Идентификация человека по геометрии ладони Студент: Крестьянинова О.О. Научный руководитель: проф. Попов А.А. Постановка задачи Изучить все этапы создания биометрической системы; написать приложение для идентификации человека по геометрии ладони; исследовать качество распознавания биометрической системы в зависимости от используемого алгоритма классификации и метрической функции; определить оптимальный набор параметров биометрической системы. 2 Биометрические параметры Рассматриваются следующие 20 биометрических параметров: 1. – 5. длины пальцев; 6. – 10. ширина пальцев на уровне середины их длины; 11. – 14. ширина пальцев на уровне восьмой части их длины (исключая большой палец); 15. ширина ладони у основания четырех пальцев; 16. толщина пальцев на уровне середины их длины; 17. толщина пальцев на уровне восьмой части их длины; 18. – 20. расстояния между впадинами пальцев. 3 Установка для сбора данных 4 Сбор базы данных Приняло участие 100 человек. Сделано 5 снимков для каждого. 5 Предобработка изображений Для выделения ладони в двух проекциях на изображении применяется алгоритм адаптивной пороговой обработки. Полученное черно-белое изображение используется для выделения биометрических параметров. 6 Алгоритм адаптивной пороговой обработки H0: пиксель принадлежит фону. H1: пиксель принадлежит объекту. Пусть пиксель K с центром в данной области имеет координаты K(i,j). K становится пикселем H1 тогда, когда для r 0, s , где s (2D 1)( 2 D 1) 1 выполняется условие: Z r f (i, j ) T где T играет роль порогового значения, а Z r средняя локальная яркость, определяющаяся по формуле: Zr 1 f (ir m, jr n) (2 D 1)( 2 D 1) 1 m ,n1 где f (ir , jr ) – яркость в точке K r с координатами (ir , jr ) . 7 Алгоритм адаптивной пороговой обработки Выбор порогового значения T Вычисляются максимальное и приращения яркости относительно пикселя: ~ f max f max Z где f max max f min f min f min f (i a, j b) D a ,b D Если f max f min , то Если f max f min, то min ~ Z f (i a, j b) D a ,b D 2 1~ f min Z ) 3 3 1 2~ T ( f min Z ) 3 3 T ( минимальное центрального (0;1] 8 Выделение контура 1. 2. Нахождение первой точки, принадлежащей контуру; формирование контура, путем последовательного поиска следующей точки принадлежащей контуру. 9 Выделение контура Для формирования контура, изображение просматривается блоком в четыре точки. В зависимости от расположения черных и белых точек в этом блоке, принимается решение о его дальнейшем продвижении и сохранении точки в контуре. 10 Дополнительные точки 11 Используемые метрики d Абсолютная q i 1 d q r Евклидова Метрика Минковского Равномерная метрика ri i i 1 2 i i d p q r i 1 i i max q i 1... d i p ,p4 ri 12 Используемые метрики Взвешенные метрики Взвешенная абсолютная d qi ri i 1 i Взвешенная евклидова d qi ri 2 i 1 i2 Взвешенная метрика Минковского d qi ri p , p 4 Взвешенная равномерная метрика p i 1 max i 1... d 2 i q i ri i 13 Веса во взвешенных метриках Название биометрического параметра длины пальцев ширина пальцев на уровне середины их длины ширина пальцев на уровне восьмой части их длины ширина ладони у основания четырех пальцев толщина пальцев на уровне середины и восьмой части их длины расстояние между впадинами пальцев Вес 0.3 1 0.5 1 1.25 0.25 14 Исследуемые алгоритмы классификации Метод k-ближайших соседей; метод голосования; комбинация метода k-ближайших соседей и метода голосований; метод ближайшего соседа с использованием оценки параметров; алгоритм AdaBoost. 15 Анализ качества распознавания Коэффициент ложного доступа (КЛД) Коэффициент ложного отказа доступа (КЛОД) КЛД КЛОД число людей, получивших доступ ошибочно число исследуемых образцов число людей, не получивших доступ ошибочно число исследуемых образцов 16 Созданное приложение Вкладка «Идентификация» 17 Созданное приложение Вкладка «Добавление в базу данных» 18 Созданное приложение Вкладка «Исследования» 19 Созданное приложение Вкладка «Исследования» Возможность выбора набора используемых биометрических параметров при идентификации 20 Созданное приложение Вкладка «Исследования» Возможность выбора алгоритма классификации 21 Созданное приложение Вкладка «Обновление Базы данных» 22 Исследования Цель исследования: получение показателей качества распознавания биометрической системы в зависимости от: • алгоритма классификации; использованной метрики; порогового значения; набора используемых биометрических параметров. • получение биометрической системы с хорошим качеством распознавания. Критерий оптимальности: min(f(КЛД,КЛОД), где f(КЛД,КЛОД) = 10・КЛД + КЛОД 23 Метод k-ближайших соседей Метод k-ближайших соседей 0.25 0.2 0.15 0.1 КЛД КЛОД 0.05 0 Евклидова Взвешенная Евклидова Абсолютная Взвешенная абсолютная Минковского Взвешенная Равномерная Минковского Взвешенная равномерная 24 Метод голосования Метод голосования 0.25 0.2 0.15 0.1 КЛД 0.05 КЛОД 0 Евклидова Взвешенная Евклидова Абсолютная Взвешенная абсолютная Минковского Взвешенная Равномерная Взвешенная Минковского равномерная 25 Комбинация метода KNN и метода голосований Комбинированный метод 0.3 0.25 0.2 0.15 0.1 КЛД 0.05 0 КЛОД Евклидова Взвешенная Евклидова Абсолютная Взвешенная Минковского Взвешенная Равномерная Взвешенная абсолютная Минковского равномерная 26 Метод ближайшего соседа с оценкой параметров Метод ближайшего соседа с оценкой параметров 0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 КЛД КЛОД Евклидова Взвешенная Евклидова Абсолютная Взвешенная абсолютная Минковского Взвешенная Минковского Равномерная Взвешенная равномерная 27 Алгоритм AdaBoost AdaBoost 0.25 0.2 0.15 0.1 КЛД 0.05 0 КЛОД Евклидова Взвешенная Евклидова Абсолютная Взвешенная абсолютная Минковского Взвешенная Минковского Равномерная Взвешенная равномерная 28 Заключение Изучены все этапы разработки биометрической системы Выбор биометрических параметров Сборка экспериментальной установки Сбор базы данных Обработка изображений Написание приложения Проведены исследования качества распознавания биометрической системы в зависимости от используемых алгоритмов классификации и метрической функции Наилучший результат был показан методом голосований (КЛД=0.004, КЛОД=0.014) – с применением взвешенной равномерной метрики. Было получено, что наибольший вклад в качество распознавания вносят параметры связанные с абсолютными величинами ладони. 29