Sabina Gutlić_Završni rad

Univerzitet u Sarajevu Elektrotehn ički

fakultet Odsijek za automatiku i

elektroniku MoE studij

Završni rad

Metode biometrijske identifikacije i tehnike njihove implementacije kod autentifikacije osoba na bazi

otiska prstiju

Mentor: Red.Prof.Dr. Adnan Salihbegović Sarajevo, Novembar 2010god.

Student: Sabina Gutlić

Akademska godina 2009/2010

[Završni rad]

Sažetak

Zadatak ovog rada je provedba detaljne analize glavnih biometrisjkih tehnologija koje su

trenutno u upotrebi, kao i osvrt na osnovne karakteristike biometrijskih sistema identifikacije uopšte.

Dio rada u kojem su opisani multimodalni biometrijski sistemi opisuje načine koordiniranja elemenata

ovakvih sistema u svrhu njihovog zadovoljavajućeg funkcionisanja. Navedena je i kvantitativna uporedba

parametara opisanih tehnologija, kako bi čitalac imao detaljan uvid u prednosti i nedostatke svake

metode pojedinačno. U radu je također dat pregled glavnih aspekata prepoznavanja otisaka prstiju, a

zatim i detaljan opis implementacije AFIS sistema (Sistem automatizirane identifikacije otisaka prstiju)

baziran na identifikaciji poređenjem minucija (detalja otiska prsta). Sistem je podijeljen u različite

komponente, skeniranje otiska prsta, poboljšanje slike, ekstraktovanje karakteristika, poređenje i

klasifikacija. Otisci prstiju, u ovdje opisanom postupku, uzeti su kapacitivnim skenerom, nakon čega

slijedi korak određivanja orjentacionog polja istog. Naknadna binarizacija slike i stanjivanje grebenova

olakšavaju ekstrakciju minucija, nakon čega dobivamo singularne tačke, centar i delte, iz slike

orijentacionog polja otiska. Klasifikacija otisaka izvršena je na osnovu pozicija ovih singulariteta, nakon

čega može biti izvršen postupak poređenja. Na kraju, poglavlje koje se bavi komercijalnom primjenom

ovih sistema, pruža uvid u najuspješnije kompanije koje trenutno proizvode opremu za ovu oblast.

Summary

Thesis is presenting detailed analysis of the main biometric technologies currently in use,

together with an overview of the fundamentals of biometric identification. A section on multibiometrics

describes the state of the art in making these systems work coordinately. A comparison on different

qualitative parameters of these technologies is also given, so that the user may have a clear perspective

of advantages and disadvantages of each. This thesis also gives an overview of the main aspects of

fingerprint recognition, and then describes in detail the implementation of an AFIS (Automated

Fingerprint Identification System) using minutiae-based matching. The AFIS system is divided into

different components; fingerprint image scanning, image enhancement, feature extraction, matching

and fingerprint classification. The fingerprint is acquired with a capacitive scanner, after which it is

enhanced using directional filtering in order to improve identification ratio. Subsequent binarisation and

ridge thinning facilitate the extraction of the minutiae, after which the singularities, core and delta are

obtained from the orientation image of the fingerprint. The fingerprints are classified based on relative

positions of these singularities and minutiae matching can be carried out after this process. Finally, a

section on commercial issues provides the user a perspective of the main companies currently involved

in this field.

UNIVERZITET U SARAJEVU

ELEKTROTEHNIČKI FAKULTET Odsjek

za automatiku i elektroniku Sarajevo,

25/05/2009

Predmet : Završni rad ( master teza ) II ciklusa MoE studija iz Identifikacije sistema Naziv

rada:

| Sažetak

[Završni rad]

Metode biometrijske identifikacije i tehnike njihove implementacije kod autentifikacije osoba na bazi otiska prstiju

Ciljevi rada:

U okviru završnog rada MoE studija ( master teze) treba provesti detaljnu analizu postojećih metoda i

tehnika biometrijske identifikacije osoba putem prepoznavanja otisaka prstiju, i diskutovati načine

implementacije ove identifikacione metode. Naročito analizirati aspekte ukljanjanja i filtriranja smetnji u

prikupljenim podacima prije nego što se prikupljeni uzorci klasifikuju jednom od metoda prepoznavanja.

Sadržaj rada:

- Stanje u oblasti metoda i tehnika za biometrijsku identifikaciju osoba putem prepoznavanja i klasifikacije otisaka prstiju.- implementacija AFIS (Automated Fingerprint Identification System) sistema baziranog na uparivanju minitua kroz skaniranje prstiju, poboljšanje i filtriranje slike, ekstrakcije osobina, poredjenja i uprivanja sa bazom podataka otisaka i klasifikacija otisaka

- analiza tehnika za poboljšanje ( enhancement ) i filtriranje skanirane slike otiska prsta- tehnički aspekti implementacije AFIS sistema

- pregled primjena ove tehnike bimetrijske identifikacije i poredjenje sa ostalim tehnikama ( prepoznavanje lica, irisa, glasa itd).

Mentor :

Red. Prof. Dr. Adnan Salihbegović , dipl. el. Ing.

Sadržaj

Sažetak ....................................................................................................................................................................... 2

Uvod ........................................................................................................................................................................... 6

1. Biometrijski sistemi ............................................................................................................................................ 8

1.1. Biometrija ............................................................................................................................................... 10

1.2. Unimodalni biometrijski sistemi .............................................................................................................. 12

1.3. Multimodalni biometrijski sistemi ........................................................................................................... 13

1.4. Registracija biometrijskih podataka ........................................................................................................ 14

1.5. Identifikacija i verifikacija ........................................................................................................................ 15

1.6. Greške ..................................................................................................................................................... 16

1.7. Biometrijski sistemi i moguće prijetnje ................................................................................................... 18

1.7.1. Specifične prijetnje u biometrijskim sistemima .................................................................................. 19

1.8. Biometrija i privatnost ............................................................................................................................ 20

2. Tehnike biometrijske identifikacije .................................................................................................................. 22

2.1. Biometrijska identifikacija na osnovu fizioloških karakteristika .............................................................. 24

2.1.1.Biometrijska identifikacija na osnovu lica ............................................................................................... 24

2.1.2.Biometrijska identifikacija na osnovu oka .............................................................................................. 29

2.1.3.Biometrijska identifikacija na osnovu šake ............................................................................................. 36

2.1.4.Biometrijska identifikacija na osnovu uha .............................................................................................. 38

| Sažetak

[Završni rad]

2.1.5.Biometrijska identifikacija na osnovu mirisa .......................................................................................... 40

2.1.6.Biometrijska identifikacija na osnovu DNK .............................................................................................. 41

2.2. Biometrijska identifikacija na osnovu bihaviorističkih karakteristika ...................................................... 45

2.2.1. Biometrijska identifikacija na osnovu glasa ................................................................................... 45

2.2.2. Biometrijska identifikacija na osnovu dinamike potpisa ................................................................ 47

4.1.1. Biometrijska identifikacija na osnovu dinamike tipkanja ....................................................................... 49

4.1.2. Biometrijska identifikacija na osnovu dinamike hoda ............................................................................ 51

4.2. Uporedba biometrijskih metoda identifikacije .......................................................................................... 54

4.2.1. Poređenje tehničkih karakteristika različitih biometrijskih metoda identifikacije .............................. 57

3. Otisci prstiju kao dio Biometrije ....................................................................................................................... 60

3.1. Kratka historija otisaka prstiju ................................................................................................................. 64

3.2. Sistem Biometrijske identifikacije na osnovu otiska prstiju ..................................................................... 68

3.2.1. Očitavanje otiska ............................................................................................................................ 69

3.2.2. Osnovne karakteristike otisaka i njihovo predstavljanje ................................................................. 72

3.3. Sistem automatizirane identifikacije otisaka prstiju (AFIS) ...................................................................... 78

3.3.1. Analiza tehnika za poboljšanje i filtriranje skanirane slike otiska prsta ........................................... 79

3.3.2. Ekstrakcije osobina i detekcija singulariteta ................................................................................... 84

3.3.3. Poređenje otisaka ........................................................................................................................... 87

3.3.4. Klasifikacija otisaka ........................................................................................................................ 91

3.3.5. Tačnost i pouzdanost AFIS sistema ................................................................................................. 95

3.4. Komercijalni sistemi raspoznavanja otisaka prstiju ................................................................................ 98

4. Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica .............................. 101

4.1. Biometrijske lične karte ........................................................................................................................ 102

4.2. Biometrijski pasoši ............................................................................................................................... 104

4.2.1. Biometrijski pasoš Bosne i Hercegovine .......................................................................................... 105

4.3. RFID čip ................................................................................................................................................. 107

4.4. Sistem kontrole državinh granica .......................................................................................................... 113

5. Zaključak ........................................................................................................................................................ 117

Pregled slika i tabela .............................................................................................................................................. 119

Pregled korištenih termina i mnemonika .............................................................................................................. 123

Reference .............................................................................................................................................................. 124

5 / 126

| Sažetak

[Završni rad]

Uvod

Prepoznavanje ličnosti izgleda jednostavno zbog toga što ga ljudi svakodnevno vrše na poslu,

ulici, kući, na bilo kom drugom mestu gdje dolaze u kontakt sa drugim ljudima. Međutim, u modernom

svijetu, ono nije tako lako kao što se čini. Tehnološki razvoj, postojanje globalne računarske mreže koja

se svakim danom sve više širi, povećanje broja putnika na globalnom nivou, kao i automatizacija raznih

poslova i usluga zahtjeva pouzdane metode za utvrđivanje i provjeru identiteta. Naime prosječna osoba

se dnevno identifikuje više od 10 puta prilikom korištenja računara, telefona, kreditnih i platnih kartica,

automatskih terminala za isplatu novca, primanja socijalne pomoći, korištenja zdravstvenih usluga,i sl.

Identifikacija ličnosti treba da bude brza, pouzdana, teška za prevaru, jeftina, i u velikom broju slučajeva

društveno prihvatljiva za osobu koja treba da se identifikuje.

U oblasti sigurnosti poznata su 3 različita načina za proveru identiteta:

S Nešto što znaš (knowledge) - šifra, PIN (lični identifikacioni broj), neka lična informacija; S Nešto

što imaš (possesion) - karticu (npr. "pametne" ili slične); S Nešto što jesi - biometrija.

Biometrija predstavlja automatizovan metod

utvrđivanja identiteta osobe na osnovu fizioloških

karakteristika kao što su lice, otisak prsta, geometrija

ruke, dužica ili mrežnjača oka, raspored vena ili glas.

Pod autentifikacijom podrazumijevamo

proces koji uključuje identifikaciju i verifikaciju

identiteta. Identifikacija odgovara na pitanje o kojoj

se osobi radi, a verifikacija potvrđuje da je

identificirana osoba uistinu ona za koju se predstavlja.

Tradicionalni načini autentifikacije

uključuju upotrebu osobnih identifikacijskih brojeva

(engl. Personal Identification Number -PIN), lozinki,

identifikacijskih kartica i ključeva. Očiti nedostaci ovakvog tradicionalnog pristupa su raznovrsne

mogućnosti zloupotrebe. Kartice i ključevi su fizički objekti podložni gubljenju i krađi. Iako su brojne

lozinke pohranjene u ljudskom mozgu sigurne od krađe, zaboravljivost često natjera osobe da ih negdje

zapišu pri čemu dobivaju fizičku realizaciju. Sigurnosni rizik predstavlja unos lozinki jer se promatranjem

ili presretanjem podataka može doći do osjetljivih informacija. Korisnici često i dobrovoljno razmjenjuju

lozinke i identifikacijske kartice sa svojim kolegama i prijateljima kako bi si olakšali rad.

Slika 1 Procentualni odnos zastupljenosti metoda biometrijske

identifikacije

2010

[Završni rad]

| Uvod 6 / 126

2010

[Završni rad]

Zadatak biometrije je eliminirati spomenute nedostatke tradicionalnih metoda razvijanjem

automatiziranih načina da se jedinstvena obilježja našeg tijela i ponašanja iskoriste pri autentifikaciji.

Kako raste potreba za višim nivoom sigurnosti, tako su biometrijski sistemi sve manji, precizniji,

pouzdaniji i brži i nalaze sve veću primjenu u svim djelatnostima gdje je neophodno nedvosmisleno

utvrditi ili potvrditi identitet osobe. Potreba za biometrijom naročito je porasla poslije terorističkih

napada u Americi 11. septembra 2001. godine, kada su pooštrene kontrole na aerodromima i kada se

javila potreba da se iz mase izdvoje potencijalni teroristi. Ovaj događaj je, pored brojnih uticaja na

dešavanja u cijelom svijetu, pospješio razvoj i intenzivirao primjenu biometrijskih sistema.

Neke od klasičnih identifikacijskih metoda, koje su prema opštim karakteristikama biometrijske,

dobijaju potpuno novo značenje i kvalitetu i doživljavaju svoj remake u informatičko-digitalnom

okruženju. Naime, primjenom modernih tehnologija iz domene elektrotehnike i računarstva, kroz

savremene hardverske uređaje i softverske alate, neke svojevremeno kroz istoriju odbačene

identifikacijske metode, doživljavaju svoj procvat i novu afirmaciju. To je posebno značajno u području

antropološke identifikacije koja je zbog tehnoloških ograničenja tokom 20. vijeka gotovo napuštena,

osim u zoni sudsko-medicinskih ekspertiza.

Također, savremena tehnološka i naučna dostignuća omogućavaju nastanak i razvitak potpuno

novih metoda identifikacije, koje se temelje na tjelesnim i bihejvioralnim (ponašajnim) individualnim

karakteristikama osoba koje prije nije bilo moguće registrovati, izdvojiti i koristiti. Savremena tehnologija

omogućava pouzdana, brza i nenametljiva sredstva za automatsko prepoznavanje identiteta osoba.

Mnogo je primjera potrebe za visokim stepenom sigurnosti u našim životima, kao što je kontrola pasoša,

licence, upotreba ključeva i kartica, sigurnost na aerodromima i slično. Neke od metoda za biometrijsku

identifikaciju su geometrija ruke, crte lica, otisak prsta, prepoznavanje glasa i dinamika potpisa. Za ove

vrste identifikacije problem se javlja u jedinstvenosti, kao i u imunosti na vrijeme.

Biometrija je oblast prepuna kontroverzi. Njeno korištenje promovišu oni čiji je posao da spriječe

prevare, dok su oni koji se zalažu za očuvanje privatnosti prepuni sumnji. Biometrija može da pozitivno

identifikuje osobu i time spriječi čitav niz prevara vezanih za identitet, ali ona može i da, bez dozvole

subjekta, prati njegove postupke i poveže lične informacije iz različitih izvora, što je veliki napad na

privatnost. Tu su još i nedovoljno ispitani izvori prijetnji karakteristični samo za biometriju. Njeno

korištenje je moćno sredstvo u rukama jakih korporacija, da vježbaju kontrolu nad pojedincem, ali i

društvom u celini. Sve ovo baca novo svjetlo na mogućnost korištenja ali i zloupotrebe biometrije.

1. Biometrijski sistemi

Biometrijski sistem je u osnovi sistem za prepoznavanje uzoraka koji jedinstvenu identifikaciju

temelji na određivanju autentičnosti pojedinih fizioloških i bihejvioralnih (ponašajnih) karakteristika

osobe.

Da bi se kvalifikovale da ih nazovemo biometrijskim, biološke mjere moraju zadovoljiti sljedeće

uslove:

1. Univerzalnost - svaka osoba mora posjedovati ovu karakteristiku;

2. Jedinstvenost - karakteristika mora biti različita za sve članove populacije;

1. Nepromjenljivost - karakteristika ne smije da se menja pri različitim uslovima

prikupljanja, i tokom vremena;

3. Kolektibilnost- karakteristika mora biti kvantitativno merljiva i prikupljiva.

| Uvod

[Završni rad]

Slika 1.1. Podjela biometrijskih sistema po porijeklu karakteristika

Naravno pri odabiru biometrijskog sistema koji se koristi za utvrđivanje identiteta mora se voditi

računa i o sljedećim faktorima:

S pouzdanost - odnosi se na tačnost, brzinu, kao i na faktore koji mogu uticati na rad sistema;

■ prihvatljivost - označava stepen spremnosti ljudi da prihvate korištenje ovog sistema u

svakodnevnom radu;

■ otpornost - koliko je sistem otporan na potencijalno krivotvorenje i napade.

U Tabeli 1. dat je pregled nekoliko različitih biometrijskih tehnologija kao i percepcija u kojoj mjeri one ispunjavaju gore navedene faktore.

| Uvod

[Završni rad]

V

N S V N V N

S V V S V S SS S S V S S SV V V S V N VV V S N V N VN N N V N V NS N N S N V N

Tabela 1.1. Komparacija različitih biometrika. V, S i N označavaju Visoko, Srednje i Nisko respektivno

Biometrijski sistem generalno radi u dva moda:

1. Verifikacija - vrši se kada neka osoba tvrdi da ima neki identitet (u tradicionalnim sistemima to se radilo uz pomoć lozinke, ID kartice i sl.); sistem potvrđuje ili odbija identitet upoređivanjem biometrijskih karakteristika sa šablonom (template) prethodno sačuvanim u bazi i izvodi se poređenje jedan-prema-jedan (one-to-one comparasion). Ovo je takozvano 'pozitivno prepoznavanje' čiji je cilj da se spriječi da više ljudi koristi isti identitet.

2. Identifikacija - sistem mora da izvrši prepoznavanje osobe tako što će uporediti njene biometrijske karakteristike sa svim šablonima sačuvanim u bazi da bi našao najveće poklapanje. Tom prilikom se izvodi jedan-prema-mnogo (one-to-many) poređenja i ovo se naziva 'negativno prepoznavanje' gde sistem može utvrditi da li je osoba ono što implicitno tvrdi da nije. Cilj je da se spriječi da jedna osoba koristi više identiteta.

Važno je naglasiti da se metode possesion&knowledge mogu koristiti samo za verifikaciju, dok se

za identifikaciju tj. negativno prepoznavanje jedino može koristiti biometrika. Svaki biometrijski sistem

ima četri modula (Slika 1.2.) :

1. ulazni uređaj-senzor (sensor module) - koji uzima i digitalizuje biometrijsku karakteristiku (npr.

skener za otiske prstiju);

2. modul za izdvajanje karakteristika (feature extraction module) - koji obrađuje digitalizovan

podatak radi izdvajanja karakteristika koje ga čine jedinstvenim i koje se mogu smjestiti u šablon

(template) (npr. izdvajanje minucija iz slike otiska);

3. modul za poređenje (matching module) - gdje se porede izdvojene karakteristike sa podacima iz

šablona sačuvanog u bazi;

4. modul za donošenje odluke (decision-making module) - gdje se identitet prihvata ili odbija

(verifikacija), ili utvrđuje na osnovu skora poređenja (identifikacija).

| Biometrijski sistemi

2010

Biometrija Lic

eOtisakŠak

IriRetinaPotpis

Glas

[Završni rad]

Naravno ovome se mora dodati i peti modul tj. baza (template database) gdje se čuvaju šabloni

uzeti od osobe u postupku prijavljivanja (registracije-enrollment). Postupak prijavljivanja podrazumijeva

uzimanje biometrijske karakteristike od osobe, pravljenje šablona i njegovo dalje čuvanje. Baza može biti

centralna; lokalna u odnosu na mesto gde se koristi (npr. zgrada gdje se radi); ili može biti na uređaju

koji korisnik nosi sa sobom (smartcard i sl.). Naravno može biti i kombinacija bilo koje dve ili čak sve tri.

Takođe se ti podaci mogu čuvati tako da se mogu koristiti samo za tu aplikaciju i organizaciju, ili za više

njih.

1.1. Biometrija

Pojam biometrija potječe od grčkih riječi: bios=život i metron=mjera. Dakle, radi se o mjerenju

određenih tjelesnih i ponašajnih karakteristika živog bića, u ovom kontekstu čovjeka.

| Biometrijski sistemi10 / 126

2010

Slika 1.2. Blok dijagram biometrijskog sistema

[Završni rad]

Biometrija je nauka o automatiziranim postupcima za jedinstveno prepoznavanje ljudi na

temelju jednog ili više urođenih tjelesnih obilježja, ili obilježja čovjekovog ponašanja. Biometrija se

također može definirati i kao matematičko statistička metoda za istraživanje živih bića s obzirom na

njihove odnose mjere i broja koji se utvrđuju korištenjem automatiziranih tehničkih sistema mjerenja i

registracije.

Biometrijske metode temelje se na klasičnim, standardnim identifikacijskim metodama koje datiraju iz davne historije čovječanstva. Kao što je spomenuto, prema nekim podacima, u srednjovjekovnoj Kini uzimani su otisci stopala novorođene djece, da bi se očuvao njihov identitet i onemogućila zamjena. Sistematsko korištenje biometrije u policijskom području djelovanja ipak se veže za zapadnu kulturu, odnosno Europu. Krajem 19. stoljeća, tačnije 1883.

godine Alphonse Bertillon razvio je sistem identifikacije (evidentiranja i prepoznavanja) počinitelja kaznenih djela koji se bazirao na mjerama pojedinih dijelova tijela, koji je po njemu

dobio naziv Bertillonage. Preciznim mjerenjem dimenzija glave i dijelova tijela (Bertillon je konstruirao uređaje za precizno mjerenje parametara, identifikacijskih obilježja), kao i evidentiranjem osobitih ličnih oznaka kao što su tjelesna oštećenja, deformacije, tetovaže ili ožiljci, razvijen je sistem evidentiranja poznatih počinitelja kaznenih djela s mogućnošću identifikacije nepoznatih počinitelja.

Bertillonov antropološki sistem osobne identifikacije sastojao se od tri dijela:

1. mjerenja tjelesnih proporcija, preciznim uređajima uz detaljno propisana pravila mjerenja;

2. morfološkog određenja izgleda i oblika tijela i njegovih dijelova i

3. opisa osobitih ličnih obilježja poput deformacija, ožiljaka, tetovaža i sl.

Slika 1.4. Alphonse Bertillon

Razlog tome, što je nakon početne fascinacije Bertillonov sistem uskoro odbačen, neki su njegovi

nedostaci koji su primarno uvjetovani tehnološkom limitiranošću i nemogućnosti dovoljno preciznog

mjerenja, kao i kompliciranošću samog postupka. Štoviše, dokazana je i znanstvena neutemeljenost

nekih postavki, poput stava o nepromjenjivosti veličine kostiju ljudskog tijela. Neovisno o tome, treba

priznati da je bila riječ o prvom, u policijske svrhe primijenjenom biometrijskom sistemu.

U novije vrijeme biometrija je doživjela punu afirmaciju i procvat, a razlog tome leži ponajviše u

vrtoglavom razvoju tehnologije koja klasičnim biometrijskim metodama daje novu dimenziju, a posebno,

kao što je rečeno u uvodu, razvoju računarske industrije (hardverskih, tehničkih mogućnosti, ali i

softverskih alata) čime se mogućnosti primjene otvaraju do neslućenih granica, koje su u bliskoj prošlosti

bile nezamislive. Savremena biometrijska tehnologija omogućava gotovo neograničena precizna

mjerenja i registriranja tjelesnih, ali i ponašajnih obilježja.


Slika 1.3. Naprava za mjerenje dimenzija glave čovjeka iz 1913.

godine

10 / 126

2010

[Završni rad]

1.2. Unimodalni biometrijski sistemi

Unimodalni sistemi se služe samo jednom biometrijskom metodom. Iako su povoljniji i

jednostavniji ovakvi sistemi su podložniji pogreškama kod identifikacije jer u velikim populacijama neke

biometrijske karakteristike nisu dovoljno jedinstvene za sve osobe. Primjerice, dvije osobe mogu imati

jako slično lice.

Unimodalni biometrijski sistemi koriste različite mjere iste biometrijske karakteristike te na taj

način pokušava poboljšati karakteristika biometrijskog sistema. Sistem za identifikaciju se može temeljiti

bilo na jednoj biometrijskoj karakteristici (jednoj snimci) što je zapravo unimodalni biometrijski model ili

na više biometrijskih osobina (na više snimaka jedne biometrijske osobine) što čini multimodalni

biometrijski model.

Karakteristike koje bi morale zadovoljiti unimodalni biometrijski sistem zapravo se odnose na

samo jedan uslov a to je mogućnost (nemogućnost) prevare sistema za identifikaciju. U ovu skupinu

biometrijskih karakteristika mogu se ubrojiti otisak prsta, šarenica (iris), mrežnica i DNA. Ono što je

zajedničko nabrojenim karakteristikama jest visoka trajnost, stalnost i univerzalnost, ali i relativno dugo

potrebno vrijeme za obradu podataka.

Kvalitetan unimodalni biometrijski sistem moguće je poboljšati i korištenjem tradicionalnih

biometrijskih karakteristika. Ove karakteristike posjeduju određene osobine o osobama, ali pomoću tih

osobina nije moguće sa potpunom pouzdanošću razlikovati osobe. To su visina, težina, spol, boja kose i

slično. Povezivanjem tradicionalnih biometrijskih karakteristika sa unimodalnim biometrijskim sistemom

dobiva se multimodalni biometrijski sistem koji posjeduje osobine „jake" biometrijske karakteristike te

brzinu tradicionalne biometrijske karakteristike. Nedostaci unimodalnih biometrijskih sistema u odnosu

na multimodalne biometrijske sisteme vrlo su očiti. Najočitija razlika može se vidjeti u nivou primjene tih

sistema. Unimodalne biometrijske sisteme moguće je primijeniti za jednu „jačinu" zaštite bez obzira da li

se radilo o jakoj, srednjoj ili slaboj biometrijskoj karakteristici. Za razliku od unimodalnih biometrijskih

sistema, multimodalni biometrijski sistemi pokrivaju cjelovit spektar svih razina "jačine" što ih čini puno

prihvatljivijima u kriminalističkoj identifikaciji.

1.3. Multimodalni biometrijski sistemi

Multimodalni sistemi upotrebljavaju dvije ili više biometrijskih metoda za identifikaciju. Svaka

metoda svojim algoritmom izračunava stepen poklapanja. Dobiveni stepeni se usklađuju i donosi se

konačna odluka.

Veći broj upotrjebljenih metoda znači veću tačnost, ali i veći trošak. Ne postoji jednostavan

način odabira biometrijskih metoda koje ćemo upotrijebiti u multimodalnom sistemu. Izabrane metode

zavise o njegovoj primjeni, međutim u većini slučajeva najbolje rezultate daju kombinacije biometrijskih

metoda velike i srednje tačnosti.

Nedostaci multimodalnih sustava su skupoća i uskladivost. Ne postoji jedinstveni standard koji

bi omogućio jednostavno povezivanje biometrijskih metoda, što dodatno povećava cijenu zbog potrebe

za istraživanjem i ugađanjem sistema.

Multimodalna biometrija podrazumijeva kombiniranje svih prethodno navedenih biometrijskih

tehnika. Ukoliko se u praksi koristi veći broj prethodno nabrojanih tehnika, može se izgraditi jedan

siguran informacijski sistem.


2010

[Završni rad]

Slika 1.5. Principjelna šema multimodalnog biometrijskog sistema

U praksi je to kombinacija fizičkih i biometrija ponašanja koji podrazumijevaju provjeru i

identifikaciju. U praksi se koriste u graničnim prijelazima za kontrolu ulaska ili izlaska, za kontrolu

pristupa nekom prostoru, civilnoj i policijskoj identifikaciji, mrežnoj sigurnosti. Multimodalna biometrija

se koristi i kao potpora standardnim postupcima za provjeru identiteta ili ukoliko iz izvornih dokumenata

i zapisa nije moguće dobiti dovoljan broj podataka kojima bi se opisala neka osoba.


2010

[Završni rad]

Preporučljiva je kombinacija standardnih sigurnosnih

mehanizama i biometrijskih jer uvijek postoji mogućnost

zloupotrebe. Jedan od primjera je lažni predložak otiska prstiju.

Ukoliko se koristi samo jedna tehnika kao što je prepoznavanje otiska

prstiju, tada je moguća situacija u kojoj treća osoba posjeduje lažni

otisak prstiju s kojim obavlja autentifikaciju u ime neke osobe.

Vidljivo je da su, za razliku od unimodalnog biometrijskog

sistema, ovdje na raspolaganju tri biometrijske osobine više. Kako se

u ovome sistemu uz biometrijske karakteristike, koje je teško

prevariti, mogu koristiti i


Slika 1.6. Primjer multimodalne biometrije u carinskoj kontroli

[Završni rad]

biometrijske karakteristike koje posjeduju neke druge osobine a koje su prihvatljive sa obzirom na način

prikupljanja, troškove i mogućnosti njihovog čuvanja u bazama podataka.

1.4. Registracija biometrijskih podataka

Svaki biometrijski sistem ima svoje posebnosti implementacije koje ovise o primjeni sistema i

metodama koje se koriste. Postoje i općenita svojstva zajednička svim sistemima. Za korisnika prvi susret

sa sistemom znači registraciju njegovih biometrijskih podataka (engl. enrollment) i upis u bazu podataka.

Ovaj se proces može podijeliti u nekoliko faza prikazanih na narednoj slici.

Slika 1.7. Registracija biometrijskih podataka

U prvoj fazi obavlja se skupljanje korisnikovih biometrijskih podataka na uređaju za očitavanje. Prvo

očitavanje ključno je za daljnju autentifikaciju, stoga se posebna pozornost mora posvetiti kvaliteti

uzetog uzorka. Proces očitavanja se po potrebi ponavlja više puta kako bi se dobili zadovoljavajući

rezultati. Ukoliko se nakon ponovljenog očitavanja ne dobiju dovoljno kvalitetni rezultati korisnik ulazi u

skupinu neuspješno registriranih (engl. Failed To Enroll - FTE).

Zatim se u drugoj fazi analiziraju dobiveni neobrađeni podaci na način da se iz njih izdvajaju podaci

koji karakteriziraju korisnika. Dobiveni podaci tvore biometrijski predložak (engl. biometric template)

koji često sadrži više uzoraka. Broj uzoraka zavisi o biometrijskoj metodi koja se primjenjuje. Predložak

sa ostalim podacima o korisniku se u trećoj fazi pohranjuje na medij za pohranu. Tri su tipična pristupa u

pohrani predložaka.

1. Lokalna pohrana na uređaj je siguran i brz način autentifikacije. Ovaj je pristup neupotrebljiv u

situacijama kada je potrebna mogućnost autentifikacije na raznim lokacijama kao što je slučaj

kod bankomata.

2. Pohrana u udaljenu centralnu bazu podataka pri čemu se podaci razmjenjuju preko sigurne

veze. Premda ovaj pristup omogućuje autentifikaciju s različitih lokacija, korisnici koji drže do

privatnosti ne slažu se s time da se njihovi biometrijski podaci čuvaju u centralnoj bazi.

3. Pohrana na prijenosnom mediju kao što je pametna kartica rješava probleme spomenute u

prethodno navedenim pristupima. Podaci se ne čuvaju u centralnoj bazi i ne putuju preko mreže

već ih sam korisnik nosi na željene lokacije. Nedostatak je u tome što ovakav sistem za

autentifikaciju treba biti opremljen i čitačem prijenosnog medija.

U svakom budućem doticaju korisnika sa sistemom, spremljeni podaci će se koristiti za njegovu

autentifikaciju.

1.5. Identifikacija i verifikacija


Slika 1.8. Proces verifikacije

[Završni rad]

U uvodnom radu već su spomenuti procesi identifikacije i verifikacije. Proces verifikacije sastoji se

od uporedbe upravo očitanih podataka sa onima iz korisnikovog predloška. Korisnik mora priložiti

identifikacijski podatak pomoću kojeg sistem pronalazi odgovarajući predložak. Taj se podatak može

isporučiti u vidu korisničkog imena, PIN-a ili pametne kartice. Proces verifikacije prikazan je na narednoj

slici.

Identifikacijski podatak može isporučiti i sam sistem pomoću procesa biometrijske identifikacije. U

tom se slučaju uneseni biometrijski podatak uspoređuje sa svim podacima iz baze postojećih korisnika.

Očito je da ovakav proces može biti neprecizan i dugotrajan, a njegova implementacija skupa i

zahtjevna.

1.6. Greške

Brzina, upotrebljivost i pouzdanost sistema biometrijske autentifikacije ovise o metodama koje se

koriste, stoga je pri projektiranju jako važno temeljito proučiti njihova svojstva i performanse. Kod

analize metoda često se proučavaju stope pogrešaka. Dvije su vrste pogrešaka koje se javljaju kod

biometrijskih sustava:

1. Pogrešno prihvatanje (engl. False Acceptance), pogreška I. tipa - sistem pogrešno

prihvata osobu kao legitimnog korisnika jer je u bazi pronašao predložak dovoljno sličan

unesenom.

2. Pogrešno odbijanje (engl. False Rejection), pogreška II. tipa - legitiman korisnik se odbija

jer sistem nije pronašao dovoljno podudaranje očitanih podataka s predloškom iz baze.

Pogrešno odbijanje predstavlja neugodnost za korisnika, ali smatra se prihvatljivijim od I. tipa jer

korisnik može ponovno pokušati s autentifikacijom.

Kako bismo bolje opisali pogreške koje se javljaju uvodimo dva faktora: udio pogrešnih prihvatanja

(engl. False Acceptance Rate - FAR) i udio pogrešnih odbijanja (engl. False Rejection Rate - FRR) koje

izračunavamo prema formulama (1.1) i (1.2).

„ A n ___ broj pogre šnih prihvatanja rri/1 11 i \rAR = - -----;------;—;---------;-------|%| (1.1.)

broj neovla šteni h pristupa

pfifi = bro J pogre šnih odbijanja (1 2 )broj ovla šteni h pristupa

FAR i FRR ovise o sigurnosnom pragu (engl. Security Threshold) koji može biti parametar algoritma

uporedbe ili vrijednost s kojom se upoređuje rezultat dobiven algoritmom. Viši sigurnosni prag znači da

će sistem rigoroznije obavljati uporedbu trenutno unesenih podataka s predloškom što će smanjiti broj

pogrešnih prihvatanja i vrijednost FAR-a, ali će povećati broj pogrešnih odbijanja i proporcionalno FRR.

Analogno zaključujemo u slučaju smanjivanja sigurnosnog praga gdje će se FRR smanjiti, a FAR povećati.

Dakle, FAR i FRR su funkcije sigurnosnog praga. Na narednoj slici su ilustrirane krivulje FAR i FRR za neki

sistem. Odluka o visini sigurnosnog praga ovisna je o svrsi biometrijskog sistema i predstavlja kompromis

između upotrebljivosti i sigurnosti.


Vrijednost od FAR i FRR na mjestu u kojem se krivulje sijeku zove se jednaki udio pogrešaka (engl.

Equal Error Rate - EER). Možemo procijeniti da je uređaj sa vrijednosti EER od 2% tačniji od onog sa 20%.

Ipak, EER u praksi ne može poslužiti za uporedbu uređaja različitih proizvođača, pogotovo ako se

vrijednosti neznatno razlikuju. To se događa jer proizvođači ne objavljuju uslove pod kojima obavljaju

svoja mjerenja, a na proizvodima naznačuju samo najbolje rezultate mjerenja postignute u idealnim

uslovima koji se teško mogu reproducirati u praksi.


0 10 50 3D 40 SO 60 70 80 901Q0 Sigurnost c^s

Slika 1.9. Primjer funkcionalne zavisnosti FAR-a i FRR-a o sigurnosnom pragu

[Završni rad]

1.7. Biometrijski sistemi i moguće prijetnje

Sigurnosne slabe tačke postoje u svakom sistemu, a na Slici dole prikazane su slabe

tačke biometrijskih sistema:


[Završni rad]

1. 2.

3. 4.

5. 6.

Prva prijetnja je prezentovanje lažne biometrije i to:

V lažno predstavljanje tj. falsifikovanje podatka koji se stavlja pred senzor

(impersonation);

V predstavljanje prethodno ukradenog biometrijskog podatka čime se zaobilazi senzor

(tzv. replay napad);

Druga pretnja je napad Trojanski konj:

V modul za izdvajanje karakteristika može biti tako napadnut da proizvede unaprijed

definisan set karakteristika (u nekom trenutku i pod određenim uslovima) i njima

zamijeni karakteristike ulaznog signala;

V napad na modul za poređenje je takav da se lažno proizvede visok ili nizak skor

poređenja što direktno utiče na modul za donošenje odluka, kao i na sam modul za

donošenje odluka gdje se postiže generisanje željene odluke;

Napad na komunikacione kanale čiji je cilj da se presretnu karakteristike i to prije modula za

poređenje, i odmah po izlasku iz tog modula radi promjene istih; Napad na bazu gde se

čuvaju šabloni uzeti u postupku registracije; ovde je prijetnja neautorizovana modifikacija

jednog ili više šablona, čime se može postići lažno predstavljanje ili makar uskraćivanje

određenih usluga korisniku koji na njih ima pravo; Vrlo važna prijetnja gdje se može

promijeniti odluka poslednjeg modula a u skladu sa kojom se definiše ponašanje aplikacije;

Često zanemarena pretnja sigurnosti, koja je i izuzetno važna, je prilikom postupka

registracije. Svaki neautorizovani pristup ovom procesu može da prouzrokuje ozbiljne

posljedice po sigurnost. Naime može se registrovati lažni korisnik, ili pravom korisniku

promijeniti podaci, tako da je nadgledanje ovog procesa od kritičnog značaja za sigurnost

cijelog sistema.


[Završni rad]


Slika 1.10. Vrste napada na određene tačke biometrijskog sistema

„Brute force " napadi - Ukoliko napadač ima vremena i mogućnosti (što je slučaj u udaljenim

nenadgledanim aplikacijama) da generiše i pruži sistemu veći broj šablona u pitanju je klasičan napad

silom (brute-force-attack) koji je karakterističan za sisteme zaštićene šiframa. U slučaju biometrijskog

sistema teže je izvršiti ovakav napad, zbog ne tako lakog generisanja biometrijskih šablona, ali je ipak

moguće.

Koliko je sistem zaštićen od ovakvih napada direktno zavisi od projektovanih grešaka FAR i FRR.

Pokazano je da sistem projektovan sa FAR od 0,001% ima verovatnoću da bude prevaren u prosijeku 1

od 100000 pokušaja, što odgovara sigurnosti koja se ima sa šifrom od 5 znakova. Pri tome treba voditi

računa da je neuporedivo teže generistai 100000 biometrijskih šablona u odnosu na klasičnu šifru od 5

znakova (i u pogledu upotrebljenih resursa kao i vremena).

1.7.1. Specifične prijetnje u biometrijskim sistemima

Prijetnja koja je karakteristična samo za biometrijske sisteme je napad tzv. lažnom biometrikom

fake biometrics). Impersonation napadi - slučaj kada se senzoru predstavlja lažna biometrika. Npr. lažni

prst, falsifikuje se potpis ili se na licu ima maska. Najnezaštićenije na ovu vrstu napada su lice i glas, ali su

u praksi poznati slučajevi gde je sistem prevaren lažnim otiskom, pa čak i okom. Replay napadi - su u

stvari lažno prijavljivanje prethodno dobijenih (ukradenih) biometrika ili njihovih karakteristika i

dobijenih šablona, pri čemu se zaobilazi senzor.

Razvijaju se različiti metodi za sprječavanje ovakvih napada i to od kriptografije, zatim izazov-

odgovor (challenge/response) sistem kojim se obezbeđuje prisustvo osobe u trenutku davanja

biometrijskih podataka, pa do istovremenog korištenja više biometrijskih karakteristika u multimodalnim

biometrijskim sistemima. Razna istraživanja su sprovedena sa ciljem da se ustanovi koliko su postojeći

biometrijski sistemi osjetljivi na ovakav vid napada. Tako su prijavljeni u praksi provjereni razni vidovi

'krađe identiteta' :

V Lice - eksperimenti su pokazali da snimak lica (bez znanja subjekta koji je u pokretu) ako se stavi

ispred kamere za prepoznavanje često ima za posledicu prihvatanje identiteta;

V Otisak - Matsumoto je sa grupom svojih saradnika dokazao da model otiska napravljen od

silikona i želatina, a na osnovu pravog ili latentnog otiska skinutog recimo sa čaše, kod

komercijalnih sistema za prepoznavanje preko otisaka u 80% slučajeva ima za posljedicu

prihvatanje identiteta. Takođe je pokazao da se relativno lako mogu prevariti i dodatni sistemi

koji proveravaju 'živost' podatka;

V Iris - u Njemačkoj je takođe uspešno prevaren sistem za identifikaciju preko irisa tako što je

korišćena odštampana slika ljudskog oka

U biometrijskim sistemima se javlja specifičan problem koji se ne pojavljuje u sistemima koji

koriste knowledge&possesion metode. To je zamjena kompromitovane biometrije. Krađa identiteta u

slučaju biometrijskih sistema ima nesagledive posljedice. Naime ako se desi da vam neko ukrade karticu

ili lozinku, jednostavno ćete poništiti istu i dobiti drugu koja je različita. Ali ukoliko je iz bilo kog razloga

biometrija kompromitovana onda je to zauvijek. Naime čovjek poseduje ograničen broj biometrijskih

podataka (jedno lice, 10 prstiju, 2 oka). Još ako je biometrijski podatak korišten u više različitih aplikacija,

to znači da su svi ti podaci dostupni onome ko je došao u posjed biometrijske karakteristike.

Mora se naglasiti da krađa identiteta (ili zloupotreba biometrijskih podataka) ne mora biti djelo

pojedinca. Naime korporacije mogu koristiti biometrijske podatke radi uskraćivanja određenih prava

bivšim radnicima, ili onima koji su već registrovani u policijskim biometrijskim bazama i sl. Vladine

agencije mogu koristiti ove podatke radi uskraćivanja prava i sloboda licima za koje to smatraju

potrebnim npr. traženim teroristima (čak i mimo zakonskih propisa).

1.8. Biometrija i privatnost

Privatnost tumačimo mogućnošću da živimo slobodni bilo kog uticaja, da ostanemo autonomni i

da sami kontrolišemo pristup ličnim podacima. Danas se biometrijski sistemi koriste u svim oblastima

života, od finansijskih, medicinskih, poslova komunikacija pa do različitih poslova osiguranja, zaštite,

vladinih agencija, kriminalistike i forenzike.

Mnogi su razlozi otpora pojedinca upotrebi ovih sistema. Tako neke biometrije (otisak, lice, DNK)

nose negativnu konotaciju upotrebe u kriminalistici. Druge se opet kulturološki doživljavaju nedostojnim

čovjeka. Religiozni aspekt se takođe ne smije zanemariti.

Kod problema privatnosti razmatramo 3 aspekata:

1. nenamjerno proširivanje funkcionalnog djelokruga biometrijskih sistema - pošto su biometrijske

karakteristike u suštini biološke mogu se iz njih dobiti i dodatne informacije (npr. medicinske)

koje se mogu iskoristiti za diskriminaciju pojedinca ili grupa;

2. nenamjerno proširivanje aplikativnog polja rada - dolazi do neželjene identifikacije u slučajevima

kada osoba zakonski koristi drugi identitet (zbog bezbjednosti i sl.); štaviše mogu se povezati

informacije vezane za ponašanje, navike i sklonosti pojedinca dobijene iz više različitih aplikacija

čime se postiže značajna moć nad njim;

3. skriveno prepoznavanje - biometrijske karakteristike nisu tajne, moguće ih je dobiti bez

saglasnosti osobe. Ona je samim tim uskraćena za privatnost i anonimnost na koju imaju pravo.

Ili ako ovo sistematizujemo dobićemo da biometrika ugrožava:

V privatnost osobe - u odnosu na način na koji se zahteva uzimanje biometrijskih podataka ;

V privatnost ličnih podataka - koji se takođe zahtevaju prilikom registracije; sakupljanjem i

razmjenom podataka daje se mogućnost potpune kontrole nad populacijom čiji se biometrijski

podaci imaju;

V privatnost slobodnog ponašanja - pošto se uz pomoć biometrike mogu pratiti radnje i ponašanje

osobe, organizacije mogu praćenjem ponašanja da pokušaju da spriječe neželjene akcije.

Međutim mogu i da dijele ove informacije sa drugima npr. radi odgovarajućeg nastupa na

tržištu, ili sa vladinim organizacijama i sl.

V nemogućnost anonimnosti i prijavljivanje pod pseudonimom. Predstavlja jako oružje za razne

agencije i vlade ali i neiscrpni izvor mogućih zloupotreba od istih;

Tu je i problem crnog tržišta baza biometrijskih podataka. Tako bi se slike irisa mogle koristiti za

analizu u medicini (iridologija), pa se može zamisliti koliko bi ovakva baza mogla vrijediti nekim

kompanijama ili npr. osiguravajućim društvima.

Oni koji se zalažu za privatnost ističu potrebu da biometrijska baza bude decentralizovana, još

bolje i da je nema tj. da svaki uzeti uzorak kao šablon bude sačuvan na kartici koja je u isključivom

posjedu pojedinca koji je biometrijski podatak i dao. Naravno tu se javlja problem zamjene ukradene ili

oštećene kartice, ali se određena razmišljanja u ovom pravcu moraju ozbiljno uzeti u obzir.

Možemo reći da su biometrijske tehnologije stvorile okruženje u kojem razne vladine agencije i

korporacije mogu da steknu enormnu moć nad pojedincem. Prihvatanje "imperativa tehnologije",

dopušta mogućnosti velikih zloupotreba sa nesagledivim posljedicama po privatnost. Mora se zato prvo

urediti oblast korištenja biometrije na sljedeći način:

V tehnološka regulativa koje će se pridržavati svi proizvođači biometrijske opreme;

V zakonska regulativa koja će na novi način urediti ovu oblast;

V moratorijum na uvođenje biometrijske tehnologije dok se ne regulišu uslovi i zaštiti privatnost

pojedinca

2. Tehnike biometrijske identifikacije

Savremena biometrijska identifikacija temelji se na fiziološkim osobinama i osobitostima

ponašanja određene osobe, dakle na prepoznavanju obrazaca ponašanja, odnosno prepoznavanju

određenih biometrijskih karakteristika, te uporedbi istih s uzorkom prije pohranjenim u podatkovnom

obliku unutar baze podataka određenog sistema. Važno je dodati da je osnovni uslov za provedbu

biometrijske identifikacije mogućnost da se tjelesne i ponašajne karakteristike mogu koristiti u postupku

automatske identifikacije.

Metode tjelesne biometrije temelje se na individualnosti i nepromjenjivosti dimenzija pojedinih

dijelova ljudskog tijela i njihovih međusobnih odnosa. Brojni sigurnosni sistemi temelje se na

identifikaciji osoba biometrijskim metodama, da bi se utvrdilo je li neka osoba ta za koju se predstavlja.

Takva provjera mora biti jeftina, brza, pouzdana, te ne smije zadirati u tjelesni integritet osobe.

U savremenom svijetu, život je prožet s jedne strane opasnostima terorizma, glo-balizma, s

druge strane potrebom lične i društvene sigurnosti i zaštite imovine, sigurnosti i privatnosti, kvalitetna

zaštita sigurnosti osoba, predmeta i sistema je imperativ. Bez pouzdanog osiguranja dovode se u pitanje

neke od svakodnevnih aktivnosti čije se održavanje podrazumijeva i ne dovodi u pitanje, poput:

1. zaštite personalnih računara, mobilnih telefona, internetskih radnji i sličnih pomagala od

upotrebe neovlaštenih osoba,

2. zaštite motornih vozila, strojeva i drugih vrijednih predmeta od neovlaštene upotrebe ili

pristupa,

3. sprječavanja krađe i krivotvorenja pri financijskim transakcijama, a posebno elektronskih radnji,

uključujući plaćanja kreditnim karticama i plaćanja preko interneta,

4. omogućavanja pristupa radnim mjestima, skladištima i područjima povećane sigurnosti, kao i

vojnim područjima, isključivo ovlaštenim osobama,

5. nadzora pristupa obavljanja usluga javnog prijevoza, posebno u zračnom prometu,

6. provjere identiteta pojedinaca u ličnim dokumentima, primjerice vozačke dozvole, kartice

zdravstvenog osiguranja, lične karte i sličnim dokumentima.

Kroz istoriju takve provjere u raznim sigurnosnim sistemima temeljile su se prije svega na

vizuelnom prepoznavanju određenih osoba od strane za to ovlaštene osobe, vratara ili sl. Nakon toga

uvode se različite tehničke metode osiguranja poput magnetskih kartica, autorizacije kretanja

ukucavanjem PIN kodova i sl.

S obzirom na porast sigurnosnih zahtjeva i pad pouzdanosti pobrojenih metoda nadzora ulaska i

izlaska iz štićenog prostora, s vremenom su se kao najpouzdanije i najprimjenljivije identifikacijske

metode iskristalizirale upravo biometrijske metode, te daktiloskopija i metoda identifikacije na temelju

analize DNK koje također možemo svrstati među metode biometrijske identifikacije.

Biometrijski način identifikacije pojedinca podrazumijeva korištenje čovjekovih individualnih

tjelesnih obilježja i obilježja ponašanja, njihovo izdvajanje, evidentiranje i pohranu izdvojenog uzorka

("živi uzorak") u standardnom podatkovnom obliku koji omogućava uporedbu sa spornim uzorkom u

postupku identifikacije. Uporedbom nespornog i spornog uzorka potvrđuje se ili negira istovjetnost

osobe (traga, predmeta i dr.).

Sistemi sigurnosti temeljeni na biometrijskim karakteristikama prepoznavanja obično se koriste

za kontrolu pristupa. Kroz taj se sistem osoba prvo identificira, a zatim joj se omogućuje pristup i radnje

u skladu s prije određenim ovlastima i dužnostima. Taj vid primjene biometrijskih sistema spada u režim

provjere (verifikacije, autentifikacije) identiteta.

Opisani postupci verifikacije i autentifikacije, koji se temelje na uporedbi jedan na jedan,

odnosno ograničenog, unaprijed definiranog kruga osoba, dok je u kriminalističkoj identifikaciji potrebno

izvršiti uporedbu s neograničenim brojem jedinki, često ne samo onih koji su pohranjeni u kriminalističke

i druge zbirke. Pojednostavljeno, kod identifikacije se traži odgovor na pitanje: Ko sam?, a kod

autentifikacije: Jesam li onaj za koga se predstavljam?

Režim utvrđivanja identiteta posebice se primjenjuje za identifikaciju osoba u kriminalistici,

odnosno u području kriminalističke traseološke identifikacije koje se bavi proučavanjem identifikacijskih

obilježja tragova. Drugim riječima, na temelju proučavanja spornog traga pronađenog na mjestu

događaja provodi se provjera i uporedba s drugim nespornim tragovima čije nam je porijeklo poznato,

kako bismo utvrdili identitet osobe od koje sporni trag potiče. Da bi neka biometrijska karakteristika bila

pogodno sredstvo za identifikaciju, mora ispunjavati ranije spomenute uslove:

1. univerzalnost - mora biti prisutna kod svake osobe;

2. jedinstvenost ili individualnost - kod svake osobe karakteristika mora biti različita, odnosno ne

smije se dogoditi da kod dvije ili više osoba bude identična;

3. trajnost i nepromjenjivost - ne smije i ne može se promijeniti protekom vremena;

4. jednostavnost prikupljanja i usporedbe - najveća prednost u odnosu na druge metode.

U osobnoj identifikaciji usmjerava se na određeni broj tjelesnih obilježja koja imaju vrlo veliku

diferencijalnu vrijednost, odnosno visoku identifikacijsku kvalitetu, koja određuje nespornu pripadnost

obilježja određenoj osobi.

U takva obilježja spadaju : glas, hod, izgled lica, šarenica i mrežnica oka, otisci papilarnih linija,

genotip, a prema najnovijim saznanjima i neke druge tjelesne karakteristike poput građe i rasporeda

krvnih žila, mirisa itd. Karakteristike na kojima se temelje savremene metode biometrije možemo

podijeliti u dvije skupine.

1. Fiziološke karakteristike, a temelji se na karakteristikama izgleda i tjelesnih obilježja;

2. Druga skupina predstavlja ponašajne, odnosno bihejvioralne karakteristike osobe, a temelji se,

kao što sam naziv govori, na specifičnostima u ponašanju osobe.

[Završni rad]

2.1. Biometrijska identifikacija na osnovu fizioloških karakteristika

U skupinu fizioloških karakteristika spadaju specifična tjelesna obilježja : izgled otisaka papilarnih

linija prstiju i dlanova, crte lica, geometrija dlana, ruke i raspored krvnih žila, izgled šarenice i mrežnice

oka, prokrvljenost i termička slika lica i tijela, tjelesna razvijenost (antropološke karakteristike), tjelesni

mirisi te DNK osobe. Ova fiziološka, egzaktna obilježja svake pojedine osobe, uglavnom u potpunosti

zadovoljavaju sve kriterije potrebne za neupitnu biometrijsku identifikaciju osobe.

2.1.1. Biometrijska identifikacija na osnovu lica

U svakodnevnom životu ljude prepoznavamo prema izgledu lica, koje, uz ostale tjelesne i

ponašajne karakteristike definira ono što primarno doživljavamo izgledom neke osobe. Otuda i inačica

naziva osoba-lice.

U klasičnim postupcima identifikacije, a prije svega u postupku prepoznavanja, identifikacija se

bazira na izgledu lica. Izgled lica uvjetovan je i građom kostura glave-lica, rasporedom muskulature,

kvalitetom kože, izgledom dijelova lica poput čela, očiju, nosa, usta i dr.

Dakle, lice svakog pojedinog čovjeka po svom izgledu i građi razlikuje se od lica svih drugih

osoba, ono je individualno. Međutim, identifikacija prepoznavanjem je zbog vida čovjeka koji

prepoznaje,

psiholoških procesa vezanih uz percepciju, pamćenja i snka 2.1. Identifikacija pomoću lica osobe dosjećanja, vrlo subjektivna, pa se u postupku prepoznavanja mogu dobiti nepouzdani podaci.

| Tehnike biometrijske identifikacije

2010

[Završni rad]

U klasičnoj identifikaciji poznata je identifikacija osoba petom fotografije. Osoba čiji je identitet

potrebno utvrditi fotografira se u istom mjerilu u kojem je fotografija osobe s kojom je želimo

upoređivati, a zatim se metodama linearnih i ugaonih mjerenja upoređuju razmaci između pojedinih

dijelova lica, odnosno konstantnih točaka. U istoriji dosta se primjenjivala i metoda tzv. superpozicije,

odnosno preklapanja spornog i nespornog negativa filma ili dijapozitiva jednog preko drugog i provjerom

poklapanja određenih tačaka i detalja utvrđivala se istovjetnost.

Kad je riječ o računarskom, biometrijskom

prepoznavanju lica, uglavnom se radi o uporedbi na

temelju fotografije ili videosnimke. Lice se dijeli na oko 80

karakteristika, npr. razmak između očiju, dimenzije nosa,

položaj i razmak između jagodičnih kostiju, dimenzije i oblik

brade itd., po obilježjima koja ispunjavaju uslove tražene za

identifikacijska obilježja.

Da bi prepoznavanje bilo na nivou identifikacije

potrebno je utvrditi traženi broj podudarnosti (između 15 i 20

obilježja). Kako su odabrana obilježja konstantna i relativno nepromjenjiva, osoba se može prepoznati i

nakon kirurških korekcija izgleda lica, promjene frizure i bojenja kose, nošenja naočala i slično. S obzirom

na to da fotografija zauzima malo memorije, sistem može upoređivati više miliona fotografija u minuti,

što je izuzetno važno, posebno ako se radi o velikom broju i velikoj frekvenciji ljudi koje je potrebno

provjeravati kroz bazu (npr. zračne luke).

Sistemi za raspoznavanje lica imaju primjenu u različitim područjima kao što su : video

telefonija, kompresija baza slika, pristup računarskim resursima, kriminalističke svrhe (identifikacija

osoba), i sl.

S obzirom na cijene sistema možemo ih podijeliti na:


i prepoznavanje I

Primjer modela za analizu površinske

Komparativ model Komparativ model

HIIssSŠTrajekta rij a modela B

Slika 2.2. Primjer modela poređenja lica na osnovu teksture kože

25 | l26

20l0

✓

✓

Kućne sisteme: Ovakva vrsta sistema koristi se za zaštitu personalnih računara, omogućujući

zaključavanje određenih datoteka, dijelova tvrdog diska, aplikacija ili čitavog računara.

Poslovne proizvode: Korak više na ljestvici područja primjene nalaze se poslovni proizvodi.

Ovi mrežno-centralizirani sistemi dijele se na one koji se usko vežu na sigurnost domene u

mrežnom operacijskom sistemu (Windows, UNIX) ili isporučuju svoje vlastite alate za bazu

podataka i administriranje, te su dizajnirani za veliki broj korisnika.

[Završni rad]

Slika 2.3. Ilustracija 2D procesa prepoznavanja lika

Postoje dvodimenzionalni i trodimenzionalni algoritmi za uporedbe lica. Među

dvodimenzionalnim, najpoznatiji su algoritmi svojstvenih lica i facijalne metrike. Algoritam svojstvenih

lica uspoređuje lice korisnika s unaprijed unesenim slikama ljudskih lica (engl. eigenface) - najčešće s njih

100 do 150. Za svaki se eigenface izračunava stepen poklapanja s korisnikovim licem, a potom se matrica

sa stupnjevima poklapanja pohranjuje kao korisnikov predložak koji zauzima vrlo malo diskovnog

prostora. Algoritam facijalne metrike analizira položaje i relativne udaljenosti između dijelova

korisnikovog lica (nosa, usta i očiju) te informacije o njima zapisuje u predložak. Dvodimenzionalni

algoritmi se lako mogu zavarati podmetanjem lažne slike. Kvaliteta prepoznavanja ovisi o uglu upada

svjetlosti na lice korisnika i promjeni ugla gledanja u kameru. Problem predstavlja i promjenjivost lica

starenjem, mijenjanje frizure, šminke, izraza lica i brade ili nošenje naočala.


Trodimenzionalni algoritmi analiziraju i pohranjuju 3D karakteristike i veličine dijelova lica. Time

se izbjegavaju problemi koji karakteriziraju dvodimenzionalne metode jer osobine trodimenzionalnog

modela ne zavise o izrazu lica, nošenju šminke ili zakrenutosti glave. Svojom točnošću metoda 3D analize

konkurira skeniranju šarenice. Algoritmi za uporedbu lica brži su od onih za uporedbu šarenica, a kamere

za dohvat slike lica jednostavnije za rukovanje.

3D fotogrametrijska antropologija i 3D facijalna rekonstrukcija su metode identifikacije koje se

temelje na geodetskim disciplinama fotogrametriji i stereofotogrametriji. 3D fotogrametrijska

antropologija je metoda kojom se iz snimaka dobivenih videokamerama (npr. iz postojećeg sistema

videonadzora) uz pomoć odgovarajućeg softvera mogu izmjeriti pojedini dijelovi tijela osobe, te na

osnovi tih mjera vrlo precizno razlikovati tu osobu od drugih.

Ova metoda doživljava punu primjenu pri kriminalističkom istraživanju u postupcima

identifikacije nepoznatih i maskiranih počinitelja razbojništava ili drugih sličnih kaznenih djela, prilikom

kojih su počinitelji snimljeni kamerama videonadzora ili drugim sistemima tehničkog snimanja.

3D facijalna rekonstrukcija je metoda identifikacije primjenom odgovarajućeg softvera radi

rekonstrukcije izgleda lica osobe na temelju izgleda kostura lica i glave. U prvom stadiju obavlja se

detaljno snimanje lubanje sinhroniziranim stereo videokamerama ili fotoaparatima. Fotogrametrijskim

načelom obavlja se mjerenje određenih tačaka na licu i lubanji. Mjerenje se može obaviti i laserskim


[Završni rad]

skenerom kojim se također mogu obaviti vrlo precizna mjerenja, softverskim alatima izračunava se

udaljenost svake tačke na lubanji i izrađuje se digitalni model.

CT snimka glave osobe koju želimo uporediti stavlja se u superpozciju (preklapa se) s izrađenim

digitalnim modelom, radi simuliranja konačnog izgleda dodaje se meko tkivo na lubanju i dobiva temelj

vanjskog izgleda lica, da bi se zatim na temelju određenih karakteristika i procjene odredila boja kože,

izgled očiju, kose i drugi detalji izgleda.

Iako se ovom metodom može postići velika vizualna sličnost digitalne slike lica i glave sa

stvarnim izgledom osobe, temelj metode je subjektivna procjena osobe koja izrađuje sliku lica

nepoznate osobe i zbog toga metoda nije u potpunosti pouzdana. Obe ove metode (3D fotogrametrijska

antropologija i 3D facijalna rekonstrukcija) vrlo su važne za identifikaciju osoba, osobito u slučajevima

posjedovanja videosnimke s mjesta počinjenja kaznenog djela na kojoj su vidljivi nepoznati počinitelji

kao i kod identifikacije pronađenih nepoznatih tijela na kojima je uništeno meko tkivo.

Drugi način biometrijske identifikacije pomoću lica neke osobe jeste termogram. Splet krvnih

žila kojima je prožeto ljudsko tijelo, a posebno njegov potkožni dio, predstavlja jedinstveno obilježje i

individualan je kod svakog pojedinog čovjeka. Snimanjem infracrvenom kamerom (mjerenjem razlika u

temperaturi na površini ljudske kože) omogućuje se registriranje toplinskog zračenja koje krvne žile

emitiraju kroz kožu. Ovakvim postupkom dobiva se snimka, koja se nazivatermogram, a isti je jedinstven za svaku osobu. slika 2.5. Termogram lica


[Završni rad]

Termogrami lica ispunjavaju gotovo sve uslove

tražene za identifikacijska obilježja, jer su univerzalni,

individualni i konstantni, međutim, postoje i određene

limitiranosti. Pod uticajem različitih unutrašnjih i vanjskih

faktora moguće je manipulirati s promjenama u termogramu,

npr. izjednačavanjem temperature okoline i tijela, pod

utjecajem opojnih sredstava i sl. Daljnji limit je izrazito visoka

cijena opreme, prije svega termovizijske infracrvene kamere.

Nadalje, slike dobivene ovom metodom zauzimaju puno

memorijskog prostora, pa metoda nije pogodna za velike

digitalne baze podataka.


2010

Slika 2.6. Termogram lica blizanaca

[Završni rad]

Identifikaciju je moguće obaviti pod raznim svjetlosnim uslovima, kao i bez svjetla (u potpunom

mraku). Ova metoda omogućuje prepoznavanje i bez saradnje osobe, te snimanje s veće udaljenosti, jer

spada u grupu neinvazivnih metoda identifikacije, gdje osoba ne mora sarađivati u postupku provedbe

identifikacije.

Raspoznavanje osoba preko lica spada u nenametljive tehnike zbog čega ljudi obično nemaju

problema sa prihvatanjem lica, kao biometrijske karakteristike. Danas se vrše intenzivna istraživanja s

primjenom u rasponu od statičke, kontrolirane verifikacije slike lica, pa sve do pokretne slike i

nekontrolirane verifikacije lica u metežnoj pozadini.


2010

[Završni rad]

2.1.2. Biometrijska identifikacija na osnovu oka

Šarenica oka (engl. Iris) je elastični kružni

prsten u složenom ljudskom oku koji je povezan

delikatnim mišićima koji je šire i skupljaju u zavisnosti

od količine svjetla ili pri procesu akomodacije oka.

Ovaj prsten je obično pigmentisan i prisutni pigmenti

stvaraju razne varijacije boja od kojih su glavne,

smeđa, plava i zelena. Sastoji se od mreže radijalnih

linija koja je jedinstvena, vremenski nepromjenjiva za

svaku osobu i ne ovisi o genetskim parametrima. Služi

za zaštitu rožnjače i očnih nerava od prejakog svetla i

pri fokusiranju (akomodaciji) oka.

Pouzdana automatska identifikacija osoba je dugo bila nedostižan cilj. Kao kod svih metoda

prepoznavanja uzoraka ključni problem je odnos između razreda i unutar-razredne varijabilnosti: objekti

se mogu pouzdano klasificirati samo ako je promjenjivost između različitih instanci istog razreda manja

od promjenjivosti između različitih razreda. Na primjer kod prepoznavanja lica, dolazi do problema zbog

činjenice da je lice promjenjivi dio tijela koji prikazuje više različitih izraza, također lice je 3D objekt čija

slika ovisi o uglu gledanja, stavu, osvjetljenju, korištenoj opremi, te samoj dobi osobe. Istraživanja su

pokazala da za slike lica slikane najmanje u rasponu od godine dana, čak trenutno najbolji algoritmi

imaju 43% do 50% pogrešaka. Nasuprot promjenjivosti unutrašnjeg razreda, promjenjivost među

razreda je ograničena zbog toga što različita lica posjeduju isti set osnovnih svojstava, u istoj kanonskoj

geometriji.

Zbog svih ovih razloga, obrasci šarenice su postali zanimljivi kao alternativan pristup pouzdanoj

autentifikaciji osoba kada se slika uzima sa udaljenosti manjih od jedan metar, i posebno onda kada je

potrebno pretraživati velike baze podataka bez potrebe za rješavanjem velikog broja pogrešnih

pogodaka. Iako malih dimenzija [11mm], i ponekad teža za slikati, šarenica ima velike matematičke

prednosti koje rezultiraju velikom razlikom obrasca između osoba.

Kao dodatna pogodnost, zbog toga što je šarenica

unutarnji dio oka, ona je dobro zaštićena od okoline i

stabilna tokom vremena. Kao ravan objekt slika šarenice je

relativno neosjetljiva na ugao osvjetljenja, promjene u uglu

gledanja uzrokuju samo povezane promjene; čak i

nepovezana deformacija obrasca uzrokovana pupilarnom dilatacijom je čitljiva.

Na posljetku, lakoća lokaliziranja očiju na licu, i specifičan okrugao oblik šarenice, omogućuju

pouzdanu i preciznu izolaciju svojstva šarenice i stvaranje veličinom nezavisnog prikaza.

Šarenica oka se počinje formirati oko trećeg mjeseca trudnoće. Struktura linija i šara koje joj daju

prepoznatljivost formira se do osmog mjeseca, iako se formiranje pigmenta može nastaviti do jedne

godine nakon rođenja. Njena složena struktura sadrži mnogo različitih svojstava kao naprimjer:

zakrivljeni ligamenti, brazde, vrhovi, krugovi, ovojnice, pjege i slično. Boja šarenice je uglavnom

određena gustoćom melanin pigmenta u njenom prednjem sloju, dok plave šarenice nastaju zbog

odsustva pigmenta: veće valne dužine svjetlosti prodiru i bivaju apsorbirane od pigmenta epitela, dok su

manje valne dužine reflektirane i razasute od strane šarenice.

Ideja da se šarenica - dužica oka koristi kao optički otisak prsta za identifikaciju osobe je prvi put

predložena od strane oftalmologa koji su iz iskustva primijetili da svaka dužica ima jedinstvenu teksturu i

visok nivo detalja koji ostaju nepromijenjeni decenijama.

Postupak prepoznavanja osobe se može podijeliti u više faza:

| Tehnike biometrijske identifikacije29 / 126

2010

Slika 2.7. Građa ljudskog oka

Slika 2.8. Izgled šarenice oka dvije različite osobe

[Završni rad]

S Akvizicija slike oka

S Segmentacija dužice oka

■ Normalizacija dužice oka

S Kodiranje

S Poređenje kodiranjih potpisa

Akvizicija

Da bi bila upotrebljiva, dužica oka se mora fotografisati sa udaljenosti od 10-ak centimetara do

najviše jednog metra. Razlog za to je refleksija svjetla koja nastaje kao posljedica vlažne i prozirne opne

iznad dužice. Potrebno je uslikati sekvencu slika pomoću specijalno dizajniranog senzora. Obično se

upotrebljavaju digitalne CCD (charge-coupled device) kamere male rezolucije. Pošto je dužica dosta mala

i ima dosta detalja pod infracrvenim svjetlom, akvizicija slike dužice visoke kvalitete je jedan od glavnih

izazova u praktičnom radu. Srećom, mnoga istraživanja koja su rađena na ovom polju omogućila su

nenametljivu akviziciju slike sa distance.

Negativna strana je ta što se osoba mora precizno pozicionirati u odnosu na kameru, dakle nije

moguće sprovesti akviziciju slika dužice oka bez saradnje subjekta. Usmjeravanje osobe na idealnu

poziciju za akviziciju fotografije se najčešće izvodi glasovnim porukama i kada osoba dođe u dobru

poziciju za akviziciju, uređaj automatski fotografiše. Postoje i komplikovaniji, ali za subjekta ugodniji

načini, kao što je automatsko traženje i zoom dužice od strane uređaja ili korištenje ogledala, međutim

saradnja subjekta je uvijek potrebna.

Cijeli postupak, akvizicija i identifikacija zajedno, zavisno o brzine kompjuterske obrade, traje

oko sekundu ili dvije. Prilikom akvizicije slike potrebno je obratiti pažnju najviše na osvjetljenje, poziciju

kamere i osobe i na sam izbor opreme za akviziciju slika oka. Slike ne moraju biti velike rezolucije,

približno 640x480 pixela, te da imaju paletu od 256 sivih nijansi, što je prednost ove metode jer takva

oprema nije skupa. Poluprečnik dužice na slici bi trebao biti oko 70 piksela za dobro prepoznavanje. Boja

dužice nije bitna za prepoznavanje, već njena struktura.

Segmentacija

Prvi korak, nakon utvrđivanja da je dužica vidljiva na snimljenoj slici, pri prepoznavanju pomoću

dužice je izolovati područje dužice u slici oka. To se područje aproksimira s dvije kružnice, jedna za

vanjski, a druga za unutrašnji rub dužice. Uspješnost segmentacije zavisi od kvalitete slike oka. Kod

osoba s tamnijim pigmentom dužice, kontrast između dužice i zjenice je malen, što dovodi do problema

pri segmentaciji. Segmentacija je ključan korak pri prepoznavanju, jer u slučaju greške daljnji postupci u

procesu prepoznavanja daju pogrešne rezultate, što uzrokuje lošiji postotak prepoznavanja.

Slika 2.9. Segmentirana dužica oka (lijevo) i Segmentirana dužica oka s izoliranim trepavicama (desno)

Normalizacija

Nakon uspješne segmentacije dužice iz slike oka, pristupa se fazi u kojoj se transformiše regija

dužice tako da ima fiksne dimenzije da bi se omogućilo poređenje. Sliku je potrebno transformisti u

polarni koordinatni sistem. Time se postiže da na prepoznavanje neće imati uticaj veličina zjenice i same


2010

[Završni rad]

slike. Nekonzistentnosti u dimenzijama između slika oka su proizvedene prvenstveno rastezanjem dužice

zbog dilatacije zjenice usljed različitih razina osvjetljenja. Ostali razlozi nekonzistentnosti uključuju

variranje udaljenosti oka od kamere, rotaciju kamere ili oka, kao i pomijeranje glave. Proces

normalizacije će proizvesti potpis dužice koji ima iste konstantne dimenzije, tako da će dvije fotografije

iste dužice pod različitim uslovima imati iste karakteristike na istoj prostornoj lokaciji.

Pri normalizaciji, potrebno je uzeti u obzir da u većini slučajeva zjenica nije koncentrična sa

dužicom (centar zjenice može biti pomjeren u odnosu na centar dužice i do 15%).


2010

[Završni rad]

Implementacija normalizacije je pretežno bazirana na Daugmanovom algoritmu. „The

homogenous rubber sheet" model preslikava svaku tačku unutar regije dužice u par polarnih koordinata

(r,0) gdje je r na intervalu [0,1] i 0 je ugao koji se nalazi na intervalu [0,2n].


2010

[Završni rad]

Centar zjenice se smatra kao referentna tačka dok radijalni vektori prolaze kroz regiju dužice kao

što je prikazano na narednoj slici. Broj tačaka koji se biraju duž svake radijalne linije je određen

radijalnom rezolucijom, dok je broj radijalnih linija koje idu kroz regiju dužice određen ugaonom

rezolucijom. Pošto zjenica može biti nekoncentrična sa dužicom, potrebna je formula koja će skalirati

tačke duž kruga u zavisnosti od ugla. Ova formula je data sa:


Slika 2.10. Proces normalizacije (rezultat - potpis dužice)

2010

[Završni rad]

(2.1) (2.2)

(2.3.)

Relativni pomjeraj centra zjenice od centra dužice oka dat je sa Ox i Oy , dok je r udaljenost

između centra zjenice i granice dužice sa beonjačom na uglu 6 uzduž regije i r/ je kvadrat poluprečnika

dužice.


P = —cos!(n + arctg-^— 9 )

r = yjafi + jaf!2 — a + rf a

= Oj2 + 0$

2010

[Završni rad]


Slika 2.11. Radijalni vektori prolaze kroz regiju dužice da bi se izvršila normalizacija

2010

[Završni rad]

Filtriranje i kodiranje

Nakon što je izvršena normalizacija dužice oka potrebno je dobijeni potpis kodirati u oblik

pogodan za poređenje koji će sadržavati najvažnije informacije o potpisu. Da bi se obezbijedilo precizno

prepoznavanje pojedinca, informacije koje su najviše diskiminirajuće moraju biti dobijene iz potpisa

dužice. Samo značajne karakteristike dužice moraju biti kodovane tako da se može vršiti poređenje

između različitih potpisa dužice.

Slika 2.12. Kodiranje potpisa dužice

Poređenje potpisa

Nakon lokalizacije dužice, odnosno nalaženja dijela potpisa na kojem se nalazi dužica i dobijanja

potpisa dužice, zadnji korak jest odluka o tome da li snimljena dužica odgovara nekoj od pohranjenih u

bazi podataka. Za to se koriste različite metode prepoznavanja, a jedna od najpoznatijih je zasnovanja na

računanju Hammingove distance. Hammingova distanca je određena vrijednost (u intervalu od 0 do 1 -

pri čemu 0 znači da se radi o jednom te istom kodu) koja se upoređuje s dozvoljenim sigurnosnim

nivoom odstupanja. Prilikom prepoznavanja osoba skeniranjem dužice oka Hammingova distanca se

koristi kako bi se postigla odluka o tome radi li se o poznatoj osobi ili ne. Računanje Hammingove

udaljenosti vrlo je brzo i efikasno (savremeni računari mogu uporediti i više od 4 000 000 iris kodova u

sekundi).


2010

Izbor pragaVjerovatnoća pogrešnog prihvataujaVjerovatnoća pogrešnog odbacivanja0.251 u 13.5 milijardi1 u 14900.261 u 2.04

milijarde1 u 26600.271 u 339 miliona1 u 48500.281 u 60 miliona1 u 90000.291 u 12 miliona1 u 171000.301 u 2.4 miliona1 u

328000.311 u 6030001 u 642000.321 u 1510001 u 1280000.331 u39S001 u 2600000.341 u 115001 u 5360000.351 u 36301 u 1.12

miliona

Tabela 2.1. Performanse Daugmanovog algoritma prikazane pomoću vjerovatnoće greške za nekoliko izabranih pragova

[Završni rad]

Provjeru efikasnosti ovog algoritma moguće je napraviti pri poređenju više slika istog oka,

ukupno je izvršeno 100 poređenja različitih slika istog oka. Algoritam je pokazao 100%-tnu efikasnost i u

svakom poređenju prepoznao da se radi o istoj osobi. Slike očiju ove osobe nisu bile narušene ni

kapcima ni trepavicama.

Dobijeni rezultati Hammingove distance za 100 poređenja dati su u sljedećim grafikonima.

Napomenimo još jednom da ukoliko je Hammingova distanca manja od vrijednosti 0.32 algoritam će

javiti da se radi o istoj osobi.

Redni broj poređenja Slika 2.13. Prikaz

vrijednosti Hammingove distance za svako od 100 poređenja

Pri poređenju slika različitih očiju urađeno je 80 poređenja i pri tome je korišteno 18 različitih

slika. Pošto su lijeva i desna dužica iste osobe različite, u tih 18 slika bile su i po dvije dužice iste osobe

(lijeva i desna) jer algoritam i njih prepoznaje kao različite. Pri ovom poređenju, algoritam je pokazao

100%-tnu tačnost.


2010

[Završni rad]

7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 Redni broj

poređenja

Slika 2.14. Prikaz vrijednosti Hammingove distance za svako od 80 poređenja različitih dužica


2010

��13999999999999999999999

[Završni rad]

Prepoznavanje osobe skeniranjem dužice oka ima svoje prednosti i nedostatke, ali je u svakom

slučaju jedna od najsigurnijih biometrijskih metoda. Prednosti su da je oko dobro zaštićen ljudski organ,

dužica se tokom ljudskog života ne mijenja kao ostale karakteristike i svaka osoba ima drugačije uzorke

dužice. Za dobro prepoznavanje dovoljno je 30 - 40 % slike dužice, mala je vjerovatnoća pogrešnog

prepoznavanja i algoritam koji obrađuje sliku je vrlo brz. Razne prevare se mogu otkriti zahvaljujući

konstantnim promjenama veličine zjenice.

Negativne strane ne nadmašuju pozitivne. Glavni problemi su što je dužica relativno mala pa se

mora fotografisati iz velike blizine (1 metar ili manje). Kod slikanja može biti problem odsjaj od svjetla jer

se dužica nalazi iza mokre prozirne reflektujuće površine. Također je potrebna velika saradnja subjekta

kod akvizicije slike. Zbog svega toga ova metoda ima karakteristična područja upotrebe gdje je potreban

izuzetno visok stepen sigurnosti. Iako se pojavljuju novi pristupi i prijedlozi, niko još nije uspio nadmašiti

učinkovitost Daugmanovog algoritma.

Prilikom upotrebe karakteristika ljudskog oka pri biometrijskoj identifikaciji moguć je još jedan

pristup - pomoću karakteristika mrežnice oka. Mrežnica je tanki sloj stanica, splet krvnih žila koji se

nalazi u stražnjem dijelu oka. Njena struktura je individualna, jedinstvena karakteristika svake osobe.

Prva istraživanja ove metode počela su oko 1930. g. , a prva komercijalna izvedba se pojavila 1984. g.

Ova biometrijska metoda do danas osigurava najveću točnost prepoznavanja.


2010

[Završni rad]

Ovo je jedno od najsigurnijih biometrijskih

identifikacijskih obilježja, jer nije moguće promijeniti ili

replicirati unutarnju strukturu oka, niti se ona mijenja tokom

čitavog života, a mrežnica mrtve osobe toliko brzo propada da

nisu neophodne dodatne mjere utvrđivanja znakova smrti. Za

uspješno skeniranje mrežnice oka potrebno je skinuti naočale i

oko približiti skeneru, te fokusirati pogled na određenu tačku.

Slika mrežnice


2010

[Završni rad]

dobiva se usmjeravanjem laserske infracrvene svjetlosti u Slika 2-15- Mrežnica ljudskog oka unutrašnjost oka.

Reflektirana svjetlost sadrži podatak o položaju kapilara. Proces skeniranja traje između 10 i 15 sekundi i

oko se za vrijeme skeniranja osvjetljava blagim snopom svjetlosti, zbog čega ova metoda spada u

neugodnije i nametljive biometrijske metode.

Zbog visoke cijene, ali i visoke pouzdanosti ova metoda koristi se u područjima i objektima

visokog stepena sigurnosti gdje cijena opreme nije odlučujući faktor.

2.1.3. Biometrijska identifikacija na osnovu šake

Kad govorimo o identifikaciji na

temelju izgleda i geometrije dlana i prstiju

ruke, treba napomenuti da se radi o metodi

čija provedba je gotovo podudarna s ranije

opisanom identifikacijom na temelju izgleda i

proporcija lica. Dakle ponovo se uzorak skuplja

digitalnom kamerom i na njemu se vrše razne

tranformacije i normalizacije. Ova metoda se

fokusira na bitne odlike ljudske šake kao što su

dužina i oblici prstiju, veličina dlana, razmak Slika 3.16. Uređaj za mjerenje geometrije šake

između zglobova, reljef naborane kože na zglobovima, i sl. Ruka se postavlja u uređaj na ravnu površinu i

prsti se rasporede po određenim ležajma. Zatim kamera slika gornju, donju ili obe površine šake i tako

prikupljene slike rezolucije između 100 i 400 tačaka po inču (dpi - dots per inch) se dalje obrađuju.

Ovaj uređaj može koristiti zajedno sa kamerom i infra crvenom toplotnom kamerom,

kapacitativnom podlogom i ultrazvučnim piezoelektrilnim

senzorima kako bi se sistem uvjerio da je šaka živa i imao

detaljniji uvid u karakteristike šake. Svaki od ovih dodataka

samo povećava cijenu ove metode i koriste se samo ukoliko je

to striktno potrebno jer šake ne predstavljaju oličenje

unikatnosti. Baš iz razloga slabije preciznosti ovi skeneri

imaju dobru primenjenu u malim grupama ljudi gdje je šansa

da se nađu dvije osobe sa jako sličnim šakama jako mala, tako

da se koriste pri autorizaciji u prostorijama gdje čine sjajnu

zamjenu karticama i ključevima jer šake na žalost ne možete

slučajno zaboraviti.

S obzirom na to da geometrija ruke nema zadovoljavajući nivo jedinstvenosti kod svake osobe,

odnosno radi se o relativno nepouzdanoj metodi, ona se uglavnom može koristiti u postupcima provjere

identiteta, odnosno autentifikacije. U postupku identifikacije može se koristiti u kombinaciji s drugim

metodama kao indicijalna metoda. Jedna od novijih metoda identifikacije na temelju ruku, bazirane na

savremenim tehnologijama je i metoda uporedbe rasporeda vena na šaci, prilikom koje se traže mjesta

spajanja krvnih žila, koja čine karakterističnu šaru.


2010

Slika 2.17. Položaj šake pri skeniranju geometrije s naznačenim najbitnijim tačkama

[Završni rad]

Ova metoda poput prije opisane, također spada u neinvazivne metode i vrlo je primjenjiva u

sistemima gdje je potrebno u kratko vrijeme uporediti veliki broj objekata, bez visokih zahtjeva

pouzdanosti. Vrlo jednostavna i cijenom prihvatljiva tehnika niskog praga točnosti.


2010

Skener emltuje irifra-crveiiu svjetlost.I I |-:i|i\:^|il|H ii IL Yi'lI.I iii.k .lljmjiIiii n-svjetlost...

Skener kreira slike. Sare vena na Sali „nvatan|enr reflekrovanlh zraka svjetlosti

SI i h.l se pnhran|n|e n Ijn/Li podatak. [dfiiLihkatiift se vrši poredenjem trenutnog skena korisnika I onih Iz oaze podataka

[Završni rad]

Kao što je već pomenuto, u

biometrijskim metodama identifikacije

upotreba šake je moguća i na drugi način koji

povećava tačnost, a to je tehnika utvrđivanja

rasporeda vena. Predstavlja najnoviju

biometričku metodu koja detektuje položaje

vena u prstu ili šaci. Mreža vena je jedinstvena

za svaku osobu pa čak i identične blizance, ali

još nije

potvđeno da li se izgled mreže vremenom menja. Uređaji

koji detektuju raspored vena su jednostavni i izrađuju se u jednom čipu pa je proizvodnja laka što ih čini

veoma jeftinim i pristupačnim širim masama. Ovi uređaji ne zahtijevaju dodirivanje šakom ili prstom

tako da su higijenski za razliku od skenera reljefa prstiju. Skener se sastoji od infracrvene kamere i IR

lampica koje osvetljavaju prst ili dlan.

Kamera napravi digitalnu sliku gde se mogu primijetiti razlike u apsorpciji IR svetla i lako izdvojiti

slika mreže vena koja kasnije podleže obradi. Ovaj metod je jako mlad i sve popularniji, zbog svoje brzine

i tačnosti, te prijeti da smijeni čitače reljefa prsta.


Slika 2.18. Ilustracija korištenja skenera vena

2010

[Završni rad]


Slika 2.19. Šaka, infracrvena slika šake i izdvojena venska mreža

2010

[Završni rad]

2.1.4. Biometrijska identifikacija na osnovu uha

Oblik uha i struktura hrskavog tkiva na površini uha različiti su među osobama. Kod uha nije za

očekivati da su karakteristike jedinstvene za svaku osobu. Pristupi prepoznavanju uha temelje se na

poklapanju vektora dužine izbočenih tačaka na površini od lokacije graničnih znakova na uhu. Ova

metoda spada u grupu nametljivih tehnika.

Iako ova metoda daje obećavajuće rezultate potrebno je još dodatnih istraživanja kako bi se

odgovorilo na pitanja:

1. Može li se izvršiti ekstrakcija karakteristika uha u raznim uslovima sa zadovoljavajućim

pouzdanošću?

2. U slučaju kada je uho prekriveno kosom ova metoda nije primjenjiva. Potrebno je naći odgovor

da li je moguće postići djelomičnu identifikaciju, te može li upotreba termograma riješiti

problem?

Postupak biometrijske identifikacije osoba na osnovu geometrijskih osobina spoljašnjosti uha

odvija se koracima koji su ilustrirani na narednoj slici.

Akvizicija slike


2010

[Završni rad]

Prvi korak je svakako akvizicija slike nakon što je ista uzeta pomoću digitalne kamere i nakon što

su njene dimenzije skalirane na fiksnu vrijednost prilikom predprocesiranja. Sljedeći korak predstavlja

tehniku koja kreira dvoslojnu binarnu sliku. Ova slika G(x,y) se može naći na sljedeći način :(1; ako je f ( x , y) > Txy 0 ; ako

je f ( x , y) < Txy


G ( x , y) = (2.4.)

Slika 2.20. Proces identifikacije osoba na osnovu uha

38 / 126

2010

[Završni rad]

Prag Txy se određuje na osnovu

histograma digitalne slike uha. Histogram

proračunat za konkretan primjer analize slike uha

prikazan je na slici desno, a opisani koraci obrade

slike ilustrirani su na slici dole.

Pošto digitalna slika uha sadrži mnogo

crnih piksela jer sadrži dio lica, u ovom postupku

su svi pikseli sa vrijednošću između nule i praga

konvertovani u bijelu boju, a


2010

Slika 2.21. Histogram digitalne slike uha

[Završni rad]

preostali su crni. Tko dobivena slika ustvari dobije drugačiju formu tako da su rubovi uha koji su

interesantni za analizu crni, dok je ostatak slike sasvim bijel. Na taj način se dobiva prikaz uha (3) na slici

dole. Pošto veći dio slike sadrži kožu, vrijednost priksela u ovom području ustvari predstavlja

maksimalnu vrijednost na ranije prikazanom histogramu.

Slika 2.22. Izgled slike uha tokom obrade pri identifikaciji

Prag je određen sljedećim algoritmom :

1. Odredi se inicijalna vrijednost estimacije Txy koja je jednaka vrijednosti koja se najčešće

pojavljuje,

2. Segmentacija slike uha na osnovu Txy . Ovaj korak će rezultirati dvjema grupama piksela: Gi koja

se sastoji od svih piksela čija je vrijednost manja od praga, odnosno svi pikseli svjetliji od ove

inicijane nijanse, G2 koja se sastoji od svih ostalih piksela,

3. Proračunavanje prosječnih vrijednosti piksela sadržanih u ove dvije skupine /i^, [ I2 ,

4. Proračunavanje nove vrijednosti praga :

Txy = jOi + ^2) (2.5)

Koraci od 1 do 4 se ponavljaju dok se ne postigne zadovoljavajuća izoštrenost slike koja prikazuje

ivice od interesa. Nakon ovoga se označavaju karakteristične tačke i mjeri nihova razdaljina formirajući

obrazac za poređenja postupcima koji su jednaki onima koji se koriste i ostalim biometrijskim

metodama.

2.1.5. Biometrijska identifikacija na osnovu mirisa

Vrlo značajno i perspektivno područje, posebno traseološke identifikacije u naučnom

istraživanju je područje ljudskih, tjelesnih mirisa. Svaki objekat u prirodi ima svoj miris koji je

karakterističan za njegov hemijski sastav.

Miris je skup izlučevina ljudskog tijela koji je individualan za svaku osobu. Zahvaljujući činjenici

da ljudsko tijelo u okolnu atmosferu ispušta oko 300 različitih mirisnih sastojaka, koje je različitim

metodama i sredstvima moguće registrirati i razlikovati, otvaraju se široke mogućnosti apliciranja

tragova mirisa pri identifikaciji. Kad je riječ o egzaktnijim metodama identifikacije, danas je uz pomoć

spektrometra masa moguće identificirati oko 130 specifičnih sastojaka tjelesnog mirisa. Većina mirisa

luči se iz površine tijela, kože i potkožnog tkiva, ali znatan dio potječe iz pluća i gastrointestinalnog

trakta. Mirisi tog podrijetla imaju vrlo veliku diferencijalnu vrijednost, nastalu specifičnom prehranom,

životnim stilom i brojnim dodatnim specifičnostima određene osobe.


2010

[Završni rad]

Slika 2.23. Spektar mirisa

Prema dosadašnjim istraživanjima nepobitno je utvrđena individualnost i nepromjenjivost

temeljnih karakteristika mirisa čovjeka. Ljudski miris predstavlja posebnu vrstu mikrotraga, jer čovjek

prilikom kretanja iza sebe u zraku ostavlja molekule mirisa koje se sastoje od individualnog mirisa osobe

i raznovrsnih mirisa sredine u kojima boravi. Složenost takvog traga pridonosi njegovoj individualnosti.

Uzorci, odnosno tragovi mirisa mogu se prikupljati na mjestu događaja u sterilne hermetičke

kontejnere, uz pomoć specijalnih usisavača. S obzirom na to da se radi o kratkotrajnim ili promjenjivim

tragovima, izražena je potreba žurnog postupanja.

Ekspertize kojima se mogu analizirati i identificirati tragovi mirisa su plinska kromatografija i

spektrometrija masa. Danas se intenzivno radi na iznalaženju metoda prikladnih za prikupljanje i

pohranu nespornih uzoraka, kako bi se omogućilo stvaranje baza podataka mirisa.

Slika 2.24. Principi analize komponenti mirisa neke osobe

Pretpostavljajući da svaka osoba sadrži karakterističan miris, moguće je po parametrima

posebnih senzora odrediti o kojoj se osobi radi i odrediti glavnu notu mirisa od sporedne. Analizom

mirisa mogu se ustanoviti podaci o aktivnostima pojedinca što uzrokuje zabrinutost korisnika za vlastitu

privatnost. Upitno je da li postoji utjecaj hemijskih tvari (poput losiona, sapuna i sl.) na kvalitetnu

detekciju mirisa. Ova metoda spada u grupu nametljivih tehnika.

2.1.6. Biometrijska identifikacija na osnovu DNK

Razvojem prirodnih nauka, a prije svega molekularne biologije, došlo se do spoznaje o genetskoj

uslovljenosti brojnih ljudskih psiho-tjelesnih karakteristika, ali i o individualnosti i neponovljivosti ljudske

stanice (ćelije). Ustanovljavanjem činjenice da je molekula deoksiribonukleinske kiseline - DNK

(deoxyribonucleic acid - DNA) različita kod svakog čovjeka, počinje primjena ove metode u identifikaciji

osoba.

Britanski naučnik sir Alec Jeffreys prvi je 1984. godine primijenio činjenicu o jedinstvenosti građe

molekule DNK na identifikaciju nepoznatih počinitelja kaznenih djela, pa je metodu nazvao DNA-

fingerprinting po uzoru na do tada neprikosnovenu daktiloskopsku metodu identifikacije.

DNK ili deoksiribonukleinska kiselina je molekula građena u obliku dvostruke spiralne zavojnice

koja je međusobno povezana parovima baza. Svaka molekula sadrži oko 3 miliona takvih parova baza.

DNK sadrži genetičke odrednice za specifični biološki razvoj i jedinstvena je za svaku osobu s iznimkom

jednojajčanih blizanaca čija je struktura DNK identična. Molekula DNK nalazi se u svakoj stanici ljudskog

organizma i njena struktura predstavlja genetsku šifru kao osnovu nasljeđivanja.


2010

[Završni rad]

Oko 99,5% DNK molekule je zajedničko svim ljudima i to područje DNK naziva se

nekodirajuće područje, dok preostalih 0,5% predstavlja kodirajuća područja koja su visoko

varijabilna (polimorfna), te čine svaku osobu jedinstvenom. Na proučavanju kodirajućih

područja temelji se identifikacija osoba.

Analiza DNK je zasigurno jedna od najznačajnijih i najpouzdanijih biometrijskih metoda

identifikacije. Kod analize DNK koriste se unaprijed određeni lokusi, za koje je poznato da sadrže

određene parove baza koji se uzastopno ponavljaju, a istodobno pokrivaju veliku varijabilnost u ljudskoj

populaciji, odnosno koji sadrže VNTR.

Slika 2.25. Porijeklo i sastav DNK uzorka kao biometrijskog pametra

VNTR ili varijabilni (polimorfni) ponavljajući sljedovi (engl. Variable number tandem repeats) su

visoko polimorfni sljedovi i određeni su brojem ponavljajućih DNK sekvenci. Većina DNK sljedova

odnosno sekvenci ne sadrži gene, već služi isključivo kao pomoćni genetički materijal. Kratke sekvence

parova baza koji se učestalo ponavljaju, nazivaju se kratki ponavljajući sljedovi ili STR (short tandem

repeats). lako se ove sekvence pojavljuju u DNK svake osobe, broj ponavljanja sekvenci jako se razlikuje

od osobe do osobe. Upravo se na utvrđivanju broja i dužine ponavljanja tih sekvenci temelji

identifikacija osoba metodama analize DNK.

Sve do sada navedeno odnosi se na jezgrinu ili nuklearnu DNK koja se nalazi u strukturi

kromosoma u staničnoj jezgri. Tijekom vremena je razvijena druga mogućnost identifikacije, analizom

mitohondrijske DNK koja je s mnogim drugim staničnim strukturama sastavni dio citoplazme.

Prednost mitohondrijske pred jezgrinom DNK je upravo u činjenici da svaka stanica sadrži više

stotina kopija mitohondrijske DNK, zbog čega je lako izdvojiti dovoljnu količinu DNK potrebnu za analizu,

čak i u slučaju mikrotragova i problematičnih i starih tragova koji su djelomično kontaminirani ili

degradirani. Uzorak mitohondrijske DNK moguće je dobiti i iz stanica bez korijena, prije svega to se

odnosi na tragove vlasi i dlaka.

Vrijeme potrebno da se obradi neki uzorak i dobije gotov DNK PROFIL iznosi minimalno 3 sata,

što je neprihvatljivo za prijemnu ovog postupka kao biometrijskog metoda autentifikacije, a osnovni

koraci i njihova vremena su :

1. Uzimanje uzorka (npr. bris unutrašnje strane obraza) - približno 10 [sec],

2. Ekstraktovanje DNK - od 30 [min] do 3 [h],

3. Obrada DNK - od 2 [h] do 3 [h] ,

4. Sekvenciranje DNK - od 30 [min] do 1 [h].


2010

[Završni rad]

Međutim, u novije vrijeme na tržištu su se pojavili uređaji koji unapređuju ovu metodu čineći njenu upotrebu bržom i jednostavnijom. Jedan od pomenutih uređaja je i novi DNK sakupljač (The Bode Technologies Buccal DNA Collector) koji veoma brzo i jednostavno vrši prikupljanje DNK uzorka sa unutrašnje strane obraza i ujedno vrši izdvajanje DNK, a kompletan postupak traje manje od 30 [sec].

Za postupak obrade DNK dizajniran

je prenosni uređajMATCI (Miniature slika 2.26. Izgled DNK profila

Analytical Thermal Cycling Instrument) koji veoma brzo i efikasno manipuliše uzorcima izvodeći i po 32

ciklusa obrade u svega 20-ak minuta. Visokoprotočna DNK analiza dostupna je zahvaljujući uređajima

kao što je ABI 3730xl. Naime radi se o uređaju za sekvenciranje DNK uz pomoć mikročip tehnologije, koji

skaćuje vrijeme analize i do 5 puta u odnosu na tradicionalne uređaje korištene u ovoj fazi obrade DNK.

Ukoliko bi pri komercijalnom uvođenju ove biometrijske metode bile iskorištene sve nabrojane

nove tehnologije, ukupno vrijeme obrade bi se smanjilo na svega pola sata, što bi ovu metodu na neki

način učinilo prihvatljivijom za primjenu, ali ne treba zanemariti i prateće nuspojave (kao što je cijena)

koje ponovo primjenu ove metode čine upitnom.

DNK analiza je jedini pouzdan test za utvrđivanje srodstva. Genetičke odrednice nalaze se u 23

para hromosoma, odnosno u 46 hromosoma koji se nalaze u jezgri svake tjelesne stanice. Unutar

hromosoma na tačno određenim mjestima nalazi se približno 30 000 do 40 000 gena, koji određuju sva

svojstva jednog organizma. Polovica od ukupno 46 kromosoma, odnosno 23 kromosoma nasljeđuju se

od majke, a 23 od oca. Jedan od tih parova čine spolni kromosomi (X, Y), koji određuju spol osobe.

Preostala 22 kromosomska para, koji se nazivaju autosomi, prenose nasljedna svojstva.

DNK analizom muške komponente genetičkog materijala (Y hromozom) moguće je utvrditi i

daleka srodstva po muškoj liniji što može pomoći kod pravljenja porodičnog stabla. Srodstvo po ženskoj

liniji se može utvrditi analizom mitohondrijske DNK. Uzorak koji se najčešće koristi za analizu DNK je bris

bukalne sluznice (bris unutrašnje strane obraza).

Trenutno korišteni sistem za uporedbu DNK profila (CODIS) razvijen je od strane FBI i veoma je

sličan sistemu iste namjene kod otiska pristiju (AFIS). Sistem posjeduje bazu podataka sa DNK profilima

svih poznatih počinitelja kaznenih dijela (tamo gdje je uveden CODIS) i ti uzorci su korišteni u istragama i

dokaznim postupcima.

Svi pomenuti aspekti primjene ove metode čine je relativno neupotrebljivom u autentifikacijske

svrhe u ovom trenutku. S obzirom da se iz DNK mogu dobiti i "privatni" podaci (poput raznih vrsta bolesti

i sl.), ovakva identifikacijska tehnika još uvijek ne uživa veliku popularnost kod krajnjih korisnika. Ova

metoda spada u grupu nametljivih tehnika.


[Završni rad]

2.2. Biometrijska identifikacija na osnovu bihaviorističkih karakteristika

U skupinu ponašajnih ili bihaviorističkih karakteristika spadaju: osobine glasa, potpis, dinamika

tipkanja i hod osobe. U širem smislu u ovu skupinu spadaju i mnoge druge ponašajne karakteristike kao

što su navike ili svakodnevni rituali osobe koji su karakteristični za pojedinu osobu, no one nisu dovoljno

specifične da bi se koristile za identifikaciju, već mogu poslužiti kao određeni indicij koji upućuje na neku

osobu. Na ovim obilježjima ne može se temeljiti identifikacija.

2.2.1. Biometrijska identifikacija na osnovu glasa

Glas osobe predstavlja individualno obilježje, koje je ponekad vrlo lako registrovati i razlikovati,

odnosno utvrditi istovjetnost glasa ljudskim sluhom. Naravno da ovakvo prepoznavanje može dati

određeni rezultat, pa postati i izvor dokaza u nekom kriminalističkom postupku, ali treba uvažavati

činjenicu da se radi o subjektivnom doživljaju baziranom na subjektivnim karakteristikama slušatelja.

Vjerodostojna i neupitna identifikacija treba biti zasnovana na egzaktnim, naučno utemeljenim

parametrima. Kad je riječ o identifikaciji osobe na osnovu glasa, radi se o karakteristikama glasa poput

boje glasa, modulacije, frekvencije, specifičnostima izgovora određenih glasova, govornim manama i

drugo. Ovo područje identifikacije zove se fonoskopska identifikacija.

Tehničke biometrijske ekspertize mogu se poduzimati samo sa snimljenim glasovima. U takvim

slučajevima postupak identifikacije slijedi na način da se glas osobe snimi (nesporni uzorak) i zajedno sa

snimkom spornog glasa dostavi na uporedbu. Eksperti posebnim uređajem glas pretvaraju u električne

signale i vizualiziraju kroz grafikone čije se amplitude upoređuju. Temeljem poklapanja ili odstupanja

grafičkih prikaza zaključuje se o podudarnosti ili nepodudarnosti glasa određene osobe sa spornim

glasom. Očitovanje eksperta o stepenu podudarnosti ili nepodudarnosti glasa može biti formulirano kroz

pet kategorija: 1. sigurno isti govornik, 2. sigurno nije isti govornik, 3. vjerojatno isti govornik, 4.

vjerojatno nije isti govornik i 5. nemogućnost identifikacije zbog loše snimke.

Ovaj vid autentifikacije osoba predstavlja definitivno hardverski najjeftiniji biometrički proces.

Senzorsku ulogu zauzima mikrofon, a ulogu obrade računar koji poseduje analogno digitalni zvučni

konverter, tačnije zvučnu kartu. Kada se zvučni slignal, u ovom slučaju glas korisnika, pokupi softver

izračunava graf zvan spektogram koji prikazuje frekvenciju zvuka na "y" i vremensku progresivnost na "x"

osi. Informacije koje služe za izražavnje ovakve slike, dakle sam digitalizovan zvuk, se dalje normalizuju i

obrađuju kako bi se istakle bitne karakteristike glasa, otklonili šumovi i izuzele variacione greške.

Nakon obrade se kao kod svakog biometriočkog procesa vrši upoređivanje na osnovu koga se

dozvoljava ili odbija pristup.

Slika 2.27. Spektogram

Postoje tri pristupa identifikacije govornika:

V Provjera govornika ovisno o tekstu - dokazuje identitet subjekta provjerom na unaprijed

određenoj frazi.

V Provjera govornika neovisno o tekstu - teži pristup jer se govornikov identitet provjerava

neovisno o frazi.

V Provjera govornika neovisno o jeziku na kojem govori


2010

[Završni rad]

Prepoznavanje glasa spada pod obe biometričke grupe (tjelesne i bihejvioralne) jer se bavi

prepoznavanjem vokalnog takta koji spada u fiziološke karakteristike i akcenta koji spada u ponašajne.

Slika 2.28. Uticajni faktori pri analizi glasa

Ovakve biometričke zaštite su rijetke jer bez obzira na malu cijenu i lakoću prikupljanja uzorka,

varijacije ulaznog glasa mogu biti velike u slučaju da je osoba prehlađena ili je imala operaciju na glasnim

žicama, a i uticaj spoljašnjih faktora kao stvaraoca šuma mogu biti također veliki. Najveća prijetnja ovih

sistema je nasnimljen zvuk korisnika koji kada se reprodukuje svakom može dozvoliti pristup, pa se ovi

sistemi kombinuju sa drugim biometrijskim sistemima.

2.2.2. Biometrijska identifikacija na osnovu dinamike potpisa

Od davnih vremena poznata je identifikacijska vrijednost rukopisa i potpisa. Činjenica da svaka

osoba ima jedinstven rukopis, a potpis je neka vrsta otiska prsta, otvara mogućnost koja se može

iskoristiti u identifikaciji osoba.

Prvi sistem za snimanje potpisa razvijen je 1965 godine. Istraživanja na polju dinamike i

prepoznavanja potpisa nastavljena su i tokom sedamdesetih godina fokusirajući se na statičke, odnosno

geometrijske karakteristike potpisa. Interes za dinamičke karakteristike potpisa pojačao se s pojavom

boljih sistema akvizicije preko tehnologija osjetljivih na dodir 1977 godine, proizvod koji se tada pojavio

bio je u stanju da tačno detektuje pritisak koji se generira na površini tokom potpisivanja.

U klasičnoj identifikaciji rukopisa i potpisa provodi se grafološka analiza koja se uglavnom temelji

na grafičkim, ali i nekim psihološkim i biheviorističkim premisama skriptora, odnosno osobe kojoj

pripada rukopis ili potpis. Grafologija se može definirati kao disciplina namijenjena otkrivanju i

definiranju širokog spektra osobina i sposobnosti. Katkad se naziva i psihologija rukopisa. Grafologijom

se u širem smislu može smatrati i analiza rukopisa kao vrsta ekspertize kojom se utvrđuje identitet

osobe.

