Аутентификация по радужной оболочке глаза

Перейти к навигацииПерейти к поиску

Аутентификация по радужной оболочке глаза — одна из биометрических технологий, используемая для проверки подлинности личности.

Детальное изображение радужной оболочки
сканирование радужной оболочки глаза в Ираке 2006 год
сканирование радужной оболочки глаза американским военным в Афганистане 2007 год

Тип биометрической технологии, который рассматривается в данной статье, использует физиологический параметр — уникальность радужной оболочки глаза. На данный момент этот тип является одним из наиболее эффективных способов для идентификации и дальнейшей аутентификации личности[1].

История

Несмотря на то, что биометрические технологии (в частности, использование радужной оболочки глаза для идентификации человека) только начинают набирать популярность, первые открытия в этой области были совершены ещё в конце тридцатых годов прошлого века.

  • Первым о том, что человеческий глаз и его радужную оболочку можно использовать для распознавания личности, задумался американский глазной хирург, Франк Бурш, ещё в 1936 году [2] .
  • Но его идею и разработки удалось запатентовать только в 1987 году. Сделал это уже не сам Бурш, а офтальмологи, не имеющие собственных разработок — Леонард Флом и Аран Сафир[2].
  • В 1989 году Л. Флом и А. Сафир решили обратиться за помощью к Джону Даугману, для того, чтобы тот разработал теорию и алгоритмы распознавания. Впоследствии, именно Джона Даугмана принято считать родоначальником этого метода биометрической аутентификации [2].
  • В 1990 году Джон Даугман впервые разработал практический метод кодирования структур радужной оболочки. Запатентован метод был немного позже, в 1993 году [2].
  • На этом история развития биометрической аутентификации по радужной оболочке не заканчивается. Начиная с 2002 года Даугман выпустил ещё несколько статей, каждая из которых более полно раскрывает и развивает данную технологию. Опубликованные статьи: Epigenetic randomness, complexity, and singularity of human iris patterns (2001), Gabor wavelets and statistical pattern recognition (2002), The importance of being random: Statistical principles of iris recognition (2003), Probing the uniqueness and randomness of IrisCodes: Results from 200 billion iris pair comparisons (2006), New methods in iris recognition (2007), Information Theory and the IrisCode (2015).

Радужная оболочка как биометрический параметр

В данном случае в качестве физиологического параметра рассматривается радужная оболочка — круглая пластинка с хрусталиком в центре, одна из трёх составляющих сосудистой (средней) оболочки глаза.

Строение человеческого глаза

Находится радужная оболочка между роговицей и хрусталиком и выполняет функцию своеобразной естественной диафрагмы, регулирующей поступление света в глаз. Радужная оболочка пигментирована, и именно количество пигмента определяет цвет глаз человека [3] .

По своей структуре радужная оболочка состоит из эластичной материи — трабекулярной сети. Это сетчатое образование, которое сформировывается к концу восьмого месяца беременности. Трабекулярная сеть состоит из углублений, гребенчатых стяжек, борозд, колец, морщин, веснушек, сосудов и других черт. Благодаря такому количеству составляющих «узор» сети довольно случаен, что ведёт к большой вероятности уникальности радужной оболочки. Даже у близнецов этот параметр не совпадает полностью [4].

Несмотря на то, что радужная оболочка глаза может менять свой цвет вплоть до полутора лет с момента рождения, узор траберкулярной сети остаётся неизменным в течение всей жизни человека. Исключением считается получение серьёзной травмы и хирургическое вмешательство [4].

Благодаря своему расположению радужная оболочка является довольно защищённой частью органа зрения, что делает её прекрасным биометрическим параметром.

Принцип работы

Большинство работающих в настоящее время систем и технологий идентификации по радужной оболочке глаза основаны на принципах, предложенных Дж. Даугманом в статье «High confidence visual recognition of persons by a test of statistical independence»[5] .

Полярная система координат

Процесс распознавания личности с помощью радужной оболочки глаза можно условно разделить на три основных этапа: получение цифрового изображения, сегментация и параметризация. Ниже будет рассмотрен каждый из этих этапов более подробно.

