Biometría-óptica-de-iris

5/9/2018 Biometr a- ptica-de-iris - slidepdf.com

http://slidepdf.com/reader/full/biometria-optica-de-iris 1/6

Biometria optica de iris

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS (UPC) 1

BIOMETRIA OPTICA DE IRIS

Evanny Obregón GamarraUniversidad Peruana de Ciencias Aplicadas (UPC)

Facultad de Ingeniería – Escuela Profesional de Ingeniería Electrónica, Lima – Perú[email protected]

Renato Oviedo FrassonUniversidad Peruana de Ciencias Aplicadas (UPC)Facultad de Ingeniería – Escuela Profesional de Ingeniería Electrónica, Lima – Perú

[email protected], [email protected]

Prof. Guillermo Kemper VásquezUniversidad Peruana de Ciencias Aplicadas (UPC)

Facultad de Ingeniería – Escuela Profesional de Ingeniería Electrónica, Lima – Perú [email protected]

RESUMEN

El proyecto consiste en implementar un sistema deidentificación biométrica a través del iris de unapersona utilizando una PC para realizar elprocesamiento de las imágenes. El desarrollo yprueba de los algoritmos se realizó en MATLAB,posteriormente se pasaron todos los algoritmos aC++ utilizando Borland C++ Builder. Se creo unainterfaz gráfica en la PC con la cual el usuario puedecapturar imágenes provenientes de una cámaradigital (WebCam). Posteriormente, la imagencapturada es procesada digitalmente para obtener uncódigo que la caracterice. Se usan algoritmos de pre

procesamiento de imágenes para poder mejorar lacalidad de la imagen y poder extraer la mayorcantidad de información de la misma. El código quecaracteriza a una imagen del Iris se construyeutilizando Waveletes tipo Haar. El código del irisesta compuesto de 366 bits con lo cual se obtiene1.5031x10110 códigos diferentes.Las pruebas de los algoritmos de codificación serealizaron con una muestra extraída de una base dedatos de imágenes del iris obtenidas de Internet(CASIA Iris Image Database v1.0). La base de datosesta compuesta de 749 imágenes, 7 imágenes de 108individuos distintos. Las pruebas realizadas con unamuestra de 40 individuos (280 imágenes) arrojaronvalores por encima del 98% de certeza de algoritmopropuesto.

ABSTRACT

The project consists on implementing a biometricidentification system through the human iris using aPC for digital image processing. Development andtest of algorithms were made in MATLAB, after thatall the algorithms were developed in C++ usingBorland C++ Builder. A graphic interface for the PC

was created; there the user can capture images from

a digital camera (WebCam). Then the capturedimage is digital processed to obtain acharacterization code. Pre processing andenhancement algorithms are used to improve imagequality and obtain a big amount of information. Haartype Wavelets are used to construct thecharacterization code of an iris. The code have 366bits, which makes a total of 1.5031x10110 distinctcodes.

The algorithms test were made with a sampleextracted of a data base of iris images obtainedform the Internet (CASIA Iris Image Database

v1.0). The data base this composing of 749 images,7 images of 108 different individuals. The testsmade with a sample of 40 individuals (280 images)threwvalues over 98% of certainty of proposedalgorithm.

I. INTRODUCCIÓN

La biometría se basa en la premisa de que cadaindividuo es único y posee rasgos físicos distintivoso de comportamientos, los cuales pueden serutilizados para identificarla o validarla. El irishumano es una estructura única por individuo queforma un sistema muy complejo inalterable durantetoda la vida de la persona.

Desde hace unos años el iris humano se vieneutilizando para la autenticación de usuarios. Paraello, se captura una imagen del iris en blanco ynegro, en un entorno correctamente iluminado,usando una cámara de alta resolución.Generalmente esto se hace mirando a través dellente de una cámara fija, la persona simplemente secoloca frente a la cámara y el sistema captura laimagen del iris, ésta imagen se procesa para extraer





patrones, que a su vez son sometidos a algoritmosmatemáticos hasta obtener una cantidad de datossuficiente para los propósitos de identificación. Esamuestra es comparada con otra tomada conanterioridad y almacenada en la base de datos delsistema, de forma que si ambas coinciden el usuariose considera autenticado con éxito; la probabilidadde una falsa aceptación es la menor de todos losmodelos biométricos.

II. OBJETIVOS

• Desarrollar un método robusto de codificacióndel iris.

• Comprender y aplicar las diferentes técnicas yalgoritmos utilizados en el procesamientodigital de imágenes.

• Realizar pruebas que comprueben la eficienciadel método propuesto.

• Programar todos los algoritmos e interfaces enC++, a fin de poder realizar una codificaronextremadamente rápida y eficiente.

III. DESCRIPCIÓN DEL SISTEMA

En la Figura 1, se muestra el diagrama de bloquesdel proceso.

Captura de laimagen

Pre procesamientode la imagen

Extracción de lazona de interés (Iris)

Conversión acoordenadas polares

Codificación

Comparación concódigos de la base

de datos

Validación

Figura 1 . Diagrama de bloques del sistema

3.1. Pre-procesamiento de la imagen

A fin de poder extraer la zona de interés (iris) de laimagen capturada, se aplican ciertos filtros sobre lamisma.El primer paso es aplicar un filtro de mediana, elcual uniformiza la conjuntiva del ojo. Esto sirve paraque los bordes de las pestañas, pupila e iris sean másmarcados, de tal forma que puedan ser mejoridentificados el las siguientes etapas.Téngase en cuenta que en esta etapa no se pretenderesaltar ningún detalles de la imagen con fines decodificación, tal solo se resaltan los bordes de lazona de interés para su posterior extracción.El segundo paso es hallar el histograma de la imageny obtener un valor umbral para binarizar la misma.La pupila del ojo aparece en el histograma como unpico bien marcado en los valores bajos de intensidadde gris (dado que la pupila es negra). Esto permiteubicar el umbral de binarización un poco masdelante de los valores de la pupila.Por ultimo, la imagen es binarizada y la pupila de

aparece como un circulo* negro sobre un fondoblanco, también aparecen otros objetos, los cualesson eliminados utilizando un algoritmo deetiquetado.El etiquetar todos los objetos de la imagen, se eligeal más grande, el cual representa a la pupila. Alfinal esta etapa se tiene la imagen de la pupila(representada por un círculo negro) sobre un fondoblanco.* La pupila se asemeja a un círculo, pero porefectos de luz, reflejos, etc. algunas veces aparececortada o deforme. Estos errores con corregidos enla siguiente etapa, en la cual se detecta el radio y el

centro de la pupila dentro de la imagen con granprecisión.

3.2. Extracción de la zona de interés

3.2.1 Hallando el centro y radio de la pupila

El algoritmo de detección de círculos7 consiste enhallar la gradiente de la imagen, los vectoresgradientes del círculo buscado apuntan hacia fueray son perpendiculares al borde la imagen (círculo)(ver Figura 2), por simetría del centro del círculopor cada vector existirán dos vectores en

direcciones opuestas, la fase entre estos dosvectores debe ser aproximadamente 180 grados.Además, el vector que une dos puntos del circulo,separados 180 grados entre sí, debe tener la mismadirección de que el vector gradiente (ver Figura 3).El segundo paso es aplicado para encontrar todoslos pares de vectores que cumplan con lascondiciones anteriores. El tercer paso es considerarun círculo candidato por cada par de vectores, cadauno tiene su propio centro. Finalmente, el círculocorrecto es extraído entre todos los círculoscandidatos mediante el almacenamiento de las





coordenadas del centro de cada (Cx,Cy) círculo y suradio(r), luego se halla el histograma de los valoresalmacenados(Cx,Cy,r) detectando cuales son los demayor ocurrencia, los cuales corresponden alcírculo correcto. Este algoritmo, también nos otorgalas coordenadas de centro de la pupila y el radio deesta.

Figura 2. Vectores gradiente del circulo

Figura 3. Vectores gradiente opuestos (180°)

Habiendo identificado el círculo de la pupila y suscoordenadas de centro; así como el radio de lamisma; la pupila es aislada mediante una máscara

de extracción, en la cual el círculo de la pupila es decolor negro en un fondo blanco.

3.2.2. Hallando el centro y radio del iris

Para extraer el borde externo del iris se aplicaestiramiento de histograma de la imagen en escalade grises original, luego se aplican el filtro demediana para uniformizar las regiones y eliminarfalsos contornos, seguidamente se aplican los filtrosCanny con un alfa adecuado que permita resaltar elborde externo del iris y facilitar la detección delmismo mediante la función D. Esta función realizaun barrido radial (Är) y angular del iris (Äè)

buscando el radio donde maximice D.

( )∑∑=

−−=m k

mk nmn I I D5

1,, (1)

siendo:

( ))(),( 00, θθ∆∆+∆∆+= jSeni y jCosi x I I

r r ji (2)

Luego, considerando la pupila concéntrica con eliris en el eje vertical, pero no en el eje horizontal.Se asume como coordenada del centro del iris en eleje x la coordenada del centro de la pupila del eje x;en el eje y se toma el radio del iris como referenciapara hallar la coordenada “y” del centro del iris.

Conociendo las coordenadas del centro del iris y suradio, se traza una circunferencia de color blancosobre un fondo negro. Se realiza una operaciónAND entre la imagen captura y las dos mascaras deextracción, consiguiendo aislar la zona de interés (elanillo del iris) en la imagen.

3.3. Pre – procesamiento de imágenes paracodificación

A fin de incrementar la eficiencia de los códigos, seprobaron algunos métodos de pre – procesamientode imágenes para poder resaltar bordes, detalles ydemás características del iris que aumentaran lacerteza de los códigos a probar.

3.3.1 Estiramiento de histograma

Las imágenes del iris tienen un histograma centradoen un valor de gris aproximadamente igual a 150,las componentes de gris de la imagen se extiendende 80 hasta 200 aproximadamente. Es por esto quelas bandas comprendidas entre 1 – 80 y 200 – 255,son aprovechadas para estirar el histograma de laimagen. En la figura 4 y en la figura 5 se muestranrespectivamente las imágenes de iris antes ydespués de la aplicación de la técnica deestiramiento de histograma.

Figura 4. Imagen original

Figura 5. Imagen resultante de la aplicación de latécnica de estiramiento de histograma





3.3.2 Incremento de Contraste

Se implemento también un programa que aumentael contraste de los pixeles que se encuentran entre80 y 200 en escala de grises, las demás intensidadesse hacen cero para que no influyan en elprocesamiento. En la figura 6 y en la figura 7 semuestran respectivamente las imágenes de iris antesy después de la aplicación de la técnica deincremento de constraste.

Figura 6. Imagen original

Figura 7. Imagen resultante de la aplicación de latécnica de incremento de constraste.

3.4 Transformación a coordenadas polares

Una vez extraído el iris de la imagen del ojo, sedebe realizar un cambio de coordenadas a fin depoder extraer las características del iris y poderarmar un código que lo identifique.La idea es obtener una representación rectangulardel iris (ver Fig. 8).

Figura 8. Procedimiento de representaciónrectangular de la imagen de iris

Esto se logra con el siguiente procedimiento: losparámetros θ (θ ∈ [0 ; 2π]) y ρ (ρ ∈ [0 ; 1])describen el sistema de coordenadas polar y lasiguiente transformación

),()),(),,(( θρθρθρ I y x I → , mediante la

implementación de las siguientes ecuaciones.

)(x*)(x*)1(),(x ip θρ+θρ−=θρ (3)

)(y*)(y*)1(),(y ip θρ+θρ−=θρ (4)

Con:

)cos(*r)(x)(x p0pp θ+θ=θ (5))(sin*r)(y)(y p0pp θ+θ=θ (6))cos(*r)(x)(x i0ii θ+θ=θ (7)

)(sin*r)(y)(y i0ii θ+θ=θ (8)

En donde:

Xp0 = centro de la pupila en x.

Yp0 = centro de la pupila en y.Xi0 = centro del iris en x.Yi0 = centro del iris en y.rp = radio de la pupila.ri = radio del iris.

A fin de que no se pierda información al momentode realizar la transformación los deltas de ρ y de θse toman como sigue:

pi rr

1d

−=ρ (9)

ir**2

1d

π=θ

(10)

En realidad estos dos parámetros son valores fijosprecalculados, debido a que se desea obtenerimágenes del mismo tamaño al momento de realizarla transformación de coordenadas.

3.5 Algoritmos de codificación

Caracterización de imágenes mediante lawavelet tipo Haar.

A partir de la imagen del iris en formato polar, se

aplica la transformada Haar a la imagen hasta llegaral nivel 5 del árbol (ver Fig.9). En las primeraspruebas se aplicaba la transformada Haar hastaobtener el nivel nivel 4.

Luego se codificaba el nivel 4HH, para así crear elcódigo. Este tipo de codificación no funcionóadecuadamente y no se obtuvieron los resultadosdeseados. Por ello se pensó en realizar otro tipo decodificación pero sin dejar de usar la transformadaHaar.





Figura 9. Transformada bidimensional de waveletsde Haar : arbol de descomposición en 5 niveles

Se aplico la transformada Haar hasta llagar al nivel5 y se realizo otro tipo de codificación. Serealizaron pruebas utilizando diferentes bandas defiltraje para construir el código, se concluyo que lasbandas que caracterizan a una imagen del iris sonlas siguientes: 4HL, 4LH, 4HH, 5HL, 5LH y 5HH.Para cada una de las bandas resultantes(identificado con I(x,y)), la forma de codificaciónfue la binarización. Es decir,

≤

>=

0)y,x(I 0

0y)I(x, 1)y,x(f (11)

Además se incluyeron los valores promedio de cadauna de las sub-imágenes mencionadas. Este tipo decodificación aumento la eficiencia del códigoincrementando las diferencias entre códigos dedistintas imágenes.

Así mismo, también se modificaron ciertosparámetros al momento de convertir el sistema decoordenadas de las imágenes.

Además del tipo de codificación Haar, también setuvieron en cuenta otros factores.

Región del iris a utilizar: En ciertas imágenes eliris se ve obstruido por el parpado o por algunapestaña, es por eso que se probo la codificación deliris utilizando solo ciertas regiones, las cuales esténlibres de cualquier agente extraño que puedeadulterar las características del iris.Se llego a la conclusión de que la región que menosproblemas presenta es una región trapezoidal de 50ºa cada lado del iris (ver Fig.8).

Parámetros del algoritmo de cambio de sistemade coordenadas: Se notó que al cambiar losparámetros del algoritmo que convierte larepresentación del sistema de cordeadas del iris,esto influye de gran manera en los resultados de laposterior codificación.

Si se usa un delta muy pequeño la imagen crecedebido a la redundancia de pixels, pero a la vez se

pierden algunas texturas necesarias para que lacodificación sea más eficiente. Por el contrario, si eldelta es muy grande, se pierde información porqueno todos los píxel de la imagen original sonllevados a la nueva representación. Se determinoque le valor apropiado para delta es 0.009.

IV.- PRUEBAS Y RESULTADOS

Para evaluar los resultados de los códigospropuestos se evaluaron los siguientes parámetros.

Rango de verdaderos reconocimientos VR (%):Representa el número de identificaciones que serealizaron acertadamente.Rango de Falso de reconocimiento FR (%):Aquellos códigos que se identificación falsamentecomo verdaderos.Rango de verdaderos rechazos VRC (%):Representa los códigos que fueron acertadamenterechazados.Rango de falsos rechazos FRC (%): Representa

los códigos que fueron erróneamente rechazados ytomados como falsos.

A fin de comprobar la eficiencia del código, serealizaron pruebas con 40 usuarios, de los cuales 35son extraídos de la base de datos de Internet y losotros 5 son propios. Estos son los resultados.

Verdaderos reconocimientos (%) 98.66Falsos reconocimientos (%) 1.12Verdaderos rechazos (%) 98.87Falsos rechazos (%) 1.33

Se utilizó la distancia de Hamming como medida devalidación de códigos.También se probaron otros códigos, los cuales notuvieron el grado de certeza que si tiene Haar. Unode ellos fue la firma del iris, el cual se compara conel método de Haar en la Figura 10.

Comparación de códigos

0

20

40

60

80

100

120

Haar Firma

Tipo de Codificación

P o r c e n t a j e

VR

FR

VRC

FRC

Figura 10. Método de Haar vs. firma del iris

Producto final (Entorno Visual - Fig. 11):

Descripción del proceso:





Botón Abrir Imagen, abre un cuadro de dialogoque permite seleccionar la ruta de la imagen que sedesea codificar para su posterior autenticación oalmacenamiento en la base de datos.

Figura 11. Aplicación C++ Builder – EntornoVisual

Botón Procesar, transforma la imagen seleccionadaa escala de grises para hallar las coordenadas de

centro de la pupila e iris, las cuales son necesariaspara realizar la transformación de coordenadaspolares a coordenadas rectangulares de la región deinterés, anillo del iris. Luego se procede a codificarla imagen del anillo del iris en coordenadasrectangulares utilizando la transformada Haar;dicho código se almacena en una variable temporaldel programa a la espera de la siguiente acción.

Botón Guardar , almacena el código del anillo deliris en un archivo de la base de datos.

Botón Comparar, compara el código que seencuentra en la variable temporal con todos loscódigos almacenados en la base de datos, lacomparación se realiza mediante la distancia deHamming, si el porcentaje es mayor al umbraldeterminado se reconoce como UsuarioIdentificado, en caso contrario se reconoce comoUsuario no Identificado.

V. REFERENCIAS BIBLIOGRÁFICAS

[1] W. W. Boles and B. Boashash “A Human

Identification Technique Using Images of the

Iris and Wavelet Transform ”, IEEETRANSACTIONS ON SIGNALPROCESSING, VOL. 46, NO. 4, APRIL 1998

[2] Carmen Sanchez - Avila and Raul Sanchez-Reillo “Sistemas de identificación biométrica

mediante patrón de iris utilizando

representación multiescala e información de

fase”. [3] John Daugman, PhD, OBE “How Iris

RecognitionWorks” University of Cambridge,The Computer Laboratory, Cambridge CB23QG, U.K.

[4] John Daugman “The importance of being

random: statistical principles of iris

recognition”, The Computer Laboratory,University of Cambridge, Cambridge CB30FD, UK 5 Received 21 December 2001.

[5] Christel-loïc TISSE, Lionel MARTIN, LionelTORRES, Michel ROBERT “Person

identification technique using human iris

recognition”. [6] Jafar M. H. Ali Aboul Ella Hassanien “ An Iris

Recognition System to Enhance E-security Environment Based on Wavelet Theory”, AMO

- Advanced Modeling and Optimization,

Volume 5, Number 2, 2003

[7] Ali Ajdari Rad, Karim Faez, Navid Qaragozlou“Fast Circle Detection Using Gradient Pair

Vectors”, Proc. VIIth Digital ImageComputing: Techniques and Applications, SunC., Talbot H., Ourselin S. and Adriaansen T.(Eds.), 10-12 Dec. 2003, Sydney

[8] Pajares Gonzalo, De la Cruz Jesús “Visión porComputador” Ed.RA-MA, Madrid, España.

Biometría-óptica-de-iris

Documents

Transcript of Biometría-óptica-de-iris