Глава 1. Теоретическая часть

1.1.Особенности реализации статических методов биометрического контроля

Рассмотрим идентификацию по рисунку папиллярных линий (дактилоскопии). Данный метод идентификации не требует особых усилий от носителя отпечатка, сам процесс опознания занимает несколько секунд – он прост, удобен и надежен (ошибка первого рода - ложного отказа - возникает лишь в 3% случаев, вероятность появления ошибки второго рода - ложного доступа - и вовсе менее 0,00001%). Благодаря распространенности использования этой технологии во множестве сфер деятельности появилась возможность исключения программных ошибок и оптимизации многочисленных процессов.

Существует два основных подхода к соотношению входящего кода отпечатка с имеющимся в базе данных шаблоном:

• рассматривая характерные элементы отпечатка;

• рассматривая весь рисунок узора целиком.

Первый метод выявляет индивидуальные участки – особые точки (петли, дельты, завитки и карманы – их примеры можно увидеть на рисунке 1), местоположение которых задается в декартовой системе координат - и анализ их положения относительно друг друга. Некоторые системы включают в себя комбинацию обоих методов, что позволяет увеличить уровень их безопасности. Общий алгоритм дактилоскопии в современной технической системе описан на рисунке 2.

Рисунок 1 – Виды папиллярных узоров

Рисунок 2 – Общий алгоритм дактилоскопии

На процесс идентификации могут влиять многие факторы, в том числе температура пальца, загрязнение отпечатка или считывающего устройства.

Дактилоскопия возможна лишь в условиях существовании двух главных свойств папиллярных узоров кожи пальцев и ладоней:

• рисунок узора стабилен на протяжении всей жизни; после поверхностных повреждений (легкие ожоги, потертости, царапины) линии восстановятся в прежнем виде со всеми характерными особенностями;

• рисунок уникален, что означает отсутствие двух личностей с одинаковыми дактилоскопическими отпечатками.

Говоря о безопасности при исполнении аутентификационной процедуры по отпечаткам пальцев, нельзя забывать о том, что посторонние личности могут скопировать информацию об отпечатках из базы данных с целью получения несанкционированного доступа. Один из распространенных способов фальсификации данных специалисты называют изготовлением искусственной кисти с требуемыми отпечатками пальцев (или изъятием «подлинника» у законного владельца). Борьба с таким методом обмана терминала осуществляется с помощью добавления в состав терминального оборудования инфракрасного детектора, который позволит зафиксировать тепловое излучение от руки (или пальца), и (или) фотоплетизмографа, который определяет наличие изменений отражения света от поверхности потока крови.

Другой способ обмана системы – это непосредственное нанесение папиллярного узора пальцев законного обладателя биометрическими данными на руки злоумышленника с помощью особых пленок или пленкообразующих составов. Также с совершенствованием фотоаппаратуры, позволяющей делать снимки высокого разрешения, появилась возможность воссоздания рисунка отпечатка пальца с фотографии. Обе эти проблемы до сих пор не имеют оптимального решения.

Актуальность применения дактилоскопии объясняется тем, что, во-первых, это один из самых доступных и недорогих методов; во-вторых, методика идентификации по отпечаткам пальцев проста в использовании, удобна, эффективна, достоверна и не влечет возникновения психологических барьеров у пользователей, как, например, системы, требующие воздействия на глаз световым пучком.

Известно три основных подхода к реализации систем идентификации по отпечаткам пальцев:

• Оптический метод;

• Ёмкостный метод;

• Метод, разработанный компанией «Who? Vision Systems».

П ервый подход заключается в применении призмы и нескольких линз со встроенным источником света. Свет, падающий на призму, отражается от поверхности, соприкасающейся с пальцем пользователя, и выходит через другую сторону призмы, попадая на оптический сенсор, где формируется изображение. Эффект заключается в том, что при падении света на границу раздела двух сред световая энергия делится на две части — одна отражается от границы, другая проникает через границу во вторую среду. Доля отраженной энергии зависит от угла падения светового потока. Начиная с некоторой величины данного угла, вся световая энергия отражается от границы раздела. Принцип работы таких сканеров представлен на рисунке 3. Недостатки такой системы: неэффективная защита от муляжей, чувствительность к загрязнениям и деформациям кожи пальцев (излишняя сухость, присутствие масла, бензина и т. п.).

