назад в библиотеку

Методы идентификация личности по радужной оболочке глаза

Авторы: Дегтярева А.А., Вежневец В.П.

Источник:

http://cgm.computergraphics.ru/content/view/61

Обоснование.

Глаз – пожалуй, единственный внутренний орган человека, который виден снаружи. Поскольку внутренние органы человека уникальны, а изображение глаза к тому же можно легко получить обыкновенным цифровым фотоаппаратом, возник вопрос о том, можно ли использовать рисунок радужки как некоторый код, отличающий одного человека от другого.

Развитие глаз начинается у зародыша человека в начале второго триместра и заканчивается на восьмом месяце беременности (впрочем, это не касается цвета глаз, который может меняться в течение первого года жизни; часто младенцы рождаются голубоглазыми и впоследствии глаза ребенка темнеют). Это означает, что даже у однояйцовых близнецов радужки различны. Рисунок радужки может меняться в течение жизни только вследствие болезней глаза, таких как катаракта, но часто даже на перенесших операцию глазах рисунок остается прежним либо меняется незначительно [3].

Единственной функцией радужки является контролировать количество света, которое попадает на сетчатку глаза через зрачок. Контроль осуществляется сокращением мускулатуры радужки.

Рисунок радужки в большой степени случаен, а чем больше степень случайности, тем больше вероятность того, что конкретный рисунок будет уникальным. Математически <случайность> описывается степенью свободы. Исследования показали, что текстура радужки имеет степень свободы равной 250, что гораздо больше степени свободы отпечатков пальцев (35) и изображений лиц (20) [2]. Это означает, что использование текстуры радужки для идентификации личности в большой степени оправдано и весьма перспективно.

История.

Идея использовать текстуру радужки для идентификации личности была предложена в 70-80х годах прошлого века. В 1981 Flom (ученый) и Aran Safir (офтальмолог) начали активно изучать научные медицинские доклады об устройстве глаза и, в частности, радужки человека, по результатам исследования сделали вывод о возможности использования текстуры радужки для задач идентификации. В 1987 они обратились в Кэмбридж с приглашением к сотрудничеству ученых в области computer science. На их приглашение откликнулся ученый по имени John Daugman. Заинтересовавшись темой, он начал работать в этом направлении. Результаты своих исследований Daugman впервые опубликовал в 1992 на конференции . На сегодняшний момент работы Daugman'а является основополагающим трудом в данной области. В 1994 году система идентификации личности по радужной оболочке глаза на основе исследований Daugman'а была запатентована (патент 5 291 560). Разумеется, задача не могла остаться без внимания. В 1996 Richard P. Wilds предложил альтернативный метод хранения информации о текстуре, а в 1998 еще один метод был предложен W. Boles. Позже были предложены и другие методы. На настоящий момент три из предложенных подходов получили коммерческое распространение – это подход исследовательских групп Daugman, Noh и Lim [1]. Среди компаний, занимающихся идентификацией, можно назвать Iridian, IriTech, Evermedia. Более подробно об использованных ими, а также других, некоммерческих, методах будет рассказано ниже.

Общий алгоритм

Методы идентификации личности по радужной оболочке построены по одному и тому же принципу – выделение частотной или какой-либо другой информации о текстуре радужки из изображения и сохранение этой информации в виде специального кода (для системы Daugman этот код получил специальное название – IrisCode (радужковый код)). Можно сравнивать коды радужек, и хранить коды радужек разных людей в базе данных. Построение кода производится в три этапа:

1. Выделение <баранки> радужки из общего изображения

2. Предобработка полученного изображения – например убирание шума(denoising), улучшение изображения (enhansing), в том числе выравнивание гистограммы, убирание блика. Некоторые методы «разворачивают» круглый зрачок в прямоугольное изображение – происходит переход из полярных координат в декартовы. Иногда после такой «развертки» часть изображения отрезается, чтобы накопленная на данном этапе ошибка не повлияла на качество распознавания.

3. Составление кода. Предобработанное изображение фильтруется способом, зависящим от конкретного метода. По результатам фильтрации составляется представление в виде кода.

Для кодов необходимо выработать критерий сравнения. Часто код записывается в виде последовательности битов и критерием сравнения служит код Хэмминга. В частности, код Хэмминга используется в системах Daugman, Tisse [6]. Большинство методов работает с изображениями в градациях серого либо картами яркости изображений, то есть цветовая составляющая является избыточной.

Локализация радужки

Некоторые методы, например Wildes, 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. Для этого Wildes предлагает специальную систему камер [4]. Иногда, кроме снимка в видимом диапазоне, делается дополнительный снимок инфракрасной камерой [7].

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. Так, окружность зрачка и внешнюю границу радужки можно найти при помощи преобразования Хафа (Hough transform) [5]. Другие методы дополнительно определяют границу радужки и век двумя параболами, как Wildes, либо просто отрезают те части изображения, которые могут не относиться к радужке, как Daugman, Ma [4], [5]. 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 [6].

Нормализация изображения

Часто для дальнейшей работы производится перевод изображения радужки из полярных координат в декартовы [5], [6], [7], [8], [9]. Однако есть методы и не требующие такого перевода [4], [11]. В частности, [11] использует обратный перевод – из декартовых координат в полярные, причем перевод задается специальным образом так, чтобы окружность границы зрачка и радужки при переводе отобразилась на прямую. К полученному изображению можно применить фильтрацию гауссовым фильтром для устранения высокочастотного шума [5], [8] или медианную фильтрацию [7]. После этого изображение все еще слабоконтрастно, и для повышения надежности производят выравнивание гистограммы (histogram equalization) [5], [8], [9]. Часто помимо этого производится отбрасывание малозначащих частей изображения – это могут быть верхняя и нижняя строки (по несколько пикселей) изображения после его перевода в декартовы координаты [5], [6] или устранение бликующих областей, портящих рисунок радужки [11].

Составление кода

После проведенной предобработки изображение радужки готово к тому, чтобы из него можно было извлечь более формальную информацию. К классическим способам составления кода можно отнести пространственно-частотную свертку изображения фильтрами Габора (Gabor's filters), предложенную Daugman. Каждый бит кода определяется знаком результата воздействия двухмерного фильтра Габора на некоторую небольшую окрестность текстуры радужки [12]. Для кода Daugman и подобных ему в качестве сравнения используется расстояние Хэмминга (количество отличающихся бит кода). Развитием этого направления является применение специальных симметричных функций Circular symmetric filter [5]. Другой модификацией кода на основе фильтров Габора является составление кода на основе среднего абсолютного отклонения (average absolute deviation, AAD) отфильтрованного изображения от оригинального. В этом случае функцией сравнения будет выступать евклидово расстояние между векторами [8].

Wildes использует декомпозицию изображения на основе Laplacian of Gaussian filters. Результирующее изображение представляется как лапласова (многомасштабная) пирамида изображений, подвергнутых действию гауссовых фильтров, и призвано представлять пространственные характеристики радужки. В этом случае для дальнейшего сравнение используются нормированная корреляция (normalized correlation) обрабатываемого изображения и изображений из базы данных [4]. Нормализованная корреляция показывает меру соответствия точек двух изображений или областей изображений друг другу. Tisse использует многомерное преобразование Гилберта (multidimentional Hilbert transform). [6]. Процесс составления кода похож на составление кода Daugman, и процесс сравнения, соответственно, тоже (расстояние Хэмминга). Авторы работы [11] применяют многомасштабную фильтрацию (scale-space filtering) на основе данных о направлении выпуклости функции изменения яркости исходного изображения. По изображению строятся карта направлений вогнутости – величина вогнутости во внимание не берется, так как является следствием условий съемки (например освещения). Затем для каждой окружности внутри радужки ее сигнал яркости фильтруется scale-space filter-ом, и результатам фильтрации инициируется специальная двоичная переменная. Проделав эту операцию для всех радиусов внутри радужки и набору масштабов, двоичные коды по разным масштабам складываются. Полученный результат используется как одномерный код. Для сравнения результатов используется расстояние Хэмминга.

Обеспечение инварианта относительно масштаба и поворота

Инвариант относительно масштаба входного изображения во многих системах регулируется приведением текстуры радужки к карте фиксированного размера [8]. Обеспечение стабильности относительно поворота достигается за счет хранения нескольких изображений одной радужки в базе данных – под несколькими углами поворота [6], [8], [9].

Классические методы

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.

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.

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).

Noh[10]

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

Заключение

По мнению специалистов в области биометрических систем, средства идентификации личности по радужной оболочке глаза способны заменить ключи и персональные идентификационные номера (пины). Рисунок радужной оболочки уникален и не повторяется даже у близнецов. Вероятность того, что два разных человека имеют один и тот же рисунок радужной оболочки глаза, равняется приблизительно 10-78, в то время как все население Земли составляет примерно 1010. В отличие от других биометрических систем контроля доступа, идентификация по рисунку радужки допускает полностью бесконтактную реализацию. В данной статье изложены основные принципы и дан краткий обзор существующих методов идентификации личности по радужной оболочке глаза.

Список литературы

[1] The Iris Recognition Homepage, http://www.iris-recognition.org/

[2] Resources Related to Biometrics and People with Disabilities, The international Center for Disability Resources on the Internet, http://www.icdri.org/biometrics/biometrics.htm

[3] BioMedical Engineering OnLine, http://www.biomedical-engineering-online.com/

[4] Richard P. Wildes. Iris Recognition: An Emerging Biometric Technology, Proceedings of The IEEE, vol. 85, no. 9, pp. 1347-1347, September 1997

[5] Li Ma, Yunhong Wang, Tieniu Tan. Iris Recognition Using Circular Symmetric Filters, Proceedings of the 16 th International Conference on Pattern Recognition (ICPR'02), pp. 20414-20418

[6] Christel-loic Tisse, Lionel Martin, Lionel Torres, Michel Robert. Person identification technique using human iris recognition. Proc. of Vision Interface, pp.294-299, 2002.

[7] Jafar M. H. Ali, Aboul Ella Hassanien. An Iris Recognition System to Enhance E-security Environment Based on Wavelet Theory. AMO - Advanced Modeling and Optimization, Volume 5, Number 2, pp. 93-104, 2003

[8] Li Ma, Yunhong Wang, Tieniu Tan. Iris Recognition Based on Multichannel Gabor Filtering. ACCV2002: The 5th Asian Conference on Computer Vision, pp. 23-25 January 2002, Melbourne, Australia.

[9] Yong Zhu, Tieniu Tan and Yunhong Wang. Biometric Personal Identification Based on Iris Patterns. Proc. of IAPR, Inter. Conf. Pattern Recognition(ICPR'2000), vol. II, pp. 805-808, 2000.

[10] Seung-In Noh, Kwanghuk Pae1, Chulhan Lee, and Jaihie Kim. Multiresolution Independent Component Analysis for Iris Identification. The 2002 International Technical Conference on Circuits/Systems, Computers and Communications, 2002, Phuket, Tailand, July 2002.

[11] Kyong Woo Nam, Kyong Lok Yoon, Jun Sung Bark, Woo S. Yang. A Feature Extraction Method for Binary Iris Code Construction. Proceedings of the 2nd International Conference on Information Technology for Application (ICITA 2004)

[12] L. Shapiro and G. Stockman, Textbook: Computer Vision, Prentice Hall, 2001 http://www.cse.msu.edu/~stockman/Book/book.html.