Niezawodność biometrii tęczówki w kontekście starzenia się wzorców, chorób oka i zmian zachodzących po śmierci

Transkrypt

1 slide 1 of 36 Niezawodność biometrii tęczówki w kontekście starzenia się wzorców, chorób oka i zmian zachodzących po śmierci Mateusz Trokielewicz Zakład Biometrii, Naukowa i Akademicka Sieć Komputerowa Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska Biometria września 2016

2 slide 2 of 36 Wprowadzenie Biometria tęczówki a ludzka biologia Biometria tęczówki a ludzka biologia Założenie stabilności i niezmienności istotne cechy tęczówki pozostają niezwykle stabilne i nie podlegają zmianom przez okres wielu lat Safir and Flom, 1987 unikatowa dla każdego człowieka i stabilna przez wiele lat praktycznie niezmienna przez całe ludzkie życie Daugman, 1994

3 slide 3 of 36 Wprowadzenie Biometria tęczówki a ludzka biologia Czy zawsze jest to prawdą? Okoliczności związane z biologią człowieka, mogące powodować problemy: naturalne procesy starzenia - czy tęczówka jest odporna na te procesy biologiczne? stan zdrowia i procesy chorobowe obejmujące oko - jaki wpływ mają na działanie metod biometrycznych?? śmierć - czy możliwe jest rozpoznawanie tęczówki po śmierci? Jeśli te problemy rzeczywiście występują, jak im zapobiegać?

4 slide 4 of 36 Starzenie się wzorców Aspekt 1: Starzenie się wzorców tęczówki

5 slide 5 of 36 Starzenie się wzorców Sformułowanie problemu Czym jest starzenie się wzorców? Wzrost wartości błędów rozpoznania oczekiwany przy rosnącym czasie pomiędzy pozyskaniem próbek: rejestracyjnej i weryfikacyjnej/identyfikacyjnej Składowe zjawiska: biologiczne starzenie się oka i jego tkanek różnice w prezentacji próbek związane z różnym rozwarciem źrenicy, opadaniem powiek, warunkach wykonania fotografii, etc. interoperacyjność sensorów i ich starzenie się - różnice związane ze sprzętem oraz jego zużywaniem się

6 slide 6 of 36 Starzenie się wzorców Sformułowanie problemu Czym jest starzenie się wzorców? Definicja ISO/IEC reference aging - the changes in error rates with respect to a fixed reference caused by: time-related changes in the biometric characteristic, its presentation, the sensor and other components of the biometric technology

7 slide 7 of 36 Starzenie się wzorców Baza danych dotycząca starzenia Baza danych dotycząca starzenia Baza danych BioBase-Ageing-Iris (Politechnika Warszawska/NASK) obrazy 70 różnych tęczówek pobrane w odstępie do 2960 dni - ponad 8 lat

8 slide 8 of 36 Starzenie się wzorców Metodyka eksperymentów Analiza metodą regresji liniowej Metodyka Dlaczego regresja? starzenie się wzorców nie powinno być traktowane jako monotoniczny, oczekiwant spadek stopni dopasowania obrazów, ale raczej jako brak stacjonarności regresja liniowa odpowiada, czy występuje stacjonarność

9 Starzenie się wzorców Metodyka eksperymentów Analiza metodą regresji liniowej Metodyka Dlaczego regresja? starzenie się wzorców nie powinno być traktowane jako monotoniczny, oczekiwant spadek stopni dopasowania obrazów, ale raczej jako brak stacjonarności regresja liniowa odpowiada, czy występuje stacjonarność Wiele modeli regresyjnych: czas od pobrania pierwszej próbki (rejestracyjnej) wskaźniki jakości - zakłócenia w postaci powiek, rzęs i odbić, kontrast lokalny, intensywność oświetlenia, ostrość wskaźniki geometryczne - zmienność średnic tęczówki i źrenicy w obrębie pary obrazów slide 8 of 36

10 slide 9 of 36 Starzenie się wzorców Metodyka eksperymentów Analiza metodą regresji liniowej Przykładowy model

