'

представляет разработанные алгоритмы верификации отпечатков пальцев

Понравилась презентация – покажи это...





Слайд 0

представляет разработанные алгоритмы верификации отпечатков пальцев


Слайд 1

В – высокая, С – средняя, Н - низкая Биометрические методы идентификации человека


Слайд 2

Алгоритмы верификации Алгоритмы ВЕРИФИКАЦИИ отвечают на вопрос «Тот ли это человек, за кого себя выдает». Они производят попарное сравнение имеющегося и предоставленного набора информации, с их помощью реализуется подтверждение личности человека. Результатом верификации есть либо «Опознан», либо «Не опознан» с указанной долей вероятности. Алгоритм верификации отпе-чатков пальцев состоит из двух частей – регистрации отпечатков пользователей в БД и собственно самого процесса верификации. Однажды обученная система будет распознавать человека по его природному идентификатору - пальцу.


Слайд 3

Принцип распознавания пальцев базируется на наличии в отпечатке особых точек – окончаний линий (выделены квадратами) и разветвлений, или бифуркаций (обведены кружоч-ком). Каждая особая точка условно имеет свое направление и тип (окончание или развет-вление). Имея известный набор особых точек {(x,y,?,type)}, извлеченный при регистрации, и тестовый, алгоритм оценивает схожесть точечных образцов и выдает результат – «Опознан» или «Не опознан». Принцип распознавания человека по отпечатку пальца


Слайд 4

Схема работы алгоритма


Слайд 5

Адаптивная фильтрация направлена на: Устранение шумов входного изображения (грязь, пыль на датчике) Устранение мелких деффектов (затягивание небольших разрывов, пор, сглаживание линий пальца) Реализована на основе обработки фильтрами с апертурой 9х9 с учетом локальной направленности линий. Область применения фильтров – 8-битные серые изображения, использующие весь динамический диапазон значений, т.е. имеющие плавные переходы значений от линии пальца к впадине. Адаптивная фильтрация


Слайд 6

После бинаризации отфильтрованного изображения производится выделение однородных областей и последующая морфологическая обработка изображения. Она включает в себя удаление так называемого шума «Соль и перец», т.е. удаление мелких областей белого и черного цветов. Это устраняет такие ложные структуры, как «озера» в толстых линиях и мелкие линии, что отсеивает часть ложных особых точек на этой стадии. Морфологическая обработка


Слайд 7

Морфологическая операция утоньшения приводит бинарное изображение к его скелету, в котором толщина всех линий – 1 пиксел. Операция стягивает линии в центр, не делая при этом разрывов. Реализовано на основе итеративной нелинейной фильтрации с апертурой фильтра 3х3. Утоньшение


Слайд 8

Процедура векторизации преобразует скелет изображения в кусочно-линейное представление, отбрасывая чрезмерную информацию о линиях пальца. Точность аппроксимации может регулироваться с помощью параметров алгоритма. Векторизация оставляет особые точки без изменений, выбрасывая лишь промежуточные. После работы алгоритма компактный шаблон отпечатка с полной информацией о пальце может быть сохранен в отдельный файл. Векторизация


Слайд 9

Векторная постобработка направлена на отсеивание ложных структур в кусочно-линейном представлении отпечатка. Некоторые конфигурации линий заведома не свойственны линиям отпечатка пальцев, и если они все-таки встречаются, то они наверняка являются результатом недоработки предыдущих этапов. Некоторые из производимых операций: Удаление «мостов» Удаление «палочек» Соединение небольших разрывов Удаление «усиков» Векторная постобработка


Слайд 10

На этапе точечного сравнения алгоритм по определенным критериям пытается найти такое совмещение двух наборов, при котором значительная часть точек нашла бы свою пару в другом наборе. При совмещении с некоторыми весами учитываются как направления точек, так и их тип. Не все точки совместятся со своими парами в другом наборе – причиной этому служит как несовпадение зон приложения пальца, так и погрешности алгоритмов экстракции особых точек. По отношению совпавших пар к общему количеству точек с учетом абсолютного значения количества точек считается коэффициент совмещения, который и служит результатом верификации. Сравнение наборов особых точек


Слайд 11

Существует большое количество различных типов датчиков отпечатков пальцев – оптические (на эффекте полного внутреннего отражения, оптических фибрах), электро-оптические, емкостные, температурные, пьезоэлектические, ультразвуковые. Среди них нет найлучшего, все они имеют свои преимущества и недостатки. Алгоритмы были опробованы на оптических, емкостных и пьезоэлектрических типах датчиков, а также на синтетических отпечатках. В силу ограничений стадии адаптивной фильтрации найлучшие показатели были достигнуты на оптических датчиках. Типы датчиков отпечатков пальцев


Слайд 12

Задача идетнификации Алгоритмы ИДЕНТИФИКАЦИИ отвечают на вопрос «Кто этот человек». Для этого один и тот же входной отпечаток должен быть сравнен со всеми имеющимися в базе данных. Так как базы данных могут достигать очень больших размеров, для уменьшения вычислений была введена классификация отпечатков пальцев. При идентификации производится сравнение только с имеющимися отпечатками того же класса. Классификация основывается на наличии в отпечатке сингулярных точек в направлениях линий – петель, дельт и завитков. Для возможности идентификации алгоритмы имеют детектор сингулярных точек, основанный на индексах Пуанкаре.


Слайд 13

Задача распознавания отпечатков пальцев требует значительных вычислительных ресурсов. В то время, как единичная верификация может быть проведена в реальном времени, идентификация по большой базе данных отпечатков выполняется относительно долго. Для решения этой проблемы могут быть использованы векторные архитектуры процессоров – SIMD решения (Single Instruction Multiple Data). Б?льшая часть операций, выполняемых над изображением, может быть распараллелена и выполнена одновременно разными АЛУ (арифметико-логическими устройствами). Алгоритмы верификации были реализованы на SIMD-процессоре VC01 фирмы Alpha Mosaic, который имеет векторную архитектуру с кратностью шестнадцать. В результате верификация один к одному при частоте ядра 75 МГц занимала в среднем 350 мс, из которых 130 мс уходило на захват отпечатка пальца с емкостного датчика. Векторные архитектуры


Слайд 14

Разработанные алгоритмы написаны на языке С++ без использования платформенно-зависимых библиотек, поэтому могут быть легко портированы на платформу, имеющую компилятор для этого языка (были опробованны на OC Windows, Linux и FreeBSD). Версия для PC в качестве входных данных принимает изображения отпечатков пальцев в форматах BMP, PCX или RAW, возможна загрузка шаблонов из файлов векторных представлений. Библиотека также поддерживает ANSI-NIST формат представления особых точек отпечатка. В качестве результата выдается вероятность истинности гипотезы о том, что ей даны изображения одного и того же пальца. Версия для векторной архитектуры Alpha Mosaic имеет собственную версию большинства этапов обработки изображения. Процедуры были написаны на языке assembler для этого процессора. FILL_A1_0_INT16: vmov VX(0, 0++), 0 REP 8 CONTINUE_LOAD_A2_INT16: cmp r12, 0 beq FILL_A2_0_INT16 shl r4, 1 sub r0, 32 vld VX(0, 8++), (r0+=r4) REP 8 add r0, r13 vld VX(0, 32++), (r0+=r4) REP 8 sub r0, r13 add r0, 32 asr r4, 1 b CONTINUE_LOAD_A3_INT16 FILL_A2_0_INT16: vmov VX(0, 8++), 0 REP 8 vmov VX(0, 32++), 0 REP 8 CONTINUE_LOAD_A3_INT16: cmp r11, r14 beq FILL_A3_0_INT16 cmp r12, 0 beq FILL_A3_0_INT16 shl r4, 1 add r0, X_SIZE*16*2 ;288*16*2 sub r0, 32 vld VX(0, 40++), (r0+=r4) REP 8 add r0, 32 sub r0, X_SIZE*16*2 ;288*16*2 asr r4, 1 Реализация алгоритмов


Слайд 15

Контактная информация Если Вы заинтересовались данной информацией, с любыми вопросами можно обратиться по адресу: ITV ® Урицкого, 1 Киев, 03035, Украина телефон: +380 (0) 44 248 65 88 факс: +380 (0) 44 245 16 62 e-mail: sales@itvsystems.com.ua


×

HTML:





Ссылка: