Kuinka iirisskanneri toimii? Ero iiriksen ja verkkokalvon välillä biometrisen tunnistamisen alalla Kuinka tämä skanneri toimii.

Irisskannaustekniikan esitteli jo vuonna 1936 silmälääkäri nimeltä Frank Bursch. Hän oli ensimmäinen, joka puhui tämän ruumiinosan ainutlaatuisuudesta. Tämän parametrin täsmäämisen todennäköisyys on jopa pienempi kuin sormenjälkien tapauksessa. Vuosikymmeniä myöhemmin, viime vuosisadan 90-luvulla, Iridian Technologies -yrityksen edustajat hakivat patentin erityiselle algoritmille, joka pystyy löytämään eroja silmien kuvioissa. Nykyään tätä todennusmenetelmää pidetään yhtenä luotettavimmista. Sen toteuttamiseksi käytetään erityistä anturia, jota kutsutaan iridoscanneriksi, josta puhumme tänään.

Iris on ohut liikkuva pallea, jonka keskellä on pupilli. Sen muodostuminen tapahtuu jo ennen ihmisen syntymää, eikä se muutu koko elämän ajan. Sen tekstuuri on hyvin samanlainen kuin eräänlainen verkko, joka sisältää monia ympyröitä. Yleensä kuvio on äärimmäisen monimutkainen, minkä ansiosta anturit voivat valita noin 200 pistettä, joita käytetään myöhemmin todentamiseen.

Järjestelmää, joka pystyy suorittamaan edellä mainitut toiminnot, kutsutaan usein virheellisesti vain verkkokalvon skanneriksi. Tosiasia on, että verkkokalvoa on mahdotonta skannata optisilla keinoilla. Sen kanssa työskentelyyn tarvitaan erityisiä infrapunaantureita. Laite analysoi verisuonten kuvioita.

Nykyaikaisissa mobiililaitteissa käytettävät iridoskannerit perustuvat korkeakontrastisen kameran toimintaan. Lisäksi joissain tapauksissa tavallinen etupaneelissa oleva kamera voi toimia anturin perustana. Itse todennusprosessi voidaan jakaa useisiin osiin:

• Päällä alkuvaiheessa Laitteen on saatava yksityiskohtainen kuva iiriksestä. Tämä voidaan tehdä mustavalkokameran ansiosta, joka toimii myös heikossa valaistuksessa. Tällä tavalla voit luoda nopeasti useita kuvia.
• Seuraavassa vaiheessa algoritmi analysoi kuvat ja valitsee niistä sopivimman. Se vaatii kuvan, jossa se voi määrittää iiriksen rajat sekä ohjausalueet.
• Jokainen testipiste käsitellään sitten suodattimien avulla vaihedatan poimimiseksi, joka muunnetaan digitaaliseksi dataksi. Saatujen tietojen perusteella järjestelmä tunnistaa henkilön.

Tämän tyyppisten laitteiden integrointi mobiilielektroniikkaan alkoi useita vuosia sitten. Kiinalaiset ja japanilaiset myyjät olivat ensimmäisiä, jotka käyttivät tällaisia ​​​​keinoja laitteidensa suojaamiseen. Päällä Tämä hetki Lippulaiva-älypuhelinmallit, esimerkiksi Samsung Galaxy S8, on varustettu iridoskannerilla.

Riisi. 1. Pään ja silmien liikkeen tulos verkkokalvon skannauksen aikana.

Asteikon muutoksen vaikutus verkkokalvon vertailuun ei ole yhtä kriittinen kuin muiden parametrien vaikutus, koska pään ja silmän asento on enemmän tai vähemmän kiinteä asteikkoa vastaavaa akselia pitkin. Siinä tapauksessa, että skaalaus on olemassa, se on niin pieni, ettei sillä ole käytännössä mitään vaikutusta verkkokalvojen vertailuun. Siten algoritmin päävaatimus on verkkokalvon kierto- ja siirtymäkestävyys.

Verkkokalvon autentikointialgoritmit voidaan jakaa kahteen tyyppiin: algoritmeihin, jotka käyttävät segmentointialgoritmeja ominaisuuksien poimimiseen (vaihekorrelaatiomenetelmään perustuva algoritmi; haarautumispisteiden etsimiseen perustuva algoritmi) ja algoritmeihin, jotka poimivat piirteitä suoraan verkkokalvon kuvasta (algoritmi Harris-kulmia käyttäen ).

1. Vaihekorrelaatiomenetelmään perustuva algoritmi

Toteutuksessaan vaihekorrelaatiomenetelmä toimii binäärikuvien kanssa, mutta sitä voidaan käyttää myös 8-bittisessä väriavaruudessa oleville kuville.

Olkoon ja olkoon kuvia, joista toinen on siirretty suhteessa toiseen, ja ovat niiden Fourier-muunnoksia, niin:

Missä on poikkispektri;
- monimutkainen konjugaatti

Laskemalla poikkispektrin käänteinen Fourier-muunnos, saadaan liikemääräfunktio:

Kun olemme löytäneet tämän funktion maksimin, löydämme halutun siirtymän.

Etsitään nyt kiertokulma siirtymän läsnä ollessa napakoordinaateilla:

Tämä tekniikka ei aina näy hyvät tulokset käytännössä johtuen vähäisestä kohinasta ja siitä, että jotkin suonet voivat olla yhdessä kuvassa ja puuttua toisessa. Tämän eliminoimiseksi käytetään useita tämän algoritmin iteraatioita, mukaan lukien kuvien syöttöjärjestyksen muuttaminen toimintoon sekä siirtymien ja pyörimisen eliminointijärjestys. Kussakin iteraatiossa kuvat kohdistetaan, minkä jälkeen niiden samankaltaisuusindeksi lasketaan, sitten enimmäiskorko samankaltaisuus, mikä on vertailun lopputulos.

Samankaltaisuuspisteet lasketaan seuraavasti:

2. Algoritmi käyttäen Harris-kulmia

Ensin kuvat kohdistetaan edellisessä osiossa kuvatulla vaihekorrelaatiomenetelmällä. Tämän jälkeen kulmat etsitään kuvista (kuva 2).

Riisi. 2. Verkkokalvon kuvien Harris-kulmien etsimisen tulos.

Olkoon M+1 pistettä, sitten jokaiselle j:s kohta sen suorakulmaiset koordinaatit muunnetaan polaarisiksi ja piirrevektori määritetään missä

Tuntemattoman vektorin ja N-koon piirrevektorin välinen samankaltaisuusmalli pisteessä j määritellään seuraavasti:

Missä on vakio, joka määritetään ennen Harris-kulmien etsimistä.

Funktio kuvaa vektorin läheisyyttä ja samankaltaisuutta pisteen j kaikkiin piirteisiin.

Olkoon vektori ensimmäisen kuvan piirrevektori, jossa koko on K–1, ja vektori on toisen kuvan piirrevektori, jossa koko on J–1, niin näiden kuvien samankaltaisuusindeksi lasketaan seuraa:

Samankaltaisuuden normalisointikerroin on yhtä suuri kuin

Alkuperäisen artikkelin kerroin ehdotetaan määritettäväksi seuraavalla kriteerillä: jos kuvan histogrammien välinen ero on pienempi kuin ennalta määrätty arvo, niin = 0,25, muuten = 1.

3. Haaroituspisteiden etsimiseen perustuva algoritmi

Riisi. 3. Kohteiden tyypit (vasemmalla - haarautumispiste, oikealla - leikkauspiste).

Pisteiden etsiminen, kuten kuvassa. Kuviossa 3 segmentoidut suonet puristetaan yhden pikselin paksuuteen. Siten voimme luokitella alusten jokaisen pisteen naapurien lukumäärän S mukaan:

1. jos S = 1, tämä on loppupiste;
2. jos S = 2, tämä on sisäinen piste;
3. jos S = 3, tämä on bifurkaatiopiste;
4. jos S = 4, niin tämä on leikkauspiste.

3.1. Algoritmi suonten pakkaamiseksi yhden pikselin paksuuteen ja haarautumispisteiden luokittelu

Seuraavaksi analysoidaan löydetyn pisteen 4 vierekkäistä pikseliä, joita ei ole vielä otettu huomioon. Tämä johtaa 16 mahdolliseen kokoonpanoon (kuva 4). Jos ikkunan keskellä olevalla pikselillä ei ole naapureita harmaa, kuten kuvassa näkyy. 4 (a), sitten se hylätään ja toinen verisuonen pikseli etsitään. Muissa tapauksissa se on joko päätepiste tai sisäinen piste (ei sisällä bifurkaatio- ja leikkauspisteitä).

Riisi. 4. 16 mahdollista neljän vierekkäisen pikselin konfiguraatiota (valkoiset pisteet – tausta, harmaat pisteet – verisuonet). Kolme ylintä pikseliä ja vasemmalla oleva on jo analysoitu, joten niitä ei oteta huomioon. Myös harmaat pikselit, joiden sisällä on risti, jätetään huomioimatta. Pisteet, joiden sisällä on nuoli, ovat pisteitä, joista voi tulla seuraava keskeinen pikseli. Pikselit, joiden sisällä on musta piste, ovat päätepisteitä.

Jokaisessa vaiheessa viimeisen pikselin harmaa naapuri merkitään läpäistyksi ja valitsee seuraava keskipikseli 3 x 3 -ikkunassa. Tällaisen naapurin valinta määräytyy seuraavalla kriteerillä: paras naapuri on se, jolla on suurin luku merkitsemättömät harmaat naapurit. Tätä heuristiikkaa ohjaa ajatus säilyttää yhden pikselin paksuus suonen keskellä, jossa suurempi määrä naapurit ovat harmaita.

Yllä olevasta algoritmista seuraa, että se johtaa verisuonten erottamiseen. Myös suonet voidaan erottaa segmentointivaiheessa. Siksi ne on kytkettävä takaisin.

Kahden lähellä olevan päätepisteen välisen tiedonsiirron palauttamiseksi kulmat ja määritetään kuten kuvassa. 5, ja jos ne ovat pienempiä kuin ennalta määrätty kulma, niin päätepisteet yhdistetään.

Riisi. 5. Päätepisteiden yhdistäminen pakkaamisen jälkeen.

Haaroittumis- ja leikkauspisteiden palauttamiseksi (kuva 6) lasketaan kullekin päätepisteelle sen suunta, jonka jälkeen laajennetaan kiinteän pituinen segmentti, jos tämä laajennus leikkaa toisen janan, niin haaroittumis- tai leikkauspiste löytyy.

Riisi. 6. Bifurkaatiopisteen rekonstruktio.

Leikkauspiste edustaa kahta bifurkaatiopistettä, joten ongelman yksinkertaistamiseksi voit etsiä vain haaroittumispisteitä. Voit poistaa risteyspisteiden aiheuttamat harhaanjohtavat poikkeamat hylkäämällä pisteet, jotka ovat liian lähellä toista löydettyä pistettä.

Löytääksesi tarvitsemasi risteyspisteet lisäanalyysi(Kuva 7).

Riisi. 7. Haaroituspisteiden luokittelu alusten ja ympyrän leikkauspisteiden lukumäärän mukaan. (a) Bifurkaatiopiste. (b) Leikkauspiste.

Kuten kuvasta voidaan nähdä. Kuviossa 7(b) säteen pituudesta riippuen haarautumispisteeseen keskitetty ympyrä voi leikata verisuonia joko kolmessa tai neljässä pisteessä. Tästä syystä haarakohtaa ei ehkä ole luokiteltu oikein. Tämän ongelman poistamiseksi käytetään äänestysjärjestelmää, joka on esitetty kuvassa. 8.

Riisi. 8. Bifurkaatio- ja leikkauspisteiden luokitusjärjestelmä.

