Биометрическая аутентификация по сетчатке глаза

Аутентификация по сетчатке глаза — это одна из биометрических технологий, используемая для проверки подлинности личности.
Тип биометрической технологии, который рассматривается в данной статье, использует физиологический параметр — уникальность сетчатки глаза. Данный метод часто путают с аутентификацией по радужной оболочке глаза, однако это совершенно другой способ аутентификации.

История[править | править код]

Первые упоминания об использовании сетчатки в качестве средства для проверки и идентификации восходят к 1930-м годам. Первое научное исследование было проведено доктором Карлтоном Саймоном и доктором Изодором Гольдштейном. В своей работе они предположили, что из-за различного распределения кровеносных сосудов сетчатка обладает структурой, уникальной для каждого человека, а значит может быть использована в качестве средства подтверждения личности.

Следующее научное исследование, которое подтвердило уникальность сетчатки, было проведено в 1950-х годах ученым, известным как доктор Пол Тауэр. Благодаря его работе было обнаружено, что даже у близнецов структура сетчатки различна. Более того, как и радужная оболочка глаза, сетчатка практически не изменяется в течение жизни человека, за исключением случаев болезни или слепоты.

Таким образом, распознавание по сетчатке является очень надежной системой биометрической аутентификации по сравнению с такими, как распознавание лиц или отпечатков пальцев.

Процесс распознавания сетчатки[править | править код]

В отличие от других биометрических способов, для распознавания сетчатки требуется большое количество требований от пользователя для сбора высококачественных данных. Необходимо, чтобы пользователь находился в непосредственной близости от устройства сканирования сетчатки. В этом состоит большое различие с распознаванием радужной оболочки, когда данные можно собирать с очень большого расстояния.

Процесс можно разбить следующим образом.

Сбор и обработка данных[править | править код]

На этом первом этапе человек должен зафиксировать свой глаз перед небольшим приемником. Отсюда инфракрасный световой луч затем излучается в глаз, чтобы полностью осветить сетчатку. Чтобы уменьшить вероятность ошибки, этот свет излучается на 360 градусов. Данный процесс может занять до нескольких минут. Чтобы обеспечить сбор качественных изображений, человек должен оставаться абсолютно неподвижным, очков или линз быть не должно в целях устранения помех. На этой стадии можно собрать и проанализировать до пяти необработанных изображений, чтобы создать комплексное изображение, из которого затем будут извлечены уникальные признаки.

Создание шаблона регистрации и подтверждения[править | править код]

На этом втором этапе извлекаются уникальные признаки. Генетические факторы фактически не определяют состав структуры кровеносных сосудов, из которых состоит сетчатка. Другими словами, это не вписывается в структуру ДНК человека и не передается потомству. Из-за этого с сетчатки может быть получено до 400 уникальных признаков (для отпечатка пальца — примерно в 30-40). После этого создается шаблон регистрации. Размер шаблона регистрации сетчатки составляет всего 96 байт и считается самым маленьким биометрическим шаблоном из всех. Это, очевидно, имеет многочисленные преимущества. Во-первых, при проверке статистической схожести между шаблонами проверки и регистрации значительно снижаются расходы на вычисления. Во-вторых, этот небольшой размер означает, что большее количество шаблонов может храниться в одной базе данных. Этот же процесс также используется для создания шаблона подтверждения.

Поскольку для распознавания сетчатки требуется высокая точность при сборе данных, существует ряд факторов, которые могут значительно помешать процессу распознавания:

Неаккуратность пользователя при считывании данных:

Как было описано, человек должен оставаться совершенно неподвижным на протяжении всего процесса. Любое внезапное или непреднамеренное движение может негативно повлиять на относительное расположение линзы, которая используется для передачи луча инфракрасного света в сетчатку.

Большое расстояние между глазом и объективом:

Для выполнения высококачественного сканирования между приемником и сетчаткой должно быть расстояние не более 3 дюймов. Если расстояние превышает вышеуказанное, процесс сканирования должен повторяться снова, пока данное требование не будет соблюдено. В этом отношении, по сравнению с другими биометрическими методами, точность имеет первостепенное значение при распознавании сетчатки.

Размер зрачка человека:

Маленький зрачок может значительно уменьшить количество внешнего света, который передается на сетчатку. Также, данная проблема может усугубиться при сжатии зрачка из-за неправильных условий освещения.

Преимущества и недостатки[править | править код]

Преимущества[править | править код]

Сетчатка считается очень стабильной и практически не меняется в течение жизни человека. Таким образом, в этом отношении она считается самой надежной биометрической технологией, доступной на рынке сегодня.
Учитывая небольшой размер считываемых и анализируемых данных распознавания сетчатки, система способна быстро подтверждать личность человека.
Из-за большого количества уникальных признаков, которыми обладает сетчатка, вероятность ложного срабатывания крайне низка.
Поскольку сетчатка расположена внутри самой структуры глаза, она не подвержена влиянию внешней среды, в отличие от геометрии рук и отпечатков пальцев.

Недостатки[править | править код]

Многие люди опасаются, что данная процедура негативно влияет на зрение (хотя научно данный факт не доказан)
По сравнению со всеми другими биометрическими методами распознавание сетчатки требует от пользователя больше всего усилий.
Из-за высоких требований к пользователю может понадобиться несколько попыток аутентификации и длительное время для получения результатов. Таким образом, если процесс не будет выполнен правильно, это может привести к очень большой частоте ложных отказов.

Алгоритмы, используемые при аутентификации[править | править код]

Алгоритм, основанный на методе фазовой корреляции[править | править код]

В данном алгоритме оцениваются вращение и смещение изображений относительно друг друга при помощи метода фазовой корреляции. После этого изображения выравниваются и вычисляется коэффициент, называемый показателем схожести.

Пусть и — изображения, одно из которых сдвинуто на относительно другого, а и — их преобразования Фурье, тогда:

, где R — кросс-спектр

Получим импульс-функцию, вычислив обратное преобразование Фурье кросс-спектра

Найдем искомое смещение, предварительно определив максимум этой функции
Затем при помощи полярных координат найдем угол вращения при наличии смещения :

Затем, как и в предыдущем случае, применяется метод фазовой корреляции.
После этого вычисляется показатель схожести по следующей формуле:

Вышеописанная техника на практике не всегда показывает хорошие результаты вследствие наличия шумов на изображениях. Для устранения этого недостатка данный алгоритм применяется итеративно (возможно, с изменением порядка подачи изображений в функцию). Каждый раз изображения выравниваются и рассчитывается показатель схожести. Конечным результатом будет считаться наибольший показатель схожести.

Интересные факты[править | править код]

В среднем сетчатка глаза человека содержит 92 миллиона палочек, поэтому ее действительно можно считать уникальной.
Исследования национальной лаборатории США показали, что вероятность ошибки второго рода при данном способе аутентификации крайне мала (меньше 1%).

Ссылки[править | править код]

Explainer: Retinal Scan Technology
Retina Recognition
Retinal Recognition — the Ultimate Biometric
Retinography
Retinal recognition: Personal identification using blood vessels
Методы аутентификации по сетчатке глаза

Источник

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

Детальное изображение радужной оболочки

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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

Литература[править | править код]

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 (рус.) // Информатика и её применения. — 2011. — Т. 5, № 1. — С. 68 — 72.

Источник