IDENTIFIKACIONI SISTEMI
PREPOZNAVANJE DUŽICE, LICA I GLASA
DUŽICA OKA Stara poslovica: Oči su odgledalo duše. Dužica se nalazi između rožnjače i sočiva. Ona igra ulogu dijafragme oka - posebnim mišićnim mehanizmom reguliše količinu svjetlosti koja upada u oko. Unutrašnji organ čovjeka koji se vidi spolja. Počinje se formirati oko tri mjeseca nakon začeća. Struktura linija i šara koje joj daju prepoznatljivost se formiraju do osmog mjeseca. Dužica se sastoji od mišića za kontrolu širine zjenice, hromatofora, melanocita i pigmenta.
DUŽICA OKA
Dijagramski presjek ljudskog oka: A - staklasto tijelo, B - sočivo, C - rožnjača, D - zjenica, E - dužica, F -beonjača, G – očni nerv, H – sudovnjača, J - mrežnjača, K - cilijarno tijelo Debljina dužice je između 0.3 i 0.4 mm. Od količine pigmenta u pojedinim slojevima dužice zavisi boja oka, odnosno dužice.
DUŽICA OKA
Vertikalni presjek dužice
DUŽICA OKA
Horizontalni presjek
ISTORIJAT Mogućnost da dužica oka bude upotrijebljena za identifikaciju, najprije je sugerisana od strane oftamologa. Veliki broj detalja koji su jednistveni i ostaju nepromijenjeni tokom vremena. 1936 godine oftamolog Frank Burch prvi sugeriše upotrebu dužice za personalnu identifikaciju. 1986. god. druga dva oftamologa Aran Safir i Leonard Flom su patentirali tu ideju Dr. John Daugman, profesor na Harvard Universitetu, sredinom 1990-tih godina patentira algoritme za skeniranje dužice.
PREPOZNAVANJE DUŽICE OKA
Dužica oka slikana sa malog rastojanja i njen negativ. Dužica posjeduje preko 200 detalja koji se mogu upotrijebiti za poređenje. Čitači dužice koriste običnu video kameru. Ne zahtijeveju kontakt sa korisnikom.
PREPOZNAVANJE DUŽICE OKA Skeniranje dužice najčešće se vrši infracrvenim svjetlom. Vidljiva svjetlost se rjeđe koristi jer izaziva dilataciju zjenice. Algoritam Dr. Daugman-a obezbjeđuje 3-4 bita podataka po kvadratnom milimetru (prečnik dužice je oko 11 milimetara).
Šara dobijena iz tamno braon dužice osvijetljene infracrvenim svjetlom.
PREPOZNAVANJE DUŽICE OKA
Postupak prepoznavanja dužice oka Vrijeme potrebno za prepoznavanje je obično manje od 5 sekundi.
PREPOZNAVANJE DUŽICE OKA Prilikom skeniranja dužice oka, korisnik staje ispred čitača, na način da na uređaju može vidjeti refleksiju svojih očiju.
PREPOZNAVANJE DUŽICE OKA Nakon što smo došli do slike oka, potrebno je izdvojiti samu dužicu. Treba pronaći centar zjenice,detektovati ivice dužice, povezati te ivice i izvršiti filtriranje.
PREPOZNAVANJE DUŽICE OKA Radijalno pretraživanje slike dužice u cilju određivanja njenih kontura
PREPOZNAVANJE DUŽICE OKA Nakon odredjivanja granica - pronalaženje karakterističnih tačaka po površini dužice. Sliku se transformiše u polarni koordinatni sistem. Time se postiže da veličina dužice na slici, pozicija i orjentacija šara dužice, kao i veličina zjenice ne utiču na dobijanje koda.
Slika dužice nakon transformacije Struktura dužice transformiše se u niz vektora u kompleksnoj ravni. Dobijen kod dužice uporedjuje se sa kodovima u bazi podataka. Test statističke nezavisnosti. Hamingova distanca:
PREPOZNAVANJE DUŽICE OKA - PREDNOSTI Fiziološka reakcija dužice na svjetlo predstavlja prirodni test za detekciju falsifikata. Nakon izvršenog skeniranja, u cilju detekcije dilatacije zjenice, čitač uključuje vidljivu svjetlost i varira njen intezitet. • Zaštićenost dužice od spoljašnje sredine. • Šara dužice je nezavisna od genetskog porijekla. • Šara dužice je vidljiva i sa rastojanja što donosi prednost u odnosu na tehnologiju identifikacije mrežnjače. • Karakteristike dužice se ne mijenju sa protokom vremena.
PREPOZNAVANJE DUŽICE OKA -PREDNOSTI
’’Afghan girl’’, 1984. i 17 godina poslije
PREPOZNAVANJE DUŽICE OKA -NEDOSTACI • Veličina dužice svega 1cm pa njeno skeniranje zahtijeva striktnu saradnju korisnika. • Sekeniranje dužice, dalje, otežava njena pokretljivost. • Povremeno spuštanje očnih kapaka ometa proces skeniranja. • Još uvijek postoji neskad između tvrdnji o tačnosti i pouzdanosti tehnologije skeniranja dužice i onoga što je ova tehnologija, danas, u stanju da pruži.
PREPOZNAVANJE DUŽICE OKA -PRIMJENE Brojne su primjene tehnologije skeniranja dužice. Primjenjuje se: • kao zamjena za pasoše i identifikacione kartice, • za obezbjeđenje sigurnosti u vazduhoplovstvu, • za kontrolu pristupa određenim prostorima na aerodromu, • za kontrolu pristupa bazama podataka i prijavljivanje na kompjuterske mreže, • za kontrolu pristupa zgradama i kućama, • za evidencije i kontrole pristupa u bolnicama, • za provjeru identiteta na graničnim prelazima, itd.
PREPOZNAVANJE DUŽICE OKA -PRIMJENE Jedna od nejvećih primjena tehnologije skeniranja dužice realizovana je od strane Ministarstva unutrašnjih poslova Ujedinjenih Arapskih Emirata (UAE). Na svih 17 zračnih, zemaljskih i morskih luka u UAE vrši se prepoznavanje dužice oka svih putnika koji ulaze u zemlju. Jedan od kontrolnih punktova u UAE za identifikaciju na osnovu prepoznavanje dužice oka
PREPOZNAVANJE DUŽICE OKA -PRIMJENE Više aerodroma širom svijeta imaju instalisane identifikacione sisteme zasnovane na prepoznavanju dužice.
Uređaj za prepoznavanje dužice na amsterdamskom aerodromu Schiphol
PREPOZNAVANJE DUŽICE OKA -PRIMJENE Komisija Ujedinjenih Nacija za izbjeglice, poslije pada Talibanskog režima, kontroliše, povratak Afganistanskih izbjeglica. Umjesto pasoša identifikaciju i evidenciju vrše za prepoznavanjem dužice oka izbjeglica.
Prostorija za skeniranje dužice na Pakistansko-Avganistanskoj granici.
PREPOZNAVANJE DUŽICE OKA -PRIMJENE U Velikoj Britaniji, u srednjoj školi u mjestu Sanderlend, postavljen je čitač koji može da prepozna osobu na osnovu snimka dužice oka. Čitač je postavljen u školskoj kantini s ciljem da se učenicima omogući dobijanje obroka bez plaćanja gotovim novcem.
PREPOZNAVANJE DUŽICE OKA -PRIMJENE
PREPOZNAVANJE DUŽICE OKA -PRIMJENE PIER™ 2.3 – Portable Iris Enrollment and Recognition Device
The PIER™ is a rugged hand-held device that allows the operator to enroll and identify individuals using the highly unique patterns and textures of the human iris. The PIER™ can store a database of up to 200,000 individuals (both left and right eye) and quickly return the identity of the subject. Tethered to a PC, the device can match an unknown individual against a database of millions with extremely high accuracy. Thousands of PIER™ devices are in deployment throughout Iraq, Afghanistan, Bosnia and other areas of conflict.
PREPOZNAVANJE LICA Lice je dio čovjekove spoljašnjosti na osnovu kojeg se ljudi međusobno prepoznaju. U poslednjih desetak godina čine se intezivni napori da se takva sposobnost razvije i kod kompjutera. U procesu prepoznavanja lica ne zahtijeva se fizički kontakt sa skenerom. Jednostavna za korištenje - Može se koristiti postojeća oprema kao što je web kamera, sigurnosna kamera itd..
PREPOZNAVANJE LICA Lice nije u toj mjeri jedinstveno kao što je to slučaj sa otiskom prsta ili dužicom oka. Mijenja se sa protokom vremena.
