David Lukman Univerza v Ljubljani Fakulteta za elektrotehniko

1. David Lukman Univerza v Ljubljani Fakulteta za elektrotehniko Seminarska naloga pri predmetu strojni vid

2. RAZPOZNAVANJE OSEB • Biometrika – razpoznavanje oseb na osnovi telesnih oz. vedenjskih značilnosti

3. Razvrstitev biometričnih metod • Glede na varnost • prvi nivo: kar imaš (ključi, kartice,… ) • drugi nivo: koda (geslo, številka,… ) • tretji nivo: predmet + koda • četrti nivo: biometrične metode

4. Razvrstitev biometričnih metod • Glede na lastnosti osebe: • telesne lastnosti • vedenjske lastnosti

5. Zahtevane lastnosti bioloških značilnosti • univerzalnost • edinstvenost • stalnost • merljivost Pogosto zaželjene zahteve: • učinkovitost • sprejemljivost • ukanljivost

6. Nekateri osnovni pojmi • Verifikacija • Ali je ta res ta? • Identifikacija • Kdo je to?

7. Vrednotenje napak • Napačno sprejete osebe • Napačno zavrnjene osebe Vrednost je še najbolj odvisna od praga

8. Matematično ozadje Zapis predlog z eksplicitno podanimi vrednostmi značilk Predloga značilk – sestavljena iz povprečnih vrednosti Metrika – definiramo razdalje: Med več meritvami iste osebe: Med predlogami različnih oseb:

9. Matematično ozadje Na osnovi teh dveh razdalj dobimo dve ovojnici verjetnosti: Naravnih razdalj FNAR Medsebojnih razdalj FMED Te vrednosti normiramo, in s tem dobimo krivuljo delovnih lastnosti sprejemnika, katere koordinate so določene [RNU(), RNNU()], kjer:

10. Matematično ozadje Če je število oseb veliko, jih razvrstimo v podskupine. Na osnovi tega lahko definiramo koeficient izboljšanega iskanja: Kjer je E število predvidenih primerjav in M število oseb Definiramo pa lahko še koeficient nedoslednosti razvrščanja v podmnožice:

11. Matematično ozadje Zapis predlog z implicitno podanimi vrednostmi značilk – vzorčna predloga je predstavljena z vektorjem: Vsoto računamo kot vsoto istoležnih ujemajočih vrednosti

12. Matematično ozadje Povprečna vsota razdalj: Referenčna predloga (tista z najmanjšo razdaljo do ostalih predlog)

13. Pregled posameznih metod

14. Prstni odtisi • Zajem slike • Optični, toplotni, kapacitivni, ultrazvočni senzorji • Obdelava slike • Binarizacija, tanjšanje, izločanje šuma • Pojmi v zvezi s prstnimi odtisi • Greben, dolina, obok, spirala, otoček, elipsa, vilice, zanka

15. Prstni odtisi Dva globalna pristopa: • Mikroskopski (minutae) Iskanje posebnosti, orientacija posebnosti, primerjanje medsebojnih leg • Makroskopski (statistični) V praksi ponavadi kombinacija obeh

16. Geometrija dlani • Imamo 96 značilk (dolžina prstov, debelina dlani, prostor med prsti, … • Ponavadi uporabljamo ta postopek za verifikacijo • Senzor je narejen tako, da se dlan položi med že prej postavljene čepke, sistem pa potem zajame binarno sliko od spodaj in iz strani • Zaradi spreminjanja geometrije rok (staranje), je uveden še dodatni prag, ki upošteva te spremembe (da ne pride do prepogostih zavrnitev)

17. Slika obraza • Ljudje to počnemo ves čas • Pri zajemu slike je potrebno upoštevati omejitve ali pa je sliko potrebno čimbolj obdelati • Podobno kot pri prstnih odtisih poznamo dva globalna pristopa – mikroskopski in makroskopski • Postopki razpoznave • Statistične • Z nevronskimi mrežami • Z uporabo drevesnih struktur in grafov

18. Toplotna slika obraza • Toplotna slika je posledica pretoka krvi skozi glavo • Toplotna slika je neodvisna od osvetljenosti prostora • Toplotna slika je občutljiva na zdravstveno stanje, uživanje substanc… • IR kamere v prostor ne sevajo nobene energije • Dve možnosti zajema slike: • S cenejšo kamero • Z dražjo kamero (bolj zanesljivi rezultati) • Možno določiti 175 značilk

19. Toplotna slika obraza Postopek identifikacije • Zajem slike • Izločanje ozadja, šuma,… • Razdelitev slike na manjša področja, obravnavamo vsakega posebej • Dva pristopa razpoznave: • Prileganje modelov • Prileganje značilnosti

20. Očesna mrežnica • Eden najzaneslivejših postopkov • Postopek identifikacije: • Zajem slike in predobdelava • Ujemanje – zavrnitev ali potrditev • Predstavitev – predloga značilk posamezne osebe • Dva načina izdelave predloge • FFT transformacija sivih odtenkov – 40 bajtna predloga • Obdelava v časovno krajevnem prostoru – 48 bajtna predloga • Vpliv osvetljenosti in odprtja zenične odprtine je možno odpraviti z normiranjem

21. Šarenica • Glavni koraki postopka • Lociranje očesa • Filtriranje • Izdelava predloge • Zajem slike v praksi na kratkih razdaljah (do 50 cm) • Možno določiti 250 – 350 različnih parametrov • Postopek zaradi krožne oblike vršimo v polarnem koordinatnem sistemu

22. Oblika ušes • Zaradi zapletene oblike ušes je postopek dokaj zapleten • Merimo 12 specifičnih vrednosti na točno določenih mestih • Največji problem je obdelava slike (rotacija, normiranje, …) • Sami postopki temeljijo na prilagajanju vzorcev, zahtevnejša in zanesljivejša metoda pa je metoda grafov zgrajenih na osnovi Gaussove piramidne predstavitve gradientov.

23. DNK • Metoda zaenkrat ni primerna za širšo uporabo, ker je postopek drag in zapleten in zahteva poseg v telo • Zgradba DNK sewstoji iz vrste osnovnih enot, ki se imenujejo nukleotidi. Sestavljeni so iz štirih spojin: Adenina, Citozina, Guanina in Timina. Specifično zaporedje teh določa genske lastnosti vsakega človeka. Med seboj se povezujejo pari A in T ter C in G Npr: TGCCAGTCAT ACGGTCAGTA

24. DNK Dve vrsti analize: • RFLP (Restriction Fragment Lenght Polymorphism) S to metodo lahko potrdimo, da dva vzorca DNK ne pripadata isti osebi. Postopek ni primeren za identifikacijo • PCR (Polimerase Chain Reaction) Zahteva globje znanje o DNK

25. Razpoznavanje govorcev • V praksi je več raziskav usmerjenih v razpoznavanje govora (v smislu razumevanja sporočila) in pa prenosu govornih informacij • Razpoznavanje govorcev je primernejše za verifikacijo • V praksi določimo značilke tako, da oseba izgovori neko točno določeno frazo, ta signal pa nato obdelamo

26. Primerjava različnih metod • Primerjavo vršimo na osnovi številnih kriterijev (varnost, čas, zapletenost, potrebnost sodelovanja osebe, cena, učinkovitost) • Zaenkrat sta v povprečju najboljši metodi razpoznavanje na osnovi šarenice in IR slike obraza.

27. Zaključek • Z razvojem tehnologije se veča možnost učinkovite uporabe biometričnih sistemov • Trenutno zelo popularno zaradi situacije v svetu • Vprašanje zlorabe in omejenavnje svobode posameznika

28. Literatura • A. Jain, R. Bolle, S. Pankanti: Biometrics Kluwer Academic publishers, 1999 • Marko Knez, Razpoznavanje oseb na osnovi analize vzorcev šarenice, Magistrska naloga, FE, 2000