Идентификация по радужной оболочке глаза кратко
Обновлено: 05.07.2024
В настоящее время широко используются методы биометрической аутентификации пользователя.
Биометрическая аутентификация - процесс доказательства и проверки подлинности заявленного пользователем имени, через предъявление пользователем своего биометрического образа и путем преобразования этого образа в соответствии с заранее определенным протоколом аутентификации.
Биометрические технологии основаны на биометрии - измерении уникальных характеристик отдельно взятого человека. Это могут быть как уникальные признаки, полученные им с рождения, например: ДНК, отпечатки пальцев, радужная оболочка глаза; так и характеристики, приобретённые со временем или же способные меняться с возрастом или внешним воздействием. Например: почерк, голос или походка.
Рассмотрим технологию аутентификации по радужной оболочке глаза.
Считается, что технология аутентификации по радужной оболочке глаза произошла от еще одной очень известной технологии - аутентификации по сетчатке глаза. Ученые провели ряд исследований, которые показали, что сетчатка глаза человека может меняться со временем, в то время как радужная оболочка глаза остается неизменной. Невозможно найти два абсолютно идентичных рисунка радужной оболочки глаза, даже у близнецов. Очки и контактные линзы, даже цветные, никак не повлияют на процесс получения изображения. Также нужно отметить, что произведенные операции на глазах, удаление катаракты или вживление имплантантов роговицы не изменяют характеристики радужной оболочки, ее невозможно изменить или модифицировать. Слепой человек также может быть идентифицирован при помощи радужной оболочки глаза. Пока у глаза есть радужная оболочка, ее хозяина можно идентифицировать.
Радужная оболочка по текстуре напоминает сеть с большим количеством окружающих кругов и рисунков, которые могут быть измерены компьютером. Программа сканирования радужной оболочки глаза использует около 260 точек привязки для создания образца. Для сравнения, лучшие системы идентификации по отпечаткам пальцев используют 60-70 точек.
Стоимость всегда была самым большим сдерживающим моментом перед внедрением технологии, но сейчас системы идентификации по радужной оболочке становятся более доступными для различных компаний. Сторонники технологии заявляют о том, что распознавание радужной оболочки глаза очень скоро станет общепринятой технологией идентификации в различных областях.
Реализации сканеров роговицы глаза
Для большего понимая технологии аутентификации по роговице глаза рассмотрим работу следующих реализаций - Panasonic Authenticam BM-ET100US и устройство im Scan.
Надежность сканера Panasonic Authenticam BM-ET100US
Эти методы были исследованы на сканере Panasonic Authenticam BM-ET100US.
Более подробно эту информацию Вы можете прочитать пройдя по ссылке
Прямое солнечное освещение и его отсутствие не играют роли при сравнении радужных оболочек (открывали-закрывали жалюзи).
Распознавание по фотографии невозможно (фотография плоская, а глаз - объёмный).
Высокая степень распознавания.
Малое количество ошибок первого и второго рода (вытекает из первого пункта).
Бесконтактный способ сканирования.
Малый объём базы данных (впрочем, это характерно для большинства биометрических систем).
Сканер радужной оболочки может работать также и в качестве веб-камеры в разрешении 640х480@12.5fps, 320х240@30fps и некоторых других, недостойных перечисления. Для этих целей имеется дополнительный объектив.
Необходимо "примериться" к использованию этой системы.
Неприемлемость метода некоторыми людьми из-за возможности обнаружения болезней.
Устройство im Scan
Устройство представляет собой стационарный сканер радужной оболочки, предназначено для размещения в офисе или внутри здания для получения биометрической информации о человеке. Также его можно использовать для занесения биометрических данных в базу данных о сотрудниках организации или, например, для сбора биометрических данных в отделениях ФМС.
требуемый уровень содействия системе – средний
возможность интеграции со СКУД
время захвата биометрической информации = 3с
вероятность ложного совпадения при использовании информации о двух глазах 10 — 14 %
Не так давно идентификация людей по радужной оболочке глаз казалась фантастической технологией, использующейся только для защиты суперсекретных военных и правительственных объектов. Но с развитием искусственного интеллекта биометрический анализ проник в обычные смартфоны и уже умеет узнавать владельца по лицу. В этой статье мы расскажем, как с помощью нейросетей можно распознать радужную оболочку глаз по фотографиями, снятым на камеру телефона.
