Folder PDF

Wstęp

Idealny system biometryczny to system bezbłędnie weryfikujący tożsamość, odporny na oszustwa, efekty starzenia się organizmu i choroby, niebudzący obaw na tle socjologicznym, religijnym czy rasowym i, co bardzo ważne, wygodny dla użytkownika. Osiągnięcie idealnej sytuacji jest wciąż przed twórcami systemów biometrii.

Tęczówka jest poważnym kandydatem na źródło cech o wysokim stopniu zróżnicowania dla populacji ludzkiej a jednocześnie bardzo stabilnych w czasie. Z badań [Iris1] wynika, że tęczówka cechuje się bardzo małym stopniem tzw. penetracji genetycznej, czyli jej struktura jest w znikomym stopniu zależna od naszych genów. Pozwala to na wykorzystanie obrazu tęczówki do rozpoznawania osób blisko spokrewnionych ze sobą, nawet bliźniąt jednojajowych. Dodatkowo, konstruowane obecnie systemy biometrii tęczówki są szybkie i odznaczają się wysoką dokładnością weryfikacji.

W świetle powyższych zalet wydaje się, że biometria ta jest w stanie ubiegać się o miano ''idealnej''. Jednakże proces rozpoznawania tęczówki jest złożony, a konstrukcja kompletnego systemu wymaga rozwiązania szeregu problemów. Poniższy tekst opisuje system biometrii tęczówki, który w pełni powstał w Pracowni Biometrii NASK.

System wykorzystuje nową metodę kodowania cech tęczówki bazującą na rozwinięciu Zaka-Gabora wzbogaconą o algorytmy doboru współczynników rozwinięcia w zależności od jakości przetwarzanych zdjęć tęczówki. Kodowanie uzupełnione zostało również o algorytmy ochrony wzorców tęczówki przed ich niepowołanym powtórnym użyciem. Skonstruowany system weryfikuje tęczówkę w czasie nieprzekraczającym sekundy.

Rejestracja tęczówki

Obraz tęczówki rejestrowany jest za pomocą urządzenia IrisCUBE (rys. 1), będącym elementem całego systemu NASK IRS (Iris Recognition System). IrisCUBE w sposób interaktywny (za pomocą systemu diod i luster) pomaga użytkownikowi podczas procesu rejestracji, który trwa typowo około 5 sek. IID posiada aktywną optykę służącą do kompensacji małej głębi ostrości. Obrazy tęczówki uzyskane za pomocą IID są zgodne ze standardem ISO/IEC 19794-6 (Final Committee Draft) [Iris2].

Wstępne przetwarzanie obrazu

Surowy obraz zawiera tęczówkę oraz jej otoczenie (rys. 2). Dlatego pierwszym etapem przetwarzania zdjęcia jest lokalizacja tęczówki. W poszukiwaniu granic między źrenicą i tęczówką jak i pomiędzy tęczówką i białkówką wykorzystujemy informację o lokalnym gradiencie obrazu. Obie granice aproksymowane są okręgami o różnych środkach.

Rysunek 2. Wstępne przetwarzanie obrazu oka: lokalizacja tęczówki (białe okręgi), lokalizacja zakłóceń (białe punkty). Na obrazie zaznaczono również automatycznie dobrane, wolne od zakłóceń, sektory tęczówki podlegające kodowaniu.

Tęczówka prawie zawsze zasłonięta jest częściowo przez powieki czy rzęsy. Na powierzchni tęczówki często znaleźć można różnorakie odblaski światła. Stąd też, kolejnym etapem wstępnego przetwarzania obrazu jest lokalizacja zakłóceń. W systemie NASK IRS metoda lokalizacji zakłóceń wykorzystuje lokalną wariancję intensywności obrazu tęczówki mierzoną w kierunkach radialnych. W wyniku tej analizy otrzymujemy mapę zakłóceń dla kilkudziesięciu sektorów tęczówki (białe punkty na rys. 1). Na podstawie skonstruowanej mapy, do dalszej analizy dobrane zostają dwa wolne od zakłóceń sektory tęczówki o szerokości kątowej (po lewej i po prawej stronie źrenicy, rys. 3).

Reprezentacja tęczówki

Algorytm oparty o rozwinięcie Zaka-Gabora operuje na prostokątnych obrazach. Sektory tęczówki są więc w dalszych etapach algorytmu przetwarzane w układzie biegunowym. Przykłady typowych sektorów tęczówki, na podstawie których wyznaczany jest wzorzec tęczówki, prezentuje rys. 4.

