Wstęp do biometrii
Punkty charakterystyczne twarzy
Punkty charakterystyczne twarzy
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Wstęp</strong> <strong>do</strong> <strong>biometrii</strong><br />
Przemysław Strzelczyk<br />
prof. Andrzej Pacut<br />
Pracownia Biometrii<br />
Naukowa i Akademicka Sieć Komputerowa<br />
(NASK)<br />
informatyka +<br />
2
Czym jest biometria?<br />
Biometria w szerszym znaczeniu:<br />
– od grec. bios = „życie”, metron = „pomiar”<br />
– pomiar własności istot żywych<br />
– różnorodny cel pomiaru (np. diagnostyka medyczna)<br />
Biometria w węższym znaczeniu:<br />
– Pomiar własności biologicznych lub behawioralnych<br />
człowieka<br />
– Cel: automatyczne rozpoznawanie osób
Biometria a uwierzytelnianie<br />
Uwierzytelnianie (z ang. authentication) to:<br />
– Ustalanie tożsamości – identyfikacja (porównanie 1:N)<br />
– Potwierdzanie tożsamości – weryfikacja (porównanie 1:1)<br />
Czynniki uwierzytelniające:<br />
- wiedza (coś co wiem – np. hasło, PIN)<br />
- posiadanie (coś co mam – np. paszport)<br />
- cechy biologiczne (coś co mnie charakteryzuje)
Podstawowe pojęcia<br />
związane z biometrią<br />
• Modalność – typ własności biologicznych jakie będziemy<br />
mierzyć (np. wygląd twarzy, kształt dłoni, układ linii<br />
papilarnych palca)<br />
• Próbka biometryczna - to co pobieramy z sensora, wynik<br />
pomiaru/obserwacji (np. zdjęcie twarzy, odcisk palca)<br />
• Cecha biometryczna – reprezentacja próbki<br />
biometrycznej, najczęściej skrócona (np. długość palców,<br />
położenie punktów charakterystycznych odcisków)<br />
• Wzorzec biometryczny – wyselekcjonowane cechy<br />
biometryczne lub model zbu<strong>do</strong>wany na ich podstawie, służące<br />
<strong>do</strong> porównań w uwierzytelnianiu
Modalności biometryczne<br />
Stosowane w praktyce modalności<br />
oparte o cechy fizyczne:<br />
- palec: odcisk, układ żył<br />
- dłoń: geometria 2D/3D, termika,<br />
układ żył, odcisk<br />
- twarz: geometria 2D/3D, termika<br />
- oko: siatkówka, tęczówka<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- DNA<br />
- zapach<br />
- ucho: geometria, termika<br />
Źródło: N.Miura, et al. Extraction of Finger-Vein Patterns Using<br />
Maximum Curvature Points in Image Profiles, IAPR Conf. On<br />
MVA May 16-18, 2005 Tsukuba Science City, Japan<br />
Odciski palców pobrane za pomocą różnych czytników<br />
(ultradźwiękowy, optyczny i naciskowy)
Modalności biometryczne<br />
Stosowane w praktyce modalności<br />
oparte o cechy fizyczne:<br />
- palec: odcisk, układ żył<br />
- dłoń: geometria 2D/3D, termika,<br />
układ żył, odcisk<br />
- twarz: geometria 2D/3D, termika<br />
- oko: siatkówka, tęczówka<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- DNA<br />
- zapach<br />
- ucho: geometria, termika<br />
Źródło: www.biometriclabs.pl,<br />
Pracownia Biometrii NASK<br />
Źródło: State of the Art. Biometrics<br />
Excellence Roadmap, MITRE, Tech.<br />
Rep. Vol 1. 2008<br />
Obraz z kamery termowizyjnej
Modalności biometryczne<br />
Stosowane w praktyce modalności<br />
oparte o cechy fizyczne:<br />
- palec: odcisk, układ żył<br />
- dłoń: geometria 2D/3D, termika,<br />
układ żył, odcisk<br />
- twarz: geometria 2D/3D, termika<br />
- oko: siatkówka, tęczówka<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- DNA<br />
- zapach<br />
- ucho: geometria, termika<br />
Rekonstrukcja 3D twarzy. Ł.Mirtecki,<br />
Pracownia Biometrii NASK i Politechjnika Wrocławska
Modalności biometryczne<br />
Stosowane w praktyce modalności<br />
oparte o cechy fizyczne:<br />
- palec: odcisk, układ żył<br />
- dłoń: geometria 2D/3D, termika,<br />
układ żył, odcisk<br />
- twarz: geometria 2D/3D, termika<br />
- oko: siatkówka, tęczówka<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- DNA<br />
- zapach<br />
- ucho: geometria, termika<br />
Zdjęcie dna oka.<br />
Źródło: University of<br />
Michigan<br />
Kellogg Eye Center<br />
Zdjęcie tęczówki.<br />
Źródło: Baza tęczówek<br />
BATH University
Modalności biometryczne<br />
Stosowane w praktyce modalności<br />
oparte o cechy fizyczne:<br />
- palec: odcisk, układ żył<br />
- dłoń: geometria 2D/3D, termika,<br />
układ żył, odcisk<br />
- twarz: geometria 2D/3D, termika<br />
- oko: siatkówka, tęczówka<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- DNA<br />
- zapach<br />
- ucho: geometria, termika<br />
Źródło: „Ear biometrics”<br />
w A.Jain, et al. Biometrics.<br />
Personal Identification in<br />
Networked Society,<br />
Kluwer, 1999
Modalności biometryczne c.d.<br />
Stosowane w praktyce modalności<br />
oparte o nasze zachowanie:<br />
- podpisu odręcznego<br />
- pismo ręczne<br />
- dynamika pisania na klawiaturze<br />
- głos (rozpoznawanie mówcy)<br />
Możliwe <strong>do</strong> wykorzystania:<br />
- fale mózgowe – EEG<br />
- oko: dynamika gałki ocznej,<br />
dynamika źrenicy<br />
- chód<br />
- gra w skojarzenia<br />
Elektroniczny tablet Motion Touch<br />
<strong>do</strong> składania podpisów odręcznych
Atrybuty <strong>do</strong>brej <strong>biometrii</strong><br />
• Unikatowość cech (wysoki stopień zróżnicowania)<br />
• Powszechność („każdy powinien ją mieć”)<br />
• Niezmienność cech (odporność na starzenie, choroby)<br />
• Mierzalność i powtarzalność pomiaru (możliwość<br />
łatwego i <strong>do</strong>kładnego pomiaru cechy)<br />
• Odporność na fałszerstwa<br />
• Akceptowalność (wygodny pomiar, biometria<br />
akceptowalna społecznie)
Schemat systemu biometrycznego
Biometria twarzy<br />
13 Hidden Faces Illusion<br />
informatyka + 14
Rozpoznawanie twarzy<br />
Fakty:<br />
- Dziecko rozpoznaje twarz matki już po 3 dniach od urodzenia<br />
- Rozpoznawanie twarzy jest słabo zależne od:<br />
- warunków obserwacji: oświetlenia, odległości, zasłonięć, kąta obserwacji<br />
- zmiennych elementów twarzy: mimiki, fryzury, ubrania, okularów, choroby, starzenia się<br />
Źródło: npx.autismspot.com/facial_expression.jpg
Rozpoznawanie twarzy<br />
Fakty:<br />
- Ludzki mózg jest „zaprogramowany” w specjalny sposób <strong>do</strong> wyszukiwania i<br />
rozpoznawania twarzy<br />
Przykłady parei<strong>do</strong>lii
Etapy automatycznego<br />
rozpoznawania twarzy 2D<br />
1. Monitorowanie otoczenia<br />
2. Detekcja i lokalizacja twarzy<br />
3. Wyizolowanie obrazu twarzy<br />
4. <strong>Wstęp</strong>ne przetwarzanie<br />
5. Wyszukiwanie indywidualnych cech osoby<br />
6. Porównywanie cech osoby ze wzorcami<br />
informatyka + 17