Введение
Радужная оболочка — видимая невооружённым взглядом часть глаза, располагающаяся между зрачком и склерой. Рисунок оболочки уникален для каждого человека и не меняется с возрастом, поэтому технология его распознавания является одной из самых эффективных способов идентификации личности. Традиционные системы безопасности используют инфракрасные камеры и излучатели, позволяющие наблюдать гораздо больше деталей текстуры. Но конструктивно их довольно тяжело использовать в обычных смартфонах из-за большой мощности и тепловыделения. Поэтому возникла необходимость научиться распознавать радужную оболочку в видимом свете.
Одно из исследований проводилось в рамках конкурса NICE (Noisy Iris Challenge Evaluation) с использованием набора данных UBIRIS (University of Beira Iris). Датасет содержит изображения глаз, снятые с расстояния от четырёх до восьми метров в различных условиях. Многие фотографии сделаны с плохой фокусировкой, неудачным углом обзора, плохим освещением и другими зашумлениями для имитации реальных трудностей, с которыми можно столкнуться при распознавании радужной оболочки. На рисунке ниже показаны примеры снимков низкого качества.
(a) — глаза находятся за очками, (b) — взгляд под углом и блик, (c) — размытие, (d) — глаз закрыт веком и ресницами
Для этой задачи применяются как алгоритмические, так и нейросетевые методы. Исследователи из университета Донгук разработали два новых метода, основанных на свёрточных нейронных сетях. Первый метод применяется только к обычным фотографиям и использует три свёрточных архитектуры. Второй алгоритм основан на нейросети IrisDenseNet и может применяться как к изображениям, снятым при видимом свете, так и к инфракрасным снимкам.
Метод 1. Три нейросети
Общий ход алгоритма показан на рисунке ниже. Сначала по исходной фотографии определяется радужная оболочка и зрачок. Затем идентифицируются две периокулярные зоны, которые немного шире, чем область оболочки. Обнаруженные регионы преобразуются в три нормализованных изображения с полярными координатами, чтобы вычислить радиус радужной оболочки. Полученные кадры используются в качестве входных данных для трёх CNN, которые извлекают из них особые признаки и вычисляют расстояние (оценку) между обнаруженными и истинными признаками. Путём слияния трёх значений вычисляется общая оценка, на основе которой выполняется распознавание радужной оболочки.
— Получение трёх изображений
Периокулярные области помогают в тех случаях, когда рисунок радужки плохо различим из-за различных искажений. Они расширяют исследуемую зону, чтобы в дальнейшем избежать потери важных деталей и точнее выполнить нормализацию.
— Нормализация
Размер радужных оболочек может отличаться даже у глаз одного человека. Кроме того, зрачок может расширяться или сужаться при изменении уровня освещения. Чтобы эти факторы не влияли на процесс, выполняется нормализация полученных областей в изображения с полярными координатами, разделённые на секторы — одинаковые участки размером в один пиксель. Всего получается 8x256 секторов.
— CNN
Традиционные архитектуры, такие как AlexNet и VGGNet, обычно принимают на вход квадратные фотографии и используют симметричные фильтры. Однако полученные в результате нормализации изображения имеют несимметричный размер (8x256), поэтому предварительно обученные CNN для них не подходят. Чтобы решить эту проблему, исследователи предложили новую структуру нейросети с несимметричными фильтрами.
Сеть состоит из восьми свёрточных слоёв и использует нестандартные размеры фильтров: 1x13x3, 1x13x64, 1x13x128 и так далее. Причины использования таких размеров заключались в том, что ширина изображения в полярных координатах намного превышает высоту, а вертикальная корреляция рисунка радужки больше, чем горизонтальная. Следовательно, эту избыточность можно уменьшить только с помощью фильтра, ширина которого намного больше высоты.
Завершают структуру три полносвязных слоя. Подобная архитектура используется для всех трёх свёрточных нейросетей.