Rysunek 3. Lewy i prawy sektor tęczówki pokazanej na rys. 1 we współrzędnych biegunowych.

Na podstawie obserwacji i analizy obrazów wielu różnych tęczówek (patrz również [Iris1]) możemy twierdzić, iż korelacja pomiędzy elementami obrazu tęczówki jest znacznie większa w kierunku radialnym niż kątowym. Wynika to z budowy mięśnia tęczówki. Dlatego fluktuacje jasności obrazu w kierunku kątowym reprezentujemy w postaci jednowymiarowych funkcji, których wartości powstają przez uśrednianie jasności obrazu w kierunku radialnym na pewnym horyzoncie. W efekcie dalszemu kodowaniu poddane są jednowymiarowe funkcje jasności, nazywane tutaj paskami, zamiast obrazów 2D.

Kodowanie cech tęczówki

Kodowanie tęczówki może być rozumiane jako opis jej cech lokalnych. W tym celu używamy transformaty Zaka do bezpośredniego wyznaczenia współczynników rozwinięcia Gabora. Jest to inne podejście do kodowania tęczówki niż stosowane przez np. Daugmana [Iris1], który wykorzystuje filtrowanie obrazu w celu wyznaczenia kodu tęczówki. Metoda bezpośredniego wyznaczania współczynników rozwinięcia Gabora za pomocą transformaty Zaka została opracowana pierwotnie przez Martina J. Baastiansa [Iris3], i nazywana jest często transformatą Zaka-Gabora. Jest to jedna z najszybszych i najdokładniejszych metod wyznaczana współczynników rozwinięcia Gabora. Dla otrzymanych współczynników pamiętamy jedynie ich znak (za pomocą jednego bitu). Wynikowe bity kodu traktować będziemy jako cechy tęczówki. Wektor cech ma zawsze tą samą kolejność elementów. Oszacowanie podobieństwa dwóch tęczówek polega zatem na wyznaczeniu odległości Hamminga pomiędzy kodami.

Dobór optymalnych cech

Maksymalny rozmiar wektora cech tęczówki to ponad sto tysięcy liczb. Jest to zbyt wiele chociażby ze względów praktycznych (np. przechowywanie i transmisja danych, weryfikacja biometryczna dokonywana przez urządzenia mobilne lub karty inteligentne, itp.). Okazuje się jednak, iż część cech jest zbędna z punktu widzenia jakości weryfikacji, gdyż nie niosą one informacji charakterystycznej dla oka. Dlatego dokonujemy redukcji liczby cech przy użyciu własnej bazy zdjęć tęczówek BioBase.

Baza zdjęć tęczówek może zostać podzielona na klasy; każda klasa reprezentuje inne oko. Aby wybrać cechy istotne z punktu widzenia rozpoznawania osób, dla każdej cechy wyznaczamy wariancję wewnątrz- i międzyklasową (wariancja z próby). Intuicyjnie, najlepsze cechy to te, dla których wariancja wewnątrzklasowa jest minimalna a jednocześnie wariancja międzyklasowa jest jak największa. Ten prosty mechanizm doboru cech musi być jednak wzbogacony o techniki odrzucania cech niosących podobną informację. Ze zbioru cech do kodowania wybieramy więc te, których współczynnik korelacji z pozostałymi elementami wektora cech nie przekracza ustalonego progu.

Pozostaje pytanie, z ilu elementów ostatecznie powinien składać się wektor cech tęczówki. Aby zbadać zależność pomiędzy dokładnością systemu a wielkością wektora cech, posługujemy się jedną z najpopularniejszych miar pozwalających oszacować różnicę pomiędzy dwiema zmiennymi losowymi mianowicie d' (wykrywalność, ang. decidability lub detectability). Miara d' określa w jakim stopniu rozkłady dwóch zmiennych losowych pokrywają się (im większe d' tym większa jest część wspólna rozkładów). Zmienne losowe, o których mowa, odpowiadają natomiast wynikom porównań tęczówek (tych samych i różnych oczu).

Przeprowadzone eksperymenty pokazują, że wartość d' zmienia się wraz ze wzrostem rozmiaru wektora cech i osiąga maksimum dla pewnej liczby elementów tego wektora. Tak dobrany wektor cech zawiera jednak elementy ściśle dopasowane do zastosowanej bazy zdjęć i nie może być bezpośrednio stosowany w kodowaniu tęczówki. Jest on natomiast źródłem informacji które parametry transformaty Zaka-Gabora prowadzą do optymalnego kodowania z punktu widzenia biometrii. Stosując transformatę Zaka-Gabora dla optymalnych parametrów kodowania, otrzymujemy w naszym systemie wzorce tęczówki o długości 1024 bity.

Dobór parametrów transformaty jest kluczowym elementem projektowania systemu, decydującym o jego dokładności. Opracowane w Pracowni metody doboru parametrów, działające zgodnie z powyższą koncepcją, pozwalają na automatyczną optymalizację dokładności rozpoznawania osób dla szerokiego spektrum jakości zdjęć tęczówki.

Personalizacja cech

Zaprezentowane rozwiązanie kodowania tęczówki zostało rozszerzone o możliwość konstruowania różnych zestawów cech dla różnych tęczówek. Taka możliwość wynika z faktu, iż nie wszystkie współczynniki wyselekcjonowane do optymalnego zbioru cech są wystarczająco stabilne (np. ze względu na budowę mięśnia konkretnej tęczówki). Wprowadzając więc dodatkową maskę, usuwającą z kodu jego ''najsłabsze'' elementy, rozszerzamy go do wielkości 2048 bitów. Rysunek 3 prezentuje przykładowy kod wraz z elementami maski dla obrazu tęczówki przedstawionego na rys. 1.

Rysunek 4. Przykładowy kod tęczówki wyznaczony dla zdjęcia z rys. 1. Czarne i białe elementy reprezentują istotne bity kodu. Elementy zielone to bity maski, która usuwa ''najsłabsze'' elementy kodu.

Korekcja obrotu oka

Systemy biometrii tęczówki fotografujące jedno oko nie mają możliwości kontroli obrotu oka wokół osi prostopadłej do płaszczyzny tęczówki. Jest to problem istotny, gdyż obrócone oko za każdym razem spowoduje wygenerowanie kodu dla nieco innych części tęczówki, tym samym zwiększając ryzyko fałszywych odrzuceń. W systemie skonstruowanym w Pracowni, rozwiązaliśmy ten problem wprowadzając techniki optymalizacji do procesu porównania dwóch kodów. Porównywany wzorzec tęczówki jest rozszerzany o kody wygenerowane dla kilku obrotów oryginalnego zdjęcia. Z racji tego, iż zastosowana metoda wyznaczania kodu (transformata Zaka-Gabora) jest bardzo wydajna, procedura optymalizacji jedynie niezauważalnie wydłuża czas porównania kodów, natomiast znacznie zwiększa dokładność weryfikacji.

Prototyp systemu weryfikacji tęczówki (IRS - Iris Recognition System)

Powyższe algorytmy zweryfikowane zostały dla bazy zdjęć 180 różnych tęczówek (pochodzących z BioBase). Dla każdego oka dostępne były trzy zdjęcia dla celów rejestracji oka oraz jedno, nieznane wcześniej, dla celów weryfikacji. Dla wykorzystanej bazy nie zaobserwowaliśmy błędów fałszywego odrzucenia czy też fałszywej akceptacji tęczówki (rys. 5).

Rysunek 5. Rozkłady wyników porównań tych samych (kolor zielony) i różnych (kolor czarny) tęczówek dla zaproponowanej metody weryfikacji z personalizacją kodu i korekcją obrotu oka.

Urządzenie do rejestracji zdjęć tęczówki IrisCUBE jest jedynie elementem prototypowego systemu weryfikacji tożsamości skonstruowanego w Pracowni (rys. 6). System wykonuje pełną weryfikację tęczówki, od jej rejestracji do decyzji odnośnie tożsamości osoby. System posiada również techniki rozpoznawania żywotności oka (nowatorskie metody opracowane w Pracowni) oraz moduły komunikacji z biometryczną kartą inteligentną (rozwiązanie weryfikacji biometrycznej przez kartę opracowane w Pracowni) oraz bazą danych BioBase. Tabele 1 i 2 prezentują dodatkowo najważniejsze czasy procesu rozpoznawania tęczówki.

Rysunek 6. Schemat systemu NASK IRS (Iris Recognition System)

Literatura