1

Biometria Por Íris Usando Instrumentação Virtual Definitivo

Biometria por Íris Usando Instrumentação Virtual

G. Botura Jr.1, L.R. Marigny1, M.A. Marques1, M.A. Lemos1, E.Martins1

1 Universidade Estadual Paulista - UNESP/ Controle e Automação, Sorocaba, Brasil

Abstract—This paper presents the process of obtaining a system to perform iris biometrics by using the of Daugman´s model the concept of virtual instrumentation, where a PC is transformed into an instrument of measurement and analysis. Processing for the four steps of this method are presented: segmentation, normalization, extraction and comparison, as well as the tools and results in each. Tests conducted to identify 960 images resulted in a hit rate of 95.7%, ranking it among the most efficient system when compared to others found in the literature.

Keywords— Image processing, Iris Biometrics, Virtual In-strumentation, Hamming distance, Gabor filter.

I. INTRODUÇÃO

A busca por segurança no reconhecimento da identidade pessoal tem conduzido a pesquisa de diferentes mecanismos que proporcionem a diminuição dos erros neste processo. Dentre eles, a biometria por íris está ganhando cada vez mais espaço nesse mercado por ser uma solução simples e pouco invasiva. Uma das principais características de uma íris é não apresentar determinação genética em sua topogra-fia, sendo rigorosamente diferente de olho para olho, mes-mo em olhos de gêmeos idênticos, o que a torna especial-mente confiável em identificações de indivíduos. Assim, a íris acaba por servir como um código pessoal e intransferí-vel proporcionando maior segurança nas mais diferentes situações. Outros métodos biométricos apresentam menor eficiência ou eficácia quando comparados à biometria por íris, inclusive o método que utiliza a retina, por esta ser mais suscetível a mudanças por doenças ou idade [1].

O estudo da íris como método de identificação pessoal começou em 1936, quando o oftalmologista Frank Bursch sugeriu que a íris humana possui características que poderi-am ser utilizadas como meio de reconhecimento. Porém, somente em 1987 dois oftalmologistas, Aran Safir e Leo-nard Flon, patentearam a forma de se identificar um indiví-duo através das características de sua íris. Em 1993, John Daugman, da Universidade de Cambridge, utilizou um método baseado na transformada de wavelet e filtro de Gabor [2] para realizar a identificação. Este método se mos-trou muito eficiente tornando-se largamente empregado na área. Em [3] um protótipo baseado em pirâmide laplaciana é apresentado; Boles & Boachash, [4], propuseram um siste-

ma de identificação baseado em transformada wavelet a partir da segmentação da íris em vários círculos concêntri-cos; em [5] é descrito um trabalho que tem como diferencial a implementação do filtro de Gabor multicanal com uso da transformada wavelet. Masek [6] desenvolveu um sistema biométrico, a partir da segmentação da íris através das trans-formadas circular e linear de Hough. A segmentação foi baseada uma versão do modelo Rubber Sheet de Daugman e a codificação fez uso do filtro de Gabor 1D. Sheeba e Velu-chamy [7] utilizaram a detecção por Canny Edge para a segmentação da região de interesse, filtros de Gabor para a normalização e uma codificação feita a partir do Padrão Binário Local.

Apesar dos vários métodos citados na literatura para a execução da biometria por íris, poucos sistemas são encon-trados que integrem ao processamento e a aquisição da imagem da íris. A proposta deste trabalho é apresentar um sistema de biometria por íris voltado para o processamento de imagem a partir de um computador pessoal, utilizando o conceito conhecido como instrumentação virtual, o que permitirá que o processo de aquisição imagem da íris seja facilmente implementado quando dispositivos fotográficos sejam a ele conectados.

II. DESENVOVIMENTO

A metodologia utilizada para a realização da biometria por íris baseou-se no método proposto por John Daugman [8], que divide o processamento para a identificação da íris em quatro etapas: segmentação, normalização, extração de características e comparação, como mostra a figura 1.

Fig. 1 Procedimentos do método de John Daugman

VI Congreso Latinoamericano de Ingeniería Biomédica

VI Cogresso Latino-americano de Engenharia Biomédica

VI Latin American Conference in Biomedical Engineering

CLAIB 2014

621

2

Biometria Por Íris Usando Instrumentação Virtual Definitivo

Para a implementação de cada uma das etapas foi utiliza-do o software LABVIEW, um ambiente integrado para desenvolvimento de instrumentação virtual. Instrumentos virtuais representam uma revolução nos sistemas de instru-mentação tradicionais focados em hardware para sistemas centrados em software que exploram o poder computacio-nal, a visualização gráfica e as funcionalidades de conecti-vidade dos computadores, permitindo transformar um com-putador em um instrumento. Este ambiente de programação possui uma ampla biblioteca de módulos voltados para operações matemáticas e processamento de imagens, além de bibliotecas que permitem o acesso a dispositivos exter-nos através de interfaces do computador, como USB, por exemplo ou placas de aquisição de dados. As próximas seções detalham cada uma das etapas do desenvolvimento usando instrumentação virtual.

A. Segmentação

A segmentação da íris consiste em analisar a imagem capturada e diferenciar a íris do restante da imagem, delimi-tando-a por duas circunferências. Esta é uma etapa impor-tante, pois a ocorrência de falhas na segmentação da íris afetará diretamente as etapas subsequentes resultando em erros. Muitas vezes esta segmentação inclui obstruções das pestanas, pálpebras ou óculos, considerados como ruído.

Neste trabalho a segmentação foi realizada em duas eta-pas: detecção da pupila e detecção da íris. As imagens utili-zadas no processamento foram retiradas do banco de ima-gens de olhos conhecido como CASIA [9]. Este banco de imagens é disponibilizado mundialmente para trabalhos de biometria por íris permitindo que o procedimento de captura de íris seja substituído pela leitura de uma imagem escolhi-da a partir de um banco de dados.

O processo inicia com o pré-processamento, convertendo a imagem em tons de cinza. Em seguida acentua-se sua borda através de um filtro passa-altas da função “IMAQ Convolution”, com a matriz do filtro especificada na entrada Kernel, de modo a facilitar a detecção das circunferências. O limiar superior e o inferior da imagem são definidos atra-vés da função IMAQ “threshold”. A detecção de circunfe-rência inicia-se no centro da imagem e segue em direção às bordas, ocorrendo uma varredura em busca de círculos com raio entre três e cento e cinquenta pixels, ocorrendo, então, a marcação da circunferência em branco através da função IMAQ Morphology e da IMAQ Multiply. Dessa forma, na finalização desse processo será obtida a imagem do olho com a pupila detectada. A Figura 2 mostra a saída do pro-cesso de detecção da pupila. A detecção da íris utiliza as características clássicas de identificação de circunferências a partir do tratamento do contraste da imagem para, em seguida, localizar a pupila para efetuar a detecção de circun-

ferências a partir dela. A partir dos valores da borda da pupila, encontrados na etapa de detecção da pupila, utiliza-se a função IMAQ Find Circular Edge para encontrar o próximo círculo, o qual é considerado sendo a íris. A Figura 3 ilustra a saída do processo de detecção da íris.

Fig. 2 Resultado do processo de detecção pupila

Fig. 3 Resultado do processo de detecção da Íris

B. Normalização

A normalização consiste em converter para um sistema de coordenadas polares a imagem compreendida entre a fronteira interna e externa da íris após a segmentação. Este processo evita que as diferenças nos tamanhos da pupila e as distâncias de captura da imagem interfiram no processo, obtendo-se uma imagem invariante em relação ao tamanho da imagem capturada. A técnica utilizada transforma a ima-gem circular da íris em uma imagem retangular através da mudança de suas coordenadas. Ao se normalizar a imagem consegue-se que seus parâmetros permaneçam fixos, simpli-ficando os passos subsequentes do processamento sem per-der dados relevantes, evitando distorções. A implementação é feita utilizando-se a ferramenta IMAQ Unwrap, a partir da escolha de parâmetros como: coordenadas do centro da íris, raio interior e exterior, ângulo de início e os ângulos iniciais e finais. Afigura 4 apresenta o resultado do processo com a imagem da íris normalizada e realçada. Observa-se a ima-

VI Congreso Latinoamericano de Ingeniería Biomédica

VI Cogresso Latino-americano de Engenharia Biomédica

VI Latin American Conference in Biomedical Engineering

CLAIB 2014

622

3

Biometria Por Íris Usando Instrumentação Virtual Definitivo

gem inicial do olho no canto superior esquerdo e do lado direito a imagem processada, com a parte superior da tela apresentando a íris normalizada e a parte inferior a íris nor-malizada com o contraste acentuado.

Fig. 4 Resultado do processo da normatização da íris

C. Extração das Características

A extração das características é o processo que relaciona as texturas abundantes e complexas da íris para criar uma assinatura biométrica, conhecida como ÍrisCode. A textura da íris é composta por diferentes nuances de pigmentação. Elas são formadas pelas diferentes concentrações de Feome-lanina e Eumelanina no Estroma. Porém a similaridade entre duas íris é baseada na formação de vales, sulcos e fibras de colágeno que estão localizadas em sua estrutura. A extração dessas informações é realizada através da trans-formada de Wavelets, a qual utiliza o filtro de Gabor 2D, dividida entre uma escala no eixo dos reais e outra no eixo dos números complexos. A criação do ÍrisCode é obtido pela demodulação da saída do filtro.

D. Reconhecimento

O processo de reconhecimento utiliza a similaridade existente entre duas imagens de íris para determinar, com base em um limiar estabelecido empiricamente, quando duas representações correspondem a uma mesma íris ou a íris distinta. Essa medida de similaridade de íris é conhecida como distância de Hamming. Quando ocorre um casamento perfeito entre duas íris, o valor computado é zero. A distân-cia de Hamming é obtida pela comparação bit a bit das IrisCodes e o cálculo da razão entre a quantidade de bits que não se correlacionam e a quantidade total de compara-ções entre bits.

E. Testes

Para a realização dos testes no sistema foi implementada uma interface (Figura 5), que permite a seleção de duas

imagens para análise. Nela, o sistema apresenta o IrisCode de ambas as imagens e o resultado da comparação entre elas. Assim que as imagens são selecionadas, o programa realiza todo o processo para a geração dos IrisCode e o cálculo da distância de Hamming para comparar as assinatu-ras biométricas, apresentando o resultado na tela. No caso das imagens serem idênticas, uma tarja verde na interface mostra a identificação positiva, caso contrário, uma tarja vermelha indica íris diferentes. As imagens para os testes foram obtidas da base de dados CASIA, que contém 756 imagens de íris de 108 olhos. Nessa base de dados cada olho é fotografado sete vezes em duas sessões distintas, sendo três imagens coletadas na primeira e quatro na segunda sessão. Todas as imagens estão armazenadas em BMP com resolução de 320x280 pixels.

Fig. 5 Interface para Testes

A direita da tela estão mostradas as duas imagens dos

olhos carregadas a partir do banco de dados. Ao lado es-querdo de cada imagem encontra-se os respectivos IrisCo-de. Verifica-se que esta assinatura biométrica corresponde a uma imagem gerada a partir das características da íris de cada olho. Abaixo da assinatura biométrica é apresentado o limiar utilizado para realizar a comparação e o valor da distância de Hamming. O resultado da comparação é apre-sentado na parte inferior da interface, com a cor verde para íris idênticas ou vermelho para íris diferentes.

III. RESULTADOS

O desempenho do sistema foi obtido pela análise dos va-lores FRR (False Rejection Rate) e o FAR (False Acceptan-ce Rate ) dos testes realizados. Para a análise do FRR fo-ram realizadas seis comparações para cada uma das 60 íris, comparando-se cada uma de suas fotos com as outras seis fotos da mesma íris. Para a análise do FAR foram realiza-das dez comparações para cada uma das 60 íris. No total,

VI Congreso Latinoamericano de Ingeniería Biomédica

VI Cogresso Latino-americano de Engenharia Biomédica

VI Latin American Conference in Biomedical Engineering

CLAIB 2014

623

4

Biometria Por Íris Usando Instrumentação Virtual Definitivo

foram 600 comparações para este teste, de forma que uma íris foi comparada com 10 íris diferentes.

A figura 6 apresenta os valores obtidos nos testes para a variação da falsa taxa de rejeição (FRR) e da falsa taxa de aceitação (FAR) em relação a distância de Hamming.

Fig. 6 Variação da de taxa falsa rejeição (FRR) e da de taxa falsa acei-

tação (FAR) em relação a distância de Hamming. Utilizando-se o clássico valor de 0,45 para a distância de

Hamming verificou-se que o sistema atingiu uma taxa de acerto de 95,7%, resultando 919 comparações corretas em 960 realizadas. Ocorreram 17 erros na análise do FRR e 24 erros na análise do FAR. Em uma comparação entre eles, um FAR alto é muito mais perigoso do que um FRR alto, uma vez que um sistema identifica positivamente o indiví-duo, permitindo o seu acesso. Os valores medidos se mos-traram baixos para ambos os parâmetros, com um menor valor para o caso mais crítico, 4% para FAR e 4,7% para FRR.

A tabela 1 apresenta a comparação entre a taxas de acerto obtido pelo sistema desenvolvido em relação a outros cita-dos na literatura [10].

Tabela 1 Taxa de Confiabilidade

Método Confiabilidade (%)

Boles 92,6

Zhu 93,8

Sistema Desenvolvido 95,7

Li Ma 99,4

Daugman 100%

IV. CONCLUSÃO

Este trabalho apresentou um sistema biométrico por iden-tificação de íris com uma taxa de acerto de 95,7%, valores superiores a outros encontrados na literatura, a partir de imagens obtidas junto do banco de imagens V1.0 da CASIA. Os testes foram realizados dentro dos padrões utili-zados para este tipo de sistema e não empregaram imagens em que o olho estivesse usando óculos ou lentes, pois as

imagens com essas características possuem diferentes orto-gonalidades e luminâncias, o que poderia modificar o resul-tado. A presença de cílios, pálpebras e outras partes do olho, que são considerados ruídos, se reflete nos diferentes valo-res obtidos para a falsa taxa de rejeição-FAR e falsa taxa de aceitação-FRR para imagens de diferentes tomadas de um mesmo olho, tendo sido, considerados na análise deste tra-balho.

O programa utilizado para realizar o processamento de imagem e geração das telas de interface mostrou ser uma poderosa e eficaz ferramenta para implementação do siste-ma de reconhecimento, possuindo uma ampla biblioteca de ferramentas voltadas para o processamento de imagens e importantes funções matemáticas para a implementação dos processos exigidos. A sua fácil interação com dispositivos de aquisição de imagens propiciará elaboração de um siste-ma completo de modo simples e eficiente.

CONFLITO DE INTERESSE

O autor declara que não existe conflito de interesse.

REFERENCES

1. Fórum Biometria. Disponível em: http://www.forumbiometria.com/fundamentos-de-biometria/118-historia-da-biometria.html. Acesso em: 11/06/2014

2. Narote, S.P; Narote, A.S., Waghmare, L.M.; Kokare, M.B.; Gaikwad, A.N., An Iris Recognition on Dual Tree Complex Wavelet Transform, Tencoon 2007 – IEEE Region 10 Confer-ence, p. 1-4, oct.2007.

3. Wilds, R; Asmuth, J; Green, G; Hsu, S; Kolezynsky, R; Matey, J; Mcbride, S. A System for Automated Iris Recognition Meth-od. Proceeding IEEE Workshp on Aplications of Computer Vi-sion. P 121-128, Dec. 1994

4. Boles, W.W.; Boashash, B. A Humam IdentificationTechnique Using Images of the Iris and Wavelet Transform. IEEE Tran-saction on Signal Processing. V 46, n. 4, p. 1185-1198, Apr. 1998.

5. Zhu Y.; Tan, T.; Wang, Y. Biometric Personal Identification Based on Iris Patterns, 15th IEEE International Conference on Pattern Recognition, p. 810-804, Sep. 2000

6. MASEK, L. , “Recognition of Human Iris Patterns”, School of Computer Science and Software Engineering, The University of Western Australia, 2003

7. Sheeba, J.S.S.; Veluchamy, S., Security System Based on Iris Recognition, Anna University Chennai Regional Center Madu-rai, India, 2013

8. Daugman, J.: Recognizing persons by their iris patterns, 1999. Disponível em: <http://www.cl.cam.ac.uk/users/jgd1000/> Acesso em: 11/06/2014

9. CASSIA Iris Database at http://www.cbsr.ia.ac.cn/english/database.asp.

10. Ma L., Y.Wang, T. Tan, Iris recognition using circular symmet-ric filters. National Laboratory of Patern Recognition, Institute of Automation, Chinese.

VI Congreso Latinoamericano de Ingeniería Biomédica

VI Cogresso Latino-americano de Engenharia Biomédica

VI Latin American Conference in Biomedical Engineering

CLAIB 2014

624