’’Afghan girl’’, 1984. i 17 godina poslije
PREPOZNAVANJE LICA – KLJUČNI DETALJI Karakteristike lice koje se mogu mjeriti i koristiti za kasniju identifikaciju nazivaju se ključni detalji. Postoji oko 80 ključnih detalja na ljudskom licu. Neki od tih detalja su: • Rastojanje između očiju, • Širina nosa, • Dubina očnih udubljenja, • Jagodice, • Vilična linija, itd...
PREPOZNAVANJE LICA - POSTUPAK Postupak prepoznavanja lica sastoji se iz sljedećih koraka:
Detekcije Podešavanja Normalizacije Kodiranje i Komparacije
DETEKCIJA LICA
U najkraćem: Lociranje lica na slici. Izdvojanje iz scene
PODEŠAVANJA Vrše se sljedeća podešavanja: Rotacija Osvjetljaj Skala Naklon
glave
Položaj očiju (lociranje oka)
NORMALIZACIJA “Mirna slika“ - frontalna slika, sa uobičajenim izrazom čovječijeg lica. Manji numerički kod za predstavljanje lica u bazi podataka. Normalizacija - statistička tehnika kojom se vrši korekcija razlika u licu istog čovjeka na različitim slikama. Normalizacione korekcije donekle umanjuju razlike i između različitih lica.
KODIRANJE Ključni detalji se mjere i formira se numerički kod, odnosno niz brojeva, koji predstavlja lice u bazi podataka -″″faceprint″″.
Mjerenje ključnih detalja lica
KOMPARACIJA Dobijeni digitalni kod (faceprint), se u fazi komparacije koristi za poređenje sa drugim raspoloživim kodovima iz baze podataka.
PREPOZNAVANJE LICA TEŠKOĆE:
Varijacije u osvjetljaju Verijacije u orijentaciji (pozicija lica) Varijacije u veličini Velika baze podataka Jačina procesora
PREPOZNAVANJE LICA – TEŠKOĆE Margina greške. Već broj korisnika – veći FAR. Velika baza podataka može uzrokovati isuviše veliki FAR. Multi-biometrijski koncept predstavlja dobro rješenje za obezbjeđenje visoke pouzdanosti identifikacije. Prepoznavanje lice - dopuna osnovne metode identifikacije
PREPOZNAVANJE LICA Pouzdanost sistema za prepoznavanja lica je funkcija:
Demografskih karakteristika populacija koja koristi sistem.
PREPOZNAVANJE LICA Experimenti su pokazali da je lakše prepoznati muškarce nego žene, kao i da je lakše prepoznati starije nego mlađe ljude. Rezultati takođe pokazuju da razlike u lakoći prepoznavanja, muškaraca i žena, opadaju sa njihovim starenjem. Kao i u slučaju tehnologije prepoznavanja otiska prsta i tehnologija prepoznavanja lica je prilično ugrožena mogućnošću falsifikovanja.
PREPOZNAVANJE LICA - PRIMJENE Prvi korisnici sistema za prepoznavanje lica bili su policija, sudovi itd.. Policija ove sisteme koristi za nadzor određenih prostora. Nadzor se sastoji u provjeri identiteta slučajno odabranog lica iz mase.
PREPOZNAVANJE LICA - PRIMJENE Poznatiji sistemi za sigurnosni nadzor koji koriste tenologiju prepoznavanja lica su: - Virginia Beach Surveillance, - City of Brentwood Police Department, - Zurich Airport Face, - Manchester NH Viisage, itd.
PREPOZNAVANJE LICA - PRIMJENE Biometrijska tehnologija prepoznavanja lica može se upotrijebiti i za kontrolu pristupa kompjuteru. Montiranjem web kamere na kompjuter i instalacijom softvera, korisnikovo lice može zamijeniti lozinku za pristup kompjuteru
PREPOZNAVANJE LICA - PRIMJENE Provjera identiteta na automatu za keširanje novca.
PREPOZNAVANJE GLASA Karakteristika ponašanja - najveći se napori se ulažu u razvoj tehnologije prepoznavanja glasa. Upotreba sistema za prepoznavanje glasa je veoma jednostavna i jeftina. Intefejs između korisnika i sistema, može biti bilo koji audio uređaj, uključujući mobilne/fiksne telefone, PC mikrofone itd.. Dobro prihvatanje od strane korisnika - glas najprirodniji način komunikacije. Najčešće se koristi tamo gdje je glas jedini raspoloživi biometrijski identifikator.
