Respetando Derechos de Autor Algoritmo Dactilar

8/4/2019 Respetando Derechos de Autor Algoritmo Dactilar

1/67

Juan Lpez Garca

Departament dEnginyeria Electrnica

1

Algoritmo para la identificacin de personas basado en huellas dactilares

ndice

1. INTRODUCCIN. ............................................................................................................................. 21.1. SISTEMAS DE IDENTIFICACIN PERSONAL Y BIOMETRA. .............................................................. 41.2. HUELLA DACTILAR. ....................................................................................................................... 81.3. OBJETIVOS. .................................................................................................................................. 10

2. BIOMETRA DE HUELLA DACTILAR. ..................................................................................... 102.1. SENSORES DE HUELLA. ................................................................................................................. 132.2. ALGORITMOS DE CLASIFICACIN DE HUELLA DACTILAR. ........................................................... 182.3. ALGORITMO DE PROCESADO: FASES DE EXTRACCIN Y MATCHING. ........................................... 292.4. ENTORNO DE PROGRAMACIN. .................................................................................................... 31

3. EXTRACCIN DE CARACTERSTICAS. .................................................................................. 323.1. ETAPAS A IMPLEMENTAR. ............................................................................................................ 323.2. NORMALIZACIN. ........................................................................................................................ 343.3. SEGMENTACIN. .......................................................................................................................... 363.4. DEFINICIN DEL PERFIL DE LAS CRESTAS,(ORIENTACIN, FILTRADO Y BINARIZACIN). ........... 383.5. ADELGAZAMIENTO. ..................................................................................................................... 433.6. EXTRACCIN DE MINUCIAS. ......................................................................................................... 463.7. ELIMINACIN DE MINUCIAS FALSAS. ........................................................................................... 503.8. ALGORITMO DEMATCHING BASADO EN ESTRUCTURA LOCAL Y GLOBAL. ............................... 52

3.8.1. Anlisis local. ....................................................................................................................... 533.8.2. Anlisis global. ..................................................................................................................... 56

3.9. REPRESENTACIN GRFICA DEL PROCESO. ................................................................................. 574. RESULTADOS EXPERIMENTALES. .......................................................................................... 58

4.1. INTRODUCCIN. ........................................................................................................................... 584.2. BASE DE DATOS. ........................................................................................................................... 584.3. DEFINICIN DE FRR,FAR Y EER. ............................................................................................... 584.4. RESULTADOS Y PRESTACIONES DEL ALGORITMO. ....................................................................... 59

5. CONCLUSIONES Y FUTURAS LNEAS DE TRABAJO........................................................... 636. BIBLIOGRAFA Y WEBS DE INTERS. .................................................................................... 64


2/67

Juan Lpez Garca


2


1. Introduccin.

El trmino biometra clsicamente se aplica de forma general a la ciencia que se

dedica al estudio estadstico de las caractersticas cuantitativas de los seres vivos: peso,

longitud, etc. Sin embargo en pocas ms recientes este trmino se utiliza tambin para

referirse a los mtodos automticos que analizan determinadas caractersticas humanas

con el fin de identificar y autentificar a personas.

Desde este punto de vista, la biometra entrara a formar parte del mundo de la

criptografa y la seguridad informtica, y estara en uno de los tres niveles o puntos

crticos en los que se suelen diferenciar tradicionalmente los buenos sistemas de

seguridad:

1. Algo que el usuario sabe.por ejemplo una clave secreta.2. Algo que el usuario tienepor ejemplo una tarjeta personal.3. Algo que el usuario espor ejemplo un dato personal biomtrico.

En funcin de las caractersticas usadas para la identificacin se pueden

establecer dos grandes tipos, dependiendo de si se fijan en los aspectos fsicos o se fijan

en aspectos vinculados con la conducta. Actualmente se habla de biometra esttica

para referirse al estudio del conjunto de caractersticas fsicas y de biometra dinmica

para referirse al conjunto de caractersticas conductuales.

Dentro de la biometra esttica nos encontramos entre otras con las siguientes

caractersticas:

Huella dactilar.


3/67

Juan Lpez Garca


3


Caractersticas del ojo: retina e iris.

Rayas de la mano.

Geometra de la mano.

Poros de la piel.

Caractersticas estticas de la cara.

Composicin qumica del olor corporal.

Emisiones trmicas.

Venas de muecas y manos.

Dentro de la biometra dinmica nos encontramos con las siguientes

caractersticas:

Escritura manuscrita.

Voz.

Gesto y movimiento corporal.

En la figura 1, se muestran un ejemplo de una huella dactilar, en la figura 2 un

ejemplo de iris y en lafigura 3 uno de voz.

Figura 1.Imagen de una huella dactilar . Figura 2. Imagen de Iris.


4/67

Juan Lpez Garca


4


Figura 3.Imagen de unfragmento de voz.

El mtodo de identificacin mediante huella dactilar es uno de los mtodos ms

fiables que actualmente se conocen y en pocos aos posiblemente se incorporar en

nuestra vida diaria. En estos ltimos aos la biometra dactilar se ha acercado al pblico

en general y casi no nos resulta extrao ver en algunas instalaciones la utilizacin de

detectores de huella dactilar para el acceso de personas, incluso en los ordenadores

porttiles incluyen detectores de huella dactilar para que un usuario previamente

registrado pueda iniciar una sesin.

1.1. Sistemas de identificacin personal y biometra.

Un sistema tradicional de identificacin personal efecta la autenticacin de una

determinada entidad relacionada con la persona, a travs de: algo que la persona tiene

(una llave, una tarjeta) y algo que la persona sabe (una palabra clave, un ping...). Es la

forma de proceder de los llamados sistemas de autentificacin por posesin y por

conocimiento, respectivamente. Un sistema biomtrico es un sistema de reconocimiento

en el que la identidad de un individuo es determinada a partir de alguna de sus

caractersticas fisiolgicas o de comportamiento, se aade as un nuevo paradigma a la

identificacin personal, ya que la autentificacin se realiza por medio de algo que la

persona es (un rasgo fisiolgico personal, como la huella dactilar, el iris), o bien algo


5/67

Juan Lpez Garca


5


que la persona genera (un patrn de comportamiento, como la voz o la escritura).

Los mtodos tradicionales de autentificacin presentan el inconveniente de que

no pueden discriminar de manera fiable entre los individuos legtimos y los individuos

impostores; ya que la identidad que la persona tiene puede ser sustrada, prdida,

robada, etc., y la identidad que la persona sabe puede ser olvidada o confundida. En

cambio, los mtodos basados en la autentificacin de la identidad por medio de los

rasgos biomtricos de un individuo proporcionan una mayor fiabilidad en la

identificacin personal, ya que no se pierden, no se olvidan, ni tampoco se pueden

compartir. En combinacin con los mtodos de autentificacin por posesin y/o

conocimiento permiten configurar sistemas de identificacin personal muy fiables.

Las primeras aplicaciones de las tcnicas biomtricas tuvieron lugar dentro del

mbito legal, particularmente en el campo forense. Sin embargo, en las ltimas dos

dcadas, la expansin tecnolgica en nuestra sociedad, ha creado la necesidad de

disear sistemas automticos de alta seguridad capaces de identificar a los diferentes

individuos a partir de sus rasgos biomtricos. Cada uno de estos rasgos presenta sus

ventajas e inconvenientes dependiendo del escenario en el que se desarrollan las

aplicaciones y del grado de fiabilidad requerida.

Un sistema de reconocimiento biomtrico puede dividirse en tres mdulos

bsicos: un mdulo de inscripcin, una base de datos y un mdulo de reconocimiento.

El conjunto de estos mdulos realiza las funciones necesarias para reconocer a un

individuo que accede al sistema.

Modulo de inscripcin. Este mdulo est formado por un sistema de adquisicin

encargado de proporcionar la seal biomtrica que caracteriza al individuo. En el caso

de un sistema de huella dactilar, por ejemplo, un sensor de huella ser el encargado de

proporcionar los datos digitales que constituyen la imagen de la huella.


6/67

Juan Lpez Garca


6


Tras la adquisicin de la seal biomtrica se procede a la extraccin de las

caractersticas del rasgo biomtrico del individuo. Dichas caractersticas expresan de

una forma unvoca y compacta la identidad del individuo y constituyen su llamado

patrn biomtrico. As en el caso de un sistema de huella dactilar, la etapa de

extraccin de caractersticas proporciona un patrn biomtrico formado por las

coordenadas espaciales de los puntos caractersticos de la imagen. Dichos puntos

reciben el nombre de minucias. El vector de caractersticas as formado presenta

menor dimensin que la seal previamente adquirida. De esta forma se realiza la

codificacin ptima de la seal en la que toda informacin irrelevante, que no

contribuye al reconocimiento, es eliminada.

Base de datos. El patrn biomtrico extrado por el mdulo de inscripcin es

almacenado en la base de datos del sistema de reconocimiento. La base de datos

contendr, por tanto, todos los patrones biomtricos de los individuos que sean usuarios

legtimos del sistema. Tambin, dependiendo de la aplicacin, podra almacenarse dicho

patrn sobre otros soportes como, por ejemplo, una tarjeta magntica o una tarjeta

inteligente (tcnicas match-on-card y match-on-token). En estos casos, los individuos se

almacenan exclusivamente sobre el soporte tarjeta, no existiendo una base de datos

centralizada.

Modulo de reconocimiento. Este mdulo se encarga de establecer la identidad

del individuo que accede al sistema. Para ello, tras la adquisicin del rasgo biomtrico

del individuo se extraen las caractersticas y se obtiene el patrn biomtrico que,

posteriormente, es comparado con los patrones almacenados en la base de datos. Los

resultados de dichas comparaciones son cuantificados y valorados, permitiendo as la

toma de decisiones respecto a la identidad del individuo en funcin del grado de

similitud obtenido.


7/67

Juan Lpez Garca


7


La eleccin del rasgo o rasgos biomtricos que debe manejar un sistema

automtico de reconocimiento se efecta teniendo en cuenta el cumplimiento en mayor

o menor grado de las siguientes propiedades:

Universalidad: el rasgo biomtrico existe para todos los individuos. Unicidad: el rasgo identifica unvocamente a cada individuo. Permanencia: el rasgo se mantiene invariable con el tiempo a corto plazo. Inmutabilidad: el rasgo se mantiene invariable con el tiempo a largo plazo

o durante toda la vida.

Mensurabilidad: el rasgo es apto para ser caracterizado cuantitativamente. Rendimiento: el rasgo permite el reconocimiento del individuo con

rapidez, robustez y precisin.

Aceptabilidad: el rasgo presenta la calidad de ser aceptado por la mayorade poblacin.

Invulnerabilidad: el rasgo permite la robustez del sistema frente a losmtodos de acceso fraudulentos.

Cuadro1. Cuadro comparativo de las propiedades de diferentes tcnicas biomtricas.

Universalidad Unicidad Permanencia Mensurabilidad Rendimiento Aceptabilidad Invulneralidad

ADN ALTO ALTO ALTO BAJO ALTO BAJO BAJO

CARA ALTO BAJO MEDIO ALTO BAJO ALTO BAJO

TERMOGARMA FACUAL ALTO ALTO BAJO ALTO MEDIO ALTO BAJO

HUELLA DACTILAR MEDIO ALTO ALTO MEDIO ALTO MEDIO MEDIO

MODO DE ANDAR MEDIO BAJO BAJO ALTO BAJO ALTO MEDIO

GEOMETRIA DE LA MANO MEDIO MEDIO MEDIO ALTO MEDIO MEDIO MEDIO

VENAS DE LA MANO MEDIO MEDIO MEDIO MEDIO MEDIO MEDIO BAJO

IRIS ALTO ALTO ALTO MEDIO ALTO BAJO BAJO

PULSACION DEL TECLADO BAJO BAJO BAJO MEDIO BAJO MEDIO MEDIO

RETINA ALTO ALTO MEDIO BAJO ALTO BAJO BAJO

FIRMA BAJO BAJO BAJO ALTO BAJO ALTO ALTO

VOZ MEDIO BAJO BAJO MEDIO BAJO ALTO ALTO


8/67

Juan Lpez Garca


8


El mayor riesgo que se da en un sistema biomtrico es la suplantacin de la

identidad del individuo mediante la imitacin (la voz, la firma) o la reproduccin

(generacin fraudulenta de la imagen dactilar o el iris) del rasgo a reconocer.

El profesor Maltoni et al en su libro Handbook of Fingerprint Recognition, en

el ao 2003 presenta un resumen comparativo de las tcnicas biomtricas ms usadas

atendiendo a las propiedades anteriores segn se muestra en cuadro1.

1.2. Huella dactilar.

La huella dactilar ha sido siempre el rasgo biomtrico utilizado por la humanidad,

durante siglos, para la identificacin de las personas. Es un rasgo particular de cada

individuo, cuyo origen tiene lugar durante la etapa fetal y permanece inmutable a lo

largo de toda la vida. La huella dactilar permite adems, discriminar perfectamente a los

individuos y su grado de aceptabilidad es relativamente alto. No obstante se precisa de

cierta cooperacin por parte del individuo, para que la imagen adquirida de la huella

tenga la suficiente calidad, como para permitir el empleo de algoritmos de

reconocimiento sencillos. En muchas aplicaciones, las condiciones de adquisicin no

son lo suficientemente favorables y, por tanto, la mala calidad de las huellas adquiridas

obliga al empleo de algoritmos complejos, tanto en la etapa de extraccin de

caractersticas, como en la etapa de reconocimiento de patrones.

Tcnicas de reconocimiento. Las tcnicas automticas de reconocimiento de

individuos a partir de la huella dactilar tienen sus orgenes a finales de los aos 70. Han

sido numerosas las tcnicas empleadas en la identificacin y verificacin automtica de

personas por medio de sus huellas dactilares. Actualmente, el objetivo de los nuevos

sistemas es el diseo de algoritmos capaces de discriminar a los individuos de manera


9/67

Juan Lpez Garca


9


eficiente, con tasas de funcionamiento relativamente elevadas. Cabe destacar aquellas

aplicaciones en las que se manejan grandes bases de datos, donde el empleo de

algoritmos de clasificacin de las huellas en diferentes tipos, permite mejorar

significativamente los resultados. Tambin tiene especial inters la integracin o fusin

de la huella dactilar con otros rasgos biomtricos, sobre todo en aquellas aplicaciones en

las que las condiciones de adquisicin no son siempre favorables para los diferentes

rasgos implicados.

Bases de datos de huella dactilar. Entre las bases de datos publicas disponibles

para la evaluacin de los sistemas de reconocimiento de huella dactilar cabe destacarlas

bases de datos de huellas de tinta NIST [ NIST 02], las bases de datos de huellas de

competicin FVC [Maio 02], adquiridas con diferentes tipos de escner, y la base de

datos MCYT [Ortega 02a-03c], adquirida con escner ptico y con escner de

semiconductor.

Podemos establecer una clasificacin de las tasas de error segn diferentes rasgos

y haciendo una diferenciacin de cuatro niveles de funcionamiento:

1) Nivel de funcionamiento muy alto (tasas de error que varan entre 0.1%-1%).Alta calidad de las imgenes adquiridas, sin variabilidad de la posicin, sin

presencia de suciedad ni humedad.

2) Nivel de funcionamiento alto (tasas de error que varan entre 1%-5%).Calidad media de las adquisiciones, nivel bajo de variabilidad de la

posicin, sin presencia de suciedad ni humedad.

3) Nivel de funcionamiento medio (tasas de error que varan entre 5%-15%).

Adquisiciones de calidad media-baja, alta variabilidad de la posicin,

diferentes sensores, presencia de suciedad y humedad.


10/67

Juan Lpez Garca


10


4) Nivel de funcionamiento bajo.

Imgenes de baja y muy baja calidad, varios sensores, alta variabilidad de

la posicin, perdidas de impresin, presencia de suciedad, daos en la piel.

1.3. Objetivos.

El objetivo de este proyecto de final de carrera (PFC) es el desarrollo de un

algoritmo descrito en lenguaje C estndar orientado al procesado completo de la huella

dactilar. Las funciones que contiene el algoritmo permiten extraer los puntos

caractersticos de la huella (minucias), para su posterior comparacin con una base de

datos asociada con un conjunto de usuarios previamente almacenados. Los resultados

experimentales que se muestran presentan los ndices de reconocimiento del algoritmo

desarrollado tanto en trminos de falsos rechazos como de falsas aceptaciones. Tambin

se presentan los tiempos de ejecucin de cada una de las funciones que constituyen el

algoritmo.

2. Biometra de huella dactilar.

Existen suficientes hallazgos arqueolgicos que indican que las huellas dactilares

se han venido utilizando en la identificacin de individuos desde el ao 6000 A.C. por

diversas poblaciones chinas y asirias. Entre ellos, cabe destacar, los restos de cermica

en arcilla con impresiones dactilares, que sugieren el empleo de las mismas como medio

para identificar al alfarero. Algunos documentos chinos de la poca presentan tambin

sellos estampados con la impresin del pulgar del firmante. Los ladrillos utilizados en


11/67

Juan Lpez Garca


11


las casas de la antigua ciudad de Jeric eran a veces marcados por la impresin del

pulgar de los trabajadores.

El primer estudio cientfico publicado sobre la estructura de crestas, valles y

poros de las huellas dactilares data de 1684, realizado por el morfologista ingls

Nehemiah Grew. Desde entonces han sido mucho los investigadores que han trabajado

en este campo. En 1823, Porkinje propuso un esquema de clasificacin de huellas en

nueve clases atendiendo a la configuracin de la estructura de las crestas. En general los

estudios de principios de 1800 llegaron a dos importantes conclusiones que, hasta hoy,

han servido de base para el reconocimiento biomtrico, especialmente en entornos

forenses: la no existencia de dos huellas de individuos diferentes con un patrn de

crestas coincidentes, y la invariabilidad en el tiempo de dichos patrones durante toda la

vida del individuo. A principios de 1900, se admitieron las siguientes caractersticas

biolgicas de las huellas dactilares como base de identificacin de individuos:

La estructura de crestas y valles (figura 4) de la epidermis de cada individuo, esnica y representa unvocamente su identidad.

La estructura de crestas y valles de un individuo, aunque puede variar, lo hacedentro de unos lmites tan reducidos, que hacen posible una clasificacin

sistemtica.

Los detalles de las estructuras de crestas y valles, as como las minucias, sonparticulares de cada individuo e invariables en el tiempo.

La primera y tercera caracterstica constituyen los principios por los que se rige la

identificacin de individuos por sus huellas dactilares. La segunda caracterstica

constituye el principio que permite la clasificacin de huellas dactilares.


12/67

Juan Lpez Garca


12


Figura 4. Diferencia entre crestas y valles.

En 1684, el ingls y pionero de la dactiloscopia Nehemiah Grew, public el

primer tratado cientfico en el que se explicaba la estructura de las crestas, valles y

poros de las huellas dactilares. Estos estudios condujeron a la utilizacin de las huellas

dactilares en la identificacin criminal, primero en Argentina, en 1896; en Scotland

Yard, en 1901; y en otros pases a principios de 1900. En 1888, Sir Francis Galton

realiz un detallado y extenso estudio de las huellas dactilares, introduciendo el

concepto de minucia como caracterstica de identidad de individuos.

Desde principios de 1800 la identificacin de individuos a partir de las huellas

dactilares estuvo formalmente aceptada, comenzando a ser prctica rutinaria de las

aplicaciones forenses. En todo el mundo se instauraron las agencias policiales de

identificacin de huellas dactilares y se crearon las bases de datos criminales. Se

desarrollaron diferentes tcnicas de adquisicin de huellas latentes, de identificacin, de

clasificacin y de comparacin de patrones. En 1924, se instaur la primera divisin de

identificacin de huellas dactilares del FBI.

Cresta

Valle

Cresta

Valle


13/67

Juan Lpez Garca


13


El reconocimiento automtico de huellas dactilares comenz a principios de los

aos 60. Desde entonces, los sistemas automticos de identificacin de huellas

dactilares se utilizan en las instituciones policiales de todo el mundo. En los 80, con el

desarrollo de los ordenadores personales y los dispositivos de captura electrnicos, se

comenzaron a utilizar los sistemas automticos de identificacin en aplicaciones no

criminales, como el control de acceso en entornos de seguridad. A finales de los 90, el

desarrollo de los dispositivos de captura de estado slido, su bajo coste econmico y el

desarrollo de algoritmos precisos y fiables de reconocimiento de patrones, han

contribuido a la rpida expansin de los sistemas de reconocimiento biomtrico basado

en las huellas dactilares.

2.1. Sensores de huella.

Las huellas se obtienen mediante la adquisicin directa de la huella dactilar al

colocar el dedo sobre la superficie sensible del sensor electrnico. El procedimiento de

la conversin de la huella capturada en una imagen digital depende de los principios

fsicos de funcionamiento del sensor utilizado. Atendiendo a estos principios fsicos,

puede establecerse la siguiente clasificacin de sensores:

Sensores pticos. Entre estos sensores estn aquellos que se basan en la reflexinde la luz sobre la yema del dedo (FTIR, Frustrated Total Internal Reflexion), los

sensores basados en fibra ptica, los electro-pticos y los sensores sin contacto.

Sensores de estado slido. A este grupo pertenecen los sensores capacitivos,trmicos, de campo elctrico y piezoelctrico.

Sensores ultrasnicos. Estos dispositivos funcionan proyectando pulsosultrasnicos.


14/67

Juan Lpez Garca


14


Sensores pticos.

Los sensores pticos (figura 5) pueden clasificarse en:

Sensores basados en FTIR. La tcnica de captura FTIR es la ms antigua ytambin la ms utilizada. En el momento en el que el dedo se apoya sobre la

superficie de cristal del sensor (prisma), un diodo LED proyecta un haz de luz

difusa por debajo del cristal. La luz que atraviesa el prisma e incide sobre las

crestas de la huella se dispersa, reflejndose de manera aleatoria en mltiples

direcciones. La luz que incide en el interior de la estructura de crestas (valles) se

refleja en una determinada direccin (reflexin total). Esta luz direccional es

focalizada mediante un sistema de lentes hacia un dispositivo CCD o CMOS,

capturndose as la imagen de la huella dactilar. Recientemente, se ha

desarrollado una variante de esta tcnica en la que se sustituye el prisma de cristal

por una lmina de pequeos prismas distribuidos a lo largo de la superficie

sensible. La calidad de las imgenes adquiridas es ligeramente menor, pero tiene

la ventaja de que el tamao del dispositivo se reduce significativamente.

Sensores basados en fibra ptica. Estos sensores disponen de una distribucinbidimensional de fibras pticas que hacen incidir, perpendicularmente, un haz de

luz por debajo de la superficie del cristal sobre la que se apoya el dedo. La luz

reflejada incide sobre un CCD/CMOS que directamente acoplado a la superficie

de fibras, obtiene la imagen de la huella. Tambin puede utilizarse conjuntos de

microprismas dispuestos sobre una superficie plana y elstica. Las diferencias de

presin ejercida en las crestas y valles de la huella modifican de diferente manera

la superficie de microprismas, capturndose la imagen a partir de las diferencias

de intensidad de luz reflejada en estos.

Sensores electro-pticos. Estos sensores estn formados por dos capas. La


15/67

Juan Lpez Garca


15


primera est compuesta por un polmero que, debidamente polarizado emite luz

de intensidad proporcional al voltaje aplicado a una de sus caras. La colocacin

del dedo sobre la cara opuesta da lugar a diferencias de potencial entre crestas y

valles, originando con consecuencia diferencia de emisin de luz. La segunda

capa est formada por fotodiodos distribuidos a lo largo de toda la superficie que

en contacto con esta, capturan la luz procedente de la primera capa y

proporcionan la imagen digital de la huella.

Sensores sin contacto. En este grupo se engloban las tcnicas de captura concmaras, en las que no se produce el contacto fsico entre dedo y sensor. Tienen la

ventaja de no introducir en la imagen la distorsin elstica, tan frecuente en las

tcnicas de contacto. El principal inconveniente es la dificultad de obtener

imgenes bien enfocadas y contrastadas.

Sensores de estado slido.

Los sensores de estado slido (figura 6) se desarrollaron en los aos 80, pero no

se han empezado a utilizar comercialmente hasta mediados de los 90. Presentan la

ventaja de no necesitar ningn componente ptico ni CCD/CMOS. Atendiendo a la

forma de conversin de la informacin fsica en seal elctrica, se distinguen cuatro

tipos de sensores:

Sensores capacitivos. Estos dispositivos se forman por la distribucin de unconjunto de microcapacitadores (aproximadamente 104) en una superficie plana,

sobre la cual se extiende un dielctrico. Todas las placas conductoras a un lado

del dielctrico forman elctricamente el mismo punto. El conjunto va integrado

en un nico chip. Las placas necesarias para completar los capacitadores

aparecen al otro lado del dielctrico cuando se coloca el dedo sobre la superficie.

La media de voltaje en estos capacitadores determina la imagen de la


16/67

Juan Lpez Garca


16


huella dactilar, puesto que dicho valor depende de la distancia entre placas. Los

capacitadores formados por las crestas de la huella presenta mayor tensin

elctrica, al estar estas ms prximas a la superficie que los valles. La superficie

en contacto con el dedo precisa de una fina capa protectora con toma de tierra,

resistente a la abrasin y a las posibles descargas electrostticas de la piel. Estos

sensores permiten el ajuste de algunos parmetros elctricos con el fin de mejorar

la calidad de la imagen adquirida cuando las condiciones de la piel no son las

ideales (piel seca o hmeda). Presentan el inconveniente de que deben limpiarse

a menudo, ya que la grasa y la suciedad empeoran la calidad de la imagen.

Sensores trmicos. Estos sensores estn construidos con materiales termo-elctricos capaces de crear corrientes a partir de diferencias de temperatura. El

sensor se mantiene elctricamente a alta temperatura, comparada con la del dedo,

con el fin de crear diferencias trmicas significativas. La imagen de la estructura

de crestas se forma cuando el contacto de las crestas y valles de la huella con la

superficie del sensor origina diferencia de temperatura. Las diferencias

originadas por las crestas son menores que las originadas por los valles, al estar

estos ms alejados del sensor. La imagen trmica formada desaparece

rpidamente, una vez que el dedo entra en contacto con el sensor, debido a que el

equilibrio trmico se alcanza muy rpidamente. Por este motivo, estos sensores

se emplean en combinacin con tcnicas de barrido, en la que la adquisicin se

realiza deslizando el dedo sobre un ranura abierta y trmicamente sensible.

Tienen la ventaja de no ser sensibles a las descargas electrostticas y de poder

utilizar gruesas capas protectoras, ya que la informacin trmica se propaga

fcilmente a lo largo de ellas.

Sensores de campo elctrico. Estos dispositivos estn formados por un anilloemisor de seal sinusoidal de baja potencia, bajo el cual se distribuye una matriz


17/67

Juan Lpez Garca


17


de pequeas antenas receptoras. La amplitud de seal recibida por cada antena se

modifica al producirse el contacto del dedo con el escner, pudiendo a partir de

esta informacin, diferenciarse el patrn de crestas y valles. La dermis de la piel

es la capa causante de los cambios de amplitud en la seal.