Tässä äänestysjärjestelmässä haarapiste luokitellaan kolmeen eri säteeseen perustuen ympyrän ja verisuonten leikkauskohtien lukumäärään. Säteet määritellään seuraavasti: missä ja ota kiinteät arvot. Tässä tapauksessa lasketaan kaksi arvoa, jotka osoittavat äänimäärän pisteelle, joka luokitellaan leikkauspisteeksi ja haaroittumispisteeksi, vastaavasti:

Missä ja ovat binääriarvot, jotka osoittavat, tunnistetaanko sädettä käyttävä piste leikkauspisteeksi vai haaroittumispisteeksi.

Jos pisteen tyyppiä ei ole määritetty. Jos arvot eroavat toisistaan, piste luokitellaan leikkauspisteeksi, muuten bifurkaatiopisteeksi.

3.2. Samankaltaisuusmuunnoksen löytäminen ja samankaltaisuusmetriikan määrittäminen

Itse muunnos määritellään seuraavasti:

Missä ovat ensimmäisen kuvan pisteen koordinaatit
– toisessa kuvassa

Samankaltaisuusmuunnoksen löytämiseen käytetään ohjauspistepareja. Esimerkiksi pisteet määrittelevät vektorin, jossa ovat vektorin alun koordinaatit, vektorin pituus ja vektorin suunta. Pisteiden vektori määritetään samalla tavalla, esimerkki on kuvassa. 9.

Riisi. 9. Esimerkki kahdesta ohjauspisteparista.

Samankaltaisuusmuunnosparametrit löytyvät seuraavista yhtälöistä:

Olkoon ensimmäisestä kuvasta löydettyjen pisteiden määrä yhtä suuri kuin M ja toisesta kuvasta N, niin ensimmäisessä kuvassa olevien kontrollipisteiden määrä on yhtä suuri kuin ja toisessa kuvassa. mahdollisia muunnoksia, joista valitaan oikeaksi se, jolla on eniten täsmäytyspisteitä.

Koska parametrin S arvo on lähellä yhtä, T voidaan pienentää hylkäämällä pisteparit, jotka eivät täytä seuraavaa epäyhtälöä:

Missä on parametrin vähimmäiskynnys
– tämä on parametrin enimmäiskynnys
– pari ohjauspistettä
– pari ohjauspistettä

Kun olet käyttänyt yhtä mahdollisia vaihtoehtoja pisteiden tasaus ja samankaltaisuuspisteet lasketaan:

Missä on pisteiden välinen enimmäisetäisyys.
Siinä tapauksessa sitten

Joissakin tapauksissa molemmilla pisteillä voi olla hyvä samankaltaisuusarvo pisteen kanssa. Tämä tapahtuu, kun he ovat lähellä toisiaan. Selvittääksesi eniten sopiva pari samankaltaisuuden todennäköisyys lasketaan:

Missä

Jos sitten

Vastaavien pisteiden lukumäärän löytämiseksi muodostetaan matriisi Q, jonka koko on M x N, niin että in i. rivi Ja j. sarake sisällä

Sitten matriisista Q etsitään suurin nollasta poikkeava alkio. Olkoon tämä elementti :nnen rivin ja sarakkeen sisällä, sitten pisteet ja määritetään vastaaviksi, ja rivi ja sarake nollataan. Tämän jälkeen haetaan uudelleen maksimielementtiä. Tällaisten maksimien hakua toistetaan, kunnes matriisin Q kaikki alkiot ovat nollia. Algoritmin lähdöstä saamme yhteensopivien pisteiden määrän C.

Kahden verkkokalvon samankaltaisuusmittari voidaan määrittää useilla tavoilla:

Missä on parametri, joka syötetään säätämään täsmäyspisteiden lukumäärän vaikutusta;
f on valittu seuraavista vaihtoehdoista:

Mittari normalisoidaan kahdella tavalla:

Missä ja ovat joitain vakioita.

3.3. Algoritmin lisäkomplikaatiot

Riisi. 10. Haaroituspisteiden muodostamat kulmat lisäominaisuuksina.

Voit myös käyttää gamma-salausta. Kuten tiedetään, additiomodulo 2 on ehdottoman vahva salaus, kun avaimen pituus on yhtä suuri kuin tekstin pituus ja koska haaroittumis- ja leikkauspisteiden lukumäärä ei ylitä noin 100, mutta on silti suurempi kuin tekstin pituus. tavallisia salasanoja, salasanatiivisteiden yhdistelmää voidaan käyttää avaimena. Tämä eliminoi tarpeen tallentaa verkkokalvon ja salasanan tiivisteet tietokantaan. On tarpeen tallentaa vain koordinaatit, jotka on salattu ehdottoman vahvalla salauksella.

Johtopäätös

Harris-kulmia käyttävää algoritmia yritettiin myös toteuttaa, mutta tyydyttäviä tuloksia ei voitu saada. Kuten edellisessäkin algoritmissa, rotaation ja siirtymän eliminoinnissa vaihekorrelaatiomenetelmällä oli ongelma. Toinen ongelma liittyy Harris-kulmahakualgoritmin puutteisiin. Kun pisteiden poistamisen kynnysarvo on sama, löydettyjen pisteiden määrä voi olla joko liian suuri tai liian pieni.

Tulevaisuuden suunnitelmiin kuuluu haarautumispisteiden etsimiseen perustuvan algoritmin kehittäminen. Se vaatii paljon vähemmän laskentaresursseja verrattuna vaihekorrelaatiomenetelmään perustuvaan algoritmiin. Lisäksi on mahdollisuuksia tehdä siitä monimutkaisempi järjestelmän hakkeroinnin todennäköisyyden minimoimiseksi.

Toinen mielenkiintoinen suunta jatkotutkimukselle on kehitys automaattiset järjestelmät varten varhainen diagnoosi sairaudet, kuten glaukooma, diabetes, ateroskleroosi ja monet muut.

P.s. Julkaisen sen muutaman pyynnön vuoksi

Uskotaan, että tarkin tapa ihmisen tunnistamiseen on iirisskannaus. Asiantuntijoiden mukaan se on monta kertaa parempi kuin sormenjälkien skannaus ja sitä käytetään pian kaikissa älypuhelimissa. Tänään voit ostaa laitteita, jotka käyttävät tätä toimintoa. Tässä artikkelissa puhumme tästä tekniikasta yksityiskohtaisemmin.

