Меню Рубрики

Сканирование сетчатки глаза что это такое

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.

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

Первые сканеры сетчатки появились ещё в 80-х годах прошлого столетия. Они получили широкое распространение в системах контроля доступа на особо секретные объекты, так как у них один из самых низких процентов отказа в доступе зарегистрированных пользователей и практически не бывает ошибочного разрешения доступа, но, несмотря на это, сканеры сетчатки не получили широкого распространения в массы из-за дороговизны и сложности оптической системы сканирования. И до недавнего времени всё так и оставалось, хотя алгоритмы продолжали развиваться.

На сегодняшний день технология 3d печати позволила сильно удешевить сканеры сетчатки глаза. Эндрю Баставрус вместе со своей командой напечатали на 3d принтере насадку для смартфона, которая позволяет наблюдать сетчатку через камеру телефона.

Данная статья посвящена описанию алгоритмов сопоставления признаков сетчатки глаза и является продолжением статьи о сегментации кровеносных сосудов.

Обзор методов биометрической идентификации/аутентификации приведён здесь.

Одной из наиболее важных проблем при использовании сетчатки глаза для распознавания личности является движение головы или глаза во время сканирования. Из-за этих движений может возникнуть смещение, вращение и масштабирование относительно образца из базы данных (рис. 1).


Рис. 1. Результат движения головы и глаза при сканировании сетчатки.

Влияние изменения масштаба на сравнение сетчаток не так критично, как влияние других параметров, поскольку положение головы и глаза более или менее зафиксировано по оси, соответствующей масштабу. В случае, когда масштабирование всё же есть, оно столь мало, что не оказывает практически никакого влияния на сравнение сетчаток. Таким образом, основным требованием к алгоритму является устойчивость к вращению и смещению сетчатки.

Алгоритмы аутентификации по сетчатке глаза можно разделить на два типа: те, которые для извлечения признаков используют алгоритмы сегментации (алгоритм, основанный на методе фазовой корреляции; алгоритм, основанный на поиске точек разветвления) и те, которые извлекают признаки непосредственно с изображения сетчатки (алгоритм, использующий углы Харриса).

Суть алгоритма заключается в том, что при помощи метода фазовой корреляции оцениваются смещение и вращение одного изображения относительно другого. После чего изображения выравниваются и вычисляется показатель их схожести.

В реализации метод фазовой корреляции работает с бинарными изображениями, однако может применяться и для изображений в 8-битном цветовом пространстве.

Пусть и – изображения, одно из которых сдвинуто на относительно другого, а и – их преобразования Фурье, тогда:

где – кросс-спектр;
– комплексно сопряженное

Вычисляя обратное преобразование Фурье кросс-спектра, получим импульс-функцию:

Найдя максимум этой функции, найдём искомое смещение.

Теперь найдём угол вращения при наличии смещения , используя полярные координаты:

Далее применяется метод фазовой корреляции, как в предыдущем случае. Можно отметить, что такая модификация фазовой корреляции позволяет найти и масштаб по параметру

Данная техника не всегда показывает хорошие результаты на практике из-за наличия небольших шумов и того, что часть сосудов может присутствовать на одном изображении и отсутствовать на другом. Чтобы это устранить применяется несколько итераций данного алгоритма, в том числе меняется порядок подачи изображений в функцию и порядок устранения смещения и вращения. На каждой итерации изображения выравниваются, после чего вычисляется их показатель схожести, затем находится максимальный показатель схожести, который и будет конечным результатом сравнения.

Показатель схожести вычисляется следующим образом:

Данный алгоритм, в отличие от предыдущего, не требует сегментации сосудов, поскольку может определять признаки не только на бинарном изображении.

В начале изображения выравниваются при помощи метода фазовой корреляции, описанного в предыдущем разделе. Затем на изображениях ищутся углы Харриса (рис. 2).


Рис. 2. Результат поиска углов Харриса на изображениях сетчатки.

Пусть найдена M+1 точка, тогда для каждой j-й точки её декартовы координаты преобразуются в полярные и определяется вектор признаков где

Модель подобия между неизвестным вектором и вектором признаков размера N в точке j определяется следующим образом:

где – константа, которая определяется ещё до поиска углов Харриса.

Функция описывает близость и похожесть вектора ко всем признакам точки j.

Пусть вектор – вектор признаков первого изображения, где размера K–1, а вектор – вектор признаков второго изображения, где размера J–1, тогда показатель схожести этих изображений вычисляется следующим образом:

Нормировочный коэффициент для similarity равняется

Коэффициент в оригинальной статье предлагается определять по следующему критерию: если разница между гистограммами изображений меньше заранее заданного значения, то = 0.25, в противном случае = 1.

Данный алгоритм, как и предыдущий, ищет точки разветвления у системы кровеносных сосудов. При этом он более специализирован на поиске точек бифуркации и пересечения (рис. 3) и намного более устойчив к шумам, однако может работать только на бинарных изображениях.


Рис. 3. Типы признаков (слева – точка бифуркации, справа – точка пересечения).

Для поиска точек, как на рис. 3, сегментированные сосуды сжимаются до толщины одного пикселя. Таким образом, можно классифицировать каждую точку сосудов по количеству соседей S:

  1. если S = 1, то это конечная точка;
  2. если S = 2, то это внутренняя точка;
  3. если S = 3, то это точка бифуркации;
  4. если S = 4, то это точка пересечения.
Читайте также:  Как убрать первые морщины под глазами

Вначале выполняется поиск пикселя, являющегося частью сосуда, сверху вниз слева направо. Предполагается, что каждый пиксель сосуда может иметь не более двух соседних пикселей сосудов (предыдущий и следующий), во избежание двусмысленности в последующих вычислениях.

Далее анализируются 4 соседних пикселя найденной точки, которые ещё не были рассмотрены. Это приводит к 16 возможным конфигурациям (рис. 4). Если пиксель в середине окна не имеет соседей серого цвета, как показано на рис. 4 (a), то он отбрасывается и ищется другой пиксель кровеносных сосудов. В других случаях это либо конечная точка, либо внутренняя (не включая точки бифуркации и пересечения).


Рис. 4. 16 возможных конфигураций четырёх соседних пикселей (белые точки – фон, серые – сосуды). 3 верхних пикселя и один слева уже были проанализированы, поэтому игнорируются. Серые пиксели с крестиком внутри также игнорируются. Точки со стрелочкой внутри – точки, которые могут стать следующим центральным пикселем. Пиксели с чёрной точкой внутри – это конечные точки.

На каждом шаге сосед серого цвета последнего пикселя помечается как пройденный и выбирается следующим центральным пикселем в окошке 3 x 3. Выбор такого соседа определяется следующим критерием: наилучший сосед тот, у которого наибольшее количество непомеченных серых соседей. Такая эвристика обусловлена идеей поддержания однопиксельной толщины в середине сосуда, где большее число соседей серого цвета.

Из вышеизложенного алгоритма следует, что он приводит к разъединению сосудов. Также сосуды могут разъединиться ещё на этапе сегментации. Поэтому необходимо соединить их обратно.

Для восстановления связи между двумя близлежащими конечными точками определяются углы и как на рис. 5, и если они меньше заранее заданного угла то конечные точки объединяются.


Рис. 5. Объединение конечных точек после сжатия.

Чтобы восстановить точки бифуркации и пересечения (рис. 6) для каждой конечной точки вычисляется её направление, после чего производится расширение сегмента фиксированной длины Если это расширение пересекается с другим сегментом, то найдена точка бифуркации либо пересечения.


Рис. 6. Восстановление точки бифуркации.

Точка пересечения представляет собой две точки бифуркации, поэтому для упрощения задачи можно искать только точки бифуркации. Чтобы удалить ложные выбросы, вызванные точками пересечения, можно отбрасывать точки, которые находится слишком близко к другой найденной точке.

Для нахождения точек пересечения необходим дополнительный анализ (рис. 7).


Рис. 7. Классификация точек разветвления по количеству пересечений сосудов с окружностью. (a) Точка бифуркации. (b) Точка пересечения.

Как видно на рис. 7 (b), в зависимости от длины радиуса окружность с центром в точке разветвления может пересекаться с кровеносными сосудами либо в трех, либо в четырёх точках. Поэтому точка разветвления может быть не правильно классифицирована. Чтобы избавиться от этой проблемы используется система голосования, изображённая на рис. 8.


Рис. 8. Схема классификации точек бифуркации и пересечения.

В этой системе голосования точка разветвления классифицируется для трёх различных радиусов по количеству пересечений окружности с кровеносными сосудами. Радиусы определяются как: где и принимают фиксированные значения. При этом вычисляются два значения и означающие количество голосов за то, чтобы точка была классифицирована как точка пересечения и как точка бифуркации соответственно:

где и – бинарные значения, указывающие идентифицирована ли точка с использованием радиуса как точка пересечения либо как точка бифуркации соответственно.

В случае если то тип точки не определён. Если же значение отличаются друг от друга, то при точка классифицируется как точка пересечения, в противном случае как точка бифуркации.

После того, как точки найдены, необходимо найти преобразование подобия. Это преобразование описывается 4 параметрами – смещение по оси и , масштаб и вращение соответственно.

