Идентификация личности по радужной оболочке глаза

рис 9. Пример нормализованного изображения (512 x 64)

Дальнейшее  выделение признаков  радужной оболочки основано на  анализе  локальной  фазовой  информации  с  помощью  фильтров  Габора.

Использование фазовой информации исключает вредное влияние изменения  условий освещения. Поскольку фильтр Габора комплексный, результат будет иметь реальную и мнимую  части,  которые рассматривают отдельно (Рис 10) и (Рис 11).  Необходимо  хранить лишь  небольшое количество  битов для каждого кода  радужной  оболочки,  таким образом,  реальные  и мнимые  части квантуются.  Если  значение  в векторе результата больше нуля, то в код сохраняется единица; иначе ноль. Как только все строки  изображения были  отфильтрованы и квантованы,  можно сформировать новое черно-белое изображение, помещая все строки рядом (Рис 12).

рис 10. Реальная (а) часть ирис кода.

рис 11. мнимая (б) часть ирис кода.

рис 12. Результат выполнения квантования ирис кода (80 x 16).

В  результате  на  этом  этапе  получается  изображение  размером 80  на 16  бит  или кодовая  строка длиной 1280 бит, которая  затем  сравнивается с другим цифровым образом. Для  таких  образов  в  качестве  метрики  удобно  использовать  расстояние Хэмминга.  Таким  образом,  два  цифровых  образа  считаются  принадлежащими одному  пользователю,  если  расстояние  Хэмминга  между  ними  не  превосходит некоторой  заданной величины.

 

  

 

 

 

 

рис 13. Схема получения цифрового образа и работы ГКПНД на основе анализа рисунка радужной оболочки глаза

При  этом  ключ  R  генерируется  случайным  образом.  Затем  он обрабатывается кодом Рида-Соломона . В результате этих операций получается псевдо ирис код RS, который должен иметь такую же длину, что и реальный ирис-код – 1280 бит.  Далее полученный  псевдокод складывается  с настоящим ирис кодом w,  предъявленным пользователем при помощи  операции  побитового сложения по модулю 2: P = RS ⊕ w

Значение  P  записывается  на  смарт-карту  или  другой  физический  носитель вместе  со  значением  хэш-функции  от  ключа:  H(R).  Для  обеспечения  полной безопасности ключ R должен быть немедленно уничтожен.

При  прохождении  процедуры  аутентификации  пользователь  вновь  предъявляет  образец  радужной  оболочки  глаза  w’  для  того,  чтобы  получить значение,  близкое  к  исходному  ключу.  После  применения  операции  побитового сложения по модулю 2 с хранящимся на смарт-карте значением P и применения к 30 полученному  результату  кода  Рида-Соломона  получается  ключ  R',  идентичный ключу R  в  том  и  только  в  том  случае,  если  значения w  и w’  достаточно  близки. Далее  значение  хэш-функции  сравнивается  со  значением,  хранимым  на  смарт-карте,  и  делается  вывод  об  их  эквивалентности.  Т.о.,  если  H(R) = H(R'),  то полученный ключ является правильным

В  данном методе  использован  общий  теоретический  подход,  позволяющий генерировать ключевую информацию на основе нечетких данных. Этот подход лег в  основу  разработки  и  реализации  ГКПНД  с  использованием  биометрической характеристики человека – рисунок радужной оболочки глаза.

8. ИДЕНТИФИКАЦИИ ЧЕЛОВЕКА ПО РАДУЖНОЙ ОБОЛОЧКЕ ГЛАЗА НА ОСНОВЕ ПРЕОБРАЗОВАНИЯ ЭРМИТА

рис 14. общая схема решения задачи идентификации человека по радужной оболочке глаза.

На входном изображении выделяется радужная оболочка глаза, приводится к  некоторому общему нормализованному виду. Далее определяется обладатель наиболее похожей радужной оболочки в базе данных на основе разработанного методов  параметризации и построения векторов свойств (кодов)

 

 

1. Этапы решения задачи идентификации

Выделение радужной оболочки глаза. Как  правило, зрачок глаза темнее соседних областей, поэтому ищется приблизительный  центр зрачка путем проектирования изображения в горизонтальном и  вертикальном направлениях

рис 13.  исходное изображение;    рис 14.  увеличен параметр brightness (яркость) +20,  contrast +20

фильтр  diffused light  (рассеянный свет)

 

 

 

рис 15. изображение с выделенной радужной оболочкой.

Нормализация радужной оболочки. Результатом  предыдущего пункта являются две  неконцентрические окружности - внешняя  и внутренняя границы радужной оболочки.

Далее вводится псевдополярная система координат и радужная оболочка переводится в прямоугольник

рис 16. Нормализованное изображение радужной оболочки.

Для дальнейшей параметризации  нами  используется только  контрольная  область, включающая  правую  верхнюю  четверть нормализованного изображения, т.к. на левую половину нормализованного изображения часто попадают ресницы, а на нижнюю  – веко

рис 15. Нормализованное изображение с выделенной контрольной областью

Сравнение изображений  радужных оболочек. На  стадии сравнения происходит сравнение бинарных матриц для каждой пары индексов (m,n). При этом предварительно проводится прореживание полученных матриц  для уменьшения количества проводимых операций (в текущей версии алгоритма берутся только каждый десятый пиксель по оси x и каждый второй пиксель по оси y). 

В качестве метрики сравнения  изображений  радужных оболочек  используется расстояние Хэмминга  между  соответствующими  прореженными  матрицами  радужных оболочек  (Ham(L)), равное количеству несовпадающих значений в матрицах.  По значениям Ham(L_1,0)+ Ham(L_2,0) и Ham(L_1,0)+ Ham(L_2,1)  происходит сортировка изображений из базы данных по расстоянию до  рассматриваемого  верифицируемого изображения. Выбор данных значений индексов будет обоснован ниже.  По  каждому из этих двух значений в базе данных ищется обладатель ближайшей радужной оболочки. В случае совпадения  обладателей  алгоритм считает, что сравнение успешно закончено.  В случае несовпадения обладателей  считается, что метод не может корректно  провести верификацию  и пользователю предлагается еще раз сделать снимок глаза для идентификации.

Чтобы метод был  устойчив к небольшим  поворотам глаза, используется также циклический сдвиг  (рисунок  7) нормализованного изображения на 3, 6, 9, 12, 15, 18, 21 пикселей как вправо, так и влево (нормализованное прямоугольное изображение имеет размеры 512x64 пикселей,  поэтому циклический сдвиг его на 3 пикселя соответствует повороту исходного изображения  приблизительно  на 2º).  Таким образом, учитываются углы поворота глаза от -14º до 14º.

Рис 16.  Циклический сдвиг нормализованного изображения вправо.

В  данном методе реализована информационная технология  идентификации человека по радужной оболочке глаза на основе локальных  характеристик радужной оболочки.

9. Выводы

5. В данной курсовой работе мы ознакомились с методами системами аутентификации на основе анализа радужной оболочки глаза человека. Провели ряд экспериментов с фотографиями разного качества . Предобработка изображения может существенно облегчить задачу локализации границы РОГ и зрачка. Притом как видно из выше представленных примеров, для разных снимков требуются разные приёмы. Рассмотрим два современных метода идентификации по РОГ, попробуем применить к ним описанные выше результаты. Так из рис4. Можем видеть что для светлых фотографий с контрастными ресницами, для локализации зрачка может быть полезен параметр contrast  +50, фильтр smart blur(умное размытие), тоже можна сказать о рис5. изогелия 130. Более тёмным фотографиям сначала следует увеличеть параметр brightness (яркость) и contrast.

 

 

 

10. СПИСОК ЛИТЕРАТУРЫ

1. Е.А. Павельева, А.С. Крылов, О.С. Ушмаев развитие информационной технологии идентификации человека по радужной оболочке глаза на основе преобразования эрмита.

2.  База данных CASIA-IrisV3. http://www.cbsr.ia.ac.cn/IrisDatabase.htm

3. Фадеева В. В. ГОНЧАРОВ С.  М. Создание системы аутентификации  на основе анализа радужной  оболочки глаза человека с  использованием процедуры генерации  ключевых последовательностей из  нечетких данных – 2008.

4. Павельева  Е.А., Крылов  А.С.  Алгоритмы предобработки изображений  радужной оболочки глаза.

5.  Харин Е. А.  Генерация   ключевой  информации  на  основе  биометрических данных  пользователей. //Труды XLV  международной научной студенческой конференции. – Новосибирск: НГУ, 2007. – С. 181–187.

6.  J. Daugman, High confidence visual recognition of persons by a test of statistical independence, IEEE Trans. Patt. Anal. Mach. Intell., 15(11):1148–1161, 1993.