(Tomado de http://es.wikipedia.org/wiki/Reconocimiento_de_iris)
Reconocimiento
de iris
Sistema biométrico por reconocimiento de iris es una de las ciencias más
fiables del mercado
El reconocimiento del iris es
un método de autentificación biométrica que utiliza técnicas de reconocimiento de patrones (los cuales, han sido
almacenados anteriormente en una base de datos) en imágenes de alta resolución del
iris del ojo de un individuo.
No ha de ser confundido con otro,
menos frecuente, basado en el escaneo de la retina. El reconocimiento del iris
utiliza la tecnología de las cámaras: con una fina iluminación infrarroja se
reduce el reflejo que se haya podido producir en la convexa córnea y poder
crear detalladas imágenes de las complejas estructuras del iris. Una vez
convertidas en plantillas digitales, estas imágenes proporcionan una
representación matemática del iris, las cuales coinciden con una identificación
positiva e inequívoca de un individuo.
La eficacia del reconocimiento del
iris es raramente obstaculizada por gafas o lentes de contacto. La tecnología
basada en el iris tiene el valor atípico más pequeño (es decir, hay un número
de personas reducido que no lo pueden usar) de todas las tecnologías
biométricas. Debido a su velocidad de comparación, el reconocimiento del iris
es la tecnología biométrica más adecuada para la identificación de un grupo
numeroso de personas. Una ventaja clave del reconocimiento del iris es su
estabilidad, (el patrón o la plantilla pueden durar muchos años), ya que, salvo un traumatismo,
esta “matrícula” individual puede durar toda la vida.
El físico John G. Daugman
(Laboratorio Informático de la Universidad de Cambridge) fue pionero en este
campo, desarrollando los procesos de creación de algoritmos de reconocimiento
mediante el iris necesarios para la adquisición de la imagen y la puesta en el
mercado de instrumentos necesarios para tal fin. Estos algoritmos se utilizaron
para iniciar la comercialización de esta tecnología en conjunto con una primera
versión del sistema IrisAccess diseñado y fabricado por LG Electronics, en
Corea. Los algoritmos de Daugman son la base de la mayoría de los sistemas de
reconocimiento del iris que se introdujeron en el mercado hasta 2006. (En las
pruebas, cuando los límites (umbrales) coincidían, para una mejor comparación,
se cambiaba la configuración predeterminada para que permitiera una tasa de
error situada entre una región de
a
, a pesar de esto, los porcentajes de los códigos del iris incorrectos o
rechazados son comparables con los sistemas de detección mediante la huella dactilar más precisos).
Vale mencionar también que existen
diferentes técnicas aparte de la de Daugman, como la de Comparación de histogramas, la de Análisis de texturas o la
desarrollada por Wildes, por mencionar algunas.
Contenido
|
Diagrama de bloques del sistema.
El proceso se divide en varias
etapas:
Captura de la imagen
Se captura una imagen de la capa
arbórea del iris en blanco y negro, en un entorno correctamente iluminado,
usando una cámara de alta resolución.
Los sistemas más complejos
incorporan un sistema de triple cámara (dos de ellas para localizar el ojo
dentro de la imagen y la tercera para capturar la muestra del usuario), y están
pensados para cajeros automáticos, pero su coste de fabricación es elevado.
Un parámetro a tener en cuenta a la
hora de diseñar un sistema de captura es, aparte de la calidad de la imagen
obtenida, la comodidad del usuario. Es necesario utilizar la óptica necesaria
para facilitar la ampliación (zoom) de la imagen a
capturar para evitar rechazos por parte de los usuarios.
La imagen obtenida ha de ser
procesada para extraer patrones, que a su vez son sometidos a algoritmos
matemáticos hasta obtener una cantidad de datos suficiente para los propósitos
de identificación. Esa muestra es comparada con otra tomada con anterioridad y
almacenada en la base de datos del sistema, de forma que si ambas coinciden el
usuario se considera autenticado con éxito.
Pre-procesamiento de la imagen
A fin de poder extraer la zona de
interés (iris) de la imagen capturada, se aplican ciertos filtros sobre la
misma.
El primer paso es aplicar un filtro
de mediana, el cual uniforma la conjuntiva del ojo. Esto sirve para
que los bordes de las pestañas, pupila e iris sean más marcados, de tal forma
que puedan ser mejor identificados en las siguientes etapas.
Téngase en cuenta que en esta etapa
no se pretende resaltar ningún detalle de la imagen con fines de codificación,
tal solo se resaltan los bordes de la zona de interés para su posterior
extracción.