— Результаты экспериментов
Используемый датасет NICE.II содержит 1000 фотографий глаз и 171 класс. Для качественного обучения нейросети такого объёма данных обычно недостаточно. Поэтому датасет был дополнен до 81000 образцов с помощью различных операций над изображениями, а затем разделён на две подвыборки A и B примерно по 40000 образцов в каждой.
Для обучения нейросети использовался фреймворк Caffe, кросс-энтропийная функция потерь и оптимизатор Adam.
Оценка точности модели проводилась с помощью биометрических метрик:
— ложное распознавание (False Access Rate, FAR)
— отказ распознавания (False Reject Rate, FRR)
Уровень ошибок в случае, когда FAR=FRR, называется EER (equal error rate) и обычно применяется для сравнения разных биометрических методов (чем он меньше, тем лучше). Также для оценки модели использовался индекс чувствительности (d-Prime Value) — чем выше его значение, тем эффективнее работает биометрическая система.
Чтобы оценить модель на фотографиях, снятых на обычные смартфоны, исследователи провели эксперимент с датасетом MICHE. Он содержит снимки глаз, сделанные на iPhone 5, Galaxy Tab2 и Galaxy S4. В таблице ниже можно увидеть сравнение описанного метода с другими существующими алгоритмами. Оценки ERR и d-Prime показывают, что решение достигает более высокой точности.
В дальнейшем исследователи планируют улучшить точность распознавания, разработав более глубокую структуру CNN и дополнив её другими методами извлечения признаков из изображений.
Метод 2. IrisDenseNet
Алгоритм также предназначен для распознавания радужной оболочки глаза по обычным фотографиям. Исходное изображение отправляется в свёрточную нейросеть IrisDenseNet без какой-либо предварительной обработки. В процессе распознавания модель определяет семантическую сегментацию для радужной оболочки.
На рисунке ниже показана архитектура нейросети. Она состоит из 13 слоёв и использует сочетание двух методов: свёрточная сеть с усиленным распространением признаков (DenseNet) и сеть типа энкодер-декодер SegNet. Это позволяет значительно улучшить процесс извлечения и распознавания признаков.
Архитектура включает пакетную нормализацию и функцию активации ReLU. Нейросеть обучалась с нуля на упомянутом наборе данных NICE.II, который также был расширен с помощью различных методов дополнения данных.
На рисунке ниже показаны успешные результаты сегментации, полученные IrisDenseNet.Эффективность метода измеряется метрикой Ea — средней ошибкой (чем меньше, тем лучше). Для наглядного представления результата определены два типа ошибок: ложноположительная и ложноотрицательная. Первая — ложноположительная классификация пикселя, не принадлежащего радужной оболочке, а вторая — ложноотрицательная классификация пикселя оболочки. Ложноположительные и отрицательные ошибки отмечены зелёным и красным цветами соответственно.
Алгоритм также был протестирован на наборе данных MICHE и показал следующие результаты:
Видно, что метод превосходит предыдущие. Исследователи планируют оптимизировать его, уменьшив число слоёв нейросети без потери точности, чтобы сделать её более быстрой и доступной для использования на смартфонах.
Распознавание радужной оболочки — инновационный и надёжный метод биометрической аутентификации. Искусственный интеллект делает эту технологию более доступной для использования в камерах видеонаблюдения, смартфонах и прочих способах контроля доступа и безопасности. Кроме того, такая идентификация снизила бы риск отказа систем распознавания лиц.
В следующей части статьи мы покажем практический кейс для распознавания и отслеживания глаз в реальном времени. Пишите в комментариях, пользуетесь ли вы биометрическими сенсорами? Снимаете блокировку отпечатком пальца, или может применяете Face Unlock?
C оригинальными материалами (1, 2) можно ознакомиться на сайте Национального центра биотехнологической информации.
Современная техника научились узнавать пользователей по сетчатке и радужной оболочке глаза, форме лица и рук и ряду динамических характеристик — голосу, биологической активности сердца, рукописному и клавиатурному почерку.
Идентификация по радужной оболочке глаза
Подобно отпечатку пальца, рисунок радужной оболочки глаза является уникальной характеристикой человека, а метод установления личности по этому биометрическому параметру, по мнению экспертов, превосходит в надежности привычную дактилоскопию. Для того, чтобы зафиксировать узор на радужке, нужна фотокамера с высоким разрешением. Полученное изображение увеличивается и преобразуется в уникальный код, присваиваемый человеку.
