметров определяет особенности каждого конкретного лица. Лицо человека уникально, но достаточно динамично, так как человек может улыбаться, отпускать бороду и усы, надевать очки — все это увеличивает сложность процедуры идентификации. Например, при улыбке наблюдается некоторое смещение частей лица, расположенных около рта, что в свою очередь будет вызывать подобное движение смежных частей. Учитывая такие смещения, можно однозначно идентифицировать человека и при различных мимических изменениях лица. Так как этот анализ рассматривает локальные участки лица, допустимые отклонения могут находиться в пределах до 25° в горизонтальной плоскости, и приблизительно до 15° в вертикальной плоскости и требует достаточно мощной и дорогой аппаратуры, что соответственно снижает возможности распространения данного метода.

В методе, основанном на нейронной сети, характерные особенности обоих лиц — зарегистрированного и проверяемого сравниваются на совпадение. «Нейронные сети» используют алгоритм, устанавливающий соответствие уникальных параметров лица проверяемого человека и параметров шаблона, находящегося в базе данных, при этом применяется максимально возможное число параметров. По мере сравнения определяются несоответствия между лицом проверяемого и шаблона из базы данных, затем запускается механизм, который с помощью соответствующих весовых коэффициентов определяет степень соответствия проверяемого лица шаблону из базы данных. Этот метод увеличивает качество идентификации лица в сложных условиях.

Метод автоматической обработки изображения лица — наиболее простая технология, использующая расстояния и отношение расстояний между легко определяемыми точками лица, такими, как глаза, конец носа, уголки рта. Хотя данный метод не столь мощный, как «eigenfaces» или «нейронная сеть», он может быть достаточно эффективно использован в условиях слабой освещенности.

Задачу идентификации личности человека по видеоизображению можно разбить на несколько этапов.

1. Локализация лица в кадре.

Для локализации лица в кадре разработан алгоритм на основе нейронной сети, который сканирует исходное изображение в разных масштабах, оценивая по ключевым признакам каждый участок изображения с определенной вероятностью, и классифицирует, является ли данный участок лицом или нет. Выделение ключевых признаков осуществляется путем автоматического анализа достаточно большой обучающей выборки, охватывающей большинство возможных ситуаций (например, изменение внешности, условий освещенности, ракурса и т. п.).

2. Определение положения головы.

Определение положения головы человека является важным этапом и позволяет внести поправки при дальнейшем распознавании. На этом этапе созданная компанией трехмерная модель головы сопоставляется с изображением головы в кадре. При этом оцениваются такие параметры, как угол поворота головы по осям X, Y, Z,точный замер и смещение изображения в кадре.

3. Отслеживание перемещения лица от кадра к кадру.

При идентификации движущегося в поле зрения камеры человека необходимо отслеживать перемещение лица от кадра к кадру. Имея несколько изображений одного и того же человека в разных ракурсах, программа выбирает наиболее удачный с ее точки зрения кадр и сохраняет его в базе данных. Обрабатывая несколько изображений одного и того же человека в разных ракурсах, можно добиться очень высокой точности распознавания.

4. Сравнение изображения с данными базы.

В настоящее время компания ISS ведет разработки алгоритма сравнения лица с имеющимся в базе данных. Этот этап является логическим завершением в цепочке алгоритма идентификации личности по видеоизображению.

Основой любой системы распознавания лица является метод его кодирования. В ряде случаев используется анализ локальных характеристик для представления изображения лица в виде статистически обоснованных, стандартных блоков данных. Такой метод использует корпорация Viscionics в своей системе Facelt. Данный математический метод основывается на том, что все лица могут быть получены из репрезентативной выборки лиц с использованием современных статистических приемов. Они охватывают пиксели изображения лица и универсально представляют лицевые формы. Фактически в наличии имеется намного больше элементов построения лица, чем число самих частей лица. Идентичность лица определяется не только характерными элементами, но и способом их геометрического объединения (учитываются их относительные позиции). Полученный сложный математический код индивидуальной идентичности — шаблон Faceprint — содержит информацию, которая отличает лицо от миллионов других, и может быть составлен и сравнен с другими с феноменальной точностью. Шаблон не зависит от изменений в освещении, тона кожи, наличия/отсутствия очков, выражения лица, волос на лице и голове, устойчив к изменению в ракурсах до 35″ в любых направлениях