Detekcja twarzy<br />
Wyszukiwane cechy:<br />
- Kolor skóry<br />
- Tekstura skóry<br />
- Obecność elementów twarzy<br />
- Punkty charakterystyczne twarzy<br />
- Kontur twarzy<br />
skala chromatyczna von Luschan’a<br />
Używana <strong>do</strong> klasyfikacji koloru skóry<br />
Real Time Face Detector – CeBIT’ 2008<br />
informatyka + 18
Detekcja twarzy<br />
Wyszukiwane cechy:<br />
- Kolor skóry<br />
- Tekstura skóry<br />
- Obecność elementów twarzy<br />
- Kontur twarzy<br />
- Punkty charakterystyczne twarzy<br />
informatyka + 19
<strong>Wstęp</strong>ne przetwarzanie<br />
Normalizacja obrazu:<br />
- Skalowanie<br />
- Pozycjonowanie<br />
- Wyszukiwanie oczu, nosa,<br />
podbródka<br />
- Kompensacja obrotu<br />
informatyka + 20
Twarze własne (eigenfaces)<br />
Metoda eigenfaces:<br />
- Na podstawie zdjęć twarzy tworzony jest zbiór twarzy własnych odpowiadających<br />
kierunkom największych zmian na obrazie (na podstawie analizy skła<strong>do</strong>wych<br />
głównych – PCA)<br />
- Każda porównywana twarz przedstawiana jest jako suma ważona twarzy własnych i<br />
twarzy średniej<br />
- Wyliczone wagi są cechami twarzy<br />
informatyka + 21
Twarze Fishera<br />
Metoda fisher-faces:<br />
Twarze Fishera – kierunki największej separowalności twarzy<br />
- Po<strong>do</strong>bna <strong>do</strong> eigenfaces, zamiast PCA wykorzystana została Liniowa Analiza<br />
Dyskryminacyjna (LDA)<br />
- Twarze Fishera odpowiadają kierunkom największej separacji zdjęć twarzy<br />
różnych osób z uwzględnieniem zmienności w zdjęciach od tej samej osoby<br />
- Po<strong>do</strong>bnie jak w eigenfaces wagi są cechami twarzy<br />
informatyka + 22
Rozpoznawanie twarzy 3D<br />
Sposoby pozyskiwania danych:<br />
- użycie więcej niż jednej kamery (np. systemy stereoskopowe)<br />
- fotografie obiektu pod różnymi warunkami oświetleniowymi<br />
- laserowe pomiary odległości<br />
- użycie światła strukturalnego (widzialnego lub podczerwieni)<br />
- sekwencje obrazów (np. z wykorzystaniem kodu Graya)<br />
- obraz statyczny wielokolorowy<br />
- inne: ultradźwięki, skanery terahercowe, światło modulowane,<br />
metody wolumetryczne (np. tomografia komputerowa)<br />
Kolorowe światło strukturalne<br />
z unikatowymi kolorami <strong>do</strong><br />
rekonstrukcji 3D –www.dh.aist.go.jp<br />
Pozyskiwanie obrazu 3D przy pomocy monochromatycznego<br />
światła strukturalnego - http://www.eecs.berkeley.edu/~ravir/<br />
informatyka + 23
Dlaczego twarz?<br />
Zalety:<br />
+ Naturalny sposób rozpoznawania osób<br />
+ Sensorem jest zwykła kamera (2D) – niski koszt<br />
+ Duża szybkość <strong>do</strong>konywania pomiaru (2D)<br />
+ Biometria bezkontaktowa – możliwe rozpoznawanie na odległość<br />
Wady:<br />
- Wrażliwość na zmienne oświetlenie,<br />
- Problem z mimiką twarzy, okularami, zarostem i zmienną fryzurą<br />
- Wrażliwość na zmianę kąta obserwacji<br />
- Niska odporność na fałszerstwa<br />
- Osoby spokrewnione wyglądają po<strong>do</strong>bnie<br />
informatyka + 24
Biometria odcisku palca<br />
Ogromny kształt w kształcie odcisku palca zarejestrowany na<br />
powierzchni palca, źródło: Reuters
Elementy podstawowe odcisku<br />
grzbiety<br />
(ang. ridges)<br />