Navigointi

Irisskannaustekniikkaa kutsutaan nimellä IRIS. Pian sinun ei tarvitse kantaa mukanasi suuria avainrenkaita, muovikortteja, työkortteja ja muita esineitä.

IRIS-koodi voihan korvata minkä tahansa henkilötodistuksen. Joidenkin raporttien mukaan tämä tekniikka on parempi kuin sormenjälkien täsmäys ja voi kilpailla DNA-tunnistuksen kanssa.

Miksi käyttää biometriikkaa?

Turvallisuus on nykyään etusijalla erityinen paikka. Meillä kaikilla on jotain arvokasta. Materiaaliarvot Voit piilottaa sen lukon ja avaimen alle tai tallettaa sen pankkiin. Mutta mitä tehdä tiedolla? Se voidaan myös piilottaa lukon alle, joka voidaan avata matemaattisella avaimella.

Tietojen suojaamiseen on monia tapoja.

Yksi niistä on verkkokalvon iiriksen skannaus.

Jos älypuhelimesi tai tablettisi sisältää tietoja, jotka on suojattava tuntemattomilta, verkkokalvon iiriksen skannaus on yksi suojan keinoista.

Sen avulla voit suojata maksusi Internetissä, valokuvat älypuhelimesi muistista, tekstitiedostoja jne.

Sormenjälkien lisäksi tunnistusta muilla biometrisilla indikaattoreilla käytetään nykyään aktiivisesti. Esimerkiksi tullissa tämän palvelun asiantuntija tunnistaa sinut visuaalisesti henkilöstä, jonka valokuva on liitetty passiisi. Hän etsii yhtäläisyyksiä nenän, poskien, otsan, suun, silmien jne. muodosta.

Mutta tämä menetelmä ei voi taata 100 %, että valokuvassa oleva henkilö ja sinä olet sama henkilö.

Nykyään, kun plastiikkakirurgia voi muuttaa kenestä tahansa Brad Pitt ja Angelina Jolie. Ulkonäkösi muuttaminen tarpeidesi mukaan ei ole vaikeaa. Mutta tekniikka ei ole vielä saavuttanut silmän "kuvion" muuttamista.

Miten tämä skanneri toimii?

Ihmisen silmien iiris ei vain määritä niiden väriä, vaan sillä on myös ainutlaatuinen "kuvio" jokaiselle henkilölle. Jos pääset hyvin lähelle, näet sisään silmämuna monia ainutlaatuisia linjoja, jotka ovat yksilöllisiä paitsi jokaiselle henkilölle, myös jokaiselle silmälle. Vasemmalla on yksi "kuvio" ja oikealla toinen.

Toinen tärkeä tekijä Syy verkkokalvon valitsemiseen henkilön tunnistamiseen on se, että silmän tämän osan "kuvio" ei käytännössä muutu ajan myötä.

Toisin sanoen sitä voidaan käyttää sormenjälkien tapaan, jotta voidaan verrata aiemmin tallennettuja "standardeja"

Sitä käytetään silmän verkkokalvon "kuvion" skannaamiseen infrapunasäteily. Hän ei pelkää laseja ja piilolinssit. Lisäksi IR-säteilyä voidaan käyttää täydellisessä pimeydessä.

Kun skanneri on lukenut verkkokalvon "kuvion", se muuntaa sen digitaaliseksi koodiksi. Järjestelmä vertaa sitten tätä koodia sen muistissa olevaan koodiin ja avaa älypuhelimen sisällön lukituksen.

Nykyään joihinkin älypuhelimiin asennetut biometriset skannerit eivät ole ihanteellisia. Mutta tällaiset laitteet paranevat jatkuvasti. On jo älypuhelimia, jotka skannaavat iiriksen lisäksi koko kasvot kokonaisuudessaan. Mikä lisää turvallisuutta.

Play Marketissa voit ladata ja asentaa erityisen verkkokalvon skannerisovelluksen Android-älypuhelimeesi. Se toimii kamerasta ja siinä on suuri virhe. Siksi sitä käytetään harvoin nykyaikaisissa laitteissa.

Mutta erikoisanturilla, joka pian varustetaan yhä useammalla laitteella, on melko hyvät näkymät.

Mitä ainutlaatuista tässä tekniikassa on?

Iiriksen päätehtävä on puristaa ja puristaa pupillia. Tämä lihaskudos toimii kuin kamerakameran suljin. Sen "kuvio" muodostuu geneettisellä tasolla ja ilmenee myös lapsen ollessa kohdussa. Mutta lopullinen muodostuminen tapahtuu kaksi vuotta lapsen syntymän jälkeen.

Ihmisillä on tapana erottaa 10 silmän väriä ruskeasta siniseen. Väri riippuu melaniinin määrästä. Mitä enemmän tätä pigmenttiä, sitä lähempänä silmien väriä ruskea väri, ja mitä pienempi, sitä lähempänä sinistä.

Vaikka silmävärejä on vain 10, sen kuvio on jokaiselle yksilöllinen. Jopa geneettisillä kaksosilla on erilaisia ​​​​iiriskuvioita.

Miten tämä tekniikka toimii?

Jotta voit käyttää tällaista skannausta älypuhelimessasi, on välttämätöntä, että siinä on tällainen toiminto. Kun skanneri käynnistetään ensimmäisen kerran, sen on luettava tiedot ja muistettava iiriksen "kuvio".

Tämän jälkeen ohjelma tarkistaa jokaisen seuraavan skannauksen yhteydessä "piirustuksen" digitaalisen koodin tietokannassaan olevalla koodilla.

Ja nyt skannausvaiheista tarkemmin.

Ota kuva silmästäsi

Jotta tällainen järjestelmä toimisi, se tarvitsee kuvan silmän iiriksestä. Siksi ennen tällaisen varmennusjärjestelmän käyttöä henkilön on otettava kertavalokuva silmästään.

Järjestelmä luo kaksi tilannekuvaa. Toinen on normaali, toinen on näkymättömässä infrapunavalossa. Tämän järjestelmän kehitti viime vuosisadan 90-luvulla tietokoneinsinööri John Dogmann.

Erikoisohjelmisto "erottaa" iiriksen pupillista ja ulkoreunoista. Tämän jälkeen kuvan päälle asetetaan erityiset ympyrät ja viivat jakaen "piirustuksen" sektoreihin.

Tällä tavalla iiris hajotetaan yksittäisiksi fragmenteiksi, joita sitten käytetään uudelleen tunnistamiseen.

Tuloksena olevat "piirustuksen" fragmentit muunnetaan digitaaliseksi koodiksi. Tätä varten se johdetaan kaistanpäästösuodattimen läpi. Alueille annetaan arvot 0 - 1 pimeyden asteen mukaan. Tuloksena olevasta numerojoukosta luodaan yksilöllinen iiriskoodi.

Infrapunavalon ansiosta, jonka aallonpituus on tavallista punaista valoa pidempi, silmän ainutlaatuinen "kuvio" voidaan tunnistaa tarkemmin.

Tämän jälkeen nämä kaksi digitaalisesti otettua valokuvaa analysoidaan. Niistä poistetaan kaikki tarpeettomat osat ja uniikit jätetään. Nykyään tällaisessa skannauksessa käytetään yli 240 alkuperäistä ominaisuutta.

Vertailun vuoksi, sormenjälkeä skannattaessa ne erottuvat 5 kertaa vähemmän ominaisuuksia ihokuvioita.

Kun järjestelmä on analysoinut silmän kaikki ominaisuudet, se antaa digitaalisen koodin (IrisCode) tällaisen silmän omistajalle. Se koostuu 512 numerosta.

Tämä numero tallennetaan sen omistajan käyttämän laitteen muistiin. Koko yllä kuvatun toimenpiteen ei tulisi kestää muutamaa minuuttia kauempaa.

Silmän tunnistaminen

IRIS-tekniikkaa

Kun iiriskuvat on syötetty laitteesi tietokantaan, vahvistusprosessi tapahtuu muutamassa sekunnissa. Sinun on katsottava anturiskanneria. Se kuvaa silmän uudelleen ja järjestelmä muuntaa sen digitaaliseksi koodiksi.

Sitten järjestelmä vertaa kahta koodia ja jos ne ovat samat, se osoittaa, että vahvistus onnistui. Jos koodit eivät täsmää, sinulla ei ole alkuperäiseksi hyväksyttyä iiristä.

Kumpi tekniikka on parempi?

Ensinnäkin silmäkuoren skannaus on mukavampaa kuin sormenjälkien tunnistaminen. Ennen tämän toimenpiteen suorittamista on välttämätöntä, että sormi on kuiva ja puhdas.

Siksi sateessa tai kun olet rakentanut uudelleen suosikkiautosi moottorin, et voi välittömästi suorittaa tunnistamista sormenjäljellä. Ihannetapauksessa, jos asennat älypuhelimen telakointiasemaan, sinun ei tarvitse edes nostaa sitä, kun skannaat iiristä.

Skanneri saa tarvitsemansa tiedot jopa lyhyen matkan päästä.

Sormenjälkitunnistimia on käytetty digitaalitekniikassa noin kymmenen vuoden ajan. Vaikka iiriksentunnistusanturit oli kirjoitushetkellä asennettuna vain Lumia 950- ja Lumia 950 XL -malleihin. Galaxy Note 7 ja useat muiden yritysten lippulaivat ovat kuitenkin jo tulossa.

Sormenjäljet ​​ovat monimutkainen, mutta ei ihanteellinen biometrinen tunnistusmenetelmä. Vammat ja jotkin sairaudet voivat vaikuttaa papillaaristen juonteiden rakenteen muutoksiin.

Irisskannaus on enemmän luotettava tapa henkilön tunnistaminen. Pelkkä valokuvan ottaminen silmästä riittää.

Tekniikan edut ja haitat

Tämän tekniikan tärkein etu on tarkkuus. Verrattuna samoihin sormenjälkiin tämä tekniikka on luotettavampi. Tilastojen mukaan 1-2 miljoonaa tarkastusta johtaa vain yhteen epäonnistumiseen.

Sormenjälkien tunnistuksessa tapahtuu 1 virhe joka 100 tuhatta kertaa.

Mitä tulee tällaisen skannauksen haitoihin, ne sisältävät tässä tekniikassa käytettyjen antureiden kustannukset. Mikä tietysti lisää niiden laitteiden kustannuksia, joissa tätä tekniikkaa käytetään.

Lisäksi jotkut ihmiset ovat huolissaan infrapunaaltistumisesta silmän sarveiskalvolle. Ja myös ne, jotka uskovat, että tällaisten antureiden avulla on mahdollista skannata tietoja jopa valokuvista. Mutta tähän mennessä kukaan ei ole onnistunut tekemään tätä.

Video. Microsoft Lumia 950 XL Review - Windows Hello - Iris-käyttäjän kirjautuminen

Iiriksen ja verkkokalvon skannaus- ja tunnistamistekniikat ovat luotettavia biometrisen tunnistamisen menetelmiä. Heillä on erilaisia ​​ominaisuuksia, joilla on voimakas vaikutus niiden suorituskykyyn olosuhteista riippuen ympäristöön ja toteutustavoitteet. Molemmat biometriset menetelmät käyttävät kosketuksettomia skannereita, mutta iiriksen tunnistuksen ja verkkokalvon skannauksen välillä on huomattavia eroja. Yksi näistä eroista on se, että iiriksen tunnistusta pidetään ei-invasiivisena menetelmänä, kun taas verkkokalvon skannausta pidetään invasiivisena, koska skannausprosessin aikana silmiin lähetetään näkyviä valonsäteitä.

Nämä biometriset tunnistustekniikat ymmärretään usein väärin samana asiana niiden selkeistä eroista huolimatta. Tässä artikkelissa keskustelemme eroista näiden kahden tekniikan välillä, joita järjestelmissä nykyään otetaan aktiivisesti käyttöön.

Verkkokalvon skannaus

Ihmisen silmän verkkokalvo on ohut kudos, joka koostuu hermosolut sijaitsee silmän takaosassa. Verkkokalvolle verta toimittavien kapillaarien monimutkaisen järjestelyn ansiosta jokaisen ihmisen verkkokalvo on ainutlaatuinen. Verkkokalvon verisuoniverkosto on niin monimutkainen, että se eroaa jopa identtisten kaksosten välillä. Verkkokalvon kuvio voi muuttua sairauksien, kuten diabeteksen tai glaukooman, kehittymisen seurauksena, mutta muissa tapauksissa verkkokalvo pysyy pääsääntöisesti muuttumattomana syntymästä kuolemaan saakka.

Biometristä verkkokalvon skannaustekniikkaa käytetään kartoittamaan henkilön ainutlaatuista verkkokalvon kuviota. Verkkokalvon sisällä olevat verisuonet imevät valoa voimakkaammin kuin ympäröivä kudos, joten ne on helppo tunnistaa. Verkkokalvon skannaus suoritetaan projisoimalla infrapunavalosäde, jota silmä ei havaitse, ihmisen silmään skannerin okulaarin kautta. Koska verisuonet Verkkokalvot absorboivat tätä valoa voimakkaammin kuin muu silmä, ja skannauksen aikana syntyy tietty kuvio, joka muunnetaan tietokonekoodiksi ja tallennetaan tietokantaan. Verkkokalvon skannaukset ovat myös lääketieteelliseen käyttöön. Sellainen tarttuvat taudit kuten AIDS, kuppa, malaria, vesirokko, samoin kuin sellainen perinnölliset sairaudet Kuinka leukemia, lymfooma ja sirppisolusairaus vaikuttavat silmiin. Raskaus vaikuttaa myös silmiin. Lisäksi merkkejä krooniset sairaudet, kuten krooninen sydämen vajaatoiminta tai ateroskleroosi, näkyvät myös ensin silmissä.

Merkitys

Verkkokalvon skannaukseen perustuvia biometrisiä tunnistusjärjestelmiä käytetään pääasiassa valtion instituutiot erittäin turvallisia, kuten FBI, CIA ja NASA. Yksi syy siihen, miksi verkkokalvon lukemiin perustuvia biometrisiä tunnistusratkaisuja ei ole otettu laajalti käyttöön, on niiden korkea hinta.

Iriksen tunnistus

Ihmisen iiris on ohut, pyöreä silmän rakenne, joka vastaa pupillien koon ja halkaisijan säätelystä ja siten verkkokalvolle pääsevän valon määrästä. "Silmien väri" on silmän iiriksen väri.

Iristunnistus on automaattinen biometrinen tunnistusmenetelmä, joka käyttää matemaattisia menetelmiä tunnistaa ihmisen silmän iiriksen ainutlaatuisen kuvion.

Toisin kuin verkkokalvon skannaus, iiriksen tunnistus käyttää tekniikkaa, joka käyttää hienovaraista infrapunavaloa ottamaan kuvia iiriksen monimutkaisesta rakenteesta. Sadat miljoonat ihmiset eri puolilla maailmaa ovat jo rekisteröityneet iiriksen tunnistusjärjestelmiin turvallisuuden ja käyttömukavuuden vuoksi.

Merkitys

Biometrisen iiristunnistustekniikan käyttö potilaan tunnistamiseen terveydenhuollossa kasvaa nopeasti rajavalvonnassa, kulunvalvontajärjestelmissä ja . Luotettavuuden, tarkkuuden, nopeuden ja suhteellisen alhaisten kustannusten (sekä sen, että tekniikka on kontaktiton ja ei-invasiivinen) yhdistelmän ansiosta iiriksentunnistustekniikka on saamassa yhä suosiota henkilötunnistusratkaisuna laaja valikoima teollisuuden aloilla. Toinen iiriksen etu tunnistustarkoituksiin on, että sen rakenne pysyy muuttumattomana vuosikymmeniä alkuperäisen tallennuksen jälkeen.

Johtopäätös

Lopuksi tarkastellaan eroja iiriksentunnistuksen ja verkkokalvon skannaustekniikoiden välillä:

• Verkkokalvon skannausten tarkkuus voi riippua taudista; iiriksen rakenne on vakaampi.
• Iriksen tunnistus on samanlainen kuin valokuvaus, ja se voidaan tehdä etäältä; samaan aikaan verkkokalvon skannaus edellyttää, että silmä on hyvin lähellä okulaaria.
• Iriksen tunnistus on tullut kaupallisessa ympäristössä laajemmin hyväksytyksi kuin verkkokalvon skannaus.
• Vaikka molemmat näistä tekniikoista ovat kosketuksettomia, verkkokalvon skannausta pidetään invasiivisena teknologiana, koska se sisältää näkyvän valonsäteiden loistamisen silmiin, kun taas iiriksen tunnistus on ei-invasiivista.

On tärkeää ymmärtää verkkokalvon skannauksen ja iiriksentunnistuksen väliset erot, jos aiot sijoittaa biometrisiin tietoihin ja odotat korkeaa tuottoa. Toivomme, että olemme pystyneet osoittamaan selkeästi erot näiden kahden nykyajan välillä.

Lähde blog.m2sys.com. Artikkeli on käännettysivuston ylläpitäjäElena Ponomarenko

Biometriset tunnistusjärjestelmät- todennusjärjestelmät, jotka käyttävät biometrisiä tietoja ihmisten henkilöllisyyden todentamiseen.

Biometrinen todennus- prosessi käyttäjän ilmoittaman nimen aitouden todistamiseksi ja todentamiseksi käyttäjän esittämällä biometrinen kuvansa ja muuntamalla tämä kuva ennalta määrätyn todennusprotokollan mukaisesti.

Näitä järjestelmiä ei pidä sekoittaa biometrisiin tunnistusjärjestelmiin, kuten esimerkiksi kuljettajien kasvojentunnistusjärjestelmiin ja biometrisiin ajanseurantatyökaluihin. Biometriset todennusjärjestelmät toimivat pikemminkin aktiivisessa kuin passiivisessa tilassa ja sisältävät lähes aina valtuutuksen. Vaikka nämä järjestelmät eivät ole identtisiä valtuutusjärjestelmien kanssa, niitä käytetään usein yhdessä (esimerkiksi sormenjälkilukoissa).

Tietosanakirja YouTube

Todennusmenetelmät

Erilaisia ​​järjestelmiä valvottu pääsy voidaan jakaa kolmeen ryhmään sen mukaan, mitä henkilö aikoo esittää järjestelmälle:

1) Salasanasuojaus. Käyttäjä antaa salaisia ​​tietoja (esimerkiksi PIN-koodin tai salasanan).

1. Yleisyys: Tämä merkki on oltava läsnä kaikissa ihmisissä poikkeuksetta.

2. Ainutlaatuisuus: Biometriikka kieltää kahden ihmisen olemassaolon, joilla on samat fyysiset ja käyttäytymisparametrit.

3. Johdonmukaisuus: Oikea todentaminen edellyttää johdonmukaisuutta ajan mittaan.

4. Mitattavuus: asiantuntijoiden on kyettävä mittaamaan merkki jollain laitteella, jotta se voidaan päästä edelleen tietokantaan.

5. Kelpoisuus: yhteiskunnan ei pitäisi vastustaa biometristen parametrien keräämistä ja mittaamista.

Staattiset menetelmät

Sormenjälkitunnistus

Sormenjälkitunnistus on yleisin biometrinen käyttäjän todennustekniikka. Menetelmässä hyödynnetään ainutlaatuista papillaarikuviota ihmisten sormissa. Skannerin avulla saatu sormenjälki muunnetaan digitaaliseksi koodiksi ja sitä verrataan sitten aiemmin syötettyihin standardeihin. Sormenjälkitunnistuksen käytön etuja ovat helppokäyttöisyys, mukavuus ja luotettavuus. Tämän tekniikan monipuolisuus mahdollistaa sen käytön millä tahansa alueella ja ratkaisee mitä tahansa ja monenlaisia ​​ongelmia, joissa tarvitaan luotettavaa ja melko tarkkaa käyttäjien tunnistamista.

Sormenjälkiä koskevien tietojen hankkimiseen käytetään erityisiä skannereita. Sormenjälkien selkeän sähköisen esityksen saamiseksi riittää erityisiä menetelmiä, koska sormenjälki on liian pieni ja on erittäin vaikea saada selkeästi näkyviä papillaarikuvioita.

Yleisesti käytettyjä sormenjälkiskannereita on kolmea päätyyppiä: kapasitiivinen, rullaava ja optinen. Yleisimmät ja laajimmin käytetyt ovat optiset skannerit, mutta niillä on yksi vakava haittapuoli. Optiset skannerit eivät kestä nukkeja ja kuolleita sormia, mikä tarkoittaa, että ne eivät ole yhtä tehokkaita kuin muut skannerit. Lisäksi joissakin lähteissä sormenjälkitunnistimet on jaettu 3 luokkaan fyysisten periaatteidensa mukaan: optinen, pii, ultraääni [ ] [ ] .

Iris-tunnistus

Tämä biometrinen henkilöllisyyden todennustekniikka käyttää iiriksen ainutlaatuisia ominaisuuksia ja ominaisuuksia ihmisen silmä. Iris on ohut, liikkuva silmän pallea selkärankaisilla, jonka keskellä on reikä (pupilli); sijaitsee sarveiskalvon takana, silmän etu- ja takakammion välissä, linssin edessä. Iris muodostuu ennen ihmisen syntymää, eikä se muutu koko elämän ajan. Iiriksen rakenne muistuttaa verkkoa iso määrä ympäröivät ympyrät ja kuviot, jotka voidaan mitata tietokoneella, iiriksen kuvio on erittäin monimutkainen, joten voit valita noin 200 pistettä, joiden avulla se varmistetaan korkea aste todennuksen luotettavuus. Vertailun vuoksi, parhaat järjestelmät Sormenjälkitunnistuksessa käytetään 60-70 pistettä.

Iriksen tunnistustekniikka kehitettiin poistamaan verkkokalvon skannauksen tunkeutumista, joka käyttää infrapunasäteet tai kirkas valo. Tutkijat ovat myös suorittaneet useita tutkimuksia, jotka ovat osoittaneet, että ihmisen verkkokalvo voi muuttua ajan myötä, kun taas iiris pysyy muuttumattomana. Ja mikä tärkeintä, on mahdotonta löytää kahta täysin identtistä iiriskuviota, edes kaksosilta. Yksittäisen iiriksen tallennuksen saamiseksi mustavalkokamera tekee 30 tallennusta sekunnissa. Hienovarainen valo valaisee iiriksen, jolloin videokamera voi keskittyä iirikseen. Yksi tietueista digitoidaan ja tallennetaan rekisteröityjen käyttäjien tietokantaan. Koko toimenpide kestää muutaman sekunnin, ja se voidaan täysin tietokoneistaa puheohjauksen ja automaattisen tarkennuksen avulla. Kamera voidaan asentaa 10 cm - 1 metrin etäisyydelle skannauslaitteistosta riippuen. Termi "skannaus" voi olla harhaanjohtava, koska kuvan hankintaprosessi ei sisällä skannausta, vaan yksinkertaisesti valokuvaamista. Tuloksena oleva iiriskuva muunnetaan sitten yksinkertaistettuun muotoon, tallennetaan ja tallennetaan myöhempää vertailua varten. Silmälasit ja piilolinssit, edes värilliset, eivät vaikuta todennuksen laatuun. [ ] [ ] .

Kustannukset ovat aina olleet suurin este teknologian käyttöönotolle, mutta nyt iiriksen tunnistusjärjestelmät ovat tulossa edullisemmiksi useille yrityksille. Teknologian kannattajat väittävät, että iiriksen tunnistamisesta tulee hyvin pian yleinen tunnistustekniikka eri aloilla.

Verkkokalvon todennus

Käden geometrian todennus

Tämä biometrinen menetelmä käyttää käden muotoa yksilön tunnistamiseen. Koska yksittäiset käden muotoparametrit eivät ole ainutlaatuisia, on tarpeen käyttää useita ominaisuuksia. Käden parametrit, kuten sormien käyrät, niiden pituus ja paksuus, käden takaosan leveys ja paksuus, nivelten välinen etäisyys ja luun rakenne skannataan. Myös käden geometria sisältää pieniä yksityiskohtia (esimerkiksi ryppyjä iholla). Vaikka nivelten ja luiden rakenne on suhteellisen jatkuvia merkkejä, mutta kudosten turvotus tai käsien mustelmat voivat vääristää alkuperäistä rakennetta. Teknologiaongelma: Jopa ottamatta huomioon amputaatiomahdollisuutta, "niveltulehdukseksi" kutsuttu sairaus voi häiritä suuresti skannerien käyttöä.

Käyttämällä skanneria, joka koostuu kamerasta ja valaistusdiodeista (kättä skannattaessa diodit kytkeytyvät vuorotellen päälle, jolloin saadaan erilaisia ​​käden projektioita), sitten kädestä rakennetaan kolmiulotteinen kuva. Käsigeometrisen todennuksen luotettavuus on verrattavissa sormenjälkitunnistukseen.

Käsigeometriset todennusjärjestelmät ovat laajalti käytössä, mikä on todiste niiden mukavuudesta käyttäjille. Tämän vaihtoehdon käyttö on houkuttelevaa useista syistä. Näytteenottomenettely on melko yksinkertainen eikä aseta kuvalle suuria vaatimuksia. Tuloksena olevan mallin koko on hyvin pieni, muutama tavu. Lämpötila, kosteus tai lika eivät vaikuta todennusprosessiin. Standardiin verrattaessa tehdyt laskelmat ovat hyvin yksinkertaisia ​​ja helposti automatisoitavissa.

Käsigeometriaan perustuvia todennusjärjestelmiä alettiin käyttää ympäri maailmaa 70-luvun alussa. [ ] [ ]

Kasvojen geometrian todennus

Kasvojen geometriaan perustuva biometrinen tunnistaminen on melko yleinen tunnistus- ja todennusmenetelmä. Tekninen toteutus on monimutkaista matemaattinen ongelma. Laaja käyttö multimediatekniikoita, joilla voit nähdä riittävä määrä videokamerat juna-asemilla, lentokentillä, aukioilla, kaduilla, teillä ja muilla ruuhkaisilla paikoilla tulivat ratkaisevaksi alueen kehityksessä. Kolmiulotteisen ihmisen kasvojen mallin rakentamiseksi eristetään silmien, kulmakarvojen, huulten, nenän ja muiden kasvojen eri elementtien ääriviivat, lasketaan niiden välinen etäisyys ja rakennetaan kolmiulotteinen malli. käyttämällä sitä. Tiettyä henkilöä vastaavan ainutlaatuisen kuvion määrittämiseksi tarvitaan 12-40 ominaista elementtiä. Mallissa on otettava huomioon monet kuvan muunnelmat kasvojen kääntämisen, kallistuksen, valaistuksen tai ilmeen muuttamisen yhteydessä. Tällaisten vaihtoehtojen valikoima vaihtelee tämän menetelmän käyttötarkoituksen mukaan (tunnistus, todennus, etähaku päällä suuria alueita jne.). Joidenkin algoritmien avulla voit kompensoida henkilön silmälasit, hattu, viikset ja parta. [ ] [ ]

Todennus kasvojen termogrammin avulla

Menetelmä perustuu tutkimuksiin, jotka ovat osoittaneet, että kasvojen lämpömittari on jokaiselle yksilöllinen. Termogrammi saadaan infrapunakameroiden avulla. Toisin kuin kasvojen geometriatunnistus, tämä menetelmä erottaa kaksoset. Käytä erityisiä naamioita, suorita plastiikkakirurgia, ihmiskehon ikääntyminen, kehon lämpötila, kasvojen ihon viileneminen pakkasella eivät vaikuta lämpömittarin tarkkuuteen. Todennuksen heikon laadun vuoksi menetelmä ei ole tällä hetkellä laajalle levinnyt.

Dynaamiset menetelmät

Äänitunnistus

Biometriselle puhetodennusmenetelmälle on ominaista helppokäyttöisyys. Tämä menetelmä ei vaadi kalliita laitteita, vain mikrofonia ja äänikorttia. Tällä hetkellä tämä tekniikka kehittyy nopeasti, koska tätä todennusmenetelmää käytetään laajalti nykyaikaisissa yrityskeskuksissa. Äänimallin rakentamiseen on useita tapoja. Yleensä nämä ovat erilaisia ​​äänen taajuuden ja tilastollisten ominaisuuksien yhdistelmiä. Parametrit, kuten modulaatio, intonaatio, sävelkorkeus jne. voidaan ottaa huomioon.

Puheentunnistusmenetelmän tärkein ja määrittelevä haittapuoli on menetelmän alhainen tarkkuus. Järjestelmä ei esimerkiksi välttämättä tunnista flunssaista henkilöä. Tärkeä ongelma on yhden henkilön äänen ilmenemismuotojen moninaisuus: ääni voi muuttua terveydentilan, iän, mielialan jne. mukaan. Tämä monimuotoisuus vaikeuttaa vakavasti ihmisen äänen ominaispiirteiden tunnistamista. Lisäksi melukomponentin huomioon ottaminen on toinen tärkeä ja ratkaisematon ongelma käytännön käyttöääänen todennus. Koska todennäköisyys virheitä toisen tyyppisiä käytettäessä tätä menetelmää on suuri (prosentin luokkaa), puhetodennuksella valvotaan pääsyä keskitason turvallisissa tiloissa, kuten tietokoneluokissa, valmistusyritysten laboratorioissa jne.