Само преобразование определяется как:

где – координаты точки на первом изображении
– на втором изображении

Для нахождения преобразования подобия используются пары контрольных точек. Например, точки определяют вектор где – координаты начала вектора, – длина вектора и – направление вектора. Таким же образом определяется вектор для точек Пример представлен на рис. 9.


Рис. 9. Пример двух пар контрольных точек.

Параметры преобразования подобия находятся из следующих равенств:

Пусть количество найденных точек на первом изображения равняется M, а на втором N, тогда количество пар контрольных точек на первом изображении равно а на втором Таким образом, получаем возможных преобразований, среди которых верным выбирается то, при котором количество совпавших точек наибольшее.

Поскольку значение параметра S близко к единице, то T можно уменьшить, отбрасывая пары точек, неудовлетворяющие следующему неравенству:

где – это минимальный порог для параметра
– это максимальный порог для параметра
– пара контрольных точек из
– пара контрольных точек из

После применения одного из возможных вариантов выравнивания для точек и вычисляется показатель схожести:

где – пороговая максимальная дистанция между точками.
В случае если то

В некоторых случаях обе точки могут иметь хорошее значение похожести с точкой . Это случается, когда и находятся близко друг к другу. Для определения наиболее подходящей пары вычисляется вероятность схожести:

где

Если то

Чтобы найти количество совпавших точек строится матрица Q размера M x N так, что в i-й строке и j-м столбце содержится

Затем в матрице Q ищется максимальный ненулевой элемент. Пусть этот элемент содержится в -й строке и -м столбце, тогда точки и определяются как совпавшие, а -я строка и -й столбец обнуляются. После чего опять ищется максимальный элемент. Поиск таких максимумов повторяется до тех пор, пока все элементы матрицы Q не обнулятся. На выходе алгоритма получаем количество совпавших точек C.

Метрику схожести двух сетчаток можно определить несколькими способами:

где – параметр, который вводится для настройки влияния количества совпавших точек;
f выбирается одним из следующих вариантов:

Метрика нормализуется одним из двух способов:

где и – некоторые константы.

Метод, основанный на поиске точек разветвления, можно усложнить, добавляя дополнительные признаки, например углы, как на рис. 10.


Рис. 10. Углы, образованные точками разветвления, в качестве дополнительных признаков.

Также можно применять шифр гаммирования. Как известно, сложение по модулю 2 является абсолютно стойким шифром, когда длина ключа равна длине текста, а поскольку количество точек бифуркации и пересечения не превышает порядка 100, но всё же больше длины обычных паролей, то в качестве ключа можно использовать комбинацию хешей пароля. Это избавляет от необходимости хранить в базе данных сетчатки глаза и хеши паролей. Нужно хранить только координаты, зашифрованные абсолютно стойким шифром.

Аутентификация по сетчатке действительно показывает точные результаты. Алгоритм, основанный на методе фазовой корреляции, не допустил ни одной ошибки при тестировании на базе данных VARIA. Также алгоритм был протестирован на неразмеченной базе MESSIDOR с целью проверки алгоритма на ложные срабатывания. Все найденные алгоритмом пары похожих сетчаток были проверены вручную. Они действительно являются одинаковыми. На сравнение кровеносных сосудов двух сетчаток глаз из базы VARIA уходит в среднем 1.2 секунды на двух ядрах процессора Pentium Dual-CoreT4500 с частотой 2.30 GHz. Время исполнения алгоритма получилось довольно большое для идентификации, но оно приемлемо для аутентификации.

Также была предпринята попытка реализации алгоритма, использующего углы Харриса, но получить удовлетворительных результатов не удалось. Как и в предыдущем алгоритме, возникла проблема в устранении вращения и смещения при помощи метода фазовой корреляции. Вторая проблема связана с недостатками алгоритма поиска углов Харриса. При одном и том же пороговом значении для отсева точек, количество найденных точек может оказаться либо слишком большим либо слишком малым.

В дальнейших планах стоит разработка алгоритма, основанного на поиске точек разветвления. Он требует гораздо меньше вычислительных ресурсов по сравнению с алгоритмом, основанном на методе фазовой корреляции. Кроме того, существуют возможности для его усложнения в целях сведения к минимуму вероятности взлома системы.

Другим интересным направлением в дальнейших исследованиях является разработка автоматических систем для ранней диагностики заболеваний, таких как глаукома, сахарный диабет, атеросклероз и многие другие.

источник

Данный метод в качестве идентификатора использует уникальный рисунок кровеносных сосудов глазного дна. Сканирование происходит с помощью инфракрасного излучения низкой интенсивности, которое направляется через зрачок к задней стенке глаза.

Система контроля доступа на основе сканирования сетчатки глаза отличается высокой надежностью, используется на особо охраняемых объектах, в силу того, что биометрические СКУД по сетчатке глаза имеют самый низкий коэффициент FRR и практически не бывает ошибочного отказа в доступе (FAR).

К недостаткам такой технологии можно отнести высокую стоимость и сложность, а также неудобство пользователя, который должен сохранять неподвижность во время работы оптической системы. К тому же от пользователя требуется определенная ориентация сетчатки, т.е. направление взгляда. Данный метод неприменим, если структура сетчатки повреждена каким-нибудь заболеванием.

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 миллиона.

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».

Читайте также:  Как убрать мешки под глазами подростку

«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

Материал спецпроекта «Без ключа»

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

источник

Ультразвуковая диагностика значительно улучшает обследование пациентов с непрозрачными оптическими средами глаза. Лучше всего, если данный вид исследования выполняет хирург, который будет оперировать пациента, а не специалист диагностического отделения. Во время исследования хирург может полностью оценить состояние пациента, что позволяет оптимизировать выбор тактики его лечения. Если оборудование для УЗИ установлено в кабинете хирурга, оно используется намного чаще и не требует лишних затрат времени на подготовку к работе. В отличие от офтальмоскопии, выполнение УЗИ не следует доверять среднему медицинскому персоналу.

Понимание физических принципов взаимодействия ультразвуковой энергии и тканей организма необходимо для проведения точной ультразвуковой диагностики. В офтальмологии используется отраженный ультразвуковой эхо-импульс. Короткие ультразвуковые импульсы имеют частоту 10 МГц и более, центральная частота повторения импульсов равна 1-5 кГц, что позволяет датчику зафиксировать отраженный эхо-сигнал. Знание средней скорости распространения ультразвуковой энергии в тканях (

1540 м/с) дает возможность рассчитать в реальном времени и отобразить на плоском дисплее расстояние между датчиком и отражающей эхо структурой в двухмерной проекции (2D). Ультразвуковая волна отражается и преломляется на границе между средами различной акустической плотности.

Если поверхность датчика с пьезоэлектрическим кристаллом имеет малый радиус кривизны, то глубина резкости пространственного изображения в точке фокусировки будет недостаточной. Для длинного глаза (25 мм) требуется более однородная фокусировка для получения соответствующей глубины резкости. Широкий пучок ультразвуковых волн (3 мм при уровне в 6 дБ) характеризуется недостаточно высоким латеральным разрешением. Изображения мишеней, расположенных на близком расстоянии, двоятся на дисплее, а расположенных далеко от датчика кажутся размазанными в латеральных областях. Такие погрешности неизбежны, если не использовать компьютерную сонографию, но она в настоящее время недоступна для выполнения УЗИ в офтальмологии.

Аксиальное разрешение зависит от частоты, при более высокой частоте оно выше. Более высокие частоты легче поглощаются биологическими структурами, поэтому нужна большая мощность для обеспечения чувствительности к слабому эхо-сигналу. Риск развития катаракты определяет максимальную мощность, которую можно использовать безопасно. На практике специалисты пришли к компромиссу, что следует использовать ультразвук с частотой 10-20 МГц и аксиальное разрешение примерно 0,15 мм, что на порядок выше латерального разрешения. Аксиальное разрешение уменьшается, если широкий пучок волн отражается от изогнутых поверхностей, таких, какие наблюдаются при ТОС.

Лучшее отражение ультразвукового сигнала достигается, когда пучок ультразвуковых волн падает на поверхность перпендикулярно. Отраженные от стенки глазницы в области экватора глаза волны дают слабый отраженный сигнал. Даже при правильной амплитуде эхо-сигнала не все круговые поперечные сечения глаза могут быть отражены на дисплее.

Так как скорость звука выше в более плотных структурах, таких как хрусталик, структуры, находящиеся за ним, проецируются на дисплее ближе, чем они расположены на самом деле, и по краю хрусталика происходит преломление волны. Хрусталик, ИОЛ, ИОИТ и склеральные пломбы, характеризующиеся высокой акустической плотностью, дают множественные внутренние отражения, отображаясь на дисплее в виде равномерно распределенных ложных эхо-сигналов с уменьшенной амплитудой за основным эхо-сигналом этих структур. Эхо-сигналы продуцируются парадоксальными движениями при перемещении датчика, что помогает в их распознавании. Плотные структуры, такие как кальцифицированные ретролентальные мембраны, ИОЛ и ИОИТ, создают значительные тени за собой из-за поглощения акустической энергии.

Поглощение ультразвуковой энергии, когда она проходит дважды через ткани, приводит к отображению на дисплее отдаленных структур с относительно меньшей амплитудой эхо-сигнала. Электронное усиление эхо-сигнала от удаленных мишеней может компенсировать данное поглощение. Данная техника называется изменением усиления во времени.

Использование электронных устройств, которые автоматически отображают на дисплее поверхность таких структур, как роговица, капсула хрусталика, сетчатка и склера, приводит к диагностическим ошибкам. Увеличение амплитуды и отсечение пиков для отображения поверхности структур на дисплее означает, что все эхо-сигналы отображаются с идентичными амплитудами. При таком подходе СТ и сетчатку на изображении можно легко перепутать. Кроме того, электронная дифференциация при определении поверхности структур устраняет эхосигналы с наименьшей амплитудой внутри хрусталика, СТ, субретинальной жидкости (СРЖ), супрахориоидального пространства, и опухолей.

А-сканирование. Амплитудная ультрасонография (А-сканирование) является оригинальным методом УЗИ, но не имеет существенного практического значения при наличии непрозрачных оптических сред глаза. В результате А-сканирования получается плоское одномерное изображение (ID), и найти на нем необходимую информацию так же сложно, как «иголку в стоге сена». Очень опытный диагност может пространственно интегрировать одномерное изображение и извлечь некоторую пользу из полученных данных. Менее опытный диагност, однако, имеет гораздо больше проблем при интерпретации его результатов. Информативность количественного А-сканирования для диагностики значительно меньше, чем принято считать. Амплитуда эхо-сигнала при А-сканировании в значительной степени зависит от угла, под которым ультразвуковые волны отражаются от исследуемых структур глаза. Непрямой угол является причиной значительного ослабления отраженного сигнала.

Складки отслоенной сетчатки будут создавать области сильного и слабого эхо-сигнала. По этой причине А-сканированию свойственна большая погрешность в результатах.

В-сканирование. Секторальное УЗИ, или В-сканирование, является двухмерным исследованием (2D), при котором выполняется сканирование срезов, или плоскостей тканей, в отличие от ID точечного А-сканирования. Эхо-изображение проявляется на дисплее в виде модулированных по интенсивности пикселей. Так же как и при А-сканировании, более сильный сигнал отражают структуры, расположенные строго перпендикулярно направлению ультразвуковых волн. По этой причине лучше всего отображаются на дисплее роговица, передняя и задняя капсулы хрусталика, склера или сетчатка. Экваториальная часть склеры и ядро хрусталика видны хуже, если только не изменять положение глазного яблока или не устанавливать датчик под разными углами. Оценить, являются ли такие действия необходимыми, можно во время исследования.

Трехмерная визуализация глаз. Медленная ротация сектора сканирования позволяет получить объемные конические изображения, которые можно отобразить на дисплее как конические 3D изображения или 3D срезы, испольуя перспективу, тени, параллакс (видимое изменение положения объекта при перемещении наблюдателя) и различные другие цифровые графические технологии. Так как изображения формируются при исхождении пучка ультразвуковых волн из одной точки, структуры с поверхностями, расположенными не перпендикулярно сканирующему пучку, будут неразличимы или для них будет характерна меньшая амплитуда эхо-сигнала. Современные 3D ультразвуковые аппараты имеют минимальное значение в диагностике витреоретинальной патологии, их лучше всего использовать для определения объема опухоли.

источник

Что такое Iris scanning технология? Что такое сканирование радужной оболочки глаза?

Если вам надоело постоянно носить с собой громоздкую связку гремящих ключей, представьте, что уже совсем скоро вы сможете открывать свои двери только лишь посмотрев на них в течении нескольких минут! Технология сканирования радужной оболочки глаза (анг. – Iris – радужная оболочка глаза; scanning — сканирование), уже через пару лет сможет сделать такую процедуру вполне обыденной. Она уже активно применяется в некоторых аэропортах и военных базах, где быстрая и надежная идентификация личности – жизненно важная необходимость. Сканирование радужной оболочки глаза – это наиболее точная форма распознавания по биометрическим показателям (идентификация, основанная на измерении определенных участков тела), которая в разы превосходит технологии распознавания по отпечаткам пальцев (отпечатки пальцев могут изменяться со временем) и по ДНК (требует слишком много времени). Что такое iris scanning и как работает данная технология? Давайте разберемся!