<strong>do</strong>liny<br />
(ang. valleys)<br />
informatyka + 26
Cechy globalne odcisku<br />
Punkty osobliwe:<br />
Odcisku syntetyczne<br />
wygenerowane przez<br />
program SFINGE<br />
wir pętla delta<br />
Rdzeń – najbardziej wysunięty na północ punkt osobliwy typu wir lub pętla<br />
Dla odcisków bez wiru lub pętli rdzeniem jest punkt<br />
największej krzywizny linii papilarnych.<br />
informatyka + 27
Klasyfikacja Henry’ego<br />
wir<br />
(27,9%)<br />
łuk zwykły pętla prawa pętla lewa<br />
(2,7%) (31,7%) (33,8%)<br />
gniaz<strong>do</strong><br />
centralne<br />
łuk uniesiony<br />
(2,9%)<br />
pętla<br />
podwójna<br />
ułożenie<br />
przypadkowe<br />
źródło: N. Yager, A. Amin, Fingerprint verification based on minutiae features. Pattern Anal. Applic. vol. 7, str. 94-113, 2004<br />
informatyka + 28
Klasyfikacja Henry’ego<br />
wir<br />
(27,9%)<br />
łuk zwykły pętla prawa pętla lewa<br />
(2,7%) (31,7%) (33,8%)<br />
gniaz<strong>do</strong><br />
centralne<br />
łuk uniesiony<br />
(2,9%)<br />
pętla<br />
podwójna<br />
ułożenie<br />
przypadkowe<br />
źródło: N. Yager, A. Amin, Fingerprint verification based on minutiae features. Pattern Anal. Applic. vol. 7, str. 94-113, 2004<br />
informatyka + 29
Lokalne cechy odcisku (detale Galtona)<br />
minucje podstawowe<br />
zakończenie rozwidlenie oczko odcinek skrzyżowanie styk boczny<br />
haczyk mostek mostek<br />
bliźniaczy<br />
linia<br />
przechodząca<br />
rozwidlenia<br />
wielokrotne<br />
Przykłady ze strony www.optel.com.pl<br />
informatyka + 30
Inne szczegóły odcisku<br />
pory<br />
(60-250 µm)<br />
zmienna<br />
grubość linii<br />
linie<br />
zdegenerowane<br />
zmarszczki brodawki blizny<br />
informatyka + 31
Metody pozyskiwania odcisku<br />
Metody pasywne (off-line)<br />
• Skanowanie odcisków z kart daktyloskopijnych<br />
• Fotografowanie lub skanowanie odcisków utajonych<br />
(ang. latent fingerprints)<br />
Metody aktywne (on-line)<br />
• Pojemnościowe<br />
• Optyczne<br />
• Naciskowe<br />
• Termiczne<br />
• Ultradźwiękowe<br />
• Bez<strong>do</strong>tykowe<br />
Zbieranie odcisków utajonych<br />
informatyka + 32
Czytniki pojemnościowe i naciskowe<br />
Czytnik pojemnościowy<br />
• Matryca kondensatorów o ładunku zależnym od<br />
odległości pomiędzy sensorem a powierzchnią palca<br />
• Poziom ładunku zamieniany na liczbę z zakresu<br />
0..255<br />
• Niski koszt wykonania czytnika<br />
• Niska odporność na zakłócenia<br />
• Wrażliwość na wilgotność palca<br />
• Dokładność maleje z powodu zanieczyszczeń<br />
• Typowa rozdzielczość 300 dpi<br />
Czytnik naciskowy<br />
• Matryca piezoelektrycznych sensorów nacisku<br />
• Siła nacisku przetwarzana na liczbę z zakresu 0..255<br />
• Brak wrażliwości na wilgotność<br />
• Mało istotna siła nacisku<br />
• Typowa rozdzielczość 400 dpi<br />
Przykła<strong>do</strong>we zdjęcia odcisków pobranych<br />
czytnikiem pojemnościowym (po lewej) i<br />
naciskowym (po prawej)<br />
informatyka + 33
Czytniki optyczne<br />
źródło światła<br />
podczerwonego<br />
pryzmat<br />
matryca CCD<br />
Czytnik optyczny<br />
• Wykorzystanie zjawiska całkowitego wewnętrznego<br />
odbicia na granicy dwóch ośrodków o różnym<br />
współczynniku załamania<br />