Sensores piezoelctricos. La superficie de estos dispositivos es sensible a lapresin ejercida durante el contacto dedo-sensor. Esta superficie est compuesta

por un material elstico, de naturaleza piezoelctrica, que proporciona las

caractersticas topogrficas del relieve de la huella dactilar al convertir las

diferencias de presin en diferencias de tensin elctrica. Presentan el

inconveniente de no ser muy sensible a las pequeas diferencias de relieve que

pueden darse en el patrn de crestas y valles; sensibilidad que se ve an ms

reducida por la cubierta protectora. Adems, la imagen entregada por el sensor es

binaria, lo que supone una prdida muy significativa de informacin.

Sensores ultrasnicos.

Las tcnicas ultrasnicas empleadas en estos sensores (figura 7) son capaces de

obtener imgenes muy claras de las huellas, an en el caso de que la estructura de

crestas parezca daada a simple vista. Esto se consigue explorando la superficie de

contacto mediante la proyeccin, sobre la misma, de pulsos ultrasnicos; de forma

similar a como lo hace el haz laser en los dispositivos pticos. En este caso, el eco

reflejado por la superficie del dedo permite determinar la profundidad del relieve

formado por los valles y crestas. Este mtodo de exploracin presenta la ventaja de ser

menos susceptible a la suciedad, al sudor o a la grasa de la piel, por lo que las imgenes

obtenidas son ms fiables. Los inconvenientes son: el tamao del dispositivo, su

elevado coste, y que el proceso de adquisicin requiere de cierto tiempo. No es por

tanto, una tcnica actualmente muy extendida.


18/67

Juan Lpez Garca


18


Figura 5. Lector de huella ptico hmster. Figura 6. Lector de huella estado slido.

Figura 7. Lector ultrasnico.

2.2. Algoritmos de clasificacin de huella dactilar.

Existen diversos mtodos para el reconocimiento de patrones biomtricos para el

reconocimiento automtico de huella dactilar. Las tcnicas empleadas dependen de los

tipos de patrones comparados. Estas son:

Tcnicas basadas en la comparacin de patrones de puntos, en los casos en losque se trabaja con las minucias extradas de la estructura de las crestas.

Tcnicas basadas en las caractersticas de la estructura de crestas y valles.


19/67

Juan Lpez Garca


19


Tcnicas basadas en la textura de la imagen.Tcnicas basadas en patrones de minucias. En los casos en los que los patrones

biomtricos estn definidos por minucias, los mtodos de reconocimiento se basan

generalmente en tcnicas de comparacin eucldea. Estos comparadores realizan

transformaciones matemticas entre los patrones de puntos para poder estimar el grado

de similitud entre ellos. La mayora de ellos, mediante procesos iterativos, pueden

comparar los patrones con suficiente exactitud, a pesar de que en el proceso de

extraccin de caractersticas se hayan podido perder minucias verdaderas o se hayan

podido introducir minucias espurias. Algunos ejemplos importantes de estas tcnicas

son:

Tcnica de relajacin. En [Ranade 83] se propone un mtodo de comparacin depatrones de puntos mediante el procedimiento matemtico de relajacin. Se

trata de un mtodo iterativo en el que, mediante aproximaciones sucesivas, se va

desplazando un patrn de puntos sobre el otro, al tiempo que se van ajustando las

distancias entre las parejas de minucias ms o menos coincidentes. El

desplazamiento efectuado en cada iteracin se basa en el resultado obtenido de la

iteracin inmediatamente anterior, de acuerdo con el valor que toma un factor de

merito que evala el grado de proximidad entre las parejas de puntos

comparados. Existen algunas alternativas basadas en este algoritmo, que intentan

simplificar el proceso de comparacin; sin embargo, debido a la naturaleza

iterativa, el proceso es relativamente lento. Presentan el inconveniente de que no

funcionan bien cuando los patrones a comparar proceden de imgenes muy

distorsionadas; situacin frecuente en el caso de las huellas dactilares.

Tcnicas basadas en el alineamiento de patrones. Segn el mtodo anterior lacomparacin entre dos huellas dactilares supone la comparacin de todas las


20/67

Juan Lpez Garca


20


posibles combinaciones que pueden hacerse con las agrupaciones de minucias de

dos huellas. Por este motivo, el tiempo de respuesta del sistema puede hacerse

muy grande. Como solucin a este problema se han propuesto mtodos de

reconocimiento que incluyen el alineamiento de las huellas antes de efectuar la

comparacin. Gracias al proceso de alineamiento se consigue reducir el nmero

de comparaciones necesarias para establecer el grado de similitud entre las

huellas, reducindose significativamente el tiempo de respuesta. Un

procedimiento muy frecuente es alinear las agrupaciones de las huellas con

respecto a sus puntos singulares. La determinacin de los puntos singulares

conlleva siempre la estimacin previa del campo de orientacin local de la

estructura de las crestas.

Existen otros mtodos de alineamiento, todos ellos con el objetivo comn de

reducir la carga computacional de la etapa de comparacin de minucias. Estos mtodos

son especialmente apropiados en los casos de identificacin, ya que el ordenamiento de

las minucias se realiza una sola vez por cada huella, mientras que las comparaciones se

realizan tantas veces como patrones contenga la base de datos. En [Jain 97b], se expone

un mtodo de comparacin de patrones basado en el alineamiento de las minucias, y

carga computacional muy eficiente. Puesto que la capacidad de discriminacin que

aporta una minucia es muy pequea, el mtodo hace uso de informacin adicional para

describir a cada minucia, como puede ser la longitud y la curvatura de las crestas

asociadas a las minucias. El reconocimiento se lleva a cabo en dos etapas: en la primera

se efecta el alineamiento, y en la segunda, la comparacin. Para efectuar el

alineamiento, primero se determinan los parmetros de traslacin y rotacin existentes

entre los dos patrones de puntos. Seguidamente, se alinean las minucias del patrn de

entrada con respecto al patrn de bases de datos. A continuacin se convierten dichos

patrones en sendas cadenas de minucias representndolas en un sistema de coordenadas


21/67

Juan Lpez Garca


21


polares, y ordenndolas segn el valor creciente de su coordenada angular. Para efectuar

la comparacin de cadenas se propone un algoritmo de comparacin elstico, con el que

se evala el grado de similitud entre las dos cadenas. El proceso de comparacin se

realiza mediante la tcnica de programacin dinmica, distancia de edicin, con la cual

se calcula el coste de la trasformacin de una cadena en la otra. A partir de dicho coste

se determina el grado de similitud entre los dos patrones comparados.

Como el patrn de minucias de una huella dactilar es un patrn bidimensional, la

transformacin del mismo en una cadena de una dimensin puede dar lugar a valores de

similitud, durante la comparacin, no del todo correctos. Puesto que el orden de

colocacin de las minucias a la hora de formar las cadenas condiciona

significativamente el coste de la operacin de conversin de una cadena en la otra, se

propone el mtodo de comparacin de patrones bidimensionales de minucias mediante

programacin dinmica 2D, con el objetivo de establecer el mximo nmero de

correspondencias entre minucias.

En autores como OGorman, se menciona un mtodo de alineamiento de

minucias en el que, partiendo de un punto central de la huella, previamente

determinado, se hace una exploracin en espiral, de dentro hacia fuera, ordenando

consecutivamente las minucias detectadas. Se obtienen as, unos vectores de

caractersticas ordenados que permiten una comparacin de patrones ms eficiente.

Tcnicas basadas en la transformada de Hough. En [Ratha 96, Ballard 81] se

utiliza esta transformacin para el caso de la comparacin de patrones de minucias. La

transformada de Hough generalizada transforma el problema de la comparacin de

patrones de puntos en un problema de deteccin de mximos en el espacio de Hough de

los parmetros de transformacin. El mtodo busca la mejor transformacin posible

para que el conjunto de minucias de la huella de entrada se solape con el conjunto de


22/67

Juan Lpez Garca


22


minucias de la huella de la base de datos. Para que dos puntos sean considerados

coincidentes deben tener las mismas coordenadas espaciales dentro de unos mrgenes

de tolerancia, y el mismo ngulo de orientacin. El procedimiento permite la

coexistencia de puntos no coincidentes. Se hace discreto el conjunto de todas las

posibles transformaciones, y para cada transformacin se obtiene una puntacin. El,

espacio de transformaciones est formado por cudruplas de parmetros del tipo (s, ,

x, y), donde cada parmetro se hace discreto segn un conjunto de valores; donde: s,

es un factor de escala,x yy, son las traslaciones de los ejes X e Y, respectivamente; y

, es el ngulo de rotacin. El algoritmo se desarrolla en dos partes: en la primera, para

cada par de minucias, pertenecientes a los dos patrones que se comparan, se calculan

todas las posibles transformaciones que las hacen coincidentes. En la segunda fase, se

alinean los dos conjuntos de minucias con los parmetros estimados, y se hace el

recuento de todas las parejas de minucias coincidentes dentro de una caja de tolerancia.

El valor de la puntuacin se escala entre 0 y 99. La transformacin cuya puntuacin es

mayor se toma como la ptima, deducindose de ella, el valor de similitud entre los dos

patrones comparados. El mtodo proporciona un valor de similitud no muy fiable

cuando las huellas contienen un nmero reducido de minucias, ya que en este caso,

resulta difcil acumular suficiente evidencia en el espacio de la transformada de Hough.

Tampoco es un mtodo fiable cuando la distorsin de las minucias originadas por la

elasticidad de la piel es grande.

Tcnicas basadas en grafos. Existen tambin varios comparadores topolgicos

basados en grafos [ Hrechak 90, Isenor 86]. Estos comparadores toleran bien las

transformaciones originadas entre los patrones y los errores de posicin de las minucias,

las minucias espurias y las minucias perdidas. Las caractersticas de las huellas, tales

como la posicin de los ncleos, la frecuencia de crestas, el nmero de crestas entre

minucias y toda informacin de alineamiento son utilizadas para efectuar las


23/67

Juan Lpez Garca


23


comparaciones. Por ejemplo, en [Hrechak 90], se establece un modelo para representar

a cada huella, basado en las relaciones estructurales que pueden establecerse entre las

caractersticas de la huella a nivel local. El modelo estructural se define de la siguiente

manera: para cada punto caracterstico de la huella, se define un entorno de determinado

radio, dentro del cual se extraen otras ocho posibles caractersticas estructurales: punto,

final de cresta, bifurcacin de crestas, isleta, cresta espuria, cruce de cresta, puente y

cresta corta. La frecuencia de aparicin de tales caractersticas dentro de dicho entorno,

as como el tipo de caractersticas del centro del entorno, determina un vector de

caractersticas. Cada huella estar definida, por tanto, un conjunto de vectores de

caractersticas, cuyo nmero oscila entre 9 y 15. La extraccin de caractersticas se

realiza de forma automtica mediante la exploracin de la imagen con una ventana de

3x3 pixeles. Presenta el inconveniente de que los algoritmos de reconocimiento deben

ajustarse de forma iterativa, mediante ayuda visual, hasta que todas las caractersticas de

las huellas de la base de datos sean reconocidas bajo diferentes condiciones, como

pueden ser: el contraste y el brillo de la imagen, la cantidad de ruido de fondo etc.

Otras tcnicas. La tcnica de comparacin de patrones puede realizarse tambin

mediante la aplicacin de algoritmos genricos, redes neuronales, simulated anneling,

etc. Estos mtodos establecen correspondencias inciales entre las minucias de los

patrones que se van a comparar que durante el proceso de comparacin, van

modificndose con el fin de minimizar, en cada fase del proceso, una funcin de ajuste

(funcin fitness), previamente definida. Generalmente, la convergencia de los

algoritmos de optimizacin de empleados proporciona el alineamiento ptimo de los

patrones en un tiempo razonable; sin embargo, en determinados casos llegan a ser muy

lentos, por lo que son inviables para un sistema de reconocimiento en tiempo real.

Presentan tambin el inconveniente de que su fiabilidad se reduce considerablemente

cuando el nmero de minucias espurias y minucias perdidas es elevado.


24/67

Juan Lpez Garca


24


En [OGorman 98], se hace mencin a una de las primeras tcnicas automticas

empleadas para el reconocimiento de patrones de minucias. En ella, cada huella es

descompuesta en pequeas agrupaciones de minucias, generalmente de dos a cuatro

minucias. La comparacin de patrones se realiza a dos niveles. En uno de ellos, se

analizan las disposiciones espaciales de las minucias dentro de las agrupaciones de una

misma huella dactilar, y se comparan con las de otra huella, obtenindose as un grado

de similitud. En el otro nivel de comparacin se analizan y comparan entre s las

configuraciones globales de las diferentes agrupaciones dentro de cada una de las

huellas.

Tcnicas basadas en estructura de crestas. Como ya se ha mencionado, existen

tcnicas de reconocimiento de patrones de huellas dactilares que, en lugar de hacer

comparaciones entre minucias, efectan comparaciones considerando la informacin

completa de toda la estructura de crestas. As, para efectuar la comparacin entre dos

huellas dactilares calculan la correlacin entre sus respectivas imgenes. Estas tcnicas

reciben el nombre de tcnicas de comparacin de patrones mediante correlacin. El

grado de similitud entre dos huellas se basa en que la correlacin espacial entre dos

imgenes se hace mxima cuando las dos imgenes son idnticas. De esta propiedad se

deduce que si dos imgenes proceden de la misma huella cabe esperar que la correlacin

entre ellas alcance un mximo relativo. Sin embargo en la prctica no es siempre as, ya

que pueden darse las siguientes circunstancias:

Las huellas pueden estar desplazadas entre s, como consecuencia del proceso deAdquisicin. Se puede tomar un punto de referencia, como por ejemplo, un ncleo o

una delta, para alinear las imgenes antes de efectuar la correlacin. El problema se

produce cuando dicho punto no aparece en alguna de las imgenes o cuando no se

calcula con suficiente precisin.


25/67

Juan Lpez Garca


25


Adems de la traslacin anterior, durante la adquisicin de las huellas, puedeproducirse la rotacin de una imagen con respecto a la otra. Al igual que antes,

tomando un punto singular como referencia, pueden determinarse los parmetros de

traslacin y rotacin entre las imgenes, para proceder a su alineamiento antes de

hacer la correlacin. Los problemas que suelen aparecer son los mismos que en el

punto anterior.

Debido a la elasticidad de la piel, se originan sobre la misma, deformaciones nolineales, que impiden el correcto alineamiento de las imgenes, a pesar de estar

correctamente determinados los parmetros de traslacin y rotacin. Este hecho

puede disminuir muy significativamente el valor de la correlacin entre las

imgenes, an en el caso de tratarse de la misma huella dactilar.

La aparicin del ruido en la imagen puede hacer fracasar el reconocimiento de lospatrones, cuando las imgenes no son de buena calidad. Adems, dadas dos

adquisiciones de una misma huella, son muy frecuentes los siguientes casos:

(i)las calidades de las imgenes son diferentes.(ii)las crestas aparecen delgadas en una imagen y gruesas en la otra,

debido los cambios de presin sobre la superficie del escner.

(iii)las discontinuidades en las crestas son diferentes, debido a lasequedad de la piel.

(iv) la regin capturada de cada una de las huellas es diferente.En todos ellos, el mtodo de correlacin deja de ser un mtodo eficiente.

Tcnicas en el dominio frecuencial. La comparacin de patrones mediante

correlacin puede realizarse tambin en el dominio frecuencial, en lugar de hacerlo en el

espacial [Coetzee 93, Gonzlez 92]. El primer paso para ello, es calcular la transformada


26/67

Juan Lpez Garca


26


FFT bidimensional de cada una de las imgenes que se van a comparar. Esta operacin

transforma las imgenes al dominio frecuencial. La operacin de correlacin espacial,

que es bsicamente una operacin de convolucin de imgenes, se transforma en el

producto de las correspondientes transformadas en el dominio frecuencial. Una de las

ventajas de hacer la operacin en el dominio frecuencial es que las huellas se hacen

independientes de la traslacin; no tienen que ser alineadas de acuerdo con la traslacin

existente, ya que el origen de las dos imgenes transformadas es la frecuencia cero

(0,0). El inconveniente es el coste computacional de las dos FFT 2D que hay que

realizar.

La comparacin de patrones mediante correlacin en el dominio frecuencial

puede tambin realizarse por procedimientos pticos. Esto se consigue con el uso de

lentes y una fuente de luz laser. De la misma manera que un prisma de cristal

descompone la luz visible en un espectro de colores, las dos imgenes a comparar son

proyectadas con un laser a travs de un sistema de lentes, que dan a su salida las

correspondientes transformadas de Fourier. La superposicin de ambas transformadas

origina un mximo de correlacin, cuyo valor es relativamente alto cuando se trata de

imgenes de una misma huella. La ventaja que tiene el procesado ptico de seales, es

que las operaciones se efectan a la velocidad de la luz, mucho ms rpidamente que

un procesador digital. Sin embargo, debido a la baja versatilidad de este tipo de

procesadores, no se utilizan en sistemas de reconocimiento comerciales.

Tcnicas basadas en el muestreo circular. En [Chang 99], se propone un

esquema alternativo de correlacin espacial entre vectores de caractersticas. Dichos

vectores se obtienen haciendo un muestreo circular de la imagen de la huella dactilar.

En lugar de efectuar el muestreo cartesiano, se muestra la imagen a lo largo de

circunferencias concntricas cuyo centro comn es el centro de la imagen. Se trata, por

tanto de un muestreo en coordenadas polares. Los parmetros que definen el muestreo


27/67

Juan Lpez Garca


27


circular son:

1. La distancia entre circunferencias.2. El intervalo de muestreo en cada una de las circunferencias.

Mediante el algoritmo deBresenham se determinan las coordenadas de los

puntos que mejor se aproximen a una circunferencia de radio dado, con centro situado

en el origen de coordenadas polares. Consecutivamente, se calculan las coordenadas del

resto de circunferencias concntricas, para un incremento de radio especificado. La

secuencia de pixeles obtenidos al muestrear cada circunferencia constituye un vector de

caractersticas. El patrn biomtrico de la huella dactilar estar formado por el conjunto

de vectores de caractersticas obtenidos al muestrear circularmente todas las

circunferencias que abarcan la regin de inters de la imagen. La comparacin de los

patrones de dos huellas se hace a partir de la correlacin espacial de sus vectores

homlogos. Se definen tres mtricas diferentes para medir el grado de correlacin entre

los patrones comparados. La combinacin de los tres resultados obtenidos aporta una

puntuacin que indica el grado de similitud entre dichos patrones.

Tcnicas basadas en caractersticas. Otra forma de efectuar el

reconocimiento de patrones es haciendo la comparacin, no a nivel de pixeles en la

imagen, sino a nivel de pequeos bloques definidos mediante una rejilla o cuadricula.

Las imgenes a comparar son alineadas y a continuacin, segmentadas por la rejilla.

Para cada uno de los bloques obtenidos se extraen las caractersticas de la huella

dactilar, como por ejemplo:

La intensidad media de los pixeles.La orientacin de las crestas.La periodicidad.


28/67

Juan Lpez Garca


28


El nmero de crestas.La comparacin de patrones se efecta buscando la coincidencia de tales

caractersticas a nivel de bloques.

Minucias versus correlacin. La eleccin de un sistema de reconocimiento

basado en minucias o de un sistema basado en la correlacin, depende principalmente

de las aplicaciones a las que va destinado. En aquellos casos en los que se desea

precisin y fiabilidad, y por tanto, tasas reducidas de FAR y FRR, la comparacin de

patrones de minucias es el mtodo recomendado por la mayora de autores. Como se ha

dicho anteriormente, el gran inconveniente de la comparacin de patrones por

correlacin es la poca tolerancia que presenta el mtodo frente a las variaciones que

aparecen en las imgenes originales, por la elasticidad de la piel, la rotacin y la

traslacin; as como frente al ruido y a las diferencias de calidad de las a adquisiciones.

La ventaja, en cambio, est en la posibilidad de implementar sistemas con tiempos de

respuesta muy rpidos, aunque con un coste econmico elevado, por requerir de

hardware especifico para efectuar las operaciones FFT.

Tcnicas basadas en la informacin de textura. La comparacin de patrones

basada en la extraccin de minucias es la tcnica ms utilizada en los sistemas de

reconocimiento actuales; sin embargo, no utiliza la informacin de textura orientada,

presente en las crestas. Los sistemas basados en la extraccin de textura tienen en

cuenta tanto la informacin global como la informacin local de las huellas. El

algoritmo de extraccin de textura se desarrolla en cuatro etapas:

1. Determinacin de un punto de referencia y de la regin de inters de lahuella. El punto de referencia es el punto en el que las crestas presentan su

mxima curvatura, y la regin de inters es un crculo, de determinado

radio, cuyo centro es el punto de referencia.


29/67

Juan Lpez Garca


29


2.Definicin de un mallado sobre la regin de inters y normalizacin enmedia y varianza.

3. Filtrado de la regin de inters segn ocho direcciones diferentesutilizando un banco de ocho filtros de Gabor. Con ocho direcciones se

captura toda la informacin local de las crestas de la huella y con cuatro

direcciones se captura la informacin global. Tras este filtrado se obtienen

ocho sub-imgenes.

4.Clculo de la desviacin media respecto a la media de grises, en cadasector de cada sub-imagen. Esta desviacin se considera como una

caracterstica de la huella puesto que cuantifica la estructura de las crestas.

Se forma as un vector de caractersticas, llamado fingercode, que contiene

las caractersticas de cada sector de la imagen filtrada.

El vector de caractersticas as generado es invariante a la traslacin de la

imagen. Para que sea tambin invariante a la rotacin, se almacenan diez vectores

correspondientes a diez rotaciones diferentes de la imagen. A continuacin, se calcula la

distancia eucldea entre el vector de caractersticas de entrada y los diez vectores de la

base de datos almacenados. La mnima de las distancias obtenidas indicar el grado de

similitud.

2.3. Algoritmo de procesado: fases de extraccin y matching.

La forma en la que se realiza el proceso de adquisicin de huellas dactilares es

muy diferente, dependiendo del tipo de aplicacin biomtrica en la que se van a

procesar las imgenes obtenidas. El mtodo tradicional de adquisicin de huellas

dactilares tintadas ha tenido siempre, y sigue teniendo lugar, en el mbito judicial y


30/67

Juan Lpez Garca


30


forense. Actualmente, los sistemas automticos de reconocimiento de huellas dactilares

tienen tambin aplicacin en otros contextos, como por ejemplo, los sistemas de acceso

a entornos de seguridad, donde los requisitos de funcionamiento y exigencias de la

aplicacin, obligan al uso de tcnicas on-line. En estos casos las huellas son capturadas

a travs de dispositivos de adquisicin electrnicos. El esquema general de estos

dispositivos comprende las siguientes partes:

Sensor de lectura. Encargado de capturar la imagen de la huella.Conversor analgico/digital. Encargado de convertir la imagen

analgica entregada por el sensor en una seal digital.

Interfaz de comunicaciones con otros dispositivos externos (porejemplo un ordenador personal).

La imagen de una huella dactilar reproduce el patrn de crestas de la epidermis, y

normalmente es adquirida cuando se coloca la yema del dedo sobre la superficie

sensible del escner. El grosor de las crestas oscila entre 100 y 300 m. Generalmente,

las heridas producidas en la piel, como las quemaduras superficiales, abrasiones o

cortes, no afectan a la estructura de las crestas, ya que los daos producidos son

restaurados con el crecimiento de la nueva piel. En estas condiciones, pueden afirmarse

que los patrones representados por las imgenes adquiridas contienen toda la

informacin biomtrica necesaria, y estable en el tiempo, para poder reconocer de forma

automtica a un individuo. Las caractersticas que representan las imgenes digitales

proporcionadas por un escner de huella dactilar son:

Resolucin: dependiendo del tipo de dispositivo de captura empleado, laresolucin de las imgenes obtenidas varia, desde 250 dpi hasta 625 dpi, siendo

un estndar la resolucin de 500 dpi. El valor de 250 dpi es la resolucin mnima

que permite efectuar con precisin la extraccin de puntos caractersticos


31/67

Juan Lpez Garca


31


(minucias) de la estructura de crestas de una huella dactilar.

rea de captura. Es el tamao de la superficie sensible al escner. Cuanto mayores el rea de captura del sensor, mayor es la zona del dedo que puede adquirirse

y, por tanto, mayor es el nmero de caractersticas identificativas que pueden

obtenerse. La impresin complete de la yema del dedo implica, generalmente, un

rea de captura de 1 a 1,25 pulgadas. La tendencia a reducir el tamao de los

dispositivos de captura en algunas aplicaciones conlleva tambin la necesaria

reduccin del tamao de los sensores. El tamao ms pequeo que permite la

extraccin de un numero de caractersticas lo suficientemente identificativo es de

0,5 pulgadas. En estos casos, la aparicin de un elevado grado de variabilidad

intra-clase puede empeorar el funcionamiento del sistema de reconocimiento,

debido a un aumento del nmero de falsos rechazos.

Nmero de pxeles: conocidas, la resolucin R en dpi, y el rea de captura delsensor A x B (alto por ancho) en pulgadas cuadradas, el numero de pixeles viene

dado por:

RA x RB pixeles.

Rango dinmico: es el nmero de valores posibles de luminancia de la imagen yest relacionado con el nmero de bits utilizados para codificar la luminancia de

cada pixel. El color no aporta informacin al reconocimiento por lo que se

adquiere, el estndar actual es el de representar las imgenes capturadas en escala

de grises de 8 bits/pixel, lo que supone un rango dinmico de 0 a 255.

2.4. Entorno de programacin.

El lenguaje de programacin ANSI C es el lenguaje que se utiliza para la


32/67

Juan Lpez Garca


32


generacin del cdigo que permite el anlisis de la huella dactilar. Se ha optado por

describir las subrutinas y algoritmos en este lenguaje estndar para, si fuera necesario,

poder migrar a otras plataformas.

3. Extraccin de caractersticas.

3.1. Etapas a implementar.

Dependiendo del capturador de huellas el tamao de las imgenes puede ser

muy diverso. En nuestro caso particular las pruebas de test se han realizado tomando

una base de datos pblica de la Universidad de Bolonia que contiene imgenes de un

tamao 256 x 256 pxeles.

El programa lo dividiremos en seis algoritmos que se ejecutan secuencialmente

en un orden pre-establecido, a saber:

1.Normalizacin. Con esta etapa se consigue que el rango de valoresde luminancia de todas las imgenes este comprendido entre unos mismos

valores, que previamente han sido determinados. Se intentar fijar la media y la

varianza de la imagen a unos valores deseados, modificando para ello el valor

de la intensidad de cada pixel de la imagen inicial obteniendo el valor de la

intensidad normalizada.

2.Segmentacin. Esta etapa se ejecuta para quedarnos nica yexclusivamente con la parte de la imagen que nos interesa y lo dems

desestimarlo. La zona seleccionada contendr la informacin de la huella,

mientras que el resto formar parte del fondo de la imagen sin contener


33/67

Juan Lpez Garca


33


informacin relevante y/o minucias. La etapa de segmentacin se ejecutar

siempre despus de normalizar la imagen.

3. Definicin de perfil de las crestas (orientacin, filtrado ybinarizacin). El filtrado consiste en hacer la convolucin de la imagen pixel a

pixel con una mscara definida inicialmente por el usuario, cuyo tamao define

la ventana a analizar.Las ventanas se reorientarn en la misma direccin que

los ridges o crestas, para que las frecuencias no varen. Al final de esta etapa se

determina si el pxel negro/blanco es un valle o una cresta, es decir 0 1

(binarizar). La etapa de filtrado y la de orientacin se ejecutarn siempre

despus de la etapa de normalizado, la de segmentar y la etapa de orientar.

