Poslovna Primjena Biometrijskih Karakteristika

8/20/2019 Poslovna Primjena Biometrijskih Karakteristika

1/46

PITUP

1 foiskripte.com „neslužbene skripte“

Poslovna primjena biometrijskih tehnologija

Sadržaj Prezentacija 1. Biometrija ........................................................................................................................................... 3

~ Realnost i mitovi ~ ................................................................................................................................................ 3

~ Definicija biometrije ~ .......................................................................................................................................... 3

~ Zašto biometrija ~ ................................................................................................................................................ 4

~ Što je novo? ~....................................................................................................................................................... 4

~ Identitet i biometrija ~.......................................................................................................................................... 5

~ Pregled biometrijskih karakteristika ~ ................................................................................................................... 6

~ Opći biometrijski model ~ ..................................................................................................................................... 8

~ Izgradnja biometrijskog sustava ~ ....................................................................................................................... 12

~ Pregled biometrijskih karakteristika ~ ................................................................................................................. 13

~ Prikupljanje i obrada biometrijskih podataka ~ ................................................................................................... 17

Prezentacija 2. – Lice ................................................................................................................................................. 17

~ Uvod ~ ............................................................................................................................................................... 17

~ Poteškoće ~ ........................................................................................................................................................ 19

~ Detekcija lica ~ ................................................................................................................................................... 21

~ Ekstrakcija karakteristika ~ ................................................................................................................................. 23

Prezentacija 3. – Otisak ............................................................................................................................................. 26

~ Uvod ~ ............................................................................................................................................................... 26

~ Uzorak i njegovo svrstavanje ~ ........................................................................................................................... 28

~ Ekstrakcija ~ ....................................................................................................................................................... 30

~ Poteškoće ~ ........................................................................................................................................................ 31

Prezentacija 4. – Poslovna primjena biometrijskih tehnologija ................................................................................... 32

~ Tehničko ispitivanje i evaluacija ~ ....................................................................................................................... 32

~ Klasifikacija aplikacija ~....................................................................................................................................... 34

~ Opći model biometrijskog sustava ~ ................................................................................................................... 34

~ Testiranje uređaja ovisnih o aplikaciji ~ .............................................................................................................. 34

~ Penetracijski odnos ~.......................................................................................................................................... 35

~ Bin Error Rate ~ .................................................................................................................................................. 35

~ Brzina transakcije ~ ............................................................................................................................................ 36

~ Intervali pouzdanosti ~ ....................................................................................................................................... 36

~ Protokoli ispitivanja ~ ......................................................................................................................................... 36

~ Osobine sustava na osnovi predviđanja rezultata ispitivanja ~ ............................................................................ 36

~ Rezultati ispitivanja ~ ......................................................................................................................................... 37

~ Unimodalni vs. Multimodalni biometrijski sustav ~ ............................................................................................. 37


2/46

PITUP


~ Različitosti ~ ....................................................................................................................................................... 37

~ Opći multimodalni sustav ovjere ~ ...................................................................................................................... 39

~ Opći prikaz multimodalnog biometrijskog sustava ~ ........................................................................................... 39

~ Odabir biometrijskih karakteristika ~ .................................................................................................................. 40

~ Udruživanje biometrijskih karakteristika ~ .......................................................................................................... 40

~ Multimodalni biometrijski sustav za verifikaciju ~ ............................................................................................... 41

~ Različiti događaji u multimodalnom biometrijskom sustavu ~ ............................................................................. 42

~ Multimodalni identifikacijski biometrijski sustav ~ .............................................................................................. 42

~ Pravni i praktični aspekt ~ ................................................................................................................................... 43

~ Prednosti ~ ......................................................................................................................................................... 44

~ Korištenje ~ ........................................................................................................................................................ 44

~ Privatnost ~ ........................................................................................................................................................ 44

~ Prednosti ~ ......................................................................................................................................................... 45

~ Cijena ~ .............................................................................................................................................................. 45

~ Prihvatljivost ~ ................................................................................................................................................... 46


3/46

PITUP


Prezentacija 1. Biometrija

~ Realnost i mitovi ~

- različita prepoznavanja - 100% prepoznavanje bilo koje slike iz bilo kojeg ugla

- Trenutno prepoznavanje bilo koje osobe

- Posjedovanje super baze podataka koja zna tko je tko

- Pristup super bazi podataka sa podacima DNA svega što postoji na svijetu (uključujući, osobe, biljke,

životinje, ....)

- Dostupnost svih tehnologija policajcima i tužiteljima

- Sve radi u realnom vremenu!

- BIO

- realnost - Slika ovisi o utjecaju svjetla, kutu izuzimanja slike, veličini (na primjer lica), kvaliteti uhvaćene slike i poznate slike

- Za obradu u realnom vremenu u izuzimanju i procesiranju slike potrebni su suvremeni računalni resursi (high-end)

- Sustavi su stand-alone

- Neki od sustava za prepoznavanje lica danas su u evaluaciji za alat koji ce se koristiti za prepoznavanje počinitelja

odnosno u zakonom propisane svrhe

- Kod sustava za prepoznavanje slike postoji različito povjerenje u usporedbu a sve u ovisnosti o primjeni sustava

- Postoji nekoliko različitih jedinstvenih formata za razmjenu slika koji otežavaju rad u jedinstvenom okruženju

- Postoji problem razmjene podataka među različitim tijelima

- Sustavi za prepoznavanje otisaka prsta imaju točnost od 0.01% FAR odnosno 0.4% FRR

- Varijable koje najviše utječu na točnost su broj prsta koji se koriste kao i kvaliteta otisaka prsta

- Različiti se sustavi razlikuju po načinu obavljanja zadataka Biometrijski se sustavi koriste u školama (prehrana, ulaz u

laboratorije i sl...) - 9/11 ....

~ Definicija biometrije ~- predstavlja presjek nekoliko znanosti - fizički ili ponašajni uzorak koji se može mjeriti i identificirati s ciljem potvrde

identiteta osobe"

- upućuje na automatsku identifikaciju osobe temeljenu na njezinoj fizičkoj ili

ponašajnoj karakteristici"

- biometrijske tehnike su automatizirane metode verifikacije ili prepoznavanje živih

osoba na temelju fizičkih ili ponašajnih karakteristika"


4/46

PITUP


- uži i širi kontekst biometrije – u širem smislu - predstavlja statističko proučavanje bioloških fenomena, odnosno to je

primjena matematike i statistike u razumijevanju živih bića

- u užem smislu - može definirati kao znanost koja se bavi istraživanjem mogućih

prepoznavanja osoba na temelju njihovih fizičkih i/ili ponašajnih

karakteristika

- podjela biometrijskih karakteristika – fizičke

- ponašajne

- tvrde

- meke

- podjela biometrijskih metoda – kontaktne

- beskontakne

~ Zašto biometrija ~- krađa identiteta

- trendovi u Europi - S povećanjem prijevara vezanih za identitet povećava se i svijest o sigurnosti, posebno se to odnosi na

hitnu potrebu za učinkovito prepoznavanje osoba kako u blizini tako i lokalno

- Bez obzira na tehniku koja se koristi, smart-card, token, ili biometrija, identifikacija se odvija na razini

poslužitelja koji sadrži podatke

- Globalni proboj biometrije u kontekstu provjere identiteta čini se obećavajućim posebice u sustavima

prelaska granice

- Biometrijske putne isprave, biometrijske osobne iskaznice ...

- velik broj podataka - Biometrijska poboljšanja identifikacijskih dokumenata kao i pametnih kartica na kojima se podaci nalaze

a koje se koriste u kontrolama identiteta predstavljaju zadatak velikih razmjera

- Bez obzira na uvođenje biometrijskih putnih isprava još postoje poteškoće u radu sustava

- Još uvijek se sustav biometrijskih putnih isprava može nazvati nedovršenim (ili nepotpunim)

- novac

~ Što je novo? ~- Dokumenti za identifikaciju putovnica i osobna iskaznica imaju elemente biometrije

- Dokaz identiteta uz identifikacijske dokumente jest usporedba biometrijskih karakteristika


5/46

PITUP


- Sukladno ICAO i EU specifikacijama u chip kartice pohranjeni su: slika, dva otiska prsta te elektronički potpis

- Integracija tehnologija: chip karticu (smart karticu); radio-frequency identification (RFID); elektronički potpis kao i PKI; back-

office systems, biometrija

- mobilni sustavi - Zaštita prijenosnih računala (procjena je da se godišnje ukrade oko 200000 prijenosnih računala), zaštita

mobilnih telefona (nema podataka o broju ukradenih ali ....)

- Trenutno na tržištu postoji nekoliko različitih biometrijskih rješenja

~ Identitet i biometrija ~

- definicije - Biometrija - automatsko prepoznavanje osoba temeljem fizičkih i/ili ponašajnih karakteristika

- Biometrika - statističke i matematičke metode koje se koriste u analizi podataka u biologiji

- Biometrijski sustavi - automatizirani sustavi prepoznavanja koji prepoznaju osobu temeljem specifičnih fizičkih

i/ili ponašajnih karakteristika koje osoba posjeduje

- Antropometrija - znanost o mjerenju ljudskog tijela i njegovih proporcija

- Forenzička antropometrija - identifikacija počinitelja primjenom tehnika mjerenja

- povijest - Biometrija se javlja početkom osamdesetih godina prošlog stoljeća

- Preteča joj je antropometrija

- Kina, Japan, 8 st.pne - koristili otisak prsta na ugovorima umjesto potpisa

- Hercshel William (1833-1918) identifikacija pomoću otiska prsta

- Alphonse Bertillon (1856-1913) začetnik antropometrije

- Ivan Vučetić - jedinstveni klasifikacijski sustav

- identitet - Identitet je skup znacajki koje neku osobu cine onom koja jest

- Identitet entiteta je dinamična kolekcija svih atributa nekog entiteta koji ga jednoznačno određuju

- Priznanje da netko (nešto) zaista jest ono cime se prikazuje (utvrđivanje identiteta)

- Usporedba jedan naprema više 1:N

- identifikacija - Proces korištenja atributa (i to tvrdnji ili opažanja) nekog entiteta kako bi se jedinstveno odredilo tko ili što taj

entitet zaista jest

- Identifikacija entiteta pomaže u kontekstu razlikovanja entiteta u interakciji

- Autentikacija (verifikacija identiteta) - proces koji se koristi da poveže fizičku osobu sa odabranim

identitetom

- Uloga biometrije - kreirati pouzdanu poveznicu između fizičke osobe i odgovarajućeg digitalnog identiteta

- Verifikacija - testiranje korisnika radi potvrde da je on/ona zaista osoba za koju se predstavlja. Usporedba


6/46

PITUP


jedan naprema jedan 1:1

- identitet i biometrija – identitet se često utvrđuje kroz - Nešto što osoba posjeduje (npr iskaznica)

- Nešto što osoba zna (npr PIN)

- Nešto što osoba jest (ljudsko tijelo)

- poteškoće - Nešto što osoba posjeduje može se izgubiti

- Nešto što osoba zna može se zaboraviti

- Nešto što osoba jest ....?

