Слайд 2Характеристики системы
FAR (False Acceptance Rate) характеризует вероятность ложного совпадения биометрических
характеристик двух людей
FRR(False Rejection Rate) вероятность отказа доступа человеку, имеющего
допуск
EER, точка в которой графики FRR и FAR пересекаются
Устойчивость к окружающей среде
Простота использования
Скорость работы
Стоимость системы
Слайд 4FAR равным 0.1% (хвалёные 99.9%).
Предположим, что сам с собой
человек совпадает всегда (FRR=0, хотя это будет далеко не так)
Предположим,
в компании работает 100 человек
При FAR=0.1% человек будет принят за кого-то другого примерно в 100*0.1=10% случаев. То есть из 100 сотрудников 10 человек будут проходить как другие люди каждый день
Слайд 5FRR проблемы
Сканер не заметит, что у него кто-то появился в
поле зрения
Сканер неправильно выставит фокус
Сканер засвечен солнцем
Сканер захватит не то
что нужно
Параметры моей биометрической характеристики находятся вне пределах работы алгоритма: огромная/маленькая рука, ожог лица, изменённая геометрия радужки
Базы на которых работает алгоритм распознавания голоса обычно набирают не в метро и не на самых плохих телефонах.
Слайд 6худшие алгоритмы FAR~0.1%, FRR~6%
Слайд 7Классика жанра
По отпечатку пальца
По голосу
По внешнему облику
IAM (Identity Access Management)
Слайд 9Дактилоскопия
(распознавание отпечатков пальцев)
~0.057% ошибочно найденных дубликатов, из которых 20%
как раз и приходятся на совпадения шаблонов от разных людей
Слайд 10Уникальность отпечатка пальца?
Проблема совпадений - у членов семьи могут быть
одинаковые элементы папиллярных узоров
Проблема точности - смазанность и грязь
Слабочитаемость -
в 200-300 человек находится 1-2 человека
Порезы и царапины, вода
Реактивы
https://www.infoniac.ru/news/Nashi-otpechatki-pal-cev-ne-nastol-ko-unikal-ny.html
Слайд 11VeriFinger SDK
Соревнование «International Fingerprint Verification Competition»
Характерное значение FAR – 0.001%.
Из
формулы (1) N≈300
Слайд 12Дополнительные методы
Ладони
Рисунок вен (Biosmart PV-WTC)
Слайд 14How-to
https://habrahabr.ru/post/149424/
Слайд 15Arduino Project Enclosure — небольшой корпус для Arduino проектов
Infrared Thermometer
— MLX90614 — ИК-термометр
USB HUB — для подключения камеры и
arduino одному кабелю
ORduino Nano — ATMega168
Infrared Proximity Sensor — Sharp GP2Y0A21YK — ИК-датчик расстояния (от 10 до 80см)
Logitech B910 HD Webcam
2 транзистора
2 резистора 4.7кОм, 6-470Ом
6 ИК-диодов 850нм
Фототранзистор (для измерения засветки прибора посторонним светом, в экспериментах не участвовал, но планировался)
USB B разъем
IR Filter 850nmUSB-кабель
Слайд 17Радужка глаза?
Chaos Computer Club
Фотоаппарат
принтер
контактная линза
http://4pda.ru/2017/05/24/342502/
Слайд 18EyeR SDK
Алгоритмы VeriEye
FAR – 0.00001% N≈3000
Слайд 192-D распознавание лица
Метод Виолы-Джонса
Разрешающая способность
Условия освещения
Слайд 21Метод Viola Jones
используются изображения в интегральном представлении, что позволяет вычислять
быстро необходимые объекты;
используются признаки Хаара, с помощью которых происходит поиск
нужного объекта (в данном контексте, лица и его черт);
используется бустинг (от англ. boost – улучшение, усиление) для выбора наиболее подходящих признаков для искомого объекта на данной части изображения;
все признаки поступают на вход классификатора, который даёт результат «верно» либо «ложь»;
используются каскады признаков для быстрого отбрасывания окон, где не найдено лицо.
Слайд 22https://habrahabr.ru/post/135244/
https://habrahabr.ru/post/134857/
https://habrahabr.ru/post/133909/
https://habrahabr.ru/post/133826/
Слайд 233-D распознавание лица
FAR = 0.0047%
FRR = 0.103%
Аналог отпечатка пальца
Слайд 24Сетчатка глаза
FAR=0,001%
FRR = 0,4%.
Слайд 25Эндрю Баставрус напечатал на 3d принтере насадку для смартфона, которая позволяет
наблюдать сетчатку через камеру телефона
Слайд 26Улучшение контрастности между фоном и кровеносными сосудами
G
Выбор цветового канала
Слайд 27контрастно-ограниченное адаптивное выравнивание гистограммы
(contrast limited adaptive histogram equalization –
clahe)
Слайд 28Удаление фона при помощи average фильтра
Маска сетчатки
Слайд 29автоматическое пороговое преобразование методом Otsu, медианный фильтр и фильтр по
длине
Слайд 30Фильтр Габора
Способен выделять прямые линии определённого размера и под определённым
углом
Слайд 31применить фильтр Габора с различными углами наклона ядра
рассчитать
максимальный отклик каждого пикселя на серию фильтров
слева – исходное изображение
после clahe, справа – результат применения серии габоровских фильтров
Слайд 32Удаление фона
слева – исходное изображение, полученное при помощи алгоритма background
exclusion, справа – результат применения серии габоровских фильтров
Слайд 33Пороговое преобразование интенсивности изображения
слева – исходное изображение, полученное после перекрашивания
пикселей в соответствии с параметром чувствительности, справа – результат метода
Otsu
Слайд 34Marwan D. Saleh, C. Eswaran, and Ahmed Mueen. An Automated
Blood Vessel Segmentation Algorithm Using Histogram Equalization and Automatic Threshold
Selection // Journal of Digital Imaging, Vol 24, No 4 (August), 2011, pp 564-572
P. C. Siddalingaswamy, K. Gopalakrishna Prabhu. Automatic detection of multiple oriented blood vessels in retinal images // J. Biomedical Science and Engineering, 2010, 3, pp 101-107
www.isi.uu.nl/Research/Databases/DRIVE
www.ces.clemson.edu/~ahoover/stare
Слайд 35Результат движения головы и глаза при сканировании сетчатки
Слайд 36Алгоритм, основанный на методе фазовой корреляции
Слайд 37Алгоритм, использующий углы Харриса
Слайд 38Алгоритм, основанный на поиске точек разветвления
Слайд 39Reddy B.S. and Chatterji B.N. An FFT-Based Technique for Translation,
Rotation, and Scale-Invariant Image Registration // IEEE Transactions on Image
Processing. 1996. Vol. 5. No. 8. pp. 1266-1271.
Human recognition based on retinal images and using new similarity function / A. Dehghani [et al.] // EURASIP Journal on Image and Video Processing. 2013.
Hortas M.O. Automatic system for personal authentication using the retinal vessel tree as biometric pattern. PhD Thesis. Universidade da Coruña. La Coruña. 2009.
VARIA database
MESSIDOR database
Слайд 41Движения глаз
фиксация глаза на определенной точке дисплея
момент движения яблока
при перемещении взгляда с одной точки на другую
Слайд 42Neurotechnology
http://www.neurotechnology.com/
Слайд 44Биометрия по электрокардиограмме
Слайд 47Биометрия по особенностям чтения
Слайд 48Биометрия по особенностям набора текста
Слайд 49Идентификация личности на основе данных о перемещениях (трекинга)
