IEEE TPAMI 18(8) 799 dactilares - sc.ehu.es · PDF fileEs el proceso de emparejar una huella...

1

Biometrica:huellas dactilares

Reconocimiento de huellasdactilares

N.K. Ratha, K. Karu, S. Chen, A.K. Jain, (1996) A real-time matching system for large fingerprintdatabases, IEEE TPAMI 18(8) 799

A.K. Jain, L. Hong, R. Bolle (1997) On-line fingerprint verification, IEEE TPAMI 19(4) 302

L. Hong, A. Jain (1998) Integrating faces and fingerprints for personal identification IEEE TPAMI20(12) 1295

2


Emparejamiento de huellasdactilares

• Usos:– Law enforcement

– Control de acceso para instalaciones seguras

• Ventajas– La huella es única

– Las características que se usan para laidentificación permanecen invariantes con laedad

3


• Existen métodos manuales estandarizados para la búsquedade huellas dactilares en colecciones de forma manual

• El método automátizado de búsqueda precisa de unarepresentación (cjto de características) que posea laspropiedades:– Retiene el poder discriminante de cada fingerprint a distintos

niveles de resolución

– Facilmente computable

– Permite algoritmos automáticos de emparejamiento

– Estable e invariante a ruido

– Representación compacta y eficiente

• Las crestas y los valles son las características primarias.Las anomalías en el flujo de las crestas y valles(bifurcaciones, final, cruces, crestas cortas, etc) son lasminutiae

4


5


6


7


8


Las características de interés para clasificación automáticase reducen a dos: final y bifurcación.

Característicascomplejas se puedencaracterizar comocombinaciones de lascaract. Simples.

9


La minutia se caracteriza porsu posición (x,y) y ángulo

El emparejamiento se convierte en unproblema de emparejamiento de conjuntosde puntos, que son problemas deemparejamiento de grafos o subgrafos.

10


Características de alto nivel

• Clases de huellas:– Arch, tented arch, left loop, rigut loop and

whorl

• Densidad de las crestas: nº por unidad dedistancia.– Usualmente entre los puntos de interés: core y

delta.• Core: punto interno más elevado de la cresta más

interna al bucle

• Delta: puntos con tres crestas irradiando

11


Calculo de las orientaciones

• Pasos (método de Rao):– Calcular las magnitudes de los gradientes

Gx(i,j) y Gy(i,j).

– Obtiene la dirección dominante en bloques16x16

12


La clasificación en clasesprimitivas se hace sobre losvectores de orientación enuna imagen 64x64. Secalculan las direcciones, sesuavizan (hasta que seobtiene un resultado), seencuentran los puntossingulares y se detectan lospuntos core y delta. Deacuerdo con ellos seclasifica la huella.

13


El índice de Pincaré se calcula sumando todos los cambios deen el ángulo de la dirección a lo largo de una curva cerrada entorno al punto que se examina.

La clasificación de los puntos se hace en base al índice dePoincaré.

14


La discriminación de las clases se hace estudiando las lineas que conectan loscore y deltas y su relación con el campo de orientaciones local

15


Problemas de ruido

• El método de captura de la huella produce– Areas con demasiada tinta: manchones

– Rupturas en las crestas producidas por falta detinta.

– Variaciones de posición debidas a los cambiosde presión.

16


Pasos de extracción de minutiae

• Preproceso y segmentación– Cálculo del campo de orientación

– Separación de fondo y objeto

– Segmentación de crestas

– Suavización direccional de las crestas

• Adelgazamiento morfológico y extracción decaracterísticas

• Postproceso: eliminación de ruido

• Densidad de crestas entre el core y el delta calculada apartir de la imagen adelgazada

17


18


Busqueda multinivel

• Una secuencia de niveles de búsqueda quereducen el espacio de búsqueda en cadapaso:– Búsqueda basada en texto: nombre, color de

pelo, color de ojos,…

– Basada en la clase

– Basadas en la densidad de crestas

– Basada en el emparejamiento de minutiae

19


Emparejamiento elástico deminutias

• Registro: corrección de lasrotaciones/traslaciones indeseadas

• Emparejamiento de minutias:

• Cálculo de la bondad (score) deemparejamiento

20


registro

• Entrada: conjuntos de minucias

• Transformación asumida: afin, ruido,eliminación y añadido de puntos

• Es un problema de optimización: busca elmejor emparejamiento mediante unatrasformada de Hough generalizada

21


En el emparejamientoalgunos puntos puedenno tenercorrespondencias y trasel registro losemparejamientos serecuperan con un ciertoerror.

22


Transformada de Hough

• Conjunto de transformaciones admitidas

• Espacio de parámetros de lastransformaciones admitidas

23


• Matriz de acumulación

• Cálculo de la trasnformación: para cada parde puntos de minucias de cada imagen secalcula la transformación y se acumula

24


25


Emparejamiento de minucias

26


27


Identificación de huellas

• Es el proceso de emparejar una huellainterrogación (query) contra una base dedatos de huellas dada para establecer laidentidad de un individuo.

• Objetivos– Determinar si la huella está presente en la base

de datos

– Obtener los mejores candidatos

28


Identificación comocorrespondencia entre minutiae

• No se conoce una correspondencia a priorientre las minucias de las dos huellas

• Existen translaciones, rotaciones ydeformaciones no lineales entre lasminucias patrón y las de entrada.

• Aparecen minucias espureas en amboscasos

• Se pierden algunas minucias

29


Dos huellas del mismo dedo, se aprecian las deformacionesdebidas a la presión, además de rotación y traslación.

30


Sistema de verificación on-line

• Basado en escaners de huellas digitales

31


Fases

• Extracción de minucias (500 dpi)– Extracción del mapa de crestas

– Búsqueda de las minucias

• Emparejamiento de minucias– Emparejamiento elástico de un conjunto de

puntos.

– Sujeto a deformaciones.

32


Extracción de minucias

33


Estimación del campo deorientación

• Mejora jerárquica del método de Rao

• Calcula el nivel de consistencia de lasorientaciones entre bloques vecinos

D son los 5x5 bloques vecinos

34


Si la consistencia está por encima de un cierto umbral, sereestiman las orientaciones entorno a esa región a unaresolución menor.

35


Detección de crestas

• Convoluciona con máscaras de tamaño LxH

• Acentúan los máximos locales de intensidadadaptativamente,en la dirección normal a ladirección local de la cresta.

• Precisa de un postproceso de detección deagujeros y raspaduras (hole & speckle)

36


Dirección local de la cresta

Si las dos imágenesconvolución son mayoresque un umbral se definecomo cresta el pixel

37


Extracción de minucias

• Trivial si el mapa de crestas está biendefinido: idealmente adelgazado.– Finales de crestas: el número de 8 vecinos es 1

– Bifurcaciones: mas de dos 8-vecinos

• Problemas: rupturas y spikes indeseadosproducen minucias espúreas. Es necesarioaplicar algún método de suavización.

38


Suavización de crestas

• Heurísticos:– Si una rama es ortogonal a la dirección de la cresta y su longitud es

menor que un umbral, se remueve.

– Si una ruptura es suficientemente pequeña y no pasan otras crestaspor medio de ella, se unen los extremos.

• Refinamiento basado en información estructural– Si varias minucias forman un cluster en una región pequeña, se

remueven todas menos la más cercana al centro del cluster

– Si dos minucias se encuentran bastante cerca, enfrentadas sincrestas intermedias, eliminar ambas.

• Información asociada a las minucias: posición, orientacióny cresta asociada.

39


40


Emparejamiento de crestas

• Proponen reconocimiento mediantealineamiento.– Fase de alineamiento: se estiman

transformaciones de rotación, traslación yescalado entre el input y el patrón en la BD

– Fase de emparejamiento: se convierten lasminucias en polígonos en el sistema decoordenadas polares y se aplican algoritmos deemparejamiento elástico de cadenas (strings).

41


Alineamiento de patrones depuntos

• Cada minucia se corresponde con una cresta y elemparejamiento se hace sobre las crestas

42


Durante la detección de las minucias, se registran también las crestas. Serepresentan como curvas planares, con su origen coincidente con laminucia, el eje x coincidente con la dirección de la minucia. La curva estánormalizada por la distancia entre crestas promedio.

Sean Rd y RD las crestas asociadas con las minucias input y patrón.

Paso 1: calcular el emparejamiento como curvas 1D, con L el mínimo delas longitudes, di y Di la distancia al eje x, y el intervalo de muestreo es ladistancia intercresta. Si S supera un umbral proseguir con el paso 2, sinointentar con otro par de crestas patrón e input.

43


Paso 2: calcular la transformación entre las dos crestas. Calcula elvector de traslación referido a las minucias de referencia:

Calcula el ángulo de rotación entre las crestas:

Paso 3: sea la minucia de referencia. Trasladar yrotar todas las minucias de acuerdo con los parámetroscalculados para esta minucia de referencia.

44


Emparejamiento de los puntosalineados

• La existencia de deformaciones en laimpresión de la huella implica que esnecesario un emparejamiento elástico.

Minuciaspatrón einput

45


Paso 1: convertir a coordenadas polares respecto de la minuciade referencia:

Paso 2: representar las minucias en orden de distancia radial

Paso 3:Emparejar las representaciones radiales mediante unalgoritmo de programación dinámica y obtener la distancia deedición entre las representaciones polares.

46


Paso 4: usa la distancia de edición para establecer lacorrespondencia de las minucias. La medida delemparejamiento es:

Npair número de minucias que caen enlas cajas de acotación de las minuciaspatrón.

Justificación:

Deformaciones no lineales son radiales.

Es más facil de formular la rotación en el espacio decoordenadas polares.

47


Emparejamiento de cadenas

• Se hace en el paso 3

• Introducen criterios de elasticidad

• Definición recursiva de la distancia deedición C(M,N)

48


49


Ajuste adaptativo dealineamiento para elemparejamiento elástico

50


IEEE TPAMI 18(8) 799 dactilares - sc.ehu.es · PDF fileEs el proceso de emparejar una huella...

Documents

Transcript of IEEE TPAMI 18(8) 799 dactilares - sc.ehu.es · PDF fileEs el proceso de emparejar una huella...