Сейчас на нашей планете живет людей больше чем когда-либо до этого. Все мы имеем, что-либо ценное, и обмениваемся ежедневно большими объемами информации. В такой ситуации, важность безопасности трудно переоценить. Мы постоянно совершенствуем свои системы защиты, однако всегда найдутся те, кто захочет заполучить чужие данные и ценности. Обычно люди полагаются на системы защиты, на взлом которых уходит очень много времени: замки очень трудно открыть без правильного металлического ключа, тогда как информацию защищенную кодированием трудно получить без корректного математического ключа. Однако оба таких метода имеют один большой недостаток: имея в руках нужный ключ, злоумышленник все-таки сможет быстро получить доступ к интересующей его информации или ценностям.

iris scanning (сканирование радужной оболочки)

Большинство специалистов по безопасности сходятся во мнении, что будущее защиты лежит за биометрическим распознаванием (измерение частей тела). Вместо того, чтобы позволять людям получать доступ к чему-либо через стандартные замки и ключи, мы будем открывать доступ после биометрической идентификации человека по каким-либо уникальным частям его тела. К примеру, идентификация человека по фотографии в паспорте является самой просто биометрической формой распознавания. Когда на таможне работник сверяет вашу фотографию в паспорте с вашим лицом, он интуитивно ищет сходные черты. Размеры носа, оттопыренность ушей, расположение глаз – все это сопоставляется. Это самое простое биометрическое распознавание. Проблема заключается в том, что со временем наше лицо изменяется, да и к тому же многие люди достаточно похожи друг на друга. Отпечатки пальцев – это более надежный биометрический способ идентификации, однако и он далеко не идеален: болезни, травмы и само течении жизни могут изменить уникальный рисунок кожи наших пальцев. Сканирование радужной оболочки глаза это намного более надежный способ идентификации человека – у вас просто фотографируются глаза, все!

Радужная оболочка глаза – это цветная мускульная ткань круглой формы, обрамляющая зрачок человека, и помогающая ему (зрачку) сжиматься/разжиматься, как затвору камеры. Цветной узор нашей радужной оболочки глаза формируется на генетическом уровне еще тогда, когда мы находимся в утробе матери, однако окончательно он заканчивает свое формирование только к двум годам нашей жизни. Цвет радужной оболочки глаза зависит от количества пигмента меланина: чем больше меланина, тем больше глаза имеют коричневый оттенок, чем меньше – тем более выражен голубой цвет. Хотя мы привыкли четко выделять цвет глаз у каждого человека – «коричневые глаза», «зеленые глаза», «голубые глаза» — на самом деле цвет и узор для каждой конкретной радужной оболочки глаза является уникальным. К примеру, даже два глаза одного и того же человека имеют два разных оттенка и узора своих радужных оболочек, тоже самое касается и глаз генетических близнецов.

Читайте также:  Как сделать так чтобы капилляр в глазу лопнул

Чтобы пройти такое биометрическое сканирование, уникальный узор вашей радужной оболочки должен быть распознан, что позволит дать позитивный ответ вашей идентификации. Это означает, что в сканировании радужной оболочки глаза присутствует две стадии: получение снимка вашего глаза (т.е. первый раз использования системы, когда она только учится распознавать уникальный узор вашего глаза) и подтверждение подлинности снимка (когда система уже имеет в своей базе снимок вашего глаза и сопоставляет его с текущим изображением вашей радужной оболочки).

Стадия 1: Получение снимка вашего глаза
Все, что нужно такой системе распознавания для верификации человека – это снимок его радужной оболочки глаза. Поэтому для запуска такой системы, каждый человек должен пройти единоразово фотографирование своих глаз. При этом процедура фотографирования происходит, как при обычном освещении, так и при невидимом инфракрасном (тип света, используемый в приборах ночного видения, который имеет чуть большую длину волн чем обычный красный свет).

Инфракрасный свет в сканировании радужной оболочки глаза помогает более точно распознать уникальность узора более темных глаз, что более трудно сделать при обычном освещении. Затем эти две цифровые фотографии, сделанные при разном типе освещения, подвергаются компьютерному анализу, в ходе которого удаляются ненужные детали (такие как ресницы) и выделяется около 240 особенностей в узорах радужных оболочек (приблизительно в 5 раз больше «особенностей для сравнения», чем используется в системах идентификации по отпечатку пальца). После этого, все найденные особенные характеристики для каждого глаза конвертируются в простой, цифровой номер, состоящий из 512 цифр (еще называемый IrisCode), который сохраняется в компьютерной базе вместе с вашим именем и другими деталями. Получение снимка вашего глаза происходит полностью в автоматическом режиме, и не занимает больше чем несколько минут.

Стадия 2: Подтверждение подлинности глаза
Как только фотография вашей радужной оболочки глаза занесена в базу данных, процесс вашей идентификации будет проходить легко и без особых затруднений. Вы просто становитесь напротив любого сканера радужной оболочки, подключенного к вашей базе данных, и проходите быструю процедуру повторного фотографирования глаза. Система быстро анализирует полученный снимок, выделяя из него ваш IrisCode, после чего запускается процедура сравнения сотен, тысяч или даже миллионов Iris кодов имеющихся в базе данных. Если ваш код совпадает с одним из кодов, занесенных в базу данных, вы проходите положительную идентификацию; в противном случае — вам не повезло. Это означает, что ваш снимок не знаком для системы, или вы просто пытаетесь себя выдать не за того, кем являетесь на самом деле.

Как при стадии № 1, так и при стадии № 2 происходит съемка радужной оболочки глаза и анализ ее ключевых особенностей. Ниже представлен упрощенный пошаговый процесс сканирования, разработанный в 90-х годах прошлого столетия, компьютерным ученым Джоном Догманом (John Daugman):

  1. Камера сканирует глаз человека и создает цифровую фотографию.
  2. Программное обеспечение пытается отделить радужную оболочку, рисуя два круга вокруг ее внутренних (между зрачком и радужной оболочкой) и внешних (между радужной оболочкой и белой склерой) границ. Внутреннюю границу, достаточно легко определить по резкому изменению яркости на участке соединения радужной оболочки со зрачком. В такой же самый способ, определяются и внешние границы радужной оболочки, однако здесь стоит учитывать, что правильности определения может помешать недостаточно широко открытое веко.
  3. Затем на изображение накладываются полярные координаты (концентрические круги и лучеобразные линии), чтобы выделить отдельные зоны для анализа. Таким образом, собираются ключевые особенности радужной оболочки, которые впоследствии будут сравниваться при вашей повторной идентификации. При этом, система полностью учитывает при анализе радужной оболочки то, что зрачок человеческого глаза может изменять размер в зависимости от степени освещенности, тем самым изменяя размеры и радужной оболочки.
  4. Узор, состоящий из светлых и темных областей радужной оболочки глаза, затем конвертируется в цифровую форму при помощи полосно-пропускного фильтра (грубо говоря, если яркость в определенной области больше определенного количества, фильтр присваивает ей значение 1, если меньше — 0), после чего вступает в действия математика, которая конвертирует полученные данные в уникальный, цифровой IrisCode. При этом, каждый глаз будет всегда генерировать почти одинаковый код, вне зависимости от того, расширен зрачок или нет.

Наиболее весомым преимуществом сканирования радужной оболочки глаза является надежность и точность данного способа: по подсчетам, он в десять раз превосходит по точности сканирование отпечатка пальца (согласно данным, ошибочная идентификация происходит 1 раз на 1-2 миллионов проверок, тогда как идентификация по отпечатку пальца может допускать 1 ошибку за каждые 100 тысяч сканирований). Помимо этого, кожа пальцев открыта для внешнего воздействия и постоянно подвержена повреждениям, тогда как радужная оболочка глаза природно защищена роговой оболочкой (передняя, прозрачная оболочка глаза), а ее уникальный узор может оставаться в неизменном состоянии на протяжении десятилетий (но не обязательно всей жизни). В отличии от сканеров отпечатков пальцев, где нужен прямой контакт и безупречная чистота, сканеры радужной оболочки применяются без прямого контакта на небольшом расстоянии от глаза.

Наиболее весомыми недостатками сканирования радужной оболочки глаза, являются более высокая начальная стоимость, а также недостаток тестирования данной технологии (некоторые исследования, к примеру, выявили больший процент ошибок в распознавании, чем заявлялось ранее). Помимо этого, правозащитные организации высказали озабоченность нарушением прав на приватность – они считают, что данную технологию в будущем можно «научить» тайно распознавать человека (с дистанции в несколько метров), без его на то согласия или участия.

источник

Технологии сканирования и распознавания радужной оболочки и сетчатки глаза — надежные методы биометрической идентификации. Они обладают различными характеристиками, которые оказывают сильное влияние на их производительность в зависимости от условий окружающей среды и целей внедрения. Оба биометрических метода используют бесконтактные сканеры, но между распознаванием радужной оболочки и сканированием сетчатки глаза есть и заметные различия. Одно из этих различий заключается в том, что распознавание радужной оболочки считается неинвазивным методом, а сканирование сетчатки глаза — инвазивным, так как во время процесса сканирования в глаза попадают лучи видимого света.

Эти биометрические технологии идентификации часто неправильно воспринимаются как одно и то же, несмотря на их отдельные отличия. В этой статье мы обсудим различия между этими двумя технологиями, которые сегодня активно внедряют в системы контроля доступа.

Сетчатка глаза человека представляет собой тончайшую ткань, состоящую из нервных клеток, расположенных в задней части глаза. Из-за сложного расположения капилляров, питающих сетчатку кровью, сетчатка каждого человека является уникальной. Сеть кровеносных сосудов в сетчатке настолько сложна, что отличается даже у идентичных близнецов. Рисунок сетчатки может измениться в результате развития таких заболеваний как, например, сахарный диабет или глаукома, однако, в остальных случаях сетчатка, как правило, остается неизменной с момента рождения до самой смерти.

Биометрическая технология сканирования сетчатки используется для отображения уникального рисунка сетчатки человека. Кровеносные сосуды внутри сетчатки поглощают свет с большей интенсивностью, чем окружающие ткани, поэтому их легко идентифицировать. Сканирование сетчатки глаза осуществляется путем проецирования невоспринимаемого глазом луча инфракрасного света в глаз человека через окуляр сканера. Поскольку кровеносные сосуды сетчатки абсорбируют этот свет интенсивнее, чем остальные части глаза, во время сканирования создается определенный узор, который преобразуется в компьютерный код и сохраняется в базе данных. Сканирование сетчатки также имеет медицинское применение. Такие инфекционные заболевания как СПИД, сифилис, малярия, ветряная оспа, а также такие наследственные заболевания как лейкемия, лимфома и серповидно-клеточная анемия оказывают свое воздействие на глаза. Беременность также влияет на глаза. Кроме того, признаки хронических заболеваний, таких как хроническая сердечная недостаточность или атеросклероз, также сначала проявляются в глазах.

Биометрические системы идентификации на основе сканирования сетчатки глаз в основном используются в государственных учреждениях с высокой степенью защиты, таких как ФБР, ЦРУ и NASA. Одна из причин, почему биометрические решения идентификации на основе считывания сетчатки глаз не были широко распространены — это их высокая стоимость.

Радужная оболочка глаза человека представляет собой тонкую круглую структуру глаза, которая отвечает за контроль размера и диаметра зрачков и, следовательно, количество света, попадающего на сетчатку. «Цвет глаз» — это цвет именно радужной оболочки глаза.

Распознавание радужной оболочки глаз представляет собой автоматизированный метод биометрической идентификации, который использует математические методы для распознавания уникального рисунка радужной оболочки глаз того или иного человека.

В отличие от сканирования сетчатки глаза, для распознавания радужной оболочки применяется технология использования едва уловимой инфракрасной подсветки, позволяющей получить изображения сложной структуры радужной оболочки глаза. Сотни миллионов людей в странах по всему миру, в целях безопасности и удобства, уже зарегистрированы в системах распознавания радужной оболочки глаза.

Использование биометрической технологии распознавания радужной оболочки глаза для идентификации пациентов в здравоохранении стремительно растет — вслед за применением в сфере пограничного контроля, в системах контроля доступа и учета рабочего времени. Благодаря сочетанию надежности, точности, скорости и относительно низким затратам (плюс тот факт, что технология является бесконтактной и неинвазивные), технология распознавания радужной оболочки глаз приобретает все большую популярность в качестве решения индивидуальной идентификации в широком спектре отраслей промышленности. Еще одним преимуществом радужной оболочки глаза в целях идентификации является неизменность ее структуры в течение десятилетий после первоначальной регистрации.

В заключение, давайте рассмотрим различия между технологиями распознавания радужной оболочки и сканирования сетчатки глаза:

  • Точность сканирования сетчатки может зависеть от заболевания; структура радужной оболочки является более стабильной.
  • Распознавание радужной оболочки похоже на фотосъемку и может быть сделано с расстояния; в то же время сканирование сетчатки требует очень близкого приближения глаза к окуляру.
  • Распознавание радужной оболочки получило более широкое признание в коммерческой среде, чем сканирование сетчатки глаза.
  • В то время как обе эти технологии являются бесконтактными, сканирование сетчатки глаза считается инвазивной технологией, поскольку подразумевает попадание в глаза лучей видимого света, тогда как распознавание радужной оболочки является неинвазивным.

Важно понимать различия между сканированием сетчатки глаза и распознаванием радужной оболочки, если вы планируете инвестировать в биометрию и ожидаете высокую отдачу от инвестиций. Мы надеемся, что смогли четко указать на различия между этими двумя современными технологиями безопасности.

источник

Источники:
  • http://habr.com/post/261309/
  • http://www.techportal.ru/glossary/kontrol-dostupa-po-setchatke-glaza.html
  • http://meduniver.com/Medical/ophtalmologia/uzi_glaz.html
  • http://itdistrict.ru/iris-scanning-chto-eto-skanirovanie-raduzhnoy-obolochki-glaza/
  • http://worldvision.com.ua/articles/raznitsa-mezhdu-raduzhnoy-obolochkoy-i-setchatkoy-glaza-v-sfere-biometricheskoy-identifikatsii