Ծիածանաթաղանթի ճանաչում
Ծիածանաթաղանթի ճանաչումը (անգլ.՝ Iris recognition) կենսաչափական[1] նույնականացման ավտոմատացված մեթոդ է, որն օգտագործում է մաթեմատիկական օրինաչափությունների ճանաչման տեխնիկա անհատի աչքերի այս կամ այն վիդեո-պատկերների վրա, որոնց բարդ օրինաչափությունները եզակի են, կայուն և տեսանելի են որոշակի հեռավորությունից։ Ողնաշարի սկանավորումն[2] այլ ոլորտի վրա հիմնված կենսաչափական տեխնոլոգիա է, որն օգտագործում է մարդու ցանցաթաղանթի արյան անոթների եզակի նախշերը և հաճախ շփոթվում է ծիածանաթաղանթի ճանաչման մեջ։ Ծիածանաթաղանթի ճանաչումը օգտագործում է տեսախցիկների տեխնոլոգիա` ինֆրակարմիր լուսավորությանը մոտ լուսավորությամբ` ծիածանաթաղանթի հարուստ և բարդ կառուցվածքների պատկերներ ձեռք բերելու համար, որոնք արտաքինից տեսանելի են։ Այս նմուշներից մաթեմատիկական և վիճակագրական ալգորիթմներով կոդավորված թվային ձևանմուշները հաստատում է անհատի կամ հավակնորդի ինքնությունը։ Հիմա այս տեսակը մարդուն ճանաչելու և հետագա վավերացման ամենաարդյունավետ միջոցներից մեկն է։
Աշխարհի մի քանի երկրներում մի քանի հարյուր միլիոն անձինք հարմարավետության համար գրանցվել են ծիածանաթաղանթի ճանաչման համակարգերում, ինչպիսիք են անձնագրերից զերծ ավտոմատացված անցման կետերը և որոշ ազգային ID[3] ծրագրեր։ Ծիածանաթաղանթի ճանաչման հիմնական առավելությունը, բացի համընկնումների արագությունից և կեղծ համընկնումների պաշտպանությունից, ծիածանաթաղանթի կայունությունն է՝ որպես աչքի ներքին և պաշտպանված, բայց արտաքին տեսանելի օրգան։
Պատմություն
խմբագրելՉնայած այն հանգամանքին, որ կենսաչափական տեխնոլոգիաները (մասնավորապես՝ անձը ճանաչելու համար ծիածանաթաղանթի օգտագործումը) միայն սկսում են ճանաչում ձեռք բերել, այս ոլորտում առաջին հայտնագործությունները կատարվել են դեռ անցյալ դարի 30-ական թվականների վերջին։
- Առաջինը այն մասին, որ աչքը և ծիածանաթաղանթը կարելի է օգտագործել մարդու ինքնությունը ճանաչելու համար, գլխի է ընկել ամերիկացի աչքի վիրաբույժ Ֆռանկ Բուրս 1936 թ․:
- Բայց նրա գաղափարը և աշխատանքը արտոնագրվել են միայն 1987 թվականին։ Բայց ոչ թե Բուրսն արեց դա, այլ ակնաբույժները, ովքեր չունեին իրենց աշխատանքները` Լեոնարդ Ֆլոմը և Առան Սաֆիրը ։
- 1989-ին Լ. Ֆլամը և Ա. Սաֆիրը որոշեցին օգնության համար դիմել Ջոն Դաուգմանին , որպեսզի նա մշակի ճանաչման տեսություն և ալգորիթմներ։ Հետագայում Ջոն Դաուգմանն համարվում է կենսաչափական վավերացման[4] այս մեթոդի նախնին։
- 1990 թ.-ին Ջոն Դաուգմանը առաջին անգամ մշակեց գործնական մեթոդ՝ ծիածանաթաղանթի կառուցվածքների կոդավորման համար։ Մեթոդը արտոնագրվել է մի փոքր ավելի ուշ՝ 1993 թվականին։
- Ծիածանաթաղանթի համար կենսաչափական վավերացման զարգացման պատմությունն այստեղ չի ավարտվում։ 2002 թվականից ի վեր Դաուգմանը թողարկում է ևս մի քանի հոդված, որոնցից յուրաքանչյուրը առավել լիովին բացահայտում և զարգացնում է այս տեխնոլոգիան։ Հրապարակված հոդվածներ․Epigenetic randomness, complexity, and singularity of human iris patterns (2001), Gabor wavelets and statistical pattern recognition (2002), The importance of being random: Statistical principles of iris recognition (2003), Probing the uniqueness and randomness of IrisCodes: Results from 200 billion iris pair comparisons (2006), New methods in iris recognition (2007), Information Theory and the IrisCode (2015).
