Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia Mgr inż. Dorota Smorawa
Plan prezentacji 1. Wprowadzenie do zagadnienia 2. Opis urządzeń badawczych 3. Metody ekstrakcji i kodowania cech 4. Podsumowanie i dalsze prace 2
Wprowadzenie do zagadnienia Cecha użyta do pomiaru powinna przede wszystkim być: powszechna indywidualna niezmienna mierzalna akceptowalna niepodrabialna Cechy systemu biometrycznego: wydajny akceptowalny odporny na próby fałszowania 3
Wprowadzenie do zagadnienia Biometria naczyń krwionośnych dłoni 4
Opis urządzeń badawczych (1/2) Pierwotne stanowisko badawcze składało się z: Kamery CCTV z matrycą aktywną na bliską podczerwień (>760nm) Reflektora podczerwieni (850nm) Statywu Płytki z pomocniczymi kołkami Obecne stanowisko badawcze składa się z: Aparatu Nikon D5200 z usuniętym filtrem podczerwieni Obiektywu AF-S DX Nikkor 18-55 mm f/3.5-5.6g VR II Kit Filtru światła widzialnego Zestawu reflektorów podczerwieni o różnej mocy 5
Opis urządzeń badawczych (2/2) 6
Przykładowe obrazowanie naczyń krwionośnych dłoni 7
Przykładowe obrazowanie naczyń krwionośnych przedramienia 8
Metody ekstrakcji i kodowania cech Detekcja krawędzi Zastosowanie dwuwymiarowej funkcji gęstości Metody kodowania cech Zastosowanie pomocniczych podobrazów Zastosowanie cech szczegółowych (rozwidlenia naczyń, zaobserwowane zakończenia naczyń) 9
Detekcja krawędzi naczyń (1/6) Metoda wykorzystuje dwuwymiarowe filtry kierunkowe. 1. krok: Jądro funkcji składa się z dwuwymiarowej funkcji gęstości: f x = 1 * exp( (x2 +y 2 ) ) 2πσ 2 2σ 2 której pierwsza i druga pochodna wykorzystywana jest do wstępnej lokalizacji naczyń krwionośnych: f x, y f x = = x f x, y x δ 2 f xx = 2 f x, y = x2 δ 2 f x, y x 2 δ 4 f x, y f y = = y f x, y y δ 2 f yy = 2 f x, y = y2 δ 2 f x, y y 2 δ 4 f xy = 2 f x, y x y = xy f x, y δ4 10
Detekcja krawędzi naczyń (2/6) Zamodelowanie filtrów dla czterech kierunków: pozioma f xx L hor = 1 + f x L 2 3 2 pionowa f yy L ver = 1 + f y L 2 3 2 \ 0.5f xx L + f xy L + 0.5f yy L cur1 = 1 + 0.5 2 f x L + f y L 2 / cur2 = 0.5f xx L f xy L + 0.5f yy L 1 + 0.5 2 f x f y L 2 3 2 3 2 11
Detekcja krawędzi naczyń (3/6) Splot filtrów z obrazem wejściowym 12
Detekcja krawędzi naczyń (4/6) 2 krok: Wyznaczenie minimów lokalnych wzdłuż przekroju obrazu wejściowego, dla kierunku poziomego, pionowego oraz obu kierunków diagonalnych. 3 krok: Wyznaczenie linii żył zgodnie z poniższymi warunkami: C d1 x, y = min{max V x + 1, y, V x + 2, y + max(v x 1, y, V(x 2, y))} 4 krok: Wyznaczenie końcowego wzoru naczyń krwionośnych dla wszystkich czterech rozpatrywanych kierunków: G = max(c d1, C d2, C d3, C d4 ) 13
Detekcja krawędzi naczyń Wyznaczony wzorzec żył (5/6) 14
Detekcja krawędzi naczyń (6/6) 3 krok: zastosowanie metody dylatacji, ścinania oraz usunięcie zakłócających rozgałęzień i szumu. 15
I sposób kodowania cech Rozmiar obrazu wejściowego wynosi 256 x 256 px. Obraz ten dzielony na podobrazy o wymiarach 8 x 8 px. Kodowanie każdego z podobrazów uwzględnia tylko informacje, czy dany podobraz zawiera fragment wzoru naczyń krwionośnych dłoni. 16
II sposób kodowania cech II sposób kodowania: Rozmiar obrazu wejściowego wynosi 256 x 256 px. Obraz wejściowy dzielony jest na podobrazy, 8 x 8 pikseli. 17
III sposób: Wyznaczanie cech szczegółowych Rozwidlenia i zakończenia: Brany jest pod uwagę podobraz o rozmiarze 3 x 3 pikseli, Przeszukiwane jest najbliższe sąsiedztwo danego piksela, Wyliczana jest liczba czarnych pikseli, Jeśli liczba czarnych pikseli wynosi dokładnie 2 (wliczając w to analizowany piksel) = początek albo koniec linii, Jeśli liczba czarnych pikseli wynosi 4 i 5 (wliczając w to analizowany piksel) = rozwidlenie, Oznaczenie punktu charakterystycznego. 18
Wyznaczanie cech szczegółowych Wyznaczenie cech szczegółowych - typu rozwidlenia 19
Wyznaczanie cech szczegółowych Wyznaczenie cech szczegółowych - typu zakończenia 20
Wyznaczanie cech szczegółowych Końcowy efekt dla naczyń krwionośnych dłoni 21
Wyznaczanie cech szczegółowych Końcowy efekt dla naczyń krwionośnych przedramienia 22
Dopasowanie cech (1/3) Metoda ta zakłada, że każdy wzorzec naczyń krwionośnych opisany jest za pomocą wektora cech. Poszczególne elementy tego wektora cechy szczegółowe są opisane za pomocą współrzędnych położenia, rodzaju i kąta pod jakim są skierowane. Zagadnienie dopasowania wzorca sprowadza się więc do określenia czy dwa wektory cech opisują ten sam wzorzec, a więc czy punkty charakterystyczne znajdują się w tych samych miejscach na obu wzorcach. 23
Dopasowanie cech (2/3) Formalnie problem dopasowania wektorów cech można zdefiniować następująco: T = m 1, m 2,, m m, m i = x i, y i, θ i, i = 1 m, I = m 1, m 2,, m n, m j = x j, y j, θ j, j = 1 n T wektor cech zapisany w bazie danych, I wektor cech weryfikowanego wzorca naczyń krwionośnych, m - ilość wartości we wzorcu zapisanym w bazie danych, n ilość wartości w weryfikowanym wzorcu, 24
Dopasowanie cech (3/3) Wartość m j należąca do I uznaje się za pasującą do wartości m i należącej do T, jeżeli ich odległość jest mniejsza od ustalonego progu r 0 oraz różnica ich kierunków jest mniejsza od ustalonego kąta tolerancji θ 0 : sd m j, m i = x j x i 2 + y j y i 2 r 0, dd m j, m i = min θ j θ i, 360 o θ j θ i θ 0. 25
Wyznaczenie odpowiedniego fragmentu dłoni ROI (1/4) Etapy metody: Wyodrębnienie obszaru dłoni z obrazu za pomocą binaryzacji Wyznaczenie granicy zewnętrznej dłoni za pomocą autorskiej metody śledzącej 26
Wyznaczenie odpowiedniego fragmentu dłoni ROI (2/4) 27
Wyznaczenie odpowiedniego fragmentu dłoni ROI (3/4) Wyznaczenie punktów P 1, P 2, P 3 granicę dłoni pomiędzy palcami Przez punkt P 1 i P 2 przeprowadzana jest prosta S - punkty te wyznaczają Do dolnej krawędzi obrazu wyznaczana jest linia równoległa L, która jednocześnie przecina punkt P 1 Kąt pomiędzy tymi liniami służy S i L do obrotu dłoni względem układu współrzędnych = atan YP 2 YP 1 XP 2 XP 1 28
Wyznaczenie odpowiedniego fragmentu dłoni ROI (4/4) 29
Badania i wyniki (1/3) Badania dotyczyły automatycznej metody wyznaczania obszaru ROI, a w zasadzie punktów P 1, P 2 i P 3. Zamieszczone wyniki prezentują różnicę w lokalizacji automatycznej wszystkich poszukiwanych punktów w stosunku do punktów, oznaczanych na obrazie w sposób ręczny. Zmieszczona tabela zawiera uśrednione wartości błędów względem osi x i osi y, dla przykładowych 100 zdjęć dłoni. 30
Badania i wyniki (2/3) Numer punktu Liczba zdjęć dłoni Błąd po x [pixel] Błąd po y [pixel] P 1 100 4.20 3.76 P 2 100 3.12 2.96 P 3 100 2.45 2.03 PP 1 100 15.50 11.98 PP 2 100 10.68 9.38 PP 3 100 3.01 2.18 PP 4 100 3.92 3.27 PP 5 100 3.06 2.98 PP 6 100 7.24 9.62 31
Badania i wyniki (3/3) Analizując uzyskane wyniki można zauważyć, że główne punkty P 1, P 2 i P 3 zaprezentowana metoda wyznacza w sposób wystarczająco dokładny aby obszar ROI zawierał najistotniejsze cechy naczyń krwionośnych dłoni. Pomocnicze punkty od PP 1 do PP 6 zostały uwzględnione tylko i wyłącznie na potrzeby badawcze. Największe błędy pojawiają się w okolicach skrajnych palców (PP 1, PP 2, PP 6 ). 32
Podsumowanie Przeprowadzona w pracy analiza, potwierdzona testami, ukazuje przydatność i celowość stosowania wzoru naczyń krwionośnych dłoni do budowy systemów biometrycznych. Dalsze prace będą prowadzone pod kątem zwiększenia skuteczności metody poprzez rozszerzenie liczby cech i dokładniejszą ich analizę. 33
Dziękuję za uwagę 34