Идентификация личности по радужной оболочке глаза

На сегодняшний день разработано  несколько различных способов защиты систем идентификации по радужной оболочке глаза от подделок. Самой простой  из них является регистрация непроизвольных движений глаза и зрачка. Их наличие  свидетельствует о том, что сканеру  представлен живой человеческий орган. К сожалению, у некоторых  людей непроизвольные движения глаза  происходят довольно редко. Известны даже случаи, когда они совершались  всего один раз в течение несколько  минут. Естественно, продлить процедуру  идентификации на такое продолжительное  время невозможно.

Другим более распространенным способом защиты стала проверка спектра  отражения поверхности живого глаза. Дело в том, что значение этого  параметра у всегда влажной роговицы значительно отличается от величины той же характеристики мертвого органа или любого искусственного материала (стекло, пластик и т. д.). К сожалению, этот удобный во всех отношениях метод  оказался весьма уязвимым. Дело в том, что злоумышленник может обмакнуть  свою подделку в жидкость или покрыть  ее тонким слоем раствора желатина. Пока достоверных сообщений о  таких атаках не поступало, тем не менее теоретически они представляют серьезную угрозу.

Для борьбы с этой атакой технология отслеживания спектра отражения  была доработана. В современных сканерах этот параметр вычисляется не один раз, а несколько. Причем этот процесс  происходит в случайно выбранные  моменты времени, с разной силой  и направлением свечения диодов подсветки. Потом полученные в результате измерений  результаты сравниваются с расчетными. Обмануть такую систему уже гораздо сложнее.

Но особый интерес у  разработчиков вызвала технология, использующаяся в медицине. Речь идет о так называемой пупилографии. Суть ее заключается в следующем. Человек смотрит в специальный прибор, который направляет в его глаз короткий световой импульс. При этом зрачок реагирует на излучение, сокращаясь, а потом возвращаясь в исходное состояние. График этого процесса называется пупилограммой, по которой врач может определить общее состояние человека (активность, сонливость, наличие серьезного стресса и т. д.).

Именно это и привлекло  внимание разработчиков систем идентификации  личности по радужной оболочке глаза. Ведь пупилография позволяет помимо защиты от подделок (сокращаться может только живой зрачок) определять состояние человека. А это можно использовать во многих областях. Например, система допуска в кабину пилотов пассажирского лайнера не допустит туда перевозбужденного или сильно раздраженного летчика. То же самое можно реализовать в системах допуска к некоторым важным объектам военного назначения и т. п.

К сожалению, есть у пупилографии и серьезные недостатки. Это несколько неприятные ощущения для пользователя во время подачи светового импульса и относительно высокое время, необходимое на идентификацию (до нескольких секунд на каждого пользователя).

4. РАДУЖНАЯ ОБОЛОЧКА ЧЕЛОВЕКА

Идентификация  личности  по  радужной  оболочке  глаза  осуществляется  с использованием  нескольких  этапов.  Первым  этапом  является  получение исследуемого  изображения.  Для  этого  используются  различные  камеры.  Стоит отметить,  что  большинство  современных  систем предполагает использование  для идентификации не одного  снимка,  а нескольких. Они необходимы для получения более полного изображения радужки, а также могут использоваться при некоторых способах защиты от муляжей.

Второй  этап –  выделение  изображения  радужной  оболочки  глаза.  Сегодня  разработано множество способов точного получения границы радужной оболочки по  описанным  признакам.  Единственной  проблемой  являются  области,  закрытые веками. Она  решается  с  помощью  создания  в  течение  одного  сеанса  нескольких

снимков.  Ведь  векам  присущи  непроизвольные  движения,  дрожание.  Таким образом, то, что скрыто на одном снимке, может оказаться видно на другом. Кроме того, на радужной оболочке  глаза достаточно много разнообразных  элементов, и, таким  образом,  для  надежной  идентификации  достаточно  всего  лишь 30-40

процентов  из  них.  Поэтому  многие  системы  игнорируют  закрытые  области  без заметного ущерба для надежности.

5. КЛАССИЧЕСКИЕ МЕТОДЫ

1. Daugman

Система Daugman'а спроектирована в 1992 году. Основа для составления кода – фильтры Габора, критерий сравнения кодов – расстояние Хэмминга. Код представляется в виде двоичной переменной 512 байт (4096 бит), имеющей запатентованное название IrisCode. Это наиболее ранняя и по-видимому наиболее развитая система, имеются коммерческие разработки.

2. Wildes[4]

Система была предложена в 1996. Система  использует преобразование Хафа для локализации радужки, Лапласову пирамиду фильтров Гаусса (мультимасштаная декомпозиция) для составления кода, в качестве критерия сравнения берется нормализованная корелляция (normalized correlation). Для захвата изображения использует специальное оборудование.

3. Boles

В 98 Boles предложил метод составления кода, основанный на вейвлет-преобразованиях. Изображение радужки представляется одномерной функцией, которая фильтруется вейвлетами специального вида. Код составляется с помощью точек, в которых результирующее представление обнуляется (zero-crossings of one-dimensional wavelet transforms).

4. Noh[10]

Коммерческая разработка. В основе лежит использование анализа  независимых компонент с переменной разрешающей способностью (Multiresolution Independent Component Analysis).

6. ПРЕДОБРАБОТКА ИЗОБРАЖЕНИЯ ЭКСПЕРЕМЕНТЫ С МЕНЕЕ И БОЛЕЕ КОНТРАСТНЫМИ СНИМКАМИМ ГЛАЗА.

 
Как качество фото влияет выделение изображения радужной оболочки глаза,зрачка.

Для того чтобы качественно распознать радужную оболочку глаза, необходимо получить качественные входные данные. Для  этого следует выполнить ряд  действий.Важный и сложный этап при распознавании ра-дужной оболочки - это получение изображения. Так как радужная оболочка мала по размеру и достаточно темная по цвету (особенно для Азиатских людей), тяжело получить хорошие изображения для анализа, используя стандартный фотоаппарат и обычное осве-щение

Из полученного изображения  следует выделить «полезные» части (радужная оболочка) и исключить  «лишние» (веко, ресницы, зрачок, и т.п.). С целью ана-лиза, исходное изображение должно заранее обраба-тываться. Для этого находится внутренняя и внешняя границы радужной оболочки, что достаточно легко сделать, так как она имеет форму окружности и по цве-ту является более темной, чем белковая зона, и более светлой, чем зрачок.Очень важным является получение изображения в одинаковых условиях освещенности, иначе будут различными соотношения размеров радужной обо-лочки и зрачка и нарушится текстура радужки, что приведет к неверной идентификации. После того как обнаружены границы радужки, ее можно спроеци-ровать на прямоугольный блок текстуры. Исходное изображение радужки имеет низкий контраст и может иметь недостаточное освещение. Для получения более точного результата анализа необходимо увеличить изображение радужки и увеличить контраст изобра-жения .

Далее полученное изображение радужной обо-лочки преобразуем в бинарное. Матрица бинарного изображения записывается в виде вектора, элементы которого и являются входными данными для модифи-цированной нейронной сети Хэмминга. Сеть сравни-вает полученный образец радужки с уже имеющимися в базе. Но не всегда увеличение контраста, будет достаточным. Мы провели ряд экспериментов с изображениями разной контрастности.

 

 

 

 

 

1.                                            2.                                              3.

Рис2.

1.исходные изображения с разным  освещением 
2.увеличен параметр contrast (контрастность) +50

По сравнению с первым столбцом граница РОГ и зрачок видны отчётливей. 
3. увеличен параметр contrast + 200

Во всех изображения кроме второго  РОГ и зрачок видны отчётливей. Можно сделать вывод что в изображениях где граница РОГ одинакова по тону с веками контрастность не даст желаемый результат

рис3.

1. увеличен параметр brightness (яркость) +50,  contrast +100

Граница РОГ и зрачок видны отчётливей на всех изображениях.

2. увеличен параметр brightness (яркость) +100,  contrast +100

Граница РОГ и зрачок видны хуже, зрачок виден отчётливо.

3. увеличен параметр brightness (яркость) +200,  contrast +100

При большом параметре brightness, теряется Граница РОГ, если радужная оболочка недостаточно тёмная. Но зрачок в таком случае виден лучше.

 

рис 4.

 

1. увеличен параметр contrast  +50, фильтр smart blur(умное размытие)

В снимках где граница РОГ достаточна контрастна относительно белка, после фильтра её стало видно ещё лучше, тоже самое произошло и со зрачком. В двух других снимках абсолютно наоборот.

2. увеличен параметр brightness (яркость) +100,  contrast +100, фильтр Unsharp

В изображениях где РОГ намного темнее белка, после данного фильтра граница видна лучше, В двух других граница теряеца.

3. увеличен параметр brightness (яркость) +100,  contrast +100, фильтр smart blur(умное размытие)

Не  на одном изображении нет положительного результата.

рис 5.

1. увеличен параметр brightness (яркость) +50,  contrast +50,фильтр glow edge(свечение краёв), инверсия

Хорошо  видна граница РОГ на двух снимках, на двух других граница теряется.

2. увеличен параметр brightness (яркость) +50,  contrast +50,фильтр spatula(шпатель)

На  всех изображениях границы видны  хуже.

3. изогелия 130
4. На одном изображении граница видна отлично, на других видно плохо, либо невидно вовсе.

рис 6.

1. изогелия 20

Границу невидно на всех четырёх  снимках.

2. увеличен параметр brightness (яркость) +20,  contrast +20, фильтр stroke

На  нижних двух снимках харашо видна граница РОГ, а ресницы невидны.

3. увеличен параметр brightness (яркость) +20,  contrast +20, фильтр harshness (резкость) +150 ридиус 150 пикс.

Граница РОГ довольно неплохо видна на проблемных снимках, результат очень схож с третьим столбцом рис 2.

1. Выводы. 
   

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.

7. МОДЕЛЬ ГКПНД НА ОСНОВЕ АНАЛИЗА РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА ЧЕЛОВЕКА

Рассмотрим  этапы работы  модели  после  получения отсканированного  изображения  с  камеры.  При  проведении исследований  брались  изображения  из  общедоступных  баз  данных  изображений глаз CASIA и BioSecure, сделанных при помощи камеры OKI.

       

рис 6. Примеры изображений из баз данных CASIA и BioSecure.

 

Полученное с камеры изображение  далее проходит процедуру сегментации: определяются центры и радиусы зрачка и радужной оболочки глаза. На этом этапе мешать  обработке  изображения  могут  части  век  и  ресниц,  накрывающих  часть радужки.  Они  вызывают  групповые  ошибки.  Одно  из  решений  этой  проблемы состоит  в  применении  маскирования.  Во  многих  источниках  предлагаются алгоритмы Догмана. Дополнительно  можно  сузить рассматриваемую  область  радужной  оболочки  и  обрабатывать  область, близлежащую  непосредственно  к  зрачку,  где  вероятность  наложения  века значительно  ниже. В  результате  на  этом  этапе  из  всего  изображения  выделяется необходимая  область  радужки.  На  рис 7  показаны  выходные  значения  работы алгоритмов  на  этом  этапе и пример  изображения,  обработанного модулем сегментации.

                

рис 7. Пример параметров и изображения после работы модуля сегментации.

На рис 8 показан тот же пример но с обработанным изображением (увеличен параметр contrast  +50, фильтр smart blur(умное размытие))

рис 8.  увеличен параметр contrast  +50, фильтр smart blur(умное размытие)

Некоторые  методы  используют  специальное  оборудование  для  захвата изображения, чтобы полученное изображение  глаза было  высокого разрешения,  с хорошей  контрастностью,  освещением (при  этом  человек,  которого  снимают,  не должен  чувствовать  дискомфорта  от  слишком  яркой  вспышки),  и  центрировано (радужка  должна  находиться  в  центре  изображения).  Кроме  того,  система  камер должна быть неинвазивна,  то есть не принуждать человека сесть в определенную позу на фиксированном расстоянии от камеры при специальном освещении. Иногда,  кроме снимка  в видимом диапазоне,  делается  дополнительный снимок инфракрасной камерой . Для  того  чтобы  отделить  собственно  радужку  от  остальных  деталей  на изображении,  в  простейшем  случае можно  использовать  выделение  краев (путем анализа  первой  производной)  и  последующую  аппроксимацию  границ  радужки простыми  геометрическими  объектами.  Окружность  зрачка  и  внешнюю  границу радужки можно найти при помощи преобразования Хафа. Если  для  захвата  изображения  не  было  использовано  специальной аппаратуры,  может  понадобиться  предварительное  подавление  нежелательных эффектов,  таких  как  блик  внутри  зрачка  от  вспышки либо  другого яркого источника  света,  если  эти  артефакты  мешают корректной  работе  алгоритма выделения радужки. Следующим этапом является нормализация изображения, когда изображение переводится из полярных координат в декартовы. В результате работы алгоритма получается изображение размером 512 на 64 пикселя