SISTEMAS BIOMÉTRICOS: MATCHING DE HUELLAS DACTILARES MEDIANTE TRANSFORMADA DE HOUGH GENERALIZADA

Domingo Morales L. Javier Ruiz-del-Solar

RESUMEN

 

En este artículo se presenta en primer lugar una introducción general a los llamados Sistemas Biométricos. En este contexto se describe el Reconocimiento de Huellas Dactilares como una de las técnicas biométricas más maduras y confiables, uno de cuyos componentes fundamentales es el matching de huellas dactilares. Se describe la aplicación de la Transformada de Hough Generalizada a este proceso. El algoritmo propuesto se basa en el presentado en [11]. Se incluye un análisis del comportamiento del algoritmo ante rotaciones, ruido y extracción de componentes entre el vector de características query y el template. Finalmente, a partir de este análisis se propone un nuevo algoritmo, que toma como base al anterior, incorporando mejoras sustanciales a su desempeño. Se propone un conjunto de reglas que permite realizar una decisión basada en Lógica Difusa sobre los mejores parámetros para la transformación.

1. Introducción.

Con la evolución de las tecnologías asociadas a la información, nuestra sociedad está cada día más conectada electrónicamente. Labores que tradicionalmente eran realizadas por seres humanos son, gracias a las mejoras tecnológicas, realizadas por sistemas automatizados. Dentro de la amplia gama de posibles actividades que pueden automatizarse, aquella relacionada con la capacidad para establecer la identidad de los individuos ha cobrado importancia y como consecuencia directa, la biometría se ha transformado en un área emergente [8]. La biometría es la ciencia que se dedica a la identificación de individuos a partir de una característica anatómica o un rasgo de su comportamiento. Una característica anatómica tiene la cualidad de ser relativamente estable en el tiempo, tal como una huella dactilar, la silueta de la mano, patrones de la retina o el iris. Un rasgo del comportamiento es menos estable, pues depende de la disposición psicológica de la persona, por ejemplo la firma. No cualquier característica anatómica puede ser utilizada con éxito por un sistema biométrico. Para que esto así sea debe cumplir con las siguientes características: Universalidad, Unicidad, Permanencia y Cuantificación [4].

Un indicador biométrico que satisface estos requisitos es la huella dactilar. Este indicador ha sido utilizado por los seres humanos para identificación personal por más de cien años [2]. En la actualidad las huellas dactilares representan una de las tecnologías biométricas más maduras y son consideradas pruebas legítimas de evidencia criminal en cualquier corte del mundo.

Una huella dactilar es la representación de la morfología superficial de la epidermis de un dedo. Posee un conjunto de líneas que, en forma global, aparecen dispuestas en forma paralela. Sin embargo, estas líneas se intersectan y a veces terminan en forma abrupta. Los puntos donde éstas

terminan o se bifurcan se conocen técnicamente como minucias. Para concluir si dos huellas dactilares corresponden o no a la misma persona se lleva a cabo un procedimiento que comienza con la clasificación de la huella dactilar y termina con el matching o comparación de las minucias de ambas huellas. La clasificación de huellas corresponde a un análisis a escala "gruesa" de los patrones globales de la huella que permite asignarla a un conjunto predeterminado o clase, lo que se traduce en una partición de la base de datos a ser revisada. Por otro lado, el matching de huellas lleva a cabo una comparación a escala "fina" de las huellas dactilares a partir de los vectores de características resultantes de representar la geometría de cada una de las minucias. En otras palabras, el matching de huellas dactilares consiste en encontrar el grado de similaridad entre dos vectores de características cuyas componentes representan a las minucias de cada huella.

Las principales dificultades en el proceso de matching son:

1. En una imagen de calidad hay alrededor de 70 a 80 minucias en promedio, cantidad que contrasta abiertamente con las presentes en una imagen latente o parcial cuyo valor promedio es del orden de 20 a 30 [11].

2. Hay traslaciones, rotaciones y deformaciones no lineales de las imágenes que se heredan a las minucias [7].

3. Aparecen minucias espurias, mientras otras verídicas desaparecen [7]. 4. La base de datos puede ser muy grande [11]. 5. No existe un método de comparación que entregue una coincidencia exacta entre las

características de la imagen de entrada y las pertenecientes a la base de datos.

A la fecha las técnicas propuestas que han obtenido mayor éxito en la labor de matching se han basado en una comparación de índole geométrico de los vectores de características. Como ejemplos genéricos de estas técnicas se encuentran el matching de grafos y la búsqueda de isomorfismos en subgrafos. Es sabido que el matching de los vectores de características mediante éstas técnicas es un problema intratable [11]. Por esta razón se han propuesto soluciones subóptimas como el método de relajación [7], otras basadas en la minimización de funciones de energía mediante simulated annealing y algoritmos genéticos, y mediante el uso de la Transformada de Hough Generalizada (THG). La THG presenta una mayor velocidad en relación a las técnicas anteriores, lo cual la hace adecuada para aplicaciones civiles donde es deseable un sistema que provoque respuestas on-line.

En este trabajo se analiza el uso de la THG para el matching de huellas dactilares. Aquí el interés está centrado en encontrar una transformación entre el vector de características de entrada (query) con el existente en la base de datos (template). La calidad de la transformación es crucial, pues ésta será utilizada para "alinear" ambos conjuntos de minucias con el objeto de comparar si realmente las minucias de ambas huellas pertenecen o no a la misma persona. Para lograr el objetivo antes señalado se realizan simulaciones computacionales en donde se manejan transformaciones que rotan y trasladan a las minucias. En las simulaciones se incluye asimismo ruido aditivo para las componentes del vector de características y la extracción de algunas minucias de uno de los conjuntos. Se estudia el efecto de cada una de éstas acciones sobre el desempeño del sistema en cuanto a la obtención de la transformación correcta y se discuten mejoras y lineamientos para una futura investigación.

La organización de este artículo es la siguiente. El capítulo 2 está dedicado a presentar una introducción general a los sistemas biométricos, de tal forma de dar un contexto general a este trabajo y una introducción a los no especialistas en esta disciplina. En el capítulo 3 se entregan algunas definiciones básicas sobre huellas dactilares. En el capítulo 4 se discute la transformada de Hough y su generalización. El capítulo 5 está dedicado a la obtención de la transformación entre dos conjuntos de minucias de huellas dactilares para su comparación o matching mediante un algoritmo basado en la Transformada de Hough Generalizada (THG). En el capítulo 6 se presenta una nueva estrategia para concluir la transformación entre los vectores de características. Finalmente, en el capítulo 7 se presentan conclusiones y comentarios sobre este trabajo.

2. Sistemas Biométricos

Entenderemos por sistema biométrico a un sistema automatizado que realiza labores de biometría. Es decir, un sistema que fundamenta sus decisiones de reconocimiento mediante una característica personal que puede ser reconocida o verificada de manera automatizada. En esta sección son descritas algunas de las características más importantes de estos sistemas.

2.1. Modelo del proceso de identificación personal

Cualquier proceso de identificación personal puede ser comprendido mediante un modelo simplificado. Este postula la existencia de tres indicadores de identidad que definen el proceso de identificación:

1. Conocimiento: la persona tiene conocimiento (por ejemplo: un código), 2. Posesión: la persona posee un objeto (por ejemplo: una tarjeta), y 3. Característica: la persona tiene una característica que puede ser verificada (por ejemplo:

una de sus huellas dactilares).

Cada uno de los indicadores anteriores genera una estrategia básica para el proceso de identificación personal. Además pueden ser combinados con el objeto de alcanzar grados de seguridad más elevados y brindar, de esta forma, diferentes niveles de protección. Distintas situaciones requerirán diferentes soluciones para la labor de identificación personal. Por ejemplo, con relación al grado de seguridad, se debe considerar el valor que está siendo protegido así como los diversos tipos de amenazas. También es importante considerar la reacción de los usuarios y el costo del proceso.

2.2. Características de un indicador biométrico

Un indicador biométrico es alguna característica con la cual se puede realizar biometría. Cualquiera sea el indicador, debe cumplir los siguientes requerimientos [4]:

1. Universalidad: cualquier persona posee esa característica; 2. Unicidad: la existencia de dos personas con una característica idéntica tiene una

probabilidad muy pequeña; 3. Permanencia: la característica no cambia en el tiempo; y

4. Cuantificación: la característica puede ser medida en forma cuantitativa.

Los requerimientos anteriores sirven como criterio para descartar o aprobar a alguna característica como indicador biométrico. Luego de seleccionar algún indicador que satisfaga los requerimientos antes señalados, es necesario imponer restricciones prácticas sobre el sistema que tendrá como misión recibir y procesar a estos indicadores. En la siguiente sección se presentan estas restricciones.

2.3. Características de un sistema biométrico para identificación personal

Las características básicas que un sistema biométrico para identificación personal debe cumplir pueden expresarse mediante las restricciones que deben ser satisfechas. Ellas apuntan, básicamente, a la obtención de un sistema biométrico con utilidad práctica. Las restricciones antes señaladas apuntan a que el sistema considere:

1. El desempeño, que se refiere a la exactitud, la rapidez y la robustez alcanzada en la identificación, además de los recursos invertidos y el efecto de factores ambientales y/u operacionales. El objetivo de esta restricción es comprobar si el sistema posee una exactitud y rapidez aceptable con un requerimiento de recursos razonable.

2. La aceptabilidad, que indica el grado en que la gente está dispuesta a aceptar un sistema biométrico en su vida diaria. Es claro que el sistema no debe representar peligro alguno para los usuarios y debe inspirar "confianza" a los mismos. Factores psicológicos pueden afectar esta última característica. Por ejemplo, el reconocimiento de una retina, que requiere un contacto cercano de la persona con el dispositivo de reconocimiento, puede desconcertar a ciertos individuos debido al hecho de tener su ojo sin protección frente a un "aparato". Sin embargo, las características anteriores están subordinadas a la aplicación específica. En efecto, para algunas aplicaciones el efecto psicológico de utilizar un sistema basado en el reconocimiento de características oculares será positivo, debido a que este método es eficaz implicando mayor seguridad.

3. La fiabilidad, que refleja cuán difícil es burlar al sistema. El sistema biométrico debe reconocer características de una persona viva, pues es posible crear dedos de látex, grabaciones digitales de voz prótesis de ojos, etc. Algunos sistemas incorporan métodos para determinar si la característica bajo estudio corresponde o no a la de una persona viva. Los métodos empleados son ingeniosos y usualmente más simples de lo que uno podría imaginar. Por ejemplo, un sistema basado en el reconocimiento del iris revisa patrones característicos en las manchas de éste, un sistema infrarrojo para chequear las venas de la mano detecta flujos de sangre caliente y lectores de ultrasonido para huellas dactilares revisan estructuras subcutáneas de los dedos.

2.4. Arquitectura de un sistema biométrico para identificación personal

Los dispositivos biométricos poseen tres componentes básicos. El primero se encarga de la adquisición análoga o digital de algún indicador biométrico de una persona, como por ejemplo, la adquisición de la imagen de una huella dactilar mediante un escáner. El segundo maneja la compresión, procesamiento, almacenamiento y comparación de los datos adquiridos (en el ejemplo una imagen) con los datos almacenados. El tercer componente establece una interfaz con

aplicaciones ubicadas en el mismo u otro sistema. La arquitectura típica de un sistema biométrico se presenta en la figura 1. Esta puede entenderse conceptualmente como dos módulos:

1. Módulo de inscripción (enrollment module) y 2. Módulo de identificación (identification module).

El módulo de inscripción se encarga de adquirir y almacenar la información proveniente del indicador biométrico con el objeto de poder contrastar a ésta con la proporcionada en ingresos posteriores al sistema. Las labores ejecutadas por el módulo de inscripción son posibles gracias a la acción del lector biométrico y del extractor de características.

El primero se encarga de adquirir datos relativos al indicador biométrico elegido y entregar una representación en formato digital de éste. El segundo extrae, a partir de la salida del lector, características representativas del indicador. El conjunto de características anterior, que será almacenado en una base de datos central u otro medio como una tarjeta magnética, recibirá el nombre de template. En otras palabras un template es la información representativa del indicador biométrico que se encuentra almacenada y que será utilizada en las labores de identificación al ser comparada con la información proveniente del indicador biométrico en el punto de acceso.

Figura 1: Arquitectura de un sistema biométrico para identificación personal, aquí

ejemplificado con huellas dactilares.

El módulo de identificación es el responsable del reconocimiento de individuos, por ejemplo en una aplicación de control de acceso. El proceso de identificación comienza cuando el lector biométrico captura la característica del individuo a ser identificado y la convierte a formato digital, para que a continuación el extractor de características produzca una representación compacta con el mismo formato de los templates. La representación resultante se denomina query y es enviada al comparador de características que confronta a éste con uno o varios templates para establecer la identidad.

El conjunto de procesos realizados por el módulo de inscripción recibe el nombre de fase de inscripción, mientras que los procesos realizados por el módulo de identificación reciben la denominación de fase operacional. A continuación se entregan detalles de esta última.

2.5. Fase operacional de un sistema de identificación personal.

Un sistema biométrico en su fase operacional puede operar en dos modos:

1. Modo de verificación, o 2. Modo de identificación

Un sistema biométrico operando en el modo de verificación comprueba la identidad de algún individuo comparando la característica sólo con los templates del individuo. Por ejemplo, si una persona ingresa su nombre de usuario entonces no será necesario revisar toda la base de datos buscando el template que más se asemeje al de él, sino que bastará con comparar la información de entrada sólo con el template que está asociado al usuario. Esto conduce a una comparación uno-a-uno para determinar si la identidad reclamada por el individuo es verdadera o no. De manera más sencilla el modo de verificación responde a la pregunta: ¿eres tú quién dices ser?.

Un sistema biométrico operando en el modo de identificación descubre a un individuo mediante una búsqueda exhaustiva en la base de base de datos con los templates. Esto conduce a una comparación del tipo uno-a-muchos para establecer la identidad del individuo. En términos sencillos el sistema responde la pregunta: ¿quién eres tú?.

Generalmente es más difícil diseñar un sistema de identificación que uno de verificación. En ambos casos es importante la exactitud de la respuesta. Sin embargo, para un sistema de identificación la rapidez también es un factor crítico. Un sistema de identificación necesita explorar toda la base de datos donde se almacenan los templates, a diferencia de un sistema verificador. De la discusión anterior resulta obvio notar que la exigencia sobre el extractor y el comparador de características es mucho mayor en el primer caso.

2.6. Exactitud en la identificación: medidas de desempeño

La información provista por los templates permite particionar su base de datos de acuerdo a la presencia o no de ciertos patrones particulares para cada indicador biométrico. Las "clases" así

generadas permiten reducir el rango de búsqueda de algún template en la base de datos. Sin embargo, los templates pertenecientes a una misma clase también presentarán diferencias conocidas como variaciones intraclase. Las variaciones intraclase implican que la identidad de una persona puede ser establecida sólo con un cierto nivel de confianza. Una decisión tomada por un sistema biométrico distingue "personal autorizado" o "impostor". Para cada tipo de decisión, existen dos posibles salidas, verdadero o falso. Por lo tanto existe un total de cuatro posibles respuestas del sistema:

1. Una persona autorizada es aceptada, 2. Una persona autorizada es rechazada, 3. Un impostor es rechazado, 4. Un impostor es aceptado.