В качестве примерадействующей системы контроля доступа на базе распознавания лица можно привести систему распознавания посетителей мест для обналичивания чеков, установленных компанией Mr. Payroll в нескольких штатах США. По свидетельству представителей компании клиенты считают такую процедуру весьма удобной. При первом посещении производится цифровой снимок лица клиента, который передается в сервисный центр. При каждом следующем обращении система сверяет соответствующее изображение с лицом клиента и только после этого производит обналичивание чека. Выше уже упоминалась система распознавания лиц Facelt, разработанная корпорацией Visionics. Она успешно работает на улицах английского города Ньюхем, а также в аэропортах, на крупных стадионах и в торговых центрах США. Технология распознавания лица или множества лиц в сложных сценах Facelt позволяет автоматически обнаружить человеческое присутствие, определить месторасположение, выделить изображение, выполнить идентификацию.

Распознавание лица предусматривает выполнение любой из следующих функций: аутентификация — установление подлинности «один в один», идентификация — поиск соответствия «один из многих».

Система Facelt автоматически оценивает качество изображения для опознания лица и, если необходимо, способна его улучшить. Она также создает изображение лица из сегментов данных, генерирует цифровой код или внутренний шаблон, уникальный для каждого индивидуума. В системе заложен режим слежения за лицами во времени, а также «сжатия» лица до размера 84 байт для использования в смарт-картах, штриховых кодах и других устройствах с ограниченным размером хранения.

Среди признаков лица, используемых для идентификации человека, наиболее устойчивыми и трудно изменяемыми является также признака изображения его кровеносных сосудов. Путем сканирования изображения лица в инфракрасном свете создается уникальная температурная карта лица — термограмма. Идентификация по термограмме обеспечивает показатели, сравнимые с показателями идентификации по отпечаткам пальцев.[4]

Идентификация но геометрии кисти руки.

Метод идентификации пользователей по геометрии руки по своей технологической структуре и уровню надежности вполне сопоставим с методом идентификации личности по отпечатку пальца. Статистическая вероятность существования двух кистей рук с одинаковой геометрией чрезвычайно мала. Но признаки руки меняются с возрастом, а само устройство имеет сравнительно большие размеры.

Математическая модель идентификации по данному параметру требует немного информации — всего 9 байт, что позволяет хранить большой объем записей и быстро осуществлять поиск. Устройства идентификации личности по геометрии руки находят широкое применение. Так, в США устройства для считывания отпечатков ладоней в настоящее время установлены более чем на 8000 объектах. Наиболее популярное устройство Handkey сканирует как внутреннюю, так и боковую сторону ладони, используя для этого встроенную видеокамеру и алгоритмы сжатия. При этом оценивается более 90 различных характеристик, включая размеры самой ладони (три измерения), длину и ширину пальцев, очертания суставов и т. п. Устройства, которые могут сканировать и другие параметры руки, в настоящее время разрабатываются несколькими компаниями, в том числе BioMet Partners, Palmetrics и BTG.

Представителем этого направления разработок СКУД является американская компания Steller Systems, выпускающая терминал Identimat. Для считывания геометрических характеристик кисти ее кладут ладонью вниз на специальную панель. Через прорези в ее поверхности оптические сенсорные ячейки сканируют четыре кольца. Эти ячейки определяют стартовые точки по двум парам пальцев — указательному и среднему, безымянному и мизинцу. Каждый палец сканируется по всей длине, при этом замеряется длина, изгиб и расстояние до «соседа». Если каждое измерение укладывается в определенные допустимые рамки зарегистрированного эталонного набора данных, то результат аутентификации будет для пользователя положительным. Цифровой эталон хранится либо в базе данных, либо в памяти идентификационной карточки. При этом с целью обеспечения защиты данные шифруются.