Рисунок 3 – Принцип работы оптических сенсоров

При втором подходе используются полупроводниковые пластины, необходимые для измерения электрического поля пальца. Работа емкостных сканеров основана на эффекте изменения емкости p-n-перехода полупроводника при соприкосновении гребня папиллярного узора пальца с элементом полупроводниковой матрицы. Существуют модификации емкостных сканеров, в которых поверхность сенсора, состоящая из кремниевого чипа, содержащего 90 тыс. конденсаторных пластин с шагом считывания 500 точек на дюйм, выступает в роли одной пластины конденсатора, а палец — в роли другой. При приложении пальца к датчику между каждым чувствительным элементом и выступом-впадиной папиллярного узора образуется емкость, величина которой определяется расстоянием между рельефной поверхностью пальца и элементом. Матрица этих емкостей преобразуется в 8-битовое растровое изображение отпечатка пальца. Недостатки у данного метода те же, что и у первого, но помимо них кремниевый чип требует эксплуатации в герметичной оболочке, а дополнительные покрытия уменьшают чувствительность системы. Кроме того, некоторое влияние на изображение может оказать сильное внешнее электромагнитное излучение.

В основе третьего подхода лежит система TactileSense - электрооптический полимер. Этот материал чувствителен к разности электрического поля между гребнями и впадинами кожи. Принцип работы состоит в считывании электрического поля человеческого пальца, как и в случае емкостного способа, однако для идентификации компания использует сенсорную панель с полимерной поверхностью, с низкой себестоимостью производства. Результат считывания преобразуется далее в оптическое представление. Дешевая оптика позволяет уплотнять изображение и обрабатывать информацию на небольших процессорах. Размер таких терминалов значительно меньше габаритов кремниевых пластин дргуих существующих сенсоров.

Полученный одним из описанных методов аналоговый видеосигнал преобразуется в цифровую форму, после чего из него извлекается набор характеристик, уникальных для этого отпечатка пальца. Эти данные сохраняются и становятся уникальным шаблоном для конкретного человека, они однозначно идентифицируют личность. При последующем считывании новые отпечатки пальцев сравниваются с хранимыми в базе.

В самом простом случае при обработке изображения на нем выделяются до 70 характерных точек (см. Рисунок 4, б), которые затем охарактеризовываются двумя, тремя или даже большим числом параметров. В результате от одного отпечатка пальца можно получить до пятисот значений различных характеристик. Более сложные алгоритмы обработки соединяют характерные точки изображения векторами и описывают их свойства и взаимоположение (см. Рисунок 4, а) – получается так называемый «образ» отпечатка пальца.

Рисунок 4 – Соединения характерных точек (а), характерные точки (б)

Из соображений безопасности рядом производителей при передаче данных средства шифрования применяется 128-битовый ключ, и, кроме этого, все пересылаемые пакеты имеют временную отметку, что исключает возможность их повторной передачи.

Стоит заметить, что все представленные устройства предназначены для работы исключительно внутри помещения. Чаще всего они используются в банковских системах (доступ к сейфам, хранилищам ценностей), криминалистике, контроле доступа в различные клубы и загородные резиденции, системах электронной коммерции.

Далее перейдем к идентификации по радужной оболочке глаз. С помощью алгоритмов, разработанных доктором Джоном Даугманом в 1994 г., при сканировании глаза выделяется область зрачка и область радужной оболочки. Получаемое кольцо с помощью программы очищается от шумов, и преобразуется в прямоугольный формат - Iris Code, содержащий информацию об уникальных характеристиках объекта в черно-белом виде (наподобие штрих-кода или QR-кода). Процесс кодировки биометрии представлен на рисунке 5. Полученный таким образом Iris код используется для поиска совпадений в базах зарегистрированных шаблонов (причем скорость поиска высока – около 1 млн. сравнений Iris кодов в секунду, что позволяет использовать систему для работы с большими базами данных). Общая схема работы идентификации по радужной оболочке представлена на рисунке 6.

Рисунок 5 – Поэтапный процесс кодировки радужной оболочки глаза

Рисунок 6 – Схема работы идентификации по радужной оболочке

У сканеров радужной оболочки глаза есть множество преимуществ: они не требуют от пользователя особого сосредоточения на цели, так как образец пятен на радужной оболочке находится на поверхности глаза; они более точны по сравнению с идентификацией по отпечатку пальца, но при этом уникальный для каждого человека шаблон занимает меньший объем памяти. Кроме того, на данный момент невозможно подделать идентификационные данные, использующиеся в этом методе распознавания личности, потому как помимо индивидуального рисунка радужной оболочки (различного для левого и правого глаза одного человека), человеческий глаз, за счет состояния тканей и естественного увлажнения, обладает уникальными отражающими характеристиками, которые учитываются в процессе считывания информации. Также эта биометрическая характеристика имеет малую вероятность изменения с течением времени: единственными причинами могут быть оперативное медицинское вмешательство или серьезная травма. В довершение всему описанному выше видеоизображение глаза может быть отсканировано на расстоянии менее одного метра, что делает возможным использование сканеров радужной оболочки глаза, с целью организации систем безопасности крупных объектов, например, в государственной структуре.

Различают активные и пассивные системы распознавания. В системах первого типа пользователь самостоятельно настраивает камеру, передвигая ее для более точной наводки. Пассивные системы проще в использовании, поскольку камера в них настраивается автоматически. Высокая надежность этого оборудования позволяет применять его даже в исправительных учреждениях.

Единственным ограничивающим фактором, не позволяющим использовать эту технологию более широко, является высокая стоимость (а для российского рынка – и низкая доступность ввиду почти полного отсутствия отечественных производителей).

Далее перейдем к рассмотрению идентификации по капиллярам сетчатки глаз. При ней измеряется угловое распределение кровеносных сосудов на поверхности сетчатки относительно слепого пятна глаза и другие признаки.

Такие биометрические терминалы обеспечивают высокую достоверность идентификации, сопоставимую с дактилоскопией, однако требуют от проверяемого лица некоторых усилий. При осуществлении процедуры аутентификации пользователь должен, глядя вовнутрь окуляров, сфокусировать взгляд на изображении красного цвета. Затем ему следует дождаться смены цвета на зеленый (что укажет на правильную фокусировку) и нажать на стартовую кнопку. Сканирование глазного дна выполняется источником инфракрасного излучения низкой интенсивности, безопасного для глаз. Достаточно смотреть в глазок камеры менее минуты. За это время система успевает подсветить сетчатку и получить отраженный сигнал, который фиксируется специальной чувствительной камерой и кодируется для дальнейшей обработки – при этом используется алгоритм быстрого преобразования Фурье.

С точки зрения безопасности данная система выгодно отличается от всех других, использующих биометрические терминалы, не только малым значением коэффициентов ошибок как l-гo, так и 2-го рода, но и использованием специфического аутентификационного атрибута, который практически невозможно подменить для обмана системы при проверке. Кроме того, один такой терминал может содержать сведения о 1200 пользователях.

Несмотря на надежность идентификации по сетчатке глаза существуют некоторые недостатки:

• психологический фактор;

• неудобство использования;

• долгий процесс обработки (Время регистрации составляет примерно 30 секунд, время аутентификации – 1,5 секунды);

• дороговизна технологии.

