Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Biometric retrieval Alena Rybičková. O čem to bude vlastnosti biometrických systémů režimy biometrických systémů součásti biometrického systému chyby.

Podobné prezentace


Prezentace na téma: "Biometric retrieval Alena Rybičková. O čem to bude vlastnosti biometrických systémů režimy biometrických systémů součásti biometrického systému chyby."— Transkript prezentace:

1 Biometric retrieval Alena Rybičková

2 O čem to bude vlastnosti biometrických systémů režimy biometrických systémů součásti biometrického systému chyby biometrických systémů srovnání používaných biometrických charakteristik porovnávání zubů problémy

3 Biometrické rozpoznávání biometrické rozpoznávání je automatické rozpoznávání jednotlivců založené na jejich fyziologických charakteristikách a chování

4 Které charakteristiky lze považovat za biometrické? Fyziologické charakteristiky nebo rysy chování musí splňovat následující požadavky: univerzálnost - každý by je měl mít rozlišitelnost - každí dva lidé by měli být v dané vlastnosti dostatečně rozdílní trvanlivost - charakteristika by měla být neměnná během času měřitelnost - charakteristiky lze kvantitativně změřit

5 Praktické biometrické systémy požadují ještě další vlastnosti: výkon - dosažitelná přesnost a rychlost při rozpoznávání přijatelnost - jak jsou lidé ochotni akceptovat použití dané metody biometrické identifikace v běžném životě jak jednoduše lze systém obejít podvodnými metodami praktické biometrické systémy jsou kombinací rozpoznávací přesnosti, rychlosti, požadavků na zdroje, tím jak jsou přijatelné pro zamýšlenou populaci a odolností proti podvodným metodám

6 Biometrické systémy rozpoznávací systém, který pracuje s biometrickými daty extrahuje soubor charakteristických vlastností z dat a porovná je se souborem vlastností šablony v databázi v závislosti a aplikaci mohou bs pracovat ve verifikačním nebo identifikačním modu

7 Verifikační mod systém zjišťuje identitu člověka porovnáním získaných biometrických dat s biometrickou šablonou uloženou v databázi osoba, která chce být rozpoznána, zadá identifikační číslo, uživatelské jméno apod. a systém určí zda biometrická data opdovídají dané identitě verifikace se typicky používá pro pozitivní rozpoznávání, kde je cílem zabránit více lidem užívat stejnou identitu

8 Identifikační mod systém rozpozná osobu porovnáváním se šablonami všech uživatelů v databázi aby zjistil komu patří biometrická data používá se pro negativní rozpoznávání, kdy systém zjišťuje, zda osoba je tou, kterou tvrdí že není účelem je zabránit jedné osobě, aby užívala více identit identifikace se může používat také pro pozitivní rozpoznávání, kdy se po uživateli nepožaduje, aby zadal svoji identitu

9

10 Rozpoznávání tradiční metody rozpoznávání osob (pin, klíč, heslo) se používají pro pozitivní rozpoznávání negativní rozpoznávání lze provést pouze přes biometrii pro případy, kdy nebudeme chtít rozlišit mezi identifikací a verifikací budeme používat recognition - rozpoznávání

11 Verifikace problém verifikace lze formálně popsat takto: je dán vstupní vektor vlastností X Q (získaný z biometrických dat) a identita, kterou máme ověřit I určete zda (I, X Q ) patří do třídy w 1 nebo w 2, kde w 1 říká že uživatel je pravý a w 2 není pravý X Q se porovná s X I, kde X I je biometrická šablona odpovídající uživateli I (I, X Q ), potom (I, X Q ) náleží w 1 pokud S(X Q, X I ) ≥ t w 2 jinak kde S je funkce měřící podobnost a t je předdefinovaná prahová hodnota

12 Identifikace je dán vstupní vektor vlastností Xq, máme určit I k, k náleží {1,..,N+1}, kde I 1,.., I N jsou identity uložené v systému a I N+1 je případ, kdy neexistuje vhodná odpovídající identita X Q náleží I k pokud max přes k {S(X Q, X Ik )} ≥ t I N+1 jinak

13 Biometrický systém snímací modul snímá biometrická data, např. snímač otisků prstů, který zobrazí prohlubně a vyvýšeniny prstu modul na extrakci vlastností z biometrických dat se extrahuje soubor význačných nebo odlišujících vlastností např. u otisku prstů se získá pozice a orientace významných bodů

14 Biometrický systém porovnávací modul získané vlastnosti jsou porovnávány se šablonami uloženými v db, spočítají se matching score např. u otisků prstů se spočitá počet odpovídajících vyznamných bodů zahrnuje rozhodovací modul, který potvrdí nebo vyvrátí uživatelovu identitu na základě matching score databázový modul ve kterém jsou uloženy biometrické šablony uživatelů

