Univerzitet u Sarajevu Elektrotehn ički fakultet Odsijek za automatiku i elektroniku MoE studij Završni rad Metode biometrijske identifikacije i tehnike njihove implementacije kod autentifikacije osoba na bazi otiska prstiju Mentor: Red.Prof.Dr. Adnan Salihbegović Sarajevo, Novembar 2010god. Student: Sabina Gutlić Akademska godina 2009/2010
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Univerzitet u Sarajevu Elektrotehn ički
fakultet Odsijek za automatiku i
elektroniku MoE studij
Završni rad
Metode biometrijske identifikacije i tehnike njihove implementacije kod autentifikacije osoba na bazi
otiska prstiju
Mentor: Red.Prof.Dr. Adnan Salihbegović Sarajevo, Novembar 2010god.
Student: Sabina Gutlić
Akademska godina 2009/2010
[Završni rad]
Sažetak
Zadatak ovog rada je provedba detaljne analize glavnih biometrisjkih tehnologija koje su
trenutno u upotrebi, kao i osvrt na osnovne karakteristike biometrijskih sistema identifikacije uopšte.
Dio rada u kojem su opisani multimodalni biometrijski sistemi opisuje načine koordiniranja elemenata
ovakvih sistema u svrhu njihovog zadovoljavajućeg funkcionisanja. Navedena je i kvantitativna uporedba
parametara opisanih tehnologija, kako bi čitalac imao detaljan uvid u prednosti i nedostatke svake
metode pojedinačno. U radu je također dat pregled glavnih aspekata prepoznavanja otisaka prstiju, a
zatim i detaljan opis implementacije AFIS sistema (Sistem automatizirane identifikacije otisaka prstiju)
baziran na identifikaciji poređenjem minucija (detalja otiska prsta). Sistem je podijeljen u različite
komponente, skeniranje otiska prsta, poboljšanje slike, ekstraktovanje karakteristika, poređenje i
klasifikacija. Otisci prstiju, u ovdje opisanom postupku, uzeti su kapacitivnim skenerom, nakon čega
slijedi korak određivanja orjentacionog polja istog. Naknadna binarizacija slike i stanjivanje grebenova
olakšavaju ekstrakciju minucija, nakon čega dobivamo singularne tačke, centar i delte, iz slike
orijentacionog polja otiska. Klasifikacija otisaka izvršena je na osnovu pozicija ovih singulariteta, nakon
čega može biti izvršen postupak poređenja. Na kraju, poglavlje koje se bavi komercijalnom primjenom
ovih sistema, pruža uvid u najuspješnije kompanije koje trenutno proizvode opremu za ovu oblast.
Summary
Thesis is presenting detailed analysis of the main biometric technologies currently in use,
together with an overview of the fundamentals of biometric identification. A section on multibiometrics
describes the state of the art in making these systems work coordinately. A comparison on different
qualitative parameters of these technologies is also given, so that the user may have a clear perspective
of advantages and disadvantages of each. This thesis also gives an overview of the main aspects of
fingerprint recognition, and then describes in detail the implementation of an AFIS (Automated
Fingerprint Identification System) using minutiae-based matching. The AFIS system is divided into
different components; fingerprint image scanning, image enhancement, feature extraction, matching
and fingerprint classification. The fingerprint is acquired with a capacitive scanner, after which it is
enhanced using directional filtering in order to improve identification ratio. Subsequent binarisation and
ridge thinning facilitate the extraction of the minutiae, after which the singularities, core and delta are
obtained from the orientation image of the fingerprint. The fingerprints are classified based on relative
positions of these singularities and minutiae matching can be carried out after this process. Finally, a
section on commercial issues provides the user a perspective of the main companies currently involved
in this field.
UNIVERZITET U SARAJEVU
ELEKTROTEHNIČKI FAKULTET Odsjek
za automatiku i elektroniku Sarajevo,
25/05/2009
Predmet : Završni rad ( master teza ) II ciklusa MoE studija iz Identifikacije sistema Naziv
rada:
| Sažetak
[Završni rad]
Metode biometrijske identifikacije i tehnike njihove implementacije kod autentifikacije osoba na bazi otiska prstiju
Ciljevi rada:
U okviru završnog rada MoE studija ( master teze) treba provesti detaljnu analizu postojećih metoda i
tehnika biometrijske identifikacije osoba putem prepoznavanja otisaka prstiju, i diskutovati načine
implementacije ove identifikacione metode. Naročito analizirati aspekte ukljanjanja i filtriranja smetnji u
prikupljenim podacima prije nego što se prikupljeni uzorci klasifikuju jednom od metoda prepoznavanja.
Sadržaj rada:
- Stanje u oblasti metoda i tehnika za biometrijsku identifikaciju osoba putem prepoznavanja i klasifikacije otisaka prstiju.- implementacija AFIS (Automated Fingerprint Identification System) sistema baziranog na uparivanju minitua kroz skaniranje prstiju, poboljšanje i filtriranje slike, ekstrakcije osobina, poredjenja i uprivanja sa bazom podataka otisaka i klasifikacija otisaka
- analiza tehnika za poboljšanje ( enhancement ) i filtriranje skanirane slike otiska prsta- tehnički aspekti implementacije AFIS sistema
- pregled primjena ove tehnike bimetrijske identifikacije i poredjenje sa ostalim tehnikama ( prepoznavanje lica, irisa, glasa itd).
Mentor :
Red. Prof. Dr. Adnan Salihbegović , dipl. el. Ing.
1. Biometrijski sistemi ............................................................................................................................................ 8
2.1. Biometrijska identifikacija na osnovu fizioloških karakteristika .............................................................. 24
2.1.1.Biometrijska identifikacija na osnovu lica ............................................................................................... 24
2.1.2.Biometrijska identifikacija na osnovu oka .............................................................................................. 29
2.1.3.Biometrijska identifikacija na osnovu šake ............................................................................................. 36
2.1.4.Biometrijska identifikacija na osnovu uha .............................................................................................. 38
| Sažetak
[Završni rad]
2.1.5.Biometrijska identifikacija na osnovu mirisa .......................................................................................... 40
2.1.6.Biometrijska identifikacija na osnovu DNK .............................................................................................. 41
2.2. Biometrijska identifikacija na osnovu bihaviorističkih karakteristika ...................................................... 45
2.2.1. Biometrijska identifikacija na osnovu glasa ................................................................................... 45
2.2.2. Biometrijska identifikacija na osnovu dinamike potpisa ................................................................ 47
4.1.1. Biometrijska identifikacija na osnovu dinamike tipkanja ....................................................................... 49
4.1.2. Biometrijska identifikacija na osnovu dinamike hoda ............................................................................ 51
4.2. Uporedba biometrijskih metoda identifikacije .......................................................................................... 54
4.2.1. Poređenje tehničkih karakteristika različitih biometrijskih metoda identifikacije .............................. 57
3. Otisci prstiju kao dio Biometrije ....................................................................................................................... 60
3.1. Kratka historija otisaka prstiju ................................................................................................................. 64
3.2. Sistem Biometrijske identifikacije na osnovu otiska prstiju ..................................................................... 68
4.2.1. Biometrijski pasoš Bosne i Hercegovine .......................................................................................... 105
4.3. RFID čip ................................................................................................................................................. 107
4.4. Sistem kontrole državinh granica .......................................................................................................... 113
Pregled slika i tabela .............................................................................................................................................. 119
Pregled korištenih termina i mnemonika .............................................................................................................. 123
Prepoznavanje ličnosti izgleda jednostavno zbog toga što ga ljudi svakodnevno vrše na poslu,
ulici, kući, na bilo kom drugom mestu gdje dolaze u kontakt sa drugim ljudima. Međutim, u modernom
svijetu, ono nije tako lako kao što se čini. Tehnološki razvoj, postojanje globalne računarske mreže koja
se svakim danom sve više širi, povećanje broja putnika na globalnom nivou, kao i automatizacija raznih
poslova i usluga zahtjeva pouzdane metode za utvrđivanje i provjeru identiteta. Naime prosječna osoba
se dnevno identifikuje više od 10 puta prilikom korištenja računara, telefona, kreditnih i platnih kartica,
automatskih terminala za isplatu novca, primanja socijalne pomoći, korištenja zdravstvenih usluga,i sl.
Identifikacija ličnosti treba da bude brza, pouzdana, teška za prevaru, jeftina, i u velikom broju slučajeva
društveno prihvatljiva za osobu koja treba da se identifikuje.
U oblasti sigurnosti poznata su 3 različita načina za proveru identiteta:
S Nešto što znaš (knowledge) - šifra, PIN (lični identifikacioni broj), neka lična informacija; S Nešto
što imaš (possesion) - karticu (npr. "pametne" ili slične); S Nešto što jesi - biometrija.
Biometrija predstavlja automatizovan metod
utvrđivanja identiteta osobe na osnovu fizioloških
karakteristika kao što su lice, otisak prsta, geometrija
ruke, dužica ili mrežnjača oka, raspored vena ili glas.
Pod autentifikacijom podrazumijevamo
proces koji uključuje identifikaciju i verifikaciju
identiteta. Identifikacija odgovara na pitanje o kojoj
se osobi radi, a verifikacija potvrđuje da je
identificirana osoba uistinu ona za koju se predstavlja.
Tradicionalni načini autentifikacije
uključuju upotrebu osobnih identifikacijskih brojeva
(engl. Personal Identification Number -PIN), lozinki,
identifikacijskih kartica i ključeva. Očiti nedostaci ovakvog tradicionalnog pristupa su raznovrsne
mogućnosti zloupotrebe. Kartice i ključevi su fizički objekti podložni gubljenju i krađi. Iako su brojne
lozinke pohranjene u ljudskom mozgu sigurne od krađe, zaboravljivost često natjera osobe da ih negdje
zapišu pri čemu dobivaju fizičku realizaciju. Sigurnosni rizik predstavlja unos lozinki jer se promatranjem
ili presretanjem podataka može doći do osjetljivih informacija. Korisnici često i dobrovoljno razmjenjuju
lozinke i identifikacijske kartice sa svojim kolegama i prijateljima kako bi si olakšali rad.
Slika 1 Procentualni odnos zastupljenosti metoda biometrijske
identifikacije
2010
[Završni rad]
| Uvod 6 / 126
2010
[Završni rad]
Zadatak biometrije je eliminirati spomenute nedostatke tradicionalnih metoda razvijanjem
automatiziranih načina da se jedinstvena obilježja našeg tijela i ponašanja iskoriste pri autentifikaciji.
Kako raste potreba za višim nivoom sigurnosti, tako su biometrijski sistemi sve manji, precizniji,
pouzdaniji i brži i nalaze sve veću primjenu u svim djelatnostima gdje je neophodno nedvosmisleno
utvrditi ili potvrditi identitet osobe. Potreba za biometrijom naročito je porasla poslije terorističkih
napada u Americi 11. septembra 2001. godine, kada su pooštrene kontrole na aerodromima i kada se
javila potreba da se iz mase izdvoje potencijalni teroristi. Ovaj događaj je, pored brojnih uticaja na
dešavanja u cijelom svijetu, pospješio razvoj i intenzivirao primjenu biometrijskih sistema.
Neke od klasičnih identifikacijskih metoda, koje su prema opštim karakteristikama biometrijske,
dobijaju potpuno novo značenje i kvalitetu i doživljavaju svoj remake u informatičko-digitalnom
okruženju. Naime, primjenom modernih tehnologija iz domene elektrotehnike i računarstva, kroz
savremene hardverske uređaje i softverske alate, neke svojevremeno kroz istoriju odbačene
identifikacijske metode, doživljavaju svoj procvat i novu afirmaciju. To je posebno značajno u području
antropološke identifikacije koja je zbog tehnoloških ograničenja tokom 20. vijeka gotovo napuštena,
osim u zoni sudsko-medicinskih ekspertiza.
Također, savremena tehnološka i naučna dostignuća omogućavaju nastanak i razvitak potpuno
novih metoda identifikacije, koje se temelje na tjelesnim i bihejvioralnim (ponašajnim) individualnim
karakteristikama osoba koje prije nije bilo moguće registrovati, izdvojiti i koristiti. Savremena tehnologija
omogućava pouzdana, brza i nenametljiva sredstva za automatsko prepoznavanje identiteta osoba.
Mnogo je primjera potrebe za visokim stepenom sigurnosti u našim životima, kao što je kontrola pasoša,
licence, upotreba ključeva i kartica, sigurnost na aerodromima i slično. Neke od metoda za biometrijsku
identifikaciju su geometrija ruke, crte lica, otisak prsta, prepoznavanje glasa i dinamika potpisa. Za ove
vrste identifikacije problem se javlja u jedinstvenosti, kao i u imunosti na vrijeme.
Biometrija je oblast prepuna kontroverzi. Njeno korištenje promovišu oni čiji je posao da spriječe
prevare, dok su oni koji se zalažu za očuvanje privatnosti prepuni sumnji. Biometrija može da pozitivno
identifikuje osobu i time spriječi čitav niz prevara vezanih za identitet, ali ona može i da, bez dozvole
subjekta, prati njegove postupke i poveže lične informacije iz različitih izvora, što je veliki napad na
privatnost. Tu su još i nedovoljno ispitani izvori prijetnji karakteristični samo za biometriju. Njeno
korištenje je moćno sredstvo u rukama jakih korporacija, da vježbaju kontrolu nad pojedincem, ali i
društvom u celini. Sve ovo baca novo svjetlo na mogućnost korištenja ali i zloupotrebe biometrije.
1. Biometrijski sistemi
Biometrijski sistem je u osnovi sistem za prepoznavanje uzoraka koji jedinstvenu identifikaciju
temelji na određivanju autentičnosti pojedinih fizioloških i bihejvioralnih (ponašajnih) karakteristika
osobe.
Da bi se kvalifikovale da ih nazovemo biometrijskim, biološke mjere moraju zadovoljiti sljedeće
uslove:
1. Univerzalnost - svaka osoba mora posjedovati ovu karakteristiku;
2. Jedinstvenost - karakteristika mora biti različita za sve članove populacije;
1. Nepromjenljivost - karakteristika ne smije da se menja pri različitim uslovima
prikupljanja, i tokom vremena;
3. Kolektibilnost- karakteristika mora biti kvantitativno merljiva i prikupljiva.
| Uvod
[Završni rad]
Slika 1.1. Podjela biometrijskih sistema po porijeklu karakteristika
Naravno pri odabiru biometrijskog sistema koji se koristi za utvrđivanje identiteta mora se voditi
računa i o sljedećim faktorima:
S pouzdanost - odnosi se na tačnost, brzinu, kao i na faktore koji mogu uticati na rad sistema;
■ prihvatljivost - označava stepen spremnosti ljudi da prihvate korištenje ovog sistema u
svakodnevnom radu;
■ otpornost - koliko je sistem otporan na potencijalno krivotvorenje i napade.
U Tabeli 1. dat je pregled nekoliko različitih biometrijskih tehnologija kao i percepcija u kojoj mjeri one ispunjavaju gore navedene faktore.
| Uvod
[Završni rad]
V
N S V N V N
S V V S V S SS S S V S S SV V V S V N VV V S N V N VN N N V N V NS N N S N V N
Tabela 1.1. Komparacija različitih biometrika. V, S i N označavaju Visoko, Srednje i Nisko respektivno
Biometrijski sistem generalno radi u dva moda:
1. Verifikacija - vrši se kada neka osoba tvrdi da ima neki identitet (u tradicionalnim sistemima to se radilo uz pomoć lozinke, ID kartice i sl.); sistem potvrđuje ili odbija identitet upoređivanjem biometrijskih karakteristika sa šablonom (template) prethodno sačuvanim u bazi i izvodi se poređenje jedan-prema-jedan (one-to-one comparasion). Ovo je takozvano 'pozitivno prepoznavanje' čiji je cilj da se spriječi da više ljudi koristi isti identitet.
2. Identifikacija - sistem mora da izvrši prepoznavanje osobe tako što će uporediti njene biometrijske karakteristike sa svim šablonima sačuvanim u bazi da bi našao najveće poklapanje. Tom prilikom se izvodi jedan-prema-mnogo (one-to-many) poređenja i ovo se naziva 'negativno prepoznavanje' gde sistem može utvrditi da li je osoba ono što implicitno tvrdi da nije. Cilj je da se spriječi da jedna osoba koristi više identiteta.
Važno je naglasiti da se metode possesion&knowledge mogu koristiti samo za verifikaciju, dok se
za identifikaciju tj. negativno prepoznavanje jedino može koristiti biometrika. Svaki biometrijski sistem
ima četri modula (Slika 1.2.) :
1. ulazni uređaj-senzor (sensor module) - koji uzima i digitalizuje biometrijsku karakteristiku (npr.
skener za otiske prstiju);
2. modul za izdvajanje karakteristika (feature extraction module) - koji obrađuje digitalizovan
podatak radi izdvajanja karakteristika koje ga čine jedinstvenim i koje se mogu smjestiti u šablon
(template) (npr. izdvajanje minucija iz slike otiska);
3. modul za poređenje (matching module) - gdje se porede izdvojene karakteristike sa podacima iz
šablona sačuvanog u bazi;
4. modul za donošenje odluke (decision-making module) - gdje se identitet prihvata ili odbija
(verifikacija), ili utvrđuje na osnovu skora poređenja (identifikacija).
| Biometrijski sistemi
2010
Biometrija Lic
eOtisakŠak
IriRetinaPotpis
Glas
[Završni rad]
Naravno ovome se mora dodati i peti modul tj. baza (template database) gdje se čuvaju šabloni
uzeti od osobe u postupku prijavljivanja (registracije-enrollment). Postupak prijavljivanja podrazumijeva
uzimanje biometrijske karakteristike od osobe, pravljenje šablona i njegovo dalje čuvanje. Baza može biti
centralna; lokalna u odnosu na mesto gde se koristi (npr. zgrada gdje se radi); ili može biti na uređaju
koji korisnik nosi sa sobom (smartcard i sl.). Naravno može biti i kombinacija bilo koje dve ili čak sve tri.
Takođe se ti podaci mogu čuvati tako da se mogu koristiti samo za tu aplikaciju i organizaciju, ili za više
njih.
1.1. Biometrija
Pojam biometrija potječe od grčkih riječi: bios=život i metron=mjera. Dakle, radi se o mjerenju
određenih tjelesnih i ponašajnih karakteristika živog bića, u ovom kontekstu čovjeka.
| Biometrijski sistemi10 / 126
2010
Slika 1.2. Blok dijagram biometrijskog sistema
[Završni rad]
Biometrija je nauka o automatiziranim postupcima za jedinstveno prepoznavanje ljudi na
temelju jednog ili više urođenih tjelesnih obilježja, ili obilježja čovjekovog ponašanja. Biometrija se
također može definirati i kao matematičko statistička metoda za istraživanje živih bića s obzirom na
njihove odnose mjere i broja koji se utvrđuju korištenjem automatiziranih tehničkih sistema mjerenja i
registracije.
Biometrijske metode temelje se na klasičnim, standardnim identifikacijskim metodama koje datiraju iz davne historije čovječanstva. Kao što je spomenuto, prema nekim podacima, u srednjovjekovnoj Kini uzimani su otisci stopala novorođene djece, da bi se očuvao njihov identitet i onemogućila zamjena. Sistematsko korištenje biometrije u policijskom području djelovanja ipak se veže za zapadnu kulturu, odnosno Europu. Krajem 19. stoljeća, tačnije 1883.
godine Alphonse Bertillon razvio je sistem identifikacije (evidentiranja i prepoznavanja) počinitelja kaznenih djela koji se bazirao na mjerama pojedinih dijelova tijela, koji je po njemu
dobio naziv Bertillonage. Preciznim mjerenjem dimenzija glave i dijelova tijela (Bertillon je konstruirao uređaje za precizno mjerenje parametara, identifikacijskih obilježja), kao i evidentiranjem osobitih ličnih oznaka kao što su tjelesna oštećenja, deformacije, tetovaže ili ožiljci, razvijen je sistem evidentiranja poznatih počinitelja kaznenih djela s mogućnošću identifikacije nepoznatih počinitelja.
Bertillonov antropološki sistem osobne identifikacije sastojao se od tri dijela:
1. mjerenja tjelesnih proporcija, preciznim uređajima uz detaljno propisana pravila mjerenja;
2. morfološkog određenja izgleda i oblika tijela i njegovih dijelova i
3. opisa osobitih ličnih obilježja poput deformacija, ožiljaka, tetovaža i sl.
Slika 1.4. Alphonse Bertillon
Razlog tome, što je nakon početne fascinacije Bertillonov sistem uskoro odbačen, neki su njegovi
nedostaci koji su primarno uvjetovani tehnološkom limitiranošću i nemogućnosti dovoljno preciznog
mjerenja, kao i kompliciranošću samog postupka. Štoviše, dokazana je i znanstvena neutemeljenost
nekih postavki, poput stava o nepromjenjivosti veličine kostiju ljudskog tijela. Neovisno o tome, treba
priznati da je bila riječ o prvom, u policijske svrhe primijenjenom biometrijskom sistemu.
U novije vrijeme biometrija je doživjela punu afirmaciju i procvat, a razlog tome leži ponajviše u
vrtoglavom razvoju tehnologije koja klasičnim biometrijskim metodama daje novu dimenziju, a posebno,
kao što je rečeno u uvodu, razvoju računarske industrije (hardverskih, tehničkih mogućnosti, ali i
softverskih alata) čime se mogućnosti primjene otvaraju do neslućenih granica, koje su u bliskoj prošlosti
bile nezamislive. Savremena biometrijska tehnologija omogućava gotovo neograničena precizna
mjerenja i registriranja tjelesnih, ali i ponašajnih obilježja.
| Biometrijski sistemi
Slika 1.3. Naprava za mjerenje dimenzija glave čovjeka iz 1913.
godine
10 / 126
2010
[Završni rad]
1.2. Unimodalni biometrijski sistemi
Unimodalni sistemi se služe samo jednom biometrijskom metodom. Iako su povoljniji i
jednostavniji ovakvi sistemi su podložniji pogreškama kod identifikacije jer u velikim populacijama neke
biometrijske karakteristike nisu dovoljno jedinstvene za sve osobe. Primjerice, dvije osobe mogu imati
jako slično lice.
Unimodalni biometrijski sistemi koriste različite mjere iste biometrijske karakteristike te na taj
način pokušava poboljšati karakteristika biometrijskog sistema. Sistem za identifikaciju se može temeljiti
bilo na jednoj biometrijskoj karakteristici (jednoj snimci) što je zapravo unimodalni biometrijski model ili
na više biometrijskih osobina (na više snimaka jedne biometrijske osobine) što čini multimodalni
biometrijski model.
Karakteristike koje bi morale zadovoljiti unimodalni biometrijski sistem zapravo se odnose na
samo jedan uslov a to je mogućnost (nemogućnost) prevare sistema za identifikaciju. U ovu skupinu
biometrijskih karakteristika mogu se ubrojiti otisak prsta, šarenica (iris), mrežnica i DNA. Ono što je
zajedničko nabrojenim karakteristikama jest visoka trajnost, stalnost i univerzalnost, ali i relativno dugo
potrebno vrijeme za obradu podataka.
Kvalitetan unimodalni biometrijski sistem moguće je poboljšati i korištenjem tradicionalnih
biometrijskih karakteristika. Ove karakteristike posjeduju određene osobine o osobama, ali pomoću tih
osobina nije moguće sa potpunom pouzdanošću razlikovati osobe. To su visina, težina, spol, boja kose i
slično. Povezivanjem tradicionalnih biometrijskih karakteristika sa unimodalnim biometrijskim sistemom
dobiva se multimodalni biometrijski sistem koji posjeduje osobine „jake" biometrijske karakteristike te
brzinu tradicionalne biometrijske karakteristike. Nedostaci unimodalnih biometrijskih sistema u odnosu
na multimodalne biometrijske sisteme vrlo su očiti. Najočitija razlika može se vidjeti u nivou primjene tih
sistema. Unimodalne biometrijske sisteme moguće je primijeniti za jednu „jačinu" zaštite bez obzira da li
se radilo o jakoj, srednjoj ili slaboj biometrijskoj karakteristici. Za razliku od unimodalnih biometrijskih
sistema, multimodalni biometrijski sistemi pokrivaju cjelovit spektar svih razina "jačine" što ih čini puno
prihvatljivijima u kriminalističkoj identifikaciji.
1.3. Multimodalni biometrijski sistemi
Multimodalni sistemi upotrebljavaju dvije ili više biometrijskih metoda za identifikaciju. Svaka
metoda svojim algoritmom izračunava stepen poklapanja. Dobiveni stepeni se usklađuju i donosi se
konačna odluka.
Veći broj upotrjebljenih metoda znači veću tačnost, ali i veći trošak. Ne postoji jednostavan
način odabira biometrijskih metoda koje ćemo upotrijebiti u multimodalnom sistemu. Izabrane metode
zavise o njegovoj primjeni, međutim u većini slučajeva najbolje rezultate daju kombinacije biometrijskih
metoda velike i srednje tačnosti.
Nedostaci multimodalnih sustava su skupoća i uskladivost. Ne postoji jedinstveni standard koji
bi omogućio jednostavno povezivanje biometrijskih metoda, što dodatno povećava cijenu zbog potrebe
za istraživanjem i ugađanjem sistema.
Multimodalna biometrija podrazumijeva kombiniranje svih prethodno navedenih biometrijskih
tehnika. Ukoliko se u praksi koristi veći broj prethodno nabrojanih tehnika, može se izgraditi jedan
siguran informacijski sistem.
| Biometrijski sistemi10 / 126
2010
[Završni rad]
Slika 1.5. Principjelna šema multimodalnog biometrijskog sistema
U praksi je to kombinacija fizičkih i biometrija ponašanja koji podrazumijevaju provjeru i
identifikaciju. U praksi se koriste u graničnim prijelazima za kontrolu ulaska ili izlaska, za kontrolu
pristupa nekom prostoru, civilnoj i policijskoj identifikaciji, mrežnoj sigurnosti. Multimodalna biometrija
se koristi i kao potpora standardnim postupcima za provjeru identiteta ili ukoliko iz izvornih dokumenata
i zapisa nije moguće dobiti dovoljan broj podataka kojima bi se opisala neka osoba.
| Biometrijski sistemi10 / 126
2010
[Završni rad]
Preporučljiva je kombinacija standardnih sigurnosnih
mehanizama i biometrijskih jer uvijek postoji mogućnost
zloupotrebe. Jedan od primjera je lažni predložak otiska prstiju.
Ukoliko se koristi samo jedna tehnika kao što je prepoznavanje otiska
prstiju, tada je moguća situacija u kojoj treća osoba posjeduje lažni
otisak prstiju s kojim obavlja autentifikaciju u ime neke osobe.
Vidljivo je da su, za razliku od unimodalnog biometrijskog
sistema, ovdje na raspolaganju tri biometrijske osobine više. Kako se
u ovome sistemu uz biometrijske karakteristike, koje je teško
prevariti, mogu koristiti i
| Biometrijski sistemi
Slika 1.6. Primjer multimodalne biometrije u carinskoj kontroli
[Završni rad]
biometrijske karakteristike koje posjeduju neke druge osobine a koje su prihvatljive sa obzirom na način
prikupljanja, troškove i mogućnosti njihovog čuvanja u bazama podataka.
1.4. Registracija biometrijskih podataka
Svaki biometrijski sistem ima svoje posebnosti implementacije koje ovise o primjeni sistema i
metodama koje se koriste. Postoje i općenita svojstva zajednička svim sistemima. Za korisnika prvi susret
sa sistemom znači registraciju njegovih biometrijskih podataka (engl. enrollment) i upis u bazu podataka.
Ovaj se proces može podijeliti u nekoliko faza prikazanih na narednoj slici.
Slika 1.7. Registracija biometrijskih podataka
U prvoj fazi obavlja se skupljanje korisnikovih biometrijskih podataka na uređaju za očitavanje. Prvo
očitavanje ključno je za daljnju autentifikaciju, stoga se posebna pozornost mora posvetiti kvaliteti
uzetog uzorka. Proces očitavanja se po potrebi ponavlja više puta kako bi se dobili zadovoljavajući
rezultati. Ukoliko se nakon ponovljenog očitavanja ne dobiju dovoljno kvalitetni rezultati korisnik ulazi u
skupinu neuspješno registriranih (engl. Failed To Enroll - FTE).
Zatim se u drugoj fazi analiziraju dobiveni neobrađeni podaci na način da se iz njih izdvajaju podaci
koji karakteriziraju korisnika. Dobiveni podaci tvore biometrijski predložak (engl. biometric template)
koji često sadrži više uzoraka. Broj uzoraka zavisi o biometrijskoj metodi koja se primjenjuje. Predložak
sa ostalim podacima o korisniku se u trećoj fazi pohranjuje na medij za pohranu. Tri su tipična pristupa u
pohrani predložaka.
1. Lokalna pohrana na uređaj je siguran i brz način autentifikacije. Ovaj je pristup neupotrebljiv u
situacijama kada je potrebna mogućnost autentifikacije na raznim lokacijama kao što je slučaj
kod bankomata.
2. Pohrana u udaljenu centralnu bazu podataka pri čemu se podaci razmjenjuju preko sigurne
veze. Premda ovaj pristup omogućuje autentifikaciju s različitih lokacija, korisnici koji drže do
privatnosti ne slažu se s time da se njihovi biometrijski podaci čuvaju u centralnoj bazi.
3. Pohrana na prijenosnom mediju kao što je pametna kartica rješava probleme spomenute u
prethodno navedenim pristupima. Podaci se ne čuvaju u centralnoj bazi i ne putuju preko mreže
već ih sam korisnik nosi na željene lokacije. Nedostatak je u tome što ovakav sistem za
autentifikaciju treba biti opremljen i čitačem prijenosnog medija.
U svakom budućem doticaju korisnika sa sistemom, spremljeni podaci će se koristiti za njegovu
autentifikaciju.
1.5. Identifikacija i verifikacija
| Biometrijski sistemi
Slika 1.8. Proces verifikacije
[Završni rad]
U uvodnom radu već su spomenuti procesi identifikacije i verifikacije. Proces verifikacije sastoji se
od uporedbe upravo očitanih podataka sa onima iz korisnikovog predloška. Korisnik mora priložiti
identifikacijski podatak pomoću kojeg sistem pronalazi odgovarajući predložak. Taj se podatak može
isporučiti u vidu korisničkog imena, PIN-a ili pametne kartice. Proces verifikacije prikazan je na narednoj
slici.
Identifikacijski podatak može isporučiti i sam sistem pomoću procesa biometrijske identifikacije. U
tom se slučaju uneseni biometrijski podatak uspoređuje sa svim podacima iz baze postojećih korisnika.
Očito je da ovakav proces može biti neprecizan i dugotrajan, a njegova implementacija skupa i
zahtjevna.
1.6. Greške
Brzina, upotrebljivost i pouzdanost sistema biometrijske autentifikacije ovise o metodama koje se
koriste, stoga je pri projektiranju jako važno temeljito proučiti njihova svojstva i performanse. Kod
analize metoda često se proučavaju stope pogrešaka. Dvije su vrste pogrešaka koje se javljaju kod
biometrijskih sustava:
1. Pogrešno prihvatanje (engl. False Acceptance), pogreška I. tipa - sistem pogrešno
prihvata osobu kao legitimnog korisnika jer je u bazi pronašao predložak dovoljno sličan
unesenom.
2. Pogrešno odbijanje (engl. False Rejection), pogreška II. tipa - legitiman korisnik se odbija
jer sistem nije pronašao dovoljno podudaranje očitanih podataka s predloškom iz baze.
Pogrešno odbijanje predstavlja neugodnost za korisnika, ali smatra se prihvatljivijim od I. tipa jer
korisnik može ponovno pokušati s autentifikacijom.
Kako bismo bolje opisali pogreške koje se javljaju uvodimo dva faktora: udio pogrešnih prihvatanja
(engl. False Acceptance Rate - FAR) i udio pogrešnih odbijanja (engl. False Rejection Rate - FRR) koje
izračunavamo prema formulama (1.1) i (1.2).
„ A n ___ broj pogre šnih prihvatanja rri/1 11 i \rAR = - -----;------;—;---------;-------|%| (1.1.)
Opisani postupci verifikacije i autentifikacije, koji se temelje na uporedbi jedan na jedan,
odnosno ograničenog, unaprijed definiranog kruga osoba, dok je u kriminalističkoj identifikaciji potrebno
izvršiti uporedbu s neograničenim brojem jedinki, često ne samo onih koji su pohranjeni u kriminalističke
i druge zbirke. Pojednostavljeno, kod identifikacije se traži odgovor na pitanje: Ko sam?, a kod
autentifikacije: Jesam li onaj za koga se predstavljam?
Režim utvrđivanja identiteta posebice se primjenjuje za identifikaciju osoba u kriminalistici,
odnosno u području kriminalističke traseološke identifikacije koje se bavi proučavanjem identifikacijskih
obilježja tragova. Drugim riječima, na temelju proučavanja spornog traga pronađenog na mjestu
događaja provodi se provjera i uporedba s drugim nespornim tragovima čije nam je porijeklo poznato,
kako bismo utvrdili identitet osobe od koje sporni trag potiče. Da bi neka biometrijska karakteristika bila
pogodno sredstvo za identifikaciju, mora ispunjavati ranije spomenute uslove:
1. univerzalnost - mora biti prisutna kod svake osobe;
2. jedinstvenost ili individualnost - kod svake osobe karakteristika mora biti različita, odnosno ne
smije se dogoditi da kod dvije ili više osoba bude identična;
3. trajnost i nepromjenjivost - ne smije i ne može se promijeniti protekom vremena;
4. jednostavnost prikupljanja i usporedbe - najveća prednost u odnosu na druge metode.
U osobnoj identifikaciji usmjerava se na određeni broj tjelesnih obilježja koja imaju vrlo veliku
diferencijalnu vrijednost, odnosno visoku identifikacijsku kvalitetu, koja određuje nespornu pripadnost
obilježja određenoj osobi.
U takva obilježja spadaju : glas, hod, izgled lica, šarenica i mrežnica oka, otisci papilarnih linija,
genotip, a prema najnovijim saznanjima i neke druge tjelesne karakteristike poput građe i rasporeda
krvnih žila, mirisa itd. Karakteristike na kojima se temelje savremene metode biometrije možemo
podijeliti u dvije skupine.
1. Fiziološke karakteristike, a temelji se na karakteristikama izgleda i tjelesnih obilježja;
2. Druga skupina predstavlja ponašajne, odnosno bihejvioralne karakteristike osobe, a temelji se,
kao što sam naziv govori, na specifičnostima u ponašanju osobe.
[Završni rad]
2.1. Biometrijska identifikacija na osnovu fizioloških karakteristika
U skupinu fizioloških karakteristika spadaju specifična tjelesna obilježja : izgled otisaka papilarnih
linija prstiju i dlanova, crte lica, geometrija dlana, ruke i raspored krvnih žila, izgled šarenice i mrežnice
oka, prokrvljenost i termička slika lica i tijela, tjelesna razvijenost (antropološke karakteristike), tjelesni
mirisi te DNK osobe. Ova fiziološka, egzaktna obilježja svake pojedine osobe, uglavnom u potpunosti
zadovoljavaju sve kriterije potrebne za neupitnu biometrijsku identifikaciju osobe.
2.1.1. Biometrijska identifikacija na osnovu lica
U svakodnevnom životu ljude prepoznavamo prema izgledu lica, koje, uz ostale tjelesne i
ponašajne karakteristike definira ono što primarno doživljavamo izgledom neke osobe. Otuda i inačica
naziva osoba-lice.
U klasičnim postupcima identifikacije, a prije svega u postupku prepoznavanja, identifikacija se
bazira na izgledu lica. Izgled lica uvjetovan je i građom kostura glave-lica, rasporedom muskulature,
kvalitetom kože, izgledom dijelova lica poput čela, očiju, nosa, usta i dr.
Dakle, lice svakog pojedinog čovjeka po svom izgledu i građi razlikuje se od lica svih drugih
osoba, ono je individualno. Međutim, identifikacija prepoznavanjem je zbog vida čovjeka koji
prepoznaje,
psiholoških procesa vezanih uz percepciju, pamćenja i snka 2.1. Identifikacija pomoću lica osobe dosjećanja, vrlo subjektivna, pa se u postupku prepoznavanja mogu dobiti nepouzdani podaci.
| Tehnike biometrijske identifikacije
2010
[Završni rad]
U klasičnoj identifikaciji poznata je identifikacija osoba petom fotografije. Osoba čiji je identitet
potrebno utvrditi fotografira se u istom mjerilu u kojem je fotografija osobe s kojom je želimo
upoređivati, a zatim se metodama linearnih i ugaonih mjerenja upoređuju razmaci između pojedinih
dijelova lica, odnosno konstantnih točaka. U istoriji dosta se primjenjivala i metoda tzv. superpozicije,
odnosno preklapanja spornog i nespornog negativa filma ili dijapozitiva jednog preko drugog i provjerom
poklapanja određenih tačaka i detalja utvrđivala se istovjetnost.
Kad je riječ o računarskom, biometrijskom
prepoznavanju lica, uglavnom se radi o uporedbi na
temelju fotografije ili videosnimke. Lice se dijeli na oko 80
karakteristika, npr. razmak između očiju, dimenzije nosa,
položaj i razmak između jagodičnih kostiju, dimenzije i oblik
brade itd., po obilježjima koja ispunjavaju uslove tražene za
identifikacijska obilježja.
Da bi prepoznavanje bilo na nivou identifikacije
potrebno je utvrditi traženi broj podudarnosti (između 15 i 20
obilježja). Kako su odabrana obilježja konstantna i relativno nepromjenjiva, osoba se može prepoznati i
nakon kirurških korekcija izgleda lica, promjene frizure i bojenja kose, nošenja naočala i slično. S obzirom
na to da fotografija zauzima malo memorije, sistem može upoređivati više miliona fotografija u minuti,
što je izuzetno važno, posebno ako se radi o velikom broju i velikoj frekvenciji ljudi koje je potrebno
provjeravati kroz bazu (npr. zračne luke).
Sistemi za raspoznavanje lica imaju primjenu u različitim područjima kao što su : video
telefonija, kompresija baza slika, pristup računarskim resursima, kriminalističke svrhe (identifikacija
osoba), i sl.
S obzirom na cijene sistema možemo ih podijeliti na:
| Tehnike biometrijske identifikacije
i prepoznavanje I
Primjer modela za analizu površinske
Komparativ model Komparativ model
HIIssSŠTrajekta rij a modela B
Slika 2.2. Primjer modela poređenja lica na osnovu teksture kože
25 | l26
20l0
✓
✓
Kućne sisteme: Ovakva vrsta sistema koristi se za zaštitu personalnih računara, omogućujući
zaključavanje određenih datoteka, dijelova tvrdog diska, aplikacija ili čitavog računara.
Poslovne proizvode: Korak više na ljestvici područja primjene nalaze se poslovni proizvodi.
Ovi mrežno-centralizirani sistemi dijele se na one koji se usko vežu na sigurnost domene u
mrežnom operacijskom sistemu (Windows, UNIX) ili isporučuju svoje vlastite alate za bazu
podataka i administriranje, te su dizajnirani za veliki broj korisnika.
[Završni rad]
Slika 2.3. Ilustracija 2D procesa prepoznavanja lika
Postoje dvodimenzionalni i trodimenzionalni algoritmi za uporedbe lica. Među
dvodimenzionalnim, najpoznatiji su algoritmi svojstvenih lica i facijalne metrike. Algoritam svojstvenih
lica uspoređuje lice korisnika s unaprijed unesenim slikama ljudskih lica (engl. eigenface) - najčešće s njih
100 do 150. Za svaki se eigenface izračunava stepen poklapanja s korisnikovim licem, a potom se matrica
sa stupnjevima poklapanja pohranjuje kao korisnikov predložak koji zauzima vrlo malo diskovnog
prostora. Algoritam facijalne metrike analizira položaje i relativne udaljenosti između dijelova
korisnikovog lica (nosa, usta i očiju) te informacije o njima zapisuje u predložak. Dvodimenzionalni
algoritmi se lako mogu zavarati podmetanjem lažne slike. Kvaliteta prepoznavanja ovisi o uglu upada
svjetlosti na lice korisnika i promjeni ugla gledanja u kameru. Problem predstavlja i promjenjivost lica
starenjem, mijenjanje frizure, šminke, izraza lica i brade ili nošenje naočala.
Slika 2.4. Ilustracija 3D procesa prepoznavanja lika
Trodimenzionalni algoritmi analiziraju i pohranjuju 3D karakteristike i veličine dijelova lica. Time
se izbjegavaju problemi koji karakteriziraju dvodimenzionalne metode jer osobine trodimenzionalnog
modela ne zavise o izrazu lica, nošenju šminke ili zakrenutosti glave. Svojom točnošću metoda 3D analize
konkurira skeniranju šarenice. Algoritmi za uporedbu lica brži su od onih za uporedbu šarenica, a kamere
za dohvat slike lica jednostavnije za rukovanje.
3D fotogrametrijska antropologija i 3D facijalna rekonstrukcija su metode identifikacije koje se
temelje na geodetskim disciplinama fotogrametriji i stereofotogrametriji. 3D fotogrametrijska
antropologija je metoda kojom se iz snimaka dobivenih videokamerama (npr. iz postojećeg sistema
videonadzora) uz pomoć odgovarajućeg softvera mogu izmjeriti pojedini dijelovi tijela osobe, te na
osnovi tih mjera vrlo precizno razlikovati tu osobu od drugih.
Ova metoda doživljava punu primjenu pri kriminalističkom istraživanju u postupcima
identifikacije nepoznatih i maskiranih počinitelja razbojništava ili drugih sličnih kaznenih djela, prilikom
kojih su počinitelji snimljeni kamerama videonadzora ili drugim sistemima tehničkog snimanja.
3D facijalna rekonstrukcija je metoda identifikacije primjenom odgovarajućeg softvera radi
rekonstrukcije izgleda lica osobe na temelju izgleda kostura lica i glave. U prvom stadiju obavlja se
detaljno snimanje lubanje sinhroniziranim stereo videokamerama ili fotoaparatima. Fotogrametrijskim
načelom obavlja se mjerenje određenih tačaka na licu i lubanji. Mjerenje se može obaviti i laserskim
| Tehnike biometrijske identifikacije
[Završni rad]
skenerom kojim se također mogu obaviti vrlo precizna mjerenja, softverskim alatima izračunava se
udaljenost svake tačke na lubanji i izrađuje se digitalni model.
CT snimka glave osobe koju želimo uporediti stavlja se u superpozciju (preklapa se) s izrađenim
digitalnim modelom, radi simuliranja konačnog izgleda dodaje se meko tkivo na lubanju i dobiva temelj
vanjskog izgleda lica, da bi se zatim na temelju određenih karakteristika i procjene odredila boja kože,
izgled očiju, kose i drugi detalji izgleda.
Iako se ovom metodom može postići velika vizualna sličnost digitalne slike lica i glave sa
stvarnim izgledom osobe, temelj metode je subjektivna procjena osobe koja izrađuje sliku lica
nepoznate osobe i zbog toga metoda nije u potpunosti pouzdana. Obe ove metode (3D fotogrametrijska
antropologija i 3D facijalna rekonstrukcija) vrlo su važne za identifikaciju osoba, osobito u slučajevima
posjedovanja videosnimke s mjesta počinjenja kaznenog djela na kojoj su vidljivi nepoznati počinitelji
kao i kod identifikacije pronađenih nepoznatih tijela na kojima je uništeno meko tkivo.
Drugi način biometrijske identifikacije pomoću lica neke osobe jeste termogram. Splet krvnih
žila kojima je prožeto ljudsko tijelo, a posebno njegov potkožni dio, predstavlja jedinstveno obilježje i
individualan je kod svakog pojedinog čovjeka. Snimanjem infracrvenom kamerom (mjerenjem razlika u
temperaturi na površini ljudske kože) omogućuje se registriranje toplinskog zračenja koje krvne žile
emitiraju kroz kožu. Ovakvim postupkom dobiva se snimka, koja se nazivatermogram, a isti je jedinstven za svaku osobu. slika 2.5. Termogram lica
| Tehnike biometrijske identifikacije
[Završni rad]
Termogrami lica ispunjavaju gotovo sve uslove
tražene za identifikacijska obilježja, jer su univerzalni,
individualni i konstantni, međutim, postoje i određene
limitiranosti. Pod uticajem različitih unutrašnjih i vanjskih
faktora moguće je manipulirati s promjenama u termogramu,
npr. izjednačavanjem temperature okoline i tijela, pod
utjecajem opojnih sredstava i sl. Daljnji limit je izrazito visoka
cijena opreme, prije svega termovizijske infracrvene kamere.
Nadalje, slike dobivene ovom metodom zauzimaju puno
memorijskog prostora, pa metoda nije pogodna za velike
digitalne baze podataka.
| Tehnike biometrijske identifikacije
2010
Slika 2.6. Termogram lica blizanaca
[Završni rad]
Identifikaciju je moguće obaviti pod raznim svjetlosnim uslovima, kao i bez svjetla (u potpunom
mraku). Ova metoda omogućuje prepoznavanje i bez saradnje osobe, te snimanje s veće udaljenosti, jer
spada u grupu neinvazivnih metoda identifikacije, gdje osoba ne mora sarađivati u postupku provedbe
identifikacije.
Raspoznavanje osoba preko lica spada u nenametljive tehnike zbog čega ljudi obično nemaju
problema sa prihvatanjem lica, kao biometrijske karakteristike. Danas se vrše intenzivna istraživanja s
primjenom u rasponu od statičke, kontrolirane verifikacije slike lica, pa sve do pokretne slike i
nekontrolirane verifikacije lica u metežnoj pozadini.
| Tehnike biometrijske identifikacije
2010
[Završni rad]
2.1.2. Biometrijska identifikacija na osnovu oka
Šarenica oka (engl. Iris) je elastični kružni
prsten u složenom ljudskom oku koji je povezan
delikatnim mišićima koji je šire i skupljaju u zavisnosti
od količine svjetla ili pri procesu akomodacije oka.
Ovaj prsten je obično pigmentisan i prisutni pigmenti
stvaraju razne varijacije boja od kojih su glavne,
smeđa, plava i zelena. Sastoji se od mreže radijalnih
linija koja je jedinstvena, vremenski nepromjenjiva za
svaku osobu i ne ovisi o genetskim parametrima. Služi
za zaštitu rožnjače i očnih nerava od prejakog svetla i
pri fokusiranju (akomodaciji) oka.
Pouzdana automatska identifikacija osoba je dugo bila nedostižan cilj. Kao kod svih metoda
prepoznavanja uzoraka ključni problem je odnos između razreda i unutar-razredne varijabilnosti: objekti
se mogu pouzdano klasificirati samo ako je promjenjivost između različitih instanci istog razreda manja
od promjenjivosti između različitih razreda. Na primjer kod prepoznavanja lica, dolazi do problema zbog
činjenice da je lice promjenjivi dio tijela koji prikazuje više različitih izraza, također lice je 3D objekt čija
slika ovisi o uglu gledanja, stavu, osvjetljenju, korištenoj opremi, te samoj dobi osobe. Istraživanja su
pokazala da za slike lica slikane najmanje u rasponu od godine dana, čak trenutno najbolji algoritmi
imaju 43% do 50% pogrešaka. Nasuprot promjenjivosti unutrašnjeg razreda, promjenjivost među
razreda je ograničena zbog toga što različita lica posjeduju isti set osnovnih svojstava, u istoj kanonskoj
geometriji.
Zbog svih ovih razloga, obrasci šarenice su postali zanimljivi kao alternativan pristup pouzdanoj
autentifikaciji osoba kada se slika uzima sa udaljenosti manjih od jedan metar, i posebno onda kada je
potrebno pretraživati velike baze podataka bez potrebe za rješavanjem velikog broja pogrešnih
pogodaka. Iako malih dimenzija [11mm], i ponekad teža za slikati, šarenica ima velike matematičke
prednosti koje rezultiraju velikom razlikom obrasca između osoba.
Kao dodatna pogodnost, zbog toga što je šarenica
unutarnji dio oka, ona je dobro zaštićena od okoline i
stabilna tokom vremena. Kao ravan objekt slika šarenice je
relativno neosjetljiva na ugao osvjetljenja, promjene u uglu
gledanja uzrokuju samo povezane promjene; čak i
nepovezana deformacija obrasca uzrokovana pupilarnom dilatacijom je čitljiva.
Na posljetku, lakoća lokaliziranja očiju na licu, i specifičan okrugao oblik šarenice, omogućuju
pouzdanu i preciznu izolaciju svojstva šarenice i stvaranje veličinom nezavisnog prikaza.
Šarenica oka se počinje formirati oko trećeg mjeseca trudnoće. Struktura linija i šara koje joj daju
prepoznatljivost formira se do osmog mjeseca, iako se formiranje pigmenta može nastaviti do jedne
godine nakon rođenja. Njena složena struktura sadrži mnogo različitih svojstava kao naprimjer:
zakrivljeni ligamenti, brazde, vrhovi, krugovi, ovojnice, pjege i slično. Boja šarenice je uglavnom
određena gustoćom melanin pigmenta u njenom prednjem sloju, dok plave šarenice nastaju zbog
odsustva pigmenta: veće valne dužine svjetlosti prodiru i bivaju apsorbirane od pigmenta epitela, dok su
manje valne dužine reflektirane i razasute od strane šarenice.
Ideja da se šarenica - dužica oka koristi kao optički otisak prsta za identifikaciju osobe je prvi put
predložena od strane oftalmologa koji su iz iskustva primijetili da svaka dužica ima jedinstvenu teksturu i
visok nivo detalja koji ostaju nepromijenjeni decenijama.
Postupak prepoznavanja osobe se može podijeliti u više faza:
| Tehnike biometrijske identifikacije29 / 126
2010
Slika 2.7. Građa ljudskog oka
Slika 2.8. Izgled šarenice oka dvije različite osobe
[Završni rad]
S Akvizicija slike oka
S Segmentacija dužice oka
■ Normalizacija dužice oka
S Kodiranje
S Poređenje kodiranjih potpisa
Akvizicija
Da bi bila upotrebljiva, dužica oka se mora fotografisati sa udaljenosti od 10-ak centimetara do
najviše jednog metra. Razlog za to je refleksija svjetla koja nastaje kao posljedica vlažne i prozirne opne
iznad dužice. Potrebno je uslikati sekvencu slika pomoću specijalno dizajniranog senzora. Obično se
upotrebljavaju digitalne CCD (charge-coupled device) kamere male rezolucije. Pošto je dužica dosta mala
i ima dosta detalja pod infracrvenim svjetlom, akvizicija slike dužice visoke kvalitete je jedan od glavnih
izazova u praktičnom radu. Srećom, mnoga istraživanja koja su rađena na ovom polju omogućila su
nenametljivu akviziciju slike sa distance.
Negativna strana je ta što se osoba mora precizno pozicionirati u odnosu na kameru, dakle nije
moguće sprovesti akviziciju slika dužice oka bez saradnje subjekta. Usmjeravanje osobe na idealnu
poziciju za akviziciju fotografije se najčešće izvodi glasovnim porukama i kada osoba dođe u dobru
poziciju za akviziciju, uređaj automatski fotografiše. Postoje i komplikovaniji, ali za subjekta ugodniji
načini, kao što je automatsko traženje i zoom dužice od strane uređaja ili korištenje ogledala, međutim
saradnja subjekta je uvijek potrebna.
Cijeli postupak, akvizicija i identifikacija zajedno, zavisno o brzine kompjuterske obrade, traje
oko sekundu ili dvije. Prilikom akvizicije slike potrebno je obratiti pažnju najviše na osvjetljenje, poziciju
kamere i osobe i na sam izbor opreme za akviziciju slika oka. Slike ne moraju biti velike rezolucije,
približno 640x480 pixela, te da imaju paletu od 256 sivih nijansi, što je prednost ove metode jer takva
oprema nije skupa. Poluprečnik dužice na slici bi trebao biti oko 70 piksela za dobro prepoznavanje. Boja
dužice nije bitna za prepoznavanje, već njena struktura.
Segmentacija
Prvi korak, nakon utvrđivanja da je dužica vidljiva na snimljenoj slici, pri prepoznavanju pomoću
dužice je izolovati područje dužice u slici oka. To se područje aproksimira s dvije kružnice, jedna za
vanjski, a druga za unutrašnji rub dužice. Uspješnost segmentacije zavisi od kvalitete slike oka. Kod
osoba s tamnijim pigmentom dužice, kontrast između dužice i zjenice je malen, što dovodi do problema
pri segmentaciji. Segmentacija je ključan korak pri prepoznavanju, jer u slučaju greške daljnji postupci u
procesu prepoznavanja daju pogrešne rezultate, što uzrokuje lošiji postotak prepoznavanja.
Slika 2.9. Segmentirana dužica oka (lijevo) i Segmentirana dužica oka s izoliranim trepavicama (desno)
Normalizacija
Nakon uspješne segmentacije dužice iz slike oka, pristupa se fazi u kojoj se transformiše regija
dužice tako da ima fiksne dimenzije da bi se omogućilo poređenje. Sliku je potrebno transformisti u
polarni koordinatni sistem. Time se postiže da na prepoznavanje neće imati uticaj veličina zjenice i same
| Tehnike biometrijske identifikacije29 / 126
2010
[Završni rad]
slike. Nekonzistentnosti u dimenzijama između slika oka su proizvedene prvenstveno rastezanjem dužice
zbog dilatacije zjenice usljed različitih razina osvjetljenja. Ostali razlozi nekonzistentnosti uključuju
variranje udaljenosti oka od kamere, rotaciju kamere ili oka, kao i pomijeranje glave. Proces
normalizacije će proizvesti potpis dužice koji ima iste konstantne dimenzije, tako da će dvije fotografije
iste dužice pod različitim uslovima imati iste karakteristike na istoj prostornoj lokaciji.
Pri normalizaciji, potrebno je uzeti u obzir da u većini slučajeva zjenica nije koncentrična sa
dužicom (centar zjenice može biti pomjeren u odnosu na centar dužice i do 15%).
| Tehnike biometrijske identifikacije29 / 126
2010
[Završni rad]
Implementacija normalizacije je pretežno bazirana na Daugmanovom algoritmu. „The
homogenous rubber sheet" model preslikava svaku tačku unutar regije dužice u par polarnih koordinata
(r,0) gdje je r na intervalu [0,1] i 0 je ugao koji se nalazi na intervalu [0,2n].
| Tehnike biometrijske identifikacije
2010
[Završni rad]
Centar zjenice se smatra kao referentna tačka dok radijalni vektori prolaze kroz regiju dužice kao
što je prikazano na narednoj slici. Broj tačaka koji se biraju duž svake radijalne linije je određen
radijalnom rezolucijom, dok je broj radijalnih linija koje idu kroz regiju dužice određen ugaonom
rezolucijom. Pošto zjenica može biti nekoncentrična sa dužicom, potrebna je formula koja će skalirati
tačke duž kruga u zavisnosti od ugla. Ova formula je data sa:
| Tehnike biometrijske identifikacije
Slika 2.10. Proces normalizacije (rezultat - potpis dužice)
2010
[Završni rad]
(2.1) (2.2)
(2.3.)
Relativni pomjeraj centra zjenice od centra dužice oka dat je sa Ox i Oy , dok je r udaljenost
između centra zjenice i granice dužice sa beonjačom na uglu 6 uzduž regije i r/ je kvadrat poluprečnika
dužice.
| Tehnike biometrijske identifikacije
P = —cos!(n + arctg-^— 9 )
r = yjafi + jaf!2 — a + rf a
= Oj2 + 0$
2010
[Završni rad]
| Tehnike biometrijske identifikacije
Slika 2.11. Radijalni vektori prolaze kroz regiju dužice da bi se izvršila normalizacija
2010
[Završni rad]
Filtriranje i kodiranje
Nakon što je izvršena normalizacija dužice oka potrebno je dobijeni potpis kodirati u oblik
pogodan za poređenje koji će sadržavati najvažnije informacije o potpisu. Da bi se obezbijedilo precizno
prepoznavanje pojedinca, informacije koje su najviše diskiminirajuće moraju biti dobijene iz potpisa
dužice. Samo značajne karakteristike dužice moraju biti kodovane tako da se može vršiti poređenje
između različitih potpisa dužice.
Slika 2.12. Kodiranje potpisa dužice
Poređenje potpisa
Nakon lokalizacije dužice, odnosno nalaženja dijela potpisa na kojem se nalazi dužica i dobijanja
potpisa dužice, zadnji korak jest odluka o tome da li snimljena dužica odgovara nekoj od pohranjenih u
bazi podataka. Za to se koriste različite metode prepoznavanja, a jedna od najpoznatijih je zasnovanja na
računanju Hammingove distance. Hammingova distanca je određena vrijednost (u intervalu od 0 do 1 -
pri čemu 0 znači da se radi o jednom te istom kodu) koja se upoređuje s dozvoljenim sigurnosnim
nivoom odstupanja. Prilikom prepoznavanja osoba skeniranjem dužice oka Hammingova distanca se
koristi kako bi se postigla odluka o tome radi li se o poznatoj osobi ili ne. Računanje Hammingove
udaljenosti vrlo je brzo i efikasno (savremeni računari mogu uporediti i više od 4 000 000 iris kodova u
sekundi).
| Tehnike biometrijske identifikacije33 / 126
2010
Izbor pragaVjerovatnoća pogrešnog prihvataujaVjerovatnoća pogrešnog odbacivanja0.251 u 13.5 milijardi1 u 14900.261 u 2.04
milijarde1 u 26600.271 u 339 miliona1 u 48500.281 u 60 miliona1 u 90000.291 u 12 miliona1 u 171000.301 u 2.4 miliona1 u
328000.311 u 6030001 u 642000.321 u 1510001 u 1280000.331 u39S001 u 2600000.341 u 115001 u 5360000.351 u 36301 u 1.12
miliona
Tabela 2.1. Performanse Daugmanovog algoritma prikazane pomoću vjerovatnoće greške za nekoliko izabranih pragova
[Završni rad]
Provjeru efikasnosti ovog algoritma moguće je napraviti pri poređenju više slika istog oka,
ukupno je izvršeno 100 poređenja različitih slika istog oka. Algoritam je pokazao 100%-tnu efikasnost i u
svakom poređenju prepoznao da se radi o istoj osobi. Slike očiju ove osobe nisu bile narušene ni
kapcima ni trepavicama.
Dobijeni rezultati Hammingove distance za 100 poređenja dati su u sljedećim grafikonima.
Napomenimo još jednom da ukoliko je Hammingova distanca manja od vrijednosti 0.32 algoritam će
javiti da se radi o istoj osobi.
Redni broj poređenja Slika 2.13. Prikaz
vrijednosti Hammingove distance za svako od 100 poređenja
Pri poređenju slika različitih očiju urađeno je 80 poređenja i pri tome je korišteno 18 različitih
slika. Pošto su lijeva i desna dužica iste osobe različite, u tih 18 slika bile su i po dvije dužice iste osobe
(lijeva i desna) jer algoritam i njih prepoznaje kao različite. Pri ovom poređenju, algoritam je pokazao
Slika 2.14. Prikaz vrijednosti Hammingove distance za svako od 80 poređenja različitih dužica
| Tehnike biometrijske identifikacije34 / 126
2010
��13999999999999999999999
[Završni rad]
Prepoznavanje osobe skeniranjem dužice oka ima svoje prednosti i nedostatke, ali je u svakom
slučaju jedna od najsigurnijih biometrijskih metoda. Prednosti su da je oko dobro zaštićen ljudski organ,
dužica se tokom ljudskog života ne mijenja kao ostale karakteristike i svaka osoba ima drugačije uzorke
dužice. Za dobro prepoznavanje dovoljno je 30 - 40 % slike dužice, mala je vjerovatnoća pogrešnog
prepoznavanja i algoritam koji obrađuje sliku je vrlo brz. Razne prevare se mogu otkriti zahvaljujući
konstantnim promjenama veličine zjenice.
Negativne strane ne nadmašuju pozitivne. Glavni problemi su što je dužica relativno mala pa se
mora fotografisati iz velike blizine (1 metar ili manje). Kod slikanja može biti problem odsjaj od svjetla jer
se dužica nalazi iza mokre prozirne reflektujuće površine. Također je potrebna velika saradnja subjekta
kod akvizicije slike. Zbog svega toga ova metoda ima karakteristična područja upotrebe gdje je potreban
izuzetno visok stepen sigurnosti. Iako se pojavljuju novi pristupi i prijedlozi, niko još nije uspio nadmašiti
učinkovitost Daugmanovog algoritma.
Prilikom upotrebe karakteristika ljudskog oka pri biometrijskoj identifikaciji moguć je još jedan
pristup - pomoću karakteristika mrežnice oka. Mrežnica je tanki sloj stanica, splet krvnih žila koji se
nalazi u stražnjem dijelu oka. Njena struktura je individualna, jedinstvena karakteristika svake osobe.
Prva istraživanja ove metode počela su oko 1930. g. , a prva komercijalna izvedba se pojavila 1984. g.
Ova biometrijska metoda do danas osigurava najveću točnost prepoznavanja.
| Tehnike biometrijske identifikacije
2010
[Završni rad]
Ovo je jedno od najsigurnijih biometrijskih
identifikacijskih obilježja, jer nije moguće promijeniti ili
replicirati unutarnju strukturu oka, niti se ona mijenja tokom
čitavog života, a mrežnica mrtve osobe toliko brzo propada da
nisu neophodne dodatne mjere utvrđivanja znakova smrti. Za
uspješno skeniranje mrežnice oka potrebno je skinuti naočale i
oko približiti skeneru, te fokusirati pogled na određenu tačku.
Slika mrežnice
| Tehnike biometrijske identifikacije
2010
[Završni rad]
dobiva se usmjeravanjem laserske infracrvene svjetlosti u Slika 2-15- Mrežnica ljudskog oka unutrašnjost oka.
Reflektirana svjetlost sadrži podatak o položaju kapilara. Proces skeniranja traje između 10 i 15 sekundi i
oko se za vrijeme skeniranja osvjetljava blagim snopom svjetlosti, zbog čega ova metoda spada u
neugodnije i nametljive biometrijske metode.
Zbog visoke cijene, ali i visoke pouzdanosti ova metoda koristi se u područjima i objektima
visokog stepena sigurnosti gdje cijena opreme nije odlučujući faktor.
2.1.3. Biometrijska identifikacija na osnovu šake
Kad govorimo o identifikaciji na
temelju izgleda i geometrije dlana i prstiju
ruke, treba napomenuti da se radi o metodi
čija provedba je gotovo podudarna s ranije
opisanom identifikacijom na temelju izgleda i
proporcija lica. Dakle ponovo se uzorak skuplja
digitalnom kamerom i na njemu se vrše razne
tranformacije i normalizacije. Ova metoda se
fokusira na bitne odlike ljudske šake kao što su
dužina i oblici prstiju, veličina dlana, razmak Slika 3.16. Uređaj za mjerenje geometrije šake
između zglobova, reljef naborane kože na zglobovima, i sl. Ruka se postavlja u uređaj na ravnu površinu i
prsti se rasporede po određenim ležajma. Zatim kamera slika gornju, donju ili obe površine šake i tako
prikupljene slike rezolucije između 100 i 400 tačaka po inču (dpi - dots per inch) se dalje obrađuju.
Ovaj uređaj može koristiti zajedno sa kamerom i infra crvenom toplotnom kamerom,
kapacitativnom podlogom i ultrazvučnim piezoelektrilnim
senzorima kako bi se sistem uvjerio da je šaka živa i imao
detaljniji uvid u karakteristike šake. Svaki od ovih dodataka
samo povećava cijenu ove metode i koriste se samo ukoliko je
to striktno potrebno jer šake ne predstavljaju oličenje
unikatnosti. Baš iz razloga slabije preciznosti ovi skeneri
imaju dobru primenjenu u malim grupama ljudi gdje je šansa
da se nađu dvije osobe sa jako sličnim šakama jako mala, tako
da se koriste pri autorizaciji u prostorijama gdje čine sjajnu
zamjenu karticama i ključevima jer šake na žalost ne možete
slučajno zaboraviti.
S obzirom na to da geometrija ruke nema zadovoljavajući nivo jedinstvenosti kod svake osobe,
odnosno radi se o relativno nepouzdanoj metodi, ona se uglavnom može koristiti u postupcima provjere
identiteta, odnosno autentifikacije. U postupku identifikacije može se koristiti u kombinaciji s drugim
metodama kao indicijalna metoda. Jedna od novijih metoda identifikacije na temelju ruku, bazirane na
savremenim tehnologijama je i metoda uporedbe rasporeda vena na šaci, prilikom koje se traže mjesta
spajanja krvnih žila, koja čine karakterističnu šaru.
| Tehnike biometrijske identifikacije
2010
Slika 2.17. Položaj šake pri skeniranju geometrije s naznačenim najbitnijim tačkama
[Završni rad]
Ova metoda poput prije opisane, također spada u neinvazivne metode i vrlo je primjenjiva u
sistemima gdje je potrebno u kratko vrijeme uporediti veliki broj objekata, bez visokih zahtjeva
pouzdanosti. Vrlo jednostavna i cijenom prihvatljiva tehnika niskog praga točnosti.
| Tehnike biometrijske identifikacije
2010
Skener emltuje irifra-crveiiu svjetlost.I I |-:i|i\:^|il|H ii IL Yi'lI.I iii.k .lljmjiIiii n-svjetlost...
Skener kreira slike. Sare vena na Sali „nvatan|enr reflekrovanlh zraka svjetlosti
SI i h.l se pnhran|n|e n Ijn/Li podatak. [dfiiLihkatiift se vrši poredenjem trenutnog skena korisnika I onih Iz oaze podataka
[Završni rad]
Kao što je već pomenuto, u
biometrijskim metodama identifikacije
upotreba šake je moguća i na drugi način koji
povećava tačnost, a to je tehnika utvrđivanja
rasporeda vena. Predstavlja najnoviju
biometričku metodu koja detektuje položaje
vena u prstu ili šaci. Mreža vena je jedinstvena
za svaku osobu pa čak i identične blizance, ali
još nije
potvđeno da li se izgled mreže vremenom menja. Uređaji
koji detektuju raspored vena su jednostavni i izrađuju se u jednom čipu pa je proizvodnja laka što ih čini
veoma jeftinim i pristupačnim širim masama. Ovi uređaji ne zahtijevaju dodirivanje šakom ili prstom
tako da su higijenski za razliku od skenera reljefa prstiju. Skener se sastoji od infracrvene kamere i IR
lampica koje osvetljavaju prst ili dlan.
Kamera napravi digitalnu sliku gde se mogu primijetiti razlike u apsorpciji IR svetla i lako izdvojiti
slika mreže vena koja kasnije podleže obradi. Ovaj metod je jako mlad i sve popularniji, zbog svoje brzine
i tačnosti, te prijeti da smijeni čitače reljefa prsta.
| Tehnike biometrijske identifikacije
Slika 2.18. Ilustracija korištenja skenera vena
2010
[Završni rad]
| Tehnike biometrijske identifikacije
Slika 2.19. Šaka, infracrvena slika šake i izdvojena venska mreža
2010
[Završni rad]
2.1.4. Biometrijska identifikacija na osnovu uha
Oblik uha i struktura hrskavog tkiva na površini uha različiti su među osobama. Kod uha nije za
očekivati da su karakteristike jedinstvene za svaku osobu. Pristupi prepoznavanju uha temelje se na
poklapanju vektora dužine izbočenih tačaka na površini od lokacije graničnih znakova na uhu. Ova
metoda spada u grupu nametljivih tehnika.
Iako ova metoda daje obećavajuće rezultate potrebno je još dodatnih istraživanja kako bi se
odgovorilo na pitanja:
1. Može li se izvršiti ekstrakcija karakteristika uha u raznim uslovima sa zadovoljavajućim
pouzdanošću?
2. U slučaju kada je uho prekriveno kosom ova metoda nije primjenjiva. Potrebno je naći odgovor
da li je moguće postići djelomičnu identifikaciju, te može li upotreba termograma riješiti
problem?
Postupak biometrijske identifikacije osoba na osnovu geometrijskih osobina spoljašnjosti uha
odvija se koracima koji su ilustrirani na narednoj slici.
Akvizicija slike
| Tehnike biometrijske identifikacije38 / 126
2010
[Završni rad]
Prvi korak je svakako akvizicija slike nakon što je ista uzeta pomoću digitalne kamere i nakon što
su njene dimenzije skalirane na fiksnu vrijednost prilikom predprocesiranja. Sljedeći korak predstavlja
tehniku koja kreira dvoslojnu binarnu sliku. Ova slika G(x,y) se može naći na sljedeći način :(1; ako je f ( x , y) > Txy 0 ; ako
je f ( x , y) < Txy
| Tehnike biometrijske identifikacije
G ( x , y) = (2.4.)
Slika 2.20. Proces identifikacije osoba na osnovu uha
38 / 126
2010
[Završni rad]
Prag Txy se određuje na osnovu
histograma digitalne slike uha. Histogram
proračunat za konkretan primjer analize slike uha
prikazan je na slici desno, a opisani koraci obrade
slike ilustrirani su na slici dole.
Pošto digitalna slika uha sadrži mnogo
crnih piksela jer sadrži dio lica, u ovom postupku
su svi pikseli sa vrijednošću između nule i praga
konvertovani u bijelu boju, a
| Tehnike biometrijske identifikacije39 / 126
2010
Slika 2.21. Histogram digitalne slike uha
[Završni rad]
preostali su crni. Tko dobivena slika ustvari dobije drugačiju formu tako da su rubovi uha koji su
interesantni za analizu crni, dok je ostatak slike sasvim bijel. Na taj način se dobiva prikaz uha (3) na slici
dole. Pošto veći dio slike sadrži kožu, vrijednost priksela u ovom području ustvari predstavlja
maksimalnu vrijednost na ranije prikazanom histogramu.
Slika 2.22. Izgled slike uha tokom obrade pri identifikaciji
Prag je određen sljedećim algoritmom :
1. Odredi se inicijalna vrijednost estimacije Txy koja je jednaka vrijednosti koja se najčešće
pojavljuje,
2. Segmentacija slike uha na osnovu Txy . Ovaj korak će rezultirati dvjema grupama piksela: Gi koja
se sastoji od svih piksela čija je vrijednost manja od praga, odnosno svi pikseli svjetliji od ove
inicijane nijanse, G2 koja se sastoji od svih ostalih piksela,
3. Proračunavanje prosječnih vrijednosti piksela sadržanih u ove dvije skupine /i^, [ I2 ,
4. Proračunavanje nove vrijednosti praga :
Txy = jOi + ^2) (2.5)
Koraci od 1 do 4 se ponavljaju dok se ne postigne zadovoljavajuća izoštrenost slike koja prikazuje
ivice od interesa. Nakon ovoga se označavaju karakteristične tačke i mjeri nihova razdaljina formirajući
obrazac za poređenja postupcima koji su jednaki onima koji se koriste i ostalim biometrijskim
metodama.
2.1.5. Biometrijska identifikacija na osnovu mirisa
Vrlo značajno i perspektivno područje, posebno traseološke identifikacije u naučnom
istraživanju je područje ljudskih, tjelesnih mirisa. Svaki objekat u prirodi ima svoj miris koji je
karakterističan za njegov hemijski sastav.
Miris je skup izlučevina ljudskog tijela koji je individualan za svaku osobu. Zahvaljujući činjenici
da ljudsko tijelo u okolnu atmosferu ispušta oko 300 različitih mirisnih sastojaka, koje je različitim
metodama i sredstvima moguće registrirati i razlikovati, otvaraju se široke mogućnosti apliciranja
tragova mirisa pri identifikaciji. Kad je riječ o egzaktnijim metodama identifikacije, danas je uz pomoć
spektrometra masa moguće identificirati oko 130 specifičnih sastojaka tjelesnog mirisa. Većina mirisa
luči se iz površine tijela, kože i potkožnog tkiva, ali znatan dio potječe iz pluća i gastrointestinalnog
trakta. Mirisi tog podrijetla imaju vrlo veliku diferencijalnu vrijednost, nastalu specifičnom prehranom,
životnim stilom i brojnim dodatnim specifičnostima određene osobe.
| Tehnike biometrijske identifikacije39 / 126
2010
[Završni rad]
Slika 2.23. Spektar mirisa
Prema dosadašnjim istraživanjima nepobitno je utvrđena individualnost i nepromjenjivost
temeljnih karakteristika mirisa čovjeka. Ljudski miris predstavlja posebnu vrstu mikrotraga, jer čovjek
prilikom kretanja iza sebe u zraku ostavlja molekule mirisa koje se sastoje od individualnog mirisa osobe
i raznovrsnih mirisa sredine u kojima boravi. Složenost takvog traga pridonosi njegovoj individualnosti.
Uzorci, odnosno tragovi mirisa mogu se prikupljati na mjestu događaja u sterilne hermetičke
kontejnere, uz pomoć specijalnih usisavača. S obzirom na to da se radi o kratkotrajnim ili promjenjivim
tragovima, izražena je potreba žurnog postupanja.
Ekspertize kojima se mogu analizirati i identificirati tragovi mirisa su plinska kromatografija i
spektrometrija masa. Danas se intenzivno radi na iznalaženju metoda prikladnih za prikupljanje i
pohranu nespornih uzoraka, kako bi se omogućilo stvaranje baza podataka mirisa.
Slika 2.24. Principi analize komponenti mirisa neke osobe
Pretpostavljajući da svaka osoba sadrži karakterističan miris, moguće je po parametrima
posebnih senzora odrediti o kojoj se osobi radi i odrediti glavnu notu mirisa od sporedne. Analizom
mirisa mogu se ustanoviti podaci o aktivnostima pojedinca što uzrokuje zabrinutost korisnika za vlastitu
privatnost. Upitno je da li postoji utjecaj hemijskih tvari (poput losiona, sapuna i sl.) na kvalitetnu
detekciju mirisa. Ova metoda spada u grupu nametljivih tehnika.
2.1.6. Biometrijska identifikacija na osnovu DNK
Razvojem prirodnih nauka, a prije svega molekularne biologije, došlo se do spoznaje o genetskoj
uslovljenosti brojnih ljudskih psiho-tjelesnih karakteristika, ali i o individualnosti i neponovljivosti ljudske
stanice (ćelije). Ustanovljavanjem činjenice da je molekula deoksiribonukleinske kiseline - DNK
(deoxyribonucleic acid - DNA) različita kod svakog čovjeka, počinje primjena ove metode u identifikaciji
osoba.
Britanski naučnik sir Alec Jeffreys prvi je 1984. godine primijenio činjenicu o jedinstvenosti građe
molekule DNK na identifikaciju nepoznatih počinitelja kaznenih djela, pa je metodu nazvao DNA-
fingerprinting po uzoru na do tada neprikosnovenu daktiloskopsku metodu identifikacije.
DNK ili deoksiribonukleinska kiselina je molekula građena u obliku dvostruke spiralne zavojnice
koja je međusobno povezana parovima baza. Svaka molekula sadrži oko 3 miliona takvih parova baza.
DNK sadrži genetičke odrednice za specifični biološki razvoj i jedinstvena je za svaku osobu s iznimkom
jednojajčanih blizanaca čija je struktura DNK identična. Molekula DNK nalazi se u svakoj stanici ljudskog
organizma i njena struktura predstavlja genetsku šifru kao osnovu nasljeđivanja.
| Tehnike biometrijske identifikacije39 / 126
2010
[Završni rad]
Oko 99,5% DNK molekule je zajedničko svim ljudima i to područje DNK naziva se
nekodirajuće područje, dok preostalih 0,5% predstavlja kodirajuća područja koja su visoko
varijabilna (polimorfna), te čine svaku osobu jedinstvenom. Na proučavanju kodirajućih
područja temelji se identifikacija osoba.
Analiza DNK je zasigurno jedna od najznačajnijih i najpouzdanijih biometrijskih metoda
identifikacije. Kod analize DNK koriste se unaprijed određeni lokusi, za koje je poznato da sadrže
određene parove baza koji se uzastopno ponavljaju, a istodobno pokrivaju veliku varijabilnost u ljudskoj
populaciji, odnosno koji sadrže VNTR.
Slika 2.25. Porijeklo i sastav DNK uzorka kao biometrijskog pametra
VNTR ili varijabilni (polimorfni) ponavljajući sljedovi (engl. Variable number tandem repeats) su
visoko polimorfni sljedovi i određeni su brojem ponavljajućih DNK sekvenci. Većina DNK sljedova
odnosno sekvenci ne sadrži gene, već služi isključivo kao pomoćni genetički materijal. Kratke sekvence
parova baza koji se učestalo ponavljaju, nazivaju se kratki ponavljajući sljedovi ili STR (short tandem
repeats). lako se ove sekvence pojavljuju u DNK svake osobe, broj ponavljanja sekvenci jako se razlikuje
od osobe do osobe. Upravo se na utvrđivanju broja i dužine ponavljanja tih sekvenci temelji
identifikacija osoba metodama analize DNK.
Sve do sada navedeno odnosi se na jezgrinu ili nuklearnu DNK koja se nalazi u strukturi
kromosoma u staničnoj jezgri. Tijekom vremena je razvijena druga mogućnost identifikacije, analizom
mitohondrijske DNK koja je s mnogim drugim staničnim strukturama sastavni dio citoplazme.
Prednost mitohondrijske pred jezgrinom DNK je upravo u činjenici da svaka stanica sadrži više
stotina kopija mitohondrijske DNK, zbog čega je lako izdvojiti dovoljnu količinu DNK potrebnu za analizu,
čak i u slučaju mikrotragova i problematičnih i starih tragova koji su djelomično kontaminirani ili
degradirani. Uzorak mitohondrijske DNK moguće je dobiti i iz stanica bez korijena, prije svega to se
odnosi na tragove vlasi i dlaka.
Vrijeme potrebno da se obradi neki uzorak i dobije gotov DNK PROFIL iznosi minimalno 3 sata,
što je neprihvatljivo za prijemnu ovog postupka kao biometrijskog metoda autentifikacije, a osnovni
koraci i njihova vremena su :
1. Uzimanje uzorka (npr. bris unutrašnje strane obraza) - približno 10 [sec],
2. Ekstraktovanje DNK - od 30 [min] do 3 [h],
3. Obrada DNK - od 2 [h] do 3 [h] ,
4. Sekvenciranje DNK - od 30 [min] do 1 [h].
| Tehnike biometrijske identifikacije39 / 126
2010
[Završni rad]
Međutim, u novije vrijeme na tržištu su se pojavili uređaji koji unapređuju ovu metodu čineći njenu upotrebu bržom i jednostavnijom. Jedan od pomenutih uređaja je i novi DNK sakupljač (The Bode Technologies Buccal DNA Collector) koji veoma brzo i jednostavno vrši prikupljanje DNK uzorka sa unutrašnje strane obraza i ujedno vrši izdvajanje DNK, a kompletan postupak traje manje od 30 [sec].
Za postupak obrade DNK dizajniran
je prenosni uređajMATCI (Miniature slika 2.26. Izgled DNK profila
Analytical Thermal Cycling Instrument) koji veoma brzo i efikasno manipuliše uzorcima izvodeći i po 32
ciklusa obrade u svega 20-ak minuta. Visokoprotočna DNK analiza dostupna je zahvaljujući uređajima
kao što je ABI 3730xl. Naime radi se o uređaju za sekvenciranje DNK uz pomoć mikročip tehnologije, koji
skaćuje vrijeme analize i do 5 puta u odnosu na tradicionalne uređaje korištene u ovoj fazi obrade DNK.
Ukoliko bi pri komercijalnom uvođenju ove biometrijske metode bile iskorištene sve nabrojane
nove tehnologije, ukupno vrijeme obrade bi se smanjilo na svega pola sata, što bi ovu metodu na neki
način učinilo prihvatljivijom za primjenu, ali ne treba zanemariti i prateće nuspojave (kao što je cijena)
koje ponovo primjenu ove metode čine upitnom.
DNK analiza je jedini pouzdan test za utvrđivanje srodstva. Genetičke odrednice nalaze se u 23
para hromosoma, odnosno u 46 hromosoma koji se nalaze u jezgri svake tjelesne stanice. Unutar
hromosoma na tačno određenim mjestima nalazi se približno 30 000 do 40 000 gena, koji određuju sva
svojstva jednog organizma. Polovica od ukupno 46 kromosoma, odnosno 23 kromosoma nasljeđuju se
od majke, a 23 od oca. Jedan od tih parova čine spolni kromosomi (X, Y), koji određuju spol osobe.
Preostala 22 kromosomska para, koji se nazivaju autosomi, prenose nasljedna svojstva.
DNK analizom muške komponente genetičkog materijala (Y hromozom) moguće je utvrditi i
daleka srodstva po muškoj liniji što može pomoći kod pravljenja porodičnog stabla. Srodstvo po ženskoj
liniji se može utvrditi analizom mitohondrijske DNK. Uzorak koji se najčešće koristi za analizu DNK je bris
bukalne sluznice (bris unutrašnje strane obraza).
Trenutno korišteni sistem za uporedbu DNK profila (CODIS) razvijen je od strane FBI i veoma je
sličan sistemu iste namjene kod otiska pristiju (AFIS). Sistem posjeduje bazu podataka sa DNK profilima
svih poznatih počinitelja kaznenih dijela (tamo gdje je uveden CODIS) i ti uzorci su korišteni u istragama i
dokaznim postupcima.
Svi pomenuti aspekti primjene ove metode čine je relativno neupotrebljivom u autentifikacijske
svrhe u ovom trenutku. S obzirom da se iz DNK mogu dobiti i "privatni" podaci (poput raznih vrsta bolesti
i sl.), ovakva identifikacijska tehnika još uvijek ne uživa veliku popularnost kod krajnjih korisnika. Ova
metoda spada u grupu nametljivih tehnika.
| Tehnike biometrijske identifikacije
[Završni rad]
2.2. Biometrijska identifikacija na osnovu bihaviorističkih karakteristika
U skupinu ponašajnih ili bihaviorističkih karakteristika spadaju: osobine glasa, potpis, dinamika
tipkanja i hod osobe. U širem smislu u ovu skupinu spadaju i mnoge druge ponašajne karakteristike kao
što su navike ili svakodnevni rituali osobe koji su karakteristični za pojedinu osobu, no one nisu dovoljno
specifične da bi se koristile za identifikaciju, već mogu poslužiti kao određeni indicij koji upućuje na neku
osobu. Na ovim obilježjima ne može se temeljiti identifikacija.
2.2.1. Biometrijska identifikacija na osnovu glasa
Glas osobe predstavlja individualno obilježje, koje je ponekad vrlo lako registrovati i razlikovati,
odnosno utvrditi istovjetnost glasa ljudskim sluhom. Naravno da ovakvo prepoznavanje može dati
određeni rezultat, pa postati i izvor dokaza u nekom kriminalističkom postupku, ali treba uvažavati
činjenicu da se radi o subjektivnom doživljaju baziranom na subjektivnim karakteristikama slušatelja.
Vjerodostojna i neupitna identifikacija treba biti zasnovana na egzaktnim, naučno utemeljenim
parametrima. Kad je riječ o identifikaciji osobe na osnovu glasa, radi se o karakteristikama glasa poput
boje glasa, modulacije, frekvencije, specifičnostima izgovora određenih glasova, govornim manama i
drugo. Ovo područje identifikacije zove se fonoskopska identifikacija.
Tehničke biometrijske ekspertize mogu se poduzimati samo sa snimljenim glasovima. U takvim
slučajevima postupak identifikacije slijedi na način da se glas osobe snimi (nesporni uzorak) i zajedno sa
snimkom spornog glasa dostavi na uporedbu. Eksperti posebnim uređajem glas pretvaraju u električne
signale i vizualiziraju kroz grafikone čije se amplitude upoređuju. Temeljem poklapanja ili odstupanja
grafičkih prikaza zaključuje se o podudarnosti ili nepodudarnosti glasa određene osobe sa spornim
glasom. Očitovanje eksperta o stepenu podudarnosti ili nepodudarnosti glasa može biti formulirano kroz
pet kategorija: 1. sigurno isti govornik, 2. sigurno nije isti govornik, 3. vjerojatno isti govornik, 4.
vjerojatno nije isti govornik i 5. nemogućnost identifikacije zbog loše snimke.
Ovaj vid autentifikacije osoba predstavlja definitivno hardverski najjeftiniji biometrički proces.
Senzorsku ulogu zauzima mikrofon, a ulogu obrade računar koji poseduje analogno digitalni zvučni
konverter, tačnije zvučnu kartu. Kada se zvučni slignal, u ovom slučaju glas korisnika, pokupi softver
izračunava graf zvan spektogram koji prikazuje frekvenciju zvuka na "y" i vremensku progresivnost na "x"
osi. Informacije koje služe za izražavnje ovakve slike, dakle sam digitalizovan zvuk, se dalje normalizuju i
obrađuju kako bi se istakle bitne karakteristike glasa, otklonili šumovi i izuzele variacione greške.
Nakon obrade se kao kod svakog biometriočkog procesa vrši upoređivanje na osnovu koga se
dozvoljava ili odbija pristup.
Slika 2.27. Spektogram
Postoje tri pristupa identifikacije govornika:
V Provjera govornika ovisno o tekstu - dokazuje identitet subjekta provjerom na unaprijed
određenoj frazi.
V Provjera govornika neovisno o tekstu - teži pristup jer se govornikov identitet provjerava
neovisno o frazi.
V Provjera govornika neovisno o jeziku na kojem govori
| Tehnike biometrijske identifikacije
2010
[Završni rad]
Prepoznavanje glasa spada pod obe biometričke grupe (tjelesne i bihejvioralne) jer se bavi
prepoznavanjem vokalnog takta koji spada u fiziološke karakteristike i akcenta koji spada u ponašajne.
Slika 2.28. Uticajni faktori pri analizi glasa
Ovakve biometričke zaštite su rijetke jer bez obzira na malu cijenu i lakoću prikupljanja uzorka,
varijacije ulaznog glasa mogu biti velike u slučaju da je osoba prehlađena ili je imala operaciju na glasnim
žicama, a i uticaj spoljašnjih faktora kao stvaraoca šuma mogu biti također veliki. Najveća prijetnja ovih
sistema je nasnimljen zvuk korisnika koji kada se reprodukuje svakom može dozvoliti pristup, pa se ovi
sistemi kombinuju sa drugim biometrijskim sistemima.
2.2.2. Biometrijska identifikacija na osnovu dinamike potpisa
Od davnih vremena poznata je identifikacijska vrijednost rukopisa i potpisa. Činjenica da svaka
osoba ima jedinstven rukopis, a potpis je neka vrsta otiska prsta, otvara mogućnost koja se može
iskoristiti u identifikaciji osoba.
Prvi sistem za snimanje potpisa razvijen je 1965 godine. Istraživanja na polju dinamike i
prepoznavanja potpisa nastavljena su i tokom sedamdesetih godina fokusirajući se na statičke, odnosno
geometrijske karakteristike potpisa. Interes za dinamičke karakteristike potpisa pojačao se s pojavom
boljih sistema akvizicije preko tehnologija osjetljivih na dodir 1977 godine, proizvod koji se tada pojavio
bio je u stanju da tačno detektuje pritisak koji se generira na površini tokom potpisivanja.
U klasičnoj identifikaciji rukopisa i potpisa provodi se grafološka analiza koja se uglavnom temelji
na grafičkim, ali i nekim psihološkim i biheviorističkim premisama skriptora, odnosno osobe kojoj
pripada rukopis ili potpis. Grafologija se može definirati kao disciplina namijenjena otkrivanju i
definiranju širokog spektra osobina i sposobnosti. Katkad se naziva i psihologija rukopisa. Grafologijom
se u širem smislu može smatrati i analiza rukopisa kao vrsta ekspertize kojom se utvrđuje identitet
osobe.
Slika 2.29. Dinamički opis potpisa proveden preko niza karakterističnih tačaka i odgovarajućih vrijednosti pritiska
Kad je riječ o biometrijskoj metodi analize potpisa i rukopisa, treba kazati da je prihvatljiva iako
postoji mogućnost krivotvorenja (još uvijek vlada mišljenje da je za mjerodavnu analizu potrebno
tumačenje eksperta - subjektivno mišljenje temeljeno na objektivnom nalazu). Ipak, određena obilježja
rukopisa, odnosno potpisa mogu se grafički determinirati i klasificirati, jer ostaju nepromijenjena unatoč
pokušajima namjernog iskrivljavanja načina pisanja, pa postoji prostor za automatsku klasifikaciju i
identifikaciju.
| Tehnike biometrijske identifikacije
[Završni rad]
Svaki rukopis ima svoja opšta i posebna obilježja. Opšta obilježja su opšti izgled rukopisa, stepen
ispisanosti, raspored teksta, odnos prema liniji pisanja, veličina rukopisa, razmaci, vezanost i nevezanost
slova, rastavljanje riječi, brzina pisanja, pritisak na papir, nagib rukopisa, ukrašavanje i dr.
Slika 2.30. Detekcija originalnosti potpisa pomoću dijagrama pritiska
Posebna obilježja se za razliku od opštih ne mogu u potpunosti definirati, jer su individualna od
osobe do osobe, ali se baziraju na mjerenju nagiba, brzine, jačine pritiska, duljine poteza ruke. Upravo na
ovim obilježjima temelji se biometrijska identifikacija skriptora. Ova identifikacijska metoda koristi
bihevioralne karakteristike osobe.
Velika prednost ovakvih identifikacija je jednostavnost, koja ne zahtijeva sofisticirani i skupi
instrumentarij. S druge strane, unatoč mogućnostima automatske obrade, ipak se radi o psihološko-
grafičkoj ekspertizi koja zahtijeva izuzetnu stručnost.
Postoje dva pristupa identifikacije potpisa:
V Statički - promatra se geometrija potpisa;
V Dinamički - promatra se geometrija potpisa, te brzina i putanja.
Sredstva potrebna za izvajanje karakteristika koje su od interesa pri identifikaciji možemo
podijeliti u dvije osnovne skupine :
3. Ploča osjetljiva na dodir (engl. tablet)
Ova ploča posjeduje osobine koje joj omogućavaju da registrira pokrete i pritisak olovke na
površinu. Ovakav uređaj može biti uspješno upotrijebljen u svrhe autentifikacije na svim
mjestima gdje je ona potrebna i to uz visok stepen pouzdanosti. Primjer jednog ovakvog uređaja,
relativno malih dimenzija i praktičnog dizajna prikazan je na narednoj slici.
4. Pametna olovka
Pametna biometrijska olovka funkcionira kao svaka druga olovka - ima tintni uložak kojim se
korisnik potpisuje na papir. U pametnoj olovci se bilježe pokreti u sve tri dimenzije kao i pritisak
na površinu, posjeduje mogućnost konektovanja na kompjuter preko USB kabla i veoma otporno
kućište zaštitu od mehaničkih udara. Prateći softver koji obrađuje podatke dobivene preko
pametne olovke, i analizira karakteristike potpisa u stanju je da izdvoji, sačuva i uporedi sve
bitne značajke kada je u pitanju komparacija potpisa kao što su: pritisak, brzina, ubrzanje i ugao.
| Tehnike biometrijske identifikacije
Slika 2.31. Digitalni grafički panel za snimanje potpisa
2010
[Završni rad]
Slika 2.32. Biometrijska „pametna" olovka i prateći softver za analizu potpisa
Prednost ispitivanja dinamike potpisa je što se ne može krivotvoriti proučavajući zapisani potpis
korisnika. Krivotvorenje može uspjeti samo ako zlonamjerna osoba proučava način na koji se korisnik
potpisuje. Veličina podataka dobivenih iz svakog potpisa je oko 20 kB, obrazac dobiven iz 3 do 10 potpisa
zauzima od 90 B do 1 kB.
4.1.1. Biometrijska identifikacija na osnovu dinamike tipkanja
Dinamika tipkanja razvila se za vrijeme drugog svjetskog rata kod radiotelegrafista, jer je uočeno
da se po brzini tipkanja mogu razlikovati pošiljatelji poruka. U nadigravanju obavještajnih službi i
postupcima dešifriranja radiotelegrafskih poruka, ustanovljeno je da se po brzini, ritmu i dinamici
tipkanja može razlikovati pojedine operatere, radiotelegrafiste. Identificiranje pošiljatelja poruke moglo
je pridonijeti prepoznavanju korištenog koda i dešifriranju poruke. Nakon drugog svjetskog rata
nastavljaju se istraživanja ovog biometrijskog metoda identifikacije, neki od ključnih historijskih
momenata u ovom razvoju pobrojani su dole.
S 1979 - „SRI internaional" razvija prvu hardverski baziranu implementaciju ovog sistema S 1984 -
Nacionalni biro za standarde vrši ispitivanja na novootkrivenim rješenjima i
ocjenjuje ih visoko efektivnim (98% efektivnosti) S 1988 - tehnologija se prilagođava „NISC" aktu
o softverskoj sigurnosti iz 1987 godine S 2000 - FSTC/IBG program za testiranje putem
komparacije verificira metodu
identifikacije putem dinamike tipkanja S 2001 - ova tehnologija se ugrađuje u korisničke uređaje
od mobilnih telefona do kućnih
sigurnosnih sistema
U današnjem kontekstu može se govoriti o dinamici tipkanja na tipkovnici računara, odnosno
vremenskom razmaku između pritiskanja dvije tipke, dinamici otipkavanja PIN koda na uređajima za
autentifikaciju i sl. Naime, svaki korisnik ima jedinstven način tipkanja definiran vremenom potrebnim da
se napravi prijelaz između kombinacije tipki i dužine pritiska, a informacijski sistem može pohraniti i
analizirati dinamiku tipkanja. Obično se u svrhe verifikacije koristi konstantan string, odnosno poznato
korisničko ime ili šifru.
Posebno je značajno područje identifikacije korisnika
računara po
dinamici tipkanja pri tzv. On line tipkanju I | Ina tipkovnici računara, zbog poznatih oblika
kaznenih djela vezanih uzinternet Slika 2.33. Ilustracija parametara kod analize dinamike tipkanja
| Tehnike biometrijske identifikacije
[Završni rad]
Preciznost ovakvih implementacija sistema za identifikacije analizom dinamike tipkanja neke
osobe u današnje vrijeme nešto je veća nego li je to slučaj kod nekih drugih metoda identifikacije
uključujući i otisak prsta. Međutim, još uvijek postoje neka objektivna ograničenja operativne prirode
koja onemogućavaju širu primjenu ove metode. Za razliku od metoda autentifikacije putem skeniranja
otiska prsta ili upotrebe pametne kartice, od korisnika se ne zahtijevaju nikakve dodatne akcije pri
postupku uključivanja u neku mrežu ili sistem od one uobičajene - ukucavanja pasvorda ili korisničkog
imena. Ovo je svakodnevna rutinska akcija koja ovaj proces čini veoma praktičnim i transparentnim.
Unatoč svemu navedenom, i dalje se smatra da je puno sigurnije uvesti npr. skener otiska prsta
kao dovoljno pouzdan i brz dodatni identifikacioni mehanizam za zaštitu pristupa nekoj mreži ili sistemu
uz prethodno opisani. Međutim, kako uređaji poput skenera otiska stare povećava se i iznos grešaka, ali
ovaj problem se ne javlja kod sistema identifikacije analizom dinamike tipkanja jer je ovdje jedini ulazni
uređaj sama tipkovnica.
Što se tiče količine potrebne memorije za skladištenje „profila", ova metoda ne postavlja nikakve
neuobičajene zahtijeve. Osim toga, sekundarni problemi koji se javljaju kod primjene ostalih
biometrijskih metoda autentifikacije kao što su potreba ugradnje dodatnih uređaja (skenera i sl.),
obučavanje osoblja da iste pravilno koristi, visoke cijene uvođenja ovih sistema i tome slično, sve
navedeno je gotovo eliminisano primjenom ove metode.
Ukupno gledano radi se o perspektivnoj i značajnoj metodi identifikacije, koja spada u skupinu
neinvazivnih tehnika, a čije korištenje može biti vrlo jednostavno i jeftino.
4.1.2. Biometrijska identifikacija na osnovu dinamike hoda
Ljudsko hodanje predstavlja kompleksnu prostorno-vremensku karakteristiku ponašanja koja se
može upotrijebiti kao biometrijska metoda za određivanje identiteta osoba. Dinamika hoda je jedinstven
za svaku osobu, ali pri njenoj konkretnoj upotrebi njena diferencijalna vrijednost limitirana je
nemogućnošću izdvajanja egzaktnih parametara i njihovom registracijom, pa nema individualnu
vrijednost, međutim može biti značajna za eliminaciju, tzv. operativnu identifikaciju. Drugi veliki problem
vezan s korištenjem hoda kao bihejvioralne biometrijske karakteristike je taj što hod nije stalan tokom
vremena, naime hod je promjenjiv zavisno od trenutnih uslova u kojima se praćeni objekat nalazi, ali
promjenjiv je i po drugom osnovu koji je vezan za životnu dob iste osobe.
Kod konkretnih primjera upotrebe karakteristika hoda kao biometrijske metode identifikacije,
primjenom savremene videotehnologije, karakteristike hoda (pojedina obilježja) pokušavaju se
detektirati i izdvojiti analizom videosnimke osobe u hodu. Funkcionisanje ovog sistema, slično mnogim
prethodno opisanim biometrijskim sistemima, može biti podijeljeno u nekoliko osnovnih koraka :
S Detekcija S
Praćenje S
Klasifikacija S
Identifikacija
Postoji više pristupa rješavanju problema svakog od ovih pod-postupaka. Koristan i trenutno
veoma popularan pristup bazira se na analizi siluete, sa prostorno-vremenskom reprezentacijom iste,
gdje je ključni cilj postizanje izdvajanja konkretnih podataka o detektovanom kretanju koji će biti što više
vremenski invarinajntni. Ova metoda se može primjeniti u svrhe identifikacije korištenjem podataka o
samim dimenzijama i geometriji posmatrane siluete, ali ta vrsta pristupa nije ključna u ovoj analizi.
| Tehnike biometrijske identifikacije
2010
[Završni rad]
S obzirom da je fokus na metodama koje se bave isključivo kretanjem, detaljnije ćemo se
pozabaviti dijelovima algoritma koji se baziraju na predikcije kretanja osobe praćenjem pokreta nogu.
Prije svega, da bi ovakve metode bile uspješno primjenjive, odnosno da bismo bili u stanju izdvojiti
karakteristike od interesa moraju biti zadovoljeni sljedeći uslovi :
S Kamere moraju biti statične, ali pri korištenju jedne sekvence može biti analizirano
kretanje više osoba, S Frekvencija uzimanja ramova (slika) mora biti najmanje 10 [Hz], S Visina
posmatranih osoba (ciljeva) mora biti prikazana s najmanje 100 piksela, S Svaka analizirana sekvenca
mora sadržavati kretanje od nekoliko koraka, S Kretanje osobe u odnosu na kameru ne smije biti
izravno prema ili od kamere i
posmatrane osobe moraju biti pozicionirane tako da im se vide obe noge.
S obzirom da su kamere nepomične, izdvajanje samo jednog objekta od interese iz kompletne
sekvence postiže se oduzimanjem trenutne slike i ranije snimljene pozadine. Za izoštravanje i uklanjanje
šumova koriste se standardne metode kao kod prethodno opisanih metoda obrade slike (lica, šake, uha,
itd). Ovaj veoma jednostavan metod ne mora biti upotrebljiv za sve svrhe, ali je veoma efikasan za
detekciju kretanja, jer ovdje nije primarni cilj postići digitalnu sliku visoke kvalitete niti tačno ocijeniti
razmjere i geometriju posmatranog objekta.
Razlikovanje osoba analizom nasnimljenih sekvenci postiže se korištenjem tzv. šablona simetrije
hodanja. Ovi šabloni se formiraju u vremenskom periodu od početka udaljavanja nogu osobe (kada
osoba zakorači) do momenta kada se noge ponovo poklope i nastaju preklapanjem digitalno obrađenih
ramova (slika 2.34.). Kod ovih ramova su izdvojene ivice nogu (kao kod obrade slike uha) i zavisno od
stila kretanja osobe pri jednom koraku izgled preklopljenih slika ili šablon kretanja će se razlikovati po
rasporedu i gustini nastalih linija.
Slika 2.34. Šablon simetrije koračanja
Postoji i drugi način analiziranja dinamike hoda tzv. Metodom vodeće noge (leading leg) koja se
provodi pomoću mjerenja vidljivog područja između nogu tokom kretanja. Prilikom kretanja, zavisno od
smjera i zavisno od toga na koju se nogu čovjek u datom trenutku oslanja a koja se kreće (prednjači),
jedna ili druga noga praktično zaklanjaju vidljivo područje.
Ova osobina se ne koristi primarno za određivanje smjera kretanja već za detekciju vodeće noge.
Nakon što je detektovana i označena vodeća noga, uz dovoljan broj snimljenih koraka, na osnovu
karakterističnih iznosa i dinamike promjena vidljive površine među nogama ista može biti primjenjena
kao karakteristika na osnovu koje razlikujemo pojedinačne stilove kretanja.
Slika 2.35. Analiza kretanja uz označenu „vodeću" nogu
| Tehnike biometrijske identifikacije
[Završni rad]
Ova metoda slična je biometrijskoj metodi 3D fotogrametrijske antropologije po tome što se
također koristi analizom videozapisa, no razlika je u tome što se ne mjere precizne dimenzije određenih
dijelova tijela, već se ustanovljavaju ponašajne karakteristika hoda kroz amplitude gibanja, međusobne
pokrete, položaj zglobova i ostalih dijelova tijela.
Drugačijim rasporedom kamera, ili snimanjem iz sasvim druge perspektive (npr. odozgo) kao na
slici dole, algoritmi se mogu fokusirati na druge karakteristike kretanja, kao što su uglovi zakretanja pri
zaobilaženju prepreka, raspodjela brzina kretanja u blizini istih, i tome slično.
Slika 2.36. Prikaz ugla pod kojim osoba zaobilazi prepreku
Na koncu možemo reći da je ova biometrijska metoda identifikacije izrazito nenametljiva, može
se sprovesti bez posebnog zalaganja subjekta, ili čak i bez njegovog znanja, ali metode i tehnike izvajanja
i analize karakteristika hoda još se istražuju i teško da možemo reći da trenutno mogu biti upotrebljene u
identifikacijske svrhe u onom smislu koji je razmatran u ovom radu.
| Tehnike biometrijske identifikacije
2010
[Završni rad]
1.
2.
3.
4.
5.
6.
7.
8.
9.
4.2. Uporedba biometrijskih metoda identifikacije
uporedbi raznih dostupnih biometrijskih metoda važno je imati valjane kriterije. aci za
biometrijsku autentifikaciju razvili su slijedeći set takvih kriterija:
Univerzalnost je kriterij koji se odnosi na udio osoba koje posjeduju karakteristiku potrebnu
za autentifikaciju. U idealnom slučaju taj bi udio iznosio 100%. Za svaku biometrijsku
metodu postoji veća ili manja FTE populacija koja se zbog tjelesnih nedostataka ne može
registrirati.
Jedinstvenost: Bilo koje dvije osobe ne bi smjele imati jednake biometrijske karakteristike.
Metode otiska prsta, šarenice oka ili termogram lica imaju veliku diskriminativnost, odnosno
vjerojatnost da dvije osobe imaju jednake karakteristike je bliska nuli.
Trajnost karakteristike znači da se ne bi smjela mijenjati s vremenom. Karakteristike kao
šarenica oka ili termogram lica tokom vremena ostaju nepromijenjene. Lice osobe, glas ili
karakteristike ponašanja mijenjaju se starenjem osobe.
Prikupljivost znači da se karakteristika može lako izmjeriti i kvantitativno izraziti. Primjeri
prikupljivih metoda su potpis te prepoznavanje i termogram lica. Skeniranje mrežnice oka
primjer je slabo prikupljive metode.
Učinkovitost se odnosi na točnost i brzinu biometrijske metode. U ranijim poglavljima već je
pokazano da se tačnost može kvantitativno prikazati mjerama FAR, FRR i EER. Pozornost
treba obratiti i na brzinu kojom se obavlja uporedba. Sporije metode se ne mogu koristiti za
identifikaciju zbog velikog broja uporedbi koje se provode. Točnost i brzina mogu se izraziti
kao zasebna svojstva.
Prihvatljivost označava u kojoj su mjeri korisnici spremni dozvoliti sistemu da prikuplja
njihove biometrijske karakteristike. Sistemi poput skeniranja mrežnice zahtijevaju prodor
laserskog snopa u oko korisnika što u je velikom broju slučajeva prenametljivo i doprinosi
nepopularnosti metode.
Mogućnost zaobilaženja pokazuje koliko je lako zavarati sistem korištenjem prevarantskih
metoda. Automatizirani sistemi bez nadzora operatera podložniji su prijevari.
Skalabilnost označava fleksibilnost sistema odnosno sposobnost da se prilagodi povećanim
zahtjevima. Veća skalabilnost znači da uslijed pojačanih zahtjeva učinkovitost sistema neće
bitno opasti.
Zrelost biometrijske metode znači da je dovoljno razvijena za primjenu u stvarnim
okruženjima i da se rutinski koristi u autentifikacijske svrhe nad nespecifičnim i širokim
populacijama. Podrazumijeva se da su svi veći tehnički nedostaci otklonjeni. Troškovi
biometrijskih sistema bitan su faktor uporedbe. Dijele se na inicijalni trošak za potrebnu
hardversku i softversku opremu, troškove održavanja i licenciranja.
| Tehnike biometrijske identifikacije
[Završni rad]
Rezultati uporedbe mogu se prikazati tablično tako da se u recima navedu biometrijske metode
(one najčešće korištene), a u stupcima njihove karakteristike. Za svako polje tablice bilježi se u kojoj
mjeri metoda zadovoljava odgovarajuće svojstvo i poprima vrijednosti: visoko (V), srednje (S) i nisko (N).
Rezultati su prikazani u tablici dole.
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
2 2e e v>« Š 2N £ Ö
« £ 21 =3 H
| Tehnike biometrijske identifikacije55 / 126
2010
S SV
V S
o> oe
[Završni rad]
Otisak prsta
Šarenica oka
S
V
V
V
V
V
V
VN N V V V
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Mrežnica oka
GlasV S
V
N
S
N
N
S
V
N
N
VN S
V N
V
N
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Lice
Termogram lica
V VN
V
S
N
V
V
V
V
V S
N V
N
N
S
V
| Tehnike biometrijske identifikacije
2010
55 / 126
[Završni rad]
NN N V N V V
N
N S
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Tabela 2.2. Uporedba biometrijskih metoda
| Tehnike biometrijske identifikacije55 / 126
2010
Termogram lica
[Završni rad]
2 +J P O P OS VI > -M > O g -S 2 :=> > £> £ > n ■ =
iS g f ^ J |s .s1 H * § i i§ I
Ü °" D £ N 5/3
> o
>t/) o •—H
V V
N V
| Tehnike biometrijske identifikacije
i/i oH N
55 / 126
2010
V V V S V N N V
V V N V S V N V
[Završni rad]
Mrežnica oka
Otisak prsta
V V S N V N N
S V V S V S S V
S V
V S
| Tehnike biometrijske identifikacije
S
55 / 126
2010
[Završni rad]
Lice V N S V S V V S
S N N S N V V N
N S
S N
| Tehnike biometrijske identifikacije
2010
55 / 126
[Završni rad]
N N N V N V V N N S
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Tabela 2.3. Biometrijske metode sortirane prema uspješnosti
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Rezultati u tabeli mogu se poredati tako da najbolje biometrijske metode budu pri vrhu tablice.
Najvažnije svojstvo pri uporedbi je mogućnost zaobilaženja, stoga se metode prvo sortiraju po tom
stupcu, počevši od onih koje imaju niske mogućnosti zaobilaženja. Podaci u tablici potom se sortiraju
prema uspješnosti zadovoljavanja ostalih svojstava. Rezultati usporedbe sortirani prema uspješnosti
prikazani su u tabeli 2.3.
Rezultati uporedbe biometrijskih metoda mogu se prikazati grafički. Najčešće ih prikazujemo
Kiviatovim polarnim grafikonima gdje su na radijalne osi nanesene vrijednosti svakog svojstva kao na
slici 2.37. Površina krivulje na grafikonu ilustrira uspješnost biometrijske metode:
4.2.1. Poređenje tehničkih karakteristika različitih biometrijskih metoda identifikacije
Prilikom testiranja, svi biometrijski uzorci su najprije pohranjeni u bazu podata (RAM memorija)
prije provedbe identifikacije, prema tome količina pohranjenih uzoraka (predložaka) limitirana je
raspoloživim RAM-om. Za testiranje, čiji će rezultati ovdje biti prezentirani, pretpostavljamo da je na
raspolaganju dovoljna količina memorije kako bi test bio uspješan. Pri testiranju MegaMatcher
algoritmom poređenja performansi biometrijskih metoda korišteni su više-procesorski računari (multi-
core processors) kako bi se povećala brzina. Rezultati brzine poređenja uzoraka za različite biometrijske
metode prikazani su u tabeli dole, gdje mali brojevi predstavljaju rezultate dobivene u slučaju da se
koristi jednoprocesorski računar, dok veći brojevi predstavljaju rezultate pri korištenju više-procesorskog
Slika 2.37. Grafički prikaz uporedbe biometrijskig metoda identifikacije
[Završni rad]
Veličina jednog uzorka u bazi [bit] 700-6,000 2,296-20,440 2,328Brzina poređenja uzoraka pri zahtjevu za maksimalnom tačnosti 10,000-40,000 25,000-100,000 60,000-240,000Brzina poređenja uzoraka pri zahtjevu za maksimalnom brzinom
40,000-160,000 350,000-1,400,000 200,000-800,000
Tabela 2.4. Rezultati testiranja tehničkih karakteristika za metode biometrijske identifikacije uz pomoć otiska prstiju,skeniranja lica i irisa
Pouzdanost identifikacije, kao i brzina veoma su važni faktori kod velikih sistema. Algoritam
korišten za testiranje u ovom slučaju, koristi uzorke nekoliko biometrijskih karakteristika iste osobe. Za
zadovoljavajuću valjanost testiranja korištena je baza podataka sa podacima 1,500 ljudi, gdje je za svaku
osobu pojedinačno pohranjen 1 uoraz slike lica, 2 uzorka irisa (po jedan za svako oko) i 10 uzoraka otiska
prsta (po jedan za svaki prst).
Testiranje je provedeno pri različitim varijantama biometrijskih predložaka za jednu osobu.
Korištene su baze u kojima predložak za jednu osobu predstavlja samo jedan uzorak otiska prsta, slike
lica ili irisa. Zatim je korištena varijanta u kojoj je jedna osoba predstavljena sa 2 otiska prsta i 2 uzorka
irisa, kao i varijante kombinacija više biometrijskih osobina (1 otisak + 1 slika lica, 1 slika lica+ 1 uzorak
irisa, 1 otisak + 1 uzorak irisa, 1 otisak + 1 slika lica + 1 uzorak irisa, svi uzorci pripadaju istoj osobi).
Za svaku od prethodno pobrojanih kombinacija izvedena su 2 testa : prvi ima zahtjev za
maksimalnom tačnosti poređenja (rezultati ovog testa, na grafikonima dole prikazani su crvenom
bojom), drugi ima zahtjev za maksimalnom brzinom poređenja (rezultati ovog testa, na grafikonima dole
prikazani su zelenom bojom)
Predlošci sa jednom biometrijskom karakteristikom
| Tehnike biometrijske identifikacije56 / 126
2010
[Završni rad]
Brzina poređenja [uzoraka/sec]
FRR uz 0.001% FAR
FRR uz 0.0001% FAR
| Tehnike biometrijske identifikacije58 / 126
2010
[Završni rad]
Sadržaj predloška Test 1 Test 2 Test 1 Test 2 Test 1 Test 2
1 otisak + 1 slika lica + 1 slika irisa 27456 126548 0.000 % 0.000 % 0.000% 0.000 %
Tabela 2.6. Rezultati testirana za predloške s više biometrijskih karakteristika
ROC (Receiver operation characteristics) krivulje na dijagramima dole, koriste se za demontraciju
kvaliteta poređenja korištenog algoritma. ROC krivulje prikazuju zavisnost FRR i FAR učestalosti u
sistemu. Prije prikaza rezultata testiranja, samo ćemo još napomenuti da je posljednja varijanta za
testiranje (šablon u kojem je sadržan uzorak otiska, irisa i lica dao 0% FRR za sve vrijednosti FAR).
Slika 2.38. Zavisnost FRR i FAR učestalosti u sistemu
Ovi testovi su pokazali da veliki sistemi biometrijske identifikacije bazirani na poređenju otisaka
prstiju osiguravaju visok nivo pouzdanosti. Takođe je pokazano da sistemi identifikacije koji kombiniraju
više biometrijskih karakteristika (iste osobe) dovode do smanjivanja nivoa FRR (količinu pogrešnih
odbijanja) i značajnog povećanja pouzdanosti omogućavajući sistemu da se približi iznosu FRR blizu 0%.
3. Otisci prstiju kao dio Biometrije
Otisak prsta je najstarija i najpoznatija metoda autentifikacije. Kao metodu sigurne identifikacije
poznavali su ga još u staroj Kini a od 1896. godine se koristi za kriminalnu identifikaciju. Dugogodišnja
istraživanja i pokusi kažu nam da su otisci prstiju trenutno najpouzdaniji način provjere identiteta osoba.
Unatoč nekim sudskim postupcima u SAD-u, još uvijek su otisci prstiju nedvojben dokaz identiteta
pojedinca. Većina današnjih biometrijskih sistema temelji se na prepoznavanju otisaka prstiju.
Fiziološki otisak prsta je konfiguracija grebena s porama koje dijele doline. Leže na žilama,
odmah pod kožom. Morfologija (oblik) otiska prsta je povezana sa specifičnim električnim i toplinskim
značajkama kože. To znači da svjetlost, toplina ili električni napon (ili kombinacija svih) možemo koristiti
za evidentiranje slike otiska prsta. Otisak prsta nastane još pri razvoju embrija i ne mijenja se sa starošću
osobe, nego raste u svojem prvobitnom obliku i kad se završi rast osobe, ostaje u svojoj veličini
nepromijenjen. Upravo tako se po oštećenju obnovi u prvobitni oblik. Jednojajčani blizanci nemaju
jednake otiske prstiju. Mali postotak populacije ima oštećene otiske prstiju, taj postotak je zanemariv i
ne predstavlja spomena vrijedne poteškoće za identifikacijske sisteme koji se temelje na otiscima prstiju.
Slika 3.1. Anatomija ljudske kože
Brazde na mesnatom dijelu završnog članka prsta se nazivaju papilarnim linijama. Redanjem
papila (kvržica, ispupcenja) u unutrašnjem sloju kože (između epiderma i derma sa slike) nastaju
papilarne linije na spoljašnjem sloju kože. Svrha papilarnih linija tokom evolucije bila je sposobnost ljudi
da hvataju predmete i adekvatan taktilni čulni doživljaj tekstura površina koje ljudi dotiču. Embriološki
aspekt papilarnih linija jeste da se one javljaju još u 6-7 nedelji embrionalnog razvoja, kompletno su
formirane i stabilne do 21. nedelje razvoja fetusa.
[Završni rad]
Papilarne linije nastaju kao posljedica genetike - genetski kod sadrži generalne informacije o
formiranju kože u fetusu i faktora spoljašnje sredine - specifičan način formiranja kože jagodice prsta je
slučajan događaj koji zavisi od položaj fetusa u maternici u datom momentu, tačnom sastavu i gustini
amniotske tečnosti. Činjenica da postoji veliki broj mogućih uzoraka i grananja papilarnih linija što znači
da je praktično nemoguće da dvije osobe imaju potpuno jednaku teksturu kože.
Prepoznavanje otisaka prstiju temelji se na prepoznavanju karakterističnih tačaka dobivenih iz
slike otiska prsta, a glavni razlog za takav pristup, umjesto prepoznavanja cijele slike, je ušteda na mediju
za pohranu poznatih otisaka. Drugi značajan razlog je taj što često na raspolaganju nije potpuna slika
otiska prsta, već samo dio slike, tj. "trag".
Tačke dobivene iz slike otiska prsta mogu se podijeliti u dvije skupine:
1. globalne tačke (grubi uzorci vidljivi na prvi pogled),
2. lokalne tačke.
Globalne tačke nisu dovoljne za identifikaciju, ali su dovoljne za grupisanje otisaka prstiju.
Identifikacija se provodi na temelju poklapanja lokalnih tačaka s prototipom.
Globalne tačke su:
1. osnovni uzorci papilarnih linija,
- petlja (eng. loop)
- luk (eng. arch)
- spirala (eng. whorl)
2. središnja tačka (eng. core point),
3. delta,
4. karakteristične linije (eng. type lines) i
5. papilarni broj (eng. ridge count).
| Otisci prstiju kao dio Biometrije
[Završni rad]
Petljasti oblik - Papilarne linije polaze sa jedne strane,
zakrive se formirajući petlju i vraćaju se, ili nastoje da se
vrate na istu stranu sa koje su pošle. Petlje mogu biti
okrenute na lijevu ili na desnu stranu (ka palcu ili ka
malom prstu). Zastupljenost ovog oblika je 60%.
Spiralni oblik - Papilarne linije obicno formiraju koncentrične kružnice.
Zastupljenost ovog oblika je 30%.
| Otisci prstiju kao dio Biometrije62 / 126
2010
[Završni rad]
| Otisci prstiju kao dio Biometrije
[Završni rad]
Lučni oblik - Papilarne linije polaze sa jedne strane, uzdignu se
u centru i nastave na drugu stranu. Lučni otisci mogu imati
izraženije lukove (tzv. šatorski oblik) ili lukove koji su
zaravnjeni. Zastupljenost ovog oblika je 5%. U preostalih 5%
spadaju ostali rijetki oblici.
Središnja tačka (eng. core point) smještena je približno u sredini otiska, a služi
kao referentna tačka pri obradi otiska.
Otisak može posjedovati više središnjih tačaka ili nijednu. Kod spiralnog tipa,
centralna tačka predstavlja središte spirale dok kod petljastog tipa predstavlja
gornju tačku najunutrašnjije petlje.
Karakteristične linije (eng. type lines) su dvije papilarne linije u unutrašnjosti
otiska koje počinju usporedno, divergiraju te okružuju ili nastoje okružiti tzv.
područje uzoraka.
Delta je tačka prvog grananja unutar područja uzoraka, odnosno bilo koja tačka
smještena direktno ispred centra divergencije karakterističnih papilarnih linija.
Papilarni broj (eng. ridge count) je broj papilarnih linija u području uzoraka.
Određuje se brojanjem papilarnih linija koje sjeku zamišljenu dužinu povučenu
između delte i središnje tačke. Zbir papilarnih brojeva sa svih prstiju naziva se
ukupni papilarni broj.
| Otisci prstiju kao dio Biometrije62 / 126
2010
[Završni rad]
Lokalne tačke čine minucijske tačke. Minucijske tačke ili minucije (u dijelovima teksta detalji) su prekidi
tokova papilarnih linija (nepredviđen prekid, grananja i.sl.) i upravo su one nositelji jednoznačnih
informacija na temelju kojih se vrši identifikacija.
Postoji pet različitih tački minucijskih osobina :
1. vrsta minucije,
2. orijentacija minucije - smjer u kojem "gleda" minucijska tačka,
3. plošna frekvencija minucija - označava koliko su udaljene papilarne linije u okolišu minucije,
4. zakrivljenost minucija - označava brzinu promjene minucijskog smjera,
5. minucijske koordinate - označavaju relativnu ili apsolutnu udaljenost minucije od središnje točke
ili delte.
Vrste minucija, prema slici dole :
a) papilarni svršetak - nagli prekid papilarne linije,
b) papilarno grananje (bifurkacija) - tačka grananja linije u više novih,
c) papilarno širenje (divergencija) - razdvajanje paralelnih linija,
d) papilarna tačka/otok - izuzetno kratka linija,
e) papilarni ogib - linija koja se dijeli u dvije, te zatim ponovno spaja tvoreći zatvoreno područje bez
uzorka,
f) kratka papilarna linija - kratka linija, ali duža od otoka.
Slika 3.2. Vrste minucija
Otisak se smatra jedinstvenim za svaku osobu i za svaki prst. Grana biometrije koja se bavi
proučavanjem otisaka prstiju naziva se daktiloskopija. U upotrebi je zbog toga što su otisci prstiju:
1. jednoznačni (ne postoje dvije osobe, čak ni jednojajčani blizanci nemaju jednake otiske
prstiju)
1. vremenski nepromjenljivi i
2. neprikladni za krivotvorenje.
Područje primjene daktiloskopije je svugdje gdje je potrebno relativno jednostavno, brzo i tačno
identifikovati osobe, kao na primjer: kriminalistika i obavještajne službe, bankarstvo, trgovina, osiguranje
ulaska u objekte pristup radu na računaru ili povjerljivim podacima i sl.
Otisci prstiju su jedan od najrazvijenijih biometrijskih metoda koja se smatra pouzdanim
dokazom na pravnim sudovima širom svijeta.
Skorije povećanje broja civilnih i komercijalnih aplikacija koje koriste ili aktivno razmatraju
korišćenje identifikacije otiscima prstiju je nastalo usljed boljeg razumijevanja i boljih tehnika
prepoznavanja u odnosu na ostale postojeće biometrijske tehnologije.
3.1. Kratka historija otisaka prstiju
| Otisci prstiju kao dio Biometrije
[Završni rad]
Otisak prsta najstarija je karakteristika korištena za biometrijsku identifikaciju. Najraniji podaci o
različitim oblicima linija, odnosno udubljenja na dlanovima ruku i stopalima nogu, te izbočine na koži
koje razlikuju jedinku jednu od druge potiču iz Azije, a u pisanim su se dokumentima pojavili prije četiri
hiljade godina kod Asiraca i Babilonaca kao tzv. „supur" (znak pisca). Kod antičkih naroda Grka i Rimljana
ne nalazimo nikakvih tragova o raspoznavanju osobnoga znakovlja; tek od 18. stoljeća počinju se isticati
raznolikosti kako papilarnih linija, tako i kostura. Nakon što je 1860. engleski administrativni činovnik
Wiliam Herschel u Indiji odbjegle zatvorenike običavao identifi cirati otiskom prsta.
Bez obzira na dugu tradiciju, prve naučne temelje raspoznavanju otisaka prstiju dao je škotski ljekar Henry Faulds koji je publicirao prvi naučni rad u časopisu Nature 1880. godine. 1886. ponudio je svoj koncept Londonskoj metropolskoj policiji, no bio je odbijen. 1892. Sir Francis Galton publicirao je detaljnu statistički model za analizu i identifikaciju otisaka prstiju te je zagovarao korištenje tog modela u forenzici u svojoj knjizi Slika 3-3- Goltonova aparatura
za uzimanja otisaka prstiju
„Finger Prints .
Za nas posebno zanimljiv pronalazač na ovom polju jeste Juan
Vucetich - rođen kao Ivan Vučetić 1858. Na Hvaru koji je 1882.
emigrirao u Argentinu. Ivan Vučetić 1891. je prvi izvršio razvrstavanje
otisaka prstiju lijeve i desne ruke po grupama, dao im klasifikacijske
oznake i izradio obrazac za desetoprstno raspoznavanje (objavljeno u
„Sistemu identifikacije - Sistema de filiacion" 1. listopada 1896.
godine).
U tom je djelu uvjereno, usprkos silnim protivljenjima i
Slika 3 4 ivan vučetić omalovažavanjima, branio svoju metodu - uzimanje otisaka, tzv.
daktiloskopski fiš (fi cha). Njegova daktiloskopska formula bila je u
obliku razlomka, pri čemu je upotrijebio kombinaciju od osam znakova (4 broja i 4 slova): lukove je
označio slovom „A" (arco) i brojem 1, unutarnju petlju slovom I (presilla interna) i brojem 2, vanjsku
petlju slovom E (presilla externa) i brojem 3, a krug slovom V (verticulo) i brojem 4. Na taj način dobio je
praktički primjenjiv sistem klasifikacije otisaka papilarnih linija i stvorio temelje nove nauke, koju je
nazvao „daktiloskopijom" (umjesto prvotnog naziva sastavljenog od triju grčkih riječi
„iknofalangometrija", a koja je sadržavala 101 tip otisaka), nakon što je iste godine na nekoliko mjeseci
ukinut ured za identifikaciju.
1892. godine Ivan Vučetić uz pomoć krvavog otiska na vratima s mjesta zločina (koji mu je
poslao inspektor Eduardo M. Alvarez) razotkrio je počinitelja ubistva šestogodišnjeg dječaka i
četverogodišnje djevojčice: poznati „slučaj Rojas", koji je ušao u anale svjetske kriminalistike, potresao je
1892. argentinski gradić Necocheu.
Optuženi seljak Pedro Velasquez, rastavljen od
Francisce Rojas, uporno je poricao kazneno djelo: svoju
djecu na spavanju ubila je vlastita majka. Nakon što su s
pomoću otisaka prstiju riješena još dva slučaja, metoda je
potvrđena, te 1. svibnja 1893. vlada pokrajine Buenos Aires
objavljuje da je u sistem antropometrije uključeno i
uzimanje otisaka prstiju. Godine 1893. Ivan Vučetić
objavljuje prvo djelo: „Opšte upute za antropometrijski
sistem", u kojem se poziva na istraživanja i razvrstavanja F.
Galtona čijom se zaslugom u Engleskoj 1901. (1905. postaje
na sudu
dokazno sredstvo), u Austro-Ugarskoj 1902., u Njemačkoj
1903. (u Hamburgu šef policije dr. Gustav Roscher uvodi
svoj posebni sistem klasifi kacije i danas poznat i nazvan
| Otisci prstiju kao dio Biometrije62 / 126
2010
Slika 3.5. Vučetićev sistem uzimanja otisaka i dokumentovanja
[Završni rad]
njegovim prezimenom) i kojim se rasprostranjuje daktiloskopija. Godine 1894. šef policije Lozano
odobrava Vučetićev prijedlog za osnivanjem stručne policijske biblioteke u La Plati, te ga imenuje
direktorom. Od 1. siječnja 1896. u Argentini se napušta „antropometrija", te se kao službeni sistem
uvodi „Generalni registar građana" temeljen na daktiloskopiji. Od 1901. godine, kad Ivan Vučetić prvi put
izlaže svoj daktiloskopski sistem kao delegat policije iz La Plate na II. naučnom kongresu Latinske
Amerike u Montevideu, uslijedilo je uvođenje njegove metode i uspostavljanje ureda diljem Južne
Amerike: 4. listopada 1902. pokrajinski Vrhovni sud naređuje da se u svim kaznenim postupcima zatraže
podaci iz Ureda za identifi kaciju, a 20. listopada 1905. na sastanku šest južnoameričkih policija, kojim je
predsjedao Ivan Vučetić, prihvaćen je prijedlog o stvaranju posebnog identifi kacijskog lista sa svim
podacima o osobi.
Godine 1904., kada je objavljeno njegovo najznačajnije djelo „Dactiloscopia comparada"
(Usporedna daktiloskopija) i u Zagrebu je počelo daktiloskopiranje zatvorenika (premda su razvrstani tek
1906., i to po već spomenutom „Roscherovu sistemu"). Priznanja Vučetićevoj metodi identifi kacije stižu
i iz Europe: Italije, Francuske, Norveške, Španjolske, te postaje počasnim članom mnogih naučnih
akademija i ustanova : u drugoj domovini Argentini mu je 29. siječnja 1909. dodijeljen naslov „Vještaka
daktiloskopije - perito identifi cador", nakon čega je zakonom iz 1911. i zakonom naloženo stvaranje
registra s daktiloskopskim sistemom za cjelokupno argentinsko stanovništvo.
Ivanu Vučetiću u čast policijska škola (akademija) osnovana 27. lipnja 1941. u Rosariju, nedaleko
od La Plate nosi ime „Vucetich", kao i jedna gradska četvrt s parkom u La Plati; u sastavu Pravnog
fakulteta u Splitu 1968. osnovan je Kriminalistički institut „Ivan Vučetić", a u sklopu Ministarstva
unutarnjih poslova djeluje od 1953. Centar za kriminalistička vještačenja, koji od 1997. nosi ime „Ivan
Vučetić".
1901. Sir Edward Henry stvara Henryjev klasifikacijski sistem koji je korišten u Engleskoj i Walesu
pri čemu su ustvari proširena saznanja Galtona. Scotland Yard je 1900. adaptirao Galton/Henry sistem
klasifikacije otisaka prstiju.
Ovaj sistem klasifikacije podrazumijeva numerisanje otisaka svih prstiju obe ruke, pa tako svaki prst
zavisno od pozicije ima svoj broj (slika gore), a svaki od prstiju dobija i dodatni broj ako ima spiralni
otisak (slika desno).
Formula Galton/Henry-evog sistema : Slika 3.6. Galton/Henry-ev sistem
1 + (zbir spiralnih vri jednosti za parne prste) Odnos koji određuje
Lažne minucije detektiraju se postavljanjem prozora oko pozicije minucije i označavanjem
grebena koji vode od pozicije te minucije do granica tog prozora. Brojanjem završetaka grebena na tom
okviru zaključujemo da li je to ispravna minucija ili lažna. Završeci grebena trebaju imati tačno jedan
završetak na okviru, dok grananja trebaju imati 3 završetka. Minucije koje su blizu kraja segmentirane
slike, tj. nalaze se u rubnim bloku se također izbacuju jer su i te minucije večinom lažne.
Na primjer, mnogo detalja u maloj okolini može nagovijestiti šum, i oni mogu biti odbači. Veoma
bliski krajevi izbočina orijentisani u istom pravcu suprotnog smjera jedan u odnosu na drugi može
nagovijestiti lažni detalj generisan prekidom izbočine. Dva veoma bliska račvanja (bifurkacije) mogu
ukazivati na lažni detalj stvoren povezivanjem susjednih izbočina, što može nastati kao rezultat greške
alata za obradu slike.
Pri provođenju postupka postprocesiranja (filtriranja) važno je držati se dva osnovna pravila:
1. Ukoliko se unutar 4 piksela nalaze dva završetka oba se uklanjaju kao lažni detalji (jer je
utvrđeno da je prosječna distanca između dva završetka u stanjenoj slici pet piksela,
tako da ovo pravilo neće dovesti do uklanjanja završetaka dva susjedna grebena).
2. Ukoliko se unutar 4 piksela nalaze račvanje i završetak, oba se uklanjaju kao lažni detalji.
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
Nakon detekcije minucija slijedi detekcija singularnih tačaka korištenjem Poincaré-ovog indeks
metode. Ovo je najčešće korišteni metod detekcije singularnih tačaka, veoma je jednostavan i efikasan, a
provodi se uz pomoć slike orijentacijskog polja otiska prsta. Poincaré-ov indeks svakog ugla u polju
orijentacije računa se sumiranjem razlika između parova uglova u jednom smjeru (suprotno od kazaljke
na satu) za 8 susjednig uglova koji okružuju ugao koji posmatramo. Poincaré index za singularnu tačku
tipa centar iznosi 180o , a za singularnu tačku tipa delta iznosi -180o kao što je prikazano na narednoj slici.
8 susjednih uglova j
Pokazano je da pronalaženje singularnih tačaka korištenjem orjentacionog polja normalizirane
slike daje pogrešne singularne tačke, prema tome za detekciju singularnih tačaka potrebno je vršiti
proračun isključivo na slikama za koje je prethodno proveden postupak poboljšanja, kao na narednoj
slici.
Slika 3.40. Rezultati određivanja singularnih tačaka za normaliziranu sliku (lijevo - greška) i poboljšanu sliku (lijevo -ispravno)
3.3.3. Poređenje otisaka
Neka su data dva skupa karakteristika koji potiču od dva otiska (ulaz i šablon), cilj sistema za
prepoznavanje je da odredi da li ta dva otiska predstavljaju isti prst. Prepoznavanje se zasniva na
nekoliko različitih strategija : uz pomoć slike, uz pomoć šema izbočina, i uz pomoć šema koje se zasnivaju
na reprezentaciji otiska preko detalja. Postoje takođe i šeme koje se zasnivaju na grafovima.
| Otisci prstiju kao dio Biometrije86 / 126
2010
Naredna slika ilustrira ektrakciju minucija za sliku na kojoj je primjenjeno postprocesiranje i rezultat istog postupka primjenjenog na slici koja nije procesirana.
Dnjeni detalji
Slika 3.38. Ilustracija razlike rezultata procesa ekstrakcije detalja za sliku koja je postprocesirana i za onu koja nije
Slika 3.39. Pronalaženje singularnih tačaka metodom Poincaré-ovog indeksa
[Završni rad]
Prepoznavanje na osnovu slike ne toleriše veliki broj deformacija u strukturi izbočina.
Prepoznavanja koja se kritički zasnivaju na ekstrakciji izbočina ili njihovih veza mogu imati drastično
smanjenje performansi u slučaju gubitka kvaliteta ulaznog otiska. Dakle prepoznavanje na osnovu
šablona karakterističnih tačaka (tj. prepoznavanje na osnovu detalja) olakšava dizajn prostog algoritma
za brzu verifikaciju koji sadrži šablone male veličine. Faza prepoznavanja definiše mjeru sličnosti (daljine)
između dvije predstave otiska i određuje da li date predstave otisaka potiču od istog prsta. To se na
osnovu toga da li je sličnost (razlika) veća ili manja od nekog prethodno određenog praga. Mjera sličnosti
se zasniva na osnovu podudaranja detalja. Za detalj na ulaznag otiska i detalj šablona kažemo da se
poklapaju ako predstavljaju identični detalj dobijen od jednog istog prsta.
Prije nego što identičnost dva otisaka može biti ustanovljena, većina algoritama za
prepozanvanje detalja odradi transformaciju (registraciju) karakteristika ulaznog otiska i šablona.
Registracija obavezno uključuje centriranje a nekada i skaliranje. Parametri centriranja se procjenjuju na
osnovu sljedećih parametara :
1. singularnih tačaka otiska (na primjer lokacija središta i delte);
2. položaja grupisanja detalja ili
3. nekih drugih karakterističnih znakova. Na primjer, Jain-ov algoritam koristi metod
procjene translacije i rotacije na osnovu osobina segmenta izbočine koji je dodijeljen završetku
detalja.
Postoje dva bitna izazova prilikom određivanja podudarnosti između dvije centrirane
reprezentacije otiska :
1. prljavština i zaostale mrlje na uređaju za skeniranje i ogrebotine ili posjekotine na prstu
stvaraju nove lažne detalje ili poništavaju prave detalje;
2. pomjeranje dijela prsta koji se slika i njegov pritisak na uređaj za skeniranje utiče na broj
izvornih detalja i prouzrokuje promjenu mjesta detalja sa njihove prave pozicije usljed elastičnih
deformacija kože na prstu.
Slika 3.41. Tri uzorka otiska istog prsta pri rzaličitim stanjima: a)normalan, b) suh, c) mokar
Prema tome uređaji za prepoznavanje ne treba samo da pretpostave da je ulazni otisak samo
transformisani šablon tog otiska korištenjem rotacije i translacije, već treba da uzmu u obzir lažne
detalje kao i da se prilagode nedostatku pravih detalja i promjeni lokacije detalja. Donja slika predstavlja
centrirane strukture izbočina dva odgovarajuća otiska. Možemo primijetiti da na slici postoji potpuno
poklapanje u gornjem lijevom uglu dok postoji velika razlika u poziciji odgovarajućih detalja u drugim
djelovima slike (npr. donji desni dio). Data deformacija nije linearna to je lako primijetiti. Ako su date
vrijednosti deformacija u dvije proizvoljne tačke prsta nije moguće predvidjeti deformaciju u tačkama
koje leže na pravoj koja prolazi kroz te dvije tačke.
| Otisci prstiju kao dio Biometrije
Slika 3.42. Centrirane strukture izbočina dva odgovarajuća otiska
86 / 126
2010
[Završni rad]
Algoritam za prepoznavanje predstavljen u ovoj glavi koristi tri osobine centriranog detalja:
njegovu udaljenost od nekog drugog referencnog detalja (reference minutiae) i ta se udaljenost naziva
radijus, ugao koji zaklapa sa referencnim detaljom (radijalni ugao) i lokalni pravac odgovarajuće izbočine
(minutiae direction). Algoritam za prepoznavanje otpočinje sa predstavljanjem detalja ulaznog otiska (ili
šablona) u obliku niza detalja. Predstava u obliku niza se dobija linearnim uređenjem po radijalnim
uglovima i radijusima. Rezultujući nizovi detalja se upoređuju sa algoritmom za prepoznavanje nizova
(inexact string matching algorithm) da bi se utvrdila podudarnost.
Ovaj algoritam za prepoznavanje nizova transformiše (edituje) niz (string) ulaza u string šablona,
i broj tih operacija editovanja služi kao mjera sličnosti između dva niza. Dok dozvoljeni operatori
editovanja modeliraju promjene u otisku (brisanje pravih detalja, umetanje lažnih i promjenu mjesta
Tabela 3.2. Klasifikacija po pet klasa na NIST-4 bazi otisaka
3.3.5. Tačnost i pouzdanost AFIS sistema
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
Glavni kriterij za ocjenu performanse AFIS sistema jeste tačnost poređenja. Međutim, za
temeljitu procjenu, svakako je potrebno u obzir uzeti i neke druge bitne faktore kao što su brzina
pretrage ili količina potrebnih resursa.
AFIS sistemi prepoznavanja bazirani na otiscima prstiju (kao ni drugi biometrijski sistemi) nisu
100% savršeni. Za sistem je određen standardno moguć broj grešaka.
FAR (False Acceptance Rate), učestalost pogrešnih prihvatanja definiše se kao procenat osoba
koje neovlašteno mogu ući u sistem. FRR (False Rejection Rate), učestalost pogrešnih odbijanja suprotno
tome predstavlja procenat ovlaštenih osoba kojima je odbijen pristup sistemu. Obe se veličine moraju
svesti na minimum, a kako su u suštini suprotne, njihova minimalizacija mora biti dobro izbalansirana.
Ukoliko sistem prilagodite tako da otežate pristup neovlaštenim osobama, otežaćete pristup i
ovlaštenim osobama. Testiranja provedena na AFIS sistemu, na bazi 150 otisaka od 50 volontera, dala su
rezultujući odnos FAR i FFR kao što je prikazano na narednoj slici.
Slika 3.49. FRR i FAR za AFIS sistem
Gore prikazani grafikon, dakle potvrđuje raniju konstataciju o odnosu FRR i FAR kada je rečeno
da se porastom jednog drugi smanjuje i obrnuto. Pitanje podešavanj iznosa ova dva faktora zavisi od
konkretne primjene sistema. Za zadani sistem to je pitanje vjerovatnoće, i svaka će firma odrediti prag
osjetljivosti sistema shodno potrebnoj sigurnosti. Kako bi kontrolisala ulazak u sef, banka će podesiti
sistem tako da broj pogrešnih prihvatanja svede na nulu. Stoga će zaposleni u banci morati pretrpjeti
pogrešna odbijanja sistema i više puta ponoviti postupak verifikacije. U kućnoj upotrebi situacija može
biti potpuno suprotna. Sistem baziran na prepoznavanju otisaka može se na kućnom računaru podesiti
tako da djeci zabrani pristup važnim programima roditelja. Za slučaj da roditelji prečesto bivaju odbijeni
od strane sistema, mogu podesiti niži prag sigurnosti, računajući da jako mali broj osoba ima pristup
računaru (pa je i vjerojatnoća da će nekom neovlaštenom biti dozvoljen pristup jako mala).
Uz jednom određene mjere sigurnosti (dakle dozvoljenih učestalosti), možemo upoređivati
prave kvalitete sistema baziranih na prepoznavanju otisaka. Uglavnom je to težak zadatak jer
proizvođači daju vrijednosti koje ne uzimaju u obzir uslove testiranja (broj osoba prilikom testa, načinu
upisa, broju odobrenih pokušaja...). Dalje, ni brojke same nisu dovoljne za utvrđivanje ponašanja
sistema u stvarnom radu.
Što se tiče vremena odziva AFIS sistema postoji značajna razlika između identifikacije i
verifikacije po pitanju rutina za pretraživanje i prepoznavanje. Identifikacija iziskuje jako djelotvoran
program za prepoznavanje, budući da je potrebno pretražiti velik broj podataka u kratkom vremenu.
Uglavnom, više se vremena troši na izdvajanje potpisa kako bi bili sigurni da su detalji (minucije) oni
pravi a ne neka prljavština, u kojem slučaju raste vjerovatnost pogrešne identifikacije.
Verifikacija s druge strane iziskuje puku provjeru tako izdvojenog potpisa s onim u referentnoj
bazi tako da je vrijeme utrošeno na račun znatno manje. Identifikacija se danas primjenjuje uglavnom u
policijske svrhe, gdje se podaci jednostavno čuvaju i održavaju na za to namijenjenim serverima.
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
Verifikacija se više koristi u komercijalne svrhe, zbog svoje brzine i jednostavnosti čuvanja podataka.
Naravno, ako neko koristi prepoznavanje otiska prsta za podizanje novca s bankovnog računa, vrijeme
izračunavanja mora biti vrlo kratko.
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
3.4. Komercijalni sistemi raspoznavanja otisaka prstiju
Komercijalni sistemi automatskog raspoznavanja otisaka prstiju na svjetskom tržištu mogu se
podijeliti u nekoliko skupina:
1. Forenzički sistemi
Masovni sistemi s velikim brojem uzoraka pohranjenih u bazu podataka. To su tzv. AFIS
(Automated Fingerprint Identificaton System) sistemi. Rad u realnom vremenu obično nije
ključan, a ni izvediv zbog velikog broja uzoraka. (Npr. glavna AFIS baza u FBI-u je velika oko 40
Tb.)
2. Sistemi za civilnu identifikaciju
Sistemi za provjeru identiteta kod korištenja raznih dokumenata (bankomati i sl.). Sistem mora
raditi u realnom vremenu i biti dovoljno pouzdan.
3. Sistemi za provjeru ovlaštenog pristupa ograničene populacije
Koriste se kod kontrole pristupa prostorijama, postrojenjima, uređajima i.sl, a sastoje se od
manjeg broja uzoraka pohranjenih u centralnu bazu podataka. Često se kombiniraju s dodatnim
biometrijskim sistemima (raspoznavanje šarenice, mrežnice, glasa i.sl) i/ili s konvencionalnijim
sistemima (lozinke, odzivi itd.). Rad u realnom vremenu i visoka pouzdanost sistema su
ekstremno važni.
Poznatiji proizvođači automatskih sistema raspoznavanja otisaka prstiju i cjelokupne opreme su:S Identicator Corp.S East Shore Technologies Inc. S NEC Technologies Inc.
Osim tih tvrtki, postoji čitav niz drugih koji razvijaju dijelove sistema, ali većina njih direktno sarađuje s gore navedenima. To su npr.: S Key Tronic S Compaq S DigitalPersona
Identificator proizvodi najbitnije komponente u sistemu automatskog raspoznavanja otisaka prstiju: skenere i software. Osim toga tvrtka prodaje kompletna rješenja za specifične namjene, koja se koriste u više vladinih (AFIS) i nevladinih ustanova u SAD. Detaljniji opisi uređaja i algoritama nisu dostupni zbog prirode posla s kojim se tvrtka bavi.
U katalogu su navedeni sljedeći skeneri:
| Otisci prstiju kao dio Biometrije
[Završni rad]
Naziv skenera Specifikacija
| Otisci prstiju kao dio Biometrije99 / 126
2010
[Završni rad]
Dimenzije: 15 cm x 6.875 cm x 18.75 cm Rezolucija: 500 dpi, 256 nijansi
susreće u transportu i logistici, proizvodnji i kontroli. Neki su
primeri označavanje životinja u uzgoju, praćenje proizvoda u
lancu nabavke, kontejnera koji se ponovno koriste, djelova
koji se kreću kroz pogon u proizvodnom lancu, praćenje
poštanskih pošiljaka i prtljaga u avioprevozu, naplata
putarine i parkinga, kontrola pristupa vozilima, zatim EAS
aplikacije u trgovinama, zaštita vrijednih predmeta od krađe, Slika 4.15. Kapsule s RFID čipom koje se
praćenje osnovnih sredstava. Kontrola ulaza i radnog ugrađuju u hucte
vremena je još jedna tipična aplikacija, i sigurnosna kontrola pristupa određenim lokacijama. U skorije
vrijeme, osim upotrebe u identifikacionim dokumentima, javila se inicijativa (od strane SAD-a) za
ugrađivanjem RFID čipova u ljude. Iako još u začetku i nedovoljno ispitana, ova inicijativa izaziva veoma
burne reakcije kako američke tako i svjetske javnosti.
4.4. Sistem kontrole državinh granica
Sigurnost međunarodnog putovanja zavisi od pouzdanih dokumenata i sistema međunarodne
saradnje, te razmjene informacija. Međunarodni standardi su neophodni za efikasan globalni sistem
pasoša i viza. Međunarodna zajednica je uz pomoć UN-a i Međunarodne organizacije za civilnu avijaciju
(eng. International Civil Aviation Organization (ICAO) utvrdila očekivanja, prakse i standarde za
međunarodna putovanja i prateću dokumentaciju. Svaka država može raditi na poboljšanju sigurnosti i
vjerodostojnosti svojih dokumenata i na taj način doprinijeti da se usklade međunarodni standardi koje
je utvrdila ICAO i sigurnost putovanja.
Uloga pasoša je da identificira državljane određene države u korist drugih država, te da osobama
garantira pravo povratka. Povećana sigurnost je jedan od najvećih prioriteta za vlade i prijevoznike.
Osnov za sigurnost međunarodnog putovanja je dokaz identiteta i državljanstva. Pasoš je također bitan
za zaštitu i podršku državljanima u inostranstvu. Prepoznavanje fizionomije lica odabrano je kao
globalna interoperativna biometrijska karakteristika za potvrđivanje identiteta uz pomoć mašina kod
mašinski čitljivih putnih isprava. U okviru sveobuhvatne analize različitih dostupnih biometrijskih
podataka pokazalo se da lice osobe ima najbolje biometrijske karakteristike u smislu kompatibilnosti s
ključnim operativnim uvjetima, a nakon lica slijede otisak prsta i oči. Granične službe i osoblje
avioprijevoznika već dugo vremena koriste karakteristike lica za potvrdu identiteta i poređenje sa
"identifikacijskim dokumentom sa slikom". Tehnologija prepoznavanja lica osobe ubrzava ovaj postupak
jer se upotrebom kamere slika lice i kompjuterski se potvrđuju karakteristike lica određene osobe.
Korištenje biometrijskih identifikatora predstavlja privlačnu novu tehnologiju, prvenstveno zbog
tačnosti te tehnologije u pogledu potreba identifikacije. Tehnologija mora osigurati adekvatan balans
između, s jedne strane, privatnosti i građanskih sloboda i, s druge strane, mogućnosti da se poboljšaju
sigurnosne odlike. Čini se da biometrijski sistemi identifikacije uz korištenje otisaka prsta, skeniranja
šarenice (oka), geometrije lica, itd. imaju značajan potencijal za postizanje tačnosti i sigurnosti, iako
troškovi i pitanja privatnosti mogu biti prepreke za potpuno provođenje. Prisutan je sve veći interes za
biometrijske identifikatore kao što su sistemi otiska prsta/dlana, skeniranje šarenice (oka) i mjerenja lica.
Za svaku od navedenih metoda provjeravaju se i testiraju tačnost, trošak i pitanja privatnosti.
U nekim slučajevima se primjenjuje pristup na dobrovoljnoj osnovi uz davanje poticaja. Kanada i
SAD su prve započele ovaj proces sa NEXUS programom kojim zajedno upravljaju primarne granične
službe. Otisci prstiju korišteni su kao biometrijski identifikator na graničnim prijelazima koji su
obuhvaćeni programom, dok se skeniranje šarenice (oka) testiralo na aerodromima u Ujedinjenom
Kraljevstvu, Holandiji i Njemačkoj.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica110 / 126
2010
Slika 4.16. Postupak provjere
biometrisjkih pasoša
[Završni rad]
Standardni postupak provjere pasoša na državnim
granicama sastoji se od nekoliko osnovnih koraka, kojih se po
pravilnicima medjunarodnih organizacija pridržavaju službenici u
svim razvijenijim zemljama :
1. Službenik prevlaci stranicu pasoša s podacima preko
posebnog skenera kako bi bile pročitane dvije printane linije na
dnu stranice. Ovo predstavlja svojevrsan postupak otključavanj
(ključ je sadržan u linijama karaktera i jedinstven je za svaki
pasoš) koji omogućava nastavak procedure.
2. Službenik drži otvoren pasoš iznad drugog skenera, zatim
poredi vaš izgled (a) sa slikom u pasošu (b) i svim podacima sa
vašeg pasoša koje vidi na monitru, a koji su očitani sa RFID čipa.
Podaci na monitoru takođe potvrđuju da je vaš dokument validan
i da nije krivotvoren.
3. RFID čip je ugrađen u korice vašeg pasoša i sadrži podatke
koji ne mogu biti pročitani bez sigurnosnog ključa kao što je
navedeno u prethodnon koraku.
4. Kada je pasoš pozicioniran iznad skenera (kontakt nije
neophodan), radio talasi iz čitača aktiviraju čip i kodirani podaci
se prenose u čitač. Na taj način je službeniku omogućena vizuelna
uporedba kako je navedeno.
5. Tanki zaštitni sloj na koricama pasoša onemogućava čitanje
vaših podataka ukoliko je pasoš zatvoren (npr. dok ga nositeu sloj
neće pobuditi detektore metala na ajrodromima.
džepu ili torbi). Ovaj zaštitni
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica114 / 126
[Završni rad]
Koncept integrisanog upravljanja granicom obuhvata koordinaciju i saradnju među svim
relevantnim službama i agencijama koje su uključene u nadzor granice i kontrole na granici, kako bi se
izgradili djelotvorni, efikasni i integrisani sistemi upravljanja granicama, sa zajedničkim ciljem stvaranja
otvorenih, ali kontrolisanih i sigurnih granica.
U zaštitu Bosanskoherčegovacke granice i u prekogranične kontrolne aktivnosti uključene su
sljedeće državne službe i tijela: Granična policija Bosne i Hercegovine, Uprava za indirektno
oporezivanje, Ured za veterinarstvo BiH, zajedno sa entitetskim veterinarskim inspekcijama, Uprava BiH
za zaštitu zdravlja bilja, zajedno sa entitetskim fitosanitarnim inspekcijama i inspekcija Brčko Distrikta
Inspekcije entiteta i Brčko Distrikta (tržišna i sanitarna), kako na graničnim prijelazima, tako i na
mjestima unutrašnjeg carinjenja i carinskim ispostavama.
S obzirom da su SAD najsnažniji inicijator uvođenja većih mjera sigurnosti i novih elektronskih
biometrijskih identifikacionih dokumenata, tako je i njihov sistem pogranične kontrole vjerovatno jedan
od najboljih primjera za analizu koliko međusobno povezanih informacionih sistema koordinirano
funkcioniše pri ovoj kontroli. Nadalje će biti ilstrativno prikazan Američki pogranični sigurnosni sistem sa
pratećim programima.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica114 / 126
[Završni rad]
Programi koji su korišteni u ovakvom sigurnosno sistemu:
1. ADIS (eng. Arrival Departure Information System) je
baza podataka u kojoj se pohranjuju podaci o
dolascima i odlascima datog subjekta, baziran na
podacima dobivenim preko pomorskih i zračnih
prevozničkih kompanija.
2. APIS (eng. Advance Passenger Information System)
je sistem koji bilježi podatke o dolascima i
odlascima datog subjekta unaprijed, baziran na
podacima dobivenim preko pomorskih i zračnih
prevozničkih kompanija.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
2010
Slika 4.17. Sigurnosni sistem graničnog prelaza
[Završni rad]
1. IBIS (eng. Interagency Border Inspection System) je sistem koji održava bazu podataka sa
popisom lica osumljičenih za krivčna djela ili sličnih podataka od interesa za sigurnost (Popis za
nadzor - eng. Watchlist). Ovaj sistem se održava u saradnji sa bazama podataka drugih agencija
(CIA,FBI, i sl.) i tenutno je pod upravom inspektora koji na graničnim prelazima pri ulasku u
zemlju provjeravaju ili mijenjaju podatke o putnicima.
2. IDENT (eng. Automated Biometric Identification System) je automatizirani sistem
biometrijske identifikacije koji skuplja i pohranjuje biometrijske podatke stranih državljana koji
posjećuju SAD.
3. SEVIS (eng. Student Exchange Visitor Information System) je sistem koji sadrži podatke o
stranim studentima.
4. CLAIMS 3 (eng. Computer Linked Application Information Management System) je
sistem koji sadrži podatke o stranim državljanima koji zahtijevaju određene benificije kao npr.
promjenu statusa ili produženje boravka.
5. CCD (eng. Consular Consolidated Database) je sistem koji sadži podatke o osobama koje
su dobile Američku vizu ili su tek aplicirale za istu.
Otvorene, ali kontrolisane i sigurne granice podrazumijevaju dva osnovna zahtjeva :
1. Granice moraju biti „širom"otvorene za trgovinu i kretanje lica, kako za saradnju unutar
regije tako i za međunarodnu interkontinentalnu saradnju. Slobodna trgovina i kretanje lica
ključni su faktori liberalizacije društva.
2. Granice moraju biti zatvorene za sve kriminalne aktivnosti ili bilo kakve druge aktivnosti
koje ugrožavaju stabilnost u zemlji i u regiji. Problemi vezani za krijumčarenje svih vrsta, ilegalne
migracije, terorizma i organizovanog kriminala moraju se rješavati u cijeloj regiji, a posebno na
granici i graničnim prijelazima.
5. Zaključak
Biometrija je disciplina koja razvojem nauke, a prije svega digitalno-informacijske tehnologije,
dobiva sve značajnije mjesto u različitim područjima društvenog života, ljudskog rada i interesa. Tako se
dostignuća biometrije vrlo često koriste u područjima medicinske dijagnostike, privatne zaštite, nadzora
kretanja na određenim javnim prostorima, identifikacije osoba za kriminalističke i nekriminalističke
potrebe, i dr.
Biometrija se koristi od davnih vremena i razvijala se u skladu sa razvojem ljudskog znanja,
odnosno tehnologije i nauke, čiji vrtoglavi razvoj u zadnjim desetljećima otvara neslućene mogućnosti
njihovog apliciranja u područjima identifikacije. Klasične metode identifikacije u novom okruženju
dobivaju novu, dodatnu kvalitetu, a ustanovljuju se i potpuno nove metode.
U okviru ovog rada prikazan je pregled do sada istraživanih metoda biometrijske identifikacije od
kojih su do danas, praktičnu primjenu, svojim prednostima izborile samo neke.
Većina poznatih biometrijskih metoda tek je u začetku, a mogućnosti razvoja tih i
ustanovljavanje novih može se širiti unedogled. Interes društva, bilo da se radi o području policijsko-
kriminalističke ili području privatne sigurnosti, je da se istraživanje i razvitak biometrijskih mogućnosti u
području identifikacije nastavi.
Nalazimo se u razdoblju postojanja brojnih kontroverzi vezanih uz valorizaciju i optimalizaciju
ponuđenih biometrijskih metoda kako u komercijalnoj tako i u policijskoj primjeni, koje su neizbježne pri
pojavi svega novog i nepoznatog. Stiče se dojam da se zbog trenutne fasciniranosti novim metodama
zapostavljaju neke klasične metode identifikacije, koje u biometrijskom okruženju dobivaju na kvaliteti i
primjenjivosti. Tako se npr., daktiloskopija koja je prema svim pokazateljima vrlo pouzdana, neupitno
visoke identifikacijske razine, s izrazito malom mogućnošću pogreške, koja je i u kadrovskom i u
materijalno-tehničkom aspektu vrlo prihvatljiva, jer za njenu provedbu nije potreban sofisticiran i skup
instrumentarij, niti ekspertni kadrovski potencijali, nepravedno sve više zapostavlja. Treba vjerovati, da
će nakon velikih amplituda, od skeptičnosti do fasciniranosti, protokom vremena, senzibiliziranjem
mjerodavnih i usavršavanjem pojedinih biometrijskih metoda, slijediti osvješćivanje i primjena
ponuđenih mogućnosti s pravom mjerom.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
2010
[Završni rad]
Biometrija je donjela izuzetan napredak u ovoj oblasti identifikacije. Međutim i ovi sistemi imaju
svojih ograničenja sa određenim implikacijama po sigurnost. Postoje i velike sumnje u pogledu
zloupotrebe biometrije, kao i njenog uticaja na privatnost.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
2010
[Završni rad]
Donošenje zakonskih propisa u ovoj oblasti, definisanje standarda i pravila ponašanja mogu
djelimično razvejati ove sumnje. Međutim činjenica da je biometrija jedinstveni i univerzalni identifikator
koji i bez saglasnosti subjekta može povezati njegove različite lične podatke, kao i mogućnost namernog
zaobilaženja zakonskih regulativa (delimično suspendovanje ljudskih prava i sloboda u SAD-u poslje
napada 11.09.2001 godine tzv. Patriot Act) nalažu detaljnu analizu i odeđivanje oblasti stvarne potrebe
njenog korištenja, kao i primene dodatnih tehnika radi sprečavanja zloupotreba i očuvanja privatnosti.
Skoriji razvoj tehnologije skeniranja otisaka prstiju i poboljšavanje tačnosti i brzine algoritama za
prepoznavanje prouzrokovalo je da automatska identifikacija postane pouzdana zamjena ili dopuna
tradicionalnih metoda identifikacije. U okviru rada napravljen je kratak pregled identifikacije pomoću
otisaka prstiju i ukratko opisani algoritmi za ekstrakciju detalja, poboljšavanje, prepoznavanje i
klasifikaciju. Također su predstavljeni i ukratko opisani najrazvijeniji komercijalni sistemi koji se danas
primjenjuju u ovoj oblasti biometrijske identifkacije.
Za razliku od identifikacije lozinkama, performanse algoritama sa otiscima su veoma varijabilne.
Stalno se povećavaju zahtjevi za što bržim i preciznijim algoritmima za rad sa otiscima koji bi mogli da
obrađuju i slike otisaka lošijeg kvaliteta. Važan predmet budućeg istraživanja bi moglo biti ujedinjavanje
identifikacije bazirane na otiscima sa drugim biometrijskim i nebiometrijskim tehnologijama. Međutim
nesumnjivo je da će biometrijska identifikacija u budućnosti imati veliki uticaj na to kako obavljamo
svakodnevne poslove. I takođe je sigurno da će u godinama koje dolaze, otisci, kao najzrelija i najbolje
proučena biometrijska metoda, biti sastavni dio gotovo svih sistema identifikacije.
Pregled slika i tabela
Pregled slika
Slika 1. Procentualni odnos zastupljenosti metoda biometrijske identifikacijeSlika 1.1. Podjela biometrijskih sistema po porijeklu karakteristika
Slika 1.2. Blok dijagram biometrijskog sistemaSlika 1.3. Naprava za mjerenje dimenzija glave čovjeka iz 1913. godine
Slika 1.4. Alphonse BertillonSlika 1.5. Principjelna šema multimodalnog biometrijskog sistema
Slika 1.6. Primjer multimodalne biometrije u carinskoj kontroliSlika 1.7. Registracija biometrijskih podataka
Slika 1.8. Proces verifikacijeSlika 1.9. Primjer funkcijske zavisnosti FAR-a i FRR-a o sigurnosnom praguSlika 1.10. Vrste napada na određene tačke biometrijskog sistema
Slika 2.1. Identifikacija pomoću lica osobeSlika 2.2. Primjer modela poređenja lica na osnovu teksture kože
Slika 2.3. Ilustracija 2D procesa prepoznavanja lika
| Zaključak
[Završni rad]
Slika 2.4. Ilustracija 3D procesa prepoznavanja likaSlika 2.5. Termogram lica
Slika 2.6. Termogram lica blizanacaSlika 2.7. Građa ljudskog oka
Slika 2.8. Izgled šarenice oka dvije različite osobeSlika 2.9. Segmentirana dužica okaSlika 2.10. Proces normalizacije (rezultat - potpis dužice)
Slika 2.11. Radijalni vektori prolaze kroz regiju dužice da bi se izvršila normalizacijaSlika 2.12. Kodiranje potpisa dužice
Slika 2.13. Prikaz vrijednosti Hammingove distance za svako od 100 poređenjaSlika 2.14. Prikaz vrijednosti Hammingove distance za svako od 80 poređenja različitih
dužicaSlika 2.15. Mrežnica ljudskog okaSlika 2.16. Uređaj za mjerenje geometrije šake
Slika 2.17. Položaj šake pri skeniranju geometrije s naznačenim najbitnijim tačkamaSlika 2.18. Ilustracija korištenja skenera vena
Slika 2.19. Šaka, infracrvena slika šake i izdvojena venska mrežaSlika 2.20. Proces identifikacije osoba na osnovu uha
Slika 2.21. Histogram digitalne slike uhaSlika 2.22. Izgled slike uha tokom obrade pri identifikaciji
Slika 2.23. Spektar mirisaSlika 2.24. Principi analize komponenti mirisa neke osobe
Slika 2.25. Porijeklo i sastav DNK uzorka kao biometrijskog pametraSlika 2.26. Izgled DNK profila
Slika 2.27. Spektogram
| Zaključak
[Završni rad]
Slika 2.28. Slika 2.29.
Slika 2.30. Slika 2.31. Slika 2.32.Slika 2.33.Slika 2.34. Slika 2.35. Slika 2.36. Slika 2.37. Slika 2.38.Slika 3.1.Slika 3.2.Slika 3.3.Slika 3.4.Slika 3.5.Slika 3.6.Slika 3.7.Slika 3.8.Slika 3.9.Slika 3.10.Slika 3.11.Slika 3.12.Slika 3.13.Slika 3.14.Slika 3.15.Slika 3.16.Slika 3.17.Slika 3.18.Slika 3.19.Slika 3.20.Slika 3.21.Slika 3.22.
Slika 3.23.
Slika 3.24.Slika 3.25.Slika 3.26.Slika 3.27.Slika 3.28.Slika 3.29. Slika 3.30.
Uticajni faktori pri analizi glasaDinamički opis potpisa proveden preko niza karakterističnih tačaka i odgovarajućih vrijednosti pritiskaDetekcija originalnosti potpisa pomoću dijagrama pritiska Digitalni grafički panel za snimanje potpisaBiometrijska „pametna" olovka i prateći softver za analizu potpisaIlustracija parametara kod analize dinamike tipkanjaŠablon simetrije koračanjaAnaliza kretanja uz označenu „vodeću" noguPrikaz ugla pod kojim osoba zaobilazi preprekuGrafički prikaz uporedbe biometrijskig metoda identifikacijeZavisnost FRR i FAR učestalosti u sistemuAnatomija ljudske kožeVrste minucijaGoltonova aparatura za uzimanja otisaka prstiju Ivan VučetićVučetićev sistem uzimanja otisaka i dokumentovanja Galton/Henry-ev sistem AFIS-ov desetoprsni obrazacArhitektura sistema za automatsku potvrdu identitetaPrikaz rezultata različitih metoda uzimanja otisakaStruktura optičkog skenera otiska prstaStruktura kapacitivnog skenera otiska prstaStruktura termoelektričnog skeneraStruktura E-Field skeneraStruktura mikro elektromehaničkog senzoraStruktura ultrasoničnog skenera otiskaZavršetak i račvanje grebenaMjerenje karakterističnih detaljaUklanjanje lažnih karakterističnih detaljaFiltrirana, binarizovana i slika sa stanjenim linijamaStvarni i lažni detalji otiskaIlustracija detalja kod Gray-scale analize otiskaIlustracija prepoznavalja otisaka pri različitom položaju pohranjene itestirane slikeIlustracija pristupa poređenja detalja koji su predstavljeni kao skupovi tačaka i pravacaDijagram toka razvijenog AFIS sistema Dijagram toka obrade slike u procesu poboljšavanja Ilustracija rezultata primjene normalizacije Ilustracija rezultata primjene segmentacije Sobel maske za x i yNormalizirana slika i njoj odgovarajuće orijentacijsko polje Određivanje frekvencije grebenaSlika 3.31.Slika 3.32.Slika 3.33.Slika 3.34.Slika 3.35.Slika 3.36.Slika 3.37.Slika 3.38.
Slika 3.39.
Slika 3.40.
Slika 3.41.
Slika 3.42.
| Pregled slika i tabela
2010
[Završni rad]
Slika 3.43.Slika 3.44.
Slika 3.45.Slika 3.46.Slika 3.47.Slika 3.48.Slika 3.49.Slika 4.1.Slika 4.2.
Normalizirana slika i njoj odgovarajuća frekventna estimacijaNormalizirana slika i rezultat njenog filtriranjaValni oblik funkcije Gabor filtera u 2D prostoruIlustracija rezultata postupka binarizacijeIlustracija rezultata postupka stanjivanja grebenovaIlustracija detekcije detaja analizom 8 susjednih pikselaTipovi lažnih minucija: (a) izbočina; (b) rupa; (c) trokut; (d) šiljakIlustracija razlike rezultata procesa ekstrakcije detalja za sliku koja jepostprocesirana i za onu koja nijePronalaženje singularnih tačaka metodom Poincaré-ovog indeksa Rezultati određivanja singularnih tačaka za normaliziranu sliku (lijevo -greška) i poboljšanu sliku (lijevo - ispravno)Tri uzorka otiska istog prsta pri rzaličitim stanjima : a)normalan, b) suh, c) mokarCentrirane strukture izbočina dva odgovarajuća otiska Prozor tolerancije i njegovo podešavanjeRezultat primjene algoritma poređenja na skeniranom uzorku otiska i uzorkuiz baze podatakaŠema klasifikacije otisakaRačunanje Poincare-ovog indeksa pomoću krive p u vektorskom polju GOdređivanje osa simetrije pri klasifikacijiBlok dijagram algoritma za klasifikaciju otisaka prstijuFRR i FAR za AFIS sistemRasporostranjenost elektronskih „pametnih" kartica u svijetuSadržaj i struktura biometrijske lične karte na primjeru prijedloga nove ličnekarte u SAD-uBiometrijska lična karta republike SrbijeSadržaj i struktura biometrijskog pasošaRasprostranjenost upotrebe biometrijskih pasoša u svijetuKorice BiH pasošaUnutarnja strana korica pasošaStranica sa podacimaUnutarnje stranice pasošaRFID čipRFID transponder RFID PCB RFID naljepnica Vrste transponderaKapsule s RFID čipom koje se ugrađuju u ljude Postupak provjere biometrisjkih pasoša Sigurnosni sistem graničnog prelaza
Komparacija različitih biometrika. V, S i N označavaju Visoko, Srednje i Nisko respektivnoPerformanse Daugmanovog algoritma prikazane pomoću vjerovatnoćegreške za nekoliko izabranih pragovaUporedba biometrijskih metodaBiometrijske metode sortirane prema uspješnostiRezultati testiranja tehničkih karakteristika za metode biometrijskeidentifikacije uz pomoć otiska prstiju, skeniranja lica i irisaRezultati testirana za predloške s jednom biometrijskom karakteristikomRezultati testirana za predloške s više biometrijskih karakteristikaIlustracija podjele otisaka po klasamaKlasifikacija po pet klasa na NIST-4 bazi otisakaKatalog skenera otisaka prsta proizvođača IdentificatorSpecifikacija proizvoda Sony Fingerprint Identification UnitSpecifikacija proizvoda Digital Persona U.are.U. 4500
[Završni rad]
Pregled korištenih termina i mnemonika
FAR Udio pogrešnih prihvaćanja (engl. False Acceptance Rate)FFR Udio pogrešnih odbijanja (engl. False Rejection Rate )
FTE Skup neuspjelo registriranih korisnika u biometrijskom sistemu (engl. Failed To Enroll)ST Sigurnosni prag (engl. Security Threshold)EER Jednaki udio pogrešaka (engl. Equal Error Rate)
DNK Deoksiribonukleinska kiselina (engl. deoxyribonucleic acid - DNA)eigenface Unaprijed unesene slike lica
Iris Šarenica okaCCD Digitalna kamere male rezolucije (engl. charge-coupled device)
Histogram Grafički prikaz udjela piksela po nivoima nijansiVNTR Varijabilni (polimorfni) ponavljajući sljedovi (engl. Variable number tandem repeats)STR Kratki ponavljajući sljedovi (engl. short tandem repeats)MATCI Prenosni uređaj za postupak obrade DNK (engl. Miniature Analytical Thermal Cycling
Instrument)CODIS Sistem za uporedbu DNK profila (eng. Combined DNA Index System)
ABI Poluautomatska stanica za izolaciju DNK iz tkiva (eng. Applied Biosystem)NISC engl. National Information Solutions Cooperative
AFIS Sistem automatizirane identifikacije otisaka prstiju (engl. Automated fingerprint identification system)
FTIR Optički neutralizovana totalna unutrašnja refleksija ((engl. frustrated total internalreflection)
CCD Uređaj sa foto ćelijama osjetljivim na svjetlost koji kreira bit mapu slike (engl. charge-coupled device)
FBI Federalna istražna agencija SAD-a (Engl. Federal Bureau of Investigation)SDK Sistem za razvoj softwarea (eng. Software Development Kit)
ROC Eng. Receiver operation characteristicsRFID Identifikacija putem radio frekvencije (eng. Radio frequency identification)
Međunarodna organizacija za civilno vazduhoplovstvo (eng. International CivilICAO
Aviation Organization)
EAC Nova generacija biometrijskih pasoša (eng. extended access control)DKP Diplomatsko-konzularna mreža
EAS Sistemu za elektronsko praćenje artikala (eng. Electronic Article Surveillance)PCB Elektronička štampana pločica (eng. Printed Circuit Board)
| Pregled korištenih termina i mnemonika
2010
[Završni rad]
Reference
| Reference
[Završni rad]
[i]
[2] [3]
[4]
[5] [6]
[7]
[8]
[9]
[10]
[ii]
[12]
[13]
[14]
Chandan Sharma i Mihir Mukerji, „DSP Implementation of Fingerprint-Based Biometric System", Department of Electrical and Computer Engineering (2004-05)
Subhash Morris, „Fingerprints-based biometric autentication system", Department of Electrical and Computer Engineering (2005)
Maltoni, D., Mario, D., Jain, A.K. and Prabhakar, S. Handbook of Fingerprint Recognition. Springer- Verlag, New York. (2003)
Hong, L., Wan, Y. and Jain, A. "Fingerprint Image Enhancement: Algorithm and performance evaluation" IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(8), 777-789. (1998)
Jain, A. K. "Biometric Recognition: how do I know who you are?", Proc. 12th. IEEE, Signal Processing and Communications Applications Conference, 3-5.( 2004)
Luo, X., Tian, J. and Wu, Y "A Minutia Matching Algorithm in Fingerprint Verification" International Conference on Pattern Recognition, Proceedings of the IEEE, 4, 833-836. . (2000)
Zhang, W., Wang, Q. and Tang, Y.Y. "A Wavelet-based method for fingerprint image enhancement" Proc. 1st. International Conference of Machine Learning and Cybernetics, 2, 551555. (2002)
Davide Maltoni, Dario Maio, Anil K. Jain, Salil Prabhakar „Handbook of Fingerprint Recognition", Biometric
Systems Lab (DEIS) U niversitia di Bologna, Department of Computer Science Michigan State University &
DigitalPersona Inc.
Jain, A. and Pankanti, S. "Fingerprint Classification and Matching" Handbook for Image and Video Processing, A. Bovik (ed.), Academic Press (2000)
Md. Mahbubur Rahman, Md. Rashedul Islam, Nazmul Islam Bhuiyan, Bulbul Ahmed, Md. Aminul Islam, "Person Identification Using Ear Biometrics", Computer Science and Engineering Discipline, Khulna University, Khulna-9208, Bangladesh.
Zoltan Szlavik, Tamas Sziranyi "WALK DETECTION AND BIOMETRICS FROM SYMMETRY PATTERNS", Hungarian Academy of Sciences, Analogic and Neural Computing Laboratory, Budapest, Hungary, (2005)
Anil K. Jain, "Biometric Authentication based on Keystroke Dynamics", biometrics.cse.msu.edu
| Reference
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
SANS Institute InfoSec Reading Room, „An Exploration of Voice Biometrics", Lisa Myers, (2004)
Asker M. Bazen, Gerben T.B. Verwaaijen, Sabih H. Gerez,Leo P.J. Veelenturf and Berend Jan van der Zwaag, "A Correlation-Based Fingerprint Verifcation System", University of Twente, Department of Electrical Engineering, Laboratory of Signals and Systems (2000)
Subhash Morris, „FINGERPRINTS-BASED BIOMETRIC AUTHENTICATION SYSTEM", Department of Electrical and Computer Engineering University of Auckland, Auckland, New Zealand
Norio Sato, Satoshi Shigematsu, Hiroki Morimura, Masaki Yano, Kazuhisa Kudou, Toshikazu Kamei, and Katsuyuki Machida, „Novel Surface Structure and Its Fabrication Process for MEMS Fingerprint Sensor", IEEE (2005)
Daisuke Tomizawa, Yuta Hasegawa, Tomohiko Ohtsuka, Hiroyuki Aoki, „New System Implementation on SIMD Processor for Reliable Fingerprint Singularity Detection by Singular Candidate Method", Advanced Course of Electric and Electronics Engineering, Department of Electronics Engineering, Tokyo National College of Technology, Japan (2009)
Anil Jain, Dept. of Computer Science & Engg., Michigan State University and Sharath Pankanti,Exploratory Computer Vision Grp.,IBM T. J. Watson Research Center, „Fingerprint Classification and Matching"
Ashwin Mohan, „AN EVALUATION OF TEMPLATE SPLITTING TO PREVENT SAMPLERECONSTRUCTION FROM FINGERPRINT TEMPLATES", Purdue University West Lafayette, Indiana (August, 2010)
Peter Komarinski With contributions by: Peter T. Higgins, Kathleen M. Higgins, Lisa K. Fox „AUTOMATED FINGERPRINT IDENTIFICATION SYSTEMS (AFIS)"
Goran Borić,Diplomski rad „Biometrijska metoda identifikacije putnika u funkciji sigurnosti zračnog prometa", TEHNIČKO VELEUČILIŠTE U ZAGREBU, PROMETNI ODJEL, Split, 2003.
Goran Jovanov, „Prepoznavanje otiska prsta pomoću neuronske mreže", (2008)
Markus Schatten, Magistarski rad„Zasnivanje otvorene ontologije odabranih segmenata biometrijske znanosti", sveučilište u Zagrebu,FAKULTET ORGANIZACIJE I INFORMATIKE, (2007)
Brankica Popović, Miodrag Popović, „BIOMETRIJSKI SISTEMI - UPOTREBA I ZLOUPOTREBA", Elektrotehnički fakultet, Bulevar kralja Aleksandra 73 Beograd
Želimir Radmilović, Stručni članak : „Biometrijska identifikacija", Visoka policijska škola MUP-a RH, Zagreb(2008)
Ljerka Galic, „Ivan Vučetić" , Hrvatska matica iseljenika, Zagreb, 2008.
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
Goran Borković, Miroslav Vrankić, Viktor Sučić, „USMJERENI DIGITALNI FILTRI ZA PREPOZNAVANJE OTISAKA PRSTIJU", Tehnički fakultet Sveučilišta u Rijeci, (2008)
Bača Miroslav; Schatten Markus; Kišasondi Tonimir : „Prstom otključaj vrata", Zaštita, Časopis o zaštiti i sigurnosti osoba i imovine, broj 2, godina II, Zagreb, 2006.
Prof. Dr. sc. Miroslav Bača, „Biometrija između sigurnosti i privatnosti", Sveučilište u Zagrebu, Fakultet organizacije i informatike Varaždin, Centar za biometriju, privatnost i forenziku računala
Igor Vasiljević, „BIOMETRIJA", Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zavod za elektroničke sustave i obradu informacija (2007)
Milana M. Vladić, „Izdvajanje karakterističnih detalja iz slike otiska prsta", 14.Telekomunikacioni forum TELFOR, Srbija, Beograd, novembar 21.-23., 2006.
Vijeće ministara BiH, „STRATEGIJA INTEGRISANOG UPRAVLJANJA GRANICOM U BOSNI I HERCEGOVINI", Sarajevo, juni 2008. Godine
Marci Meingast Dept. of Electrical Engineering, Jennifer King Boalt Hall School of Law, Deirdre K. Mulligan Boalt Hall School of Law, „Security and Privacy Risks of Embedded RFID in Everyday Things: the e-Passport and Beyond", University of California Berkeley, CA (2007)
Ari Juels, David Molnar, and David Wagner, „Security and Privacy Issues in E-passports", (2005)