Далее перейдем к рассмотрению идентификаци по геометрии и тепловому изображению лица. Техническая реализация данного метода сложнее (с математической точки зрения), если сравнивать ее, к примеру, с дактилоскопией. Обычно камера-сканер устанавливается на расстоянии нескольких десятков сантиметров от объекта. Получив изображение, система измеряет расстояния между распознанными программой контурами глаз, бровей, губ, носа и других элементов лица для построения трёхмерной модели. Уникальный эталонный набор данных должен учитывать все вариации изображения на случаи изменения положения лица или смены освещённости.  Большинство алгоритмов также позволяет компенсировать наличие у исследуемого индивида очков, шляпы и бороды. Для этой цели обычно используется сканирование лица в инфракрасном диапазоне, но пока системы такого типа не дают стабильных и очень точных результатов. Кроме того, компания ISS смогла разработать ряд алгоритмов, позволяющих обрабатывать видеоданные в режиме реального времени, что позволяет использовать такой подход в более крупных масштабах (например, уличные системы видеонаблюдения).

У идентификации по геометрии лица есть ряд преимуществ:

• отсутствие потребности в использовании специального оборудования;

• распознавание производится за несколько секунд;

• технология довольно эффективна, несмотря на высокий шанс фальсификации данных и получения несанкционированного доступа;

• бесконтактная аутентификация;

• для хранения данных об одном образце идентификационного шаблона требуется малое количество памяти (так как человеческое лицо можно «разобрать» на небольшое количество участков (от 12 до 40), неизменных для всех людей).

В настоящее время существует четыре основных метода распознавания лица, отличающихся друг от друга сложностью реализации и целью применения:

1. «Eigenfaces»;

2. Анализ «отличительных черт»;

3. Анализ на основе «нейронных сетей»;

4. Метод «автоматической обработки изображения лица».

« Eigenface» – в переводе «собственное лицо» – использует двумерные изображения в градациях серого, которые содержат в себе отличительные характеристики лица (пример полученных таким способом изображений представлен на рисунке 7). В момент регистрации «eigenface» каждого конкретного человека представляется в виде ряда коэффициентов. Для режима установления подлинности запрашивающий доступ пользователь сравнивается с уже зарегистрированным шаблоном с целью определения коэффициента различия, определяющего факт прохождения контроля.

Рисунок 7 – Изображение лиц людей в системе «eigenface»

Метод анализа «отличительных черт» наиболее распространен. Он сопоставим с методом «eigenface», однако больше адаптирован к изменению внешности или мимики человека, то есть такой подход берет во внимание динамичность лица и позволяет однозначно идентифицировать индивидуума, учитывая все возможные погрешности. При этом требуется достаточно мощная и дорогая аппаратура, потому как рассматриваются локальные участки лица, что, соответственно, снижает вероятность многочисленного распространения данного метода.

В подходе, основанном на нейронной сети, характерные особенности обоих лиц – зарегистрированного и проверяемого – сравниваются на совпадение. Нейронные сети устанавливают соответствие уникальных параметров лица проверяемого человека с заданным шаблоном, находящимся в базе данных, при этом применяется максимально возможное число параметров. По мере сравнения определяются несоответствия, и запускается механизм, который с помощью соответствующих весовых коэффициентов определяет степень соответствия проверяемого лица уникальному шаблону. Этот метод увеличивает качество идентификации лица в сложных условиях.

Подход автоматической обработки изображения лица - наиболее простая технология, использующая расстояния и отношение расстояний между легко определяемыми точками лица, такими, как глаза, конец носа, уголки рта. Метод больше остальных эффективен при слабом освещении.

В целом задачу идентификации личности человека по видеоизображению можно разбить на 4 этапа.

1. Локализация лица в кадре.

Для локализации лица в кадре разработана нейронная сеть, которая сканирует получаемое на вход изображение в разных масштабах, оценивая по ключевым признакам каждый участок изображения, и классифицирует, является ли данный участок лицом или нет.

2. Определение положения головы.

На этом этапе созданная трехмерная модель головы сопоставляется с изображением головы в кадре. При этом оцениваются такие параметры, как угол поворота головы в плоскостях OX, OY, OZ, точный замер и смещение изображения в кадре.

3. Отслеживание перемещения лица от кадра к кадру.

Имея несколько кадров из видеоряда с одним и тем же человеком в разных ракурсах, программа выбирает наиболее удачный с ее точки зрения и сохраняет его в базе данных. Обрабатывая несколько изображений, можно добиться очень высокой точности распознавания.