Ծիածանաթաղանթի պատկերի ստացում
խմբագրել
Օգտագործողը պետք է ֆիքսի թվային ֆոտոխցիկի ոսպնյակը, որը անձի 30-ից 60 սմ հեռավորության վրա գտնվող ծիածանաթաղանթը ֆիլտրում է և ուղղակիորեն ձեռք է բերում իր նկարը։ Այնուհետև այն համեմատում է համակարգչային անհատական նույնականացման ֆայլի հետ (օգտագործվող համեմատման համակարգերն այսօր կարողանում են տվյալների բազա որոնել վայրկյանում մի քանի միլիոն ծիածանաթաղանթային կոդերի արագությամբ)։
Այնուամենայնիվ, ծիածանաթաղանթը զգայուն օրգան է, նրա չափը փոքր է, և այն ծածկված է թարթիչներով, կոպերով կամ կոնտակտային ոսպնյակներով։ Ծիածանաթաղանթի լավ պատկեր ունենալը բավականին դժվար է, այն պետք է լինի արագ, ճշգրիտ և առանց լույսի, որը կարող է արտացոլվել աչքի վրա։
Ծիածանաթաղանթի նկարահանումներն առավել հաճախ կատարվում են տեսախցիկով ( մոնոխրոմային CCD ֆոտոխցիկ[5] 640 × 480), որն օգտագործվում է 700 և 900 մմ երկարությամբ ալիքի լույսի աղբյուրով՝ անտեսանելի մարդկանց համար։
Այլ համակարգերում օգտագործվում է լայն տեսողությամբ տեսախցիկ, որը թույլ է տալիս գտնել դեմքի վրա աչքերի վայրը, այնուհետև նեղ տեսողությամբ մեկ այլ տեսախցիկ նկարում է աչքերը սովորական սենսորով և մակրո ոսպնյակով։ Տարբեր սահմանափակումները, հատկապես լուսավորությունը, մոտիկություն են առաջացնում սենսորի և աչքի միջև (30-ից 60 սմ), քանի որ ինչքան աչքը հեռու է, այնքան ավելի շատ խնդիրներ են առաջանում։ Պետք է հաշվի առնել նաև տեղանքի արտացոլումները, լուսավորության և ծիածանաթաղանթի վրա արտացոլված շրջակա միջավայրի պատկերները։ Օգտագործվում է ինֆրակարմիր արհեստական լուսավորություն (LED դիոդներ[6] ), միաժամանակ հնարավորինս նվազեցնելով շրջակա միջավայրի լուսավորությունը։
Թվային վերամշակման եղանակի համար օգտագործվում է Ջոն Դաուգմանի[7] մեթոդը։ Աչքի պատկերը զննելուց հետո ծրագիրը որոշում է աչքի բբի կենտրոնը և ծիածանաթաղանթի ուրվագիծը։ Այնուհետև այս երկու տվյալների հիման վրա ծրագրաշարը ստեղծում է նույն չափսի շերտեր (չափը տատանվում է կախված բիբերի երկարացումից), որպեսզի ձևավորվի «ձևանմուշ» ֆայլ՝ հիմք ընդունելով ծիածանաթաղանթի հյուսվածքի վերլուծությունը։ Ստեղծված ֆայլը իրինդիան կոդ է, որն արվել է ալգորիթմի շնորհիվ[7]։
Թերություններ
խմբագրելՇատ կոմերցիոն ծիածանաթաղանթի սկաներներին կարելի է հեշտությամբ շփոթեցնել իրական իրերի փոխարեն ծիածանաթաղանթի կամ դեմքի բարձրորակ պատկերներով։ Սկաների ճշգրտության վրա կարող է ազդել լուսավորության փոփոխությունները։ Իրիս սկաներները զգալիորեն թանկ են, քան կենսաչափականության որոշ այլ ձևեր, ինչպես նաև գաղտնաբառի և հարևանության քարտերի(proximity card[8]) անվտանգության համակարգերը։
Ծիածանաթաղանթի ճանաչումը շատ դժվար է կատարել մի քանի մետրից ավելի հեռավորության վրա, և երբ նույնականացվող անձը չի համագործակցում, գլուխը ուղղիղ պահելով և տեսախցիկին նայելով։ Այնուամենայնիվ, մի շարք գիտական հաստատություններ և կենսաչափական վաճառողներ մշակում են այնպիսի արտադրանքներ, որոնք պնդում են, որ կարող են ճանաչելմինչև 10 մ հեռավորության վրա գտնվող առարկաները («Standoff Iris» կամ «Iris at a large», ինչպես նաև Princeton Identity- ի «Iris on the Move»), անձինք, ովքեր քայլում են մինչև 1 մ/վ արագությամբ[9]։
Ինչպես նույնականացման այլ ենթակառուցվածքներ (ազգային ռեզիդենտների տվյալների բազաներ, նույնականացման քարտեր և այլն), քաղաքացիական իրավապաշտպանները հայտնել են այն մտավախությունը, որ իրերի ճանաչման տեխնոլոգիան կարող է օգնել կառավարություններին հետևել անհատներին իրենց կամքից դուրս։ Հետազոտողները խաբել են ծիածանաթաղանթի սկաներներին՝ օգտագործելով պահված ծիածանաթաղանթի թվային կոդերից ստացված պատկերներ։ Հանցագործները կարող էին շահագործել այս թերությունը ուրիշի ինքնությունը գողանալու համար։
Վիրաբուժական հիվանդների վերաբերյալ առաջին ուսումնասիրությունը ներառում էր կատարակտային ժամանակակից վիրահատություն և ցույց տվեց, որ այն կարող է փոխել ծիածանաթաղանթի հյուսվածքը այնպես, որ ծիածանաթաղանթի օրինաչափության ճանաչումն այլևս հնարավոր չէ։
Ծանոթագրություններ
խմբագրել- ↑ https://hy.wikipedia.org/wiki/%D4%BF%D5%A5%D5%B6%D5%BD%D5%A1%D5%B9%D5%A1%D6%83%D5%B8%D6%82%D5%A9%D5%B5%D5%B8%D6%82%D5%B6