4.Adelgazamiento. El proceso de adelgazamiento de una imagenbinaria bidimensional se aplica principalmente a los casos en los que dicha

imagen presenta regiones alargadas o trazos de determinado grosor. Este

proceso debe ser capaz de reducir la estructura de la imagen hasta la anchura de

un pixel, de esta manera un determinado trazo se convierte en una fina lnea que

aproximadamente coincide con la lnea central de la regin adelgazada.

5. Extraccin de minucias. La extraccin de minucias es a nivel deprocesado la etapa ms sencilla de cuantas constituyen el algoritmo completo.

Se define la conectividad de un pixel como el nmero de transiciones de negro

a blanco (o viceversa) que se obtiene al recorrer los ocho vecinos relacionados

con el pixel analizado. En funcin del resultado se determina si se trata de una

minucia inicial/final, o por el contrario es una bifurcacin.

6. Eliminacin de minucias falsas. Esta etapa analiza las minuciasencontradas eliminando todas aquellas errneas o falsas.


34/67

Juan Lpez Garca


34


3.2. Normalizacin.

La media y la varianza de las imgenes capturadas mediante sensores de huella

dactilar dependen de diversos factores: caractersticas particulares del sensor, grado de

sequedad o humedad de la piel de la yema del dedo, nivel de presin que ejerce el

usuario sobre la superficie del sensor, etc. Varios de los procesos o etapas que

intervienen en el anlisis de la huella dactilar acaban finalmente comparando el

resultado con un umbral cuyo valor depende en gran medida del nivel medio de la

intensidad de la imagen. El objetivo de la etapa de normalizacin es fijar la media y la

varianza de la imagen a un valor fijo y determinado previamente por el usuario, de

forma que el resultado de las etapas posteriores no dependa de los valores umbrales que

intervienen en el procesado.

Se define la varianza calculada Vc de una imagen de n x m pixeles como (expresin 1):

1 12

0 0

1( ( , ) )

.

n m

i j

Vc I i j X n m

(1)

Donde I (i, j) es la intensidad asociada con el pixel (i, j) y X es la media de la

intensidad de la imagen. Una vez tenemos calculada la media y la varianza de toda la

imagen, se calcular para cada pixel la intensidad calculada IC de laexpresin 2

teniendo en cuenta que se toma una media deseada de 125 y una varianza deseada de

100:

.

2v .( )

v

d I md IC

c(2)


35/67

Juan Lpez Garca


35


Donde Vd es la varianza deseada, I es la intensidad del pixel, md es la media

deseada y Vc es la varianza calculada.

Para obtener el valor de la intensidad normalizado, la intensidad de cada uno de

los pixeles se modificar en funcin del resultado de la expresin 3:

.( )

( , ).( )

vd I md X si I X

vc

I i j vd I md X si I X

vc

(3)

Figura 8.a Imagen original. Figura 8.b Imagen normalizada.

Lasfiguras 8.a y 8.b muestran un ejemplo de cmo el proceso de normalizacin

modifica la intensidad de los pxeles para fijar los valores de media y varianza que

hemos predeterminado.


36/67

Juan Lpez Garca


36


3.3. Segmentacin.

La fase de segmentacin pretende separar la zona de la imagen que

contiene la huella dactilar (donde los valles y las crestas estn presentes) respecto al

fondo, que carece de informacin relevante para el clculo de las minucias. El algoritmo

de segmentacin se basa en la varianza local asociada con un pxel. Generalmente la

zona que contiene la huella dactilar, tiene una varianza elevada (contraste elevado),

dada la diferencia entre la intensidad de los pxeles relacionados con los valles y las

crestas, segn se muestra en lafigura 9.

Zona de bajo contraste

Zona de alto contraste

Figura 9. Zonas de bajo y alto contraste.

Por contra, el fondo representa zonas homogneas en trminos de intensidad de

pxel cuya varianza es muy pequea. Para el clculo de la varianza local, la imagen se

divide en bloques de tamao h x a. Para cada uno de estos bloques se calcula el valor de

la varianza de modo que si est por debajo de 100 (valor umbral tomado de forma

emprica) quiere decir que este bloque no contiene huella (segmentacin). Si por el

contrario la varianza es 100, o est por encima de ese valor, nos indica que hay huella y

que por lo tanto no debe segmentarse el bloque. En el proceso de segmentacin se hace

una copia de la imagen normalizada. Si la imagen inicial es de 256 x 256 y los bloques


37/67

Juan Lpez Garca


37


que hemos utilizado para segmentar son por ejemplo de 5 x 5 la imagen que copiamos

ser de256 256

5 5x , y cuyos pixeles tendrn un valor 0 1 si estn o no

segmentados, respectivamente.

Despus de segmentar la imagen es posible que se produzcan imperfecciones o

zonas mal segmentadas, especialmente en las zonas frontera entre la regin segmentada

y la que contiene la huella dactilar. En algunas ocasiones los errores tambin se

producen dentro de la zona no segmentada (imagen), donde aparecen regiones muy

pequeas que han sido errneamente segmentadas, tal y como muestra lafigura 10.

Estos defectos se solucionan fcilmente utilizando dos operaciones morfolgicas

muy conocidas en procesado de imagen, como son la dilatacin y la erosin.

Concretamente, el primer paso consiste en aplicar un cierre (dilatacin seguida de una

erosin) sobre la imagen segmentada, cuyo efecto es eliminar las imperfecciones que

aparecen en las zonas fronterizas. En el segundo paso se aplica una apertura (erosin

seguida de dilatacin) que elimina las zonas mal segmentadas dentro de la imagen. El

resultado de ambas operaciones puede observarse en lafigura 11.

Error zona no segmentada Error zona segmentada

Figura 10. En esta imagen se muestran errores de segmentacin.


38/67

Juan Lpez Garca


38


Figura 11. Imagen segmentada y sin errores de segmentacin.

3.4. Definicin del perfil de las crestas, (orientacin, filtrado y binarizacin).

Esta etapa consta de varias subrutinas, cuyo propsito es determinar si los pixeles

de la imagen forman parte de las crestas (valor 1) o valles (valor 0). Concretamente

los subrutinas que se utilizan son tres, a saber: orientacin, filtrado y binarizacin.

Orientacin.

La etapa de orientacin se ejecuta inmediatamente despus de la segmentacin y

su objetivo es determinar la orientacin de las crestas (ridges) dentro de la imagen de la

huella dactilar. Es muy importante conocer la orientacin de los ridges porque en la

etapa de filtrado se utilizaran filtros que sern selectivos en cuanto orientacin y

frecuencia (la frecuencia la fijaremos a1

6Hz).

La orientacin o direccionalidad se calcular dividiendo la imagen por bloques de


39/67

Juan Lpez Garca


39


tamao k x z, calculando la orientacin del pixel central y aplicando esta orientacin a

todo el bloque, de esta manera nos ahorraremos un importante tiempo computacional.

Antes de calcular la orientacin del pixel central calcularemos para todos los

gradiente en x e y, aplicando las mascaras Gx (cuadro 2) e Gy (cuadro 3). Para ello

realizaremos la convolucin de cada pixel con una mscara de 3 x 3, conocida en

procesado de seal como operador de Sobel:

Mascara Gx Mascara Gy

Cuadro 2. Valores de la mscara Gx. Cuadro 3. Valores de la mscara Gy.

Para calcular la orientacin del pixel central (i, j), se aplicar la expresin 5a:

( , )( , ) 0, 5.

( , )

x

y

V i ji j arctg

V i j (5a)

Donde:

2 2

2 2

( , ) 2 ( , ) ( , )

N Ni j

x x yN N

u i v j

v i j G u v G u v(5b)

2 22 2

2 2

( , ) ( ( , ) ( , ))

N Ni j

y x yN N

u i v j

v i j G u v G u v(5c)

La orientacin calculada segn la expresin 5 da un resultado bastante aceptable.

Sin embargo, se ha demostrado que existen bloques donde el clculo de la orientacin

-1 -2 -1

0 0 0

1 2 1

-1 0 1

-2 0 2

-1 0 1


40/67

Juan Lpez Garca


40


1 1 1

1 2 1

1 1 1

no es correcto. Conocida la estructura particular de los patrones de huella, es sabido

que la direccionalidad de los pixeles no experimenta cambios bruscos entre un bloque y

sus vecinos, de modo que el mapa de orientacin suele ser a nivel local bastante

homogneo. La eliminacin de errores consiste bsicamente en realizar un filtro paso

bajo sobre el resultado obtenido en la expresin 5a. Para ello se calculan dos matrices

que corresponden con sin2 y otra con cos 2 . A cada una de estas matrices se les

aplica un filtrado pasa bajo con una mscara 3x3 (cuadro 4), obteniendo dos nuevas

matrices sin 2 y cos 2 . Finalmente, se calcula el valor de la orientacin segn la

expresin 6:

sin 20,5.

cos2arctg

(6)

Cuadro 4. Mascara de tres x tres.

Figura 12. Imagendespus de ejecutar la etapa de orientacin.


41/67

Juan Lpez Garca


41


En lafigura 12 puede apreciarse el resultado de la etapa de orientacin a nivel de

bloque (la figura muestra la direccin principal de cada bloque).

Filtrado y binarizacin

La etapa de filtrado vendr despus de la etapa de orientacin. Para acelerar el

proceso de clculo slo se filtran los pixeles que no han sido segmentados; el resto se

consideran como blancos. El objetivo de esta etapa es determinar qu pxeles forman

parte de los valles (negros) o de las crestas (blancos).

Un filtro Gabor responde a la expresin siguiente, (expresin 7):

2 2

2 20.5( )

0( , ) cos(2 . . ). x y

x y

G x y f x e (7)

Donde:

.cos . X x y sen

. .cosY x sen y

= es la orientacin del pixel

f = es la frecuencia espacial 1/6 Hz (fijada por el usuario)

f=1/d

d= distancia entre dos crestas (mximos o mnimos)

2x y

d

Estos filtros se caracterizan por ser selectivos en frecuencia y orientacin, dado

que ambos parmetros aparecen en la expresin 7. La idea de aplicar un filtro Gabor


42/67

Juan Lpez Garca


42


sobre la imagen se basa en que esta tiene precisamente estas propiedades: por un lado

los ridges a nivel local se caracterizan claramente por tener una separacin que marca

una frecuencia espacial determinada, y por otro tienen una orientacin particular

obtenida en la etapa anterior. Si el filtro se sintoniza a la frecuencia y orientacin

asociada con los ridges el resultado del filtrado realzar la estructura cresta-valle de la

huella dactilar.

Empricamente puede demostrarse que la sensibilidad del filtrado con la

orientacin permite cierta flexibilidad, de forma que ngulos con orientaciones similares

(inferiores a 20 grados) dan resultados muy parecidos. Por otro lado, segn la expresin

7una orientacin con respecto a otra orientacin +180 dan lugar al mismo filtro

(simetra). Una forma de acelerar el proceso de clculo consiste en considerar

nicamente un nmero finito de orientaciones, con el objetivo de poder pre-calcular la

estructura de los filtros (valores de los pixeles de sus mscaras asociadas) nicamente

al principio de la ejecucin del algoritmo. Tpicamente el nmero de filtros es 16, lo que

representa saltos de 11.25 grados comprendidos entre180 y 180.

El funcionamiento del algoritmo es el siguiente:

Mediante un bucle anidado se recorren todos los pixeles de la imagen.

Si el pxel no est segmentado se elige el filtro cuya orientacin es la ms

cercana al valor obtenido en la etapa anterior para este pixel.

En funcin del resultado del filtrado se procede a la binarizacin del pxel, de

forma que si este es mayor que un determinado umbral (100) se asigna el valor

1, en caso contrario se asigna el valor 0.


43/67

Juan Lpez Garca


43


Figura 13. Representacin de la imagen despus de la binarizacin.

En la figura 13 se observa el resultado de la imagen despus de ejecutar el

algoritmo de filtrado y binarizacin.

3.5. Adelgazamiento.

El algoritmo de adelgazamiento o tambin denominado esqueletizacin o

thinning, realiza una reduccin del grosor de las lneas hasta que presenten un grosor

igual a un pixel, facilitando de esta manera el proceso de reconocimiento. Se utilizar el

algoritmo propuesto por Zhang-Suen en [Zhang 84], donde se define a los ocho

vecinos de un pixel segn muestra en el cuadro 5:

Cuadro 5.Representacin del bloque, su pixel central y definicin de sus vecinos.

P8 P1 P2

P7 P3

P6 P5 P4


44/67

Juan Lpez Garca


44


Se aplican de forma iterativa dos conjuntos de condiciones. Aquellas que

cumplen todas las condiciones de la etapa A se cambiarn y se pondrn de color blanco:

Etapa A

Si se cumple que el nmero de vecinos distintos de 0 es mayor o igual que dos

y menor o igual que seis. (se asegura que los puntos finales se preservan).

Que solamente una vez se pasa de valor 0 a valor 1 si se recorre el borde, (se

preservan los puntos que se encuentran entre ellos).

Que alguno de P1, P3 y P5 es un 0.

Que alguno de P3, p5 P7 es un 0.

Una vez cambiados los pixeles que cumplan las condiciones de la Etapa A, se

cambiarn aquellos que cumplan las cuatro condiciones siguientes de la Etapa B.

Etapa B

Si se cumple que el nmero de vecinos distinto de 0 es mayor o igual a dos y

menor o igual a seis.

Que solamente una vez se pasa del valor 0 a 1, si se recorre el borde.

Que alguno de P1,P3 y P7 es un 0.

Que alguno de P1,P5 P7 es un 0.

Este algoritmo se realizar de forma iterativa hasta que ningn pixel cambie su

color de negro a blanco.

Una manera de realizar este algoritmo de una manera mucho ms eficiente y

rpida es haciendo la convolucin de la imagen con un filtro, con los siguientes valores


45/67

Juan Lpez Garca


45


(cuadro 6).

Cuadro 6.Representacin del peso de los pixeles del bloque.

Los ocho vecinos quedan codificados en un nmero entre 0 y 255. Pueden

calcularse de antemano los valores numricos que daran las condiciones expresadas

antes, por ello deben eliminarse los puntos que cumplan:

S1={3,6,7,12,14,15,24,28,30,48,56,60,62,96,112,120,129,131,135,143,192,193,

195,199,207,224,225,227,231,240,241,243,248,249}.

S2={3,6,7,12,14,15,24,28,30,31,48,56,60,62,63,96,112,120,124,126,129,131,

135 ,143,159,192,193,195,224,225,227,240,248,252}.

Representando S1, los posibles casos que cumplen el primer conjunto de

condiciones de la Etapa A y S2 los de la Etapa B. As por ejemplo el va lor 207

corresponde la convolucin con una imagen como la de la cuadro 7.

Cuadro 7.Matriz de tres x tres.

Si hacemos la convolucin del cuadro 6con el cuadro 7nos daremos cuenta que

el resultado de esta convolucin es 207.

128 1 2

64 432 16 8

1 1 1

1 1

0 0 1


46/67

Juan Lpez Garca


46


Figura 14. Imagen adelgazada.

Si nos fijamos en la imagen de la figura 13 y luego en la imagen de lafigura 14,

podemos apreciar con claridad como el grosor de las lneas se ha reducido

considerablemente despus de ejecutar el algoritmo de adelgazamiento.

3.6. Extraccin de minucias.

Despus de ejecutar el algoritmo de esqueletizacin se obtiene una imagen

binaria de un tamao de 256 x 256. El objetivo de esta etapa es determinar la posicin,

orientacin y el tipo de minucias (bifurcacin o final) que contiene la imagen, tal y

como muestran las figuras 15a, b.

Imagen 15a. Minucia inicial/final. Imagen 15b. Minucia bifurcacin.


47/67

Juan Lpez Garca


47


Si las imgenes se analizan a nivel de pixel y se hiciera un zoom se

representara como nos ensean los cuadros 8a, b.

Cuadro8a. Minucia inicio/final. Cuadro 8b. Minucia bifurcacin.

La deteccin de las minucias se realiza analizando los 8 vecinos de los pxeles de

color negro que contiene la imagen. Por otro lado, el algoritmo de anlisis debe tener en

cuenta que los bordes de la imagen, donde se establece la frontera con la regin

segmentada, tienen finales de ridges que no se corresponden a minucias. Estos finales

pueden inducir a errores en la deteccin, que deben subsanarse dentro del propio

algoritmo comprobando la proximidad de la minucia con las regiones segmentadas ( ver

figura 15c). La forma de mirar los vecinos de los pixeles negros se hace con una

operacin denominada conectividad. Esta operacin consiste en contar las

transiciones que hay de negro a blanco o viceversa. Si las transiciones en un bloque son

3 4, es una bifurcacin, si son 1 es un posible inicio/final y si es cualquier otro

valor se trata de un punto central del ridges (vase figura 17a, b, c, d).

Finales de huella

y no de minucia.

Figura 15c. Minucias que no se pueden considerar como finales/inicio de huella.


48/67

Juan Lpez Garca


48


Si contamos las transiciones de negro a blanco nos daremos

cuenta de que son 3 por lo tanto es una bifurcacin.

Figura 17a.

En este caso las transiciones son 4 por lo tanto tambin es

una bifurcacin.

Figura 17b.

En este caso las transiciones son 1 por lo tanto es un

inicio/final.

Figura 17c.

En este caso las transiciones con 1, pero sin embargo no es

ni final/inicial ni bifurcacin, es simplemente un error del

Figura 17d. algoritmo.

El resultado de la extraccin ser un vector de n componentes (minucias

encontradas), donde cada componente del vector tendr cuatro elementos, (x, y, teta, ti).

Donde:

x = es el eje de abscisas (horizontal),

y = es el eje de ordenadas (vertical)


49/67

Juan Lpez Garca


49


Teta= orientacin del pxel.

ti = es el tipo de minucia (final/inicio o bifurcacin), como se puede apreciar en la

imagen de la figura 18.

Y (posicin X, posicin y, orientacin, tipo final)

X

Figura 18. Ejemplo de una minucia con una posicin x, y, orientacin y tipo final.

En lafigura 19 se puede observar como el algoritmo detectar todas las minucias

y las marca. En lafigura 20 hacemos un zoom para poder apreciar con ms claridad las

minucias.

Zoom

Figura 19. Minucias encontradas y marcadas.


50/67

Respetando Derechos de Autor Algoritmo Dactilar

Documents

Transcript of Respetando Derechos de Autor Algoritmo Dactilar