Un algoritm simplu pentru conversia unei amprente într-un cod. Tema tezei de master: „Metode și algoritmi de recunoaștere a imaginii amprentelor digitale în sistemele biometrice de control al accesului”
Deci, ce este un scaner de amprente?
Acesta este un tip de tehnologie de securitate biometrică care utilizează o combinație de metode hardware și software pentru a recunoaște amprenta unui utilizator. Identifică și autentifică amprentele unei persoane pentru a permite sau a interzice accesul la un smartphone, o aplicație și alte locuri care au nevoie de protecție împotriva interferențelor nedorite. Există multe alte modalități de a proteja informațiile personale, cum ar fi: biometrie, scanarea irisului, scanarea retinei, scanarea caracteristicilor faciale și așa mai departe, până la un test special de sânge sau de mers. Apropo, analiza mersului a fost demonstrată în seria de filme Mission Impossible cu Tom Cruise. Unele smartphone-uri folosesc chiar și un scanner de iris, dar implementarea acestei caracteristici este în mod natural departe de a fi ideală. De ce un scaner de amprente? Este simplu: plăcile de scanare a amprentelor sunt destul de ieftine și ușor de fabricat și utilizat. Atingeți scanerul și Redmi Note 3 este deblocat instantaneu și gata de utilizare.
Așa cum există diferite tipuri de tehnologii de securitate biometrică, tipurile de scanere de amprente au tehnologii și metode de implementare diferite. Există trei tipuri de scanere de amprente:
- Scanere optice;
- Scanere capacitive;
- Scanere cu ultrasunete.
Scanere optice
Scanerele optice de amprentă sunt cea mai veche metodă de captare și comparare a amprentelor. După cum ați putea ghici din nume, această metodă se bazează pe capturarea unei imagini optice a unei amprente. În esență, este o fotografie a unei amprente care, odată capturată, este procesată folosind algoritmi speciali pentru a detecta modele unice la suprafață, cum ar fi crestele și buclele unice, prin analizarea zonelor cele mai luminoase și cele mai întunecate ale imaginii.
La fel ca o cameră pentru smartphone, acești senzori au o rezoluție finită și cu cât rezoluția este mai mare, cu atât detaliile modelului mai fine pe care senzorul le poate discerne pe degetul tău, cu atât este mai mare securitatea. Cu toate acestea, acești senzori au un contrast mult mai mare decât o cameră obișnuită. De obicei, au un număr foarte mare de diode pe inch pentru a captura imagini la distanță apropiată. Dar când pui degetul pe scaner, camera lui nu vede nimic, pentru că este întuneric, obiectezi. Corect. Prin urmare, scanerele optice au, de asemenea, matrice întregi de LED-uri ca bliț pentru a ilumina zona de scanare. Evident, acest design este prea voluminos pentru un telefon, unde subțirea corpului joacă un rol important.
Principalul dezavantaj al scanerelor optice este că sunt destul de ușor de păcălit. Scanerele optice captează doar imagini 2D. Mulți au văzut cum, cu ajutorul unor simple manipulări cu același adeziv PVA sau pur și simplu cu o fotografie de înaltă calitate, un scaner este piratat și se obține accesul la documentele tale importante sau la pisici. Prin urmare, acest tip de securitate nu este potrivit pentru smartphone-uri.
Așa cum puteți găsi acum smartphone-uri cu ecrane rezistive, este posibil să găsiți și scanere optice de amprente. Ele sunt încă folosite în multe domenii, cu excepția celor în care este nevoie de securitate reală. Recent, odată cu dezvoltarea tehnologiei și cererea tot mai mare pentru o securitate mai serioasă, smartphone-urile au adoptat în unanimitate și folosesc scanere capacitive. Ele vor fi discutate mai jos.
Scanere capacitive
Acesta este cel mai comun tip de scaner de amprente în prezent. După cum sugerează și numele, condensatorul este modulul principal de scanare într-un scaner capacitiv. În loc să creeze o imagine tradițională de amprentă, scanerele capacitive folosesc rețele de circuite de condensatoare minuscule pentru a colecta date despre amprentă. Condensatorii stochează sarcina electrică și, dacă puneți degetul pe suprafața scanerului, cantitatea acumulată în condensator va fi ușor modificată în acele locuri în care creasta de pe model atinge placa și va rămâne relativ neschimbată acolo unde depresiunile de pe modelele sunt opuse. Un circuit integrator op-amp este utilizat pentru a urmări aceste modificări, care pot fi apoi înregistrate de un convertor A/D.
Odată ce datele de amprentă au fost capturate, datele sunt convertite în date digitale și căutate atribute distinctive și unice ale amprentei, care la rândul lor pot fi stocate pentru comparare într-o etapă ulterioară. Principalul avantaj al acestei tehnologii este că este mult mai bună decât scanerele optice. Rezultatele scanării nu pot fi reproduse cu imaginea și este incredibil de greu de înșelat folosind proteze, adică o turnare a amprentei. După cum a fost scris mai sus, acest lucru se datorează faptului că atunci când o amprentă este recunoscută, sunt înregistrate date ușor diferite, și anume, modificări ale încărcării condensatorului. Singura amenințare reală de securitate provine din orice manipulare hardware sau software.
Scanerele capacitive de amprentă folosesc rețele destul de mari de acești condensatori, de obicei sute, dacă nu mii, într-un singur scaner. Acest lucru permite o imagine foarte detaliată a crestelor și văilor amprentei. La fel ca la scanerele optice, un număr mai mare de condensatori asigură o rezoluție mai mare a scanerului, crescând acuratețea recunoașterii și, în consecință, nivelul de securitate, până la recunoașterea celor mai mici puncte.
Datorită numărului mai mare de componente din circuitul de recunoaștere a amprentei, scanerele capacitive sunt de obicei puțin mai scumpe decât scanerele optice. În primele iterații ale scanerelor capacitive, mulți producători au încercat să reducă costurile reducând numărul de condensatori necesari pentru recunoașterea amprentelor digitale. Asemenea soluții nu au avut aproape întotdeauna prea mult succes și mulți utilizatori s-au plâns de calitatea recunoașterii, deoarece au fost nevoiți să pună degetul pe ea de mai multe ori pentru a scana amprenta. Din fericire, în aceste zile această tehnologie a fost deja perfecționată și chiar și un utilizator pretențios va fi mulțumit. Este demn de remarcat faptul că, dacă degetul tău este murdar sau prea ud/gras, atunci scanerul capacitiv uneori nu va putea recunoaște amprenta. Totuși, se mai spală pe mâini?
Scanere cu ultrasunete
Scanerele de amprentă cu ultrasunete sunt cele mai recente în tehnologie de recunoaștere a amprentei în acest moment. Acest tip de scaner a fost folosit pentru prima dată pe smartphone-ul Le Max Pro. Acest telefon folosește tehnologii de la compania americană Qualcomm cu Sense ID.
Un scaner cu ultrasunete folosește un transmițător și un receptor ultrasonic pentru a recunoaște o amprentă digitală. Pulsul cu ultrasunete este transmis direct degetului, care este plasat în fața scanerului. O parte din acest impuls este absorbit, iar o parte se întoarce la receptor și este recunoscut în continuare în funcție de crestele, văile și alte detalii ale amprentei care sunt unice pentru fiecare deget. La scanerele cu ultrasunete, un senzor care detectează stresul mecanic este utilizat pentru a calcula intensitatea impulsului ultrasonic care revine în diferite puncte de pe scaner. Scanarea pentru o perioadă mai lungă de timp permite captarea datelor suplimentare privind adâncimea amprentei, rezultând imagini 3D foarte detaliate ale amprentei scanate. Utilizarea tehnologiei 3D în această metodă de scanare o face cea mai sigură alternativă la scanerele capacitive. Singurul dezavantaj al acestei tehnologii este că momentan nu a fost încă dezvoltată și este prea scumpă. Primele smartphone-uri cu astfel de scanere sunt pionieri în acest domeniu. Din același motiv, Xiaomi nu a folosit un scaner cu ultrasunete în flagship-ul său Mi5.
Algoritmi de procesare a amprentelor
Deși majoritatea scanerelor de amprentă se bazează pe principii hardware foarte asemănătoare, componentele și software-ul suplimentar pot juca un rol important în recunoașterea amprentei. Diferiți producători folosesc câțiva algoritmi diferiți care vor fi cei mai „convenienți” pentru un anumit model de procesor și sistem de operare. În consecință, viteza și acuratețea identificării caracteristicilor cheie ale amprentei pot varia între producători.
De obicei, acești algoritmi caută unde se termină crestele și jgheaburile, se intersectează și se împart în două. În mod colectiv, caracteristicile unui model de imprimare sunt numite „minutiae”. Dacă amprenta digitală scanată se potrivește cu mai multe „lucuri mici”, va fi considerată o potrivire. Pentru ce este asta? În loc să compare amprentele întregi de fiecare dată, comparațiile minut cu bucată reduc cantitatea de putere de procesare necesară pentru procesarea și identificarea fiecărei amprente. De asemenea, această metodă ajută la evitarea erorilor la scanarea unei amprente și, cel mai important, devine posibil să nu plasați degetul complet. Nu-ți pui niciodată degetul exact, nu-i așa? Desigur că nu.
Aceste informații ar trebui să fie stocate într-o locație sigură pe dispozitiv și suficient de departe de cod care ar putea compromite fiabilitatea scanerului. În loc să stocheze datele utilizatorului online, procesorul stochează în siguranță informațiile de amprentă pe cipul fizic într-un TEE (Trusted Execution Environment). Această zonă securizată este folosită și pentru alte procese criptografice și accesează direct platformele hardware de securitate, cum ar fi același scaner de amprente, pentru a preveni orice supraveghere software și orice intruziune. Acești algoritmi pot diferi de la un producător la altul sau pot fi chiar organizați diferit, de exemplu, Qualcomm are arhitectura Secure MCM, iar Apple are Secure Enclave, dar toți se bazează pe același principiu de stocare a acestor informații într-o parte separată. a procesorului.
Când folosești un smartphone în fiecare zi, nu te gândești cu adevărat la cum funcționează cutare sau cutare funcție. Luați același scaner de amprentă în telefoanele inteligente Meizu: deblochează dispozitivul prima dată, asta e bine. Nu toată lumea știe că există mai multe tipuri de scanere care diferă unele de altele. Haide, să umplem golul de cunoștințe.
De ce ai nevoie de un scaner de amprentă?
Protecția informațiilor personale este acum principala problemă în lumea noastră digitală, este important nu numai să avem date, ci și să le protejăm. Nu trebuie să căutați departe pentru exemple; puțini oameni sunt mulțumiți când un coleg de clasă la o prelegere ridică telefonul pentru a „răuci și privi” și apoi începe să caute prin galeria foto. Desigur, dacă aveți Meizu și ați blocat accesul la aplicație cu o parolă, nu trebuie să vă faceți griji pentru acest lucru, dar nu toată lumea este conștientă de această posibilitate.
Identificarea amprentei este una dintre cele mai fiabile modalități de a confirma identitatea proprietarului. În ceea ce privește acuratețea, această metodă este a doua după scanarea retinei și analiza ADN-ului, dar este înainte. De acord, este greu de imaginat în condiții reale necesitatea unui test de sânge pentru a debloca un smartphone.
Ce trebuie să știți despre amprentele digitale
În primul rând, amprenta este formată de un model papilar pe piele, se vede pe degete. Acestea sunt proeminențe și depresiuni pe piele care formează un model unic.
În al doilea rând, modelul este unic pentru fiecare persoană, chiar și printre rudele apropiate și gemeni. Se formează la fătul nenăscut și rămâne neschimbat de-a lungul vieții.
În al treilea rând, chiar dacă epiderma este deteriorată, modelul este restabilit în timp, singura întrebare este timpul și gradul de deteriorare a pielii. Prin urmare, filmele în care personajele principale își scot amprentele nu sunt altceva decât ficțiune.
În al patrulea rând, fiecare imprimare conține nu numai caracteristici vizuale, ci și propriile caracteristici termice și electrice.
Toate aceste proprietăți au stat la baza metodelor de identificare a proprietarilor de smartphone-uri moderne, laptopuri și alte echipamente. Senzorii sunt împărțiți în trei grupe: optici, semiconductori și ultrasonici.
Senzori optici
După cum sugerează și numele, principiul recunoașterii se bazează pe analiza imaginii modelelor papilare. La rândul lor, metodele de obținere a imaginilor sunt împărțite în mai multe tipuri: reflexie, transmisie sau recunoaștere fără contact.
Senzori reflectorizanti
Astfel de scanere folosesc efectul de reflexie internă totală întreruptă. Esența sa este simplă: atunci când lumina atinge limita diferitelor suprafețe, fluxul este împărțit în două părți, una este reflectată de graniță, iar a doua pătrunde prin graniță într-un alt mediu. Ce fel de suprafete? Acestea sunt cotele modelului aplicat senzorului și partea liberă a senzorului, care conține adânciturile din model.
Dacă te joci cu unghiul, poți obține reflectarea întregului flux de la interfața dintre medii în cuvinte simple, lumina este reflectată din locurile în care pielea nu atinge senzorul, construind astfel o imagine a unui model în dispozitivul; memorie.
Aceasta este cea mai simplă metodă, dar cu dezavantaje: poate fi înșelată de un manechin, astfel de senzori sunt sensibili la contaminare.
Senzori translucizi
Astfel de senzori funcționează folosind o matrice de fibră optică în care o fotocelulă este atașată la un capăt al fiecărui canal. Degetul este aplicat pe senzor, lumina este emisă de sus, iar senzorii înregistrează fluxul de lumină reziduală în punctele de contact ale cotelor de pe model cu suprafața senzorului. Un astfel de senzor este greu de înșelat; manechinul nu va mai funcționa, dar această metodă nu poate fi numită mobilă.
Senzori fără contact
Cel mai comun dintre toți senzorii optici de pe platformele mobile. Conceptul este similar cu senzorii reflectorizanti, cu o singură excepție: nu este necesar contactul direct cu degetul cu suprafața senzorului. Degetul este plasat pe geamul de protecție, sub care se află o lentilă cu senzor și surse de lumină pe lateralele acestuia. Lumina este reflectată de modelul degetelor, concentrând matricea prin lentile. Principiul de funcționare este foarte asemănător cu cel al unei camere digitale. Acest senzor este, de asemenea, sensibil la contaminarea sticlei de protecție, dacă se dorește, poate fi păcălit cu o amprentă falsă.
Senzori cu semiconductori
Astfel de senzori folosesc modificări ale proprietăților semiconductorilor la punctul de contact al crestei modelului cu suprafața senzorului însuși.
Scanere capacitive
Ele funcționează prin schimbarea capacității unui semiconductor în zona de contact a doi semiconductori cu diferite tipuri de permeabilitate. Diferența apare acolo unde creasta modelului papilar atinge matricea semiconductoare. Datele primite sunt convertite într-o amprentă printr-un procesor securizat separat. Astfel de senzori sunt ieftini și nepretențioși, dar pot fi înșelați și de un manechin.
Scanere RF
O altă subspecie care utilizează semnale radio de intensitate scăzută. Senzorul înregistrează semnalul reflectat în locul în care este aplicată creasta modelului, formând astfel o imagine digitală a amprentei. Un astfel de senzor este greu de înșelat, deoarece proprietățile reflectorizante ale pielii combinate cu un model unic sunt aproape imposibil de falsificat, dar dacă degetul are un contact slab cu suprafața senzorului, recunoașterea amprentei devine dificilă.
Elemente piezoelectrice
Senzorii care sunt sensibili la presiunea de pe suprafață determină modelul amprentei atunci când aplicați degetul: crestele modelului aplică presiune, dar nu există nicio depresiune. Astfel de senzori sunt, de asemenea, ușor de instalat, iar sensibilitatea lor generală este scăzută, dar sunt relativ ieftini.
Senzori de temperatura
Ei citesc harta unică a temperaturii suprafeței de imprimare. Elementele piroelectrice sunt responsabile pentru transformarea temperaturii într-o amprentă digitală. Este dificil să înșeli astfel de senzori, mai ales că aceștia sunt rezistenți la electrostatică și funcționează în orice condiții de temperatură. Există un singur dezavantaj: harta temperaturii dispare rapid, deoarece... Suprafața senzorului și a degetului ating rapid echilibrul de temperatură.
Senzori cu ultrasunete
Astfel de senzori sunt cei mai avansați și cei mai rapidi scanează suprafața degetului aplicat. Diferența de nivel al semnalului reflectat de la crestele și văile modelului este înregistrată de senzor, după care se construiește o imagine digitală completă a amprentei. Astfel de senzori sunt aproape imposibil de înșelat, pentru că Pe lângă harta suprafeței atașate, aceștia pot citi și pulsul și alți indicatori ai activității biologice. Mai mult, astfel de senzori răspund bine chiar și atunci când sunt atinși de un deget ud, iar acest lucru este deosebit de important în utilizarea de zi cu zi a smartphone-urilor. Dintre toate cele descrise, acestea sunt cele mai scumpe, dar acesta este tipul folosit la cele mai noi dispozitive Meizu.
Concluzie
Micul nostru program educațional despre scanerele de amprente este complet, acum, când ridicați dispozitivul și puneți degetul pe senzor, știți cum funcționează și cum acest mic lucru vă protejează datele personale. Puteți citi ce pot face scanerele de amprente într-un articol separat despre acest subiect.
Astăzi, informatizarea societății ne obligă să căutăm diverse modalități de a limita accesul la informațiile stocate pe un computer. Mai mult, sistemul de autorizare și autentificare a utilizatorilor cu ajutorul unei parole este unul dintre cele mai des întâlnite, deși are multe dezavantaje. O alternativă la protecția prin parolă poate fi autentificarea folosind parametrii biometrici ai utilizatorului, în special o amprentă. Și pentru asta ai nevoie doar de un scaner de amprente și de software-ul corespunzător care vine cu dispozitivul.
Un scaner de amprente este un dispozitiv care citește o imagine a unui deget cu toate caracteristicile sale sub forma unui model papilar și transmite rezultatul scanării către software. O aplicație specializată compară imaginea rezultată cu proba creată în etapa generării parolei biometrice.
Tipuri de scanere de amprente
Toate scanerele de amprentă utilizate astăzi pot fi clasificate în trei grupe, pe baza principiului fizic de funcționare:
Semiconductor (siliciu);
Optic;
cu ultrasunete.
Scanere cu semiconductori
Acest tip de scaner primește o imagine bazată pe proprietățile semiconductorilor, care se modifică în zona de contact dintre modelul papilar și scaner. Funcționarea acestui tip de dispozitive de scanare se poate baza pe mai multe tehnologii:
Scanere capacitive. Funcționarea unor astfel de scanere se bazează pe efectul când capacitatea joncțiunii pn se modifică atunci când crestele modelului papilar intră în contact cu elementele matricei semiconductoare.
Amprentele sensibile la presiune de acest tip folosesc o matrice specială de piezoelemente în activitatea lor. Când degetul intră în contact cu matricea, crestele exercită presiune asupra acesteia, dar, în consecință, nu există depresiuni. Pe baza presiunii exercitate asupra matricei se formează o imagine.
Dispozitivele de acest tip folosesc senzori formați din elemente piroelectrice. Acești senzori înregistrează diferența de temperatură și apoi o convertesc în tensiune.
Scanere cu radiofrecvență. Scanerele de acest tip constau din microantene care generează un semnal slab și, pe baza cantității de forță electromotoare primită ca răspuns de la modelul papilar, se formează imaginea finală a amprentei.
Scanere termice continue. La fel ca scanerele termice. Singura diferență este că degetul trebuie să fie mutat peste suprafața de scanare, mai degrabă decât apăsat.
Scanere capacitive cu broșă. Tehnologia de obținere a unei imagini este aceeași ca la cele capacitive, dar metoda de achiziție diferă prin faptul că degetul este trecut peste suprafața de scanare.
Scanere cu broșă cu radiofrecvență. Principiul de funcționare al acestor dispozitive este același ca și în cazul dispozitivelor cu frecvență radio, dar metoda de captare a unei imagini nu este prin plasarea unui deget pe dispozitiv, ci prin trecerea unui deget pe suprafața acestuia.
Scanere optice
Acest tip de scaner de amprentă primește o imagine a unui deget folosind o metodă optică. Funcționarea dispozitivelor de acest tip se bazează pe diverse tehnologii.
Scanere FTIR. Aceste dispozitive folosesc efectul reflexiei interne perturbate.
Scanere cu fibră optică. este o matrice de fibră optică, fiecare fibră conținând o fotocelulă.
- Scanere electro-optice. Imaginea este obținută dintr-un polimer electro-optic, care conține un strat emițător de lumină.
Scanere optice cu broșă. Acest tip de echipament este o modificare a dispozitivelor cu fibră optică în care, pentru a obține o imagine, trebuie să treceți degetul peste suprafață, mai degrabă decât să o aplicați.
Scanere cu role. Pentru a obține o imagine, trebuie să vă mișcați degetul de-a lungul videoclipului, unde sunt luate imagini ale degetului cu modele papilare.
Scanere fără contact. Scanarea cu degetele se realizează fără contact. Degetul este aplicat pe orificiu, unde este iluminat de mai multe surse, iar camera incorporata capteaza imaginea degetului.
Scanere cu ultrasunete
Acest tip de dispozitiv scanează suprafața degetului cu unde ultrasonice și, pe baza distanței măsurate a undelor reflectate de la depresiuni și proeminențe, se construiește o imagine. Acest tip de dispozitiv diferă de cele discutate mai sus prin faptul că rezultatul scanării este de o calitate superioară.
INTRODUCERE
Relevanţă dezvoltarea tehnologiilor biometrice de identificare personală se datorează unei creșteri a numărului de obiecte și fluxuri de informații care trebuie protejate împotriva accesului neautorizat și anume: criminalistică; sisteme de control acces; sisteme de identificare personală; sisteme de comert electronic; securitatea informațiilor (acces la rețea, autentificare pe computer); urmărirea orelor de lucru și înregistrarea vizitatorilor; sisteme de vot; efectuarea de plăți electronice; autentificare pe resurse Web; diverse proiecte sociale în care este necesară identificarea persoanelor; proiecte de identificare civilă (trecerea frontierelor de stat, eliberarea vizelor pentru a vizita țara) etc.
Spre deosebire de identificatoarele de hârtie (pașaport, permis de conducere), parola sau numărul de identificare personală (PIN), caracteristicile biometrice nu pot fi uitate sau pierdute, sunt greu de falsificat și aproape imposibil de schimbat.
Activitățile firmelor private, organizațiilor guvernamentale și laboratoarelor implicate în biometrie sunt coordonate de Consorțiul BioAPI. Principalii producători de sisteme biometrice sunt: BioLink Technologies, Bioscrypt, Precise Biometrics, Neurotechnologiya, DigitalPersona, Ethentica, Identix, Staflink, Vericom etc. Având în vedere că principalele tehnologii biometrice sunt dezvoltate și îmbunătățite în străinătate, este relevant să ne creăm propriile noastre tehnologii. tehnologii biometrice pentru a elimina decalajul rezultat în dezvoltarea sistemelor biometrice între producătorii autohtoni și cei străini și îmbunătățirea în continuare paralelă (și eventual în comun) a sistemelor biometrice. Drept urmare, propriile noastre dezvoltări vor fi cu cel puțin un ordin de mărime mai ieftine. În același timp, identificarea amprentelor digitale este cea mai de succes tehnologie biometrică datorită ușurinței în utilizare, confortului și fiabilității. Probabilitatea de eroare la identificarea unui utilizator folosind amprentele digitale este mult mai mică în comparație cu alte metode biometrice. În plus, dispozitivul de identificare a amprentei în sine este de dimensiuni mici și accesibil.
Scopul tezei de master: crearea unui sistem biometric de control al accesului folosind amprente, rezistent la zgomot și independent de calitatea imaginilor de intrare, bazat pe analiză, menținând în același timp acuratețea și fiabilitatea optimă a sistemului și creșterea vitezei de căutare.
Probleme rezolvate în teza de master:
Noutatea tezei de master: creșterea vitezei de căutare în sistem menținând în același timp acuratețea și fiabilitatea optimă a sistemului printr-o combinație de diverse clasificatoare și identificarea celor mai precise metode de efectuare a unei căutări rapide și corecte în clasa definită de clasificator. Performanța este planificată să fie atinsă prin segmentarea corectă a bazei de date de amprentă a sistemului în conformitate cu distribuția naturală a claselor (0,279, 0,317, 0,338, 0,037 și 0,029 pentru clasele curl, dreapta buclă, stânga buclă, arc și, respectiv, emisferă) , și, de asemenea, eventual prin combinarea mai multor clase într-una singură. În special, performanța și acuratețea sistemului sunt îmbunătățite semnificativ atunci când clasele arc și emisfere sunt combinate într-o singură clasă. Precizia clasificării este, de asemenea, planificată să fie îmbunătățită prin implementarea unei metode eficiente pentru detectarea poziției punctului central și introducerea unui modul de îmbunătățire a imaginii amprentelor digitale în sistem înainte de a efectua etapa de extracție a punctului caracteristic.
1. DESCRIEREA OBIECTULUI DE COMPUTERIZARE
Obiectul de studiu al acestei lucrări este o imagine a amprentei, care este un model papilar pe suprafața degetelor. Unicitatea fiecărei amprente poate fi determinată de modelul pe care îl formează aceste creste și caneluri, precum și alte detalii. Astfel, în fiecare amprentă pot fi identificate două tipuri de caracteristici - globale și locale.
Semne globale- cele care pot fi văzute cu ochiul liber:
În amprentarea tradițională, modelele papilare ale degetelor sunt împărțite în trei clase principale: arc (aproximativ 5% din toate amprentele), buclă (65%) și spirală (30%); Pentru fiecare clasă, se realizează o clasificare mai detaliată în subclase. În cadrul acestei lucrări, clasificarea se va face în cinci clase: curl (W), bucla dreaptă (R), bucla stângă (L), arc (A) și emisferă (T).
Figura 1.1 prezintă câteva exemple de amprente aparținând claselor principale.
Figura 1.1 - Principalele clase de amprente luând în considerare distribuția naturală. a) Bucla stângă, b) Bucla dreaptă, c) Curl, d) Arc, e) Emisferă.
Semne locale se numesc detalii - caracteristici unice fiecărei amprente care determină punctele de modificare a structurii liniilor papilare (termină, bifurcare, ruptură etc.), orientarea liniilor papilare și coordonatele în aceste puncte. Fiecare imprimare conține până la 70 de detalii.
Următoarele detalii sunt evidențiate în imaginea cu amprentă (Figura 1.2):
Figura 1.2 – Exemple de piese.
Practica arată că amprentele unor persoane diferite pot avea aceleași caracteristici globale, dar este absolut imposibil să aveți aceleași detalii. Prin urmare, atributele globale sunt folosite pentru a împărți baza de date în clase și în etapa de autentificare. La a doua etapă de recunoaștere (identificare unică), sunt utilizate caracteristici locale.
Obținerea unei reprezentări electronice a amprentelor digitale cu un model papilar clar vizibil este o sarcină destul de dificilă. Deoarece amprenta este prea mică, trebuie folosite metode destul de sofisticate pentru a obține o imagine de înaltă calitate a acesteia. Metoda modernă de obținere a unei imagini electronice a unei amprente este scanarea.
2. EXAMINARE LOCALĂ A SISTEMELOR CARE RECUNOAȘTE AMPRENTE.
Sarcina recunoașterii imaginii amprentelor a fost tratată de maestrul DonNTU Evstunicheva A.V. Tema tezei de master: În timpul tezei de master, au fost create probe de verificare și de testare a amprentelor, a fost parțial implementată o abordare multicanal pentru clasificarea amprentelor. În special, a fost obținut un vector de caracteristici - Codul degetelor și pe baza acestuia, clasificarea a fost efectuată folosind metoda distanței euclidiene. Cu toate acestea, vectorul caracteristic nu a fost generat destul de corect din cauza funcționării inexacte a algoritmului pentru determinarea locației punctului central. Cu toate acestea, a fost creată o bază excelentă - teoretică și practică - pentru cercetări ulterioare și continuarea lucrărilor în această direcție.
3. EVALUAREA GLOBALĂ A SISTEMELOR CARE REALIZA RECUNOAȘTEREA AMPRENTELOR.
3.1 Revizuirea abordărilor pentru clasificarea automată a amprentelor digitale.
Clasificarea amprentei este o metodă folosită pentru a clasifica o amprentă pe baza caracteristicilor sale într-una dintre mai multe clase predefinite care pot oferi un mecanism de indexare. Clasificarea automată a amprentelor este o problemă dificilă, deoarece trebuie luate în considerare mici diferențe intra-clasă și diferențe mari între clase între 5 clase. Clasificarea amprentelor este un nivel grosier (agregat) de potrivire a amprentei. Mai întâi, amprenta introdusă este atribuită la un nivel grosier uneia dintre mai multe clase predefinite și apoi, la un nivel mai precis, este comparată cu setul de amprente disponibile în baza de date.
Ca urmare a dezvoltării științei amprentei, s-au găsit mai multe abordări pentru a clasifica automat o amprentă. Aceste abordări pot fi reprezentate aproximativ în cinci categorii principale:
1) Pe baza modelului. Metoda de clasificare a amprentei bazată pe model folosește locațiile punctelor caracteristice (nucleu și ramură) pentru a clasifica o amprentă într-una dintre cele cinci clase de mai sus. Abordarea bazată pe model folosește cunoștințele experților umani prin aplicarea regulilor pentru fiecare categorie a unui model construit manual și, prin urmare, necesită instruire. Acest grup de abordări a fost dezvoltat de (K. Karu, A.K. Jain, L. Hong).
2) Pe baza structurii. Abordarea bazată pe structură utilizează o estimare a câmpului de orientare dintr-o imagine de amprentă pentru a atribui o amprentă uneia dintre cele cinci clase. Rețeaua neuronală de recunoaștere a amprentei a fost antrenată pe imagini de la 2000 de degete (o imagine pe deget) și testată pe un set independent de 2000 de imagini luate de la aceleași degete. O versiune ulterioară a acestui algoritm (G.T. Candela, P.J. Grother, C.I. Watson, R.A. Wilkinson și C.L. Wilson) a fost testată pe baza de date NIST-14, care este o bază de date distribuită în mod natural, oferind o performanță mai bună a algoritmului. Totuși, trebuie așteptată îmbunătățirea acestei reprezentări, deoarece baza de date NIST-14 conține un procent mic de amprente de arc care sunt cel mai greu de clasificat, iar rețeaua neuronală utilizată în algoritm folosește implicit această informație în avantajul său. O abordare similară bazată pe structură, care utilizează modele Markov ascunse pentru clasificare (A. Senior), se bazează pe robustețea estimării locațiilor proeminențelor, care este o provocare din cauza zgomotului imaginii. O altă abordare bazată pe structură utilizează curbele B-spline (curbe polinomiale de bază) pentru a clasifica amprentele (M. M. S. Chong, T. H. Ngee, L. Jun și R. K. L. Gay).
3) Pe baza frecvenței. Abordările bazate pe frecvență utilizează spectrul de frecvență al amprentelor digitale pentru clasificare. Aici sunt folosite seriile Fourier (A.P. Fitz și R.J. Green).
4) Abordare sintactică. Abordarea sintactică folosește o gramatică formală pentru a reprezenta și clasifica amprentele (C.V.K. Rao și K. Black).
5) Abordări hibride. Abordările hibride combină două sau mai multe tipuri de abordări de clasificare (B.G. Sherlock și D.M. Monro, M. Kawagoe și A. Tojo). Aceste abordări sunt promițătoare, dar nu au fost testate pe baze de date mari. De exemplu, raportul lui M. M. S. Chong et al se încheie cu 89 de amprente, Fitz și Green cu 40 de amprente, iar M. Kawagoe și A. Tojo cu 94 de amprente. Cel mai promițător este un clasificator în două etape, care ar permite mai întâi alocarea unei amprente digitale uneia dintre subclase și apoi să facă o comparație în această subclasă. Printre abordările hibride, ocupă un loc aparte.
3.2. Prezentare generală a clasificatoarelor de imagini cu amprentă
Să luăm în considerare câțiva dintre cei mai cunoscuți și utilizați clasificatori: clasificator K-nearest neighbors, clasificator de rețele neuronale, clasificator în două etape, clasificator de model Markov ascuns, clasificator de arbore de decizie.
1. Clasificator K-Cel mai apropiat vecin. Regula de decizie K-vecini cei mai apropiați este că cei mai apropiați K vecini pentru eșantionul de testare din spațiul caracteristic sunt găsiți mai întâi. Eșantionul de testare este apoi atribuit clasei care este cel mai frecvent reprezentată printre cei mai apropiați „K” vecini. Primele două clase care au fost găsite de clasificatorul K-cel mai apropiat vecin ar trebui să corespundă claselor care au cel mai mare și al doilea cel mai mare număr dintre vecinii K-cel mai apropiat. În mod obișnuit, sunt considerați cei mai apropiați 10 vecini (K=10). Precizia clasificării nu crește întotdeauna odată cu creșterea K; aici apare o problemă de clasificare asociată cu determinarea valorii optime a lui K pentru un eșantion de testare de dimensiune finită.
2. Clasificator de rețea neuronală. În acest caz, o rețea neuronală feedforward multistrat a fost antrenată folosind algoritmul de propagare rapidă ca algoritm de antrenament. Rețeaua neuronală are un strat ascuns de 20 de neuroni, 192 de neuroni de intrare și 5 de ieșire, care corespund la cinci clase.
3. Clasificator în două etape. Pentru a simplifica problema de clasificare, descompunem problema cu 5 clase într-un set de 10 probleme cu 2 clase. Scopul este de a efectua o sarcină simplă de clasificare folosind un clasificator K-cel mai apropiat vecin și apoi de a folosi un set de clasificatoare de rețele neuronale cu două clase pentru a manipula diferențele subtile.
Prima etapă utilizează un clasificator K-cel mai apropiat vecin (K = 10) pentru a selecta cele două clase cele mai probabile pentru eșantionul de intrare curent. Am constatat prin observație că în 85,4% din cazuri, clasa cu cea mai mare frecvență de a se afla în grupul de vecini „K” cei mai apropiați este clasa corectă (clasa a trecut de clasificare) iar în 12,6% din cazuri clasa cu a doua. cea mai mare frecvență este și clasa corectă. Cu alte cuvinte, clasificatorul K-cel mai apropiat vecin are ca rezultat găsirea celor două clase cu cea mai mare frecvență de a fi în grup cu o precizie de 98%. Acest rezultat este folosit pentru a atribui cu precizie amprentele la două dintre cele cinci clase. Fiecare amprentă va avea o intrare în două din cele cinci clase de baze de date, iar o potrivire în baza de date trebuie căutată numai în cele două clase corespunzătoare.
A doua etapă utilizează 10 (C 2 5) rețele neuronale diferite pentru 10 clasificări diferite pe perechi. Aceste rețele neuronale au 192 de neuroni de intrare, 20-40 de neuroni ascunși într-un strat ascuns și 2 neuroni de ieșire. Fiecare rețea neuronală este antrenată să utilizeze mostre din doar două clase relevante din setul de antrenament. De exemplu, o rețea neuronală care găsește diferența dintre bucla dreaptă și spirală este antrenată să folosească numai mostre etichetate ca buclă dreaptă și spirală în setul de antrenament. Diagrama unui clasificator în două etape este prezentată în Figura 3.1.
Figura 3.1 - Schema unui clasificator în două etape.
Deși acest clasificator este robust la zgomot și este capabil să clasifice corect majoritatea amprentelor de calitate scăzută din baza de date NIST-4, acesta suferă de alte imagini de amprentă care sunt de calitate foarte scăzută și nu conțin informațiile de proeminență prezente în partea centrală. a amprentei. În cazul amprentelor de calitate scăzută, este foarte dificil să detectați corect punctul central. De asemenea, clasificatorul nu poate clasifica corect imaginile cu buclă dublă care sunt etichetate ca curl în baza de date NIST-4. Pentru aceste imagini, algoritmul pentru determinarea plasării punctului central, selectează punctul central de deasupra și presupune că acesta este centrul și, după examinare, determină că centrul imaginii este ca o buclă în regiunea de interes, rezultând în clasificarea greșită a spiralei ca buclă dreaptă sau buclă stângă. Aproximativ 3% dintre erori apar ca urmare a clasificării greșite a unei bucle într-un arc, din cauza diferenței subtile dintre aceste clase. Clasificarea incorectă a unui arc într-o emisferă reprezintă aproximativ 5% dintre erori.
3.3 Revizuirea algoritmilor de comparare a amprentelor din clasa găsită
În prezent, se disting următoarele clase de algoritmi de comparare a amprentelor:
