1. Fakulteta za elektrotehniko
David Lukman
Univerza v Ljubljani
Fakulteta za elektrotehniko
Seminarska naloga pri predmetu strojni vid

2. RAZPOZNAVANJE OSEB
Biometrika – razpoznavanje oseb na osnovi telesnih oz. vedenjskih značilnosti

3. Razvrstitev biometričnih metod
Glede na varnost
prvi nivo: kar imaš (ključi, kartice,… )
drugi nivo: koda (geslo, številka,… )
tretji nivo: predmet + koda
četrti nivo: biometrične metode

4. Razvrstitev biometričnih metod
Glede na lastnosti osebe:
telesne lastnosti
vedenjske lastnosti

5. Zahtevane lastnosti bioloških značilnosti
univerzalnost
edinstvenost
stalnost
merljivost
Pogosto zaželjene zahteve:
učinkovitost
sprejemljivost
ukanljivost

6. Nekateri osnovni pojmi
Verifikacija
Ali je ta res ta?
Identifikacija
Kdo je to?

7. Vrednotenje napak Napačno sprejete osebe Napačno zavrnjene osebe
Vrednost je še najbolj odvisna od praga

8. Matematično ozadje
Zapis predlog z eksplicitno podanimi vrednostmi značilk
Predloga značilk – sestavljena iz povprečnih vrednosti
Metrika – definiramo razdalje:
Med več meritvami iste osebe:
Med predlogami različnih oseb:

9. Matematično ozadje
Na osnovi teh dveh razdalj dobimo dve ovojnici verjetnosti:
Naravnih razdalj FNAR
Medsebojnih razdalj FMED
Te vrednosti normiramo, in s tem dobimo krivuljo delovnih lastnosti sprejemnika, katere koordinate so določene [RNU(), RNNU()], kjer:

10. Matematično ozadje
Če je število oseb veliko, jih razvrstimo v podskupine. Na osnovi tega lahko definiramo koeficient izboljšanega iskanja:
Kjer je E število predvidenih primerjav in M število oseb
Definiramo pa lahko še koeficient nedoslednosti razvrščanja v podmnožice:

11. Matematično ozadje
Zapis predlog z implicitno podanimi vrednostmi značilk – vzorčna predloga je predstavljena z vektorjem:
Vsoto računamo kot vsoto istoležnih ujemajočih vrednosti

12. Matematično ozadje Povprečna vsota razdalj:
Referenčna predloga (tista z najmanjšo razdaljo do ostalih predlog)

13. Pregled posameznih metod

14. Prstni odtisi Zajem slike Obdelava slike
Optični, toplotni, kapacitivni, ultrazvočni senzorji
Obdelava slike
Binarizacija, tanjšanje, izločanje šuma
Pojmi v zvezi s prstnimi odtisi
Greben, dolina, obok, spirala, otoček, elipsa, vilice, zanka

15. Prstni odtisi Dva globalna pristopa: Mikroskopski (minutae)
Iskanje posebnosti, orientacija posebnosti, primerjanje medsebojnih leg
Makroskopski (statistični)
V praksi ponavadi kombinacija obeh

16. Geometrija dlani
Imamo 96 značilk (dolžina prstov, debelina dlani, prostor med prsti, …
Ponavadi uporabljamo ta postopek za verifikacijo
Senzor je narejen tako, da se dlan položi med že prej postavljene čepke, sistem pa potem zajame binarno sliko od spodaj in iz strani
Zaradi spreminjanja geometrije rok (staranje), je uveden še dodatni prag, ki upošteva te spremembe (da ne pride do prepogostih zavrnitev)

17. Slika obraza Ljudje to počnemo ves čas
Pri zajemu slike je potrebno upoštevati omejitve ali pa je sliko potrebno čimbolj obdelati
Podobno kot pri prstnih odtisih poznamo dva globalna pristopa – mikroskopski in makroskopski
Postopki razpoznave
Statistične
Z nevronskimi mrežami
Z uporabo drevesnih struktur in grafov

18. Toplotna slika obraza
Toplotna slika je posledica pretoka krvi skozi glavo
Toplotna slika je neodvisna od osvetljenosti prostora
Toplotna slika je občutljiva na zdravstveno stanje, uživanje substanc…
IR kamere v prostor ne sevajo nobene energije
Dve možnosti zajema slike:
S cenejšo kamero
Z dražjo kamero (bolj zanesljivi rezultati)
Možno določiti 175 značilk

19. Toplotna slika obraza Postopek identifikacije Zajem slike
Izločanje ozadja, šuma,…
Razdelitev slike na manjša področja, obravnavamo vsakega posebej
Dva pristopa razpoznave:
Prileganje modelov
Prileganje značilnosti

20. Očesna mrežnica Eden najzaneslivejših postopkov
Postopek identifikacije:
Zajem slike in predobdelava
Ujemanje – zavrnitev ali potrditev
Predstavitev – predloga značilk posamezne osebe
Dva načina izdelave predloge
FFT transformacija sivih odtenkov – 40 bajtna predloga
Obdelava v časovno krajevnem prostoru – 48 bajtna predloga
Vpliv osvetljenosti in odprtja zenične odprtine je možno odpraviti z normiranjem

21. Šarenica Glavni koraki postopka Lociranje očesa Filtriranje
Izdelava predloge
Zajem slike v praksi na kratkih razdaljah (do 50 cm)
Možno določiti 250 – 350 različnih parametrov
Postopek zaradi krožne oblike vršimo v polarnem koordinatnem sistemu

22. Oblika ušes Zaradi zapletene oblike ušes je postopek dokaj zapleten
Merimo 12 specifičnih vrednosti na točno določenih mestih
Največji problem je obdelava slike (rotacija, normiranje, …)
Sami postopki temeljijo na prilagajanju vzorcev, zahtevnejša in zanesljivejša metoda pa je metoda grafov zgrajenih na osnovi Gaussove piramidne predstavitve gradientov.

23. DNK
Metoda zaenkrat ni primerna za širšo uporabo, ker je postopek drag in zapleten in zahteva poseg v telo
Zgradba DNK sewstoji iz vrste osnovnih enot, ki se imenujejo nukleotidi. Sestavljeni so iz štirih spojin: Adenina, Citozina, Guanina in Timina. Specifično zaporedje teh določa genske lastnosti vsakega človeka. Med seboj se povezujejo pari A in T ter C in G
Npr: TGCCAGTCAT
ACGGTCAGTA

24. DNK Dve vrsti analize: RFLP (Restriction Fragment Lenght Polymorphism)
S to metodo lahko potrdimo, da dva vzorca DNK ne pripadata isti osebi. Postopek ni primeren za identifikacijo
PCR (Polimerase Chain Reaction)
Zahteva globje znanje o DNK

25. Razpoznavanje govorcev
V praksi je več raziskav usmerjenih v razpoznavanje govora (v smislu razumevanja sporočila) in pa prenosu govornih informacij
Razpoznavanje govorcev je primernejše za verifikacijo
V praksi določimo značilke tako, da oseba izgovori neko točno določeno frazo, ta signal pa nato obdelamo

26. Primerjava različnih metod
Primerjavo vršimo na osnovi številnih kriterijev (varnost, čas, zapletenost, potrebnost sodelovanja osebe, cena, učinkovitost)
Zaenkrat sta v povprečju najboljši metodi razpoznavanje na osnovi šarenice in IR slike obraza.

27. Zaključek
Z razvojem tehnologije se veča možnost učinkovite uporabe biometričnih sistemov
Trenutno zelo popularno zaradi situacije v svetu
Vprašanje zlorabe in omejenavnje svobode posameznika

28. Literatura A. Jain, R. Bolle, S. Pankanti: Biometrics
Kluwer Academic publishers, 1999
Marko Knez, Razpoznavanje oseb na osnovi analize vzorcev šarenice, Magistrska naloga, FE, 2000