Использование в автоматизированной системе контроля полномочий биометрической идентификации

ВЕСТНИК 2013 № 4

Одной1 из основных задач в автоматизированных системах2 контроля полномочий (АСКП) [1] является задача биометрической идентификации контролируемых лиц. Поскольку процедура биометрической идентификации носит вероятностный характер, что часто приводит к дополнительным материальным и временным затратам, представляется целесообразным ее алгоритмизировать. Наиболее эффективно данная процедура реализуется на основе проблемно ориентированного формально-логического аппарата, использующего принцип сопоставления минуций – уникальных для каждого отпечатка признаков, определяющих пункты изменения структуры папиллярных линий (окончание, раздвоение, разрыв и др.) [1; 2].

Вместе с тем, вопросам учета специфик конкретных АСКП (типа систем изготовления, оформления, контроля паспортно-визовых документов) в научных публикациях уделено недостаточно внимания. В частности, не учитываются требования к пропускной способности АСКП, мощности информационной базы АСКП, защищенности информации в АСКП и др.

Рациональную процедуру биометрической идентификации в АСКП предполагается реализовать в виде следующего алгоритма (см. рис. 1).

ВЕСТНИК 2013 № 4

Рис. 1. Алгоритм биометрической идентификации в АСКП

Шаг 1. Получение отпечатка контролируемого субъекта { H_i }, i = 0, n , n = 1…10 (блок 1).

Шаг 2. Обеспечение контрастности изображения отпечатка пальца путем увеличения резкости границ папиллярных линий { H_i }→{ I_i }, i = 0, n , n = 1…10 (блок 2).

Вычисление полей ориентации папиллярных линий отпечатка пальца путем разбиения на квадратные блоки, со стороной больше 4 пикселей и по градиентам яркости вычисления угла t ориентации линий для фрагмента отпечатка { I_i }→{ J_i }, i = 0, n , n = 1…10 (блок 3).

Улучшение качества папиллярных линий отпечатка пальца, используя низкочастотную фильтрацию и усиление резкости { J_i }→{ K_i }, i = 0, n , n = 1…10 (блок 4).

Бинаризация изображения { K_i }→{ L_i }, i = 0, n , n = 1…10 (блок 5).

Утончение линий изображения методом скелетизации { L_i }→{ M_i }, i = 0, n, n = 1…10 (блок 6).

Выделение минуций { M_i }→{ N_i }, i = 0, n , n = 1…10 (блок 7).

Удаление ложных минуций { N_i }→{ O_i }, i = 0, n, n = 1…10 (блок 8).

Шаг 3. Сравнение отпечатков { O_i }≡{ P_i }, i = 0, n , n = 1…10 (блок 9).

Если отпечатки совпали (блок 10), пропуск субъекта (блок 12).Если не совпали, выясняется причина несовпадения (блок 11). Если плохое качество, тогда снова обработка изображения (повторяется три раза). Если причина в неподлин-ности субъекта, тогда индивидуальный контроль (блок 13).

Одним из основных процессов в данном алгоритме является процесс сравнения отпечатков пальцев. Предполагаем, что на выходе мы имеем обработанное изображение отпечатка пальца с четко выделенными минуциями. В результате данных процессов мы имеем A _m точек ( m – количество минуций) на плоскости. Нумеруем каждую (за первую берем самую левую нижнюю и идем справа налево снизу вверх). Соединяем каждую точку с каждой. Получаем для точки A₁ набор расстояний (A₁₁, A₁₂, A₁₃, …. A_{1 m} ), для точки A₂ набор расстояний (A₂₁, A₂₂, A₂₃, …. A_{2 m} ) и так далее для всех точек. Получаем матрицу:

m , m аД- ., . , .

Так как A₁₁, A₂₂,….. A _mm (расстояние от точки до самой себя) равно 0, а A₁₂ = A_21,…. A _{m –1, m} = A _{m , m –1} (расстояние между точками), мы получаем симметричную матрицу с нулевыми значениями на главной диагонали.

Для сравнения отпечатков пальцев используются сравнения матриц. Две матрицы A и B на- зываются равными, если они имеют одинаковое число строк и столбцов и их соответствующие элементы равны aij = bij.

A ° B, где B – матрица отпечатка пальца, содержащего- ся в БДЗ

^B = ( b j )

m , m

i = 1, j = 1 .

В указанном выше методе мы не учли, что отпечаток может быть повернут на некий угол θ. При повороте отпечатка у нас изменяется последовательность расстояний, но не расстояния между точками. При этом новая последовательность расстояний (A’11,, A’12, A’13, …. A’1m) будет отличаться от последовательности (A11,, A12, A13, …. A1m ) только сдвигом расстояний (A11 = A’12, A12 = A’13,……..). Для поворота отпечатка необходимо найти центр отпечатка. Центр определяется как средняя точка элементов множества реальных минуций. На этом этапе имеется множество минуций A(m), m – количество минуций для идентифицируемого отпечатка пальца. Да- лее изображение идентифицируемого отпечатка поворачивается вокруг центра на угол ∆θ, где ∆θ равен 1°. Число совпавших элементов вычисляется после каждого поворота изображения.

Прикладная значимость данного метода велика, так как позволяет решить целый ряд задач.

• 1.    Объем данных . Объем хранящихся данных уменьшается в два раза. Возможно симметричную матрицу преобразовать в треугольную (верхнетреугольную или нижнетреугольную). Необходим алгоритм, который преобразует треугольную матрицу обратно в симметричную.

• 2.    Защищенность . Реконструкция отпечатка пальца по матрице расстояний невозможна.

• 3.    Скорость распознания . Нет необходимости учитывать направления минуций (используется во многих моделях сравнения), что ускоряет процесс сравнения.

Используя данную последовательность обработки полученного изображения отпечатков пальцев, а также алгоритм сравнения, на выходе мы имеем изображение, в котором четко обозначены минуции отпечатка пальца, что позволяет нам увеличить точность и скорость процесса идентификации и верификации.

Данный алгоритм позволяет за конечное число шагов получить результат сравнения, что обеспечивается функцией ограничения по циклам обработки изображения. Массовость алгоритма обеспечивается диапазоном изменения исходных

ВЕСТНИК 2013 № 4

данных, определяемым мощностью базы данных и знаний АСКП. Детерминированность обеспечивается логической последовательностью шагов соответствующих процедур и определяет действия на каждом шаге. Алгоритм позволяет учесть требования к пропускной способности АСКП, мощности информационной базы АСКП и защищенности информации в АСКП.

Данный алгоритм может показать свою эффективность в местах, где довольно большой человеко-поток (паспортный контроль, таможенный контроль и др.).

Описанный алгоритм программно реализован, проверен для разных отпечатков пальцев, получены соответствующие результаты (при одинаковых изображениях коэффициент соответствия составляет 95–100%).