Las salidas números 1 y 3 son correctas, mientras que las números 2 y 4 no lo son. El grado de confidencia asociado a las diferentes decisiones puede ser caracterizado por la distribución estadística del número de personas autorizadas e impostores. En efecto, las estadísticas anteriores se utilizan para establecer dos tasas de errores [9]:

1. Tasa de falsa aceptación (FAR: False Acceptance Rate), que se define como la frecuencia relativa con que un impostor es aceptado como un individuo autorizado,

2. Tasa de falso rechazo (FRR: False Rejection Rate), definida como la frecuencia relativa con que un individuo autorizado es rechazado como un impostor.

La FAR y la FRR son funciones del grado de seguridad deseado. En efecto, usualmente el resultado del proceso de identificación o verificación será un número real normalizado en el intervalo [0, 1], que indicará el "grado de parentesco" o correlación entre la característica biométrica proporcionada por el usuario y la(s) almacenada(s) en la base de datos. Si, por ejemplo, para el ingreso a un recinto se exige un valor alto para el grado de parentesco (un valor cercano a 1), entonces pocos impostores serán aceptados como personal autorizado y muchas personas autorizadas serán rechazadas. Por otro lado, si el grado de parentesco requerido para permitir el acceso al recinto es pequeño, una fracción pequeña del personal autorizado será rechazada, mientras que un número mayor de impostores será aceptado. El ejemplo anterior muestra que la FAR y la FRR están íntimamente relacionadas, de hecho son duales una de la otra: una FRR pequeña usualmente entrega una FAR alta, y viceversa, como muestra la figura 2. El grado de seguridad deseado se define mediante el umbral de aceptación u, un número real perteneciente al intervalo [0,1] que indica el mínimo grado de parentesco permitido para autorizar el acceso del individuo.

Figura 2. Gráfica típica de la tasa de falso rechazo (FRR) y la de falsa aceptación (FAR) como funciones del umbral de aceptación u para un sistema biométrico.

La FRR es una función estrictamente creciente y la FAR una estrictamente decreciente en u [9]. La FAR y la FRR al ser modeladas como función del umbral de aceptación tienen por dominio al intervalo real [0,1], que es además su recorrido, puesto que representan frecuencias relativas. La figura 2 muestra una gráfica típica de la FRR y la FAR como funciones de u. En esta figura puede apreciarse un umbral de aceptación particular, denotado por u*, donde la FRR y la FAR toman el mismo valor. Este valor recibe el nombre de tasa de error de intersección (cross-over error rate) y puede ser utilizado como medida única para caracterizar el grado de seguridad de un sistema biométrico. En la práctica, sin embargo, es usual expresar los requerimientos de desempeño del sistema, tanto para verificación como para identificación, mediante la FAR. Usualmente se elige un umbral de aceptación por debajo de u* con el objeto de reducir la FAR, en desmedro del aumento de la FRR.

2.7. Sistemas biométricos actuales.

En la actualidad existen sistemas biométricos que basan su acción en el reconocimiento de diversas características, como puede apreciarse en la figura 3. Las técnicas biométricas más conocidas son nueve y están basadas en los siguientes indicadores biométricos:

1. Rostro, 2. Termograma del rostro, 3. Huellas dactilares, 4. Geometría de la mano, 5. Venas de las manos, 6. Iris, 7. Patrones de la retina, 8. Voz, 9. Firma.

(a) (b) (c) (d)

 

Figura 3. Técnicas biométricas actuales: (a) Rostro, (b) Termograma Facial, (c) Huella dactilar, (d) Geometría de la mano, (e) Venas de la mano, (f) Iris, (g) Patrones de la retina, (h) Voz e (i) Firma.

Cada una de las técnicas anteriores posee ventajas y desventajas comparativas, las cuales deben tenerse en consideración al momento de decidir que técnica utilizar para una aplicación específica. En particular deben considerarse las diferencias entre los métodos anatómicos y los de comportamiento. Una huella dactilar, salvo daño físico, es la misma día a día, a diferencia de una firma que puede ser influenciada tanto por factores controlables como por psicológicos no intencionales. También las máquinas que miden características físicas tienden a ser más grandes y costosas que las que detectan comportamientos. Debido a diferencias como las señaladas, no existe un único sistema biométrico que sea capaz de satisfacer todas las necesidades. Una compañía puede incluso decidir el uso de distintas técnicas en distintos ámbitos. Más aún, existen esquemas que utilizan de manera integrada más de una característica para la identificación. Por ejemplo en [4], se integran el reconocimiento de rostros y huellas dactilares. La razón es que el reconocimiento de rostros es rápido pero no extremadamente confiable, mientras que la identificación mediante huellas dactilares es confiable pero no eficiente en

consultas a bases de datos. Lo anterior sugiere el utilizar el reconocimiento de rostros para particionar la base de datos. Luego de esto comienza la identificación de la huella. Los resultados alcanzados por el sistema conjunto son mejores que los obtenidos por sus partes por separado. En efecto, las limitaciones de las alternativas por separado son soslayadas, logrando además respuestas exactas con un tiempo de proceso adecuado. En la figura 4 se presenta un esquema de división de las características biométricas.

Figura 4. División de las características biométricas para identificación personal.

3. Huellas dactilares

Una huella dactilar es la representación de la morfología superficial de la epidermis de un dedo. Posee un conjunto de líneas que, en forma global, aparecen dispuestas en forma paralela (colinas o ridge lines y furrows). Sin embargo estas líneas se intersectan y a veces terminan en forma abrupta. Los puntos donde las colinas terminan o se bifurcan se conocen técnicamente como minucias. Otros puntos singulares de una huella dactilar son aquellos donde la curvatura de los ridges es máxima. Esos puntos reciben el nombre de cores y deltas. La característica más interesante que presentan tanto las minucias como los puntos singulares cores y deltas es que son únicos para cada individuo y permanecen inalterados a través de su vida. A pesar de esta variedad de minucias (18 tipos distintos de minucias han sido enumerados [10]) las más importantes son las terminaciones y bifurcaciones de ridges. Esto último se debe a que las terminaciones de ridges representan aproximadamente el 60.6% de todas las minucias en una huella y las bifurcaciones el 17.9% [5]. Además varias de las minucias menos típicas pueden expresarse en función de las dos señaladas. Naturalmente, para poder identificar a una persona mediante las minucias de su huella es necesario poder representar a estas últimas para poder

compararlas. La representación estándar consiste en asignar a cada minucia su posición espacial (x, y) y su dirección q, que es tomada con respecto al eje x en el sentido contrario a los punteros del reloj. Esta representación se muestra en la figura 5 para una minucia de término y una de bifurcación de ridge.

Figura 5. Representación de minucias en términos de su posición y dirección.

Para reconocer una huella dactilar se procede desde una escala gruesa a una fina. En primer lugar se clasifica a la huella, es decir, se asigna a una clase previamente determinada de acuerdo a la estructura global de los ridges. El objetivo de esta etapa es establecer una partición en la base de datos con huellas. En general la distribución de las huellas en las distintas clases es no uniforme [1], esto obliga a subclasificar a la huella en estudio, es decir, generar un nuevo conjunto de clases a partir de las ya definidas. Luego se procede a la comparación a escala fina. Este proceso recibe el nombre de matching. El proceso consiste en comprobar si el conjunto de minucias de una huella coincide con el de otra.

4. Transformada de Hough Generalizada.

4.1. Transformada de Hough.

Consideremos el siguiente problema: para una imagen con n puntos de interés se desea encontrar subconjuntos de esos puntos que residan sobre líneas rectas. Este problema que a simple vista parece ser sencillo, presenta una complejidad computacional elevada al utilizar una técnica de "fuerza bruta". Una de éstas soluciones consiste en encontrar todas las líneas determinadas por cada par de puntos en la imagen y luego encontrar todos los subconjuntos de puntos que se encuentran cerca de esas líneas. La complejidad de este algoritmo es O(n3), lo que representa un costo elevado. Hough notó lo siguiente [3]: para un punto con coordenadas (xi , yi) el conjunto de

rectas que pasan por él satisfacen que yi = m xi + c, donde m es la pendiente de la recta y c su coeficiente de posición. Este conjunto de rectas es infinito, pues sólo basta variar m y c. La relación anterior puede escribirse en el espacio de parámetros como c = -xi m + yi , es decir, una recta con pendiente -xi y coeficiente de posición yi . Si se considera otro punto con coordenadas (xj , yj) por donde pasan rectas, se tendrá que su representación en el espacio de parámetros intersectará a la de (xi , yi) en un punto con coordenadas (m', c'), que corresponden a la pendiente y el coeficiente de posición, respectivamente, de una recta que pasa por (xi , yi) y (xj , yj).

De lo anterior se desprende que los puntos del espacio de coordenadas pertenecientes a una misma recta se intersectarán todos en un único punto del espacio de parámetros. Si fuese posible contar el número de "intersecciones" en un punto con coordenadas (m', c') del espacio de parámetros entonces se tendría el número de puntos del espacio de coordenadas que pertenecen a una recta con pendiente m' y coeficiente de posición c'. Esta idea es la que sirve de base al proceso denominado Transformada de Hough. El primer paso consiste en la discretización del espacio de parámetros en un número finito de celdas para valores discretos tanto de m como de c. El rango en donde se hace esta discretización está dado por los valores mínimo y máximo esperados para las pendientes y los coeficientes de posición. El espacio de parámetros discretizado en celdas puede representarse mediante un arreglo A, denominado arreglo acumulador. La componente A(i, j) del arreglo acumulador representa a la celda asociada a la pendiente mi Î (mmín, mmax) y el coeficiente de posición cj Î (cmín, cmax). Como se notó anteriormente, es de interés contar el número de "intersecciones" de las rectas en el espacio de parámetros asociadas a los puntos del espacio de coordenadas. Para ello se propone el siguiente procedimiento: en primer lugar, todas las componentes de A se hacen nulas. Luego, se toma un punto (xk , yk) perteneciente al espacio de coordenadas y para cada uno de los mi se calcula la versión discreta de c = -xk mi + yk, es decir, cj. Se sabe entonces que por el punto del espacio de parámetros con coordenadas (mi,cj) pasa al menos la recta asociada al punto del espacio de coordenadas (xk ,yk). Esto último se traduce en que A(i,j) se incrementa en una unidad, indicando que un punto del espacio de coordenadas genera una recta que pasa por el punto del espacio de parámetros con coordenadas (mi,cj). Este algoritmo se aplica a todos los puntos del espacio de coordenadas. Finalmente, el número de puntos del espacio de coordenadas que se encuentran sobre una recta con pendiente mi y coeficiente de posición cj será A(i,j) si este último es mayor que 1. Notemos que la complejidad de cálculo de esta estrategia es Mxn, donde n es el número de puntos a revisar y M es el número de niveles de cuantización del rango (mmín, mmax). Si el número de niveles de cuantización para m permanece menor a n2 entonces la transformada de Hough será más eficiente que el método de "fuerza bruta" propuesto.

Es bien sabido que para aplicaciones prácticas la ecuación cartesiana de una línea recta no es de utilidad [6]. Si la recta presenta una pendiente elevada entonces el número de niveles de cuantización será elevado y hará que una representación discreta del espacio de parámetros no sea adecuada. Además, el coeficiente de posición tampoco está acotado. Una parametrización adecuada de la ecuación de una recta en este contexto, será aquella que posea dos parámetros diferentes con rangos de variación finitos. Para el caso de líneas es usual tomar la representación normal de una recta, es decir aquella en que se utilizan coordenadas polares. El procedimiento en esta representación es completamente análogo: el espacio de parámetros se particiona y se acumula evidencia para los parámetros r y q en el arreglo acumulador al mover, por ejemplo, el parámetro q.

4.2. Transformada de Hough Generalizada.

La primera generalización de la transformada de Hough está asociada a la creación de un método que permita el reconocimiento de formas geométricas más complejas que la de una línea, por ejemplo circunferencias y elipses [12]. Una conclusión interesante es que la dimensión del arreglo acumulador es igual al número de grados de libertad del problema. El procedimiento anterior puede generalizarse aún más con el objeto de encontrar transformaciones generales entre conjuntos de puntos. En efecto, la transformada de Hough puede extenderse a formas no analíticas y a formas compuestas [12]. En este contexto global se estudia el siguiente problema: la resolución de un sistema de ecuaciones que presenta un conjunto de soluciones a priori desconocidas [12]. Para encontrar estas soluciones se utiliza la THG donde el espacio de parámetros es ahora el espacio de soluciones. Es en este espacio donde se acumulará evidencia y se espera que, en la vecindad de una solución, el valor del arreglo acumulador sea "grande". Esto da lugar a la formación de clusters o clases solución. Para formalizar estos conceptos definamos el siguiente problema: sean p ecuaciones en n variables representadas por el vector = (x1, x2, . . . , xn), cada una con la forma:

(1)

Cada una de las p ecuaciones corresponde a una de j clases solución desconocidas a priori. El problema es determinar el número de clases solución j y la solución para cada una de estas clases, con k = 1, 2, …, j. Es importante destacar que típicamente j << p y que no existe restricción sobre fi de ser lineal o que el sistema sea linealmente independiente. La solución a este problema consiste en encontrar zonas de acumulación o clusters de posibles soluciones y considerar aquellos clusters más grandes como representantes de las soluciones más probables. Obviamente la resolución de cada ecuación por sí sola no es posible. Tampoco es práctico seleccionar de entre las p ecuaciones todos los posibles subconjuntos y calcular, donde sea posible, las soluciones, debido al elevado número de posibilidades de partición del conjunto de ecuaciones en c conjuntos no vacíos ( ~ cp / c!). En este sentido la THG entrega un marco conceptual y práctico al problema de la resolución de (1).

5. THG y la transformación entre los vectores de características query y template

El problema del matching entre vectores de características asociados a los conjuntos de minucias de dos huellas dactilares tiene, como primera tarea, la determinación de la transformación (rotación, traslación, escalamiento) entre ambas.

Esta transformación debe considerar incluso que, para dos vectores de características de una misma huella dactilar pueden existir diferencias entre éstas: la desaparición de algunas minucias, la variación de la posición y orientación local de algunas de éstas debido al ruido que introduce el sensor, y a las deformaciones elásticas que presenta la piel. Esta transformación es, a priori desconocida. De esta manera la THG provee un método para la obtención de esta transformación.

Debido a que en aplicaciones civiles las imágenes query y template serán escaneadas por el mismo sensor, no será necesario considerar en el análisis escalamiento entre los vectores de características [7]. Sea (qx, qy) y b las coordenadas de posición y la orientación local de una minucia perteneciente al vector de características query. Sean, (tx, ty) y a la posición y orientación asociadas a una minucia perteneciente al vector de características template.

La transformación más general posible a priori, entre ambos conjuntos considerará en forma explícita rotaciones y traslaciones, por lo que tendrá la forma [11]:

(2)

donde q es igual a (b -a), y (Dx, Dy) es una traslación arbitraria. El ángulo q indica la rotación necesaria para que la orientación de la minucia template coincida con la de la minucia query. La transformación definida por (2) posee tres grados de libertad, esto último indica que el arreglo acumulador A para la búsqueda de la transformación será de dimensión tres, a saber: uno para la cuantización del ángulo q, y dos para el desplazamiento en el eje x y en el eje y. Notemos que el problema planteado con (2) es análogo al presentado en (1). El cluster del espacio de parámetros que interesa rescatar es aquel que representa la transformación existente entre los vectores template y query. Se postula que los parámetros que definen a éste corresponden a los índices asociados al máximo valor del arreglo acumulador. De la discusión anterior resulta evidente que la estrategia para encontrar los parámetros de la transformación (2) será aplicar la THG.

