В настоящее время существует множество технологий, позволяющих осуществлять процедуру аутентификации пользователя по его биометрическому образу. Подобные процедуры применяются в системах, где имеют место механизмы разграничения прав доступа: только лишь авторизованный пользователь имеет право совершать те или иные действия в рамках системы. Представляется, что перспективами широкого практического использования обладают системы, в основе которых лежит распознавание рисунка кровеносных сосудов в кисти или пальце руки. Данный метод интересен тем, что рисунок кровеносной системы уникален для каждого человека. Такой биометрический образ сложно скомпрометировать или повредить, так как кровеносные сосуды защищены тканями тела человека. Сам процесс получения биометрического образа абсолютно безболезненный и безвредный. Данный механизм апробирован и позволяет получать уникальные биометрические образы человека. В связи с эти многие отечественные и зарубежные крупные компании всё больше и больше доверяют решениям, основанным на распознавании рисунка кровеносных сосудов.
Биометрический образ — это образ человека, полученный с выходов первичных измерительных преобразователей физических величин, подвергающийся далее масштабированию и иной первичной обработке с целью извлечения из него контролируемых биометрических параметров человека. В свою очередь биометрические параметры — это параметры, полученные после предварительной обработки биометрических данных [1]. Такие параметры используются для принятия системой решения о предоставлении или непредоставлении доступа пользователю.
Применение различных алгоритмов обработки цифровых изображений — это то, что лежит в основе описываемой биометрической технологии. Для получения изображения кровеносных сосудов, находящихся близко к поверхности кожи, используется ближнее инфракрасное излучение. С помощью ИК-светодиодов участок идентифицируемой ладони и/или пальца пользователя подвергается облучению ближним инфракрасным излучением, часть которого отражается от биологических тканей человека, попадая после этого через оптическую систему на светочувствительную матрицу (CMOS или CCD), где формируется изображение (рис. 1). Оптическая система, светочувствительная матрица и ИК-светодиоды чаще всего реализованы в виде единой системы, называемой биометрическим сканером.
Биометрический образ — это образ человека, полученный с выходов первичных измерительных преобразователей физических величин, подвергающийся далее масштабированию и иной первичной обработке с целью извлечения из него контролируемых биометрических параметров человека. В свою очередь биометрические параметры — это параметры, полученные после предварительной обработки биометрических данных [1]. Такие параметры используются для принятия системой решения о предоставлении или непредоставлении доступа пользователю.
Применение различных алгоритмов обработки цифровых изображений — это то, что лежит в основе описываемой биометрической технологии. Для получения изображения кровеносных сосудов, находящихся близко к поверхности кожи, используется ближнее инфракрасное излучение. С помощью ИК-светодиодов участок идентифицируемой ладони и/или пальца пользователя подвергается облучению ближним инфракрасным излучением, часть которого отражается от биологических тканей человека, попадая после этого через оптическую систему на светочувствительную матрицу (CMOS или CCD), где формируется изображение (рис. 1). Оптическая система, светочувствительная матрица и ИК-светодиоды чаще всего реализованы в виде единой системы, называемой биометрическим сканером.
Рис. 1. Условная схема получения изображения рисунка кровеносных сосудов ладони в инфракрасном диапазоне: 1-ладонь пользователя; 2-ИК-излучатели; 3-ближнее ИК-излучение; 4-отраженное от ладони ближнее ИК-излучение; 5-оптическая система; 6-светочувствительная матрица; 7-изображение рисунка кровеносных сосудов
В медицине в целях визуализации кровеносных сосудов человека используется ближнее инфракрасное излучение с длиной волн от 0,75 до 0,9 мкм [2]. Однако есть научное мнение, что оптимальная длина волны должна находиться в диапазоне от 0,82 до 0,88 мкм [6]. Визуализировать рисунок кровеносных сосудов человека становится возможным благодаря тому, что в состав крови входит гемоглобин. Наличие в составе гемоглобина железа обуславливает существенное поглощение им инфракрасного излучения по сравнению с остальными тканями организма человека [4]. В связи с этим, на полученном изображении кровеносные сосуды отражаются в более темном цвете, позволяя визуально определить их положение и узор (рис. 2).
Рис. 2.а,б. Изображение, содержащее рисунок кровеносных сосудов [7]: в тыльной стороне ладони пользователя (а), в пальце пользователя (б)
Таким образом, можно прийти к выводу, что в подобных биометрических системах к биометрическому образу пользователя можно отнести цифровое изображение, содержащее рисунок его кровеносных сосудов.
После того, как биометрический образ пользователя получен, происходит процедура получения биометрических параметров. Количество и содержание параметров определяется непосредственно разработчиками конкретной биометрической системы. Представляется, что надёжность и точность работы последней находятся в прямой зависимости от количественных и качественных характеристик биометрических параметров, извлекаемых из изображения рисунка кровеносных сосудов пользователя.
Анализ отечественной и зарубежной научной и технической литературы показал, что в настоящее время существует несколько основных способов получения биометрических параметров из изображений рисунка кровеносной системы пользователя. В данной работе рассмотрены два из них.
К первому способу относятся алгоритмы, где в качестве входной информации используется само изображение, а точнее, массив значений цвета в каждом пикселе изображения. На основе такой концепции разрабатываются конкретные биометрические механизмы. Например, в [8] содержится описание алгоритма получения биометрического параметра из изображения рисунка кровеносных сосудов в пальце пользователя. Изображение улучшается путем наложения фильтра Гаусса, после чего происходит выделение области наибольшего интереса, т. е. той области изображения, где рисунок кровеносных сосудов представляется в наиболее явной форме. В результате полученное изображение уменьшается в размерах с 640×480 пикселей до 330×120 пикселей. Далее полученное изображение сравнивается с идеальным, хранящимся в базе данных в качестве образа «свой» [1]. После этого происходит подсчет значений ошибок сравнения между двумя изображениями, вычисляемых по нижеследующей формуле:
После того, как биометрический образ пользователя получен, происходит процедура получения биометрических параметров. Количество и содержание параметров определяется непосредственно разработчиками конкретной биометрической системы. Представляется, что надёжность и точность работы последней находятся в прямой зависимости от количественных и качественных характеристик биометрических параметров, извлекаемых из изображения рисунка кровеносных сосудов пользователя.
Анализ отечественной и зарубежной научной и технической литературы показал, что в настоящее время существует несколько основных способов получения биометрических параметров из изображений рисунка кровеносной системы пользователя. В данной работе рассмотрены два из них.
К первому способу относятся алгоритмы, где в качестве входной информации используется само изображение, а точнее, массив значений цвета в каждом пикселе изображения. На основе такой концепции разрабатываются конкретные биометрические механизмы. Например, в [8] содержится описание алгоритма получения биометрического параметра из изображения рисунка кровеносных сосудов в пальце пользователя. Изображение улучшается путем наложения фильтра Гаусса, после чего происходит выделение области наибольшего интереса, т. е. той области изображения, где рисунок кровеносных сосудов представляется в наиболее явной форме. В результате полученное изображение уменьшается в размерах с 640×480 пикселей до 330×120 пикселей. Далее полученное изображение сравнивается с идеальным, хранящимся в базе данных в качестве образа «свой» [1]. После этого происходит подсчет значений ошибок сравнения между двумя изображениями, вычисляемых по нижеследующей формуле:
Здесь М — это идеальное изображение, хранящееся в базе данных; I — полученное изображение; row, col — высота и ширина изображения I соответственно; Мu, v — значение серого цвета пикселя в столбце u и ряду v; AreaМ — площадь изображения М. Если значения ошибок сравнения превышают заранее определенную норму, то доступ пользователю не предоставляется.