Рисунок радужки, который окончательно формируется на втором году жизни ребенка, практически не изменяется в течение жизни, если человек не получает травм и не страдает от серьезных офтальмологических патологий. В то же время, папиллярный узор отпечатка пальца подвержен изменению даже в результате мелких бытовых повреждений — ожогов или порезов, что делает этот метод идентификации менее эффективным, чем анализ радужной оболочки.
Достоинством метода является и простота в сканировании. Человеку не обязательно сосредоточенно смотреть в одну точку, ведь пятна на сетчатке находятся прямо на поверхности глазного яблока и легко считываются на расстоянии, не превышающем 1 метр. Использовать данный метод удобно в банковских организациях или общественном транспорте. Заинтересовались технологией и производители смартфонов — в 2015 году в Японии в продажу поступила первая модель со сканером радужной оболочки — Fujitsu Arrows NX F-04G. По мнению разработчиков, внедрение технологии идентификации по радужке глаза поможет защитить личные данные владельцев смартфонов.
Идентификация по сетчатке
Просканировать сетчатку — внутреннюю оболочку глазного яблока, реагирующую на свет, сложнее: для этого к кровеносным сосудам задней стенки глаза через зрачок посылают низкоинтенсивные инфракрасные световые лучи. Подобный метод установления личности считается высокоэффективным и активно используется на правительственных и военных объектах.
Капилярный рисунок сетчатки различается даже у близнецов, что снижает вероятность ошибки идентификации. Однако, в 2012 году ученые из Университета Нотр-Дам в США обнаружили погрешности в определении личностей людей, чьи данные были внесены в базу ранее 2008 года, и доказали, что, в отличие от рисунка на радужной оболочке, рисунок сетчатки подвержен ряду возрастных изменений.
И снова производители мобильных гаджетов не остались в стороне. Ряд компаний (например, китайская ZTE CORPORATION) работает на созданием комбинированных технологий идентификации по сетчатке и радужке.
Наиболее эффективно техника распознает статичные изображения — фотографии. Так, система искусственного интеллекта FaceNet, созданная Google, “опознала” 99,63% фото пользователей интернета.
Распознавание по биологической активности сердца
Одна из новейших технологий динамической биометрической идентификации — установление личности на основе данных о работе сердечно-сосудистой системы.
Основное назначение устройства — удаленный контроль за состоянием здоровья пациентов-сердечников, однако возможность сделать экспресс-анализ состояния сердечно-сосудистой системы позволит идентифицировать человека без временных затрат. Процедура снятия ЭКГ при помощи чехла от CardioQVARK предельно проста и занимает всего лишь несколько секунд: достаточно приложить пальцы к датчикам и результат ЭКГ появится на экране гаджета и в приложении для врача.
Анализ голоса
Не только безопасность
Вопреки распространенному мнению, системы биометрической идентификации внедряются не только ради обеспечения безопасности охраняемых объектов или противодействия преступности. Например, ряд систем идентификации применяется в образовательных учреждениях. Некоторые современные школы внедряют сканирование радужной оболочки учащихся для контроля посещаемости и даже для упрощения процедуры оплаты школьных завтраков и обедов — ребенок приходит в столовую, его сетчатка сканируется, со счета родителей списывается определенная сумма за питание отпрыска. Используются и системы, сканирующие отпечатки пальцев. На производстве же подобные системы позволяют отмечать время, проведенное сотрудником на рабочем месте.
Биометрические технологии активно используются во многих областях для обеспечения безопасности доступа к информации и решения задачи персональной идентификации.
Радужная оболочка — это часть глаза между зрачком и склерой. Распознавание сетчатки является очень надёжным методом персональной идентификации. Рисунок радужной оболочки уникален для каждого человека и не меняется в течение жизни. Идентификация людей с помощью распознавания радужной оболочки является более надёжной, чем по отпечаткам пальцев или изображению лица, потому что рисунок сетчатки является более случайным, чем лица или отпечатки пальцев. Таким образом, метод распознавания радужной оболочки является обоснованным и имеющим большие перспективы. В нашей работе для идентификации людей используется проекционный метод Эрмита. Разложение информации об интенсивности изображения радужной оболочки по собственным функциям преобразования Фурье позволяет производить анализ информации сигнала и его преобразования Фурье одновременно. Также эти методы являются слабо чувствительными к ошибкам информации.
