RECONHECIMENTO DE RIS
Projeto em LabView
Agosto 2007
1. Introduo
A biometria apresenta vantagens em relao aos meios convencionais de identificao,
tais como cartes de identidade ou senhas, pois permite a utilizao de caractersticas
intrnsecas s pessoas. Conseqentemente, ela dificulta a falsificao e o roubo porque
envolve o histrico biomtrico de uma pessoa que, em geral, tende a permanecer estvel na
fase adulta. Em virtude dessa vantagem cresce o nmero de aplicaes de sistemas
biomtricos tanto no Brasil quanto em todo o mundo i. Dentro desse contexto, a ris humana
apresenta um conjunto de propriedades que a qualifica como um dos sistemas mais seguros
de reconhecimento biomtrico. De fato, entre todas as biometrias, a ris se apresenta como
sendo uma das mais confiveis e com taxas mnimas de erro de reconhecimento.
Como em todas as reas do conhecimento, hoje h uma farta literatura disponvel que
descreve os principais mtodos de reconhecimento de ris propostos. Porm, ela se
apresenta ainda de forma fragmentada e incompleta, talvez devido aos interesses
financeiros envolvidos uma vez que h uma tendncia de se preservar segredos de
tecnologia com potencial comercial. Entre os algoritmos de reconhecimento de ris
descritos na literatura [1], o algoritmo de J. Daugman tem os melhores resultados.
Neste trabalho se desenvolve um sistema bsico de reconhecimento de ris, na
modalidade de comparao. Todo baseado no algoritmo de Daugman modificado para que
seja mais fcil mudar de algoritmo e fazer mais fcil o entendimento. O sistema tem como
blocos bsicos:
Captura de dados, Localizao da pupila, Localizao da ris, Normalizao da ris,
Codificao da ris, Comparao da ris.
Todo o desenvolvimento foi feito em Labview 8.0 com o intuito de utilizar as
experincias e cdigos em um projeto futuro de integrao do software com o hardware.
Dado que possvel utilizar muitas caractersticas desta ferramenta para melhorar e
modificar facilmente o fluxo de dados. Alem disso o Labview tem a vantagem de conter
muitas funes e subroutinas que so melhoradas constantemente e existe para possveis
problemas de desenvolvimento. A adio de novas caractersticas simples nesta
ferramenta. Ento o objetivo deste sistema ser base para iniciar um desenvolvimento mais
completo e cada vez mais robusto. Outro ponto que no foi encontrado um
desenvolvimento de um software em Labview disponvel como ponto inicial de pesquisas e
comparaes (como existe em outras linguagens de programao). Um bloco importante o
Liveness no foi desenvolvido e poder ser acrescentando no futuro assim como uma
conexo a uma base de dados.
Finalmente ele testado obtendo uma preciso moderada para fins didticos e como
ponto inicial das melhoras para o futuro.
Fig. 2.1 Olho humano. Alguns tipos de olho. Caractersticas circulares e angulares da ris
[5]. Anatomia do olho [2].
3. Reconhecimento de ris.
Os algoritmos bsicos de reconhecimento de ris variam de acordo com a classificao
dada por diferentes autores na literatura. No entanto, em geral os algoritmos contm uma
entrada de dados, um pr-processamento matemtico para segmentar a informao,
extrao de caractersticas e uma parte final de comparaes para tomar uma deciso (ver
Fig. 3.1).
No entanto a aplicao que faz a comparao e medida similaridade esta feito por dois
processos em paralelo. Um deles de gerao de cdigos de ris ou templates e a distancia de
Hamming. Isto observado nas figuras embaixo.
5. Localizao
A captura de ris a etapa onde se processa as imagens para obter a informao. Neste
caso obter a ris do olho humano e desprezar as outras partes. Isto para facilitar aos
algoritmos de no comparar regies que no intervierem no algoritmo. A forma utilizada na
maioria de pesquisas detectar a pupila e a ris para segmentar a ris (ver Fig. 5.1).
6. Normalizao
A aquisio de uma imagem real no meio ambiente dificilmente perfeita, isto mesmo
tomando as medidas necessrias para ser evitadas. Os erros inseridos so devidos s muitas
variveis envolvidas, tais como os diferentes tamanhos das ris, as variaes de iluminao,
bem como de outros fatores que afetam a imagem incluindo-se as reaes naturais da
pupila. Para se obter uma informao confivel da ris deve-se localizar a ris e uniformizar
esses dados para que os algoritmos computacionais de reconhecimento possam realizar a
anlise. O processo de normalizao responsvel por gerar imagens com dimenses
constantes. Assim, imagens da mesma ris capturadas sob condies diferentes tero suas
caractersticas em uma mesma localizao espacial. Neste trabalho foi simulada a tcnica
de normalizao proposta por John Daugman [3], [6], [15] simplificada, fazendo que a ris
e a pupila estejam concntricas [16]. O contedo circular em uma imagem padro de ris
pode ser representado em uma imagem retangular. Assim, aplica-se uma transformao
para se passar de uma faixa circular para um retngulo (ver Fig. 6.1).
(6.1)
x x p ( ) ( xi ( ) x p ( ))
Y
M
(6.2)
y y p ( ) ( y i ( ) y p ( ))
Y
M
(6.3)
2X / N
(6.4)
Fig. 6.2. O painel frontal normalization.vi para passar a ris a uma forma retangular.
7. Codificao e Casamento
Codificao. A codificao est baseada na transformada de wavelets, utilizando-se o
esquema de Daugman. A extrao de caractersticas feita pelos filtros de Gabor e
modulada em uma constelao a modo de utilizar uma escala no eixo dos reais e outra no
eixo dos nmeros complexos. Para depois demodular como se fosse uma constelao em
quadratura. A continuao uma breve descrio do processo.
Para se representar a textura da ris faz-se uso de filtros de Gabor [20], [21] em duas
dimenses. Suas propriedades matemticas foram discutidas por Daugman em 1985 [22].
Nesse mesmo trabalho o autor demonstra que os filtros de Gabor 2D em quadratura so
notavelmente adequados para se representar texturas. Os filtros de Gabor 2D so definidos
assim:
2
H (r , ) e j (0 ) e ( r0 r ) / e ( 0 ) /
(7.1)
1 2048
A j ( XOR) B j
2048 j 1
(7.2)
Quando ocorre um casamento perfeito entre as ris, o valor computado zero.A que a
esperana de uma comparao de ris no relacionadas 0,5 com um desvio padro muito
pequeno [20]. Isso se deve ao fato de se usar um clculo estatstico, uma vez que dado um
bit do valor retornado pela codificao, a probabilidade dele ser 0 a mesma de ser 1, e a
comparao entre dois bits no relacionados tem probabilidade mdia de 50% de chance de
ser divergente, isto , no converge nem para 0 e nem para 1. Ento podemos concluir que
uma correlao ou grau de similaridade corresponde a um numero menor ao 0.5. o valor
utilizado na literatura varia de 0.34 ate 0.45. O que significa que o sistema e capaz de
distinguir fcil se o valor fosse menor ou difusamente se o valor fosse maior.
8. Testes e Resultados
A pesquisa realizada neste trabalho procura investigar os aspectos bsicos de um sistema
biomtrico de identificao pessoal, baseado em imagens de ris. Como parte do trabalho,
foi desenvolvida um bloco de captura, localizao, normalizao, codificao e comparao
de ris. Os testes foram feitos considerando o seguinte:
A ferramenta utilizada para os experimentos foi desenvolvida no laboratrio de
comunicaes visuais (LCV/Decom/Feec/Unicamp), que est equipado com um
computador Pentium IV 3.2 GHz, 256Mb RAM, que roda o LabView 8.0, em ambiente
operacional Windows 2000.
Para se avaliar o funcionamento do projeto foi utilizada a base de dados CASIA ris
Database, que contm 756 imagens (320x280 pixels) de ris de 108 olhos, que resulta em
108 classes. Para cada olho, sete imagens so capturadas em duas sesses. Trs so
coletadas na primeira e quatro na segunda sesso [24].
Foram utilizadas algumas amostras dessa base de dados. A entrada de dados dos testes
est disponvel na pasta de teste. Devido ao sistema ser simples em alguns casos o sistema
se no encontra resposta simplesmente no fornece uma deciso.
Foram utilizadas 10 pessoas diferentes da base de dados. Aqui foram analisados dois
aspectos: A aceitao do sistema ao fazer uma comparao positiva. A rejeio do sistema
ao fazer uma comparao negativa. Isto em biometria fundamental, dado que a deciso
poderia ter uma taxa falsa aceitao (FAR) ou uma falsa rejeio (FRR). Teoricamente a
ris esta perto dos 100% de preciso. E esta preciso dividida em essas duas taxas. Na
pratica se ajusta uma taxa para que uma melhore e a outra piore. Todo com a variao do
limiar de similaridade. O nosso valor foi ajustado ao limiar=0.45 de similaridade.
O modulo de teste apresentado no arquivo testIris.vi e o diagrama observa-se na
seguinte figura.
Fig. 8.2. Painel frontal do teste de identificao de um entre muitas imagens de ris.
Pode se concluir que o sistema funciona com boa preciso e que serve para iniciar novas
pesquisas e melhoramentos para ele evoluir ate obter uma alta preciso.
9. Referncias Bibliogrficas
[1]
[2]
M. Erickson (1996). Eye Anatomy. St. Luke's Cataract & Laser Institute.
http://www.stlukeseye.com/Anatomy.asp
[3]
J. G. Daugman, How Iris Recognition Works, IEEE Trans. on Circuits and Systems
for Video Technology, vol. 14, n. 1, pp. 21-30, 2004
[4]
P. C. Kronfeld, The Gross Anatomy and Embryology of the Eye, The Eye, H.
Davson, Ed. London: Academic, vol. 1, pp. 1-66, 1968.
[5]
[6]
[7]
[8]
[9]
[ii]