Второй способ позволяет получить биометрические параметры на основе анализа содержательной части изображения рисунка кровеносных сосудов. Здесь речь идет об алгоритмах, позволяющих распознавать на изображении топологию кровеносных сосудов, степень их разветвленности, среднюю протяженность, среднюю толщину и т. д. Анализ научной литературы показал, что данные биометрические алгоритмы распространены не так широко. Представляется, что это связано с их слабой научной проработанностью. В частности, в [3, 5] говорится о необходимости разработки так называемого комплекса идентификационных характеристик сосудистого русла. Автор данных работ провел семантический анализ изображений с рисунком кровеносных сосудов и установил, что на изображениях присутствуют некоторые особенные области, взаимное расположение которых однозначно идентифицирует биометрический образ конкретного пользователя. Всего выделено три особенных области: область бифуркации (разделения) сосудов, область окончания сосуда и область изгиба сосуда.
В данных областях локализуются контрольные точки (далее КТ): точка бифуркации, точка окончания и точка изгиба соответственно. На изображении сосудистого русла контрольные точки соединены остовом сосудов. При программной обработке полученного изображения набор КТ и соединяющих их сосудов представляются в виде неориентированного графа (рис. 4). В памяти компьютера данная информация хранится в виде матрицы координат КТ, являющихся узлами графа, и матрицы смежности, отображающей связи между КТ. Указанные матрицы являются биометрическими параметрами, извлекаемыми из изображения кровеносных сосудов, и позволяют точно идентифицировать конкретного пользователя.
Рис. 4. Представление структуры сосудистого русла в виде неориентированного графа, где узлами являются КТ
Представляется, что в биометрических системах, построенных с использованием подобных механизмов извлечения биометрических параметров, большое внимание должно уделяться качеству получаемого изображения и алгоритмам его улучшения. Программный алгоритм, осуществляющий распознавание КТ и построение графа, может сработать некорректно, если обрабатываемое изображение рисунка кровеносных сосудов будет размытым. Также представляется, что для получения более точных результатов, перед извлечением параметров необходимо увеличить контрастность изображения и отделить сосуды от общего фона.
Подводя итог, хочется отметить, что разработка биометрических механизмов аутентификации по рисунку кровеносных сосудов в пальце или ладони является актуальной задачей. В статье в общем виде рассмотрена процедура получения такого биометрического образа, как рисунок кровеносной системы пользователя в ладони. Также описаны два наиболее распространенных способа получения биометрических параметров из изображения рисунка кровеносных сосудов: первый способ основан на анализе цветовой составляющей в пикселях изображения, второй способ основан на анализе содержательной части изображения.
Апробировано на XII Международной научно-практической конференции (г. Белгород, 31 марта 2016 г.), опубликовано в периодическом научном сборнике «Современные тенденции развития науки и технологий»
Источники:
- ГОСТ Р 52 633−2006 "Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации".
- Айала Ф., Кайгер Дж. Современная генетика: В 3-х томах, ModernGenetics / Пер. А. Г. Имашевой, А. Л. Остермана, Н. К. Янковского. Под ред. Е. В. Ананьева. — М.: Мир, 1987. — 368 с.
- Тихонов И. А. Модели и алгоритмы биометрической аутентификации пользователей информационных систем по инфракрасному изображению сосудистого русла, автореферат к диссертации на соискание ученой степени кандидата технических наук, Москва, 2013, 20 с.
- Тучина В. В. (пер. с англ.) Оптическая биомедицинская диагностика. В2 т. Т. 1 // М.: Физматлит, 2007. — 560 с.
- Тихонов И. А. Модели качества инфракрасных изображений сосудистого русла для целей биометрической аутентификации пользователей информационных систем // Техническая защита информации, Выпуск № 3/2013, М. 2013, с. 53- 59.
- Тихонов И. А., Спиридонов И. Н. Инфракрасная визуализация кожных покровов // Биомедицинская техника и радиоэлектроника, 2010, № 9, с. 26−32.
- Fariba Yousefi, Analysis of methods for finger vein recognition, in partial fulfillment of the requirements for the degree of Master of Science in medical informatics, 2013.
- Kuk Won Ko, Jiyeon Lee, Mehrdad Ahmadi and Sangjoon Lee Development of Human Identification System Based on Simple Finger-Vein Pattern-Matching Method for Embedded Environments, International Journal of Security and Its Applications Vol. 9, No. 5 (2015), pp. 297−306.