Рассматриваемый терминал прост в обращении и надежен. Время обработки — всего 1 с; время регистрации — 1,5 мин; вероятность ошибок 1-го рода- 0,01, 2-го рода — 0,015 (т.е. коэффициенты 1 и 1,5% соответственно). Для хранения эталона используется 17 байт памяти.

Отличительной особенностью алгоритма работы этого терминала является наличие так называемых битов качества, которые регулируют рамки допустимых отклонений в зависимости от качества изображения кисти. Однако настораживает тот факт, что у каждого сотого сотрудника могут появиться проблемы с проходом на рабочее место. И каждый стопятидесятый может оказаться чужим.

На базе подобной технологии биометрии японская фирма Mitsubishi Electric построила контрольно-пропускной терминал автономного типа Palm Recognition System. Его отличие от американского прототипа состоит в том, что производится считывание геометрических размеров силуэта кисти руки со сжатыми пальцами, в то время как у американцев пальцы для измерения должны представляться растопыренными. Благодаря такому подходу на результатах оценки биометрических характеристик в японской системе не сказывается появление на ладони ран или грязи. Однако вероятность ошибок 1-го рода также составляет 0,01, но ошибок 2-го рода — 0,000001. Время обработки занимает 2 с, время регистрации при оформлении допуска — 20 с. Память системы позволяет хранить до 220 эталонов.

В настоящее время идентификация пользователей по геометрии руки используется в законодательных органах, международных аэропортах, больницах, иммиграционных службах и т. д. Достоинства идентификации по геометрии ладони сравнимы с достоинствами идентификации по отпечатку пальца с точки зрения надежности, хотя устройство для считывания отпечатков ладоней занимает больше места.

Особенности реализации динамических методов биометрического контроля. Идентификация по почерку и динамике подписи.(рис.4)

рис.4

Основой аутентификации личности по почерку и динамике написания контрольных фраз (подписи) является уникальность и стабильность динамики этого процесса для каждого человека, характеристики которой могут быть измерены, переведены в цифровой вид и подвергнуты компьютерной обработке. Таким образом, при аутентификации для сравнения выбирается не продукт письма, а сам процесс.[5]

Разработка аутентификационных автоматов на базе анализа почерка (подписи — как варианта объекта исследования), предназначенных для реализации контрольно-пропускной функции, была начата еще в начале 1970-х г. В настоящее время на рынке представлено несколько эффективных терминалов такого типа.

Подпись — такой же уникальный атрибут человека, как и его физиологические характеристики. Кроме того, это и более привычный для любого человека метод идентификации, поскольку он, в отличие от снятия отпечатков пальцев, не ассоциируется с криминальной сферой. Одна из перспективных технологий аутентификации основана на уникальности биометрических характеристик движения человеческой руки во время письма. Обычно выделяют два способа обработки данных о подписи: простое сравнение с образцом и динамическую верификацию. Первый весьма ненадежен, так как основан на обычном сравнении введенной подписи с хранящимися в базе данных графическими образцами. Из-за того, что подпись не может быть всегда одинаковой, этот метод дает большой процент ошибок. Способ динамической верификации требует намного более сложных вычислений и позволяет в реальном времени фиксировать параметры процесса подписи, такие, как скорость движения руки на разных участках, сила давления и длительность различных этапов подписи. Это дает гарантии того, что подпись не сможет подделать даже опытный графолог, поскольку никто не в состоянии в точности скопировать поведение руки владельца подписи. Пользователь, используя стандартный дигитайзер и ручку, имитирует свою обычную подпись, а система считывает параметры движения и сверяет их с теми, что были заранее введены в базу данных. При совпадении образа подписи с эталоном система прикрепляет к подписываемому документу информацию, включающую имя пользователя, адрес его электронной почты, должность, текущее время и дату, параметры подписи, содержащие несколько десятков характеристик динамики движения (направление, скорость, ускорение) и другие. Эти данные шифруются, затем для них вычисляется контрольная сумма, и далее все это шифруется еще раз, образуя так называемую биометрическую метку. Для настройки системы вновь зарегистрированный пользователь от пяти до десяти раз выполняет процедуру подписания документа, что позволяет получить усредненные показатели и доверительный интервал. Впервые данную технологию использовала компания РепОр.

Идентификацию по подписи нельзя использовать повсюду, в частности, этот метод не подходит для ограничения доступа в помещения или для доступа в компьютерные сети. Однако в некоторых областях, например в банковской сфере, а также всюду, где происходит оформление важных документов, проверка правильности подписи может стать наиболее эффективным, а главное, необременительным и незаметным способом. До сих пор финансовое сообщество не спешило принимать автоматизированные методы идентификации подписи для кредитных карточек и проверки заявления, потому что подписи все еще слишком легко подделать. Это препятствует внедрению идентификации личности по подписи в высокотехнологичные системы безопасности. [7]

Устройства идентификации по динамике подписи используют геометрические или динамические признаки рукописного воспроизведения подписи в реальном масштабе времени. Подпись выполняется пользователем на специальной сенсорной панели, с помощью которой осуществляется преобразование изменений приложенного усилия нажатия на перо (скорости, ускорения) в электрический аналоговый сигнал. Электронная схема преобразует этот сигнал в цифровой вид, приспособленный для машинной обработки. При формировании «эталона» необходимо учитывать, что для одного и того же человека характерен некоторый разброс характеристик почерка от одного акта к другому. Чтобы определить эти флуктуации и назначить рамки, пользователь при регистрации выписывает свою подпись несколько раз. В результате формируется некая «стандартная модель» (сигнатурный эталон) для каждого пользователя, которая записывается в память системы.

Системы аутентификации по почерку поставляются на рынок, например, фирмами Inforete и De La Rue Systems (США), Thompson T1TN (Франция) и рядом других. Английская фирма Quest Micropad Ltd выпустила устройство QSign, особенностью которого является то, что сигнатурный эталон может храниться как в памяти системы, так и в памяти идентификационной карточки пользователя. Пороговое значение коэффициентов ошибок может изменяться в зависимости от требуемой степени безопасности. Подпись выполняется обычной шариковой ручкой или карандашом на специальной сенсорной панели, входящей в состав терминала.[8]

Основное достоинство подписи по сравнению с использованием, например, дактилоскопии в том, что это распространенный и общепризнанный способ подтверждения своей личности (например, при получении банковских вкладов). Этот способ не вызывает «технологического дискомфорта», как бывает в случае снятия отпечатков пальцев, что ассоциируется с деятельностью правоохранительных органов. В то же время подделка динамики подписи — дело очень трудновыполнимое (в отличие, скажем, от воспроизведения рисунка подписи). Причем благодаря росписи не на бумаге, а на сенсорной панели, значительно затрудняется копирование злоумышленником ее начертания.

Идентификация но голосу и особенностям речи.(рис.5)

рис.5

Биометрический подход, связанный с идентификацией голоса, удобен в применении. Однако основным и определяющим недостатком этого подхода является низкая точность идентификации. Например, человек с простудой или ларингитом может испытывать трудности при использовании данных систем. Причинами внедрения этих систем являются повсеместное распространение телефонных сетей и практика встраивания микрофонов в компьютеры и периферийные устройства. В качестве недостатков таких систем можно назвать факторы, влияющие на результаты распознавания: помехи в микрофонах, влияние окружающей обстановки на результаты распознавания (шум), ошибки при произнесении, различное эмоциональное состояние проверяемого в момент регистрации эталона и при каждой идентификации, использование разных устройств регистрации при записи эталонов и идентификации, помехи в низкокачественных каналах передачи данных и т. п.

При рассмотрении проблемы аутентификации по голосу важными вопросами с точки зрения безопасности являются следующие:

— Как бороться против использования магнитофонных записей парольных фраз, перехваченных во время установления контакта законного пользователя с аутентификационным терминалом

— Как защитить систему от злоумышленников, обладающих способностью к имитации голоса, если им удастся узнать парольную фразу

Ответом на первый вопрос является генерация системой псевдослучайных паролей, которые повторяются вслед за ней пользователем, а также применение комбинированных методов проверки (дополняя вводом идентификационной карточки или цифрового персонального кода).

Ответ на второй вопрос не так однозначен. Человек вырабатывает свое мнение о специфике воспринимаемого голоса путем оценки некоторых его характерных качеств, не обращая внимание при этом на количественную сторону разнообразных мелких компонент речевого сигнала. Автомат же наоборот, не обладая способностью улавливать обобщенную характеристику голоса, свой вывод делает, основываясь на конкретных параметрах речевого сигнала и производя их точный количественный анализ.[9]

Специфическое слуховое восприятие человека приводит к тому, что безупречное воспроизведение профессиональными имитаторами голосов возможно лишь тогда, когда подражаемый субъект характеризуется ярко выраженными особенностями произношения (интонационной картиной, акцентом, темпом речи и т. д.) или тембра (гнусавостью, шепелявостью, картавостью и т. д.). Именно этим следует объяснить тот факт, что даже профессиональные имитаторы оказываются не в состоянии подражать ординарным, не примечательным голосам.В противоположность людям распознающие автоматы, свободные от субъективного отношения к воспринимаемым образам, производят аутентификацию (распознавание) голосов объективно, на основе строго детерминированных и априори заданных признаков. Обладая «нечеловеческим» критерием оценки схожести голосов, системы воспринимают голос человека через призму своих признаков.

Вследствие этого, чем сложнее и «непонятнее» будет совокупность признаков, по которым автомат распознает голос, тем меньше будет вероятность его обмана. В гоже время, несмотря на то, что проблема имитации очень важна и актуальна с практической точки зрения, она все же далека от окончательного решения. Прежде всего до конца не ясен ответ на вопрос, какие именно параметры речевого сигнала наиболее доступны подражанию и какие из них наиболее трудно поддаются ему.

Выбор параметров речевого сигнала способных наилучшим образом описать индивидуальность голоса является, пожалуй, самым важным этапом при построении систем автоматической аутентификации по голосу. Такие параметры сигнала, называемые признаками индивидуальности, помимо эффективности представления информации об особенностях голоса диктора, должны обладать рядом других свойств. Во-первых, они должны быть легко измеряемы и мало зависеть от мешающих факторов окружающей среды (шумов и помех). Во-вторых, они должны быть стабильными во времени. В-третьих, не должны поддаваться имитации.

Постоянно ведутся работы по повышению эффективности систем идентификации по голосу. Известны системы аутентификации по голосу, где применяется метод совместного анализа голоса и мимики, ибо, как оказалось, мимика говорящего характерна только ему и будет отличаться от говорящего те же слова мимики другого человека.

Разрабатываются комбинированные системы, состоящие из блоков идентификации и верификации голоса. При решении задачи идентификации находится ближайший голос (или несколько голосов) из фонотеки, затем в результате решения задачи верификации подтверждается или опровергается принадлежность фонограммы конкретному лицу. Система практически используется при обеспечении безопасности некоторых особо важных объектов.

источник

Источники:
  • http://papillon.ru/rus/79
  • http://www.techportal.ru/glossary/kontrol-dostupa-po-raduzhnoi-obolochke-glaza.html
  • http://stydopedia.ru/2xd17f.html