- upravljanje identitetom - Proces registracije, pohrane, zaštite i osiguranja korisničkog osobnog identifikatora kao i privilegije

u elektroničkom okruženju u namjeri sigurnog, efikasnog i učinkovitijeg načina

- Skup administrativnih alata za upravljanje životnim ciklusom digitalnih korisničkih identiteta

- Uključuje sve funkcionalnosti višestrukih identiteta vlasnika kao i dijelove s kojima je u interakciji

- Biometrijski identitet je direktno povezan s osobom te na taj način direktno utječe na izazove

identifikacije

- sigurnost trojstva identifikacije

~ Pregled biometrijskih karakteristika ~

- fizičke - Otisak prsta, slika lica, dlan, rožnica, šarenica, termogram lica, termogram tijela, uho ...

- ponašajne – Potpis, glas, dinamika tipkanja, miris, hod ...

- tvrde – Otisak prsta, šarenica, DNA, termogram lica ...

- meke – Visina, boja kose, težina, boja očiju ...

- kontaktne – Otisak prsta, dlan, rožnica, šarenica, potpis, hod ...

- nekontakne - Slika lica, glas, dinamika tipkanja, miris ...


7/46

PITUP


- idealna biometrijska karakteristika – univerzalnost – Svaka osoba mora posjedovati tu karakteristiku

- jedinstvenost – Dvije osobe ne smiju imati jednaku karakteristiku

- stalnost – Karakteristika mora biti stalna kroz vrijeme

- prikupljivost – Mora se moći prikupljati i mjeriti

- prihvatljivost - Mora se moći prikupljati i mjeriti


8/46

PITUP


~ Opći biometrijski model ~- Waymanov model

- prikupljanje podataka - Za ulaz ima biometrijsku karakteristiku na mjestu prezentacije senzora

- ovisi o nizu čimbenika - Biometrijska karakteristika, određuje razinu do koje je moguće adekvatno

uzrokovati

- Utjecaj okoline

- Prezentacija, da li je karakteristika na odgovarajući način prezentirana

- Senzor, kvaliteta senzora i način na koji senzor uzrokuje karakteristiku

- Korisnik


9/46

PITUP


- prijenos podataka – Kompresija/sažimanje - proces smanjivanja podataka da bi oni bili adekvatniji za prijenos i pohranu

- Metode sažiman ja bez gubitka

- Metode sažimanja s gubicima - prilikom rekonstrukcije moguće je rekonstruirati

originalni

uzorak samo djelomično

- Prijenos - proces koji prima sažete digitalne uzorke i prenosi ih na mjesto obrade odnosno pohrane

- Ovisi o čimbenicima prijenosnog kanala, vrsti korištenog protokola kao i vanjskim čimbenicima

- Ekspanzija - proces rekonstrukcije sažetih podataka.

- U ovaj proces ulazi digitalizirani, sažeti i preneseni biometrijski uzorak koji se tada pokušava

rekonstruirati u originalni oblik odnosno oblik pogodovan za daljnju obradu


10/46

PITUP


- obrada signala - Izlučivanje strukture - proces koji prima ekspandirane podatke i različitim transformacijama iz njih pokušava

izlučiti

strukturu na temelju koje ce se obavljati prepoznavanje

- kontrola kvalitete – proces koji pokušava na temelju izlučene strukture zaključiti radi li se o dovoljno

kvalitetnom uzorku

ili je potrebno ponoviti postupak uzorkovanja

- Prepoznavanje - proces koji prima validiranu izlučenu strukturu i uzorak iz baze podataka na temelju kojeg ce

se

obavljati prepoznavanje

- Za izlaz daje podatke o biometrijskom prepoznavanju koji mogu predstavljati uspjeh ili

neuspjeh

- U posebnim slučajevima uvježbavanja, izlaz može predstavljati i izlučena struktura

- odluka – Odlučivanje - proces koji za ulaz uzima podatke iz procesa prepoznavanja i na temelju njih donosi odluku o daljnjem

postupku

- Moguće su slijedeći scenariji - sustav je u stanju uvježbavanja pri čemu se dobivena izlučena struktura pohranjuje u

bazi podataka

- sustav je u stanju aktivnog rada (ovdje su moguće dvije situacije, sustav je prepoznao

odnosno nije

prepoznao uzorak)

- Ovako postavljeni model može biti kako za identifikaciju, tako za verifikacijom, klasifikaciju, uvježbavanje ili nešto

drugo što

predstavlja model za višu razinu općenitosti


11/46

PITUP


- pohrana – Pohranjivanje - proces koji za ulaz prima digitalizirane u sažete uzorke odnosno izlučene strukture i pohranjuje ih u

bazu

podataka

- Izlazi iz procesa jednaku su na ulazima u ovisnosti o situaciji u kojoj su potrebni


12/46

PITUP


~ Izgradnja biometrijskog sustava ~

- Može se reducirati prema dizajnu sustava za prepoznavanje uzoraka koji zadovoljava temeljne specifikacije izgradnje

- Mogu se nadopuniti sekvencijalnom fazno moduliranom arhitekturom (prikazano na slici)

- Zasjenjenjeni podaci na slici predstavljaju automatske procese dok su ostali ručni

- Četiri osnovna zahtjeva pri izgradnji biometrijskog sustava:

- Točnost - Ne može se točno izmjeriti niti postoji mjerna jedinica u kojoj bi se ona izrazila te ju je moguće samo procijeniti.

- Ta procjena se vrši sa razinama pogrešaka koje između ostalog uvršćuju vjerojatnost da ce lažni korisnik biti

prihvaćen (False

Accept Rate) ili vjerojatnost da ce legalni korisnik biti odbijen (False Reject Rate).

- Ove razine pogrešaka cesto se koriste kao procjena za korisničku populaciju koju ne zanima manipulacija iznimkama.

- Brzina računanja - Koliko brzo sustav može donijeti odluku vrlo je važan faktor

-Važno je znati i mogućnosti brzine sustava posebice kada postoji mogućnost povećanja broja korisnika

- Cijena sustava - Uključuje cijene svih komponenti sustava

- Manipulacija iznimkama - Svaki ce biometrijski sustav prije ili poslije doći do problema koji se mora riješiti u procesu

manipulacije

iznimkama a koji uključuje osobe vještake iz određenih područja

- Može se dogoditi da korisnik ne želi koristiti biometrijski sustav ili spada u populaciju kojoj se ne

može izuzeti

karakteristika ili jednostavno korisnik ima loš biometrijski dan


13/46

PITUP


- Ti se događaji nazivaju greškama u korištenju (Failure to Use), greškama u izuzimanju (Failure to

Enroll) i

greškama u stjecanju (Failure to Acquire)

- uz cetiri osnovna zahtjeva pri izgradnji biometrijskih sustava potrebno je voditi računa i o:

- Sigurnost - Činjenica da odluku donosi biometrijski sustav može se iskoristiti za dokaz autorizacije ili prisutnosti kod senzoram,

a što

postavlja pitanje integriteta biometrijskog sustava

- Važno je znati i mogucnosti brzine sustava posebice kada postoji mogućnost povećanja broja korisnika

- Privatnost - Postoji bojazan da se biometriju može iskoristiti kao alat za uspostavljanje totalitarnog režima jer je moguće

povezivanje

lažnih identiteta sa realnim karakteristikama

~ Pregled biometrijskih karakteristika ~

- U samim počecima prednost je davana fizičkim u odnosu na ponašajne karakteristike

- Danas su i fizičke i ponašajne karakteristike ravnopravno zastupljene

- Trenutno se razvija ili je u fazi razvoja preko 50-tak biometrijskih karakteristika

- Prikaz najčešćih ...

- slika lica – najuobičajenija biometrijska karakteristika

- Najaktivnija istraživanja

- Nenametljiva tehnologija - korisnički prihvatljiva

- U početku se prepoznavanje zasnivalo na prepoznavanju značajki, dok se danas uglavnom koriste LDA, PCA, SVD, kao i

tehnike

zasnovane na umjetnoj inteligenciji

- otisak prsta - najčešće korištena biometrijska karakteristika

- Dobro istraženo područje

- Nametljiva tehnologija - korisnički (ne)prihvatljiva (asociranje na policiju)

- Oblik i formacija ovise o prvotnim uvjetima razvoja embrija

- Invarijantnost na starosne promjene – vodeća karakteristika pri dokazivanju identiteta

- dlan - Raznolikost geometrije dlana, uključujući oblik dlana i širinu prstiju može biti korištena kao biometrijska karakteristika

- Područje koje se još uvijek istražuje

- Nenametljiva tehnologija - korisnički prihvatljiva (uglavnom se koristi na ulazima u sportske objekte, kina, kazališta ....)


14/46

PITUP


- Problem: točnost, jedinstvenost, problemi sa nakitom, niska sposobnost razlučivanja


15/46

PITUP


- šarenica - Raspored uzoraka šarenice ljudskog oka ovisi o prvobitnom položaju embrijskog mezoderma iz kojeg se i razvija

- Jedinstven je kod svake osobe i ne mijenja se tijekom života

- Šarenica je urođeno izdvojena od vanjskog okoliša i kirurški je nepromjenjiva

- Najsigurnija biometrijska karakteristika

- Aktivno područje istraživanja

- Problem: korisnička prihvatljivost

- mrežnica - Vene mrežnice oka trebale bi biti jedinstvene za svakog pojedinca i za svako oko

- Tvrdi se da je to najsigurnija biometrija, jer vene mrežnice nije jednostavno promijeniti ili kopirati

- Hvatanje slike vena mrežnice zahtijeva od osobe da gleda u okular i pogled fokusira na specifičnoj točci u

vidnom polju,

tako da unaprijed određeni dio vena mrežnice može biti slikan


- Problem: korisnička prihvatljivost

- termogram lica i tijela - Potkožni krvožilni sustav na ljudskom licu i tijelu proizvodi jedinstveno obilježje ljudskog lica i tijela, dok

se toplina

koja prodire kroz tkivo isijava iz kože

- Vjeruje se da je termogram lica i tijela jedinstven za svaku osobu

- Nenametljiva tehnika


- Problem: osjetljivost na primjene temperature, utjecaj, opijata, alkohola, lijekova, fizičke aktivnosti ...

- uho - Poznata je činjenica da su oblik uha i struktura hrskavog tkiva na površini uha različiti među osobama

- Značajke nisu jedinstvene



- Ne postoji komercijalni sustav

- DNK - Jedinstven za svaku osobu

- Pitanje: Da li je DNK biometrijska karakteristika

- Nametljiva tehnika

- potpis - Svaka osoba ima jedinstven rukopis, a potpis je neka vrsta otiska prsta koji se može iskoristiti u identifikaciji osobe

- Razvija se tijekom vremena


16/46

PITUP


- Uzastopni uzorci su različiti, ne postoji 100% preklapanje

- Nametljiva tehnika

- Problem: pouzdanost, način izuzimanja (statički, dinamički) ...

- glas - Karakteristike ljudskog glasa potpuno su određene vokalnim traktom, ustima, nosnom šupljinom i ostalim mehanizmima

za

stvaranje glasa u ljudskom tijelu

- Razvija se tijekom vremena


- Problem: pouzdanost, bolest, mutacija, senzor, jedinstvenost

- dinamika tipkanja - Karakteristike načina unosa na tipkovnici različite su među osobama

- Nije jedinstvena


- predviđa se velika primjena u skoroj budućnosti

- Problem: pouzdanost, bolest, senzor, jedinstvenost ...

- miris - Poznato je da svaki objekt luci miris, karakterističan za njegov kemijski sastav

- Biometrijski sustavi, bazirani na ovoj biometriji, rade tako da se dašak zraka koji okružuje objekt upuhuje preko

kemijskih

senzora, od kojih je svaki osjetljiv na određenu grupu aromatskih smjesa


- Komponenta mirisa emitiranog od ljudskog (ili životinjskog) tijela, različita je za svaku jedinku

- Problem: utjecaj kemijskih tvari (dezodorans, feromoni i sl.),kvaliteta senzora ...

- hod - Hod predstavlja složenu prostorno-vremensku biometriju ponašanja

- Hod nije jedinstven za svakog pojedinca, ali je dovoljno karakterističan da omogući provjeru identiteta


- Provjeravanje temeljeno na hodu tipično upotrebljava slijed slika hodajuće osobe, a sama se provjera zasniva na

karakterizaciji

nekoliko različitih pokreta svakog artikuliranog zgloba

- Problem: bolest, starenje, ozljeda, kvaliteta senzora ...


17/46

PITUP


~ Prikupljanje i obrada biometrijskih podataka ~

- Sve veća primjena biometrijskih podataka u sustavima državne uprave, posebice kod identifikacijskih dokumenata poput

osobnih iskaznica ili putovnica, uz povećanu sigurnost donosi i veliku dozu nesigurnosti poznatiju kao sindrom Big Brother,

donosno postavljanja pitanja Tko nadzire nadzornike?

- Otvoreno pitanje upotrebe biometrije posebno je zanimljivo kada ga se veže sa ljudskim pravima

- Integritet tijela osobe kao i korištenja istog u kontekstu biometrije ulazi u domenu ljudskog dostojanstva

- Nužno je stoga implementirati sustav koji ce osigurati etičku odgovornost

- cl 8 Konvencije o zaštiti ljudskih prava daje implikacije na postupke prikupljanja i korištenja tjelesnih karakteristika a pri čemu

dostojanstvo čovjeka mora biti u potpunosti ispoštovano

- Preveliko zadiranje u privatnost treba biti stavljeno pod određeni nadzor (kako se ne bi zloupotrijebili podaci koji se mogu

očitati poput bolesti, konzumiranja opijata i s l)

- Poželjno je stoga da se biometrijski sustavi koriste (kada je god to moguće) kao sustavi autentikacije a ne identifikacije

Prezentacija 2. – Lice

~ Uvod ~

- o licu - Za ljude, prepoznavanje lica je prirodna metoda vizualne interakcije koja se koristi za identifikaciju osoba

- Zasigurno najstariji oblik identifikacije osoba

- Tehnika prepoznavanja lica stara je kao i computer vision ponajprije zbog praktične važnosti kao i teorijskog interesa

znanstvenika koji izučavaju kognitivne znanosti

- Memoriranje lica ovisi o stajalištu

- Ljudi prepoznaju ljude iz vlastite rase bolje nego ljudi iz druge rase

- zašto lice - Ljudi najčešće koriste lice za raspoznavanje osoba

- Moguće ga je prepoznati iz daljine

- Najstariji oblik identifikacije osoba

- Lako ga je i jednostavno uhvatiti (cak i senzori slabijeg cjenovnog razreda daju dobre osnove za hvatanje slike)

- Nekontaktna tehnika i samim time korisnički vrlo prihvatljiva

- Dugo se koristi u cijelom nizu dokumenata (putovnice, osobne iskaznice ...)

- primjena - Zakonodavstvo (policija)

- Verifikacija identiteta (osobne iskaznice, vozacke dozvole ...)

- Nadzor ponašanja na javnim mjestima

- Sigurnosne aplikacije ....

- prednosti - Slika lica ne posjeduje skrivene informacije koje korisnik ne želi odati (poput termograma na primjer)


18/46

PITUP


- Sama slika je socijalno prihvaćen oblik razmjene i pohrane

- Od naše rane mladosti se prikuplja za osobne dokumente

- Javnost je svjesna prikupljanja slika lica u sigurnosne svrhe

- Dostupnost svih tehnologija policajcima i tužiteljima

- Prikupljanje je gotovo trenutno a moguće je hvatanje slike lice i retrospektivno

- Jedna od rijetkih tehnika gdje osoba može načiniti komparaciju

- Slika lica ne otkriva druge informacije koje ljudi koji vide lice mogu otkriti

- Slika lica je socijalno i kulturološki prihvaćena karakteristika

- Slika lica se prikuplja desetljećima za identifikacijske isprave

- Nije kontaktna te je korisnici prihvaćaju

- Primjena ne zahtjeva posebnu obuku korisnika

- Lako je prikupljiva

- povijest - Tijekom 1880-1890 Bertillon je načinio sustav mjerenja tijela - Nije mogao razlikovati blizance!

- Više formalnu metodu klasificiranje lica predložio je 1888 Francis Galton - Predložio je metodu prikupljanja profila lica

kao krivulja

- Prvi poluautomstski pristup prepoznavanju lica načinio je Bledsoe 1966

- Temeljen na ručnom markiranju karakterističnih točaka

- Rubovi očiju, rubovi usana, nos i brada

- 1988 Razvijene su tehnike svojstava lica u svrhu prepoznavanja

- Detekcija lica 1991

- FacE REcognition Technology (FERET) 1991

- Face Recognition Vendor Test (FRVT) 2000

- Primjena prepoznavanja lica Super Bowl, Tampa, Florida 2001

- lice na identifikacijskim ispravama - ICAO (International Civil Aviation Organisation) odobrava korištenje slike lica kao globalne

interoperabilne biometrije za automatiziranu provjeru identiteta sa automatiziranog

čitača putnih

isprava

- ICAO daje mogućnost državama da uz sliku lica mogu u biometrijskim automatiziranim

sustavima


19/46

PITUP


odabrati i otisak prsta i/ili šarenicu kao dodatnu biometrijsku karakteristiku s ciljem dodatne

asistencije

u identifikaciji osobe

- ICAO napominje kao postoje i određene poteškoće ...

- predložak - Predlošci za "pravilno" izuzimanje slike lice i njezinu daljnju obradu ovise o proizvođačima sustava za

prepoznavanje lica

- ICAO standard propisuje fotografiju na 300 dpi, sa približno 90 piksela između očiju ukupne veličine oko 634kB

- Jedan od primjera dostupan je na http://czb.foi.hr/hr/bioface

- rezanje slike - Rezanje slike također je definirano i mora se pridržavati određenih pravila

- Cijelo lice treba biti obuhvaćeno nikako samo dio lica

- ICAO preporučuje da se slike ne režu odnosno ako se režu da se režu o brade do završetka kose

~ Poteškoće ~- Veliki koeficijent entropije

- Identifikacija slicnih lica (unutar-klasna slicnost)

- Unutar-klasna varijabilnost - Položaj glave

- Osvjetljenje

- Izrazi

- Dodaci na licu

- Utjecaj starenja

- Automatsko detektiranje i lokalizacija lica

http://czb.foi.hr/hr/biofacehttp://czb.foi.hr/hr/biofacehttp://czb.foi.hr/hr/biofacehttp://czb.foi.hr/hr/bioface


20/46

PITUP


- verifikacija lica u praksi - Isti dan, isto osvjetljenje FAR(%) 2 FRR (%) 0.4

- Isti dan, razlicito osvjetljenje FAR(%) 2 FRR (%) 9

- Razliciti dani FAR(%) 2 FRR (%) 11

- Razliciti dani tijekom 1,5 godine FAR(%) 2 FRR (%) 43

- Preuzeto od Jonathan Phillips et al...

- model sustava za prepoznavanje lica

- tipovi slika - Pojedinačna slika - kreiranje digitalizirane kopije sa tvrde kopije/digitalne kamere

- Video sekvence – nadzorne kamere hvataju video stream

- 3D slike - stereo, strukturirano svjetlo, tehnika rangiranja po fazama

- Infracrvena - koristi se za hvatanje slabijih svjetlosnih razina

- Termogram – puni temperaturni opseg, visoka cijena

- izazovi - Fizički izražaj - Brze promjene u izrazima lica poput treptanja, govora, emocija kao i komunikacijskih facijalnih

ekspresija

- Spore promjene uslijed starenja

- Osobne promjene kao posljedica šminke, naočala, brade i brkova, frizure, ...

- geometrija hvatanja - Općenito slika lica - nalazi se na nepoznatoj lokaciji (potrebna detekcija lica)

- ima nepoznatu rotaciju u ravnini

- ima nepoznatu veličinu

- Geometrija se mijenja kada osoba gleda ravno u kameru

- Rotacija lica ima dubinu, slikanje iz profila ili u koso uzrokuje različitosti u pojavljivanju lica

- rotacija u ravnini – 1 stupanj slobode


21/46

PITUP


- rotacija van ravnine – 2 stupanj slobode

- poteškoće - Uvjeti osvjetljenja - Osvjetljenje ljudskog lica može imati veliki utjecaj na obradu slike lica (poput direktnog

osvjetljenja ili

djelomičnog osvjetljenja pojedinog dijela lica

- Karakteristike kamere mogu promijeniti izgled lica na slici bez obzira na ambijentalno

osvjetljenje

- Osobine kamera - automatsko uravnoteženje bjeline na slici, regulacija pojačanja odnosno

smanjenja

buke

- Zašto je prepoznavanje lica teško?- Svjetlost, Poze glave, Facijalni izrazi, Ortopedske i kozmetičke smetnje

- Kompresija - postoji neočekivana degradacija slike zbog kompresije i dekompresije

- Standardi koji se koriste za kompresiju poput JPEG-a i MPEG-a su bazirani na kompresiji blokova slike i nisu dizajnirani

da očuvaju

sliku lica

~ Detekcija lica ~

- Identificira i locira ljudska lica na slici zanemarujući njihov oblik, veličinu, rotaciju, orijentaciju, položaj i svjetlost

- Ovo je prvi korak u sustavima automatskog prepoznavanja lica

- Metode detekcije lica:

- Temeljene na znanju - Dešifrira ljudsko znanje o tome što predstavlja tipično lice - odnos između karakteristika lica

- Baziran je na znanju čovjeka o tipičnoj geometriji ljudskog lica kao i osobina lica

- Iskorištava prednosti simetrije lica kao i poretka od vrha do dna lica te poretka od lijeva na desno u

kojem se

značajke pojavljuju na licu, opisujući oblik, veličinu, teksturu i druge karakteristike lica (poput nosa,

brade, obrva)

i odnosa među njima (relativne pozicije i udaljenosti)

- Kod ispitivanja u uvjetima različitog osvjetljenja može se koristiti hijerarhijski pristup

- Na višim razinama, moguće je pronaći lica primjenom grubih opisa geometrije lica

- Na nižim razinama, karakteristike lica se ekstrahiraju te se dio slike identificira kao lice ili ne lice

- Problem - pronaći uspješan put za prijenos ljudskog znanja o geometriji lica u smislena i dobro

definirana

pravila


22/46

PITUP


- ne rade dobro u različitim pozama ili orijentaciji glave

- Pristup top-down- Najniža razina - traženje kandidata (centralni dio lica posjeduje 4 dijela matrice

istog

intenziteta)

- Detekcija rubova

- Traženje očiju i rubova usta

- Pristup temeljen na karakteristikama- Cilj mu je pronaći strukturirane značajke lica koje postoje cak i kada poza, stav ili

osvjetljenje

variraju

- Ima za cilj pronaći strukturne značajke koje postoje u uvjetima različitih osvjetljenja

- Koristi različite strukturne značajke (obilježja lica, tekstura, oblik i boja kože)

- Obilježja lica poput očiju,obrva,nosa i usta se ekstrahiraju korištenjem filtra i

detektora rubova

- statistički se modeli tada izgrađuju kako bi opisali odnose i provjerilo postojanje lica

- Boja kože je dobar način detekcije (radi brze segmentacije)

- Koriste se i pristupi kombiniranja više karakteristika kako bi se poboljšala točnost

- Problem ove tehnike mogu predstavljati slike lošije kvalitete ili deformirane

odnosno slabijeg

osvjetljenja ili šuma

- Usporedba predložaka- Standardni predlošci pohranjeni da opišu lice kao cjelinu ili karakteristike lica pojedinačno

- U detektiranju lica ova metoda prvo radi obris lica koji je grubo eliptičan, tada se primjenjuje

detekcija rubova ili

silueta

- Drugi korak je Izlučivanje konture lica temeljem znanja kao i geometrijskih karakteristika

- Zadnji korak je računanje korelacije između ekstrahiranih karakteristika i preddefiniranih predložakalica i

karakteristika s ciljem determiniranja da li je na slici lice

- Usporedba predložaka osjetljiva je na oblik i položaj lica (stoga se koriste elastični modeli...)

- Temeljene na izgledu- Modeli (ili predlošci) su naučeni iz skupa slika za učenje koje su uhvaćene i predstavljaju različite izglede

lica

- Koriste veliki broj primjera koji opisuju različite varijacije

- Detekcija lica se promatra kao klasifikacija uzorka na lice i ne lice


23/46

PITUP


- Klasa ne lice se opisuje kao sve što nije lice

- Kako bi se detektiralo lice cijela se slika skenira i dijelovi se slike identificiraju kao lice odnosno ne lice

temeljem

vjerojatnosti

- Može se koristiti bilo koji algoritama za prepoznavanje uzoraka (PCA, LDA, NN, HMM ...)

~ Ekstrakcija karakteristika ~

- Uobičajeno se izluči između 10 i 13 osnovnih točaka,karakteristika ili udaljenosti

- Neke karakteristike/udaljenosti uključuju - Centar oka, Udaljenost između očiju, Lokaciju obrva, Debljinu obrva, Poziciju nosa,

Širinu nosa, Lokaciju nosnica, Poziciju usta, Širinu usana, Udaljenost između gornje usne i vrha nosa, Udaljenost između vrha

nosa i očiju

- eigenfaces - Ideja je da se reducira stog l ica koji sadrži tisuće piksela na relativno mali brojčani skup

- Hvatanje posebnosti lica

- Eigenface predstavljaju skup standardiziranih dijelova lica koji su izvedeni iz statističkih analiza velikog broja slika lica

- S obzirom na stog od n slika lica, prosječno lice kao i matrica kovarijanci računaju se za n slika

- karakteristike - ne prave razliku između oblika i pojave

- PCA ne koristi informacije o klasama, optimalan je za

- rekonstrukciju male dimenzionalnosti

- problemi - različita iluminacija

- različita poza

- različiti facijalni izražaji

- transformiraju lice u manji broj dimenzija

- nema distinkcije izme.u unutar i van klasnih varijabli

- verificira da li je slika lice

- problemi sa osvjetljenje, pozama ...

- optimalno za predstavljanje ali ne i za opis

- verifikacija lica


24/46

PITUP


- prepoznavanje - Općenito promatrajući. sustav prepoznavanja lica ima za zadatak pronaći lice na sceni, normalizirati ga za

translaciju,

skalirati i rotirati u ravnini

- Mnogi su pristupi za pronalazak lica na slici bazirani na modelima ljudskih lica vezanih za oblik kao i

teksturu

- Kada se pronađe lice na slici, sustav prepoznavanja može vršiti prepoznavanje u dva osnovne moda

- Temeljeno na slici (koristi predefinirane standardne obrasce lica)

- Temeljeno na značajkama (koncentracija na izvedene značajke poput udaljenosti između

karakterističnih

točaka, boje kože, dubine očnih duplji ...)

- metode prepoznavanja:

- temeljene na izgledu - Metode temeljene na izgledu analiziraju distribuciju pojedinačnog lica u prostoru lica

- Lokalne karakteristike – DCT - 1974 Ahmed, Natarajan, Rao dokazali da daje optimalne rezultate u pogledu zadovoljenja

osnovnih uvjeta

koje transformacija treba zadovoljiti

- Slična diskretnoj Fourierovoj transformaciji (DFT nema realnu jezgru)

- Jezgra transformacije jednaka je za sve blokove


25/46

PITUP


- Može se provoditi zasebno za horizontalni i vertikalni smjer

- Koristi kosinusne funkcije čiji su argumenti diskretni valni oblici

- DCT za određivanje svakog DCT koeficijenta prolazi kroz sve elemente bloka

- Potrebno je 8x8 = 64 operacije, odnosno za sve 64polja ukupno 4096 operacija

- Blok 8x8 smatra se idealnim za diskretnu kosinusnu transformaciju.

- DCT ne provodi kompresiju već se izvorni elementi slike pretvaraju u oblik iz kojeg je moguće jasno

odrediti

redundanciju

- KLT/Kvantizacija - Ljudsko oko može tolerirati veću količinu šuma na visokim frekvencijama nego li na

niskim

(zbog toga se rabi kvantizacija!)

- Eventualno nastali šum koncentrira u području visokih frekvencija gdje je slabo uočljiv

- DCT koeficijenti se dijele faktorom koji je funkcija položaja u bloku (povećava se pri kretanju

desno i

prema dolje)

- Nakon kvantizacije vrijednosti koeficijenata biti ce još manje, većina ce biti bliska nuli

- Holistički pristup (pristup temeljen na izgledu):

– PCA - Principal Component Analysis; Analiza svojstvenih komponenti

- Jedna od najuspješnijih tehnika koje se koriste za prepoznavanje slika i kompresiju

- Glavna primjena: prepoznavanje iz slika koje su prezentirane kao unos podataka

- Statistička metoda bliska analizi faktora

- Osnovna svrha jest smanjiti i reducirati višedimenzionalnost prostora

- Transformira određeni broj varijabli koje su povezane u manji broj nepovezanih varijabli (glavne komponente)

- Svrha joj je redukcija velikog broja podataka na puno manji broj a koji još uvijek zadržava kljucne podatke

- Redukcija se provodi u slučajevima kada postoji velika korelacija između promatranih varijabli

- U fokus stavlja one podatke koji su najvažniji i koji sadrže najviše informacija

- Uključuje izračuna dekompozicije svojstvenih vrijednosti iz kovarijantne matrice podataka ili dekompozicije pojedine vrijednosti

iz matrice podataka

- Najjednostavnija multivarijantna analiza koja se temelji na svojstvenim vektorima

- PCA ili Karhunen-Loveve transformacija je metoda predstavljanja podataka koja pronalazi alternativni skup parametara za skup

sirovih podataka (ili karakteristika) takvih da je najveća varijabilnost u podacima komprimirana sa prvih nekoliko parametara


26/46

PITUP


- Statistički postupak za reduciranje dimenzija podataka sa minimalnim gubitkom informacija

- Transformirani PCA parametri su ortogonalni

- PCA se provodi kroz pet koraka - usrednjavanje uzoraka, računanje kovarijacijske matrice, računanje svojstvenih vektora (i

vrijednosti) kovarijacijske matrice, izgradnja novog skupa uzoraka

- Prednosti - radi korelaciju podataka u transformacijsku domenu

- minimizira srednju kvadratnu pogrešku između rekonstruiranog i originalnog

podataka za bilo koju kompresiju podataka

- minimizira ukupnu entropiju

- Nedostaci - nema brzog algoritma za ovu implementaciju

- nije fiksna transformacija

- potrebno je uložiti napor u generiranje eigenvalues i eigenvectors

matrica kovarijanci

- LDA - linearna diskriminantna analiza

- služi za redukciju podataka, ali na način da su različite klase podataka razdvojive

- Fisherova linearna diskriminantna metoda blisko povezana sa analizom varijance i analizom regresije

- cilj: pronaći optimalnu projekciju koja maksimizira raspršivanje između klasa podataka i minimizira raspršivanje unutar klasa

podataka i lica

- fisherfaces – karakteristike - projekcija unutar LDA prostora

- za klasifikaciju lica potrebno je koristiti najbliži susjed

- problemi - mala baza podataka

- slika za klasifikaciju mora biti u bazi

- pronalazi pod prostor koji maksimizira omjer unutar i van klasnih varijabli

- iste unutar klasne varijable za ve klase, reducira dimenziju podataka; radi sa različitim osvjetljenjima položajima...

- usporedba PCA i LDA - PCA odabire projekciju za maksimiziranje determinacije ukupnog raspršivanja

- LDA odabire projekciju maksimiziranja omjera matrice međuklasnog raspršivanja i matrice unutarklasnog raspršivanja

- matematičke metode koje su korisne za rad sa prostorom koji ima veliki broj značajki (ne samo sa slikama lica)

Prezentacija 3. – Otisak

~ Uvod ~

- Uobičajeni način identifikacije


27/46

PITUP


- Jedinstvenost

- Trajnost

- Prihvatljivost

- Mogućnosti prijevare?!?

- Otisci prsta dobivaju se iz utisaka izbočina i brazdi na prstu

- Jednostavna klasifikacija omogućena je različitim kategorijama otisaka prsta prema općoj konfiguraciji izbočina i brazdi

- Dokazivanje identiteta provodi se kroz proces usporedbe kojim se utvrđuje da li dva otiska potječu s istog prsta

- povijest - Ljudski su otisci pronađeni na velikom broju arheoloških rukotvorina i povijesnih predmeta

- Postoje naznake da su ljudi u antičko doba bili svjesni individualnosti otisaka prsta

- 1809. Tomas Bewick koristi svoj otisak prsta kao trgovačku marku

- 1823. Purkinje predstavlja prvu shemu klasifikacije otisaka prsta, koja je sve otiska svrstavala u devet kategorija prema

konfiguraciji izbočina

- 1864. Neihemiah Grew - prvi znanstveni rad o izbočinama i strukturi pora kod otisaka prsta

- 1886. Sir Francis Galton izučava način identifikacije osove pomoću otisaka prsta te detaljnije i sistematski pristupa

izučavanju paprilarnih linija kao osnova otisaka prsta. S obzirom na broj radova Galton se smatra tvorcem daktiloskopije

- 1899. Edward Henry utemeljuje tzv. Henryev sustav sortiranja otisaka

- 1891. Ivan Vucetic (Argentina) stvorio prvu daktiloskopsku zbirku temeljenu na vlstitom sustavu daktiloskopske

klasifikacije. Istu

su zbog praktičnosti primijenile skoro sve zemlje

- 1904. U Hrvatskoj uvedena daktiloskopija

- Prva daktiloskopirana osoba u Hrvatskoj bila je Zlamal Ambroz

- daktiloskopija - Kriminalistička tehnika u svom dijelu koji se naziva daktiloskopija koristi papilarne linije otisaka prsta za

identifikaciju

- Daktilospopija se bavi proučavanjem papilarnih linija svih prsta, dlanova i stopala čovjeka, a s ciljem identifikacije živih

ili mrtvih

osoba, te nepoznatih osoba (počinitelja kaznenih djela)

- Daktiloskopiranjem se na nedvojbeno pouzdan i znanstveno utemeljen način ustanovljava identitet osobe

- Papilarne linije (dermatoglifi) predstavljaju jednu od posebnosti građe ljudske kože na dijelovima tijela koji nisu

pokriveni

dlakama


28/46

PITUP


- dlanovi s unutarnjom stranom prstiju

- tabani

- Detaljnijim uvodom u anatomiju kože koja se nalazi na prstima, moguće je uočiti nekoliko slojeva, a pore na koži su u

stvari izlazni

kanali lojnih žlijezda

- biološke osobine - Nepromjenjivost (postojanost) - konfiguracija papilarnih linija, kako u pogledu oblika, tako i u pogledu

karakteristika, nepromjenjivi su od začeća do izvjesnog vremena poslije smrti osobe

- Različitost (individualnost)- na otiscima prsta je tako mnogobrojna i svojstvena da se svaka osoba odlikuje samo po njoj

svojstvenim individualnim detaljima tih papilarnih linija, uslijed čega na svijetu nisu dosada zabilježene dvije osobe sa identičnim

otiscima papilarnih

linija

- Grupiranje - papilarne se linije mogu grupirati u mali broj osnovnih tipova i pored velike raznovrsnosti svih crteža štoomogućuje klasifikaciju

- Prenosivost - crteži papilarnih linija i njihovih karakteristika mogu se prenositi prilikom dodira ili hvatanja

- U vrlo rijetkim slučajevima postoje osobe koje nemaju otiske

- Nemaju otiske na prstima, tabanima niti dlanovima

- Osobe su ili rođene s time ili su tijekom života doživjele degenerativni poremećaj

- Oko 4% otisaka se smatra da ima slabe detalje

~ Uzorak i njegovo svrstavanje ~

- Općeniti uzorci izbočina i brazdi, u centralnom dijelu otiska, tvore specifične konfiguracije koje iskazuju određenu mjeru

različitosti

- U cilju identifikacije otiska prsta, važan je samo dio koji se naziva uzorak

uzorak otisak sastoji se od izbočina okruženih linijama uzorka, koje se definiraju kao dvije najizraženije izbočine koje

imaju

tendenciju grananja kako bi okružile ili prešle središnji dio prsta

- Uzorci petlje ili spirale sadrže dva tipa pojedinačnih crta : tip delta, tip jezgra

- Delta je mjesto na izbočini koje se nalazi ispred ili do, ali u svakom slučaju najbliže rašljanju linija uzoraka

- Jezgra (unutarnji rub) je specifično mjesto, smješteno na ili unutar dovoljno zakrivljenih izbočina

- Karakteristične linije su dvije papilarne linije u unutrašnjosti otiska koje počinju usporedo, divergiraju te okružuju ili nastoje

okružiti tzv područje uzorka

- globalne značajke - Osnovni uzorci papilarnih linija, Središnja tocka (Core point), Delta, Dostupnost svih tehnologija policajcima

i tužiteljima, Karakteristicne linije (Type lines), Papilarni broj (Ridge count)

- oblici otisaka – četiri osnovna oblika papilarnih linija - Oblik luka (oko 60-65%)


29/46

PITUP


- Oblik petlje s otvorom prema palcu, radijalna petlja (oko 2,5%)

- Oblik petlje s otvorom prema malom prstu, ulnarna petlja (oko 2,5%)

- Oblik kruga ili vrtloga (oko 30%)

- klase otisaka - običan luk, jelovit luk, petlja desno, petlja lijevo, krug, spirala, petlja blizanac, dvostruka petlja, elipsa, mješoviti

uzorak

- usporedba otisaka - Sustav za identifikaciju otiska utvrđuje postojanje i poziciju otiska, na osnovu zajedničkih karakteristika

otiska

- Sustav za prepoznavanje otiska utvrđuje identitet vlasnika otiska, na osnovu postojanja različitih karakteristika i

odstupanja u

zajedničkim karakteristikama

- Sustav za detekciju i prepoznavanje treba omogućiti:

- uspoređivanje nepoznatih otisaka s bazom poznatih otisaka prsta

- uspoređivanje traga s bazom jednoprstnih otisaka prsta ili s bazom koja sadrži otiske svih deset prstiju

- uspoređivanje otiska prsta s tragovima iz baze tragova

- izuzimanje – live – Kapacitivni - Kapacitivni senzori koriste male vodljive stanice (ili kondenzatore) ugrađene u 2-D matricu na

silikonskom

čipu

Ovi kondenzatori mjere minucije kroz električne izboje na koži kada dolazi do kontakta između

grebena na prstu i

kapaciteta na čipu

- prednosti - Nije podložan utjecaju boje kože

- Može prikupiti sadržaj sa malog prostora skeniranja

- Može osigurati ekstremno detaljnu sliku

- nedostatci - Utjecaj elektrostatskog pražnjenja

- Utjecaj temperature okoline (ambijenta)

- Optički - Optički senzori su bili prvi tip senzora koji se je koristio u sustavima prepoznavanja otisaka

- Iskorištava rad epektroskopije (unutarnja refleksija)

- Senzor uzima sliku osvjetljenog otiska prsta preko CCD (Charge Coupled Device) kamere s time da je s jedne strane

prizme valjak

- prednosti – Niska cijena

- Otporan na elektrostatsko pražnjenje


30/46

PITUP


- Može osigurati visoko detaljnu sliku

- nedostatci - Utjecaj ostalih otisaka na valjku

- Utjecaj direktnog osvjetljenja na valjak

- Relativno velik senzor (nije prikladan za manje uređaje)

- Termalni - Koristi toplinski tok za hvatanje otiska prsta

- Značajke brazdi biti ce toplije od zraka koji je zarobljen u dolini struktura kada je prst postavljen ili provučen preko

slike površine

- Na taj način stvara se toplinska karta za dobivanje slike otiska prsta

- prednosti – Teško krivotvorenje

- Otporan na kvalitetu kože

- Može se koristiti u uređajima malih dimenzija

- nedostatci – Osjetljiv na ambijentalnu temperaturu i okolinske uvjete

- Zahtjeva određenu korisničku praksu prilikom rada

- Ultrazvučni - Ultrazvučni se šalje direktno na površinu nasuprot koje je smješten otisak prsta

- Signali koji se rasipaju po objektu primaju se sondom koja se okreće po kružnoj putanji cilja je os okomita na površinu

kontakta

- Isti se element može koristiti i kao prijemnik i kao predajnik

- Umjesto pokretne sonde moguće je koristiti određeni broj fiksnih sondi

- Piezoelektricni - Piezo efekt je efekt u kojem se energija pretvara između mehaničke i električne

- Kada se pritisak primjeni na polarizirajući kristal, rezultati mehaničke deformacije uzrokuju električni naboj

- Beskontaktni - Izuzimanje otiska prsta vrši se bez kontakta sa senzorom

- 3D senzori

~ Ekstrakcija ~

Tri su kategorije procesiranja slika otisaka prsta:

- Temeljene na minucijima - Potrebna analiza cijelog otiska za pouzdanu usporedbu

- Podržava 1:1 i 1:M

- Procesiranje je računalno intenzivno

- minuciji - Istovjetnost dvaju otisaka papilarnih linija nije određena samo istim osnovnim oblikom papilarnih linija odnosno

pripadnosti


31/46

PITUP


istoj skupini i podskupini klasifikacijskog sustava već i mnogobrojnim i raznolikim pojedinostima – anatomskim

karakteristikama

ili minucijima

- Minucij predstavlja individualna obilježja papilarnih linija

- Za dokaz identiteta dvaju otisaka prsta potrebno je utvrditi određeni broj istih anatomskih karakteristika papilarnih

linija, jer su

minuciji nositelji jednoznačnih informacija na temelju kojih se vrši identifikacija

- osobitosti minucija – vrste - papilarni svršetak - nagli prekid papilarne linije

- papilarno grananje/bifurkacija - točka grananja u više novih

- papilarno širenje/divergencija - razdvajanje papilarnih linija

- papilarna točka - izuzetno kratka linija

- papilarni ogib - linija koja se dijeli u dvije, te zatim spaja tvoreći područje bez uzorka

- kratka papilarna linija - kratka linija ali dulja od točke

- Orijentacija minucija - smjer u kojem gleda minucijska točka

- Plošna frekvencija minucija - označava koliko su udaljene papilarne linije u okolini minucija

- Zakrivljenost minucija - označava brzinu promjene minucisjkog smjera

- Minucijske koordinate - označavaju relevantnu ili apsolutnu udaljenost minucija od delte

- algoritmi - Algoritmi koji se koriste za usporedbu temeljeni su uglavnom na algoritmima sličnosti

- Euklidova udaljenost i Graf transversal

- Temeljene na predlošku - Temelji se na globalnoj strukturi otiska prsta

- Ne analiziraju se specifične točke otiska već se otisak promatra kao cjelina

- Može raditi na malim dijelovima otiska

- Nije pouzdan u radu 1:M

- Procesiranje je manje računalno intenzivno

- Pogodan za implementaciju u uređajima malih dimenzija

- Hibridne

~ Poteškoće ~ - varijabilnost - Usporedba slika otisaka prsta predstavlja veliki problem zbog velike varijabilnosti u različitim impresijama istog

prsta.


32/46

PITUP


- Glavni faktori – Premještanje - globalna translacija područja otiska

- Djelomično preklapanje

- Nelinearna izobličenja - trodimenzionalni u dvodimenzionalni, elastičnost kože

- Pritisak i karakteristike kože

- Šum nastao od strane senzora

- Greške ekstrakcije karakteristika

- distorzija kože - Kod senzora kod kojih se traži kontakt kvaliteta otiska odnosno distorzija kože opada od centra prema

granicama

- Bliska kontaktna regija - predstavlja područje najjačeg pritiska i kontakt površine i kože ne dozvoljava klizanje

kože

- Vanjska regija - pritisak je manji i dozvoljava koži klizanje pri pokretanju prsta

- Regija između bliske kontaktne regije i vanjske regije – elastična kombinacija dvaju regija

- smještaj prsta - Prst je korektno postavljen kada korisnik - Prelazi prstom preko senzora pomičući ga ortogonalno na površinu

senzora

- Jednom kada prst dotakne površinu senzora, korisnik ga ne smije

vući ili micati

- što utječe na kvalitetu – kondicija otiska – suhoća, vlažnost, povećanja/nabori, oštećenja

- napadi - Načiniti lažni otisak nije jednostavno, ali uz dobro poznavanje i prikladan materijal je moguće

- Jednostavnije je kada korisnik (vlasnik otiska) surađuje

- Uobičajeno se koristi želatina, silikon, lateks

- Provjera živosti- Temperatura - temperatura epiderma je oko 8-10 stupnjeva ispod sobne temperature

- Vodljivost - Tipičan otpor kože je 200 kOhm

- Otkucaji srca

- Lumidigam - analiza signala koji se odbija od kože pri osvjetljenju

Prezentacija 4. – Poslovna primjena biometrijskih tehnologija

~ Tehničko ispitivanje i evaluacija ~ •Pod tehničkoj evaluaciji se podrazumijeva mjerenje slijedećih općenitih parametara :

–stupnjevi pogrešnog poklapanja ( false match rate),

–stupnjevi pogrešnog nepoklapanja ( false non-match rate),

–koeficijent penetracije ( penetration coefficient ) i


33/46

PITUP


–vrijeme transakcije (transaction time).

•Dodatne mjere, kao što su greške pri upisu ( failure to enroll ) ili greške pri prihvatu ( failure to acquire), zapisci o postotku

populacije koja nije u mogućnost da koristi bilo koju biometrijsku metodu i slično su također vrlo važne.

•Mnogi znanstvenici danas prihvaćaju tzv. ROC-krivulju (Receiver Operating Characteristic) kao najprimjereniju mjeru za sve

tehničke osobine bilo kojeg biometrijskog identifikacijskog uređaja koje ovise o aplikaciji.

•Važno je poznavati općene korake pri istraživanju i izvještavanju osobina uređaja neovisno o načinu donošenja odluke ali ovisno

o aplikaciji određenog uređaja i predviđanju rezultata istraživanja osobina sustava.

•Moglo bi se reći da postoje dvije različite funkcije za identifikacijske biometrijske uređaje :

–Potvrda izjave (dokaz) da si onaj za kojeg tvrdiš da jesi

–Potvrda izjave (dokaz) da nisi onaj za kojeg tvrdiš da jesi

•U prvom slučaju korisnik sustava traži „pozitivni“ zahtjev za identifikaciju. U drugom slučaju on traži „negativni“ zahtjev

odnosno zahtjev da nije nitko tko je sustavu već od prije poznat.

•Biometrijski sustavi pokušavaju koristiti mjere koje su ujedno različite među članovima populacije i koje se ponavljaju kod

svakog člana.

•U slučaju da mjere nisu ni razlikovajuće niti ponavljajuće onda se u sustavu mogu javiti greške.

–Izrazi „pogrešan pristup“ ( false acceptance FAR) ili

–„pogrešno odbijanje“ ( false rejection FRR) se u sustavskim greškama uvijek odnose na zahtjev korisnika.

•Tako će korisnik pozitivnog identifikacijskog uređaja biti „ pogrešno prihvaćen“ ako se želi podudarati sa određenim zapisom u

sustavu ako se nekorektno podudara s pravom nepodudarajućom biometrijskom mjerom, i bit će „ pogrešno odbijen“ ako senekorektno ne podudara s pravom biometrijskom mjerom.

•U negativnom identifikacijskom sustavu vrijedi obrat:

–„pogrešno odbijanje“ se zbiva ako se dvije ispravne nepodudarajuće mjere međusobno podudaraju, a

–„pogrešan pristup“ se zbiva ako se dvije ispravne podudarajuće mjere međusobno ne podudaraju.

•Većina sustava ima odgovarajuću politiku koja omogućava korištenje višestrukih biometrijskih uzoraka kao bi se identificirao

korisnik. Vjerojatnost da je korisnik konačno prihvaćen ili odbijen ovisi o točnosti njegovih usporedbi i načinu (politici)

prihvaćanja/odbijanja sustavskog menadžmenta. Taj način je određen od strane menadžera biometrijskog sustava kako bi se

izrazili operacijski zahtjevi prihvatljivog stupnja tolerancije pogrešaka i vremena transakcije , ali to nije funkcija samogbiometrijskog uređaja.


34/46

PITUP


~ Klasifikacija aplikacija ~

•Osobine tehnologije zavisne su o aplikaciji i njenoj okolini. Iako je svaka aplikacija potpuno različita ipak se javljaju nek e

općenite sličnosti:

–kooperativnost odnosno nekooperativnost: Da li će korisnik biti iskren u korištenju aplikacije i surađivati sa sustavom ili će

tvrditi da je on netko tko u stvarnosti nije, ili će pokušavati nesurađivati i ne tvrditi da je on netko tko je sustavu pozna t?

–otvoren odnosno skriven: Da li korisnik zna da je biometrijska karakteristika uzeta?

–uobičajeno odnosno neuobičajeno: Da li je korisnik dobro upoznat sa sustavom ?

–praćen odnosno nepraćen: Da li je korištenje biometrijskog uređaja pod nadzorom i zaštitom upravitelja biometrijskog sustava?

-standardna okolina: Da li se aplikacija nalazi unutra ili vani, il i je na stresnom položaju?

- javno odnosno privatno: Da li će korisnici sustavi biti klijenti/korisnici (javno dostupno) ili zaposlenici (privatna okolina)?

-otvoreno odnosno zatvoreno: Da li će sustav biti sada ili u buduće potreban, kako bi se razmjenjivali podaci sa drugim

biometrijskim sustavima koji su pod drugim upraviteljem biometrijskog sustava (drugi biometrijski sustav) ?

~ Opći model biometrijskog sustava ~Iako se biometrijski uređaji oslanjaju na veoma raznovrsnu tehnologiju, općenito se o njima može reći da uključuju pet

podsustava :

-skupljanje podataka, koje uključuje predstavu o biometrijskom modelu koji će se prezentirati senzoru.

-prijenos, koji može sadržavati kompresiju signala i slučajno nagomilavanje nepotrebnih ometajućih zvukova

-obrada signala, u kojem se stabilne, još različite „osobine“ ekstahiraju od dobivenog signala i uspoređuju sa prije pohranjenim.

-Pohrana „predložaka“ koji dolazi od „osobina“ i od mogućih grubih signala koji su primljeni iz prijenosnog podsustava.

~ Testiranje uređaja ovisnih o aplikaciji ~ - karakteristike - Karakteristike izvučene od obrade signala su inače vektori u realnom ili kompleksnom prostoru, sa

komponentama koji inače preuzimaju cjelobrojne vrijednosti. U nekim sustavima domena svake komponente mora imati

binarne vrijednosti (dakle, 0 i 1). Jedino sustavi za otiske prstiju predstavljaju izuzetak ovog pravila, jer ne koriste karakteristike u

vektorskom prostoru. Greške se događaju iz podsustava za prikupljanje podataka vjerojatno zbog slučajnih varijacija u

biometrijskom modelu, modelu prezentacije ili senzora. Također treba voditi računa o pogreškama u prijenosnom ili

kompresijskom procesu prijenosnog podsustava. Iz toga slijedi da će rezultati testova uvijek ovisiti o okolnostima pod kojim sepokušaj izvršavao i one nikad neće davati sliku koja se stvara pokušajima u realnom svijetu.

- 'ispravna' distanca - Svojstveni vektori X variraju ovisno o korisniku. Originalna pretpostavka da su komponente

karakterističnog vektora,

X, ovisni o distribuiranim slučajnim varijablama, je proširena kako bi sadržavala neovisnost među korisnicima. Predloženi pod aci

cijele populacije korisnika su „nestacionarni“, što znači da se mjere jednog korisnika ne mogu koristiti kako bi se približile

distribuciji cijele

populacije. To dodaje jednu drugu komplikaciju biometrijskom testiranju, a to je zahtjev za testiranjem jedne velike populacije

koja adekvatno reprezentira ciljnu populaciju aplikacije. Općenito greške identifikacijskih sustava rastu tijekom vremena nakon


35/46

PITUP


upisa korisnika. Taj fenomen se dodaje Promjenama biometrijskih mjera i ukazuje na “starenje predložaka”. Promjene senzora i

prezentacija tijekom vremena postaju jednim nezanemarivim faktorom.

•To predstavlja jedan treći problem u testiranju pogrešaka biometrijskih uređaja: performansa procjene može ovisiti o

vremenskoj razliciizmeđu upisa i testiranja predložaka.

•Bilo bi idealno da da je vremenski interval između upisa i testiranja u svakom testu sličan intervalu koji se očekuje u aplikaciji.To uobičajeno nije moguće.

•To bi omogućilo svakoj privremenoj promjeni u biometrijskom sustavu da bude uvučena u distancu između prijedloga i

ispitivanja.

•Taj zahtjev povećava vrijeme testiranja i cijenu.

~ Penetracijski odnos ~

•U sustavima koji imaju veliki broj predložaka u bazi podataka se može postići veća efektivnost traženja kroz particioniranje

efikasnosti u manje grupe koje se baziraju na informacijama koje su sadržane u predlošcima i dodatnim informacijama, kao što jeime korisnika, koje je dobiveno za vrijeme unosa.

•Kroz operacije se podvrgnuti uzori uspoređuju samo sa predlošcima u odgovarajućim particijama, gdje se ograničava na broj

mogućih usporedbi predložaka sa uzorima.

•Općenito se jedan predložak može smjestiti unutar mnogostrukih particija ako postoji nesigurnost glede njegove klasifikacije.

•Neki se veoma nesigurni predlošci mogu klasificirati kao “nepoznati” (unknown) i smjestiti u sve pa rticije.

•U operaciji se uzori klasificiraju u skladu sa istim sustavom predložaka, onda se uspoređuju samo oni predlošci iz baze podataka

koji su particijama gdje je uspostavljena komunikacija.

•Postotak ukupne baze podataka koju se treba skenirati se u prosjeku u svakoj pretrazi može izraziti kao “penetracijski

koeficijent” P

•E-očekivani broj uspredbi koje su potrebne za jedan input

•N-ukupan broj uzoraka

•Procjenjujući penetracijski koeficijent, prihvaćeno je da pretraga ne staje kada se naiđe na odgovarajuću vrijednost, ali se

nastavlja kroz cijelu particiju.

•Što je manji penetracijski koeficijent, to je sustav efikasniji.

~ Bin Error Rate ~

•Ova procjena pogreške reflektira postotak uzoraka koji ne odgovaraju njihovim predlošcima zbog nekonzistentnosti u

particijskom procesu.

•Ovaj odnos pogreške je determiniran od postotka uzoraka koji nisu smješteni u particiju koja komunicira sa svojim predlozima.

•Korištenjem bilo koje particionirajuće metode se može izvesti samo jedan test koji može determinirati procjenu bin pogreške.


36/46

PITUP


~ Brzina transakcije ~

•Vrijeme koje je potrebno za jednu transakciju, je suma svih vremena za kolekciju podataka i vremena za izračunavanje

•Za pozitivne identifikacijske sustave se samo izvodi nekoliko usporedbi između uzoraka i odgovarajućih predložaka i vrijedi.

•Vrijeme kolekcije veoma ovisi o aplikaciji, varirajući od samo par sekundi do nekoliko minuta.

~ Intervali pouzdanosti ~

•Koncept ”Intervala povjerenja” se osniva na stalnoj sigurnosti u sigurnosnim rezultatima na osnovu male veličine uzoraka.

•Ti intervali su procjene nesigurnosti u rezultatima na probnoj populaciju u okolini gdje se testiranje obavlja.

•One ne sadrže nesigurnosti koje su uzrokovane od strane grešaka (na primer pogrešno označenih podataka) u procesu

testiranja.

•Očekuje se od budućih ispitivanja da će spasti u ove intervale samo do granice distribucije od, i pogreške u probnom procesu se

ne mijenjaju.

•Sigurnosni intervali ne prezentiraju procjenu performanse u različitim okolinama ili različite populacije.

•Zbog stalnih razlika između probnih i aplikacijskih populacija i okolina, sigurnosni intervali se nisu puno koristili i njih ovi probni

rezultati su od granične vrijednosti.

~ Protokoli ispitivanja ~

•Općeniti protokoli ispitivanja služi radi sakupljanja jednog predloška iz svakog od N korisnika u jednoj okolini koji se bli sko

približava okolini aplikacije.

• Vrijednost od N treba biti onoliko velika koliko to dozvoljavaju vrijeme i financijski proračun i što se populacija uzoraka treba

približavati ciljnoj populaciji koliko god to ona može.

•Nakon određenog vremena, recimo nakon par tjedana ili mjeseci se vrši kolekcija jednog uzorka od svakog od istih N korisnika.

Onda se u «off -line» procesuiranju N uzoraka uspoređuje sa N predožaka koji su prije bili pohranjeni kako bi se uspostavilo N²

neovisnih mjera udaljenosti

~ Osobine sustava na osnovi predviđanja rezultata ispitivanja ~ •Pet osnovnih parametara osobina sustava:

–pogrešna nepodudarajuća mjera,

–pogrešna podudarajuća mjera,

–koeficijent penetracije,

–bin procjena pogreške i

–brzina transakcije,

•Mogu se koristiti radi predviđanja sistemskih “pogrešnih prihvaćanja odnosno pogrešnog odbijanja”


37/46

PITUP


•Trostrukog interesa svakog sistemskog menadžera:

–broj pogrešnih odbijanja zahtjeva ljudsku intervenciju, uključujući postotak populacije koja nije sposobna za upis;

–neprihvatljiva vrijednost pogrešnih procjena prihvaćanja; i

–sposobnost sistemske procjene promjera da prihvati input zahtjev.

~ Rezultati ispitivanja ~

•1991. - Sandia Naitonal Laboratiories iznijela izvrsnu studiju govora, potpisa, otiska prsta i geometrijskog sustava dlana i ruke.

To je istraživanje bilo sačinjeno od podataka koji su bili zahtjevani u laboratoriju koji se sastojao od profesionalnih ljudi koji su

uređaje dobro poznavali.

•1996. g. se izvršilo jedno izvrsno komparativno istraživanje na osnovi sustava za prepoznavanje lica i bilo je objavljeno od strane

U.S. Army Research Laboratory. Istraživanje je bilo korišteno kao slike lica koji su bili sakupljeni u jednom laboratoriju

upotrebljavajući i uspoređivajući četiri različita algoritma korišteći te podatke. Probne i upisne slike su se sakupile u istu skupinu i

pogrešni iznos i pogrešni ne-iznosi su se izvijestili kao tip statističke hierarhije, što je značilo da rezultati ovise o veličini ispitnebaze podataka i ne može se koristiti za opće predviđanje performanse.

~ Unimodalni vs. Multimodalni biometrijski sustav ~

•Biometrijski sustavi bazirani na jednoj biometrijskoj tehnici često ne postižu željene rezultate

–RJEŠENJE: Kombiniranje više biometrijskih tehnika/karakterstika ili izuzimanje različitih tehnika iste biometrijske karakterstike

•Pri identifikaciji baziranoj na više biometrijskih karakterstika potrebno je kombinirati one koje se međusobno najbolje

upotpunjuju (posebice u pogledu točnosti i brzine identifikacije)

–CILJ: Sustav koji je u stanju iskoristiti najbolje osobine od svake biometrijske karakterstike koja se koristi u sustavu.

•Praksa: puno različitih kombinacija, najčešća kombinacija slika lica i otisaka prsta (najprihvatljivija u smislu omjera cije ne i

kvalitete jer objedinjuje brzinu (slika lica) sa točnošću (otisak prsta))

•Unimodalni biometrijski sustavi-koriste različite mjere iste biometrijske karakteristike te na taj način pokušavaju poboljšati

karkaterstike biometrijskog sustava.

~ Različitosti ~

•Točna automatska osobna identifikacija od velike je ako ne i presudne važnosti velikom broju aplikacijskih domena, od državnesigurnosti do privatne sigurnosti.

•Kako je već i prije napomenutio biometrijski sustav je u osnovi sustav za prepoznavanje uzoraka koji jedinstvenu identifikaciju

temelji na određivanju autentičnosti pojedinih fizioloških i ponašajnih karakteristika korisnika.

•Sustav za osobnu identifikaciju se može temeljiti bilo na jednoj biometrijskoj karakteristici (ili na jednoj snimci) il i na više

biometrijskih karakteristika (ili na više snimaka jedne biometrijske osobine).

•Biometrijski sustav koji koristi samo jednu biometrijsku osobinu naziva se unimodalni biometrijski sustav, a biometrijski su stav

koji koristi više biometrijskih osobina naziva se multimodalni biometrijski sustav.


38/46

PITUP


•Unimodalni biometrijski sustav predstavlja danas rašireniji oblik biometrijskog sustava nego li multimodalni. Jadn od osnovnih

razloga tomu leži u cijeni.

–Cijena unimodalnog biometrijskog sustava značajni je je manja od cijene multimodalnog biometrijskog sustava. Ali, iako je

cijenom povoljniji, unimodalni biometrijski sustav nije uvijek i primjenjiv. Neprimjenjivost unimodalnog biometrijskog sustava

leži u:

•neprihvatljivim karakterstikama, i

•nemogučnošću funkcioniranja na velikom broju korisnika.

•Za razliku od unimodalnog biometrijskog sustava, multimodalni biometrijski sustav donekle može prevladati ograničenja

unimodalnog sustava:

–identifikacija multimodalnim biometrijskim sustavom u osnovi je problem kombinacije senzora, odnosno biometrisjkih

karakteristike, čime se osigurava dobivanje informacija sa više izvora (karkatersitka) kako bi se povećala otpornost na grešk u,

smanjila nesigurnost i šum te prevladala nepotpunost pojedinih biometrijskih karakterstika.

–multimodalni pristup može povećati pouzdanost odluka koje biometrijski sustav donese. Osnovni problem koji se tu možeuočiti leži u činjenici da je temelj za biometrijski karakterstiku taj da ju posjeduje svaki pojedinac, ali da li je nužno da pojedina

biometrijska karakterstika nekog pojedinca bude podobna za unimodalni biometrijski sustav. To je moguće prevladati

korištenjem više biometrijskih osobina, sustav će na taj način biti primjenjiv na većoj ciljnoj populaciji.

–multimodalni biometrijski sustavi su općenito otporniji na pokušaje prijevare jer je teže krivotvoriti nekoliko biometrijskih

karakterstika nego samo jednu.

•Da bi se kvaliteno oblikova multimodalni biometrijski sustav potrebno je voditi računa o nekoliko temeljnih pitanja:

–koja je glavna svrha upotrebe multimodalnog biometrijskog sustava

–koji je način rada sustava

–koje će biometrijske osobine biti integrirane, i

–koliko je biometrijskih osobina dovoljno.

•Problem: oblikovanje multimodalnog biometrijskog sustava, integracija pojedinih biometrijskih karakteristika s ciljem

unaprijeđenja karakterstika multimodalnog biometrijskog sustava u osobnoj identifikaciji.


39/46

PITUP


~ Opći multimodalni sustav ovjere ~

•biometrijski sustav, bez obzira da li se radilo o unimodalnom ili multimodalnom biometrijskom sustavu, može raditi ili u načinu

ovjere ili u identifikacijskom načinu rada.

•Integracijske sheme ova dva tipa biometrijskih sustava su vrlo različite.

–sustav ovjere obavlja samo usporedba jedan –na – jedan, multimodalni biometrijski sustav ne može uistinu poboljšati brzinu

ovjere. Stoga se integracija multimodalnog biometrijskog sustava u sustavima za ovjeru obavlja uglavnom iz razloga povećanja

točnosti sustava.

~ Opći prikaz multimodalnog biometrijskog sustava ~

•Koje će biometrijske karakteristike i koliko njih biti integrirano u multimodalni biometrijski sustav uvelike ovisi o aplikacijskojdomeni.

•Teško je uspostaviti sustavni postupak koji bi određivao koje karakterstike se trebaju koristiti.

•Što je veći broj karakterstika, veća je i točnost, ali i cijena multimodalnog biometrijskog sustava.


40/46

PITUP


~ Odabir biometrijskih karakteristika ~

•Karkateristike koje bi morale zadovoljiti unimodalni biometrijski sustav zapravo se odnose na samo jedan uvjet a to je

mogućnost (odnosno nemogućnost) prijevare sustava.

•U ovu kategoriju biometrijskih karakterstika mogu se ubrojiti otisak prsta, šarenica, mrežnica i DNA.

–Ako se razmotre predložene karakteristike može se vrlo lako (sa strane krajnjeg korisnika) uočiti srednja razina prihvatljivostisamo za biometrijsku karakterstiku otiska prsta, dok se sve ostale nabrojene karakterstike smatraju neprihvatljivim.

–Ono što je još zajedničko nabrojanim karaktersikama jest visoka trajnost, stalnost i univerzalnost, ali i relativno dugo potrebno

vrijeme za obradu podataka.

•Za razliku od unimodalnih sustava, multimodalni biometrijski sustavi za svoju izgradnju mogu koristiti prema kriteriju prije vare

mogu koristiti slijedeće biometrijske karakteristike: otisak prsta, šarenica, mrežnica, DNA, miris, vene na rukama i termogram

lica i tijela.

•Vidljivo je da za razliku od unimodalnog biometrijskog sustava ovdje na raspolaganju imamo tri biometrijske karakteristike više.

Kako se u ovome sustavu mogu uz biometrijske karakteristike koje je teško prevariti koristiti i biometrijske karakteristike koje

posjeduju neke druge osobine, potrebno je u obzir uzeti biometrijske karakteristike koje su kod krajnjeg korisnika prihvatljive, a

to su u prvom redu:

–uho, lice, termogram lica i tijela, hod, potpis i glas.

•Kvalitetu unimodalnih biometrijskih sustava moguće je poboljšati i korištenjem tradicionalnih biometrijskih karakteristika.

•Ove karakteristike posjeduju određene osobine o osobama, ali pomoću tih osobina nije moguće sa potpunom pouzdanošću

razlikovati osobe.

–visina, težina, spol, boja kose ...

•Povezivanjem tradicionalnih biometrijskih karakteristika sa unimodalnim biometrijskim sustavom dobiva se multimodalni biometrijski sustav koji posjeduje osobine „jake“ biometrijske karakteristike te brzinu tradicionalne biometrijske karakteristike

~ Udruživanje biometrijskih karakteristika ~ •Svaki biometrijski sustav posjeduje četiri osnovna modula, i to:

–modul senzora koji je zadužen za izuzimanje značajki iz sirovih podataka;

–modul izlučivanja osobina čija je zadaća iz podataka izlučiti skup osobina koje najbolje predstavljaju značajke sirovih podataka;

–modul usporedbe koji osigurava klasifikaciju i usporedbu izlučenog skupa osobina sa predlošcima; i

–modul donošenja odluke čija je zadaća prihvatiti ili odbiti korisnika.

•Najjednostavniji pristup odabiru biometrijskih karakteristika koje će se upariti bio bi pomoću Bayesovog pravila odlučivanja.

•Kao izlazni rezultat biometrijskog sustava nameću se dvije temeljne hipoteze:

•H1: Osoba je varalica

•H2: Osoba je legalni korisnik.


41/46

PITUP


Može se zaključiti kako je izgradnja unimodalnog biometrijskog sustava moguća jedino pomoću jedne od biometrijskih

karakterstika koju je nemoguće prevariti;

•Izgradnja multimodalnog biometrijskog sustava dati će najbolje rezultate ako se kombiniraju jedna od karkateristika koju je

nemoguće prevariti sa jednom od biometrijskih karakterstika iz skupine srednje prevarljivih;

•Izgradnja multimodalnog sustava sa biometrijskim karakterstikama koje je lako prevariti samo otežava i usporava radbiometrijskog sustava;

•Ne postoji idealna biometrijska karakteristika niti ju je sa današnjim biometrijskim karakteristikama i tehnološkim dostignućima

moguće ostvariti.

•Nedostaci unimodalnih biometrijskih sustava u odnosu na multimodalne biometrijske sustave vrlo su očiti.

–Najočitija razlika može se vidjeti u razini primjene tih sustava.

•Unimodalne biometrijske sustave moguće je primjeniti za jednu „jačinu“ zaštite bez obzira da li se radilo o jakoj, srednjoj ili

slaboj biometrijskoj karkaterstici.

•Za razliku od unimodalnih biometrijskih sustava multimodalni biometrijski sustavi pokrivaju cjelovit spektar svih razina „jačine“

što ih čini puno prihvatljivijima u svakodnevnoj upotrebi.

~ Multimodalni biometrijski sustav za verifikaciju ~

•Integracija multimodalnog biometrijskog sustava za verifikaciju može se ostvariti na nekoliko način a i to:

–integracijom više snimaka jedne biometrijske karakteristike,

–ili integracijom više različitih biometrijskih karkaterstika.

•Multimodalni biometrijski sustav mora riješiti uobičajeni problem usklađivanja odluka, a to je kombiniranje najboljih o sobina

koje proizlaze iz svake biometrijske karakteristike kako bi se povećala c

Documents

Poslovna Primjena Biometrijskih Karakteristika