PREPOZNAVANJE GLASA Prepoznavanje glasa ≠ Prepoznavanje govora Tehnologija prepoznavanja govora prevodi što je korisnik rekao. Tehnologija prepoznavanja glasa, verifikuje identitet individue koja govori. Tehnologije su često povezane.
PREPOZNAVANJE GLASA Osobine glasa dominantno su zavistne od oblika vokalnog trakta.
PREPOZNAVANJE GLASA Generisanje glasa započinje na glasnim žicama. Između glasnih žica postoje prorezi. Kada započnemo sa govorom, mišići koji kontrolišu glasne žice, zatežu se. Glasne žice se sužavaju. Prolazak daha kroz proreze glasnih između žica proizvodi glas. Jedinstvene karakteristike glasa oblikuju se u vokalnom traktu. Vokalni trakt modifikuje spektralni sadržaj glasa – neke harmonike pojačava, druge prigušuje.
PREPOZNAVANJE GLASA Digitalizacija karakteristika ljudskog glasa - stvoranje niza digitalnih podataka koji opisuju glas. ″Voice print″″ ili ″Profil glasa″″ Digitalizacijom se svaka izgovorena riječ svodi na segmente sastavljene od dominantnih frekvencija (formanta). Svaki segment ima nekoliko formanta. Svi formanti zajedno predstavljaju jedinstveni profil glasa
PREPOZNAVANJE GLASA Sistemi za prepoznavanje glasa mogu biti:
tekst zavisni,
tekst nezavisni ili
kombinacija ove dvije vrste.
PREPOZNAVANJE GLASA TEKST ZAVISNI SISTEMI
Korisnik izgovara unaprijed definisane riječi ili rečenice.
Mjesto rođenja, omiljene boje, niz brojeva, ...
Dobijeni glasovni profil poredi se sa glasovnim profilom istih tih rečenica dobijenom u procesu upisivanja
PREPOZNAVANJE GLASA TEKST NEZAVISNI SISTEMI
Ne koriste se unaprijed definisne rečenice.
Govor dužeg trajanja.
Prepoznaju se glasovne karakteristike: jačina, takt, tonalitet, ...
PREPOZNVANJE GLASA - PROBLEMI • Profil ljudskog glasa veoma je zavistan od zdravlja i emocionalnog stanja čovjeka. • Pozadinski šum i loš kvalitet ulaznog uređaja (mikrofona) mogu stvoriti preobleme. • Sistemi za prepoznavanje glasa ugroženi su i od pokušaja lažne identifikacije. Lažna identifikacija, na osnovu snimljenog glasa regularnog korisnika, je jedan on najčešćih slučajeva. Razvijeni su mnogi sofisticirani algoritmi kojima se nastoji što pouzdanije provjeriti da li se radi o živom glasu ili snimku.
PREPOZNAVANJE GLASA - PRIMJENE VIVA IBM razvija sistem za prepoznavanje glasa VIVA (Voice Identification and Verification Agent) Namjena ovog sistema je da omogući identifikaciju korisnika preko telefona. Dva izvora za autentifikaciju: 1) biometrika glasa (the voice-print) i 2) korisnikovo znanje ( lozinka i lične informacije) Procenat pogrešno prihvaćenih je 0.00001%. Procenat pogrešno odbijenih 3%.
PREPOZNAVANJE GLASA - PRIMJENE Prvi slučaj: Pravi korisnik pristupa svom računu. VIVA je u stanju akustički verifikovati korisnika. Zbog dobre podudarnosti glasa – u intervjuu samo jedno pitanje.
Slučaj I:
PREPOZNAVANJE GLASA - PRIMJENE Drugi slučaj: Uljez pokušava da “provali" u tuđ račun. Pored nepodudaranja glasovnih karakteristika, uljez ne zna da odgovori na biometrijska pitanja iz intervjua.
Slučaj II:
PREPOZNAVANJE GLASA - PRIMJENE Treći slučaj: Dobro informisani uljez pokušava da “provali“ u tuđ račun. Imposter zna odgovore na sva biometrijska pitanja iz intervjua. Randomizacija intervjua – različita pitanja u svakoj uzastopnoj sesiji.
Slučaj III: