Biometryka, medycyna sądowa

Biometryka – co to jest? (na podstawie systemu rozpoznawania twarzy ludzkiej)

Prawda jest taka, że "...jak cię widzą, tak cię piszą...". I żadna poprawność polityczna, ani głębsze wywody filozofów tego nie zmienią. Ludzie po prostu są tak skonstruowani, że główne bodźce odbierają za pomocą wzroku. To pierwszy truizm (lub z innego punktu widzenia - prawda oczywista), który posłuży nam do rozpoczęcia dywagacji na temat systemów biometrycznych.
Drugim jest stwierdzenie, że każdy człowiek jest wyjątkowy. I nie chodzi mi tu bynajmniej o zróżnicowanie charakterów, ale o cały zestaw fizycznych cech, niepowtarzalnych i indywidualnych dla każdego osobnika z naszego gatunku.

No i mamy trzeci truizm: gro działań w kryminalistyce opiera się na szeroko rozumianej identyfikacji. Czasem myślę, że jest to jedno ze słów "kluczy" powtarzanych jak mantra przez niektórych specjalistów.
Połączmy zatem wszystkie te oczywistości i podywagujmy przez chwilę o tzw. systemach biometrycznych. A że najlepiej dywagować na przykładzie, to porozmawiajmy (dla odmiany od innych portali) nie o liniach papilarnych (o których jest tu przecież sporo), ani o osławionej źrenicy oka, ale o rozpoznawaniu naszej facjaty.

"Kto ty jesteś?"

Rozwój technologii informatycznych sprawił, iż nasza rzeczywistość coraz bardziej zdominowana jest przez elektronikę. Codzienne transakcje pomiędzy indywidualnymi osobami oraz firmami coraz częściej zawierane są poprzez media elektroniczne. Oczywistym jest konieczność zapewnienia takim transakcjom wymogów bezpieczeństwa. Tradycyjne metody identyfikacji osobistej oparte na podejściu "coś o czym wiesz" jak PIN ( Personal Identyfication Number ) lub własny identyfikator ( np. karta identyfikacyjna ) nie są satysfakcjonujące ze względu na potencjalnie łatwą możliwość uzyskania potrzebnych wiadomości przez osoby nieuprawnione (krótko mówiąc: podprowadzenia). Dlatego też coraz ważniejszą rolę zaczynają odgrywać systemy biometryczne oparte na zasadzie "tego kim jesteś". Przewagą tych rozwiązań jest duża trudność oszukania systemu ze względu na indywidualność cech podlegających sprawdzeniu (czyli naszych różnorakich "odcisków" itp.).
Ale nie ma tak zupełnie lekko: cechy podlegające analizie muszą spełniać cztery podstawowe warunki.
Muszą być:

1. uniwersalne, tzn. każdy człowiek musi posiadać określoną cechę w stopniu pozwalającym na identyfikację (piegi odpadają),

2. unikatowe, tzn. dwie osoby nie mogą posiadać identycznej charakterystyki takiej samej cechy (kolor włosów tez odpada)

3. trwałe, tzn. nie powinny zmieniać się w czasie w stopniu uniemożliwiającym identyfikację (więc nie identyfikujemy się po wadze ciała),

4. określone, tzn. powinny dać się opisać w sposób ilościowy (w sumie ilośc włosów na głowie tez możemy opisać w sposób ilościowy, ale...)

Niestety, w praktyce charakterystyki biometryczne spełniające wszystkie te cechy nie zawsze są możliwe do wykorzystania w systemie biometrycznym, dlatego też do ich oceny wykorzystuje się kilka innych własności:

1. wykonanie, tzn. poprawność identyfikacji opartej na danych cechach, szybkość identyfikacji, zapotrzebowanie sprzętowe, odporność na błędy,

2. akceptowalność, tzn. stopień w jakim ludzie są skłonni zaakceptować działanie systemu w ich codziennym życiu,

3. poziom ryzyka ,określający łatwość oszukania systemu przy wykorzystaniu dostępnych metod.

Dlatego dobry system biometryczny powinien być zdolny do pobrania cech do identyfikacji oraz przechowywania ich w bazie danych, akceptowalny przez osoby poddawane działaniu systemu oraz odporny na próby oszustwa.

Obecnie wyróżnia się mniej więcej dziewięć indywidualnych cech ludzkich możliwych do wykorzystania przy budowie biometrycznych systemów zabezpieczeń:

1. obraz twarzy,

2. obraz termiczny twarzy,

3. odcisk palca,

4. geometria dłoni,

5. układ naczyń krwionośnych dłoni,

6. tęczówka oka,

7. szablon siatkówki oka,

8. podpis,

9. zapis głosu.

Przykładowe charakterystyki biometryczne prezentuje rysunek poniżej:

Systemy biometryczne mogą pracować w dwu trybach:

1. Tryb weryfikacji.
2. Tryb identyfikacji.

Tryb weryfikacji pozwala na odpowiedź na pytanie: "czy jestem tym, za kogo się podaję ?" i działa na zasadzie porównywania "jeden wzorzec-jeden obraz identyfikowany", np. zdjęcie z paszportu. Tryb identyfikacji pozwala na uzyskanie pełnej identyfikacji osoby poddawanej rozpoznaniu poprzez wyszukanie np. w bazie danych, czyli posłużenie się wzorcem "jeden obraz identyfikowany - wiele wzorców" i odpowiada na pytanie "kim jestem?".
Powszechnie panuje opinia, iż trudniej zbudować poprawny system identyfikacji niż weryfikacji.

Dlaczego twarz?

Zaletą takiego podejścia jest możliwość przeprowadzania identyfikacji obrazu twarzy z urządzeń kontrolnych bez konieczności angażowania osoby rozpoznawanej. Duża potencjalna przyjazność takich systemów ( brak konieczności bezpośredniego kontaktu ciała ludzkiego z urządzeniem rejestrującym obraz, możliwość wykorzystania już zamontowanych systemów monitoringu ) sprawia, iż ta metoda przyciągnęła przez ostatnie lata najwięcej uwagi. Systemy rozpoznawania twarzy stały się tematem wielu opracowań naukowych, a nawet powieści sensacyjnych.
Pomimo, iż badania nad komputerową metodą rozpoznawania człowieka prowadzone są od przeszło dwudziestu lat, dopiero ostatnia dekada ubiegłego wieku charakteryzowała się dużą ilością osiągnięć i rozwiązań w tej dziedzinie. Wpływ ma na to niewątpliwie duży postęp technologiczny, zmniejszenie cen, a co za tym idzie, zwiększenie dostępności sprzętu komputerowego o wymaganych właściwościach.

              Prawidłowe rozpoznanie obrazu twarzy, jakkolwiek bardzo interesujące z naukowego punktu widzenia, bez wykorzystania praktycznego, byłoby jedynie "sztuką dla sztuki" Systemy rozpoznawania twarzy ( zwane dalej systemami identyfikacyjnymi ) dają jednak możliwość szerokiej gamy zastosowań. Oczywistym jest, iż główną domeną działalności takich systemów jest kontrolowanie i nadzorowanie. Wyróżnijmy sobie trzy typy funkcji systemu identyfikacyjnego :
- nadzór (monitoring),
- kontrola dostępu,
- automatyzacja czynności rozpoznania.
              Jako podstawę do takiej klasyfikacji przyjmijmy czas, w jakim dana osoba podlega działaniu systemu oraz stopień zaangażowania osoby identyfikowanej.
Przez nadzór rozumiane może być tutaj np. kontrolowanie, czy dana osoba przebywająca na określonym terenie nie przekracza obszaru, poza którym nie wolno jej przebywać ( np. pacjenci oddziałów psychiatrycznych ). Nadzór odbywa się w określonym przedziale czasowym, np. całodobowo.
              Kontrola polega głównie na sprawdzaniu czy dana osoba ma odpowiednie uprawnienia dostępu do budynku, danych, transakcji finansowych itp. Obraz osoby poddawanej identyfikacji porównywany jest w takim przypadku z określonymi wzorcami przechowywanymi w bazie danych                  i jej kontakt z systemem jest chwilowy (potrzebny do dokonania porównania).