El segundo paso es hallar el
histograma de la imagen y obtener un valor umbral para binarizar la misma.
La pupila del ojo aparece en el
histograma como un pico bien marcado en los valores bajos de intensidad de gris
(dado que la pupila es negra). Esto permite ubicar el umbral de binarización un
poco más delante de los valores de la pupila.
Por último, la imagen es binarizada
y la pupila aparece como un circulo negro sobre un fondo blanco, también
aparecen otros objetos, los cuales son eliminados utilizando un algoritmo de
etiquetado. A veces el círculo aparece cortado o deforme (por efectos de luz,
reflejos,...), pero estos errores se corrigen en la siguiente etapa.
Al etiquetar todos los objetos de la
imagen, se elige al más grande, el cual representa a la pupila. Al final de
esta etapa se tiene la imagen de la pupila (representada por un círculo negro)
sobre un fondo blanco.
Extracción de la zona de interés
Antes de comenzar el siguiente
apartado, es importante hacer notar que, al contrario de lo que piensa todo el
mundo, la pupila y el iris no son concéntricos.
Hallando el centro y radio de la pupila
El algoritmo de detección de
círculos consiste en hallar la gradiente de la imagen, los vectores gradientes
del círculo buscados apuntan hacia fuera y son perpendiculares al borde la
imagen (círculo), por simetría del centro del círculo por cada vector existirán
dos vectores en direcciones opuestas, la fase entre estos dos vectores debe ser
aproximadamente 180 grados.
Además, el vector que une dos puntos
del círculo, separados 180 grados entre sí, debe tener la misma dirección que
el vector gradiente.
El segundo paso es aplicado para
encontrar todos los pares de vectores que cumplan con las condiciones
anteriores. El tercer paso es considerar un círculo candidato por cada par de
vectores (cada círculo tiene su propio centro). Finalmente, el círculo correcto
es extraído entre todos los círculos candidatos mediante el almacenamiento de
las coordenadas del centro de cada (Cx,Cy) círculo y su radio(r), luego se
halla el histograma de los valores almacenados(Cx,Cy,r) detectando cuales son
los de mayor ocurrencia, los cuales corresponden al círculo correcto. Este
algoritmo, también nos otorga las coordenadas de centro de la pupila y el radio
de la misma.
Habiendo identificado el círculo de
la pupila y sus coordenadas de centro; así como el radio de la misma; la pupila
es aislada mediante una máscara de extracción, en la cual el círculo de la
pupila es de color negro en un fondo blanco.
Hallando el centro y radio del iris
Para extraer el borde externo del
iris se aplica un estiramiento del histograma de la imagen en escala de grises
original, luego se aplican el filtro de mediana para uniformar las regiones y
eliminar falsos contornos, seguidamente se aplican los filtros de Canny con un
alfa adecuado que permita resaltar el borde externo del iris y facilitar la
detección del mismo.
Luego, considerando la pupila
concéntrica con el iris en el eje vertical, pero no en el eje horizontal. Se
asume, como coordenada del centro del iris en el eje x, la coordenada del
centro de la pupila del eje x y se toma el radio del iris como referencia para
hallar la coordenada “y” del centro del iris.
Conociendo las coordenadas del
centro del iris y su radio, se traza una circunferencia de color blanco sobre
un fondo negro. Se realiza una operación AND entre la imagen capturada y las
dos máscaras de extracción, consiguiendo aislar la zona de interés (el anillo
del iris) en la imagen.
Pre – procesamiento de imágenes para la codificación
A fin de incrementar la eficiencia
de los códigos, se probaron algunos métodos de pre – procesamiento de imágenes
para poder resaltar bordes, detalles y demás características del iris que
aumentaron la certeza de los códigos a probar.
Estiramiento de histograma
Las imágenes del iris tienen un
histograma centrado en un valor de grises, aproximadamente igual a 150, las
componentes de gris de la imagen se extienden de 80 hasta 200 aproximadamente.
Es por esto que las bandas comprendidas entre 1 – 80 y 200 – 255, son aprovechadas
para estirar el histograma de la imagen.
Imagen inicial y la final, tras la aplicación de la técnica de estiramiento
de histograma
Incremento de Contraste
Se implementó también un programa
que aumenta el contraste de los píxeles que se encuentran entre 80 y 200 en escala de grises,
las demás intensidades se hacen cero para que no influyan en el procesamiento.
Imagen inicial y la final, tras la aplicación de la técnica de incremento
de contraste
Transformación a coordenadas polares
Una vez extraído el iris de la
imagen del ojo, se debe realizar un cambio de coordenadas a fin de poder extraer las características del iris y poder armar un
código que lo identifique.
La idea es obtener una
representación rectangular del iris.
Algoritmos de codificación
Caracterización de imágenes mediante la wavelet tipo Haar
A partir de la imagen del iris en
formato polar, se aplica la transformada Haar a la imagen hasta llegar al nivel
5 del árbol. Se realizan pruebas utilizando diferentes bandas de filtración
para construir el código (las bandas que caracterizan a una imagen del iris son
las siguientes: 4HL, 4LH, 4HH, 5HL, 5LH y 5HH).
Además se incluyen los valores
promedio de cada una de las sub-imágenes mencionadas. Este tipo de codificación
aumenta la eficiencia del código incrementando las diferencias entre códigos de
distintas imágenes.
Así mismo, también se modifican
ciertos parámetros al momento de convertir el sistema de coordenadas de las
imágenes.
Otros factores
Además del tipo de codificación
Haar, también se tienen en cuenta otros factores:
• Región del iris a utilizar:
En ciertas imágenes el iris se ve obstruido por el párpado o por alguna
pestaña, es por eso que se prueba la codificación del iris utilizando sólo
ciertas regiones, las cuales están libres de cualquier agente extraño que puede
adulterar las características del iris.
Se llegó a la conclusión de que la
región que menos problemas presenta es una región trapezoidal de 50º a cada
lado del iris.
• Parámetros del algoritmo de
cambio de sistema de coordenadas: Se notó que al cambiar los parámetros del
algoritmo que convierte la representación del sistema de coordenadas del iris,
esto influye de gran manera en los resultados de la posterior codificación.
Si se usa un delta muy pequeño la
imagen crece debido a la redundancia de píxeles, pero a la vez se pierden
algunas texturas necesarias para que la codificación sea más eficiente. Por el
contrario, si el delta es muy grande, se pierde información porque no todos los
píxeles de la imagen original son llevados a la nueva representación. Se
determinó que le valor apropiado para delta es 0.009.
Algoritmo de verificación
En esta etapa se identifica
(comparar la plantilla de un individuo con la de muchos) o se verifica
(compararla con la de uno mismo) una plantilla creada por proyección de la
imagen del iris con una plantilla de valores almacenada en una base de datos.
Las etapas de pre-procesado y de
extracción de características involucran un coste computacional muy elevado.
Sin embargo, ese coste conlleva que los datos que le lleguen al bloque de
verificación sean tan sencillos que los cálculos involucrados resulten,
prácticamente, despreciables.
En concreto, Daugman propone
discriminar los coeficientes entre positivos y negativos, asignando un
"1" a los positivos (o nulos) y un "0" a los negativos. Con
la secuencia de bits conseguida, se aplica una distancia de Hamming para obtener la distancia entre el patrón, previamente almacenado, y la
muestra a verificar.
La Distancia de Hamming es,
simplemente, una medida de los bits que son distintos, por lo que la operación
es realizar un XOR entre los vectores (aplicada a los 2048 bits que codifican
cada patrón) y contar el número de bits que son "1".
Se considera que el ojo es el mismo
de alguno de los ojos de la base de datos si tiene más de veinte regiones bien
parecidas.
Ventajas
El iris del ojo ha sido descrito
como la parte ideal del cuerpo humano para la identificación biométrica por
varias razones:
- Se trata de un órgano interno que está bien
protegido contra daños y el desgaste por una membrana transparente y
altamente sensible (la córnea). Esto lo
distingue de las huellas digitales, las cuales pueden ser difíciles de
reconocer después de realizar trabajos manuales durante años.
- El alto nivel de aleatoriedad en su estructura, el
cual permite 266 grados de libertad que pueden ser codificados y una
densidad de información de 3,4 bits por mm² de tejido.
- El iris es predominantemente plano, y su
configuración geométrica es controlada únicamente por dos músculos
complementarios (el esfínter y el dilatador de la pupila) que controlan el
diámetro de la pupila. Esto hace que la forma del iris sea mucho más
predecible que, por ejemplo, la de la cara.
- El iris tiene una textura fina que, como las huellas
dactilares, se determina al azar durante el proceso embrionario de
gestación. Incluso individuos genéticamente idénticos tienen texturas del
iris completamente independientes (gemelos). aunque las huellas digitales
también son diferentes.
De hecho, los dos ojos de una
persona poseen patrones distintos, siendo ésta una característica muy
importante que tiene que ser considerada en el sistema al no ser la imagen de
los dos ojos intercambiables.
- Un escaneo del iris es similar a tomar una
fotografía y se puede realizar a partir de unos 10 cm hasta unos metros de
distancia. No es necesario que la persona que deba ser identificada tenga
contacto físico con los equipos que han sido tocados recientemente por
extraños, eliminando así una objeción que se ha planteado en algunas
culturas en contra de los escáneres de huellas dactilares, (donde un dedo
de la mano tiene que tocar una superficie), o de los escáneres de la
retina, donde el ojo puede estar muy cerca del objetivo (como mirar por
una lente de microscopio).
- Algunos sostienen que una fotografía digital
enfocada con un diámetro del iris de unos 200 píxeles contiene, a largo
plazo, información mucho más estable que una huella digital.
- El primer algoritmo de reconocimiento del iris
(IrisCode), desplegado comercialmente por John Daugman, tiene una tasa de
error sin precedentes (mejor que
- A pesar de que existen algunos procedimientos
médicos y quirúrgicos que pueden afectar el color y el aspecto general del
iris, la fina textura se mantiene notablemente estable a lo largo de
muchas décadas. Algunas identificaciones del iris han tenido éxito durante
un período de unos 30 años.
Desventajas
- El escaneo del iris es una tecnología relativamente
nueva y es incompatible con la gran inversión que las autoridades
policiales y de inmigración de algunos países ya han hecho en el campo del
reconocimiento de huellas dactilares.
- Es muy difícil realizar el
reconocimiento del iris a partir de una distancia superior a un par de
metros y si la persona a identificar no coopera (manteniendo la cabeza
quieta y mirando a la cámara). Sin embargo, varias instituciones
académicas y vendedores de sistemas biométricos están desarrollando
productos que dicen ser capaces de identificar a sujetos a una distancia
de hasta 10 metros ("iris a distancia").
- Al igual que con otras
tecnologías biométricas basadas en fotografías, el reconocimiento del iris
es susceptible a la mala calidad de la imagen, con fallos asociados a las
tasas de registro.
- Al igual que con las
infraestructuras de otros métodos de identificación (bases de datos de los
residentes nacionales, tarjetas de identidad (DNI), etc.), activistas de
derechos civiles han expresado su preocupación de que la tecnología de
reconocimiento de iris puede ayudar a los gobiernos a “controlar” a
personas en contra de su voluntad.
Las consideraciones de seguridad
Como con la mayoría de otras
tecnologías de identificación biométrica, un problema aún no resuelto
satisfactoriamente con el reconocimiento del iris es el relacionado con la
verificación de tejidos vivos. La fiabilidad de cualquier identificación biométrica depende de
garantizar que la señal adquirida y comparada, ha sido tomada de una parte del
cuerpo vivo de la persona a ser identificada y no es un modelo fabricado.
Muchos de los sistemas de reconocimiento de iris disponibles comercialmente son
fáciles de engañar presentando una fotografía de alta calidad de una cara en
vez de un rostro real, lo que hace que estos dispositivos no sean aptos para
aplicaciones sin supervisión, tales como sistemas de control de acceso a
puertas. El problema de la verificación de tejidos vivos es menos preocupante
en las aplicaciones de supervisión (por ejemplo, el control de la inmigración),
donde un operador humano supervisa el proceso en el que se toma la foto.
Algunos métodos que se han sugerido
para aumentar la defensa contra el uso de ojos e iris falsos son:
- Haciendo un cambio de
iluminación ambiental durante la identificación (por ejemplo, encendiendo
una lámpara brillante), de manera que la dilatación de las pupilas pueda
ser verificada y la imagen del iris se registre con varios diámetros de la
pupila.
- Analizando, mediante espectros de
frecuencias espaciales en 2D, los picos de
las imágenes del iris causados por los patrones del trazo de las
impresoras disponibles comercialmente en las lentes de contacto (falsos
iris).
- Analizando espectros de
frecuencias temporales de las imágenes debido a los picos causados por las
pantallas de ordenador.
- Utilizando el análisis
espectral en lugar de, únicamente, cámaras monocromáticas para distinguir
el tejido del iris de otro material.
- Observando el característico
movimiento natural del globo ocular (midiendo los nistagmos, el seguimiento de los ojos mientras lee texto, etc).
- Haciendo pruebas para detectar
la retro-reflexión de la retina (el efecto de los ojos rojos).
