Detección de vida vía software en imágenes de iris ... - ATVS
Detección de vida vía software en imágenes de iris ... - ATVS Detección de vida vía software en imágenes de iris ... - ATVS
Figura 18. Espectro de potencia de imágenes en sus direcciones primarias.Figura 19. Serie de valores de los coeficientes de Fourier.En la figura 19 observamos la serie de valores de los coeficientes de Fouriercorrespondiente a la perpendicular de la dirección predominante en la imagen,calculada usando las máscaras direccionales.Para este algoritmo surgió la duda de comparar una imagen original con sufalsificación en iguales condiciones, es decir, para cada imagen y su falsificaciónanalizar la misma dirección. No obstante el análisis que se realiza en este proyectoes estadístico y no por parejas, por ello no creímos que fuese necesario implementar40
para esta medida el análisis de la las imágenes por parejas, sino que el análisisindividual es el apropiado.Esta última afirmación lo hacemos en consonancia con el objetivo del proyecto, quees un algoritmo que sea capaz de, con una sola muestra, identificar la imagencomo real o sintética. Por esto no podemos plantearnos analizar las imágenesfalsas en relación con sus supuestas originales, ya que el atacante al sistemas no nosva a proporcionar previamente la muestra original que planea suplantar.Información de espectro global (MCI20) [29]: estima el movimiento y laborrosidad simultáneamente considerando información espectral total de la imageny la relación entre aérea de iris y total de la imagen (hace uso para ello del MCI19).5.2.3 PARÁMETROS DE OCLUSIÓNEstas medidas tratan de de detectar qué áreas del iris están ocluidas por algún elementoexterno como son los párpados o las pestañas.Región de interés (MCI3) [6]: Analiza el valor medio de los píxeles en una región situada50 píxeles sobre el centro de la pupila. Este procedimiento se muestra en la siguientefigura.Figura 20. Región de interés usada para estimar el MCI3Con esta medida podríamos entrar en la misma disyuntiva que la medida MCI5, delas medidas agrupadas en parámetros de movimiento, si deberían ser analizadas lasimágenes por parejas o no ya que para esta medida es necesaria una segmentaciónprevia y se supone deberían poseer ambas las mismas medidas y posiciones de irisy pupila. No obstante, al igual que se comentó anteriormente el análisis debe serindividual, incluso el error en el segmentador puede ser considerado como unaayuda para la detección de muestras sintéticas.41
- Page 3: SISTEMA DE DETECCIÓN DE VIDA VÍA
- Page 7: Agradecimientos:Quiero agradecer en
- Page 11 and 12: INDICE DE CONTENIDOSIndice de figur
- Page 13: INDICE DE FIGURASFigura 1. Iris, pu
- Page 16 and 17: forma que se consiga aumentar la co
- Page 18 and 19: mostrando el estado del arte en el
- Page 21 and 22: 2. INTRODUCCIÓN A LABIOMETRÍABiom
- Page 23 and 24: desarrollado sistemas que trabajan
- Page 25 and 26: 2.3. SISTEMAS BIOMÉTRICOSUn sistem
- Page 27 and 28: 2.4. FUNCIONAMIENTO DE LOS SISTEMAS
- Page 29: Figura 3. Ejemplo de curvas de FAR,
- Page 32 and 33: 3.2. EVOLUCIÓN EN EL TIEMPOEl conc
- Page 34 and 35: Epitelio posterior pigmentado, comp
- Page 36 and 37: Aun con estos sistemas, es necesari
- Page 38 and 39: Figura 11. Ejemplo de detección de
- Page 41 and 42: 4. ATAQUES A SISTEMASAUTOMÁTICOS D
- Page 43 and 44: detectados, pudiendo cambiar los va
- Page 45: Por otro lado los investigadores We
- Page 48 and 49: Figura 14. Diagrama general del sis
- Page 50 and 51: Potencia de altas frecuencias 2 (MC
- Page 52 and 53: La figura 15 muestra como sensiblem
- Page 56 and 57: Relaciones de distribución de frec
- Page 58 and 59: Relación entre iris e imagen (MCI1
- Page 60 and 61: Contraste local (MCI13): nueva prop
- Page 62 and 63: Para la clasificación de las imág
- Page 64 and 65: Figura 30. División de la base de
- Page 67 and 68: Los objetivos principales marcados
- Page 69 and 70: Figura 32. Histogramas par a las me
- Page 71 and 72: histograma con distribuciones muy s
- Page 73: Se pueden sacar varias conclusiones
- Page 76 and 77: menor tiempo de cálculo (a menor n
- Page 78 and 79: [15] J. Daugman. How iris recogniti
- Page 80 and 81: [46] M. Lane and L. Lordan. Practic
- Page 83: PLIEGO DE CONDICIONESEste documento
- Page 86 and 87: Condiciones particularesLa empresa
- Page 89: ANEXO I: PUBLICACIONESEl trabajo pr
Figura 18. Espectro <strong>de</strong> pot<strong>en</strong>cia <strong>de</strong> imág<strong>en</strong>es <strong>en</strong> sus direcciones primarias.Figura 19. Serie <strong>de</strong> valores <strong>de</strong> los coefici<strong>en</strong>tes <strong>de</strong> Fourier.En la figura 19 observamos la serie <strong>de</strong> valores <strong>de</strong> los coefici<strong>en</strong>tes <strong>de</strong> Fouriercorrespondi<strong>en</strong>te a la perp<strong>en</strong>dicular <strong>de</strong> la dirección predominante <strong>en</strong> la imag<strong>en</strong>,calculada usando las máscaras direccionales.Para este algoritmo surgió la duda <strong>de</strong> comparar una imag<strong>en</strong> original con sufalsificación <strong>en</strong> iguales condiciones, es <strong>de</strong>cir, para cada imag<strong>en</strong> y su falsificaciónanalizar la misma dirección. No obstante el análisis que se realiza <strong>en</strong> este proyectoes estadístico y no por parejas, por ello no creímos que fuese necesario implem<strong>en</strong>tar40