Sea Q el vector de características query con dimensión dimQ y T el vector template con dimensión dimT. Sea además Q[i] la i-ésima minucia del vector Q, y T[i] la i-ésima minucia del vector T. Notemos que el problema (2) puede "separarse" en dos etapas: en primer lugar es posible obtener el ángulo de rotación q entre los vectores de características y luego, a partir de éste, el vector de desplazamiento (Dx, Dy).

Esto último reduce el costo computacional que involucra el cálculo de una THG 3D al de una THG 1D más una THG 2D. Además, Es importante notar que el rango al que pertenece un ángulo de rotación entre dos huellas y, por ende, entre dos vectores de características está acotado, sea éste Dq. A continuación se presenta un diagrama en bloques del proceso de cálculo de la THG propuesto, para la definición del ángulo de rotación. El caso 2D es análogo.

La figura 6 muestra las principales tareas a realizar por la THG. En primer lugar se restan las orientaciones locales de las minucias query y template. Mediante la consulta ¿d Î Dq ? se eliminan todas las posibilidades no factibles, lo cual se traduce en una nueva mejora en la eficiencia del algoritmo.

El proceso de cuantización entrega la componente del arreglo acumulador en donde se recopilará evidencia. El algoritmo continúa acumulando evidencia hasta que todas las comparaciones entre minucias han sido consideradas.

En ese instante se procede a buscar los máximos del arreglo acumulador A y a tomar una decisión con respecto a cuál es el mejor parámetro para la transformación.

Figura 6. Diagrama en bloques de la THG para el ángulo de rotación entre los vectores P y Q.

6. Nuevo Criterio de Resolución

El algoritmo presentado en [11] acumula evidencia incrementando al arreglo acumulador en una única posición k en cada iteración. El criterio de resolución para determinar la transformación está basado en encontrar la posición donde se encuentra el máximo del arreglo acumulador. Como se mostrará más adelante esta estrategia sólo funciona bien en ausencia de ruido. En el mismo trabajo se menciona la posibilidad de incrementar, además de la posición ganadora k, a las vecinas inmediatas de ésta. En este trabajo se estudian tres posibilidades de acumular evidencia: la primera es la ya mencionada y presente en [11], en la segunda se incrementa el arreglo acumulador en su posición ganadora k y en las asociadas a sus vecinos k-1 y k+1 en el mismo monto (se incrementa en 1 el arreglo acumulador), la tercera y última incrementa en dos al arreglo en la posición ganadora y en uno a los vecinos inmediatos. El criterio de decisión para

esta última es idéntico al del primer caso: el máximo absoluto es el ganador. Para las tres estrategias anteriores se buscarán los valores y las posiciones de los seis mayores máximos locales asociados a la transformación que busca la rotación entre los vectores de características. Además, para la segunda estrategia se presenta un nuevo criterio de decisión. Las definiciones básicas para la comprensión de este nuevo criterio se presentan a continuación.

6.1 Definiciones.

Sea I el arreglo de índices que contiene las posiciones de los máximos relativos del arreglo acumulador A(k). Definamos los siguientes operadores (en negritas):

Max_Vecinos(I): retorna un arreglo con el índice de la posición del valor máximo de A y la de todos los vecinos consecutivos de éste en el arreglo I, en orden creciente. En caso de que existan dos arreglos, retorna el de mayor dimensión y si aún persiste ambigüedad se elige cualquiera de ambos.

Iguales_Max(I): retorna un arreglo con los índices de I que tienen el valor máximo de A.

Vecinos_Max(I): Toma todos los índices vecinos inmediatos presentes en I y los retorna como un arreglo. En caso de existir más de una solución retorna la asociada al máximo.

A continuación se define una función de membresia (en negritas y cursiva):

Cerca( I1, I2): indica si los índices del conjunto I2 están "cerca" de los del I2.

Definamos además los siguientes conjuntos de índices:

I1 = Max_Vecinos( I )

I2  = Vecinos_Max( I Ç I1c) = Vecinos_Max( I / I1)

I3  = Iguales_Max( I )

Como ejemplo, suponga que el vector de índices con los seis mayores máximos del arreglo acumulador A es I = [ 0, 4, -1, 5, -43, 1] y las componentes de A asociadas a esos índices son: A|I = [16, 16, 15, 15, 14, 13], entonces:

I1 = Max_Vecinos( I ) =[ -1, 0, 1]

I2 = Vecinos_Max( I Ç I1c) =[ 4, 5]

I3 = Iguales_Max( I ) =[ 0, 4]

A partir de estas definiciones se pueden construir reglas para decidir cuál será el parámetro que define a la transformación:

6.2. Simulaciones.

A continuación se presentan los resultados de las simulaciones realizadas para estudiar el desempeño de este nuevo criterio de resolución. Se crearon vectores de características en forma artificial, para ello se generaron posiciones y orientaciones para las minucias con distribuciones aleatorias.

Para cada uno de estos vectores de características se crean versiones rotadas a partir de los mismos, se extraen en forma aleatoria algunas de las minucias, se agrega asimismo a las orientaciones locales de las minucias, ruido con distribución normal con media cero y varianza variable. Además de esto, se crearon versiones con combinaciones de las anteriores, como por ejemplo, versiones rotadas, con menos minucias y con ruido aditivo en la orientación local.

También se ha estudiado [9] el efecto de los niveles de cuantización tanto en el espacio de coordenadas como en el espacio de parámetros y la posibilidad de utilizar lógica difusa para tomar decisiones. En este trabajo no se incluirán estos resultados. Además, no se utilizará cuantización en el espacio de coordenadas y la resolución en el espacio de parámetros será de 1º. Los resultados obtenidos son los siguientes:

1. Caso ideal (rotación pura, extracción pura, y combinaciones de éstas): Las tres estrategias entregan los mismos resultados. Recordar que la primera y la última sólo consideran el máximo absoluto.

2. Caso con ruido en la orientación de las minucias: Para este caso, independiente de si se incluye o no rotación y extracción de minucias, el desempeño de la primera estrategia y el de la tercera es pobre. Sin embargo el desempeño alcanzado por la segunda estrategia está por encima de las otras.

De la tabla 1 es posible notar que el algoritmo propuesto en [11] entrega el valor -3º como respuesta, siendo que el valor correcto es 0º. Si bien los algoritmos 2 y 3 entregan en su primera componente el valor correcto hay que considerar que los valores máximos de A no presentan una variación alta, lo que se esperaría para el caso 3. Al aplicar las reglas para el caso 2 se obtiene que I1 =[ -2, -1, 0, 1, 2], I2 =[ -4], e I3 =[ 0]. Por lo tanto la regla gatillada es la número 1. Esto

implica que el valor es 0º. Puede parecer que el algoritmo 3 es superior al 2 debido a que, en este caso, para obtener el resultado del 2 se tuvo que llevar a cabo más cálculos para obtener el mismo resultado.

Tabla 1. Acumulación de evidencia por los tres algoritmos. Caso sólo ruido aditivo, s = 4.5º

Tabla 2. Acumulación de evidencia por los tres algoritmos. Caso rotación en 17º y ruido aditivo, s = 6º

La tabla 2 presenta un caso más exigente donde tanto el algoritmo 1 como el 3 entregan resultados incorrectos (-6º, para 17º). Sin embargo, veamos el desempeño del algoritmo 2. En este caso, I1 =[12] (puede ser también I1 =[16]), I2 =[ -14, 16, 22, 36, 38], e I3 =[ 12, 16]. Notamos que la regla gatillada es, en este caso, la número 2. Esto implica que el valor resultante es 14º. Este resultado, si bien no coincide con el valor correcto de 17º muestra la superioridad del algoritmo 2.

7. Comentarios y Conclusiones.

En este trabajo se presentó, en primer lugar, una introducción general a los llamados Sistemas Biométricos. Se describió asimismo el Reconocimiento de Huellas Dactilares como una de las técnicas biométricas más maduras y confiables, uno de cuyos componentes fundamentales es el matching de huellas dactilares. Para implementar este proceso se desarrollo un algoritmo, que presenta tres mejoras sustanciales al algoritmo propuesto en [11] para encontrar la transformación entre dos vectores de características mediante la transformada de Hough Generalizada.

Las dos primeras tienen relación directa con la reducción de la complejidad del algoritmo hasta la etapa de búsqueda de los máximos. La primera consiste en "separar" una transformada 3D en una 1D y otra 2D. La segunda evita revisar todos los casos posibles restringiendo el rango de variación de la variable que define la rotación.

Finalmente, el aporte más importante es la propuesta de una nueva etapa de Criterio de Resolución. Aquí se determina, a partir de la información proporcionada por el arreglo con los índices de los máximos, el mejor parámetro que define la transformación de rotación entre ambos conjuntos de características.

En todas las situaciones el algoritmo propuesto presenta mejor desempeño que sus pares, en especial cuando la varianza del ruido aditivo impuesto sobre las orientaciones locales aumenta. La línea actual de trabajo se centra en construir, a partir de las reglas deducidas un sistema de inferencia basado en lógica difusa. Se analiza también la inclusión de nuevas reglas. Además, se estudia la transformación 2D asociada a la traslación espacial de los vectores de características, y el efecto de la cuantización tanto en el espacio de coordenadas como en el espacio de parámetros.

Referencias.

[1] G. Drets & H. Liljenström, "Fingerprint Sub-Classification and Singular Point Detection", International Journal of Pattern recognition and Artificial Intelligence, vol. 12, no. 4, 407-422, 1998.

[2] M. Eleccion, "Automatic Fingerprint Identification", IEEE Spectrum, vol. 10, 36-45, 1973.

[3] R. González y R. Woods, Digital Image Processing, Addison-Wesley Publishing Company, Inc., 1992. Chap. 7.2.2.

[4] L. Hong and A. Jain, "Integrating Faces and Fingerprints for Personal Identification", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 12, pp. 1295-1307, 1998.

[5] A. Hrechack and J. McHugh, "Automated Fingerprint Recognition Using Structural Matching", Pattern Recognition, vol. 23, no. 8, pp. 893-904, 1990.

[6] B. Jähne, Digital Image Processing, Springer-Verlag, 1997. Chap. 14.5.

[7] A. Jain and R. Bolle, "On-Line Fingerprint Verification", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, no. 4, 302-313, 1997.

[8] B. Miller, "Vital Signs of Identity", IEEE Spectrum, vol. 31, no. 2, 22-30, 1994.

[9] D. Morales, Reconocimiento Digital de Huellas Dactilares en base a Vectores de Características, Tesis de Ingeniero Civil Electricista, Universidad de Chile, 1999.

[10] N. Ratha, S. Chen, and A. Jain, "Adaptive Flow Orientation Based Feature Extraction in Fingerprint Images", Pattern Recognition, vol. 28, no. 11, 1657-1672, 1995.

[11] N. Ratha, K. Karu, S. Chen and A. Jain, "A Real-Time Matching System for Large Fingerprint Databases", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 18, no. 8, pp. 799-813, 1996.

[12] R. Schalkoff, Digital Image Processing and Computer Vision, John Wiley & Sons, Inc., 1989.

SISTEMAS BIOMETRICOSReconocimiento Facial

¿Como funcionan el escáner de rostro o facial? Hay varias formas de reconocimiento facial. El método más común utiliza una cámara para capturar una imagen de nuestra cara, que es analizada en función de ciertos ‘puntos clave’, como la distancia entre los ojos o la anchura de la nariz.

Reconocimiento por voz

¿Como funcionan el reconocimiento por voz? El sonido, patrón y rito de la voz se miden y se les asigna una puntuación numérica que después es comprobada con puntuaciones similares.

Escaner de iris

¿Como funcionan los escaneres de iris? Hay dos formas de escanear los ojos. Un escáner de retina mide el patrón de venas en el fondo del ojo, que se obtiene proyectando una luz infrarroja a través de la pupila. El escáner de iris se realiza utilizando una videocámara y examinando los patrones de color únicos de los surcos de la parte coloreada de nuestros ojos. ¿Dónde se utilizan los escáner de iris o escáner de ojo? Los escáneres de iris están empezando a utilizarse en la seguridad de los aeropuertos, y algunos están probando esta tecnología como sustituta de los mostradores de facturación: en este caso, nuestro ojo sería nuestro billete. Los escáneres de retina son bastante invasivos y menos habituales, pero se siguen utilizando para restringir el acceso a instalaciones militares, laboratorios de investigación y otras áreas de alta seguridad. Reconocimiento por A.D.N.

¿Como funciona el reconocimiento de ADN? El ADN de una persona se obtiene a través de muestras de sangre, saliva, cabello o piel. La longitud y la secuencia de proteínas de varias secciones de la cadena de ADN se analizan para generar un ‘perfil de ADN’ que se compara con otros perfiles para ver si coinciden. ¿Dónde se utilizan el reconocimiento por ADN? Actualmente el análisis de ADN se utiliza casi únicamente para verificar la paternidad y por las fuerzas del orden. Casi todos los estados norteamericanos recogen muestras de ADN de los condenados por crímenes violentos, y cuatro estados también las toman a todos los arrestados, según DNA Resource. La base de datos de AND del FBI tiene datos de más de 2,1 millones de muestras de ADN. ¿Qué nivel de seguridad ofrece el reconocimiento por ADN? La posibilidad de que dos personas tengan la misma secuencia de ADN se estima en 6.000 millones contra uno, a menos

que sean gemelos idénticos. No obstante, los gemelos idénticos tienen iris y retinas diferentes, por lo que en este caso sería más fiable un escáner de ojos.

Verificación Automática de Firmas

Mientras es posible para un falsificador producir una buena copia visual o facsímil, es extremadamente difícil reproducir las dinámicas de una persona: por ejemplo la firma genuina con exactitud. La VAF, usando emisiones acústicas toma datos del proceso dinámico de firmar o de escribir. La secuencia sonora de emisión acústica generada por el proceso de escribir constituye un patrón que es único en cada individuo. El patrón contiene información extensa sobre la manera en que la escritura es ejecutada. El equipamiento de colección de firmas es inherentemente de bajo costo y robusto. Esencialmente, consta de un bloque de metal (o algún otro material con propiedades acústicas similares) y una computadora barata.

El Estándar X9.84 (Seguridad en Sistemas Biometrico)

Existe una organización acreditada por el Instituto Nacional de Estándares de Estados Unidos (American National Standars Institute, ANSI) conocida como X9 que es responsable del desarrollo y la publicación de los consensos alcanzados en temas de estandarización para la industria de servicios financieros.

Entre las tareas encomendadas a esta organización se puede destacar la comprobación de procesos, la comprobación de las transacciones electrónicas comerciales y personales, la gestión y la protección de los códigos de autenticación personal (PIN), el uso de técnicas criptográficas, pagos a través de Internet, intercambio de imágenes financieras, aspectos de seguridad de la banca en línea,etc.

Es fácil deducir que muchas de estas líneas de actividad despiertan el interés de empresas de soluciones biométricas que ofrecen el acceso lógico a esas aplicaciones o servicios mediante el empleo de información biométrica como si se tratase de claves públicas cuyo desciframiento no debería comprometer a los sistemas ni a los individuos. Por ello, dentro de X9, el grupo de trabajo X9.84-2000 (Biometric Information Managment and Security) se encarga de la

estandarización biométrica, preocupados por la seguridad y la gestión de los datos biométricos de los usuarios durante el tiempo de su existencia.

Aspectos como la seguridad en la transmisión y en el almacenamiento de esta información biométrica sensible, o la seguridad e integridad en el hardware y software utilizado, constituyen algunos de sus objetivos. Su misión es desarrollar los estándares biométricos necesarios antes de empezar a realizar grandes inversiones en esta tecnología para incluirla en sus propios servicios. El estándar X9.84 se aprobó en Marzo de 2001 y se pretende que también se convierta en un estándar ISO.

X9.84 ha revisado el flujo seguido por los procesos de autenticación para detectar posibles riesgos de seguridad, puntos débiles en el mismo, etc. Su idea es que, si el sistema es consistente, los bancos e instituciones similares pueden implementar soluciones con la confianza suficiente en las fuentes de datos (bases de datos con los patrones biométricos), en los resultados de la verificación que se produzcan, en la integridad y confidencialidad de los datos que intervienen en el proceso de autenticación, en los procesos de transmisión y almacenamiento de esos datos, etc.

El estándar X9.84 proporciona integridad y privacidad. La privacidad se consigue mediante técnicas criptográficas aplicadas sobre los datos biométricos específicos del usuario, después de aplicar la técnica criptográfica estos datos se concentran en un bloque de datos, el cual se conoce como “opaco”. La integridad se alcanza aplicando de igual manera técnicas criptográficas como las firmas digitales o un mensaje con un código de autenticación (Message Authentication Code, MAC) sobre todos los datos biométricos, es decir, la cabecera y el bloque de datos opaco con la información biométrica específica de ese usuario. La privacidad y la integridad pueden conseguirse de forma independiente, pero cuando se requieren ambas, primero se consigue la integridad, es decir, la firma y posteriormente la privacidad, es decir, se cifran las dos. En particular X9.84 soporta el transporte de claves asimétricas, acuerdos entre claves, etc, tanto para la privacidad como para la integridad.

Aunque X9.84 se ha convertido en un estándar de facto para las compañías que ofrecen servicios financieros, no se puede decir lo mismo para los fabricantes o vendedores de soluciones biométricas especialmente los que se encargan de las funciones de almacenamiento, transmisión, extracción y comparación de los datos, ya que el nuevo estándar les obliga a incorporar un nivel de seguridad y mecanismos criptográficos que no se encuentran implementados en los productos actuales

Seguridad Informatica. Capitulo Cuatro  (Seguridad Biométrica - Parte 3)

|| Author: ÇonfusedMind. || Jueves 25 de Junio de 2009.  

"No legacy is so rich as honesty" -- William Shakespeare.

Este es el tercer y ultimo paper de este cuarto capituloSi bien se retraso un poco, aqui esta...

Espero les sea de su agrado. Muchas gracias por las buenas criticas. Realmente me asombro los mails que me llegaron y las visitas a una web que

simplemente tiene papers sin foro ni nada.

#############################################################  [-]  Introduccion a Sistemas Biometricos.  [-]  Diferentes dipositivos biometricos.  [-]  Ventajas y Desventajas de estos dispositivos biometricos.  [-]  Analizando sistema biometrico de -> HUELLA DACTILAR.  [-]  Analizando sistema biometrico de -> GEOMETRIA DE LA MANO & VENAS.  [-]  Analizando sistema biometrico de -> PATRONES DE IRIS.  [-]  Analizando sistema biometrico de -> RECONOCIMIENTO DE VOZ.  [-]  Analizando sistema biometrico de -> ROSTRO/CARA. #############################################################

# Introduccion a Sistemas BiometricosAntes de adentrarnos en el mundo biometrico, tenemos que entender logicamente que son los Sistemas Biometricos, bueno veamos una breve descripcion.

Los seres humanos poseemos caracteristicas que nos hacen diferenciar de unos y otros. Es lo que nos hace ser unicos, por ejemplo: Las huellas dactilares, la cara, la voz, el iris del ojo, la retina... entre otras cosas, estas son las que se destacan.

Entonces con grandes caracteristicas como estas porque no aprovecharlas verdad?, en vez de andar pensando una contraseña, llevando tokens, pensando en numeros, PIN, palabras claves y mas cosas... bien.Algo similar se les ocurrio a los cientificos y profesionales electronicos hace ya varios años, en conjunto formaron lo que hoy conocemos como BIOMETRÍA.Los Sistemas Biometricos se basan en "identificar o verificar" la identidad de una persona determinada mediante sus caracteristicas anteriormente numeradas, como la voz, la retina, o la mano, etc.

# Diferentes dispositivos biometricos.Personalmente divido en dos grupos a los sistemas biometricos. # Sistemas Fisicos &  Sistemas Psicologicos

    SISTEMAS FISICOS: Permiten el analisis y la verificacion en diferentes partes de nuestro cuerpo.

    * Mano: Ya sea Palmar, Digital, o Geometrica.    * Ojos: Iris & Retina.    * Cabeza: Cara o Geometria de esta.

    * ADN    * Olor corporal

     SISTEMAS PSICOLOGICOS: Estos evaluan de una forma "psicologica" tres caracteristicas fundamentales de un ser humano.

    * Mediante la Voz.    * Mediante la Firma textual.    * Mediante el tipeo electronico.

# Ventajas y Desventajas de estos dispositivos biometricos.Depende de como miremos estos sistemas biometricos pueden presentar algunas ventajas, aunque tambien pueden presentar varias desventajas.Que algo sea moderno, y utilize de la ultima tecnologia disponible por cientificos de otro mundo, no significa que sea seguro.. Siempre va a haber una mente inquieta, hackers que quieran sobrepasar esa barrera del limite, y de la seguridad del sistema.

Algunas ventajas de estos sistemas biometricos podrian ser las siguientes:

# VENTAJAS

· La primer ventaja que podremos observar es que al ser una tecnologia dentro de todo 'moderna', depende como se implemente esta, presenta dificultad ante los intrusos. Ya que son mucho mas dificil de falsificar que una contraseña o un token (aunque despues con un buen analisis revertiremos esto..pero no para todos los casos de identificacion)

· Otra ventaja es que nos libramos de todo peso de encima, es decir no necesitamos llevar algo encima, o pensar algun tipo de clave, solamente necesitamos nuestro lindo cuerpo, y que el sistema haga su trabajo.

# DESVENTAJAS

· Una desventaja podria ser a fecha de hoy, que estos sistemas dependiendo que es lo que busquemos implementar y el rango de seguridad que necesitemos, son demasiados caros.Esto se debe a la gran inteligencia artificial que tienen que aplicarse dependiendo lo que busquemos, sin contar la CANTIDAD que necesitemos, si es una empresa de 50 pisos, imaginense simplemente lo que costaria ya que con tantos pisos el personal seria grandisimo, por lo tanto 1 aparato solo en la entrada no nos bastaria..

· Otras desventaja podrian ser lo que se conoce como factores o medidas de aceptacion.Donde a veces nos traeria un dolor de cabeza debido a que todavia la implementacion no esta calibrada de tal manera y podria darnos algunos factores como: Un FRR -false rejection rate- seria un resultado negativo para un sujeto valido, o un FAR -False Acceptance Rate- que seria lo contrario una aceptacion para un usuario no valido o no registrado en el sistema.

A continuacion nos meteremos mas en lo que es el corazon de este paper, en analizar algunos de los Sistemas biometricos mas utilizados, o de 'moda', para entender como funcionan.

# Analizando sistema biometrico de Huella Dactilar.

Entre todos los dispositivos biometricos que existen, este es el mas viejo de todos. Seguramente donde mas lo hayamos visto es en las peliculas. Donde "pepito" si identifica solamente al ingresar su pulgar, indice o algun dedo de la mano, si este es validado, tiene acceso.

El proceso de este sistema es muy sencillo de explicar.Previamente debemos "Registrar nuestras huellas" para que el sistema posteriormente pueda reconocernos a la hora de ingresar a determinado lugar donde este implementado.Este proceso elabora un mapa, en este mapa se encuentran detalles pre-establecidos sobre la huella que tenemos los seres humanos. Veamos estos detalles con algunas imagenes y sus nombres:

         ISLA    BIFURCACION   FINAL    PUNTO     LAGO

Creo que no tendria que decirlo pero por si acaso cada ser humano posee una huella dactilar UNICA.

- Veamos ahora como se realiza el trazado de estos detalles:

 - Como vemos en la imagen mediante determinados patrones, se localizan los detalles pre-establecidos, sobre la huella dactilar.Para darles una vaga idea.. el que no llegue a esta altura a entender como podria implementarse esto, podriamos imaginar en un eje cartesiano.. donde esos redondeles rojos, serian puntos en el eje "X"

and "Y" .

# Analizando sistema biometrico de la Geometria de la Mano & Venas.Estos dos dispositivos los pongo juntos ya que se tratan de una misma parte fisica y que aveces se

pueden unificar o fusionar el analisis, ojo que no siempre aunque uno calcule la geometria de la mano tiene que realizar la verificacion mediante el plano de lectura de venas.

- El proceso de la Geometria de la mano es sencillo, se apoya la mano sobre el lector.- Este lo que hace es tomar una screen / imagen de la palma y otra lateral, la cual se extraen los patrones de esa mano.- Esos patrones se transforman en lo que seria el algoritmo matematico.. como bien dijimos en el anterior ejemplo: esos puntos tranquilamente se podrian aplicar a un eje carteciano..

NOTA: Una cosa a aclarar es que la geometria de la mano no es algo que sea UNICO, puede darse colisiones con otros seres humanos, es decir puede pasar que en una empresa de 500 empleados 2 tengan el mismo tamaño y geometria de la mano, y esto puede producir varios -FAR- False Acceptance Rate-.

Mediante analisis de VENASEsta forma es casi similar a la anterior, nada mas que el objetivo es diferente y tiene claro algunos detalles como que utiliza un LED infrarrojo y un elemento CMOS para que se capture la fotografia de las venas, ya sea del dedo o puede ser toda la mano depende como este implementado el mecanismo. Sony hace poco habia lanzado uno, por febrero, donde su tasa de error decian que no pasaba el 0,1% y que no requeria de un gran procesador, sino con el de una pc hogareña bastaba.. Sin dudas es un futuro a plazo medio-largo la identificacion por sistemas biometricos, de las cuales las empresas quieren sacar provecho cuanto antes.

# Analizando sistema biometrico de los Patrones del IRIS.El iris como todos sabemos o imaginamos, es un organo interno del ojo.. ubicado detras de la cornea. Este organo tiene una caracteristica muy importante y es que fisicamente dicho "No existe alteracion genetica en lo que respecta a la expresion del organo mas alla de la forma anatomica, fisiologica, de color y de apariencia". [wiki]

Bien con este mini discurso podemos imaginarnos que el iris como vimos tantas veces en las peliculas, brinda algunas ventajas sobre otros sistemas biometricos y variables. Tiene 2 caracteristicas (logicamente mas) pero para mi las 2 mas importantes:

- Una es que con el pasar del tiempo de vida del ser humano este no se deteriora y pertenece ESTABLE.- Y otra es la facilidad en la que se puede llegar a registrar la imagen sin necesidad de tener algun contacto fisico.. aunque muchas personas le teman al hecho de exponer su ojo, y no todos los empleados de las empresas aceptan esto por miedo o ignorancia al dispositivo.

PROCESO:  Cuando el iris de una persona (logicamente no va a ser de un caiman , a menos que este entre y salga de su oficina a diario), se ve afectado y reacciona ante la luz, una vez que el iris se ve afectado, rapidamente algoritmos matematicos son los que hacen el trabajo de analizar cada punto y bordes tanto externos como internamente del iris, para formar un patron.

Para realizar esta operacion con exito, se emplean lo que se conoce como "demodulacion matematica", las cuales se emplean mediante ondas en 2d de "Gabor". [Referencia Gabor: http://iie.fing.edu.uy/investigacion/grupos/gti/timag/trabajos/2003/huellas/html/node16.html]

Una vez que los bordes fueron localizados y se excluyen los papados se realizan funciones matematicas como integro-diferenciales, se definen coordenadas bidimensionales, etc..Asi quedaria el mapa del iris con un codigo arriba a la izquierda generado automaticamente de 256bytes. El cual posteriormente se guardaria en la base de datos...para una mayor velocidad de comparacion de identificacion.

# Analizando sistema biometrico de Reconocimiento de VOZ.El analisis de la vos es algo muy conocido tambien, y es mas barato que implementar otros tipos dedispositivos, aunque tambien a esta altura muy "falsificable".Su funcionamiento se basa en:

- La comparacion de distintos parametros de la voz.

# Analizando sistema biometrico de ROSTROS/CARAS.El reconocimiento de rostros o caras, se pueden realizar de dos maneras, esta la parte tradicional, la que simplemente sacamos una foto, e identificamos visualmente a la gente de manera natural.

Es poco costoso y este sistema de identificacion es bastante bueno, primero que la gente lo toma como algo amigable, estamos acostumbrados a que nos saquen una foto de frente, por lo que es amigable para los empleados y bien recibido socialmente.

Despues vienen las TECNICAS de reconocimiento de rostro.Que claramente aca aplicamos la matematica pura.

- El reconocimiento se puede realizar mediante una tecnica llamada Elastic Graph Matching -EGM- u otros algoritmos populares como el: eigenface, modelo de Markov, fisherface, neuronales, etc..- Logicamente mediantes funciones matematicas

En el reconocimiento de la voz se realizan varias cosas, un filtrado anti-aliasing, se detecta el inicio-fin de la señal enviada, hay un pre-enfasis, se realiza una conversion analogica a digital.Se divide la señal en cuadros, se comparan parametros finales y se realiza un limite de decision el cual adoptara por calcular la verosimilitud de la voz y definir la decision final, positiva o negativa.

Reconocimiento facial implementado por BMW

Algo que esta surgio hace tiempo y esta pisando mas fuerte, es el reconocimiento facial en 3D.Utiliza sensores 3d para recibir la informacion sobre la forma de un rostro, la informacion que percibe es utilizada luego para identificar y comparar rasgos distintivos en la superficie de una cara, como los ojos o la nariz.

Tambien existen similares tecnicas para el reconocimiento mediante la textura de la piel, esta utiliza detalles visuales de la piel, como localizar manchas en una persona, tonos de color de la piel, y demas patrones

Nuevo sistema de seguridad para detectar terroristasLos Estados Unidos sumaron una tecnología novedosa a los distintos sistemas de identificación de identidad con los que ya cuentan en los aeropuertos. Se aplicará tanto a turistas como a hombres de negocios. Cuándo y dónde regirá el nuevo sistema

Hasta hace un tiempo, la tecnología biométrica en los aeropuertos norteamericanos sólo se limitaba al escaneo de la huella del dedo índice. Sin embargo, el secretario de Seguridad Nacional de los Estados Unidos, Michael Chertoff, comunicó que a las personas que intenten ingresar al país se les tomará una impresión electrónica de sus diez dedos.

Este nuevo sistema entró en funcionamiento el pasado 20 de noviembre, en el aeropuerto internacional de Dulles, Washington, informó el diario Clarín.

Los aeropuertos John Fitzgerald Kennedy de Nueva York, el Ohare de Chicago, y las terminales de Miami, Orlando, Atlanta, Houston, Boston, Detroit y San Francisco forman parte de la segunda fase de extensión del sistema. Éste será implementado allí en los próximos meses.

Se estima que para fin de 2008 los 290 aeropuertos norteamericanos contarán con la

nueva tecnología de seguridad. Ésta permitirá que la identificación de identidad de los ingresantes sea más precisa.

"La tecnología biométrica ayuda al viajero a proceder más rápidamente, mientras que protege su identidad y permite que nuestro personal de la frontera preste la mayor atención a riesgos potenciales de seguridad", finalizó Chertoff.