- Haciendo pruebas para las
reflexiones de cuatro superficies ópticas del ojo (frente y reverso de
ambas córnea y el cristalinos) para verificar su presencia, posición y
forma.
- Utilizando imágenes en 3D (por
ejemplo, cámaras estéreo) para verificar la posición y forma del iris en
relación con otras características del ojo.
Un informe del 2004 publicado por la
Oficina Federal para la Seguridad de la Información (Alemania) señaló que
ninguno de los sistemas de reconocimiento del iris disponibles comercialmente
en la actualidad, implementa tecnología suficiente para verificar si lo que
está detectando es un tejido vivo. Como cualquier tecnología de reconocimiento
de patrones, verificar los tejidos vivos tendrá su propia probabilidad de error
y, por lo tanto, se reducirá aún más la probabilidad de que un usuario legítimo
sea aceptado por el sensor.
Sensores
En sistemas para el reconocimiento
del iris es común encontrar cámaras de vídeo de tipo CCD. En la figura se puede apreciar un diagrama de bloques de
esta cámara CCD.
El corazón de las cámaras es un
circuito integrado tipo CCD (Dispositivo de Carga Acoplada). Este dispositivo
consiste en varios cientos de miles de elementos individuales (píxeles)
localizados en la superficie de un diminuto CI (Circuito
Integrado).
Cada píxel se ve estimulado con la
luz que incide sobre él (la misma que pasa a través de las lentes y filtros de
la cámara), almacenando una pequeña carga de electricidad. Los píxeles se
encuentran dispuestos en forma de malla con registros de transferencia
horizontales y verticales que transportan las señales a los circuitos de
procesamiento de la cámara (convertidor analógico-digital y circuitos
adicionales). Esta transferencia de señales ocurre 6 veces por segundo.
Aplicaciones desplegadas
Un sargento de la marina de EE.UU. utiliza un sistema de reconocimiento
mediante el iris a un alto mandatario de la realeza árabe.
- El control arboláreo de seguridad de la patria
(IrisGuard) en las fronteras de los Emiratos Árabes ha estado operando un
sistema de seguimiento expulsado en los Emiratos Árabes Unidos (EAU) desde 2001, cuando la EAU puso en marcha una
iniciativa a nivel nacional sobre la seguridad en las zonas fronterizas.
Hoy en día, todo el país de los EAU, aeropuertos y puertos marítimos de
entrada y salida están equipados con estos sistemas. Todos los extranjeros
que poseen un visado para entrar en los EAU se procesan a través de
cámaras de iris instaladas en todos los puntos de inspección de
inmigración (primarios y auxiliares). Hasta la fecha, el sistema ha
detenido a más de 330.000 personas que intentaban entrar en los EAU con
documentos de viaje fraudulentos.
- Es una de las tres tecnologías
de identificación biométrica normalizada a nivel internacional por la OACI (Organización de Aviación Civil Internacional) en
los pasaportes del futuro (las otras dos son las huellas dactilares y el reconocimiento
facial).
- La tecnología de reconocimiento del iris ha sido
aplicada por BioID Technologies SA en Pakistán para el proyecto de
repatriación del ACNUR (agencia de la ONU
para refugiados), cuyo objetivo es controlar la distribución de ayuda a
los refugiados afganos. Los refugiados son repatriados por la ACNUR en
cooperación con el Gobierno de Pakistán, y se les da una cantidad de
dinero para comenzar de nuevo. Para asegurarse de que a la gente no se les
paga más de una vez, su iris se escanea, y el sistema detectará a los
refugiados en el siguiente intento. La base de datos cuenta con más de 1,3
millones de plantillas del código del iris y alrededor de 4000 registros
por día. El tiempo de comparación del iris de un individuo con los 1,3
millones de plantillas se realiza en 1,5 segundos.
- Los aeropuertos (Países Bajos) ofrecen tanto a
líneas aéreas como a aeropuertos un innovador y rápido sistema de
seguridad basado en tecnologías de escaneo del iris del ojo humano. El
procedimiento de seguridad tiene dos fases. En la primera (15 minutos), se
revisa el pasaporte del viajero, pasa el control reglamentario y se
escanea el iris de su ojo. Sus datos son cifrados e insertados en una tarjeta inteligente. En la segunda (15 segundos), se identifica y se
confirma la identidad del pasajero en la zona de embarque (escaneando
nuevamente el iris y comprobando si los datos coinciden con los de la
tarjeta).
- El medio de control de las fronteras IRIS (Iris
Recognition Immigration System) utilizado en el Reino Unido.