Automatyzacja czynności rozpoznania polega przede wszystkim na porównywaniu obrazu twarzy z wzorcem nie umieszczonym w bazie danych ( np. zdjęciem w dokumencie tożsamości ) i znajduje zastosowanie przy kontroli ruchu granicznego, odprawie celnej itp.

Każda z powyższych kategorii charakteryzuje się pewną grupą specyficznych ograniczeń i pewnych warunków, i tak:
1. identyfikacja ze zdjęcia z karty kredytowej, prawa jazdy lub paszportu: obrazy wejściowe dobrej jakości, nie istnieje baza danych lub potencjalnie istnieje lecz jest ogromna, częstotliwość sprawdzania danej osoby raczej bardzo niska ( raz na pewien dłuższy czas ),
2. bezpieczeństwo pomieszczenia (banku, sklepu): obrazy wejściowe niskiej jakości, konieczność pracy w czasie rzeczywistym, dostępność obrazu video, częstotliwość identyfikacji wysoka,
3. nadzór tłumu: niska jakość obrazu, konieczność lokalizacji dużej ilości twarzy w jednym obrazie, dostępność obrazu video, konieczność pracy w czasie rzeczywistym,
4. identyfikacja twarzy jako dowodu sądowego ( np. poszukiwanie świadka zajścia ): wymóg wysokiego procentu pewności identyfikacji, często bardzo niska jakość obrazu, możliwa wysoka wartość powiększenia oraz dłuższy czas rozpoznania
( brak wymogu pracy w trybie rzeczywistym ).

Ostatnio bardzo często spotykanym rozwiązaniem jest łączenie w systemach biometrycznych modułów rozpoznających kilka cech ludzkich np.: obrazu twarzy, odcisku palca lub też mowy.

Przedstawiony poniżej schemat ilustruje przykładową budowę systemu bezpieczeństwa opartego tylko na rozpoznawaniu twarzy ludzkiej i lokalnej sieci obiektu chronionego:

"Nasza extra facyjata - czyli system biometryczny i jego problemy na podstawie rozpoznawania obrazu twarzy"

Twarz ludzka charakteryzuje się dużą różnorodnością obrazów pozyskiwanych dla tego samego obiektu. System identyfikacyjny musi rozpoznawać twarz z obrazu pomimo różnic pomiędzy obrazami danej twarzy uzyskanymi w różnych warunkach. Zasadniczy wpływ ma tu intensywność oświetlenia, kąt patrzenia kamery, a także mimika oraz dodatki takie jak okulary, wąsy itp. Uwzględnić należy także odległość osoby rozpoznawanej od urządzenia wejściowego..

Proces automatycznej identyfikacji twarzy podzielimy sobie na cztery podstawowe etapy:
- pozyskania obrazu z urządzenia wejściowego,
- obróbki wstępnej pozyskanego obrazu,
- rozpoznania,
- weryfikacji i kontroli poprawności.

Każda z poszczególnych faz charakteryzuje się odrębną grupą problemów, a co za tym idzie inną specyfiką rozwiązań.
Ważnym etapem jest właściwe zlokalizowanie twarzy na obrazie.
Problem ten jest ściśle powiązany z rozpoznawaniem obiektów i coraz częściej rozpatrywany jest samodzielnie jako oddzielny temat badań.
Schemat przedstawiony poniżej pozwala prześledzić w dużym uproszczeniu drogę od pozyskania obrazu z urządzenia wejściowego do podjęcia decyzji o przyjęciu lub odrzuceniu obrazu jako rozpoznanego.

Pozyskanie obrazu twarzy z urządzenia wejściowego

Przez pozyskanie obrazu twarzy z urządzenia wejściowego rozumie się lokalizację i wyodrębnienie poszczególnych twarzy ludzkich z obrazu rejestrowanego przez urządzenie wejściowe ( zwane dalej kamerą ). Wyodrębnienie polega najczęściej na otoczeniu obrazu twarzy zdefiniowaną ramką ( nie koniecznie prostokątem ) i przygotowaniu zaznaczonego obszaru do dalszego przetwarzania jako odrębnego, indywidualnego obrazu. Na obrazie wejściowym może zostać zarejestrowane wiele twarzy ludzkich oraz obiekty przypominające twarz ludzką. Należy wykluczyć także możliwość rozpoznawania twarzy ludzkiej na rysunku, kartach do gry itp. Jednocześnie system musi umieć eliminować struktury podobne do twarzy ludzkiej, nie powodując "gubienia" rzeczywistych obiektów.
Przykład poniżej ilustruje możliwości błędów w tym etapie rozpoznawania:

Etap obróbki wstępnej.

Etap obróbki wstępnej obrazu ma za zadanie wyeliminowanie wpływów otoczenia na pozyskany obraz twarzy.
Główne czynniki, jakie należy tutaj rozważyć to:
- zmiany w wyglądzie zewnętrznym ( okulary, zmiana uczesania, zarost ),
- wpływ oświetlenia ( rozkład cieni, intensywność światła, kierunek padania promieni świetlnych ),
- rotacja i przemieszczenie obrazu ( twarz pod pewnym kątem, punkt patrzenia kamery ),
- skalowanie obrazu,
- eliminacja tła i potencjalnych szumów w obrazie,
- eliminacja wpływu obrazu twarzy ( ekspresja ).

Przykładowy wpływ zmian oświetlenia na uzyskany obraz ilustruje rysunek:

Rozpoznanie.

Rozpoznanie twarzy polega na porównaniu obrazu otrzymanego z wzorcem przechowywanym w bazie danych. W zależności od metody rozpoznawania ilość przechowywanych wzorców oraz forma ich zapisu jest różna. Przy posługiwaniu się rozwiązaniami opartymi na tworzonych klasach ( klasterach ) obrazu niezwykle istotne jest właściwe wydzielenie obszarów poszczególnych klas i opracowanie metod badania różnic pomiędzy nimi.
Metody rozpoznawania dzielone są na dwa zasadnicze rodzaje:
- metody oparte o analizę małego zestawu cech twarzy,
- metody z pośrednim porównywaniem twarzy z użyciem szablonów.

Niektóre z tych metod bazują na istniejących powiązaniach w obrazach pomiędzy wszystkimi wzorcami twarzy zwanymi: inwariantami obrazu. Każdy z nich jest uporządkowanym schematem rozkładu jasności pomiędzy różnymi częściami twarzy.
Metoda sprawdza inwarianty na każdym obrazie, szukając pozytywnej odpowiedzi. Następnie obliczany jest stopień korelacji pomiędzy wzorcem twarzy i fragmentów obrazu zawierającym rozpoznawaną twarz. Jeśli przekroczy on określoną wartość funkcji progowej twarz jest wykrywana i zatwierdzana.
Podobnym rozwiązaniem jest opieranie się na widocznych na obrazie, niezmiennych podprzestrzeniach twarzy. Zazwyczaj metoda ta aproksymuje podprzestrzeń badanej twarzy z dostępnymi wzorcami, wykorzystując jeden lub więcej przykładowych obrazów twarzy.
Badania przeprowadzone przez Yael'a Adini, Yael'a Mosesa i Shimona Ullmana wykazały, iż nie każda część twarzy w różnym stopniu przenoszą informacje o indywidualnych cechach osobnika. Linia włosów oraz linia podbródka wnosiły najmniej informacji mogących posłużyć do rozpoznania danego obiektu. Wybranie dolnej części twarzy jako badanego obszaru powodowało występowanie dużej ilości błędnych klasyfikacji. Znacznie mniej błędów pojawia się, gdy za wzór maski przyjmiemy linie oczu i brwi. Najwięcej poprawnych rezultatów uzyskano posługując się maską obejmującą centralną część twarzy ( z linią ust ) bez linii włosów. Jak to widać na rysunku poniżej:

Głównym problemem jest tu jednakże wybór właściwych cech twarzy podlegających rozpoznaniu oraz odpowiedniej do nich metody porównania obrazów. Wiąże się to z koniecznością wyodrębnienia części twarzy ludzkiej niosących największą ilość informacji przydatnej dla danego typu rozpoznawania. Wyszukane cechy twarzy ludzkiej, muszą być niezawodnie wydobyte z oryginalnych obrazów twarzy i demonstrują wysokie właściwości klasyfikacyjne. W pracach analizujących ten problem ekstrakcja cech przeprowadzana jest trzema metodami:
- poprzez analizę cech pochodzących z anatomicznych pomiarów twarzy,
- poprzez zastosowanie statystycznych pomiarów właściwości orientacyjnych struktury obrazu twarzy,
- przez użycie korelujących pomiarów do porównania zniekształceń przy symulacji analitycznych obrazów twarzy.

Wśród wielu cech twarzy ludzkiej, w różnych podejściach opartych na anatomii pod uwagę brane były:
- szerokości twarzy,
- odległości między środkami oczu,
- odległości między najdalszymi punktami oczu,
- odległości między najbliższymi punktami oczu,
- odległości pomiędzy oczami i nosem ,
- odległości pomiędzy linią oczu i linią ust,
- odległości od najdalszego punktu oka do środka ust,
- szerokość nosa,
- długość nosa, itp.
Inną ważną sprawą jest zapewnienie wystarczającej ilości zdjęć dla wzorca w bazie danych. Wyniki badań sugerują, iż lepsze rezultaty osiąga się przy wykorzystaniu 25 i więcej zdjęć dla jednego wzorca.

Przykład przechowywania wzorców w bazie danych FERET

Pobieranie cech twarzy z obrazu wyjściowego

Niezależnie od rozpatrywanego algorytmu rozpoznawania konieczne jest wydzielenie z obrazu cech charakterystycznych twarzy. Cechy, jakie rozpatrywane są w późniejszej fazie identyfikacji podzielę na własne potrzeby na dwie grupy: cechy wynikające bezpośrednio z odległości anatomicznych twarzy oraz cechy statystyczne całego obrazu twarzy. Przykłady takich cech prezentuje:

Oczywistym jest, iż rysunek nie prezentuje wszystkich cech danego rodzaju, a jedynie wybrane przykłady. Należy zwrócić uwagę, że niektóre cechy mogą być pobierane w systemach " jeden obraz wejściowy - jeden obraz porównawczy", lecz do stworzenia bazy danych w oparciu o inne cechy konieczne jest posiadanie kilku obrazów wejściowych. ( W etapie tworzenia wzorca a nie bezpośrednio w momencie identyfikacji. )
Cechy statystyczne są bardzo silnie związane bezpośrednio z konkretnymi algorytmami rozpoznania i wysoce od nich zależne.

Problem lokalizacji oczu.
Trudno przecenić rolę oczu w procesie lokalizacji twarzy na obrazie wejściowym oraz później w rozpoznawaniu. Oczy są kluczową cechą obrazu twarzy. Prawidłowa ich lokalizacja pozwala na późniejsze traktowanie oczu jako niezmiennika.Umożliwia to odpowiednie skalowanie inwariantów w procesie sprawdzania zgodności ze wzorcem (czyli "wykręcanie" obrazu naszej buzi na wszystkie sposoby), oraz w wielu podejściach lokalizację cech do rozpoznania w oparciu o ich położenie względem oczu. Daje też możliwość sprawdzenia rotacji głowy według osi symetrii. W dużej liczbie algorytmów lokalizacja oczu jest pierwszym poważnym krokiem przetwarzania obrazu.

Opiera się ona przeważnie na przeszukiwaniu obrazu odpowiednią maską bądź opieraniu się na obliczeniach geometrycznych rejonu hipotetycznego obszaru oczu. Przykład stosowania masek do lokalizacji poszczególnych obszarów twarzy przedstawia rys.:

Podział metod lokalizacji twarzy:
Przez lokalizację twarzy na obrazie rozumie się najczęściej ograniczenie części obrazu odpowiednią ramką, tak aby jak najmniej materiału innego niż twarz ( tła ) znalazło się wewnątrz obszaru. Rozmiar twarzy musi rozpościerać się między pewnym określonym zakresem aby mógł być w ogóle brany pod uwagę podczas rozpoznawania. Twarz determinowana jest przez znalezienie jej pozycji i rozmiaru. Lokalizacja twarzy jest pierwszym krokiem do pełnego automatycznego rozpoznawania twarzy.

Istnieje szereg różnorodnych algorytmów pozwalających na określenie położenia twarzy ludzkiej na ekranie Ogólnie można je podzielić na:

· metody bazujące na algorytmach heurystycznych i dobieraniu szablonu,

· techniki opierające się na deformacjach szablonu charakterystycznych dla twarzy ludzkiej lub jej wewnętrznych cechach (oczy, usta, nos),

· detekcja twarzy lub konturu twarzy przy użyciu bruzd lub techniki dynamicznego konturu,

· metody bazujące na eliptycznej aproksymacji i poszukiwaniu twarzy poprzez minimalizację ostatniego obszaru i zwiększaniu rejonu elipsy,

· algorytmy bazujące na transformacji Hough'a i jej adaptacjach,

· metody bazujące na poszukiwaniu znaczących grup cech (tripletów itp.),

· poszukiwanie twarzy w przestrzeni własnej przy wykorzystaniu PCA i teorii informacji,

· uczenie sieci neuronowych,

· lokalizacja twarzy na obrazach kolorowych wykorzystująca segmentację w przestrzeni kolorów,

· detekcja twarzy przy użyciu informacji o ruchu ( przepływu optycznego ) oraz gradientu przestrzenno-czasowego,

· i inne mądrze nazwane metody, które za cel mają to samo: znaleźć na zdjęciu z kamery lub aparatu naszą śliczna twarzyczkę.

Jak widać, prawidłowy wybór cech do rozpoznawania oraz późniejsze dokładne ich zlokalizowanie jest jednym z najważniejszych elementów procesu rozpoznawania twarzy. Zarówno cechy anatomiczne jak i statystyczne twarzy są dość trudne do ekstrakcji. Prezentowane algorytmy pobierania cech anatomicznych charakteryzują się dużym stopniem złożoności. Ostatnio obserwuje się tendencję do łączenia w systemach rozpoznawania obu rodzajów cech dla podniesienia bezpieczeństwa i dokładności pracy systemu.
Od samego początku prac związanych z rozpoznawaniem obiektów dało się wyróżnić dwa główne nurty w metodach identyfikacji:

· Kierunek związany ściśle z fizjologią ludzką, opierający się na modelowaniu systemów odpowiadających systemowi nerwowemu, w postaci sieci o dużej liczbie elementów odpowiadających działaniu neuronów.

· Kierunek algorytmiczny, poszukujący matematycznych metod opisu i algorytmów komputerowej realizacji problemu.

Jak łatwo wywnioskować z podziału cech przedstawionych w poprzednim rozdziale, także algorytmy rozpoznawania można podzielić na bazujące na cechach anatomicznych twarzy oraz na statystycznych wartościach obrazu twarzy i na traktujące twarz jako zespół podstawowych członów występujących w określonych relacjach względem siebie. To podejście nazywane jest strukturalnym.
Druga grupa algorytmów zakłada, że obiekt reprezentowany jest wektorem liczb otrzymanych przez odpowiednio przeprowadzone pomiary ( np. próbkowanie, skanowanie ). Jest to podejście decyzyjno - teoretyczne.
Twarz jest obiektem zmiennym do rozpoznawania. Oprócz indywidualnych różnic pomiędzy ludźmi, zmian otoczenia dochodzą także inne, jak np. zmiany wywołane mimiką twarzy. Oznacza to, że oprócz różnic pomiędzy poszczególnymi klasami obiektów występują także duże różnice między obrazami obiektów tej samej klasy (czyli naszą twarzą sfotografowaną w różnym czasie, oświetleniu, mimice, itp).

Rozpoznawanie twarzy jest aktywnie rozwijającą się dziedziną, z aplikacjami od statycznych, z kontrolowanym tłem i warunkami zewnętrznymi, do dynamicznych rozwiązań działających w zmiennych warunkach. Przykładem może być tu tworzenie idealnego modelu twarzy:

Weryfikacja i kontrola poprawności.

System identyfikacyjny może generować trzy rodzaje podstawowych błędów:

- błąd fałszywego odrzucenia: obraz twarzy posiadający wzorzec w danej bazie danych zostaje nierozpoznany i odrzucony jako obraz nie posiadający swojej reprezentacji,

- ...

[ Pobierz całość w formacie PDF ]

Pokrewne

Biometryka

pdf - ebook - pobieranie - do ÂściÂągnięcia - download

Biometryka, medycyna sądowa

Pokrewne