Получение изображения

Процесс аутентификации начинается с получения детального изображения глаза человека. Изображение для дальнейшего анализа стараются сделать в высоком качестве, но это не обязательно. Радужная оболочка настолько уникальный параметр, что даже нечёткий снимок даст достоверный результат. Для этой цели используют монохромную CCD камеру с неяркой подсветкой, которая чувствительна к инфракрасному излучению. Обычно делают серию из нескольких фотографий из-за того, что зрачок чувствителен к свету и постоянно меняет свой размер. Подсветка ненавязчива, а серия снимков делается буквально за несколько секунд. Затем из полученных фотографий выбирают одну или несколько и приступают к сегментации [6].

Сегментация

Сегментация занимается разделением изображения внешней части глаза на отдельные участки (сегменты). В процессе сегментации на полученной фотографии прежде всего находят радужную оболочку, определяют внутреннюю границу (около зрачка) и внешнюю границу (граница со склерой). После этого находят границы верхнего и нижнего века, а также исключают случайное наложение ресниц или блики (от очков, например) [7] .

Точность, с которой определяются границы радужки, даже если они частично скрыты веками, очень важна. Любая неточность в обнаружении, моделировании и дальнейшем представлении радужки могут привести к дальнейшим сбоям и несоответствиям [7].

После определение границ изображение радужки необходимо нормализовать. Это не совсем очевидный, но необходимый шаг, призванный компенсировать изменения размеров зрачка. В частных случаях нормализация представляет собой переход в полярную систему координат. Применил и описал это в своих ранних работах Джон Даугман [5]. После нормализации при помощи псевдо-полярных координат выделенная область изображения переходит в прямоугольник, и происходит оценка радиуса и центра радужки[8].

Параметризация

В ходе параметризации радужной оболочки из нормализованного изображения выделяют контрольную область. К каждой точке выбранной области применяют двухмерные волны Габора (можно применять и другие фильтры, но принцип остаётся таким же) для того, чтобы извлечь фазовую информацию. Несомненным плюсом фазовой составляющей является то, что она, в отличие от амплитудной информации, не зависит от контраста изображения и освещения [9].

Полученная фаза обычно квантуется 2 битами, но можно использовать и другое количество. Итоговая длина описания радужной оболочки, таким образом, зависит от количества точек, в которых находят фазовую информацию, и количества битов, необходимых для кодирования. В итоге мы получаем шаблон радужной оболочки, который побитно будет сверяться с другими шаблонами в процессе аутентификации. Мерой, с помощью которой определяется степень различия двух радужных оболочек, является расстояние Хэмминга[9].

Практическое применение

Некоторые страны уже начали разрабатывать программу, частью которого будет являться биометрическая аутентификация по радужной оболочке глаза. Планируется, что с помощью этого нововведения будет решена проблема поддельных паспортов и других удостоверений личности. Второй целью является автоматизация прохождения паспортного контроля и таможенного досмотра при въезде в страну с помощью биометрических паспортов[10].

В Великобритании с 2004 года действовал не менее сложный по реализации проект — IRIS (Iris Recognition Immigration System). В рамках этой программы около миллиона туристов из-за рубежа, часто путешествующие в Великобританию, могли не предоставлять свои документы в аэропортах для удостоверения личности. Вместо этого специальная видеокамера сверяла их радужную оболочку глаза с уже сформированной базой. В 2013 году от этого проекта отказались в пользу биометрических паспортов, куда заносится информация и о радужной оболочке глаза [10].

Особенности и отличия от аналогов

Для того, чтобы та или иная характеристика человека была признана биометрическим параметром, она должна соответствовать пяти специально разработанным критериям: всеобщность, уникальность, постоянство, измеряемость и приемлемость.

Всеобщность радужной оболочки не вызывает сомнения. Также из клинических исследований выявлена её уникальность и стабильность [11]. Что касается измеряемости, то этот пункт подтверждён одним только существованием статей и публикаций Дж. Даугмана [5][12][13]. Последний пункт, вопрос о приемлемости, всегда будет открытым, так как зависит от мнения общества.

Таблица сравнения биометрических методов аутентификации, где H — High, M — Medium, L — Low [14]:

Название Всеобщность Уникальность Постоянство Измеряемость Приемлемость
Радужная оболочка H H H M L
Сетчатка H H M L L
Отпечатки пальцев M H H M M

На данный момент ещё не создана биометрическая технология, которая полностью соответствовала бы всем пяти пунктам. Но радужная оболочка является одним из немногих параметров, которые отвечают большинству[15].

Точность метода

В биометрии при расчёте точности метода учитываются ошибки первого и второго рода (FAR и FRR)[16].

FAR (False Acceptance Rate) — вероятность ложного допуска объекта.

FRR (False Rejection Rate) — вероятность ложного отклонения объекта.

Эти два понятия тесно связаны, так как уменьшение одной ошибки ведёт к увеличению другой. Поэтому разработчики биометрических систем стараются прийти к некому балансу между FAR и FRR[17].

Одним из методов определения точности системы, который задействует ошибки первого и второго рода, является метод построения ROC-кривой.

ROC-кривая — это графическое представления зависимости между характеристиками FAR и FRR при варьировании порога чувствительности (threshhold)[18]. Порог чувствительности определяет, как близко должен находиться текущий образец к шаблону, чтобы считать их совпадающими. Таким образом, если выбран небольшой порог, то возрастает количество ложных допусков, но уменьшается вероятность ложного отклонения объекта. Соответственно, при выборе высокого порога всё происходит наоборот[17].

Иногда вводят новый параметр — EER.

EER (Equal Error Rate) — величина, которая характеризует уровень ошибок биометрического метода, при котором значения FAR и FRR равны . Чем меньше этот параметр, тем точнее система. Значение ERR узнают с помощью выше описанной ROC-кривой[19].

Что касается точности, непосредственно, аутентификации по радужной оболочке, то хорошим источник служит книга «Handbook of Iris Recognition». В данной работе описан эксперимент, в котором сравнивали несколько видов биометрических технологий. Исходя из этих исследований, точность аутентификации по радужной оболочке достигает 90 %[20].

В ходе другой работы, выяснили, что значение FAR данного метода при определённых условиях может принимать значения от 1 % и ниже, а значение FRR неизменно и стремится к нулю (0.00001 %)[21].

В свою очередь, значения FAR и FRR непосредственно зависят от процессов получения и обработки изображения радужной оболочки. Большую роль в этом играют фильтры, применяемые в процессе сегментации. Из таблицы, которая представлена ниже, можно увидеть, как смена одного фильтра влияет на конечный результат [22].

Таблица параметров FAR(%), FRR(%) и EER(%) в зависимости от выбора фильтра[22]:

Название FAR(%) FRR(%) EER(%)
Фильтр Габора (Gabor) 0.001 0.12 0.11
Фильтр Добеши (Daubechies) 0.001 2.98 0.2687
Фильтр Хаара (Haar) 0.0 17.75 2.9

Сравнение с аутентификацией по сетчатке

Чаще всего люди путают такие физиологические параметры, как сетчатка и радужная оболочка глаза. Ещё чаще они объединяют два понятия в одно. Это огромное заблуждение, так как метод аутентификации по сетчатке включает в себя изучение глазного дна. Из-за длительности этого процесса и большого размера установки данный вид аутентификации сложно назвать общедоступным и удобным. В этом биометрическая аутентификация по сетчатке проигрывает аутентификации по радужной оболочке[23].

Примечания

  1. ↑ Р. М. Болл и др., 2007, p. 23: «Эти биометрические параметры считаются наиболее совершенными, и ожидается, что в скором времени они будут широко применяться.».
  2. ↑ 1 2 3 4 Khalid Saeed et al, 2012, p. 44.
  3. ↑ Алексеев В.Н. и др., 2008, p. 18.
  4. ↑ 1 2 Anil Jain et al, 2006, p. 105—106.
  5. ↑ 1 2 3 J. Daugman, 1993.
  6. ↑ Anil Jain et al, 2011, p. 144.
  7. ↑ 1 2 J. Daugman, 2007, p. 1167.
  8. ↑ Khalid Saeed et al, 2012, p. 52—53.
  9. ↑ 1 2 J. Daugman, 2004, p. 22—23.
  10. ↑ 1 2 J. Daugman, 2007, january, p. 1927.
  11. ↑ Р. М. Болл и др., 2007, p. 60.
  12. ↑ J. Daugman, 2004.
  13. ↑ J. Daugman, 2007.
  14. ↑ Anil Jain et al, 2004.
  15. ↑ Р. М. Болл и др., 2007, p. 22.
  16. ↑ Rajesh M. et al, 2014, p. 3.
  17. ↑ 1 2 Anil Jain et al, 2004, p. 6.
  18. ↑ A. J. Mansfield et al, 2002, p. 7—8.
  19. ↑ Rajesh M. et al, 2014, p. 5.
  20. ↑ Mark J. Burge et al, 2013, p. 234.
  21. ↑ Dr. Chander Kant et al, 2011.
  22. ↑ 1 2 José Ruiz-Shulcloper et al, 2008, p. 91—92.
  23. ↑ Р. М. Болл и др., 2007, p. 23.

