Статья Крестьянинова ПММ

Идентификация человека по геометрии ладони
Ольга О. Крестьянинова1, Александр А. Попов1
Новосибирский государственный технический университет, Новосибирск, Россия
1
Аннотация – В работе описываются все этапы разработки биометрической системы основанной на идентификации человека
по геометрии ладони. Описывается созданное приложение,
непосредственно осуществляющее идентификацию человека.
Так же в работе исследуются и описываются возможности повышения качества распознавания человека системой за счет
выбора оптимального набора биометрических параметров и
нахождения оптимального значения весов для каждого из параметров.
Ключевые слова – Биометрия, идентификация, биометрические
параметры, коэффициент ложного доступа, коэффициент ложного отказа доступа.
I. ВВЕДЕНИЕ
В настоящее время биометрия активно развивается. Все
чаще встречаются организации, использующие в качестве
систем доступа биометрические системы. Биометрия проникает и в жизнь обыкновенного человека. Это применение
биометрии в технике, такой как ноутбуки и мобильные телефоны. Сегодня не редкость увидеть подобные системы
доступа. Кроме того биометрия используется в правоохранительных органах. Столь всестороннее распространение
биометрических систем основывается, прежде всего, на знании об уникальности каждого человека. При извлечении
биометрических признаков и правильном их применении у
нас появляется возможность идентифицировать человека, а
этот процесс особенно актуален в наше время.
Преимущества биометрических систем очевидны: для
идентификации достаточно самого человека, не нужны ключи и пароли. В отличие от привычных механизмов доступа
исключены ситуации мошеннического проникновения (не
будем рассматривать варварские способы получения образцов). Биометрические параметры всегда находятся при человеке, их невозможно потерять, украсть или просто забыть.
Существующие системы можно разделить на два больших
класса: статические и динамические. К первому классу относят биометрические системы, основанные на отпечатках
пальцев, геометрии ладони, формы лица (головы), голосу и
другие. К поведенческому классу относятся методы распознавания по походке, клавиатурному почерку[1].
Имеется набор свойств, описанные Кларком в [2], которому должны удовлетворять биометрические параметры, используемые в различных системах доступа:
1. Всеобщность: каждый человек имеет биометрические
характеристики.
2. Уникальность: для биометрии нет двух людей, обладающих одинаковымибиометрическими характеристиками.
3. Постоянство: биометрические характеристики должны
быть стабильны во времени.
4. Измеряемость: биометрические характеристики должны
быть измеряемы каким-либо физическим считывающим
устройством.
5. Приемлемость: совокупность пользователей и общество
в целом не должны (сильно) возражать против измерения/сбора биометрических параметров.
Комбинация всех этих свойств определяет эффективность
биометрии
и,
следовательно,
эффективность
аутентификационных систем [3].
Не существует биометрических параметров, абсолютно
удовлетворяющих любому из этих требований, так же как и
тех, которые бы сочетали в себе все эти свойства
одновременно. Это означает, что любой метод биометрической аутентификации – результат многих компромиссов.
В работе рассматривается достаточно перспективный
метод идентификация по геометрии ладони.
Аутентификация по геометрии ладони привлекательна по
ряду причин. Практически все работающие люди имеют
руки, а система обработки исключительных случаев для
людей-инвалидов может быть разработана. По точности
идентификация по отпечаткам пальцев выигрывает, однако
метод идентификации по геометрии ладони имеет свои
преимущества. Параметры геометрии ладони не сложно
измеряются по сравнению, например, с отпечатками
пальцев, радужкой и сетчаткой. Процедура получения
образца достаточно проста и не предъявляет высоких
требований к изображению. Метод аутентификации по
геометрии ладони хорошо сочетается с другими биометрическими методами, особенно с распознаванием по
отпечаткам пальцев. К томуже, в отличии от этого самого
распространенного метода (распознование по отпечаткам
пальцев) идентификация по геометрии ладони имеет еще
одно важное преимущество: нечувствительность к
состоянию поверхности ладони (наличие загрязнения,
шрамов, порезов), что было бы критично для
идентификации по отпечаткам пальцев и простота
выделения биометрических параметров. Именно по этой
причине исследование и изучение процесса идентификации
по геометрии ладони актуальны.
Для повышения качества распознования биометрической
системы в работе рассматривается несколько подходов:
определение
оптимального
набора
биометрических
параметров и нахождения веса для каждого из параметров.
Это позволит в уже имеющихся системах (а так же в
созданной в рамках работы) повысить качество
распознарания биометрической системы и избежать лишних
затрат
на
выделение
и
вычисление
значений
биометрических параметров, не вносящих существенный
вклад в качество распознавания человека.
В
работе
также
проводится
сравнение
двух
распространенных биометрических систем, основанных на
идентификации по геометрии ладони и имеющих различный
набор параметров.
II. ПОСТАНОВКА ЗАДАЧИ
Целью работы является изучение всех этапов создания
биометрической
системы,
разрабртка
приложения,
осуществляющего
непосредственно
идентификацию
человека по геометрии ладони, исследование качества
распознавания биометрической сиситемы в зависимости от
набора параметров и значений весов данных параметров.
Также целью является получения биометрической системы с
оттимальным набором параметров и их весов, необходимых
для качественного распознавания.
Для достижения поставленных целей, необходимо
проработать каждый из перечисленных ниже этапов:
1) выбор биометрических параметров;
2) конструирование установки, позволяющей собрать
необходимые образцы;
3) сбор информации для заполнения базы данных;
4) обработка полученных изображений;
5) написание
приложения,
непосредственно
выполняющего идентификацию человека;
6) исследование качества биометрической системы в
зависимоти от набора параметров;
7) решение задачи оптимизации для нахождения значений
весов биометрических параметров.
Требования к разрабатываемому приложению:
1) возможность
идентификации
человека
по
соответствующему ему изображению (то есть, на вход мы
должны получить изображение, а на выходе – информацию
о результате идентификации (найден ли такой человек в базе
данных и его ФИО, если найден));
2) возможность добавления в базу данных нового
человека (например, добавление специальной службой
нового сотрудника);
3) возможность проведения исследований качества
биометрической системы (возможность выбора метрических
функций,
граничного
значения,
биометрических
параметров)
и
получения
показателей
качества
(коэффициента ложного доступа (КЛД) и коэффициента
ложного отказа доступа (КЛОД));
4) возможность обнавления базы данных.
Решив поставленные задачи мы сможем добиться цели и
получить оптимальную биометрическую систему с хорошим
качеством распознавания.
Рис. 1 – Первый способ выбора биометрических параметров.
1) F1 – ширина второй фаланги большого пальца;
2) F2 – ширина третьей фаланги указательного пальца;
3) F3 – ширина второй фаланги указательного пальца;
4) F4 – ширина третьей фаланги среднего пальца;
5) F5 – ширина второй фаланги среднего пальца;
6) F6 – ширина третьей фаланги безымянного пальца;
7) F7 – ширина второй фаланги безымянного пальца;
8) F8 – ширина третьей фаланги мизинца;
9) F9 – длина указательного пальца;
10) F10 – длина среднего пальца;
11) F11 – длина безымянного пальца;
12) F12 – длина мизинца;
13) F13 – ширина ладони у основания четырех пальцев;
14) F14 – ширина ладони у основания большого пальца;
15) F15 – толщина пальцев на второй фаланге;
16) F16 – Толщина пальцев на третьей фаланге.
Второй способ: в источнике [2] был предложен другой вариант исследования биометрических параметров.
В отличие от предыдущего способа, используется изображение руки только в одной плоскости – вид сверху. Выделяются параметры, показанные на Рис. 2.
III. ТЕОРИЯ
Геометрия руки относится к геометрическим инвариантам
человеческой руки. Типичные свойства включат в себя длину и ширину пальцев, соотношение размеров ладони или
пальцев, ширину, толщину ладони и так далее [4].
Нам для начала необходимо определиться, какие же физические характеристики будем использовать для идентификации. Рассмотрим два метода идентификации, в которых выделяются свои биометрические параметры.
Первый способ: в источнике [5] предложена следующая
система. Устройство считывает руку и сверху и сбоку, происходит выделение 16 признаков руки, это показано на Рис.
1.
Рис. 2 – Второй способ выбора биометрических параметров.
Отмечу следующие особенности: ширины пальцев рассматриваются на определенных уровнях, таких как половина
и восьмая часть длины соответствующего пальца. Перечислим эти 16 параметров:
1) L1 – длина большого пальца;
2) L2 – длина указательного пальца;
3) L3 – длина среднего пальца;
4) L4 – длина безымянного пальца;
5) L5 – длина мизинца;
6) W1 – ширина указательного пальца на уровне середины
его длины;
7) W2 – ширина указательного пальца на уровне восьмой
части его длины;
8) W3 – ширина среднего пальца на уровне середины его
длины;
9) W4 – ширина среднего пальца на уровне восьмой части
его длины;
10) W5 – ширина безымянного пальца на уровне середины его длины;
11) W6 – ширина безымянного пальца на уровне восьмой
части его длины;
12) W7 – ширина мизинца на уровне середины его длинны;
13) W8 – ширина мизинца на уровне восьмой части его
длины;
14) S1 – область кончика указательного пальца;
15) S2 – область кончина среднего пальца;
16) S3 – область кончика безымянного пальца.
Проанализировав данные способы, было принято решение
совместить их, то есть создать систему, в основу которой
была бы заложена обработка изображения, содержащего
руку в двух плоскостях (вид сверху и вид сбоку). Параметры, которые будут извлекаться из картинки, полностью
совпадают с параметрами из второго способа (за исключением областей кончиков пальцев) и добавятся параметры,
отвечающие за толщину пальцев на уровнях середины и
восьмой части длины среднего пальца, ширину большого
пальца на уровне середины его длины и ширину ладони у
основания четырех пальцев.
После того как выбрали биометрические параметры был
проведен анализ имеющихся считывающих устройств. Самым удачным является устройство Handkey (см. Рис. 3).
Рис.3 – Идентифицирующее устройство Handkey.
Благодаря использованию алгоритмов сжатия и встроенной видеокамеры, это устройство производит идентификацию не только по внутренней, но и по боковой стороне ладони.
Было принято решение конструирования экспериментальной установки для получения образцов.
Образцом для установки послужила конструкция, представленная в источнике [6].
Конструкция представляет собой плоскую поверхность, в
которую встроены штырьки для правильной фиксации руки,
справа расположено зеркало под углом 45 градусов к этой
поверхности. За счет зеркала появилась возможность получать за один раз снимок, содержащий и вид сверху и вид
сбоку. Слева прикреплена еще одна поверхность, она расположена под углом к основной поверхности. Это сделано для
того, чтобы в зеркале рука отражалась на ровном фоне (в
следующих этапах это позволяет без особых трудностей обрабатывать изображение в области вида руки сбоку). Сверху, относительно поверхности, прикручивается штатив для
закрепления на нем фотоаппарата. Штатив закрывается поверхностью, перпендикулярной основанию установки. Сделано это было для того, чтобы в зеркале было корректное
отображение (профиль руки на однотонном ровном фоне).
Штырьки позволяют защититься от неверных начальных
данных, таких как сомкнутые пальцы, и в целом это обеспечивает то, что ладонь на поверхности располагается ровно.
Высота, на которой расположен фотоаппарат, фиксирована.
Угол наклона фотоаппарата к поверхности составляет 0 градусов, и он не меняется за счет крепления его к штативу.
Для облегчения дальнейшей обработки фотографий, было
принято решение покрасить установку в белый цвет. В белый цвет были также покрашены штырьки. Это сделало их
незаметными на фотографии и при этом они не утратили
своей функциональности (фиксация положения руки). Установка изображена на Рис. 4.
Рис. 4 – Экспериментальная установка для сбора образцов.
С помощью данной установки были собраны образцы для
базы данных. Размер базы составляет 100 человек. Для
каждого человека делалось 5 снимков, 3 из которых
участвовало в заполнении базы, остальные были
контрольными (их подавали на вход системе для
идентификации человека).
Следующим этапом является предобработка изображений,
в ходе которой осуществляется выделение на фотографии
объекта (ладони в двух проекциях) и преобразование его
черно-белое. Для этого использовался алгоритм адаптивной
пороговой обработки.
Адаптивный алгоритм пороговой обработки базируется на
идее сопоставления уровней яркости преобразуемого пикселя со значениями локальных средних, вычисленных непосредственно в его окружении, то есть у соседей. Пиксели
обрабатываются поочередно. Интенсивность каждого пикселя сравнивается со средними значениями яркости в окнах
(2D  1)  (2 D  1)
размерности
с центром в точке
Подробно схема изображена на Рис. 5.
P5
P6
P3
P0
Рис. 5 -
P7
P4
P1
P2
8
Направление обхода соседних пикселей.
K.
Пусть пиксель
K с центром в данной области имеет координаты K (i, j ) . Тогда K считается пикселем класса H 0 ,
H 1 , если у него стоит
K становится пикселем H 1 тогда, когда
соких яркостей. И в соответствии с этим порог
ется по формуле:
если у него стоит метка 0, и пикселем
метка 1. То есть
r  0, s ,
для
где
няется условие (1):
где
s  (2D  1)  (2D  1)  1
выпол-
Z r  f (i, j )  T ,
(1)
Параметр
2 
1
t    f min  Z  .
3 
3
  (0;1] является параметром
Zr 
1
  f (ir  m, jr  n) , (2)
(2 D  1)  (2 D  1) 1m,n1
f (ir , jr ) – яркость в точке K r
(ir , jr ) .
Параметр D теоретически может быть
где
с координатами
любым, однако,
целесообразно его выбирать в пределах от 0 до 10. Такой
диапазон обусловлен, тем, что при сильном увеличении этого параметра, то есть области соседей, практически было
замечено, что результат почти не отличается от установки
параметра D  10 , а время работы алгоритма становится
несоизмеримо больше.
Для того чтобы устранить ошибки обычного порогового
преобразования применяют следующее автоматическое и
адаптивное определение параметра T :
1) пусть f (i, j ) - пиксель изображения с координатами
вычисля-
(8)
регуляриза-
ции. Как правило, для большинства изображений этот параметр выбирают равным
T и играет как раз роль порогового значения, а Z r
средняя локальная яркость, определяющаяся по формуле (2):
T
2
.
3
Но если изображение имеет
очень высокий шум и низкий контраст, то тогда

1
.
3
В большинстве случаев параметры задают, как правило,
так:
D =1,  
2
.
3
Данный алгоритм позволяет выполнить сегментацию для
изображений, содержащих шум, зависящих от чувствительного сигнала, изображений, имеющих сложную структуру
фона или же малый контраст, и при этом практически без
потерь полезной информации.
В результате предобработок получается изображение содержащее только ладонь (см. Рис. 6).
(i, j ) . В окне (2D  1)  (2 D  1) с центром в f
(i, j ) вычисляются максимальные и минимальные значения яркости:
f max  max f (i  a, j  b) ,
(3)
f min  min f (i  a, j  b) .
(4)
 D  a ,b D
и
 D  a ,b  D
2) вычисляются максимальное и минимальное приращения яркости относительно центрального пикселя по формулам (5) и (6):
f max  f max  Z
,
(5)
f min  f min  Z
.
(6)
f max и f min . Если
(2D  1)  (2 D  1) со-
3) далее сравниваются величины
f max > f min ,
то тогда окно
держит больше локальных низких яркостей. В соответствии
с этим выбирается T по формуле:
1 
2
t    f min  Z  ,
3 
3
где
(7)
  (0;1] - некоторая константа.
f max < f min , то тогда в окне
(2D  1)  (2 D  1) содержится больше локальных вы4) если
же
Рис. 6 – Изображение полученное после предобработки.
Следующим этапом после выделения ладони на фотографии является выделение контура. На входе имеется чернобелое изображение, полученное ранее.
Выделение контура можно разделить на два этапа:
1) нахождение первой точки, принадлежащей контуру;
2) формирование контура, путем последовательного поиска следующей точки принадлежащей контуру при обходе
слева направо.
Для формирования контура просматриваем изображение
блоком в четыре точки, начиная с начальной точки контура
[6]. Обход контура осуществляется слева направо. Условимся, что базовой точкой для этого квадратика будет нижняя правая. Блок изображен на Рис. 7.Учтем, что координатные оси на изображении расположены так: ось х направлена
вправо, а ось у направлена вниз.
(x-1,y-1)
(x-1,y)
Рис. 7 – Пример блока.
(x,y-1)
(x,y)
Двигая этот блок, мы получаем различные сочетания черных и белых точек в нем. В зависимости от цветов точек в
блоке принимается то или иное решение по продвижению
блока и записи новой точки в контур. Обходим контур слева
на право. Движение блока прекращается только тогда, когда
мы обнаружили, что в контур необходимо записать точку,
соответствующую начальной точке контура. И прежде чем
добавить очередную точку в контур необходимо проверять,
не была ли она добавлена ранее (чтобы избежать повторяющихся точек).
После
выделения
контура
происходит
процесс
нахождения
точек,
необходимых
для
вычисления
биометрических параметров. Точки содержащиеся на виде
сверху ладони представлены на Рис. 8.
Рис. 8 – Вид руки сверху и сбоку, точки для вычисления параметров.
Точки w1, w2, w3, w4, w5 соответствуют середине длины
пальца и находились как середина отрезка (𝑠𝑖 , 𝐿𝑖 ), где i – номер пальца.
Точки v1, v2, v3, v4 соответствуют восьмой части длины
пальца и находились как середина середины отрезка (𝑤𝑖 , 𝐿𝑖 ),
где i – номер пальца, начиная со второго.
Точки wl1, wl2, wl3, wl4 и wl5 соответствуют боковым левым точкам уровня середины пальцев.
Точки wp1, wp2, wp3, wp4 и wp5 соответствуют боковым
правым точкам уровня середины пальцев.
Точки vl1, vl2, vl3 и vl4 соответствуют боковым левым
точкам уровня восьмой части длины пальцев.
Точки vp1, vp2, vp3 и vp4 соответствуют боковым правым
точкам уровня восьмой части длины пальцев.
Точки wd1, wd2 соответствуют уровню середины пальцев,
а точки vd1, vd2 соответствуют уровню восьмой части длины пальцев.
Получив все необходимые дополнительные точки, можно
вычислить биометрические параметры.
Параметры, которые необходимо вычислить:
1) P1 – длина большого пальца;
2) P2 – длина указательного пальца;
3) P3 – длина среднего пальца;
4) P4 – длина безымянного пальца;
5) P5 – длина мизинца;
6) W1 – ширина большого пальца на уровне середины его
длины;
7) W2 – ширина указательного пальца на уровне середины
его длины;
8) W3 – ширина среднего пальца на уровне середины его
длины;
9) W4 – ширина безымянного пальца на уровне середины
его длины;
10) W5 – ширина мизинца на уровне середины его длины;
11) V1 – ширина указательного пальца на уровне восьмой
части его длины;
12) V2 – ширина среднего пальца на уровне восьмой части
его длины;
13) V3 – ширина безымянного пальца на уровне восьмой
части его длины;
14) V4 – ширина мизинца на уровне восьмой части его
длины;
15) S – ширина ладони у основания четырех пальцев;
16) T1 – толщина пальцев на уровне середины их длины;
17) T2 – толщина пальцев на уровне восьмой части их длины.
Все эти величины являются отрезками и нам необходимо
вычислить их длину. В таблице 4.1 приведено соответствие
отрезка и параметра. Длина отрезка ((х1, у1),(х2, у2)) находится по формуле:
𝑙 = √(𝑥1 − 𝑥2)2 + (𝑦1 − 𝑦2)2 ,
где 𝑙 - длина отрезка, (𝑥1, 𝑦1), (𝑥2, 𝑦2) – координаты точек,
соответствующих концам отрезка.
Для того чтобы идентифицировать человека, производится
сравнение полученных параметров с параметрами, хранящимися в базе данных. Рассматриваем четыре различных
метрики: абсолютную, взвешенную абсолютную, евклидову
и взвешенную евклидову, которые вычисляются по формулам (9), (10), (11) и (12) соответственно.
∑𝑑𝑖=1|𝑞𝑖 − 𝑟𝑖 | < 𝜀𝑎 .
(9)
𝑑 |𝑞𝑖 −𝑟𝑖 |
∑𝑖=1
< 𝜀𝑤𝑎 .
(10)
𝜎𝑖
√∑𝑑𝑖=1(𝑞𝑖 − 𝑟𝑖 )2 < 𝜀𝑒 .
√∑𝑑𝑖=1
(𝑞𝑖 −𝑟𝑖 )2
𝜎2𝑖
< 𝜀𝑤𝑒 .
(11)
(12)
В рассматриваемых метриках 𝑞𝑖 – значение конкретного
биометрического параметра идентифицируемого человека, 𝑟𝑖
- значение конкретного биометрического параметра образца
из базы данных, 𝜎 2 𝑖 - мера важности i-ого параметра, 𝜀𝑎 ,
𝜀𝑤𝑎 , 𝜀𝑒 и 𝜀𝑤𝑒 - пороговые величины каждой конкретной метрики, 𝑑 - число параметров.
Если значение метрики будет меньше 𝜀𝑤𝑎 , то принимается
решение о соответствии идентифицируемого образца и образца из базы данных, иначе образцы принадлежат различным людям. От выбора этого порога может зависеть следующее: коэффициент ложного доступа (КЛД, доступ получает человек, не имеющий на это право) и коэффициент
ложного отказа доступа (КЛОД, доступ не получает человек,
имеющий на это право).
число людей,получивших доступ ошибочно
КЛД =
(5.1)
КЛОД =
число исследуемых образцов
число людей,не получивших доступ ошибочно
число исследуемых образцов
(5.2)
Для улучшения качества биометрической системы
(уменьшения значений КЛД и КЛОД) также необходимо
правильно подобрать значения коэффициентов в метрической функции (весов). Сделав это мы так же сможем сделать
вывод о значимости того или иного биометрического параметра. Для нахождения весов решается задача оптимизации.
Постановка задачи, в случае абсолютной взвешенной метрики, выглядит следующим образом:
Пусть у нас имеется 100 человек и для каждого 4 фотографии ладони, а, следовательно, 4 набора биометрических параметров. Пусть 𝑟𝑖𝑗𝑘 – значение биометрического параметра
j-й ладони k-го человека. i=1…20 (биометрические параметры), j=1…4 (фото ладони одного и того же человека),
k=1..100 (рассматриваемый человек).
В группе из 4-х фотографий 4-ую рассматриваем как эталонную.
Метрическая функция: 𝑆𝑗𝑘 = ∑17
𝑖=1( 𝑟𝑖𝑗𝑘 − 𝑟𝑖4𝑘 ) ∗ 𝑤𝑖 , 𝑤𝑖 - вес
i-го параметра, j=1,2,3, k=1…100.
Нам необходимо минимизировать разницу 2-х метрических функций в рамках одного человека и максимизировать
разность в случае разных людей.
|𝑆𝑗𝑘 (𝑤) − 𝑆𝑙𝑘 | → 0, 𝑗 ≠ 𝑙, 𝑗, 𝑙 = 1,2,3
{
|𝑆𝑗𝑘 (𝑤) − 𝑆𝑙𝑞 | → ∞, 𝑗, 𝑙 = 1,2,3, 𝑘 ≠ 𝑞, 𝑘, 𝑞 = 1. .100
То есть, нам необходимо подобрать веса таким образом,
чтобы разница между различными людьми увеличивалась, а
для одного и того же уменьшалась.
Для этого решим задачу линейной оптимизации:
Целевая функция:
С=∑17
𝑖=1(( 𝑟𝑖𝑗𝑘 − 𝑟𝑖4𝑘 ) − (𝑟𝑖𝑙𝑘 − 𝑟𝑖4𝑞 )) ∗ 𝑤𝑖 → 𝑚𝑎𝑥
20
∑(( 𝑟𝑖1𝑘 − 𝑟𝑖4𝑘 ) − (𝑟𝑖2𝑘 − 𝑟𝑖4𝑞 )) ∗ 𝑤𝑖 → 0
𝑖=1
20
ТАБЛИЦА I
СРАВНЕНИЕ ДВУХ БИОМЕТРИЧЕСКИХ СИСТЕМ
№ системы
КЛД (Коэффициент
ложного доступа)
1 (15 параметров, вид
руки сверху)
2 (17 параметров, вид
руки сверху и сбоку)
0.128
КЛОД (Коэффициент
ложного отказа доступа)
0.01
0.039
0.029
Из полученных результатов можно сказать о превосходстве второй системы.
V. ВЫВОДЫ И ЗАКЛЮЧЕНИЕ
В итоге работы получилась биометрическая система осуществляющая идентификацию человека по геометрии ладони. Созданное приложение дает возможность проводить
исследования качества распознавания человека в зависимости от набора биометрических параметров и значений весовых коэффициентов в метрических функциях. После решения поставленной оптимизационной задачи и проведении
дополнительных исследований мы сможем улучшить качество распознавания за счет получения информации о важности того или иного биометрического параметра
∑(( 𝑟𝑖1𝑘 − 𝑟𝑖4𝑘 ) − (𝑟𝑖3𝑘 − 𝑟𝑖4𝑞 )) ∗ 𝑤𝑖 → 0
𝑖=1
20
∑(( 𝑟𝑖2𝑘 − 𝑟𝑖4𝑘 ) − (𝑟𝑖3𝑘 − 𝑟𝑖4𝑞 )) ∗ 𝑤𝑖 → 0
𝑖=1
{
𝑤𝑖 > 0, 𝑖 = 1 … 17
Найдем оптимальное значение весов, тем самым улучшим
значения показателей качества системы.
IV. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ
В результате были реализованы все этапы идентификационной системы. Рассмотрим подробнее выполненные действия.
1) собрана экспериментальная установка для сбора образцов руки;
2) собрана база данных изображений;
3) произведена предобработка изображений;
4) реализовано приложение для идентификации человека
по геометрии руки, удовлетворяющее поставленным перед
ним требованиям.
В реализованном приложении заложен процесс идентификации, то есть вычисление биометрических параметров и
сравнение по заданной метрике их с образцами из базы данных. Был выбран порог, с которым сравнивалась погрешность и, в зависимости от соотношения, принималось решение о принадлежности образца из базы данных идентифицируемому человеку. Была реализована возможность проводить исследования качества биометрической системы.
Было проведено сравнение 2-х биометрических систем (из
15 и 17 параметров) на качество распознавания. Результаты
представлены в Табл. I.
СПИСОК ЛИТЕРАТУРЫ
[1] – Болл, Р.М. Руководство по биометрии / Р.М. Болл [и др.]. – М. :
Техносфера, 2007. – 368 с.
[2] – R. Clarke. Human identification in information systems: Management
challenges and public policy issues. Information Technology & People, 7(4):637, December 1994.
[3] – A.K. Jain, R.M. Bolle, and S. Pankanti (Eds). Biometrics: Personal Identification in Networked Society. Kluwer Academic Publishers, Boston, MA,
1999.
[4] – Тупиневич, К. Биометрия, или Сам себе идентификатор [Электронный ресурс] / К. Тупиневич. – Режим доступа: http://citcity.ru/13646/.
[5] – Чакчир, С. Биометрия - день сегодняшний [Электронный ресурс] /
С.
Чакчир,
В.
Литвиненко.
–
Режим
доступа:
http://www.polyset.ru/article/st093.php
[6] – L. Gavrilova, M. Week 5 Hand geometry [Электронный ресурс] / M. L.
Gavrilova. – Режим доступа:
pages.cpsc.ucalgary.ca/~marina/601/Week5_Hand%20geometry.ppt
Крестьянинова
Ольга
Олеговна
Попов
Александр
Александрович
Магистрант
кафедры программных систем и баз даных
Новосибирский государственный технический университет
Профессор
кафедры программных систем и баз даных
Новосибирский государственный технический университет