15 Zpracování nové identity při ukládání nového uživatele se nascanují biometrické charakteristiky a vytvoří se digitální reprezentace získaná data mohou být v závislosti na aplikaci kontrolována člověkem, zkontroluje se kvalita pro zajištění spolehlivosti pro usnadnění porovnávání se z digitální reprezentace vytvoří šablona, která vznikne extrakcí vlastností pro jednu osobu se může uložit víc šablon

16 Chyby biometrických systémů dva vzorky biometrických charakteristik stejné osoby nejsou přesně stejné nedokonalé podmínky zobrazení - suché prsty, šum snímače změny ve fyziologických rysech a charakteristikách chování - pořezané prsty okolní podmínky - teplota, vlhkost

17 Matching score biometrický systém vrací matching score(X Q, X I ) (obvykle jedno číslo), které určuje podobnost mezi vstupem (X Q ) a šablonou (X I ) vyšší číslo říká že je větší pravděpodobnost že patří stejné osobě rozhodnutí je závislé na prahové hodnotě t matching score je větší nebo rovno t, pak patří stejné osobě menší než t jiné osobě

18 Chyby biometrických systémů dva typy chyb biometrická měření dvou různých osob považuje za jednu osobu (false match, false accept) dvě měření jedné osoby rozhodne že patří různým osobám (false nonmatch, false reject) v každém bs je mezi FMR (false match rate) a FNMR (false nonmatch rate) nepřímá závislost, FMR a FNMR jsou funkce t

19

20 Prahová hodnota t požadavky na přesnost biometrického systému závisí na aplikaci u aplikace na policejní identifikaci nechceme přijít o žádné potenciální pachatele i kdyby to znamenalo ručně procházet velké množství výsledků u aplikace která zabezpečuje kontrolu přístupu je naopak cílem zamezit v přístupu podvodníkovi, i když to může znamenat problémy při legitimaci uživatelů kvůli vysokému FNMR

21 DNA deoxyribonukleová kyselina je jednorozměrný jednoznačný kód, výjimkou jsou jednovaječná dvojčata používá se hlavně v právních aplikacích pro rozpoznávání osob nevýhody: je jednoduché ukrást vzorek dna současné technologie neumožňují real-time rozpoznávání, používají se složité chemické metody soukromí - z dna se dají zjistit např. náchylnosti k nemocem

22 Ucho rozpoznávání je založeno na měření vzdáleností důležitých bodů od boltce vlastnosti ucha nemají tak velkou rozlišovací schopnost pro identifikaci

23 Obličej nejčastěji se k rozpoznávání používá: 1. umístění a tvar atributů jako oči, obočí, nose, rty, brada a jejich prostorové vztahy 2. celková analýza obličeje, kdy je obličej reprezentován jako vážená kombinace základních obličejů systémy zatím dost nedokonalé, např. vyžadují jednobarevné pozadí, speciální osvětlení, nedokáží porovnat obrázky obličejů z různých úhlů

24 Infračervený termogram obličeje, ruky infračervenou kamerou se snímá obraz tepla vysílaného lidským tělem, nevyžaduje kontakt a je možné ho použít pro skrytou identifikaci problém můžou způsobit zařízení, která vyzařují teplo, která se vyskytují v okolí většímu rozšíření brání také vysoká cena infračervených snímačů

25 Otisk prstu je to vzorek vyvýšenin a prohlubní na povrchu prstu, vytváří se během prvních sedmi měsíců života různé otisky mají i jednovaječná dvojčata i každý prst jednoho člověka snímače otisků prstů jsou levné a ukázalo se že přesnost rozpoznávání je vysoká takže se používají v mnoha aplikacích, hlavně pro menší až střední identifikační systémy, které zahrnují řádově několik set lidí při porovnávání je potřeba velké množství výpočtů, hlavně pokud systém pracuje v identifikačním modu může docházet ke změnám, pořezání, stárnutí

26 Oční duhovka oblast ohraničená panenkou a očním bělmem, stabilizuje se během prvních dvou let života struktura duhovky v sobě nese dobře rozlišitelné znaky přesnost a rychlost současných systémů založených na rozpoznávání oční duhovky umožňuje využití i ve velkých systémech stejně jako u otisků prstů se každé dvě duhovky liší, liší se i u jednovaječných dvojčat navíc je velmi složité chirurgicky pozměnit duhovku a jednoduché poznat umělou (kontaktní čočky)

27 Otisk dlaně založené na stejném principu jako identifikace podle otisků prstů protože plocha dlaně je větší než plocha prstů, očekává se že otisk dlaně je lépe rozlišitelný levnější variantou je snímač s menší rozlišovací schopností který snímá jen hlavní čáry a vrásky kombinací více vlastností ruky, tj. otisku dlaně, geometrie ruky lze dosáhnout velmi vysoké přesnosti

28 Obraz sítnice považuje se za nejbezpečnější, protože ho lze jen těžko změnit nebo okopírovat k sejmutí obrazu sítnice je potřeba spolupráce identifikované osoby, kdy musí zaostřit na specifický bod v zorném poli

29 Podpis patří do charakteristik chování a může být ovlivněn psychickými podmínkami, mění se v průběhu času u některých lidí se značně liší i po sobě jdoucí podpisy profesionální padělatel je schopný se podepsat tak, že překoná identifikační systém jako metoda ověření se používá v mnoha vládních i komerčních systémech

30 Hlas je kombinací fyziologických rysů a charakteristik chování je závislý na neměnných fyziologických rysech - velikosti a tvaru hlasové štěrbiny, úst, rtů, nosní dutiny další aspekty se mění - s věkem, onemocnění (nachlazení), psychický stav hlas je dobře rozlišitelný a umožňuje použití ve velkých systémech

31 Hlas dva typy: text-dependent system - čte se vždy stejný text text-independent - nezávislý na tom co člověk říká nejvhodnější použití je pro telefonické aplikace, kde je ale kvalita signálu snížena mikrofonem a komunikačním kanálem

32 Porovnávání zubních rentgenových snímků používá se pro identifikaci obětí katastrof, kdy nelze použít jinou biometrickou metodu (obličej, otisky prstů) při identifikaci se porovnává obrys zubů a tvar zubních náhrad (plomby, korunky)

33 Extrakce vlastností nejprve se z rentgenového snímku vytvoří obrysy zubů pro zjištění zubních náhrad se vytvoří histogram intenzity, aproximuje se pomocí gaussova modelu, gaussova komponenta s nejvyšší střední hodnotou odpovídá pixelům patřícím zubní náhradě, stanoví se prahová hodnota a tím se oddělí od zubních částí

34

35 Porovnání zuby se porovnávají vždy po dvou (všechny dvojice se všemi dvojicemi), takže se zohledňuje nejen obrys zubů ale i jejich vzájemná poloha porovnávání obrysů nejprve se souvislý tvar zubu převzorkuje na množinu bodů pak se vyrovná dvojice zubů podle transformace: kde θ je úhel otočení, t x, t y posunutí podél osy x a y, s je změna měřítka, optimální transformace T minimalizuje vzdálenosti obrysů

36 Shape registration pak spočítá průměrnou vzálenost mezi všemi body dotazovaného snímku a jejich nejbližšího bodu porovnávaného snímku dvě množiny bodů TAP a BP, kde TAP je T(AP) chceme najít body z TAP odpovídající bodům z BP, značíme je Cor(i) kde i = 1,..,|TAP| a 1≤ Cor(i) ≤|BP| 1. inicializace Cor(i) = dolni cela cast((i-1)|BP|/|TAP| +1) i = 1,..,|TAP|, Cor(0) = 1

37 Shape registration 2. for i = 1.. |TAP| do Cor(i) = min ||TAP(i) – BP(k)|| k= Cor(i-1),..,Cor(i+1) Dis(i) = ||TAP(i) – Cor(i)|| 3. krok dva se opakuje až do konvergence nebo dokud se nepřekročí počet iterací 4. pokud více bodům z TAP odpovídá jeden bod z BP, pak z TAP vybereme ten který je mu nejblíž a pro ostatní Cor(i) = nil, outliers (bludné kameny :o) 5. vzdálenost mezi obrysy A a B spočítáme jako průměr vzdáleností i a Cor(i)

38

39

40 Porovnání zubních náhrad pixely uvnitř zubu se označí 0, pixely uvnitř zubních náhrad se označí 1 pro dva obrázky M a N se relativní počet nepřekrývajích se bodů spočítá: n(M,N)=sum(M(i,j) xor N(i,j))/sum(M(i,j)+N(i,j)) vzdálenost M a N spočítáme jako minimum přes všechny n, tj. při použití nejlepší transformace

41 Další biometrické metody podle způsobu psaní na klávesnici :o) vůně způsob chůze geometrie ruky a prstů

42

43 Problémy biometrických systémů šum v získaných datech - špína na snímači otisku prstů, špatné osvětlení, může způsobit odmítnutí správného uživatele změny dat - data získaná během ověřování uživatele se mohou výrazně lišit od dat v šabloně, např. jiný úhel hlavy, změny v chování rozlišitelnost neuinverzálnost - předpokládá se že každý uživatel vlastní požadovaný biometrický rys, praxi ale může existovat skupina lidí, kteří ho nemají, např. nelze sejmout otisky prstů

44 Problémy biometrických systémů snaha obejít systém - napodobit biometrický rys správného uživatele, nejjednodušší u podpisu, ale lze i u fyziologických rysů (vyrobit umělý otisk prstu) některá omezení systémů pracujících s jedním biometrickým rysem lze vyřešit použitím více rysů (obličej, otisk prstu, více otisků prstů) řeší problém neuniverzálnosti, složitější je obejít systém


Stáhnout ppt "Biometric retrieval Alena Rybičková. O čem to bude vlastnosti biometrických systémů režimy biometrických systémů součásti biometrického systému chyby."

Podobné prezentace


Reklamy Google