• Brak odbicia w miejscach styku linii papilarnych palca z<br />
czytnikiem<br />
• Kamera rejestruje obraz monochromatyczny (odcienie<br />
szarości)<br />
• Typowa rozdzielczość 4001000 dpi<br />
Przykła<strong>do</strong>wy odcisk pobrany<br />
za pomocą czytnika<br />
optycznego<br />
informatyka + 34
Czytniki termiczne<br />
Czytnik termiczny<br />
• Pomiar temperatury palca<br />
przesuwanego w kierunku<br />
prostopadłym <strong>do</strong> matrycy<br />
sensorów (np. 8 x 300<br />
sensorów)<br />
• Przetwornik analogowo-cyfrowy<br />
porównuje temperatury<br />
zmierzone w kolejnych chwilach<br />
(<strong>do</strong> 1800 pomiarów na<br />
sekundę)<br />
• Mały rozmiar sensora (50µm) i<br />
wysoka rozdzielczość<br />
uzyskiwanego obrazu (500 dpi)<br />
• Dokładność zależy od<br />
szybkości skanowania<br />
• Istotna jest stała szybkość<br />
przesuwania palca<br />
informatyka + 35
Czytniki ultradźwiękowe<br />
Czytnik ultradźwiękowy<br />
• Wykorzystuje zjawisko zmiany<br />
rozkładu fal ultradźwiękowych na<br />
granicy dwóch ośrodków<br />
• Odczyt odpowiedzi (odbitej fali<br />
dźwiękowej) za pomocą<br />
poruszającej się koliście głowicy<br />
• Sygnał z głowicy przetwarza się na<br />
po<strong>do</strong>bnej zasadzie jak w<br />
tomografach odbiciowych<br />
• Rozdzielczość około 250 dpi.<br />
• Rozwiązanie drogie i<br />
skomplikowane.<br />
• Możliwość badania żywotności<br />
palca poprzez analizę rozproszenia<br />
fal dźwiękowych głębiej w palcu<br />
(po<strong>do</strong>bnie jak w USG)<br />
Zasada działania czytnika<br />
ultradźwiękowego<br />
Przykła<strong>do</strong>wy odcisk<br />
pobrany za pomocą<br />
czytnika ultradźwiękowego<br />
Źródło: www.optel.com.pl<br />
informatyka + 36
Czytnik bez<strong>do</strong>tykowy<br />
• Obrazowanie 3D z wykorzystaniem<br />
szeregu sensorów CCD<br />
• Przekształcenie obrazu 3D <strong>do</strong> postaci<br />
akceptowalnej przez algorytmy<br />
porównujące odciski<br />
Czytniki bez<strong>do</strong>tykowe<br />
Czytnik TST Biometrics,<br />
Konferencja Biometrics, Londyn 2010<br />
Czytnik MORPHO,<br />
Konferencja Biometrics, Londyn 2010<br />
informatyka + 37
Przykła<strong>do</strong>we czytniki odcisków palców<br />
informatyka + 38
Dlaczego odciski palców?<br />
Zalety:<br />
+ Prawie każdy ma odciski palca - powszechność<br />
+ Cechy powierzchni palca są unikatowe dla każdego palca i dla każdej osoby (nawet<br />
pomiędzy bliźniętami jednojajowych cechy są różne, chociaż po<strong>do</strong>bne)<br />
+ Cechy są niezmienne w czasie<br />
+ Wygląd linii papilarnych umożliwia ich wstępną klasyfikację - grupowanie<br />
+ Niewielki koszt i prostota bu<strong>do</strong>wy czytników odcisków<br />
+ Duża szybkość <strong>do</strong>konywania pomiaru<br />
+ Prostota działania<br />
Wady:<br />
- Odciski palców wciąż kojarzą się z kryminalistyką<br />
- Niska odporność na fałszerstwa<br />
- Podatność na uszkodzenia<br />
- Pomiar zazwyczaj kontaktowy, a więc mało higieniczny<br />
informatyka + 39
Biometria tęczówki<br />
„Bezinwazyjna” identyfikacja biometryczna<br />
Źródło: film „Minority Raport”<br />
informatyka + 40
Krótka historia<br />
Afgańska dziewczynka<br />
Okładka National Geographic<br />