Литература

  • L. Flom, A. Safir US Patent 4641349
  • Р. М. Болл, Дж. Х. Коннел, Ш. Панканти, Н. К. Ратха, Э. У. Сеньор. Руководство по биометрии. — М.: Техносфера, 2007. — С. 20 - 63. — 368 с. — ISBN 978-5-94836-109-3.
  • Khalid Saeed, Tomomasa Nagashima. Chapter 3. Iris Pattern Recognition with a New Mathematical Model to Its Rotation Detection // Biometrics and Kansei Engineering. — Springer Science & Business Media, 2012. — P. 43 - 65. — 276 p. — ISBN 978-1-461-45607-0.
  • Anil Jain, Arun A. Ross, Karthik Nandakumar. Chapter 4 Iris Recognition // Introduction to Biometrics.. — Springer Science & Business Media, 2011. — P. 141-175. — 276 p. — ISBN 978-0-387-77326-1.
  • Rajesh M. Bodade, Sanjay Talbar. Introduction to Iris Recognition // Iris Analysis for Biometric Recognition Systems. — Springer, 2014. — P. 3—5. — 109 p. — ISBN 978-8-132-21853-1.
  • Anil Jain, Ruud Bolle, Sharath Pankanti. Recognising Persons by Their Iris Patterns // Biometrics: Personal Identification in Networked Society. — Springer Science & Business Media, 2006. — P. 102—122. — 411 p.
  • José Ruiz-Shulcloper, Walter Kropatsch. An Alternative Image Representation Model for Iris Recognition // Progress in Pattern Recognition, Image Analysis and Applications. — Springer Science & Business Media, 2008. — P. 86—93. — 814 p.
  • A. J. Mansfield, J. L. Wayman. Definitions // Best Practices in Testing and Reporting Performance of Biometric Devices: Version 2.01. — Centre for Mathematics and Scientific Computing, National Physical Laboratory, 2002. — P. 7—8. — 32 p.
  • Mark J. Burge, Kevin Bowyer. Fusion of Face and Iris Biometrics // Handbook of Iris Recognition. — Springer-Verlag London, 2013. — P. 234. — 399 p.
  • J. Daugman. High confidence visual recognition of persons by a test of statistical independence (англ.) // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 1993. — Vol. 15, no. 11. — P. 1148—1161.
  • J. Daugman. How iris recognition works (англ.) // IEEE Transactionson Circuits and Systems for Video Technology. — 2004. — Vol. 14, no. 1. — P. 21—30.
  • J. Daugman. New Methods in Iris Recognition (англ.) // IEEE Trans. Systems, Man, and Cybernetics. — 2007. — Vol. 37, no. 5. — P. 1167—1175.
  • J. Daugman. Probing the Uniqueness and Randomness of IrisCodes: Results From 200 Billion Iris Pair Comparisons (англ.) // IEEE Transactionson Circuits and Systems for Video Technology. — 2007, january. — Vol. 94, no. 11. — P. 1927—1935.
  • Anil Jain, Arun Ross and Salil Prabhakar. An Introduction to Biometric Recognition (англ.) // IEEE Transactions on Circuits and Systems for Video Technology. — 2004. — Vol. 14, no. 1. — P. 4—20.
  • Dr. Chander Kant, Sachin Gupta. Iris Recognition: The Safest Biometric (англ.) // An International Journal of Engineering Sciences ISSN. — 2011. — Vol. 4. — P. 265—273.
  • Алексеев В.Н., Астахов Ю.С., Басинский С.Н. Глава 2. Анатомия органа зрения // Офтальмология: Учебник для студ. мед. вузов / Е.А.Егоров. — М.: ГЭОТАР-Медиа, 2008. — С. 12—29. — 240 с.
  • Павельева Е. А., Крылов А. С. Алгоритм сравнения изображений радужной оболочки глаза на основе ключевых точек // Информатика и её применения. — 2011. — Т. 5, № 1. — С. 68—72.