fingerprint identification system

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