4. Сравнение изображения с данными базы.

Этот этап является логическим завершением в цепочке алгоритма идентификации личности по видеоизображению.

В качестве примера действующей системы контроля доступа на базе распознавания лица можно привести систему распознавания посетителей мест для обналичивания чеков, установленных компанией «Mr. Pay-roll» в нескольких штатах США. Такая процедура весьма удобна, эффективна и быстра. При первом посещении производится снимок лица клиента, который передаётся в сервисный центр. При последующих обращениях система сверяет шаблон с лицом клиента и только после подтвержденной аутентификации производит обналичивание чека.

Помимо упомянутых ранее преимуществ система автоматически способна улучшать качество изображения, создавать цельное изображение лица из сегментов данных, генерировать цифровой код, уникальный для каждого индивидуума. В программе заложена возможность слежения в настоящем времени, а также «сжатия» лица до размера 84 байт для использования в смарт-картах, штриховых кодах и других устройствах с ограниченным размером хранения.

С реди признаков лица, используемых для идентификации человека, наиболее стабильными в течение жизни являются его кровеносные сосуды. Путем сканирования изображения лица в инфракрасном свете создается индивидуальная температурная карта лица – термограмма (пример термограмм представлен на рисунке 8). Идентификация по термограмме обеспечивает показатели, сравнимые с показателями дактилоскопии.

Рисунок 8 – Пример образованных алгоритмом термограмм

Далее перейдем к рассмотрению идентификации по геометрии кисти рук. Данный метод идентификации основывается на трехмерной модели кисти руки. Для ее создания кисть кладут ладонью вниз на специальную панель, через прорези в которой оптические сенсорные ячейки и считывают геометрические характеристики. Анализируется общий объем кисти, неровности ладони, расположение складок кожи на сгибах, каждый палец (указательный и средний, безымянный и мизинец) сканируется по всей длине, при этом замеряются длина, изгиб,  образы на сгибах между фалангами пальцев, узоры подкожных кровеносных сосудов. Пример соотнесения упомянутых признаков с изображением кисти руки представлен на рисунке 9.

Рисунок 9 – Измеряемые алгоритмом элементы кисти руки

Если при запросе эталонного 3D шаблона каждое произведенное измерение укладывается в определенные допустимые рамки зарегистрированного набора данных, то результат аутентификации будет для пользователя положительным. Зашифрованный с целью защиты информации цифровой эталон хранится либо в базе данных, либо в памяти идентификационной карточки.

Уникальные модели, произведенные таким способом, занимают всего 17 байт, что позволяет хранить данные о большом количестве пользователей и быстро осуществлять поиск по ним (время обработки – 1 секунда; время регистрации – 1,5 минуты).

Рассматриваемый терминал прост в использовании и довольно надежен (вероятность ошибок 1-го рода – 1%, 2-го рода – 1,5%), однако стоит учитывать факт того, что биометрические характеристики, использующиеся для такого подхода, меняются со временем.

На основе подобной технологии японская фирма Mitsubishi Electric создала контрольно-пропускной терминал автономного типа Palm Recognition System. Отличительная особенность системы заключается в том, что считывание геометрических размеров силуэта кисти у этого терминала в отличие от американского прототипа производится со сжатыми пальцами, в то время как у американцев пальцы для измерения должны представляться растопыренными. Благодаря такому подходу на результатах оценки биометрических характеристик в японской системе не сказывается появление на ладони ран или грязи. Вероятность ошибок 1-го рода также составляет 1%, однако ошибок 2-го рода заметно ниже - 0,0001%. 

В настоящее время идентификация пользователей по геометрии руки используется во многих государственных учреждениях, международных аэропортах, иммиграционных службах и т. д. Достоинства идентификации по геометрии ладони сопоставимы с достоинствами идентификации по отпечатку пальца с точки зрения надежности, хотя устройства для считывания геометрии ладоней занимают больше физического пространства.