- ↑ https://en.wikipedia.org/wiki/Retinal_scan
- ↑ https://en.wikipedia.org/wiki/ID
- ↑ https://ru.wikipedia.org/wiki/%D0%91%D0%B8%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B_%D0%B0%D1%83%D1%82%D0%B5%D0%BD%D1%82%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8
- ↑ https://en.wikipedia.org/wiki/Image_sensor
- ↑ https://en.wikipedia.org/wiki/Light-emitting_diode
- ↑ 7,0 7,1 https://www.scribd.com/doc/128866719/Algorithme-de-Jhon-Daugman-doc
- ↑ https://en.wikipedia.org/wiki/Proximity_card
- ↑ https://www.secureidnews.com/news-item/biometric-trends-will-emerging-modalities-and-mobile-applications-bring-mass-adoption/?tag=biometrics&tag=Law_Enforcement
Արտաքին հղումներ
խմբագրել- Adversaria Examples to Fool Iris Recognition Systems
- Iris recognation
- Iris Recognition Versatility
- Iris Recognition Under Biologically Troublesome Conditions- Effects of Aging, Diseases and Post-mortem Changes
- Biometrics research briefs preferred modalities, iris recognition and global sensor market(չաշխատող հղում)
Գրականություն
խմբագրել- How Iris Recognition Works-ohn Daugman, PhD, OBE
- Handbook of Iris Recognition
- New Methods in Iris Recognition
- Iris recognition system
- A System for Automatic Iris Capturing
- Adler, F.H., (Chapter VI, page 143), Mosby (1953)
- Doggart, J.H., , Kimpton (1949), page 27
- Daugman, J., "High confidence visual recognition of persons by a test of statistical independence", , 15 (11), pp 1148–1161 (1993)
- HRSID Iris Recognition | "rapid and reliable searches in both 1 to 1 (verification) and 1 to many (identification)"
- Jump up to:a b Martin, Zach (2011-03-23). "Biometric Trends: Will emerging modalities and mobile applications bring mass adoption?". SecureIDNews. Retrieved 2013-07-14.
- "ICAO Document 9303: Machine Readable Travel Documents, Part 9: Deployment of Biometric Identification and Electronic Storage of Data in eMRTDs, 7th edition" (PDF). 2015
- HRSID Iris Recognition | "rapid and reliable searches in both 1 to 1 (verification) and 1 to many (identification)" Արխիվացված 2019-09-20 Wayback Machine
- Saylor, Michael (2012). The Mobile Wave: How Mobile Intelligence Will Change Everything. Perseus Books/Vanguard Press. p. 98.
- Daugman, John 'Irish recognition and the Simpsons movie' University of Cambridge. Retrieved 2013-07-15.
- Կաղապար:Patent; also: Կաղապար:Patent issued 2/3/1987.
- Կաղապար:Patent
- Daugman, John (January 2004). «How iris recognition works» (PDF). IEEE Transactions on Circuits and Systems for Video Technology. 14 (1): 21–30. CiteSeerX 10.1.1.590.2630. doi:10.1109/TCSVT.2003.818350.
- Daugman, John (2003). «The importance of being random: statistical principles of iris recognition» (PDF). Pattern Recognition. 36 (2): 279–291. CiteSeerX 10.1.1.115.1707. doi:10.1016/S0031-3203(02)00030-4.
- Daugman, John (June 2005). «Results from 200 billion iris cross-comparisons». Technical Report UCAM-CL-TR-635.
- Zhaofeng He; Tieniu Tan; Zhenan Sun; Xianchao Qiu (2008 թ․ հուլիսի 15). «Towards Accurate and Fast Iris Segmentation for Iris Biometrics». IEEE Trans Pattern Anal Mach Intell. 31 (9): 1670–84. doi:10.1109/TPAMI.2008.183. PMID 19574626.
- Zhaofeng He; Tieniu Tan; Zhenan Sun; Xianchao Qiu (June 2008). «Boosting Ordinal Features for Accurate and Fast Iris Recognition». Proc. of the 26th IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'08). էջեր 1–8.
- Kaushik Roy; Prabir Bhattacharya (2008). Iris Recognition: A Machine Learning Approach. VDM Verlag Dr. Müller. ISBN 978-3-639-08259-3.
- K. Roy; P. Bhattacharya (2009). «Variational level set method and game theory applied for nonideal iris recognition». 16th IEEE International Conference on Image Processing (ICIP'09). էջեր 2721–4. ISBN 978-1-4244-5653-6.