Conteúdo - Departamento de Informática da Universidade da Beira
Contents
1. 48 5 27 Tabela de resultados da classifica o em BATH 48 5 28 Curva de ROC para os resultados da Bath 49 5 29 Ambiente de decis o paraCASIA 50 5 30 Tabela de resultados da classifica o em CASIA com 0 26 50 5 31 Tabela de resultados da classifica o em CASIA com 0 307 51 5 32 Curva de ROC para os resultados da CASIA 51 Al Menu incial da aplica o es sta abe ode a 58 A 2 Janela de escolha da imagem nananana Weis ne eck aw 58 A 3 Janela depois de carregadaaimagem 59 A 4 Resultado da verifica o Acesso Negado 59 A 5 Resultado da verifica o Acesso Autorizado 60 A 6 Acesso ao menu op es as 4 ee ee a ga ca ae Ta 60 Cap tulo 1 INTRODU O Este cap tulo cont m o objectivo do projecto uma breve no o de Biome tria as caracter sticas fisiol gicas do globo ocular uma descri o geral do que reconhecimento de ris o enquadramento do projecto com os dispositivos m veis e a estrutura do relat rio 1 1 Objectivo Este projecto tem como objectivo a implementa o de um m dulo para reconhecimento da ris em dispositivos m veis Este surge no encontro de uma necessidade crescente de seguran a sendo os sistemas de reconhecimento da ris uma solu o apetec vel devido sua utiliza o actual como m todo de verifica o e autentica o nas mais variadas reas Para que este objectivo possa ser atingi2. MSE 0 26 0 0333 0 2496 0 3012 0 4642 Distancia de Hamming Total 190 000 casos Figura 5 26 Ambiente de decis o para BATH Total de 190 000 casos Percentagem FRR 36 Casos 0 019 FAR 34 Casos 0 018 Precis o 99 96 Figura 5 27 Tabela de resultados da classifica o em BATH 5 4 Resultados da Classifica o 49 Curva de ROC ROC Curve False Accept Rate 0 1 AUC 0 99999 J L L 1 L L L L 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 False Reject Rate Figura 5 28 Curva de ROC para os resultados da Bath Observa es Com uma precis o de 99 96 na decis o e com a rea da ROC igual a 0 99999 a classifica o apresenta resultados bastante s lidos para a BATH permitindo uma distin o praticamente exacta 50 PAR METROS E RESULTADOS 5 4 2 Resultados da Classifica o para a CASIA Ambiente de Decis o 30 q 25 4 20 Intra Ocorr ncias e un Inter 0 0474 0 2304 0 4201 0 4542 Dist ncia de Hamming Total 42 000 casos Figura 5 29 Ambiente de decis o para CASIA Resultados com 0 26 Total de 42 000 casos Percentagem FRR 3446 Casos 8 24 FAR 68 Casos 0 16 Precis o 91 6 Figura 5 30 Tabela de resultados da classifica o em CASIA com 0 26 5 4 Resultados da Classifica o 51 Resultados com MSE Total de 42 000 casos Percentagem FRR 2614 Casos 6 25 FAR 262
3. Escler tica M sculos Cor ide T nicas cikares Retina Fovea centralis Iris C mara posterior com humor vitreo Ponto cego Cristalino C rnea C mara anterior ptico vasos Ligamentos suspensores do cristalino M sculo externo Figura 1 1 Estrutura do Globo Ocular O globo ocular recebe este nome por ter a forma de um globo que fica acondicionado dentro de uma cavidade ssea e protegido pelas p lpebras 1 3 Globo Ocular 3 Entre todos os m sculos nervos e membros que est o presentes no globo ocular o que nos interessa em termos de reconhecimento biom trico a ris e por consequ ncia a pupila e a escler tica A ris como n o poderia deixar de ser a que assume o papel de maior import ncia entre os tr s pois ela que contem a informa o biom trica que permite a identifica o inequ voca do indiv duo Mas por motivos posicionais a informa o sobre a pupila e a escler tica tamb m relevante a pupila porque se encontra no seu interior e a escler tica porque a rodeia 1 3 1 Caracter sticas Relevantes Iris Apesar de n o ser exactamente um c rculo pode ser descrita como um c rculo que apresenta cor Pupila Corresponde parte preta encontrada dentro da ris A sua fun o controlar a quantidade de luz que entra no olho fechando se em am bientes iluminados e dilatando em ambientes escuros N o conc ntrica com a ris
4. A linguagem utilizada MATLAB denominada muitas de M c digo B 2 Implementa o do M dulo Para a implementa o do m dulo foi utilizado o Microsoft Visual Studio 3 aplica o de desenvolvimento de Software especialmente dedicado ao NET Framework Neste caso em particular e para a programa o em dispositivos m veis utilizada a NET Compact Framework o que possibilita que a aplica o criada seja executada em Windows Mobile A linguagem utilizada foi C c sharp linguagem de programa o ori entada a objectos criada pela Microsoft e faz parte da plataforma Net baseada na linguagem C e Java e considerada a linguagem s mbolo do NET porque foi criada praticamente do zero para funcionar na nova plataforma sem preocupa es de compatibilidade com c digo existente o compilador C foi o primeiro a ser desenvolvido e a maior parte das classes do NET Framework foram desenvolvidas em CH A principal dificuldade encontrada na implementa o do m todo nesta 61 62 Ambiente de Desenvolvimento linguagem a falta de bibliotecas standard do C para NET Framework o que impossibilita a utiliza o de qualquer biblioteca dispon vel para o processamento de imagens na vers o Compact como o exemplo da AForge Bibliografia 1 Dal Ho Cho Kang Ryoung Park and Dae Woong Rhee Real time localization for iris recognition in cellular phone In SNPD SAWN pages 254 259 2005 2 Dal Ho Cho Kang R
5. Xor 0 376 Extrair Assinatura 3 Extrair Assinatura 2 Figura A 4 Resultado da verifica o Acesso Negado 1 Tentativa O sujeito com ID 1 inseriu por engano o ID 2 e carregou verificar A sua assinatura foi comparada com a do sujeito 2 e o acesso foi negado 60 Manual Do Utilizador Socia Mobile a d 8 58 X Relat rio X Dados Terminado A Recriar Imagem Comparar com Id 1 Extrair Assinatura 3 Extrair Assinatura 2 Verificar Op es Sair mj Figura A 5 Resultado da verifica o Acesso Autorizado 2 Tentativa Introduzindo o ID correcto o sujeito 1 recebe acesso autorizado isto porque a assinatura j foi comparada com a sua correspondente Socia Mobile 49 10 ix Id 4 Ja Atribuir Acesso Remover Acesso Relat rio Sobre Verificar Op es Sair Ej Figura A 6 Acesso ao menu op es Menu Op es Neste menu podemos remover acesso a sujeitos autorizados atribuir novos acessos abrir o relat rio gerado no processo de verifica o e consultar informa o sobre a aplica o Ap ndice B Ambiente de Desenvolvimento B 1 Estudo e Calibra o Para a fase de estudo e calibra o o m todo foi implementado utilizando o software MATLAB 12 bastante popular no processamento de imagens visto ser destinado a c lculos com matrizes Matlab MATrix LABoratory e conter uma Toolbox dispon vel para o processamento de imagens
6. mas localiza se muito pr ximo disso A percentagem ocupada pela pupila em rela o ris varia entre 10 a 80 dependendo da luminosidade 2 Como no caso da ris apesar de apresentar uma forma muito semelhante a pupila tamb m n o exactamente um c rculo a percentagem entre o di metro horizontal e vertical varia entre 80 a 120 ou seja se o di metro vertical 100 o horizontal est entre 80 e 120 e vice versa 2 Escler tica Corresponde parte branca do olho apresentando como fun o a protec o ocular 4 INTRODU O 1 4 Reconhecimento da ris Como j vimos a ris humana est bem protegida e apesar de ser uma parte vis vel do corpo uma componente interna do olho N o determinada geneticamente e acredita se que as suas caracter sticas se mantenham du rante toda a vida Caracter sticas estas altamente complexas e nicas o que a torna interessante para a identifica o biom trica Um estudo rea lizado com 200 mil milh es de ris de 632 500 indiv duos e pertencentes a 152 pa ses diferentes mostra que a possibilidade de ocorrer um erro de verifica o de 1 em 200 bili es 5 dependendo do ambiente de decis o O processo de reconhecimento come a com a aquisi o de uma fotografia da ris tirada sob ilumina o infra vermelha Apesar da luz vis vel poder ser utilizada as ris com pigmenta o escura revelam maior complexidade quando iluminadas por luz infra vermelha Mas
7. 4 2 4 3 4 4 4 5 4 6 4 7 4 8 5 1 5 2 Estrutura do Globo Ocular oaoa aaa 2 Algoritmo Global do M todo n oaaao aaa 10 Algoritmo de Localiza o megas pas ee Pe 14 Altera o do contraste e do briho na imagem inicial 15 Resultado da Binariza o 4 pas pala sas gia a ala a 16 Resultado da Abertura ss dana args Sa Ss a 17 Linha e coluna com mais pontos a preto 18 Representa o da Fronteira 048 19 M todo Utilizado na extra o do centro 20 Tabela com par metros de valida o 0 21 Exemplos de Erros Detectados e Recuperados 21 Resultado final da localiza o 2 4 44 94 wane Gone Duas 22 ngulo formado pela oclus o 2 2 ee ee 23 Pontos utilizados em Daugman modificado 24 Resultado final da localiza o 4 24 Algoritmo de extrac o e classifica o 02 26 Ilustra o de Daugman rubber sheet 27 Representa o grafica do processo de normaliza o 27 Delimita o da zona aproveitada 28 Assinaturas resultantes suga pd a ACESA Re 28 Filtros de Gabor utilizados 2 2 2 2 ee ee 29 Resultado depois da recolha ss spa ss dps pra 30 Ilustra o do processo de ajuste o oo 30 Exemplos de imagens da Base de Dados BATH 34 Exemplos de imagens da Base de Dados ICE 35 xi xii LISTA DE FIGURAS 5 3 Exemplos de imagens da Base de
8. 40 20 Percentagem 10 25 30 35 40 45 50 55 60 65 70 Raio da Pupila pixeis Figura 5 7 Grafico com correspond ncia de raios por intervalos 5 2 Par metros extra dos da BATH 39 Raio da pupila Percentagem Media do Raio 25 70 38 28 30 25 50 60 66 Figura 5 8 Tabela com dados da correspond ncia Analisando o histograma da percentagem m dia do raio da pupila em rela o ao da ris notam se semelhan as com o histograma dos raios da pupila O que abre a hip tese de haver uma correspond ncia mais ou menos directa entre o raio da pupila e o da ris Analisando ent o a corres pond ncia obtemos o gr fico da figura 5 7 que nos mostra que medida que o raio da pupila aumenta a percentagem em rela o ao raio da ris tamb m aumenta Isto se o raio da pupila de 25 pix is raio m nimo a percentagem em m dia 25 e se de 65 pix is de 50 n o havendo casos extremos como por exemplo 25 pix is correspondem a 50 do raio da ris Tamb m podemos concluir que o tamanho da ris pouco se altera isto provem do facto de as imagens serem todas tiradas mais ou menos mesma dist ncia RI min RP min 100 PM RI min 25 100 25 100 Ri max RP max 100 PM RI max 67 100 50 134 Figura 5 9 Calculo dos limites do Raio da ris Com tudo isto como base podemos estipular um intervalo para os raios da ris e
9. Cambrigde os seus algoritmos est o presentes em diversos sistemas de identifica o utilizados actualmente com ele vadas taxas de precis o 5 4 Mas n o esquecendo que o objectivo a implementa o de um m todo para dispositivos m veis que como foi referido apresenta taxas de processamento mais baixas necess rio ana lisar e estudar alternativas principalmente para a fase de localiza o por isso tamb m descrito parte do m todo proposto por Dal Ho Cho Kang Ryoung Park e Dae Woong Rhee da Universidade de Sangmyoung que permite a localiza o da ris em tempo real nos dispositivos m veis 1 8 ESTADO DA ARTE Partes de outros m todos ser o referidas ao longo do documento 2 1 1 Modelos de John Daugman Dos modelos por ele apresentados os aqui resumidamente enumerados s o apenas os que pelo menos o conceito foi transferido para o modelo implementado Um dos modelos o utilizado na localiza o da ris Essa localiza o feita com base na diferen a de valores presentes em duas circunfer ncias com raios N e N 1 respectivamente O objectivo deste m todo identificar qual a circunfer ncia que apresenta maior diferen a e qual o seu centro Em termos visuais a circunfer ncia que passar de uma zona com cor para uma zona branca Mas isso neste caso em particular que s se pretende localizar o limite exterior da ris mas este m todo tamb m pode ser utilizado para localizar o
10. IR TR PR ld A Figura 4 7 Resultado depois da recolha O resultado da convolu o n o vai ser todo utilizado na compara o das assinaturas geradas apenas alguns pix is v o estar presentes nas assi naturas finais Da primeira assinatura que tinha inicialmente 256x20 e agora 512x20 resulta uma assinatura final com 103 colunas e 4 linhas Isto acontece porque retirada uma amostra de 5 em 5 pix is tanto nas linhas como nas colunas A amostragem para a segunda assinatura reti rada de 5 em 5 linhas e de 3 em 3 colunas e para a terceira de 2 em 2 linhas e de 3 em 3 colunas 4 6 Comparar assinaturas Para classificar a assinatura necess ria uma compara o com a assinatura guardada neste caso com tr s assinaturas Cada assinatura comparada com a sua correspondente individualmente LT VU SAT PANA LT VU SATE TELAS Figura 4 8 Ilustra o do processo de ajuste De forma a acertar poss veis rota es do olho feita uma desloca o s assinaturas que est o a ser comparadas No m todo implementado s o aceites rota es m ximas de 45 graus e m nimas de 45 Na pr tica consiste em trocar colunas da esquerda para a direita ou ao contr rio obtendo a melhor combina o Como se pode ver na figura 4 8 para que a assinatura corresponda guardada preciso mover parte da mesma para o fim 4 7 Classifica o 31 Depois de ajustadas calculada a dist ncia de Hamming entre as duas bas
11. apre senta uma variedade maior de situa es Para esse efeito foram utilizadas 435 fotografias 35 para calibrar os factores de binariza o e 400 para teste 5 1 3 CASIA Figura 5 3 Exemplos de imagens da Base de Dados ICE A vers o utilizada da base de dados CASIA 6 Chinese Academy of Sciences Institute of Automation foi a IrisV3 Lamp As imagens s o recolhidas atrav s de um sensor de m o da OKI a l mpada de ilumina o ligada e desligada de forma a criar varia es intra classes Utilizada para estudar o comportamento da fase de localiza o e de cla ssifica o Para a localiza o foram utilizadas 400 fotografias para teste e 35 para a calibra o da binariza o enquanto para a classifica o foram utilizadas 205 fotografias 36 PAR METROS E RESULTADOS 5 2 Par metros extra dos da BATH 5 2 1 Par metros Ajust veis para a localiza o Contraste Contraste 9 0 9 Valores ajustaveis de acordo como tipo de imagens recolhidas Brilho Brilho 0 9 e 1 1 Estes valores s o os utilizados no Matlab 1 Binariza o Factor 0 7 2 Binariza o Factor 0 67 eee Limite Branco 5 Pix is Factor que permite localizar a fronteira mesmo que hajauma interrup o de pix is pretos nas rectas encontradas Raio da pupila Po Consultar 12 an lise Diferen a entre Raio 0 10 Consultar 32 an lise Vertical e Horizontal Vizinhan a do Centro 10x10 Devido s condi es de c
12. da pupila fica com uma 16 LOCALIZA O diferen a maior de valores em compara o com a regi o da ris ou da escler tica o que permite uma binariza o mais eficiente O efeito que se pretende o mostrado nos gr ficos da figura 3 2 que representam os valores da linha assinalada na fotografia antes e depois do ajuste De notar que a linha passa nas tr s regi es ris pupila e escler tica Este passo toma maior import ncia quando a diferen a entre a pupila e a ris n o t o evidente olhos escuros o que tornava o processo de binariza o pouco preciso pois deixa partes da ris na imagem resultante o que impossibilitava a posterior localiza o Este processo referenciado em 1 3 1 2 Binariza o da Imagem iy s SR oa ESA eH ee By Figura 3 3 Resultado da Binariza o Como os valores escuros est o devidamente separados dos claros de vido ao processo anterior Podemos realizar uma binariza o bimodal passando os valores escuros a estar representados por 0 e os claros por 1 deixando assim a zona da pupila definida Este parte do algoritmo um ponto possivel de retorno quando encon trado algum erro na localiza o da pupila 3 1 Localiza o da Pupila 17 Isto acontece porque deixado demasiado lixo na imagem resultante proveniente de sobrancelhas pestanas ou de olhos muito escuros Quando isto se verifica a imagem binarizada novamente mas agora com um factor mai
13. o de 100 quer na de classifica o com 99 96 Se as condi es de captura no dispositivo de aproximarem das presentes na base de dados o sistema implement vel com taxas de efic cia recomend veis como sistema de verifica o Com os resultados obtidos na fase de localiza o para a base de dados ICE podemos concluir que mesmo com situa es excepcionais como o caso do fora de ngulo ou demasiada oclus o o comportamento do algo ritmo aceit vel mostrando uma precis o 96 75 Sendo o n cleo de todo o processo a localiza o da pupila por binariza o interessante estudar o comportamento do algoritmo quando a pupila n o se apresenta em condi es ideais E aqui que os resultados obtidos com a 53 54 CONCLUS ES E MELHORIAS CASIA se mostram importantes como podemos ver a precis o na localiza o baixou para 93 25 mas como vimos no gr fico da figura 5 23 muito desse erro vem da falta de ajuste nos par metros o que mostra que mesmo em condi es de pupila fragmentada a localiza o continua a ser poss vel O estudo feito para a classifica o utilizando a CASIA era meramente ilus trativo mas mostrou uma lacuna poss vel nesta fase proveniente de uma oclus o elevada para a qual o algoritmo se mostra ineficiente e n o est preparado para tratar Contudo apresenta uma precis o de 91 6 utilizando o MSE 0 26 prove niente do ajuste feito com a BATH Em jeito de conclus o global podemos
14. o utilizando CASIA Erros Rejeitados E Diferen a E rea bd Raio 58 Figura 5 23 Percentagem de erros rejeitados por par metros na CASTA 5 3 Resultados 47 Figura 5 25 Exemplos de Rejei es Erradas para a CASIA Observa es O objectivo da utiliza o desta base de dados verificar o resultado da localiza o quando se encontra mais reflexo na pupila Na BATH existia apenas um pequeno reflexo no interior da pupila o que deixava uma marca o clara da pupila na imagem binarizada neste caso no interior da pupila existem v rios reflexos provenientes da l mpada utilizada na ilumina o o que resulta em uma marca o fragmentada da pupila no final da binariza o O par metro de valida o mais afectado a diferen a entre o raio vertical e o horizontal que como podemos ver o que rejeita mais localiza es Este um problema que nasce na verdade do limite de pix is brancos 5px na procura da fronteira como este limite demasiado pequeno para este caso a localiza o p ra precocemente provocando uma diferen a maior entre raios Os casos de rejei o errada prov m principalmente da falta de ajuste neste limite 48 PAR METROS E RESULTADOS 5 4 Resultados da Classifica o 5 4 1 Resultados da Classifica o para a BATH Ambiente de Decis o 35 30 25 4 20 15 Intra Ocorr ncias Inter 10
15. para que seja poss vel recolher a informa o da ris necess rio realizar uma localiza o pr via delimitando assim a regi o onde se encontra Tendo a regi o localizada e o c digo extra do j pode ser gerada a assinatura do indiv duo que ser comparada com as guardadas no sistema e classificada como pertencente a um indiv duo autorizado ou n o Em termos computacionais o problema pode ser dividido em duas fases distintas a primeira de localiza o e a se gunda de extrac o e classifica o Sendo geralmente a fase de localiza o a que apresenta maior d bito no processamento 1 5 Dispositivos M veis Com uma posi o estabelecida no mercado os dispositivos m veis PDA Pocket PC Smart Phones s o cada vez mais frequentes nos nossos dias Com o crescimento da tecnologia que os incorpora tornaram se uma solu o empresarial bastante apetec vel permitindo aceder a recursos em qualquer lugar e com a maior facilidade Existe por isso uma necessidade paralela de garantir uma autentica o segura quando se trata de opera es de risco ou de acesso a informa o confidencial S desta forma se pode respon der s necessidades impostas pelos utilizadores e pelas empresas O que se pretende beneficiar da mobilidade e do acesso r pido informa o sem comprometer a seguran a Na elabora o e desenho do m todo necess rio ter presente a taxa de processamento do dispositivo que s o bastante inferio
16. repercuss es no resul tado final est o especificados neste cap tulo Tamb m pode ser consultada a forma como foram encontrados e a respectiva representa o gr fica dos valores que permitiram a sua parametriza o Os resultados obtidos com o m todo implementado e as respectivas percentagens de erros nas dife rentes fases tamb m podem ser consultados neste cap tulo Cap tulo 6 Conclus es e Melhorias Discuss o de resultados an lise dos dados recolhidos estudo das tomadas de decis o observa es sobre poss veis melhorias e refinamentos nos par metros e solu es futuras para maior generaliza o e fiabilidade Cap tulo 2 ESTADO DA ARTE O m todo implementado surge da fus o de diversos modelos estudados por isso necess rio referir os respectivos modelos e o porqu da sua utiliza o Para isso s o enumerados os modelos estudados feita uma pequena descri o dos mesmos e explicado num contexto geral o m todo implementado O objectivo da abordagem geral ao m todo a visualiza o global de todo o processo antes de descrever e ilustrar pormenorizadamente todas as fases do algoritmo Torna se assim mais simples perceber em que fase nos encontramos qual a ordem de processamento e que etapas a constituem 2 1 M todos Estudados De entre os m todos estudados os mais significativos dentro da rea de reconhecimento da ris s o sem d vida os de John Daugman Professor Doutor da Universidade de
17. um rect ngulo de tamanho predefinido que no final vai conter a imagem normalizada 11 Figura 4 3 Representa o grafica do processo de normaliza o A figura 4 3 mostra o resultado da normaliza o os pontos marcados a vermelho s o os retirados para o preenchimento do rect ngulo Neste caso em particular o rect ngulo vai ter 64 linhas e 256 colunas por isso v o ser retirados 256 pontos linha azul de 64 circunfer ncias linha verde com raios compreendidos entre o da pupila e o da ris 28 EXTRAC O E CLASSIFICA O 4 2 Aproveitar barra Pupila Oclus o Figura 4 4 Delimita o da zona aproveitada De forma a fugir oclus o e a retirar parte que possa estar presentes da pupila da imagem normalizada s aproveitada da linha 5 25 Que corresponde parte assinalada a vermelho na figura 4 4 Permite escolher a zona mais rica em informa o retirar linhas que possam estar preenchidas pela pupila e eliminar as partes com maior probabilidade de oclus o Este passo s poderia ser preterido se houve outro tratamento para a oclus o como por exemplo o uso de uma m scara 4 3 Resize para 3 assinaturas RR 035 25 179x18 POR 128x13 Figura 4 5 Assinaturas resultantes Para melhorar a precis o no processo de compara o s o geradas tr s assinaturas de diferentes tamanhos A primeira tem aproximadamente do tamanho original e a segunda metade do tamanho 4 4 Convolu o com
18. uma pequena vizinhan a do centro encontrado Pois o centro da pupila n o varia muito com o da ris O intervalo de valores aceit veis para o raio da ris tamb m pode ser parametrizado de acordo com a percentagem que a pupila pode ocupar da totalidade da ris Existe ainda outra caracter s tica importante que nos permite reduzir o tempo Ao contr rio do m todo original de Daugman que calcula a diferen a uti lizando todos os pix is pertencentes a circunfer ncia de raio N e N 1 aqui s o utilizados apenas dez pontos De forma a afectar o m nimo a fiabilidade do m todo esses dez pontos s o escolhidos da zona que geralmente se encontra fora da oclus o provocada pelas p lpebras Com base no artigo 2 e como podemos ver na figura 3 11 o ngulo formado do centro ate oclus o superior de 30 graus e inferior de 45 De forma a apresentar o mesmo comportamento no olho direito e esquerdo a gama de valores foi alterada para 30 e 30 Correlacionando estas caracter sticas com o m todo de Daugman chega mos a um m todo aqui intitulado de Daugman modificado Figura 3 11 ngulo formado pela oclus o 24 LOCALIZA O 3 2 1 Aplicar Daugman modificado Figura 3 12 Pontos utilizados em Daugman modificado A localiza o da ris feita pelo m todo modificado de Daugman A vizinhan a foi limitada a uma diferen a m xima de cinco pix is com um total de nove poss veis centros Desses nove pontos
19. 4 Casos 6 27 Precis o 87 48 Figura 5 31 Tabela de resultados da classifica o em CASIA com 0 307 Curva de ROC ROC Curve False Accept Rate AUC 0 84903 4 L 4 4 4444444 A 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 False Reject Rate Figura 5 32 Curva de ROC para os resultados da CASIA Observa es Neste caso a classifica o apresenta valores incertos havendo Intras com valores demasiado altos Mostra uma precis o de 91 6 utilizando o factor de decis o encontrado com a BATH e de 87 48 utilizando MSE tem uma rea de 0 84903 na curva de ROC 52 PAR METROS E RESULTADOS N o tendo havido qualquer ajuste ou calibra o estes resultados reflectem n o s essa falta mas tamb m o facto de haver maior oclus o nas imagens recolhidas havendo por isso a necessidade de implementar um m todo mais robusto para a tratar Cap tulo 6 CONCLUS ES E MELHORIAS 6 1 Conclus es Os objectivos propostos foram atingidos com xito todas as fases do m todo foram estudadas e implementadas com sucesso De forma a obter uma conclus o mais precisa dos resultados foi divida de acordo com a base de dados utilizada Em conclus o aos resultados obtidos com a Base de Dados BATH podemos afirmar que sendo a base de dados principal de onde todos os par metros foram recolhidos e testados sem d vida a que apresenta melhores resul tados Sendo bastante s lidos quer na fase de localiza o com precis
20. Dados ICE 35 5 4 Tabela com par metros ajust veis na localiza o 36 5 5 Histograma dos Raios da pupila localizadas correctamente 37 5 6 Histograma das percentagens relativas entres raios 38 5 7 Grafico com correspond ncia de raios por intervalos 38 5 8 Tabela com dados da correspond ncia 39 5 9 Calculo dos limites do Raio da ris 39 5 10 Valores da diferen a entre o raio Horizontal e Vertical 40 5 11 Valores da diferen a quando bem localizada 40 5 12 Grafico dos valores de Areas preenchidas 41 5 13 Valores da area quando bem localizada 41 5 14 Tabela com par metros da classifica o 42 5 15 Tabela com par metros dos filtros deGabor 42 5 16 Resultados obtidos na localiza o utilizando BATH 43 5 17 Percentagem de erros detectados por par metros 43 5 18 Resultados obtidos na localiza o utilizandoICE 44 5 19 Percentagem de erros rejeitados por par metros na ICE 44 5 20 Exemplos de Rejei es Correctas paraaICE 45 5 21 Exemplos de Rejei es Erradas paraaICE 45 5 22 Resultados obtidos na localiza o utilizando CASIA 46 5 23 Percentagem de erros rejeitados por par metros na CASIA 46 5 24 Exemplos de Rejei es Correctas para a CASIA 47 5 25 Exemplos de Rejei es Erradas para a CASIA 47 5 26 Ambiente de decis o para BATH
21. IA Chinese Academy of Sciences Institute of Automation ICE Iris Challenge Evalution IEEE Institute of Electrical and Electronics Engineers SOCIA Lab Soft Computing and Image Analysis Laboratory iii Gloss rio Intra Class INTRA representa sujeitos da mesma classe neste caso assi naturas pertencentes a sujeitos devidamente autorizados Inter Class INTER representa sujeitos de classes diferentes neste caso assinaturas pertencentes a sujeitos diferentes ou n o autorizados False Accept Rate FAR probabilidade do sistema incorrectamente declarar acesso autorizado a um intruso Mede a percentagem de acessos autori zados a intrusos ou seja de sujeitos da classe INTER classificados como sendo da INTRA False Reject Rate FRR probabilidade do sistema incorrectamente declarar acesso negado a um sujeito autorizado Mede a percentagem de acessos negados a pessoal autorizado ou seja de sujeitos da classe INTRA classifi cados como sendo da INTER Mean Square Error MSE ou erro quadrado m dio representa o valor que divide o erro de forma igual entre classes Neste caso representa o valor que divide em partes iguais o FAR e o FRR Receiver Operating Characteristic ROC ou simplesmente curva ROC a representa o gr fica da taxa de verdadeiros positivos com a taxa de falsos positivos Conte do Agradecimentos Acr nimos Gloss rio Conte do Lista de Figuras 1 INTRODU O TI ODECAVO nhc cesta te Ree S
22. S RUE o Rg RR RSA jo SR ig 1 22 Biometria 0 00 000 ee ee a aas E3 Globo Ocular aa e oP a ee EGS DES SES ES 3 A 1 3 1 Caracter sticas Relevantes 1 4 Reconhecimento dalris 000 000 ee 1 5 Dispositivos M veis tis be bE POR EHS 1 6 Estrutura do Relat rio 008 2 ESTADO DA ARTE 2 1 M todos Estudados w sas pa pra prados dR BAR ATA A 2 1 1 Modelos de John Daugman 2 1 2 Modelos de Dal Ho Cho Kang Ryoung Park e Dae Wong Rhee es Ti tose th ee Se ate dn a aes 2 2 Descri o do M todo Utilizado 0 2 2 1 Descri o Geral do M todo 3 LOCALIZA O 3 1 Localiza o da Pupila si a eae Ema ae Eo wks vii ili vii xi 10 13 CONTE DO viii 3 1 1 Ajustar Contraste e Brilho ssa la a sem de a so 8g 15 3 1 2 Binariza o da Imagem 0 16 3 1 3 Abertura da Imagem ps Sle ra as ae ao A 17 3L Localiza o papa ada A BRS ONA NAS ENA UA 18 3 1 5 Testar Resultados sue regar sq e ee a 21 3 1 6 Pupila Localizada are Ma a Hoe a Mas a 22 3 2 Localiza o da ris 24 2 ise alee hor Fae aa 23 3 2 1 Aplicar Daugman modificado o a aaa aaa 24 3 2 2 Tris Localizada ooo 24 4 EXTRAC O E CLASSIFICA O 25 41 Normaliza o da ris oaa 27 4 2 Aproveitar barra 8 84 ach BS Pk BPR PBS 28 4 3 Resize para 3 assinaturas sai a oh A ae ae ee ek 28 4 4 Convolu o com filtro de Gabo
23. Universidade da Beira Interior Departamento de Inform tica S gt A amp N V5 a A L Ler CO ABORE ALT Reconhecimento de ris em dispositivos m veis Elaborado por Tiago Andr Branco Velho Orientador Prof Doutor Hugo Proen a Covilh Junho 2009 Agradecimentos E nesta altura necess rio olhar para tr s e compreender quem foram todos aqueles que deram o apoio pessoal e profissional necess rio para tornar poss vel a realiza o deste projecto Quero por isso agradecer primeiramente ao Professor Doutor Hugo Proen a que me orientou ao longo de todas as etapas fornecendo in forma o e conhecimento cient fico que se mostraram imprescind veis na implementa o e realiza o deste projecto Quero tamb m agradecer todo o apoio aten o e disponibilidade demonstrada Como n o poderia deixar de ser quero agradecer aos meus pais pela orienta o educa o e apoio ao longo de toda a vida e que v em aqui um culminar de uma etapa importante atingida com um esfor o n o s meu Uma nota final de agradecimento a todos os membros e colaboradores do grupo Soft Computing and Image Analysis Laboratory SOCIA Lab pelo enriquecimento profissional e pela partilha de saberes em especial aten o ao n cleo de professores que tornou este projecto poss vel Obrigado Acr nimos FAR False Accept Rate FRR False Reject Rate MSE Mean Square Error ROC Receiver Operating Characteristic CAS
24. a bin ria que ser agora comparada com as guardadas no sistema e classificada No processo de compara o preciso ajustar as assinaturas devido poss vel rota o do olho No m todo implementado as assina turas s o ajustadas permitindo uma rota o entre 45 e 45 graus ou seja dentro desta gama de valores retirada a menor dist ncia de Hamming entre as assinaturas Com o ambiente de decis o configurado esse valor agora analisado e classificado como genu no ou impostor A configura o do sistema depende do tipo de utiliza o pretendida neste caso de veri fica o Dado o Id e a assinatura o indiv duo classificado como genu no quando a sua assinatura corresponde do id ou como impostor quando n o corresponde guardada Cap tulo 3 LOCALIZA O Esta fase do algoritmo bastante importante no m todo implementado Isto porque os ganhos de processamento que permitem a implementa o s o retirados desta fase e porque a fase de extrac o de nada serve se a localiza o n o for efectuada com sucesso Como o modelo utilizado para a localiza o da pupila e da ris s o diferen tes esta fase est dividida em duas a localiza o da pupila por binariza o e da ris por Daugman modificado 13 14 LOCALIZA O Imagem Inicial Contraste Brilho Binariza o E Abertura Localiza o Linha Coluna Extrair Fronteira Centro e Raio E Testar Result
25. ado Ok Pupila Localizada Figura 3 1 Algoritmo de Localiza o 3 1 Localiza o da Pupila 15 3 1 Localiza o da Pupila O que se pretende localizar a pupila utilizando o menor processamento poss vel Como a regi o da pupila a que apresenta valores mais baixos quando comparado com a ris ou a escler tica pode ser localizada por binariza o De forma a garantir maior efic cia no processo necess rio alterar o contraste e o brilho e realizar a abertura da imagem depois de binarizada Desta forma contornamos os casos em que os olhos s o muito escuros e os casos em que as sobrancelhas ou as pestanas ficam assinaladas na imagem binarizada o que impossibilita uma localiza o eficiente Como se pode ver na figura 3 1 o algoritmo utilizado para a localiza o da pupila composto por 5 etapas que s o explicadas em pormenor neste cap tulo No final desta fase temos acesso ao centro e ao raio da pupila ou seja ao limite inferior da ris 3 1 1 Ajustar Contraste e Brilho 4 y Escler tica Escala Cinza 255 Pupila gt x Colunas da imagem y Escler tica isa Escala Cinza 255 Pupila o Colunas da imagem Figura 3 2 Altera o do contraste e do briho na imagem inicial Para garantir maior efic cia na binariza o ajustado o contraste e o brilho da imagem inicial Desta forma a regi o
26. afirmar que o m todo implemen tado e estudado apresenta resultados bastante satisfat rios em condi es de captura variadas e mostra se um sistema de autentica o eficiente ape sar de haver ainda melhorias poss veis 6 2 Melhorias Do ponto de vista global do projecto de acordo com o objectivo principal e o seu enquadramento uma das melhorias seria transpor o m todo para fotografias capturadas sob espectro de luz vis vel do g nero da UBIRIS 10 mas para um sistema cooperativo Haveria por isso outra melhoria poss vel criar uma base de dados de treino de um sistema cooperativo sob luz vis vel De um ponto de vista mais espec fico outra melhoria seria um tratamento da oclus o por um m todo pr prio eliminando todos os pix is que n o fossem ris da compara o reduzindo assim o erro na classifica o H tamb m a possibilidade de melhorar os par metros de valida o criando novos ou alterando o processo de decis o por exemplo em vez de todos terem o mesmo peso haver pesos diferentes para os par metros Al m disso o processo de localiza o da ris tamb m pode ser melhorado bem como a utiliza o de outros filtros para a fase de extrac o Um dos par metros de maior import ncia em todo o processo o de binariza o e por consequ ncia o de altera o do contraste e brilho na ima gem inicial os factores utilizados foram retirados do conjunto de treino 6 2 Melhorias 55 Outra das melhorias po
27. ametrizar a binariza o pois nos casos em que a ris apresenta pigmenta o escura a diferen a entre a pupila e a ris quase impercept vel A pupila vai ser ent o localizada em uma imagem bin ria sendo o resultado sujeito a aprova o de acordo com os crit rios de valida o especificados mais frente Se essa aprova o n o for vali dada o processo reiniciado e a imagem novamente binarizada com um factor mais baixo Se a aprova o for validada a pupila foi localizada com xito A localiza o do limite superior da ris n o pode ser realizada com o mesmo modelo mas podemos reduzir algumas etapas com o resultado da pupila Sabendo que o centro da pupila n o varia muito com o da ris podemos limitar a procura a uma vizinhan a Esta limita o juntamente 2 2 Descri o do M todo Utilizado 11 com a altera o ao m todo de Daugman que utiliza apenas dez pontos da circunfer ncia para efectuar os c lculos permite o processamento no dispositivo O limite superior pode ent o ser localizado com o m todo de Daugman aplicado a dez pontos e na vizinhan a da pupila Tendo a localiza o da ris criado um rect ngulo com a informa o compreen dida entre as duas circunfer ncias o modelo utilizado para a extrac o o Daugman rubber sheet De forma a real ar as caracter sticas presente na iris feita uma con volu o utilizando um filtro de Gabor Deste processo surge uma assi natur
28. ando parte da ris assinaladas na imagem binaria No primeiro caso o erro detectado porque o raio final da pupila de masiado pequeno j no segundo caso a medida do raio horizontal tem quase o dobro da vertical o que n o fisiologicamente possivel quando a fotografia retirada de forma frontal e com oclus o dita normal O ultimo caso detectado pela percentagem preenchida a preto dentro da circun fer ncia como se pode verificar existem muitos pixeis a branco dentro da circunfer ncia dando uma percentagem baixa de ocupa o Em todos os casos a imagem novamente binarizada e a pupila encontrada com sucesso na imagem resultande dessa segunda binariza o Isto acontece porque o factor da segunda binariza o mais baixo havendo assim mais pixeis com valor superior ao factor que seram marcados a branco Na capitulo parametros e resultados pode ser consultada a tabela de erros recuperados e detectados nesta fase do algoritmo assim como as suas percentagens 3 1 6 Pupila Localizada Figura 3 10 Resultado final da localiza o No final desta fase do algoritmo temos o centro e o raio da pupila podendo ent o continuar e localizar a ris 3 2 Localiza o da ris 23 3 2 Localiza o da ris A localiza o feita utilizando uma adapta o do m todo de Daugman com o objectivo de reduzir o tempo de processamento Com a pr via localiza o da pupila a rea de procura pode ser restringida a
29. aptura das imagens a varia o do centro da pupila e da ris reduzida Procura da Fronteira O raio de procura da pupila varia entre 1 90 dando esta liberdade ao m todo mais f cil identificar poss veis erros na localiza o Figura 5 4 Tabela com par metros ajust veis na localiza o Tabela de par metros utilizados e definidos para o m todo de localiza o Estes valores s o pass veis de altera o caso seja necess rio analisar outro tipo de imagens diferentes das utilizadas para a calibra o 5 2 Par metros extra dos da BATH 37 1 An lise Raios da Pupila 25 20 Bs 10 Ocorr ncias 25 30 35 40 45 50 55 60 65 70 Raio da pupila pixeis Minimo 28 px Maximo 66 px Figura 5 5 Histograma dos Raios da pupila localizadas correctamente Com base no gr fico da figura 5 5 podemos verificar que os valores tomados pelo raio da pupila apresentam uma distribui o normal Desta forma pode ser estabelecido um intervalo de valores poss veis acima do m nimo e abaixo do m ximo 38 PAR METROS E RESULTADOS 2a An lise Histograma de Correspond ncia 90 80 70 60 50 Ocorr ncias 30 20 10 4 25 50 Correspond ncia entre Raios Total 500 casos Figura 5 6 Histograma das percentagens relativas entres raios Percentagem M dia do Raio 60 49 50 50 44 46
30. do necess rio introduzir conceitos e defini es que s o descritos neste cap tulo sobre biometria globo ocular reconhecimento da ris e caracter sticas fisiol gi cas relevantes Este projecto enquadra se no mbito do projecto PTDC EIA 69106 2006 BIOREC Reconhecimento Biom trico N o Cooperativo financiado pela FCT FEDER e foi desenvolvido no laborat rio SOCIA Lab 7 da Univer sidade da Beira Interior 2 INTRODU O 1 2 Biometria bio vida metria medida Estudo das caracter sticas f sicas e comportamentais do ser humano Sendo estas caracter sticas mesur veis a biometria est tamb m associada a uma forma de identifica o nica identifica o biom trica A premissa em que se fundamenta que cada indiv duo nico e contem caracter s ticas f sicas e comportamentais distintas Com base nisso a identifica o de um indiv duo pode agora ser n o s algo que ele saiba ou tenha mas tamb m algo que ele seja Existem di versas caracter sticas que s o utilizadas como sistema de identifica o a impress o digital o reconhecimento facial e o reconhecimento da ris s o apenas alguns exemplos Tendo todos os sistemas como componentes principais a captura da amostra a extrac o da informa o e a compara o com os dados previamente guardados Desta forma poss vel criar um m todo de identifica o fi vel com base em caracter sticas biom tricas 1 3 Globo Ocular
31. e classifica o Independentemente do tamanho da fotografia e das varia es de lumi nosidade estes par metros n o necessitam de altera o A necessidade de altera o s dever vir se for adicionada a componente Cor s fotografias a processar ao inv s das condi es actuais Vari veis Pi 2 Pi 2 Pi Figura 5 15 Tabela com par metros dos filtros de Gabor 5 3 Resultados 43 5 3 Resultados 5 3 1 Resultados na localiza o com BATH Total de 1500 imagens Percentagem Erro Inicial 19 Casos 1 3 Erro Recuperado 19 Casos 1 3 Rejeitadas Erro Final 0 Figura 5 16 Resultados obtidos na localiza o utilizando BATH Erros Detectados e Recuperados 19 E Diferen a E Area bd Raio Figura 5 17 Percentagem de erros detectados por par metros 44 PAR METROS E RESULTADOS 5 3 2 Resultados na localiza o com ICE Calibra o Devido as diferen as na ilumina o e no pr prio dispositivo de recolha os factores de binariza o precisam ser calibrados Para isso foram utilizadas 35 fotografias aleat rias para identificar e estudar os factores poss veis O novo factor para a primeira binariza o igualmente de 0 7 mas foi necess rio baixar o segundo factor de 0 67 para 0 65 Existe um novo conceito introduzido com os resultados obtidos o conceito de localiza o rejeitada que mesmo ap s as duas binariza es a pupila n o consegue ser
32. entes formando assim uma base de dados representativa e variada As imagens foram capturadas com uma defini o de 1280x960 pix is sob ilumina o infra vermelha e com condi es parametrizadas No total a base de dados constitu da por 2000 fotografias de 100 sujeitos diferentes Antes de utilizadas as imagens foram redimensionadas para 640x480 pix is tamanho comummente utilizado nos sistemas de reconhecimento Para extrac o dos resultados foram utilizados dois conjuntos de imagens diferentes o primeiro para localiza o com a totalidade da base de dados 500 para treino e 1500 para teste e o segundo para a classifica o com 435 fotografias de 23 sujeitos para teste o que perfaz um total de aproxi madamente 190 000 casos e 145 fotografias para treino Esta a base de dados principal porque das tr s a que apresenta carac ter sticas mais pr ximas das ideais em um sistema cooperativo Sendo o factor de varia o da luminosidade mais baixo e a oclus o mais controlada 5 1 Base de Dados Utilizadas 35 5 1 2 ICE Figura 5 2 Exemplos de imagens da Base de Dados ICE Base de dado utilizada no concurso ICE Iris Challenge Evalution 9 organizado pelo Instituto Nacional da Tecnologia dos Estados Unidos e que tem como objectivo promover o desenvolvimento e avan o da tec nologia de reconhecimento da ris Esta Base de dados foi utilizada para estudar o comportamento do algoritmo na fase de localiza o pois
33. esta forma para o ID 1 ter acesso ter que introduzir o seu ID e uma fotografia correspondente diferente da utilizada para gerar a guardada 57 58 Manual Do Utilizador Socia Mobile a 28 56 ix Universidade da Reira Interior Departamento de Inform tica Aplica o Dados verificar Op es Sair Ej Figura A 1 Menu incial da aplica o Menu Principal Aspecto geral da aplica o esta a rea de funcionamento de todo o processo Carregando no bot o Fotografia ir abrir o menu seguinte Socia Mobile a nd lt 8 57 Open Folder Type Fotografias v Img_1_1_1B Socia BD amp BImg 1166 Socia BD 5 ES Ing 2 118 Socia BD 5 E Img 2158 Socia BD 5 ES Img_2_1_6B Socia BD 5 GH Ing 21116 Socia BD 5 ES Img_21_1_58 Socia BD 5 GH Ing 83 116 Socia BD Figura A 2 Janela de escolha da imagem Inserir Fotografia Caixa de di logo que permite escolher a fotografia que se pretende inserir no teste Neste caso foi escolhida a fotografia Img 1 1 6B simulando o acesso do sujeito ID 1 59 Socia Mobile E 8 57 EX Aplica o Dados oH SOCIAMOBILE Fotografia Figura A 3 Janela depois de carregada a imagem Fotografia Carregada Depois de escolhida a fotografia carregada para mem ria para o posterior processamento A pr xima ac o do utilizador inserir o seu ID Socia Mobile a AEU x P 29 124 195 1 60 129 200 Comparar com Id 2
34. filtro de Gabor 29 4 4 Convolu o com filtro de Gabor Figura 4 6 Filtros de Gabor utilizados Com o objectivo de real ar a informa o presente na ris feita uma convolu o com um filtro de Gabor Devido diferen a de tamanhos nas tr s imagens s o utilizados dois filtros de tamanhos diferentes O primeiro tem 10 linhas e 30 colunas e aplicado as duas primeiras assinaturas e o se gundo com 3 linhas e 10 colunas e aplicado a ltima assinatura tamanho 128x13 Os filtros de Gabor s o compostos por n meros imagin rios por isso no processo de convolu o cada pixel fica representado por dois bits o primeiro indica o sinal da parte real do n mero resultante 0 se negativo e 1 se positivo o segundo com o sinal da parte imagin ria Por exemplo se o resultado da convolu o fosse 1 2i o pixel correspondente ficaria representado pelo par 1 0 Para que o c digo gerado na altura da vali da o seja id ntico ao gerado na atribui o de acesso antes de representar cada pixel por dois bits retirada a m dia a todos os valores O resultado da convolu o s o tr s assinaturas bin rias com o dobro das colunas iniciais Isto vem da representa o de dois bits para cada pixel sendo inseridos um a seguir ao outro na nova assinatura ficando cada coluna com correspond ncia a duas 30 EXTRAC O E CLASSIFICA O 4 5 Recolher amostra das assinaturas AT AATU A SATA TEA A A Wi ATU A PIT LE
35. i o do M todo Utilizado O m todo implementado inicia se com a recolha de uma imagem da ris que contem a informa o necess ria para o reconhecimento biom trico Para que a classifica o seja poss vel preciso efectuar uma localiza o da ris quer do limite superior quer do limite inferior Os modelos mais utilizados na localiza o requerem maiores taxas de processamento porque s o feitos diversos c lculos e aproxima es para no fim devolver apenas uma localiza o Isto para cada localiza o necess ria v o ser efectuadas v rias locali za es e aproveitada a que apresentar maior probabilidade de ser a pre tendida um pouco por tentativa erro Estes m todos apesar de apresentarem resultados s lidos n o podem ser utilizados em dispositivos m veis pois impossibilitam um reconheci mento em tempo real 10 ESTADO DA ARTE Algoritmo Geral Localizar Pupila Localizar ris Extrair Assinatura Classificar Figura 2 1 Algoritmo Global do M todo 2 2 1 Descri o Geral do M todo A alternativa aqui implementada realizar uma procura inicial pupila que por raz es fisiol gicas apresenta sempre valores perto do preto o que torna a sua localiza o mais f cil e fi vel Com o objectivo de real ar a diferen a de valores entre a pupila e o resto o valor do contraste e do brilho na imagem inicial s o alterados S com este passo se torna poss vel par
36. icamente calcular a diferen a entre os valores e dividir pelo total de pontos analisados 4 7 Classifica o A fase final do algoritmo bastante simples tendo a dist ncia de Ham ming calculada e o ambiente de decis o calibrado para o tipo de utiliza o pretendida a classifica o n o mais do que um operador l gico Se a distancia for superior ao valor estipulado como m ximo a assinatura classificada como falsa Se inferior ao m ximo classificada como genu na e o acesso concedido Neste caso o ambiente de decis o est calibrado para o MSE que toma o valor de 0 26 Ent o se o valor proveniente da dist ncia for superior ou igual a 0 26 o acesso negado e se inferior o acesso concedido Cap tulo 5 PAR METROS E RESULTADOS Ao longo da implementa o do m todo foram tomadas decis es e foram estipulados limites e factores Existem alguns que surgiram do estudo ao tipo de imagens a processar e das suas caracter sticas S o por isso descriminados neste cap tulo todos os factores que levaram s tomadas de decis es e suas conclus es bem como os resultados obtidos quer na fase de localiza o quer na fase de classifica o 33 34 PAR METROS E RESULTADOS 5 1 Base de Dados Utilizadas 5 1 1 BATH Figura 5 1 Exemplos de imagens da Base de Dados BATH A maioria das imagens presentes nesta base de dados foi tirada a es tudantes da Universidade de Bath 8 oriundos de 100 pa ses difer
37. ional conference on CIS pages 1771 1774 2006 12 Inc The MathWorks Matlab the language of technical computing 2007 http www mathworks com
38. limite inferior pupila Em termos de processamento de imagens esta localiza o poss vel porque os pix is pertencentes ris apresentam valores mais baixos do que os pix is da escler tica Outro dos modelos inseridos o intitulado Daugman rubber sheet mo delo de normaliza o da ris que permite recolher a rea entre duas circun fer ncias n o conc ntricas e transferi la para um rect ngulo de dimens es fixas Basicamente o que este modelo faz retirar pontos de uma circun fer ncia recalculando o centro e o raio de acordo com o centro e raio da ris e pupila descrito pormenorizadamente frente aquando da sua utiliza o 2 1 2 Modelos de Dal Ho Cho Kang Ryoung Park e Dae Woong Rhee O objectivo principal reduzir o tempo de processamento de forma a permitir uma localiza o em tempo real Surgem dois factores importantes para essa redu o a localiza o da pupila por binariza o e a altera o do modelo de localiza o de Daugman Para que o primeiro modelo seja poss vel s o alterados os valores de contraste e brilho na imagem inicial sendo posteriormente binarizada e a pupila localizada A altera o ao modelo de Daugman consiste em reduzir para dez o n mero 2 2 Descri o do M todo Utilizado 9 de pontos retirados para calcular a diferen a ao contr rio de os utilizar a todos O objectivo somente reduzir o tempo de processamento na localiza o da ris 2 2 Descr
39. localizada correctamente Total de 400 imagens Percentagem Erro Inicial 52 Casos 13 Erro Recuperado 39 Casos 9 75 Rejeitadas 10 Casos bem rejeitado 2 5 3 Casos rejei o errada 0 75 Erro Final 3 25 Figura 5 18 Resultados obtidos na localiza o utilizando ICE Erros Rejeitados E Diferen a E rea bd Raio Figura 5 19 Percentagem de erros rejeitados por par metros na ICE 5 3 Resultados 45 Figura 5 21 Exemplos de Rejei es Erradas para a ICE Observa es Como se pode verificar pelos resultados h uma necessidade de ajustar alguns par metros de valida o devido as varia es da oclus o Existem casos em que devido oclus o presente na pupila o resultado mesmo estando correcto rejeitado 46 PAR METROS E RESULTADOS 5 3 3 Resultados na localiza o com CASIA Calibra o Os novos factores de binariza o s o 0 75 para a primeira e de 0 7 para a segunda O que mostra que as imagens s o mais claras que as presentes na BATH e na ICE necessitando por isso de um factor mais alto Para a calibra o foram utilizadas 35 fotografias e para teste 400 fotografias Total de 400 imagens Percentagem Erro Inicial 168 Casos 42 Erro Recuperado 141 Casos 35 25 Rejeitadas 12 Casos bem rejeitado 3 15 Casos rejei o errada 3 75 Erro Final 6 75 Figura 5 22 Resultados obtidos na localiza
40. nseguimos extrair o seu centro com exactid o O processo est ilustrado na figura 3 7 e como podemos ver a linha encontrada dividindo ao meio A coluna e a coluna dividindo B linha Com o centro encontrado j podemos retirar o raio vertical e horizontal da pupila sendo o maior dos dois definido como o raio final 3 1 Localiza o da Pupila 21 3 1 5 Testar Resultados Antes de dar seguimento ao algoritmo e passar proxima fase existem parametros que t m que ser aprovados Para isso verificada a propor o entre o raio vertical e o raio horizontal o tamanho final do raio e a rea que a pupila preenche dentro da circunferencia encontrada Valores de Valida o Diferen a rea Preenchida Figura 3 8 Tabela com par metros de valida o Caso algum destes valores n o esteja de acordo com os limites o algo ritmo reiniciado para a fase de Binariza o com um factor mais baixo Caso contr rio a aplica o prossegue para a proxima fase Este controle permite identificar e recuperar erros na binariza o Detectado pelo Tamanho do Raio Detectado pela Diferen a entre os Raios fo Detectado pela rea preenchida Figura 3 9 Exemplos de Erros Detectados e Recuperados 22 LOCALIZA O Como podemos verificar na figura 3 9 o resultado da primeira bina riza o leva a uma localiza o errada Isto acontece porque os olhos s o demasiado escuros deix
41. ntre 100 135 Este limite obtido calculando o raio da ris nos dois extremos quando a pupila m xima ou m nima 40 PAR METROS E RESULTADOS 3 An lise Erros Detectados pela Diferen a 45 40 35 30 25 4 20 15 39 px Valor diferen a pixeis 10 14 px Erros Detectados Total 11 casos Figura 5 10 Valores da diferen a entre o raio Horizontal e Vertical Diferen as Calculadas 300 250 200 150 Ocorr ncias 100 50 0 1 2 3 4 5 6 7 8 9 10 Diferen a entre Raio Vertical e Horizontal p xeis Total 500 casos Figura 5 11 Valores da diferen a quando bem localizada O objectivo desta an lise encontrar um limite para a diferen a en tre o raio vertical e o horizontal que permita distinguir as localiza es efectuadas correctamente das localiza es incorrectas Para isso foram retirados os valores da diferen a depois de todas as pupilas localizadas correctamente e nos casos em que a pupila n o estava devidamente lo calizada Como podemos verificar quando as pupilas est o localizadas correctamente o valor m ximo registado para a diferen a de 10 pix is e quando est o localizadas incorrectamente o valor m nimo de 14 pix is Tendo assim uma separa o poss vel entre 10 14 5 2 Par metros extra dos da BATH 41 4 An lise Dispers o de Areas Erradas 70 67 E 60 z g
42. o que apresentar maior diferen a entre raios o centro da ris A procura do raio da ris encontra se limitado ao intervalo 100 135 3 2 2 ris Localizada Figura 3 13 Resultado final da localiza o Imagem resultante do processo de localiza o com os limites superior e inferior definidos Cap tulo 4 EXTRAC O E CLASSIFICA O No processo de extrac o e classifica o o objectivo principal gerar uma assinatura com o c digo bin rio da ris de forma a tornar poss vel a cla ssifica o por compara o Para que a assinatura seja classificada como pertencente a um indiv duo autorizado necess rio que lhe tenha sido atribu do previamente o acesso estando assim a sua assinatura guardada e pronta para compara o Todo o processo est descrito e ilustrado neste cap tulo 25 26 EXTRAC O E CLASSIFICA O Extrair e classificar Figura 4 1 Algoritmo de extrac o e classifica o 4 1 Normaliza o da ris 27 4 1 Normaliza o da ris Figura 4 2 Ilustra o de Daugman rubber sheet Normaliza o da ris utilizando o modelo Daugman rubber sheet Na figura 4 2 T e p representam o centro da ris e da pupila e Ox Oy a diferen a entre os dois centros O processo de normaliza o feito no sentido contrario ao dos ponteiros do rel gio retirando um n mero fixo de pontos das circunfer ncias com raios consecutivamente maiores para
43. r 29 4 5 Recolher amostra das assinaturas 30 4 6 Comparar assinaturas 00 000000 30 4 7 Classifica o sc MO td A Re RR RA SRR ERA SS 31 5 PARAMETROS E RESULTADOS 33 5 1 Base de Dados Utilizadas aspas poda ew se es eat o 34 SEI BALH ete spose ae tn ede Sd OU Seo es Seta as SO 34 Dele JCE 2 2 dai d ia i ei a Gus Be Gui Ge Gee 35 Dal Bs Fee O_o Y ee a rm ee ee SR 35 5 2 Par metros extra dos da BATH 36 5 2 1 Par metros Ajust veis para a localiza o 36 5 2 2 Par metros da extrac o e classifica o 42 53 Resultados y teca td thw cage bale fe oe ee Sloe E A 43 5 3 1 Resultados na localiza o com BATH 43 5 3 2 Resultados na localiza o comICE 44 5 3 3 Resultados na localiza o com CASIA 46 5 4 Resultados da Classifica o 0 48 5 4 1 Resultados da Classifica o para a BATH 48 5 4 2 Resultados da Classifica o para a CASIA 50 6 CONCLUS ES E MELHORIAS 53 Gl Conclus es o dps A ra eg E aes Ee Bs SA 53 62 Melhiorias 220444622 5 63 8435643 8434464505 54 CONTE DO ix Anexos 56 A Manual Do Utilizador 57 B Ambiente de Desenvolvimento 61 Bol Estudo e Calibra o ua sopa use Atac se ee ee 61 B 2 Implementa o do M dulo 0 4 61 63 Bibliografia Lista de Figuras 11 2 1 3 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 9 3 10 3 11 3 12 3 13 4 1
44. res s utilizadas em sistemas de reconhecimento comuns 1 6 Estrutura do Relat rio 5 1 6 Estrutura do Relat rio Este relat rio encontra se dividido por cap tulos No primeiro cap tulo foi feita uma introdu o ao tema e foram inseridos conceitos e defini es necess rias para o acompanhamento do relat rio Foram frisados v rios aspectos relacionados com o tema e objectivo do trabalho bem como o seu enquadramento e utiliza o Cap tulo 2 Estado da Arte Introdu o e refer ncia a m todos existentes que se reflectiram na imple menta o ou serviram de refer ncia em alguma parte do algoritmo Descri o geral do m todo implementado enumera o das diferentes fases do processo e esclarecimento sobre aspectos importantes relacionados com as escolhas efectuadas Cap tulo 3 Localiza o Descri o pormenorizada da fase de localiza o que vai ser subdividida em duas partes a localiza o da pupila limite inferior da ris e a localiza o da ris limite superior Todo o m todo descrito e ilustrado de forma a acompanhar visualmente o processo Cap tulo 4 Extrac o e Classifica o Neste cap tulo explicado o processo de extrac o realce da informa o cria o das assinaturas com o c digo da ris compara o e posterior cla ssifica o com base em acessos autorizados previamente Cap tulo 5 Par metros e Resultados Todos os par metros pass veis de altera o e com
45. ropor o entre o raio vertical e o horizontal Que podem ser verificadas como medida de fiabilidade do resultado Para ter acesso a essa informa o precisamos de retirar quatro pontos da fronteira da pupila Para isso partimos do ponto encontrado e percor remos a linha e a coluna em direc o ao exterior da pupila enquanto os pixeis forem pretos actualizamos o limite Isto iria dar nos a fronteira da pupila na maioria dos casos Mas existe a possibilidade de a linha ou a coluna encontrada atravessar um reflexo dentro da pupila que esteja marcada a branco Para contornar esta situa o e com base nos dados referidos em 2 existe outro criterio que nos permite continuar a actu alizar o limite Se existir apenas uma interrup o e com tamanho maximo de 5 pixeis brancos o limite continua a ser actualizado chengando assim fronteira da pupila mesmo que a linha ou coluna tenha uma interrup o na continuidade dos pontos pretos Acabando este processo temos acesso a duas rectas que pertencem circunferencia e que come am e acabam nos seus limites marcadas a branco na figura 3 6 neste momento j temos dados suficientes para extrair o centro e raio da pupila de forma exacta 20 LOCALIZA O Centro e Raio da Pupila Figura 3 7 M todo Utilizado na extra o do centro O centro da pupila localizado dividindo as duas rectas encontradas ao meio desta forma e independentemente do local em as rectas atravessem a pupila co
46. s baixo para eliminar o maximo possivel do que n o pupila 3 1 3 Abertura da Imagem Figura 3 4 Resultado da Abertura De forma a eliminar pequenas partes que n o perten am pupila realizada a abertura da imagem que corresponde a uma Eros o seguida de uma Dilata o Basicamente o que se pretende com a eros o apagar pequenas partes a preto e com a dilata o recuperar o que n o foi apagado desta forma limpamos a imagem sem perder informa o Para o processo foi utilizada uma matriz quadrada de 5x5 o que equivale a 25 vizinhos 18 LOCALIZA O 3 1 4 Localiza o Encontrar Linha e Coluna com mais pontos a Preto Figura 3 5 Linha e coluna com mais pontos a preto Nesta fase para encontrar a regi o da pupila retiramos a linha e a col una que t m o valor mais pequeno da soma de todos os pix is Ou seja retiramos a linha e a coluna com mais pontos a preto visto este estar representado por 0 zero A linha e a coluna encontrada n o corre sponde ao centro da pupila mas como se encontra no seu interior permite iniciar um processo de extrac o de dentro para fora que nos leva sua localiza o 3 1 Localiza o da Pupila 19 Retirar 4 pontos da fronteira da Pupila Figura 3 6 Representa o da Fronteira Tendo a pupila parcialmente localizada temos que tirar o raio horizon tal e vertical visto a pupila n o ser exactamente uma circunfer ncia e ter medidas de p
47. ss veis do ponto de vista auton mico era o c l culo autom tico do factor binariza o contraste e brilho de acordo com a imagem capturada Desta forma imagens diferentes teriam tratamentos diferentes ajustando assim os par metros de uma forma personalizada melhorando o resultado proveniente da binariza o Caso esta medida se mostre demasiado complexa ou err tica outra solu o criar um n mero fixo de factores para a segunda binariza o e apenas decidir qual o me lhor de acordo com o resultado da primeira binariza o Se o resultado da primeira binariza o for uma imagem praticamente branca o factor tem que descer se acontecer o contr rio o factor ter que subir Medidas simples que se devidamente estudadas se podem apresentar bastante teis para a precis o do m todo 56 CONCLUS ES E MELHORIAS Ap ndice A Manual Do Utilizador O m todo estudado foi implementado em C 3 para ser executado em dispositivos m veis com Windows Mobile Devido incapacidade de recolher as fotografias atrav s do dispositivo estas foram inseridas previ amente e s o lidas dos ficheiros A aplica o utilizada como sistema de verifica o sendo introduzido um ID e uma fotografia do sujeito de onde ser gerada a assinatura e posteri ormente comparada com a guardada Para esta demonstra o foram inseridas duas fotografias de dois sujeitos a fotografia Img 1 1 1Bea Img 2 1 1B com ID 1 e 2 respectivamente D
48. t E 50 2 w 0 40 alz E o 30 E 20 erine S o 10 a 04 i 0 2 4 6 8 10 12 Ocorr ncias Total 10 casos Figura 5 12 Grafico dos valores de Areas preenchidas Areas Correctas 180 160 TT 140 120 100 80 60 gt a 40 20 94 Ocorr ncias 73 Percentagem Preenchida Total 500 casos Figura 5 13 Valores da area quando bem localizada An lise id ntica anterior mas neste caso para a rea preenchida a preto dentro da pupila localizada O intervalo poss vel de classifica o entre 70 73 pois quando a pupila est localizada incorrectamente a percentagem m xima ocupada de 70 e quando est localizada correc tamente de no m nimo 73 42 PAR METROS E RESULTADOS 5 2 2 Par metros da extrac o e classifica o Par metros Valores Tamanho da Assinatura Tamanho final da iris normalizada PR 0 7e0 5 Valores do Matlab Recolha da amostra 5em Slinhas Amostra geral 5em 5colunas 5 em Slinhas Amostra mais regular ao 3 em 3 colunas longo das colunas define padr es horizontais 2em 2linhas Amostra mais regular ao 3em 3 colunas longo das linhas define padr es verticais Filtros de Gabor 30x10 Utilizado nas 2 primeiras assinaturas Utilizado na ultima assinatura que tem tamanho menor Figura 5 14 Tabela com par metros da classifica o Tabela de par metros utilizados na fase de extrac o
49. young Park and Dae Woong Rhee A study on pupil and ris segmentation for mobile enviroment In The Fourth Berc Biometrics Workshop pages 99 102 2006 3 Microsoft Corporation Microsoft visual studio c 2008 http msdn microsoft com 4 John G Daugman How iris recognition works In IEEE Trans on Circuits and Systems for Video Technology vol 14 No 1 pages 21 29 2004 5 John G Daugman Probing the uniqueness and randomness of iriscodes Results from 200 billion iris pair comparisons In Proceedings of the IEEE vol 94 no 11 pages 1927 1935 2006 6 Chinese Academy of Sciences Institute of Automation Casia iris image database 2004 http www sinobiometrics com 7 SOCIA Lab Soft computing and image analysis laboratory 2006 http socia lab di ubi pt 8 University of Bath University of bath iris image database 2004 www bath ac uk elec eng pages sipg 9 The National Institute of Standards and Technology NIST Iris chal lenge evalution 2005 http iris nist gov ICE faq htm 63 64 BIBLIOGRAFIA 10 H Proen a and L A Alexandre UBIRIS A noisy iris image database In 13th International Conference on Image Analysis and Processing ICIAP 2005 volume LNCS 3617 pages 970 977 Cagliari Italy September 2005 Springer 11 Hugo Proen a and Lu s A Alexandre Iris recognition An analysis of the aliasing problem in the iris normalization stage In IEEE Pro ceedings of the 2006 Internat
Download Pdf Manuals
Related Search