Transcript Slajd 1
Rozpoznawanie odcisków palców Zastosowanie Informatyki w Medycynie Jakub Snelewski, Jacek Gajek Plan • Historia • • Obecnie Metody minucyjne • Zasada 3N • Tworzenie obrazu binarnego c) • Elementy podstawowe • Tworzenie obrazu odchudzonego d) • Poziom globalny • Wykrywanie minucji (Minutiae) e) • Wzorce linii papilarnych • Inne metody wykrywania minucji • Estymacja obrazu kierunkowego • Ekstrackcja cech (Feature Extraction) • Estymacja obrazu kierunkowego • Weryfikacja wykrytych minucji • Indeks Poincaré (Kawagoe i Tojo, 1984) • Dopasowywanie wzorców punktowych • Poziom lokalny • Ataki rodzaje • System Klasyfikacji Odcisków • Poziom szczegółów • Rodzaje nośników • Rodzaje sensorów linii papilarnych • Wytwarzanie falsyfikatów • Źródła zakłóceni • Eksperyment T. Matsumoto, 2004 r. • Literatura Usuwanie zakłóceń Źródła wiedzy Historia 1888 - Sir Francis Galton (kuzyn Darwina), Anglia • klasyfikacja punktów osobliwych, • definicja tzw. “minucji” (detali Galtona) • określenie trwałości linii papilarnych i jednoznaczności weryfikacji (prawdopodobieństwo błędu 1:64 mld) • dzieło “Fingerprints” • podwaliny obecnie funkcjonujących systemów biometrii odcisku 1899 - Sir Edward Richard Henry, Anglia • system klasyfikacji odcisków, w rzeczywistości opracowany przez indyjskich asystentów 1924 - Utworzenie FBI Fingerprint Identification Division, USA następuje powszechna akceptacja tej metody rozpoznawania tożsamości Obecnie • AFIS Automatic Fingerprint Identification System 1. Kryminalistyka • Ogromne bazy danych: aktualna baza FBI – ponad 200 mln kart daktyloskopijnych (karta zawiera odcisk każdego z 10 palców), baza polska – około 3.2 mln kart oraz 63 tys. niezidentyfikowanych śladów z miejsc przestępstw (CLK KGP,2011) • Różna jakość odcisków porównywanych (odciski utajone, niepełne) • Czas identyfikacji odcisku liczony w minutach 2. Biometria • • Identyczna jakość porównywanych odcisków Czas identyfikacji odcisku liczony w ułamkach sekundy Zasada 3N • linie papilarne nie zmieniają się w funkcji czasu • linie papilarne są statyczne i wyraźne • odciski palców są niepowtarzalne ✔ Francisa Galtona ✔ Niezmienne ✔ Nieusuwalne Niepowtarzalne Elementy podstawowe Poziom globalny Punkty osobliwe: łuk, pętla, wir Rdzeń: • tożsamy z najbardziej na północ wysuniętym punktem osobliwych typu wir lub pętla dla odcisków nieposiadających punktów osobliwych, zwykle tożsamy z położeniem maksymalnej krzywizny linii • niezbędny w celu wyrównania obrazów przed identyfikacją Wzorce linii papilarnych Łuk 6% Pętla 64% Punkty osobliwe Wir 30% Estymacja obrazu kierunkowego ➔ Pole gradientu (dyskretnego) ➔ ∇(xi, yi) = [∇x(xi, yi),∇y(xi, yi)]T ➔ ➔ ➔ Pole kierunków ortogonalne do pola gradientu Obraz kierunkowy ≡ pole średnich lokalnych kierunków Uśrednianie kierunków np. w obszarze 4x4 Estymacja obrazu kierunkowego Oryginał Obraz kierunkowy Indeks Poincaré (Kawagoe i Tojo, 1984) Całkowita rotacja wzdłuż krzywej pola wektorowego Indeks Poincaré (Kawagoe i Tojo, 1984) Cztery dyskretne wartości indeksu • 0o – punkt nie należy do regionu • 360o – punkt należy do regionu typu wir • 180o – punkt należy do regionu typu pętla • −180o – punkt należy do regionu typu delta Inne metody • Partycjonowanie obrazu (z wykorzystaniem dyskretyzacji nachyleń linii) • Transformata Hough’a Poziom lokalny Minucje (detale Galtona) System Klasyfikacji Odcisków Poziom szczegółów • Wymagana rozdzielczość: co najmniej 1000 dpi • Cechy indywidualne: kształt linii, położenie i kształt porów, zmarszczek, brodawek, blizn, linii zdegenerowanych • Umożliwia identyfikację z wykorzystaniem fragmentu odcisku Rodzaje sensorów linii papilarnych • Optyczne • Ultradźwiękowe • Krzemowe: – Pojemnościowe mikro-kondensaty płytkowe – Naciskowe piezoelektryki – Termiczne piroelektryki Sprzęt - czytniki optyczne Sprzęt - czytniki pojemnościowe Sprzęt – czytniki naciskowe Sprzęt – czytniki termiczne Ultradźwiękowe Zdjęcia z różnych sensorów Źródła zakłóceni Deformacje liniowe i afiniczne • różna siła docisku • inny kąt ułożenia palca (problem małych sensorów) • przesunięcia i obroty palca Deformacje nieliniowe (zniekształcenia elastyczne) • mapowanie 3D ⇒ 2D • główna przyczyna zmienności wewnątrzklasowej Różne obszary pomiarowe Skóra sucha, spocona, chora, zraniona • grzbiety nie kontaktują się z powierzchnią urządzenia • niekompletny obraz odcisku • nieciągłości linii • sklejenia linii Niedokładność urządzenia pomiarowego Usuwanie zakłóceń Uwypuklanie grzbietów i dolin • lokalna selektywność kierunkowa i częstotliwościowa: transformata Fouriera, filtry Gabora, przekształcenia falkowe • odpowiedź filtrów osiąga maksimum na kierunkach ortogonalnych do grzbietów Wyrównywanie jasności i ostrości obrazu • wyrównywanie histogramu • filtracja Laplace’a Metody minucyjne • reprezentacja odcisku jako zbioru minucji • poszukiwanie maksymalnej liczby par pasujących minucji Tworzenie obrazu binarnego c) Detekcja grzbietów • progowanie obrazu z progiem globalnym (niska jakość) • progowanie obrazu z progiem lokalnym/adaptacyjnym • dekompozycja lokalnego histogramu poziomu jasności w kierunkach ortogonalnych do grzbietów • uwypuklanie grzbietów i dolin + progowanie z progiem lokalnym Tworzenie obrazu odchudzonego d) Pocienianie obrazu binarnego • metody znane z problemów rozpoznawania pisma, analizy dokumentów, wektoryzacji map Wykrywanie minucji (Minutiae) e) Estymacja z obrazu odchudzonego • liczba sąsiadów należących do grzbietu = 1 to zakończenie = 2 to grzbiet, brak minucji > 3 to rozwidlenie • zakłócenia mogą zwielokrotnić liczbę minucji (niezbędna weryfikacja fałszywych minucji) Inne metody wykrywania minucji Estymacja z obrazu binarnego i kierunkowego • śledzenie grzbietów w obrazie binarnym (Weber, 1992) • detekcja zaburzeń obrazu kierunkowego (Székely, 1993) Estymacja z obrazu w skali szarości • śledzenie grzbietów w obrazie oryginalnym (Maio, Maltoni) • modyfikacje powyższej metody: adaptacja długości kroku i progu binaryzacji (Jiang, Yau, Ser 1999, 2001), jednoczesne śledzenie grzbietu i sąsiednich dolin (Liu, Huang, Chan, 2000) • filtr Gabora + klasyfikacja nieliniowa, (Leung, Engeler, Franck, 1990) • modelowanie lokalnych histogramów mieszaninami gaussowskimi (Chang, Fan, 2001) Ekstrackcja cech (Feature Extraction) Film Weryfikacja wykrytych minucji reguły heurystyczne • usuwanie minucji brzegowych • usuwanie krótkich grzbietów • usuwanie krótkich połączeń grzbietów • łączenie krótkich przerw grzbietów • usuwanie konstelacji minucji wykorzystanie dualności minucji (weryfikacja minucji jednocześnie dla obrazów odchudzonych pozytywowych i negatywowych; Hung, 1993) Dopasowywanie wzorców punktowych Transformata Hough’a (metoda popularna, Ratha, 1996) • przekształcenie problemu dopasowania wzorców do problemu znalezienia maksimum tablicy akumulatorowej • tablica akumulatorowa indeksowana położeniem, kierunkiem i skalą minucji Metody relaksacyjne (np. Rosenfeld, Kak, 1976) • iteracyjne zwiększanie prawdopodobieństwa dopasowania par minucji • Są to metody intensywne obliczeniowo Ataki rodzaje • idea fałszowania odcisku palca (utajonego) • odcisk w formie z gliny lub wosku + odlew żelatynowy • fotografia palca + chromowanie modelu z żelatyny • (niechromowane grzebiety pozostawiają ślady po nawilżeniu modelu) Źródła wiedzy • żywy palec • odcisk utajony • fotografia palca Rodzaje nośników zagęstniki spożywcze (żelatyna, guma guar) kleje elastyczne silikon, silikon wzbogacony materiałem przewodzącym (imitacja charakterystyki impedancyjnej skóry) Wytwarzanie falsyfikatów Eksperyment T. Matsumoto, 2004 r. Testowane systemy: 11 systemów od 9 producentów • dwa systemy instalowane w telefonach komórkowych • dwa systemy oferowały “test żywotności” • optyczna i pojemnościowa technika pomiaru Wyniki • wszystkie systemy zaakceptowały żelatynowe falsyfikaty • 5/11 systemów zaakceptowało silikonowe falsyfikaty • 9/11 systemów zaakceptowało falsyfikaty silikonowe z domieszką grafitu • czytniki instalowane w telefonach komórkowych zostały oszukane falsyfikatami wykonanymi z wykorzystaniem odcisków utajonych pozostawionych na tych telefonach • W wyniku etapu ekstrakcji cech powstaje „obraz” nazywamy szablonem minucyjny. Jest to lista minucji i wartości ich atrybutów. Przybliżeniu liczba minucji waha się od 10 do 100. Jeśli każdy typ Minucji jest przechowywany przez (1 bit), lokalizacja (9 bitów każdy X i Y) oraz kierunek (8 bitów), to każda wymaga 27 bitów ,powiedzmy 4 bajty to szablon będzie wymagać do 400 bajtów. Nie należy do rzadkości aby zobaczyć szablon długości 1024 bajtów. Literatura 1) Fingerprint Identification and Verification System using Minutiae Matching; F.A. Afsar, M. Arif and M. Hussain; Pakistan Institute of Engineering & Applied Sciences Islamabad, Pakistan 2004 2) Fingerprint Verification Lawrence O’Gorman Veridicom Inc. Chatham, NJ 2007 3) Minuatiae-based partial fingerprint recognition Tsai-Yang Jea Univesity at Buffalo, the State University of NY 2005