- Este sistema de reconocimiento
se utilizó para identificar a la “niña afgana” (Sharbat
Gula) 28 años después de que el fotógrafo Steve McCurry sacara en la portada de la revista National Geographic una imagen
suya con 12 años.
- En una serie de aeropuertos de EE.UU. y Canadá, como
parte del programa NEXUS, que facilita la entrada a los EE.UU. y Canadá a
los viajeros de bajo riesgo.
- En varios aeropuertos de Canadá, como parte del
programa CANPASS Air que facilita la entrada en Canadá a los viajeros de
vuelos de bajo riesgo.
- En el uso de la iridología: ciencia
del estudio del iris humano y el significado de las señales que en él
aparecen. Por las señales registradas en el iris se puede saber las
dolencias que existen o prevenir dolencias futuras (como, por ejemplo,
enfermedades del corazón, pulmones, riñones, testículos, ovarios,
tiroides, estómago o intestino delgado), además de facilitar el
diagnóstico de afecciones, así como reducir el costo y tiempo de
consultas.
- En móviles de última generación, los cuales,
identifican el iris en vez del PIN para acceder a los mimos.
Funciones para el reconocimiento de iris en MATLAB
En la dirección: (Tomado de http://iie.fing.edu.uy/investigacion/grupos/gti/timag/trabajos/2004/recon_iris/prog/prog.htm se encuentran distintas funciones para el reconocimiento de iris para el MATLAB. Las 3 funciones que podrás encontrar son:
- Función que reconoce la pupila y el borde del iris.
- Función que realiza el
estiramiento del iris reconocido.
- Función que realiza la
transformada y divide en zonas.
Hay que tener en cuenta que la
implementación en MATLAB no ha sido depurada de forma detallada, ni optimizada.
Una implementación en C o C++ será un trabajo futuro para así mejorar más aún los
tiempos de computación.
·
- (Estas funciones han sido
implementadas por Rosario Almeyda y Pablo Lucerna)
Resultados experimentales
Se han realizado numerosos exámenes
para comprobar la eficacia de este sistema de detección.
Para el descrito a continuación, se
ha utilizado una base de datos compuesta por las imágenes de ambos ojos de 10
personas con al menos 10 muestras de cada uno de los ojos. Las fotografías se
tomaron en diferentes días y horas, durante 7 meses. Se consideró cada ojo como
una persona “distinta”, es decir cada persona tiene dos identidades una por
cada ojo, lo cual nos proporciona 20 usuarios “virtuales” diferentes.
Resultados en verificación
En una arquitectura de verificación,
el rendimiento de un sistema biométrico se analiza mediante tres medidas: Tasa
de Falsa Aceptación (FAR), la Tasa de Falso Rechazo (FRR) y la Tasa de Igual
Error (ERR), es decir, el valor donde las tasas FAR y FRR son iguales bajo un
cierto umbral. Par cada una de las métricas se han utilizado diferentes
umbrales (permiten decidir si el usuario es aceptado o rechazado) obteniendo
diferentes valores de las tasas FAR y FRR.
Resultados con filtros
de Gabor: El rendimiento del primer sistema, se ha llevado a cabo
utilizando los 4 tamaños del vector de características que señalamos
anteriormente. En ella se muestra que, en todos los casos, la tasa EER, está
siempre por debajo del 10 %, alcanzando su mejor valor en 3,6 % para
1860 bits. También puede apreciarse que pueden obtenerse tasas FAR nulas para
tasas FRR muy bajas, lo que significa que el sistema es idóneo para entornos de
muy alta seguridad.
Resultados utilizando la representación multiescala de cruces por cero: Como en Clasificación, también en este caso la distancia binaria de Hamming aplicada al código de la firma del iris obtiene los mejores resultados. En la primera imagen, se muestra el comportamiento de las tasas FAR y FRR, obteniendo una tasa EER de 0,12% Pero, lo que es más importante, se obtienen tasas FAR nulas para valores aún más pequeños que en el sistema anterior de la tasa FRR, lo que hace de éste un sistema óptimo para entornos que requieran una alta seguridad. Los resultados obtenidos con la distancia Euclídea y dz se muestran en la segunda imagen, donde puede apreciarse que se alcanza una EER de 2,47% utilizando la distancia Euclídea y de 2,12% utilizando la distancia dz. Lo que significa una gran mejora respecto a los resultados obtenidos con filtros de Gabor.
No hay comentarios.:
Publicar un comentario