11 slide 10 of 36 Starzenie się wzorców Wyniki Starzenie się wzorców: Podsumowanie parametr czasowy jest istotny statystycznie w każdym z 29 testowanych modeli regresyjnych wpływ czasu na starzenie wzorców (0.007/rocznej zmiany w HD /8 lat) w miarę dodawania nowych zmiennych, osłabiają one model istnieje wiele wymiarów problemu starzenia wzorców, najprawdopodobniej włączając w to czynniki biologiczne

12 slide 11 of 36 Wpływ chorób oczu Aspekt II: Wpływ chorób oczu

13 slide 12 of 36 Wpływ chorób oczu Sformułowanie problemu Wpływ chorób oczu na niezawodność biometrii tęczówki 1. Problem zwłaszcza w biometrii tęczówki na masową skalę:, NEXUS/CANPASS by Canadian Border Services Agency, AADHAAR by Unique Identification Authority of India, dokumenty podróży, dowody osobiste, etc. 2. Przypadki te mogą prowadzić do fałszywych odrzuceń, a być może także do fałszywych akceptacji.

14 Wpływ chorób oczu Sformułowanie problemu Wpływ chorób: Pytania 1. Czy choroby mają wpływ na proces rejestracji? Jeśli tak, w jaki sposób różne ich typy przekładają się na wzrost FTE?

15 Wpływ chorób oczu Sformułowanie problemu Wpływ chorób: Pytania 1. Czy choroby mają wpływ na proces rejestracji? Jeśli tak, w jaki sposób różne ich typy przekładają się na wzrost FTE? 2. Czy oczy chore, ale ze zmianami niewidocznymi gołym okiem w świetle podczerwonym, dają wyniki gorsze niż oczy zdrowe?

16 Wpływ chorób oczu Sformułowanie problemu Wpływ chorób: Pytania 1. Czy choroby mają wpływ na proces rejestracji? Jeśli tak, w jaki sposób różne ich typy przekładają się na wzrost FTE? 2. Czy oczy chore, ale ze zmianami niewidocznymi gołym okiem w świetle podczerwonym, dają wyniki gorsze niż oczy zdrowe? 3. Jakie typy widocznych zmian w oczach objętych chorobą mają największy wpływ na biometrię tęczówki?

17 Wpływ chorób oczu Sformułowanie problemu Wpływ chorób: Pytania 1. Czy choroby mają wpływ na proces rejestracji? Jeśli tak, w jaki sposób różne ich typy przekładają się na wzrost FTE? 2. Czy oczy chore, ale ze zmianami niewidocznymi gołym okiem w świetle podczerwonym, dają wyniki gorsze niż oczy zdrowe? 3. Jakie typy widocznych zmian w oczach objętych chorobą mają największy wpływ na biometrię tęczówki? 4. Jakie są przyczyny pogorszenia niezawodności?

18 Wpływ chorób oczu Dane eksperymentalne Proces zbierania danych Po lewej: IrisGuard AD100 Na górze po prawej: Canon EOS 1000D Na dole po prawej: Topcon DC3 W sumie: 2996 obrazów 230 tęczó- wek slide 14 of 36

19 Wpływ chorób oczu Dane eksperymentalne Problem klasyfikacji danych Skomplikowany przypadek: zaćma podostra jaskra irydotomia zniekształcona źrenica zrosty tylne Jak analizować?

20 Wpływ chorób oczu Klasyfikacja danych Problem klasyfikacji danych Rozwiązanie: pięć zbiorów slide 16 of 36

21 Wpływ chorób oczu Wyniki Re: Pytanie 1 Czy choroby mają wpływ na proces rejestracji? Jeśli tak, w jaki sposób różne ich typy przekładają się na wzrost FTE? FTE (%) dla trzech metod rozpoznania Pozdbiór danych MIRLIN VeriEye OSIRIS Healthy Clear Geometry Tissue Obstructions Odpowiedź: TAK (największy wpływ dla zmian geometrycznych i przysłonięć tęczówki).

22 slide 18 of 36 Wpływ chorób oczu Wyniki Re: Pytanie 2 Czy oczy chore, ale ze zmianami niewidocznymi gołym okiem w świetle podczerwonym, dają wyniki gorsze niż oczy zdrowe? Test Kolmogorova-Smirnova: wyniki porównań podzbiorów Healthy i Clear pochodzą z tego samego rozkładu p-value < 0.02 dla porównań wewnątrz- i międzyklasowych Odpowiedź: TAK (w zależności od metody).

23 slide 19 of 36 Wpływ chorób oczu Wyniki Re: Pytanie 3 Jakie są przyczyny pogorszenia niezawodności? Kolmogorov-Smirnov tests: H0: wyniki porównań podzbiorów Healthy i Geometry/Tissue/Obstructions pochodzą z tego samego rozkładu p-value < 0.02 dla porównań wewnątrz- i międzyklasowych Odpowiedź: próbki klasyfikowane jako Geometry i Obstructions mają największy (nagatywny) wpływ na niezawodność

24 Wpływ chorób oczu Wyniki Re: Pytanie 4 Jakie są przyczyny pogorszenia niezawodności? Odpowiedź: błędy segmentacji (w szczególności dla podzbiorów Geometry i Obstructions)

25 Choroby oczu: Podsumowanie 1. Chore oczy zajęte są zwykle więcej niż jednym procesem chorobwym, co czyni analizę opartą na taksonomii pojedynczej choroby niemożliwą. 2. Na dokładność biometrii tęczówki silnie wpływają choroby powodujące znieszkształcenia geometryczne i przesłonięcia tęczówki. 3. Zmiany chorobwe w oku, które są niewidoczne dla eksperta w świetle podczerwonym są w stanie pogarszać jakość rozpoznania. 4. Spadek jakości przypisać można błędom segmentacji.

26 slide 22 of 36 Rozpoznawanie tęczówki po śmierci Aspekt III: Rozpoznawanie tęczówki po śmierci

27 Rozpoznawanie tęczówki po śmierci W literaturze Kilka stwierdzeń i opinii 1. Soon after death, the pupil dilates considerably, and the cornea becomes cloudy. - J. Daugman (2001) 2. the iris (...) decays only a few minutes after death - Szczepański, Misztal, Saeed (2014) 3. the notion of stealing someone s iris after death is scientifically impossible. The iris is a muscle; it completely relaxes after death and results in a fully dilated pupil with no visible iris at all. A dead person simply does not have a usable iris! - IrisGuard 4. after death, a person s iris features will vanish along with pupil s dilation - IriTech (2015)

28 Rozpoznawanie tęczówki po śmierci Sformułowanie problemu Rozpoznawanie tęczówki po śmierci Korzyść dla kryminalistyki, problem w zarządzaniu tożsamością? 1. Nowe zastosowanie: kryminalistyka potencjalnie szybka i dokładna alternatywa dla odcisku palca, kartoteki dentystycznej i DNA w przypadku ofiar wypadków, przestępstw, na polu bitwy? 2. Problem: obawy społeczne Will someone be able to steal my iris after I die, and use it to gain access to my identity? [Science Focus, 2009]

29 Rozpoznawanie tęczówki po śmierci Medically speaking Co dzieje się z oczami po śmierci? Aspekty medyczne 1. spadek przejrzystości rogówki na skutek autolizy (samodestrukcji) komórek spowodowanej niedotlenieniem, zakwaszeniem i brakiem nawilżenia 2. powolny zanik tkanki powoduje jednocześnie marszczenie powierzchni rogówki 3. źrenice są średnio zwężone (mid-dilated), reagujące na stymulację chemiczną (do kilku godzin od śmierci), ale nie świetlną 4. utrata sprężystości gałki ocznej i jej zapadanie się do wnętrza oczodołu (skutek powolnej, ale postępującej utraty ciśnienia wewnątrzgałkowego)

30 slide 26 of 36 Rozpoznawanie tęczówki po śmierci Dane eksperymentalne Rozkład czasów akwizycji próbek

31 Rozpoznawanie tęczówki po śmierci Dane eksperymentalne Ocena wizualna danych - kilka spostrzeżeń (1/3) tęczówka wygląda inaczej w świetle widzialnym i w bliskiej podczerwieni - różnice są tym mocniej widoczne, im mniej przezierna jest rogówka slide 27 of 36

32 slide 28 of 36 Rozpoznawanie tęczówki po śmierci Dane eksperymentalne Ocena wizualna danych - kilka spostrzeżeń (2/3) w niektórych przypadkach występuje zjawisko zapadania się gałki ocznej do wnętrza oczodołu, powodując znaczną zmianę wyglądu tęczówki można temu do pewnego stopnia przeciwdziałać stosując ucisk na gałkę oczną rozmiar i kształt źrenicy zmieniają się, ale są to zmiany niewielkie, często przykrywane przez inne zjawiska, a czasem nie występujące wcale

33 slide 29 of 36 Rozpoznawanie tęczówki po śmierci Dane eksperymentalne Ocena wizualna danych - kilka spostrzeżeń (3/3) wraz z upływem czasu od śmierci na rógówce pojawiają się coraz wyraźniej zaznaczone zmarszczki Segmentacja metodą OSIRIS dla próbek pozyskanych 5, 95 i 407 godzin po śmierci.

34 slide 30 of 36 Rozpoznawanie tęczówki po śmierci Eksperymenty i wyniki Metodyka eksperymentów - analiza krótkookresowa Metody rozpoznawania tęczówki: VeriEye, OSIRIS, Neurotechnology, IriCore Wykonanie wszystkich możliwych porównań wewnątrzsesyjnych w trzech scenariuszach: * (Sesja 1 vs Sesja 1) * (Sesja 2 vs Sesja 2) * (Sesja 3 vs Sesja 3) Wykonanie wszystkich możliwych porównań międzysesyjnych w dwóch scenariuszach: * (Sesja 2 vs Sesja 1) * (Sesja 3 vs Sesja 1)

35 slide 31 of 36 Rozpoznawanie tęczówki po śmierci Eksperymenty i wyniki Analiza krótkookresowa - porównania wewnątrzsesyjne

36 slide 32 of 36 Rozpoznawanie tęczówki po śmierci Eksperymenty i wyniki Analiza krótkookresowa - porównania międzysesyjne

37 slide 33 of 36 Rozpoznawanie tęczówki po śmierci Eksperymenty i wyniki Metodyka eksperymentów - analiza długookresowa metody rozpoznawania tęczówki: VeriEye, OSIRIS, Neurotechnology, IriCore wykonanie porównań wewnątrzklasowych w odniesieniu do próbek pozyskanych podczas pierwszej sesji pomiarowej

38 slide 34 of 36 Rozpoznawanie tęczówki po śmierci Eksperymenty i wyniki Wyniki - analiza długookresowa

39 slide 35 of 36 Rozpoznawanie tęczówki po śmierci Conclusions Podsumowanie rozpoznawanie tęczówki post-mortem jest możliwe błąd zrównoważony EER przy porównywaniu próbek pozyskanych do 60 godzin od śmierci (ponad 2 dni) z próbkami pozyskanymi w kilka godzin po śmierci może wynosić 13% (mało!) powyższa metoda (IriCore) umożliwia ponadto bezbłędne rozpoznanie na opisywanym zbiorze danych dla próbek pobranych w 1 sesji pomiarowej (kilka godzin po śmierci) po śmierci oko stopniowo traci zdolność do funkcjonowania jako identyfikator biometryczny, ale dynamika tych zmian jest dużo niższa, niż się dotąd przypuszczało w niemal 17 dni po śmierci nadal można spodziewać się poprawnych dopasowań (choć nielicznych)

40 slide 36 of 36 Rozpoznawanie tęczówki po śmierci Conclusions Niezawodność biometrii tęczówki w kontekście starzenia się wzorców, chorób oka i zmian zachodzących po śmierci Mateusz Trokielewicz Zakład Biometrii, Naukowa i Akademicka Sieć Komputerowa Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska Biometria września 2016