В данной работе мы представляем несколько алгоритмов предобработки, улучшающих фрагменты изображений радужной оболочки для дальнейшей параметризации.
Далее предлагается иерархический метод Эрмита
и полярный метод Эрмита, который также определяет угол поворота глаза.
Затем мы определяем обладателя наиболее похожей радужной оболочки в базе, используя гибридный алгоритм. В нашей работе была показана эффективность методов на тестовых базах изображений радужных оболочек.
Публикации
E. A. Pavelyeva , A. S. Krylov . “Projection phase only correlation method for iris recognition” // In: Proceedings of 13-th International Conference “Digital Signal Processing and its Applications” (DSPA'2011), Vol. 2. Moscow, Russia, 2011, p. 170.
E. A. Pavelyeva , A. S. Krylov . “An Adaptive Algorithm of Iris Image Key Points Detection” // In: 20-th International Conference on Computer Graphics GraphiCon'2010. St. Petersburg, Russia, 2010, pp. 320−323. PDF.
A. S. Krylov , E. A. Pavelyeva . “Iris Data Parametrization by Hermite Projection Method” // In: 17-th International Conference on Computer Graphics GraphiCon'2007. 2007. PDF.
A. Krylov , E. Pavelyeva . “Iris Data Parametrization by Hermite Projection Method” // In: 17-th International Conference on Computer Graphics GraphiCon'2007. Moscow, Russia, 2007, pp. 147−149. PDF.
Перспективы распространения этого способа биометрической идентификации для организации доступа в компьютерных системах очень хорошие. Тем более, что сейчас уже существуют мультимедийные мониторы со встроенными в корпус видеокамерами. Поэтому на такой компьютер достаточно установить необходимое программное обеспечение, и система контроля доступа готова к работе. Понятно, что и ее стоимость при этом будет не очень высокой.
Акции! Скидки!
Скидка до 50% на обслуживание пожарной сигнализации и систем безопасности.
Скидка 1000 рублей.
Установка пожарной сигнализации в офисе по акционной цене.
Площадь офиса:
3 помещения - 15000 рублей
4 помещения - 20000 рублей
5 помещений - 25000 рублей
Ежемесячное обслуживание пожарной сигнализации по акционной цене.
На объекте:
до 100 м2 - 1500 рублей
100 м2 - 200 м2 - 2000 рублей
200 м2 - 500 м2 - 3000 рублей
Установка GSM сигнализации на затопление за 9000 рублей.
Установка GSM сигнализации на затопление на
1 точку контроля 9000 руб.
2 точки контроля 11000 руб.
3 точки контроля 12000 руб.
Обслуживаем пожарную сигнализацию за 1 рубль.
Предложение для ТСЖ, УК. Проводим ежемесячное техническое обслуживание пожарной сигнализации в помещениях жилых домов по 1 рублю за 1 м2 обслуживаемой площади.
В среднем за 1 подъезд:
14 этажей - 2000 рублей
16 этажей - 3000 рублей
20 этажей - 4000 рублей
24 этажа - 5000 рублей
Перейти в раздел Обслуживание систем безопасности
Установка противопожарных дверей от 26500 рублей под ключ. Отделка откосов в подарок.
Покажите предложение конкурентов и мы сделаем вам гарантированную скидку 10% и больше на эти работы.
При заказе монтажа Охранно-пожарной сигнализации, пожаротушения скидка на техническое обслуживание смонтированных систем 30%.
При заказе огнезащитной обработки свыше 1500 м2 протокол испытаний образцов из ИПЛ бесплатно.
Обслуживание пожарной сигнализации от 1000 рублей в месяц .
Проект бесплатно.
При заказе пожарной или охранной сигнализации
от 50 000 рублей проект бесплатно.
Работаем по бартеру.
Вы оплачиваете оборудование и материалы, оплата работ возможна бартером.
Читайте также: