fingerprint identification system
DESCRIPTION
Fingerprint Identification System. Készítette: Venczel Viktor BMF-NIK 2007. december. Bevezetés. Mi az a biometria és miért van szükség rá? Típusai: Hanganalízis Kézgeometria elemzés Retinavizsgálat Íriszdiagnosztika Ujjlenyomat azonosítás Arcfelismerés Arcthermogram - PowerPoint PPT PresentationTRANSCRIPT
Fingerprint Identification System
Készítette: Venczel ViktorBMF-NIK
2007. december
Bevezetés• Mi az a biometria és miért van szükség rá?• Típusai:– Hanganalízis– Kézgeometria elemzés– Retinavizsgálat– Íriszdiagnosztika– Ujjlenyomat azonosítás– Arcfelismerés– Arcthermogram
• Miről szól ez a project?
Mik a biometria előnyei?• A módszer ténylegesen magát a személyt azonosítja, nem olyan közvetett
jellemzőket ellenőriz, mint jelszó vagy kulcs, amelyek eltulajdoníthatóak vagy megfejthetőek.
• Megfelelő eszköz, illetve technológia alkalmazásával meg lehet győződni arról, hogy a mintavételezés valós élő személytől származik, ezzel jelentősen csökkentve a megtévesztés lehetőségét.
• Lehetőség lehet csendes riasztásra, ha például ujjnyomat leolvasásnál másik ujját, vagy hangazonosításnál más jelszót használ a kényszerített személy
Mik a biometria hátrányai?• A legtöbb módszer speciális hardvert igényel, amelyek ára jelenleg még elég magas.
• Fogyatékos emberek esetén a módszer esetleg nem alkalmazható.
• Higiéniai szempontból a fizikai kontaktust igénylő megoldások problémásak lehetnek.
• A vizsgált jellemzők az idő múlásával, betegség illetve sérülés következményeként
változhatnak.
• Visszajátszásos megtévesztés lehetséges több esetben is, például hangalapú
azonosítás során, amely támadási mód nem minden esetben védhető ki, és ahol
kivédhető ott is drága.
• Jogi, adatvédelmi kérdéseket vethet fel, ha a leolvasás akár távolról, az adott személy
beleegyezése nélkül is megtörténhet (például arc-azonosítás).
Alapfogalmak
• Az azonosítás vagy autentikáció fajtái:– Matching, összehasonlítás– 1:1 matching, verifikáció– 1:N matching, identifikáció, felismerés
• Az azonosítás megbízhatóságának mérőszámai:– Pozitív – Negatív – FAR, FRR, EER– ROC (Receiver Operating Characteristic)
Ujjlenyomat leolvasás
• Hogy működik?• Daktiloszkópia, ujjlenyomattan–Papilláris vonalak, fodor szálak– Egyediek–Nem változnak
Ujjlenyomat leolvasó szenzorok
• Szenzorok típusai– Optikai– Nyomás érzékeny– Hő érzékeny– Ultrahangos
• Fontos tulajdonság– Élőujj és ujjlenyomat replika detektálás
• Problémák
Leolvasási problémákPárokban ugyanannak az ujjlenyomatnak különböző változatai
Ujjlenyomat globális jellemzői
• Fodor szálak, jellemző mintáik, szinguláris pontok Boltozat (arch)(3%) Hurok (loop)(72%) Örvény (whorl)(25%)
Modulterv• Két fő állapot:– Beviteli állapot:
• 1. Beolvasó modul• 2. Előfeldolgozó modul• 3. Elemző modul
– Összehasonlító állapot• 1. Beolvasó modul• 2. Előfeldolgozó modul• 3. Elemző modul• 4. Összehasonlító modul
Beviteli modulterv
Beolvasó modul
Képi információUjjlenyomat mint
kép átadása
Minucia adatok beszúrása Elemző
modulAdatbázis
Előfeldolgozó modul
Binarizált, tiszta kép küldése
Azonosító + egyéb személyes adatok
Azonosító + egyéb személyes adatok
beszúrása
Összehasonlító modulterv
Beolvasó modul
Képi információUjjlenyomat mint
kép átadása
Minucia adatok küldése Elemző
modul
Elfogadás jelzése
Visszautasítás
jelzése
Összehasonlító modul
Előfeldolgozó modul
Binarizált, tiszta kép küldése
Azonosító
Azonosító / Adatok
Adatbázis
Ujjlenyomatok feldolgozása
Ujjlenyomatok feldolgozása
• Kép elmosása– Lineáris alul-áteresztő szűrő• Átlagoló szűrő
– Nem lineáris szűrő• Medián szűrő
Ujjlenyomatok feldolgozása
• Gradiensek meghatározása– Sobel operátor– Roberts keresztoperátor– Kirsch operátor
Ujjlenyomatok feldolgozása• 1. Osszuk fel a bemeneti képet × méretű blokkokra. 𝑊 𝑊• 2. Számoljuk ki a gradienst Gx és Gy minden pixelre minden
blokkban. • 3. Meghatározzuk a lokális orientációját minden pixelnek (i,j)• 4. Kiszámítjuk az orientációs-mező konzisztencia szintjét az
(i,j) blokk lokális szomszédságában • 5. Ha a konzisztencia szint egy adott Tc küszöb felett van,
akkor e terület körül újra kell számolni a lokális orientációkat kisebb felbontással, egészen addig, amíg a 𝐶(i,j) nem lesz alacsonyabb, mint a meghatározott érték.
Ujjlenyomatok feldolgozása
Eredeti kép Lokális orientációk
Ujjlenyomatok feldolgozása
• Binarizálás– Küszöb meghatározása– Szkennelési hibák– Lokálisan változó küszöbölés– Niblack algoritmus
Ujjlenyomatok feldolgozása
• Vékonyítás, thinning– Alaktani vékonyításhoz használt maszkok– 90°-os elforgatottak– 8 ciklus
• Eredménye
Ujjlenyomatok feldolgozása
• Minuciák keresése a képen• Minuciák alaptípusai– Végződések– Elágazások
Ujjlenyomatok feldolgozása
• Hamis minuciák kiszűrése– Kép szélein talált minuciák figyelmen kívül
hagyása– Két egymással szemben lévő végződés– Fodor szálak orientáltságára merőleges vonalak– Rövid izolált szálak– Sok minucia egy kis területen feltételezhetően
valamilyen(pl.: égési) sérülés következménye
Ujjlenyomatok feldolgozása
• Minucia adatok tárolása– Polár koordináta
– Súlyozott irányítatlan gráf, egymáshoz viszonyított helyzet
Ujjlenyomatok feldolgozása
• Minucia adatok eltárolása, új felhasználó hozzáadása a rendszerhez
• Minucia adatok kiolvasás az adatbázisból felhasználói név alapján összehasonlítás céljából
• Adatbázis védelme, kódolása
Ujjlenyomatok feldolgozása
• Minucia adatok összehasonlítása• Egyezés esetén ellenőrzés• Határoló terület• Elasztikus nyúlás• Eredmény jelzése
Egyéb technikák
• Fodorszál követés:a lokális maximum kiválasztásából és az adott irányban való továbbhaladásból áll
Maszkolás hatása
Egyéb technikák
• FingerCode
középponttól kifelé koncentrikus körökre felosztás és azok feldara-bolása
Irodalomjegyzék• 1. Orvos Péter, Vitárius Gergely. Biztostű. Biztostű. [Online] 2004.. Október
28. ] http://www.biztostu.hu/. • 2. Biometrikus zárak :: Általános biometriai szakkifejezések szószedete:.
Donáció 2003 Bt. [Online] 2005. http://www.biolock.hu/dict.shtml. • 3. Anil K. Jain, Salil Prabhakar, and Arun Ross. Fingerprint Matching: Data
Acquisition and Performance Evaluation. Michigan State University 1999. MSU-CPS-99-14.
• 4. Bordás Henrik, CHRIS - Capacity sensor based Human Recognition and Image processing System, 2001 http://roberta.obuda.kando.hu/iar/2001_2002/afis/index.html