Magazine, 1985 r, fot. Steve McCurry<br />
Zdjęcie wykonane w 1984 r, w<br />
Pakistanie w obozie dla uchodźców z<br />
Afganistanu<br />
informatyka + 41
Krótka historia<br />
John Daugman stosuje swoją metodę<br />
<strong>do</strong> rozpoznania tożsamości<br />
dziewczynki<br />
Sharbat Gula, Afganistan, 1992<br />
informatyka + 42
Tęczówka – część oka<br />
informatyka + 43
Kolor i struktura tęczówki<br />
Źródła zabarwienia tęczówki:<br />
- Melanina (brązowe, czarne, szare, zielone)<br />
- Lipochromy (bursztynowe)<br />
- Selektywne rozpraszanie światła (niebieskie, piwne)<br />
- Hemoglobina we krwi (czerwony, różowe)
Pozyskiwanie zdjęcia tęczówki<br />
informatyka + 45
System <strong>biometrii</strong> tęczówki<br />
informatyka + 46
Przykła<strong>do</strong>we zdjęcie tęczówki<br />
informatyka + 47
Kamery <strong>do</strong> rejestracji zdjęć tęczówki<br />
informatyka + 48
Kamery <strong>do</strong> rejestracji zdjęć tęczówki<br />
informatyka + 49
Fazy segmentacji:<br />
Segmentacja obrazu oka<br />
- Wyszukiwanie środka źrenicy<br />
(najciemniejszy obszar)<br />
- Wykorzystanie operatora całkoworóżniczkowego<br />
<strong>do</strong> zlokalizowania granic<br />
źrenicy i tęczówki (aproksymacja okręgami)<br />
- Wykorzystanie aktywnych konturów <strong>do</strong><br />
<strong>do</strong>kładnego wytyczenia granic<br />
Działanie operatora całkowo-różniczkowego podczas<br />
wykrywania granic tęczówki<br />
informatyka + 50
Segmentacja obrazu oka<br />
Dodatkowe etapy segmentacji:<br />
- Usuwanie odblasków<br />
- Wykrywanie powiek i rzęs<br />
- Wykrywanie innych zakłóceń<br />
- Korekcja obrotu gałki ocznej Detekcja powiek: „How Iris<br />
Recognition Works”” IEEE Trans.<br />
CSVT 14(1) pp. 21-30, 2004<br />
Kompensacja obrotu gałki ocznej, źródło: „New methods in Iris<br />
Recognition”” IEEE Trans. On Systems, Man, and Cybernetics,<br />
Part B. Vol. 37, No. 5, October 2007<br />
Usuwanie zakłóceń<br />
odblasków ze zdjęcia oka,<br />
A.Czajka, Pracownia Biometrii<br />
NASK<br />
informatyka + 51
Wyznaczanie cech<br />
Wyliczanie cech:<br />
• Transformowanie obrazu <strong>do</strong> postaci<br />
biegunowej (zamiana na paski)<br />
• Filtrowanie każdego paska osobno za<br />
pomocą wybranych filtrów<br />
• Wyszukiwanie punktów<br />
charakterystycznych w przefiltrowanych<br />
paskach (np. punktów z zerową<br />
wartością,)<br />
• Cechami są położenia punktów<br />
charakterystycznych na paskach lub<br />
skwantowane wartości przefiltrowanego<br />
paska w określonych miejscach<br />
informatyka + 52
Dlaczego tęczówka?<br />
Zalety:<br />
+ Wysoki stopień zróżnicowania (nawet dla bliźniąt jednojajowych)<br />
+ Niezmienność w czasie<br />
+ Mniej podatna na uszkodzenia<br />
+ Pomiar bezkontaktowy, a więc higieniczny<br />
Wady:<br />
- Niska odporność na fałszerstwa<br />
- Wysoki koszt czytników<br />
- Pomiar kłopotliwy, niewygodny<br />
- Wymagane przeszkolenie z zasad użytkowania<br />
- Obawy związane z bezpieczeństwem dla oczu<br />
informatyka + 53
To już jest koniec<br />
Przemysław Strzelczyk<br />
Pracownia Biometrii<br />
Naukowa i Akademicka Sieć<br />
Komputerowa - NASK<br />
www.biometriclabs.pl<br />
przemek.strzelczyk@nask.pl<br />
informatyka + 54
Change language