Slika 2.29. Dinamički opis potpisa proveden preko niza karakterističnih tačaka i odgovarajućih vrijednosti pritiska

Kad je riječ o biometrijskoj metodi analize potpisa i rukopisa, treba kazati da je prihvatljiva iako

postoji mogućnost krivotvorenja (još uvijek vlada mišljenje da je za mjerodavnu analizu potrebno

tumačenje eksperta - subjektivno mišljenje temeljeno na objektivnom nalazu). Ipak, određena obilježja

rukopisa, odnosno potpisa mogu se grafički determinirati i klasificirati, jer ostaju nepromijenjena unatoč

pokušajima namjernog iskrivljavanja načina pisanja, pa postoji prostor za automatsku klasifikaciju i

identifikaciju.


[Završni rad]

Svaki rukopis ima svoja opšta i posebna obilježja. Opšta obilježja su opšti izgled rukopisa, stepen

ispisanosti, raspored teksta, odnos prema liniji pisanja, veličina rukopisa, razmaci, vezanost i nevezanost

slova, rastavljanje riječi, brzina pisanja, pritisak na papir, nagib rukopisa, ukrašavanje i dr.

Slika 2.30. Detekcija originalnosti potpisa pomoću dijagrama pritiska

Posebna obilježja se za razliku od opštih ne mogu u potpunosti definirati, jer su individualna od

osobe do osobe, ali se baziraju na mjerenju nagiba, brzine, jačine pritiska, duljine poteza ruke. Upravo na

ovim obilježjima temelji se biometrijska identifikacija skriptora. Ova identifikacijska metoda koristi

bihevioralne karakteristike osobe.

Velika prednost ovakvih identifikacija je jednostavnost, koja ne zahtijeva sofisticirani i skupi

instrumentarij. S druge strane, unatoč mogućnostima automatske obrade, ipak se radi o psihološko-

grafičkoj ekspertizi koja zahtijeva izuzetnu stručnost.

Postoje dva pristupa identifikacije potpisa:

V Statički - promatra se geometrija potpisa;

V Dinamički - promatra se geometrija potpisa, te brzina i putanja.

Sredstva potrebna za izvajanje karakteristika koje su od interesa pri identifikaciji možemo

podijeliti u dvije osnovne skupine :

3. Ploča osjetljiva na dodir (engl. tablet)

Ova ploča posjeduje osobine koje joj omogućavaju da registrira pokrete i pritisak olovke na

površinu. Ovakav uređaj može biti uspješno upotrijebljen u svrhe autentifikacije na svim

mjestima gdje je ona potrebna i to uz visok stepen pouzdanosti. Primjer jednog ovakvog uređaja,

relativno malih dimenzija i praktičnog dizajna prikazan je na narednoj slici.

4. Pametna olovka

Pametna biometrijska olovka funkcionira kao svaka druga olovka - ima tintni uložak kojim se

korisnik potpisuje na papir. U pametnoj olovci se bilježe pokreti u sve tri dimenzije kao i pritisak

na površinu, posjeduje mogućnost konektovanja na kompjuter preko USB kabla i veoma otporno

kućište zaštitu od mehaničkih udara. Prateći softver koji obrađuje podatke dobivene preko

pametne olovke, i analizira karakteristike potpisa u stanju je da izdvoji, sačuva i uporedi sve

bitne značajke kada je u pitanju komparacija potpisa kao što su: pritisak, brzina, ubrzanje i ugao.


Slika 2.31. Digitalni grafički panel za snimanje potpisa

2010

[Završni rad]

Slika 2.32. Biometrijska „pametna" olovka i prateći softver za analizu potpisa

Prednost ispitivanja dinamike potpisa je što se ne može krivotvoriti proučavajući zapisani potpis

korisnika. Krivotvorenje može uspjeti samo ako zlonamjerna osoba proučava način na koji se korisnik

potpisuje. Veličina podataka dobivenih iz svakog potpisa je oko 20 kB, obrazac dobiven iz 3 do 10 potpisa

zauzima od 90 B do 1 kB.

4.1.1. Biometrijska identifikacija na osnovu dinamike tipkanja

Dinamika tipkanja razvila se za vrijeme drugog svjetskog rata kod radiotelegrafista, jer je uočeno

da se po brzini tipkanja mogu razlikovati pošiljatelji poruka. U nadigravanju obavještajnih službi i

postupcima dešifriranja radiotelegrafskih poruka, ustanovljeno je da se po brzini, ritmu i dinamici

tipkanja može razlikovati pojedine operatere, radiotelegrafiste. Identificiranje pošiljatelja poruke moglo

je pridonijeti prepoznavanju korištenog koda i dešifriranju poruke. Nakon drugog svjetskog rata

nastavljaju se istraživanja ovog biometrijskog metoda identifikacije, neki od ključnih historijskih

momenata u ovom razvoju pobrojani su dole.

S 1979 - „SRI internaional" razvija prvu hardverski baziranu implementaciju ovog sistema S 1984 -

Nacionalni biro za standarde vrši ispitivanja na novootkrivenim rješenjima i

ocjenjuje ih visoko efektivnim (98% efektivnosti) S 1988 - tehnologija se prilagođava „NISC" aktu

o softverskoj sigurnosti iz 1987 godine S 2000 - FSTC/IBG program za testiranje putem

komparacije verificira metodu

identifikacije putem dinamike tipkanja S 2001 - ova tehnologija se ugrađuje u korisničke uređaje

od mobilnih telefona do kućnih

sigurnosnih sistema

U današnjem kontekstu može se govoriti o dinamici tipkanja na tipkovnici računara, odnosno

vremenskom razmaku između pritiskanja dvije tipke, dinamici otipkavanja PIN koda na uređajima za

autentifikaciju i sl. Naime, svaki korisnik ima jedinstven način tipkanja definiran vremenom potrebnim da

se napravi prijelaz između kombinacije tipki i dužine pritiska, a informacijski sistem može pohraniti i

analizirati dinamiku tipkanja. Obično se u svrhe verifikacije koristi konstantan string, odnosno poznato

korisničko ime ili šifru.

Posebno je značajno područje identifikacije korisnika

računara po

dinamici tipkanja pri tzv. On line tipkanju I | Ina tipkovnici računara, zbog poznatih oblika

kaznenih djela vezanih uzinternet Slika 2.33. Ilustracija parametara kod analize dinamike tipkanja


[Završni rad]

Preciznost ovakvih implementacija sistema za identifikacije analizom dinamike tipkanja neke

osobe u današnje vrijeme nešto je veća nego li je to slučaj kod nekih drugih metoda identifikacije

uključujući i otisak prsta. Međutim, još uvijek postoje neka objektivna ograničenja operativne prirode

koja onemogućavaju širu primjenu ove metode. Za razliku od metoda autentifikacije putem skeniranja

otiska prsta ili upotrebe pametne kartice, od korisnika se ne zahtijevaju nikakve dodatne akcije pri

postupku uključivanja u neku mrežu ili sistem od one uobičajene - ukucavanja pasvorda ili korisničkog

imena. Ovo je svakodnevna rutinska akcija koja ovaj proces čini veoma praktičnim i transparentnim.

Unatoč svemu navedenom, i dalje se smatra da je puno sigurnije uvesti npr. skener otiska prsta

kao dovoljno pouzdan i brz dodatni identifikacioni mehanizam za zaštitu pristupa nekoj mreži ili sistemu

uz prethodno opisani. Međutim, kako uređaji poput skenera otiska stare povećava se i iznos grešaka, ali

ovaj problem se ne javlja kod sistema identifikacije analizom dinamike tipkanja jer je ovdje jedini ulazni

uređaj sama tipkovnica.

Što se tiče količine potrebne memorije za skladištenje „profila", ova metoda ne postavlja nikakve

neuobičajene zahtijeve. Osim toga, sekundarni problemi koji se javljaju kod primjene ostalih

biometrijskih metoda autentifikacije kao što su potreba ugradnje dodatnih uređaja (skenera i sl.),

obučavanje osoblja da iste pravilno koristi, visoke cijene uvođenja ovih sistema i tome slično, sve

navedeno je gotovo eliminisano primjenom ove metode.

Ukupno gledano radi se o perspektivnoj i značajnoj metodi identifikacije, koja spada u skupinu

neinvazivnih tehnika, a čije korištenje može biti vrlo jednostavno i jeftino.

4.1.2. Biometrijska identifikacija na osnovu dinamike hoda

Ljudsko hodanje predstavlja kompleksnu prostorno-vremensku karakteristiku ponašanja koja se

može upotrijebiti kao biometrijska metoda za određivanje identiteta osoba. Dinamika hoda je jedinstven

za svaku osobu, ali pri njenoj konkretnoj upotrebi njena diferencijalna vrijednost limitirana je

nemogućnošću izdvajanja egzaktnih parametara i njihovom registracijom, pa nema individualnu

vrijednost, međutim može biti značajna za eliminaciju, tzv. operativnu identifikaciju. Drugi veliki problem

vezan s korištenjem hoda kao bihejvioralne biometrijske karakteristike je taj što hod nije stalan tokom

vremena, naime hod je promjenjiv zavisno od trenutnih uslova u kojima se praćeni objekat nalazi, ali

promjenjiv je i po drugom osnovu koji je vezan za životnu dob iste osobe.

Kod konkretnih primjera upotrebe karakteristika hoda kao biometrijske metode identifikacije,

primjenom savremene videotehnologije, karakteristike hoda (pojedina obilježja) pokušavaju se

detektirati i izdvojiti analizom videosnimke osobe u hodu. Funkcionisanje ovog sistema, slično mnogim

prethodno opisanim biometrijskim sistemima, može biti podijeljeno u nekoliko osnovnih koraka :

S Detekcija S

Praćenje S

Klasifikacija S

Identifikacija

Postoji više pristupa rješavanju problema svakog od ovih pod-postupaka. Koristan i trenutno

veoma popularan pristup bazira se na analizi siluete, sa prostorno-vremenskom reprezentacijom iste,

gdje je ključni cilj postizanje izdvajanja konkretnih podataka o detektovanom kretanju koji će biti što više

vremenski invarinajntni. Ova metoda se može primjeniti u svrhe identifikacije korištenjem podataka o

samim dimenzijama i geometriji posmatrane siluete, ali ta vrsta pristupa nije ključna u ovoj analizi.


2010

[Završni rad]

S obzirom da je fokus na metodama koje se bave isključivo kretanjem, detaljnije ćemo se

pozabaviti dijelovima algoritma koji se baziraju na predikcije kretanja osobe praćenjem pokreta nogu.

Prije svega, da bi ovakve metode bile uspješno primjenjive, odnosno da bismo bili u stanju izdvojiti

karakteristike od interesa moraju biti zadovoljeni sljedeći uslovi :

S Kamere moraju biti statične, ali pri korištenju jedne sekvence može biti analizirano

kretanje više osoba, S Frekvencija uzimanja ramova (slika) mora biti najmanje 10 [Hz], S Visina

posmatranih osoba (ciljeva) mora biti prikazana s najmanje 100 piksela, S Svaka analizirana sekvenca

mora sadržavati kretanje od nekoliko koraka, S Kretanje osobe u odnosu na kameru ne smije biti

izravno prema ili od kamere i

posmatrane osobe moraju biti pozicionirane tako da im se vide obe noge.

S obzirom da su kamere nepomične, izdvajanje samo jednog objekta od interese iz kompletne

sekvence postiže se oduzimanjem trenutne slike i ranije snimljene pozadine. Za izoštravanje i uklanjanje

šumova koriste se standardne metode kao kod prethodno opisanih metoda obrade slike (lica, šake, uha,

itd). Ovaj veoma jednostavan metod ne mora biti upotrebljiv za sve svrhe, ali je veoma efikasan za

detekciju kretanja, jer ovdje nije primarni cilj postići digitalnu sliku visoke kvalitete niti tačno ocijeniti

razmjere i geometriju posmatranog objekta.

Razlikovanje osoba analizom nasnimljenih sekvenci postiže se korištenjem tzv. šablona simetrije

hodanja. Ovi šabloni se formiraju u vremenskom periodu od početka udaljavanja nogu osobe (kada

osoba zakorači) do momenta kada se noge ponovo poklope i nastaju preklapanjem digitalno obrađenih

ramova (slika 2.34.). Kod ovih ramova su izdvojene ivice nogu (kao kod obrade slike uha) i zavisno od

stila kretanja osobe pri jednom koraku izgled preklopljenih slika ili šablon kretanja će se razlikovati po

rasporedu i gustini nastalih linija.

Slika 2.34. Šablon simetrije koračanja

Postoji i drugi način analiziranja dinamike hoda tzv. Metodom vodeće noge (leading leg) koja se

provodi pomoću mjerenja vidljivog područja između nogu tokom kretanja. Prilikom kretanja, zavisno od

smjera i zavisno od toga na koju se nogu čovjek u datom trenutku oslanja a koja se kreće (prednjači),

jedna ili druga noga praktično zaklanjaju vidljivo područje.

Ova osobina se ne koristi primarno za određivanje smjera kretanja već za detekciju vodeće noge.

Nakon što je detektovana i označena vodeća noga, uz dovoljan broj snimljenih koraka, na osnovu

karakterističnih iznosa i dinamike promjena vidljive površine među nogama ista može biti primjenjena

kao karakteristika na osnovu koje razlikujemo pojedinačne stilove kretanja.

Slika 2.35. Analiza kretanja uz označenu „vodeću" nogu


[Završni rad]

Ova metoda slična je biometrijskoj metodi 3D fotogrametrijske antropologije po tome što se

također koristi analizom videozapisa, no razlika je u tome što se ne mjere precizne dimenzije određenih

dijelova tijela, već se ustanovljavaju ponašajne karakteristika hoda kroz amplitude gibanja, međusobne

pokrete, položaj zglobova i ostalih dijelova tijela.

Drugačijim rasporedom kamera, ili snimanjem iz sasvim druge perspektive (npr. odozgo) kao na

slici dole, algoritmi se mogu fokusirati na druge karakteristike kretanja, kao što su uglovi zakretanja pri

zaobilaženju prepreka, raspodjela brzina kretanja u blizini istih, i tome slično.

Slika 2.36. Prikaz ugla pod kojim osoba zaobilazi prepreku

Na koncu možemo reći da je ova biometrijska metoda identifikacije izrazito nenametljiva, može

se sprovesti bez posebnog zalaganja subjekta, ili čak i bez njegovog znanja, ali metode i tehnike izvajanja

i analize karakteristika hoda još se istražuju i teško da možemo reći da trenutno mogu biti upotrebljene u

identifikacijske svrhe u onom smislu koji je razmatran u ovom radu.


2010

[Završni rad]

1.

2.

3.

4.

5.

6.

7.

8.

9.

4.2. Uporedba biometrijskih metoda identifikacije

uporedbi raznih dostupnih biometrijskih metoda važno je imati valjane kriterije. aci za

biometrijsku autentifikaciju razvili su slijedeći set takvih kriterija:

Univerzalnost je kriterij koji se odnosi na udio osoba koje posjeduju karakteristiku potrebnu

za autentifikaciju. U idealnom slučaju taj bi udio iznosio 100%. Za svaku biometrijsku

metodu postoji veća ili manja FTE populacija koja se zbog tjelesnih nedostataka ne može

registrirati.

Jedinstvenost: Bilo koje dvije osobe ne bi smjele imati jednake biometrijske karakteristike.

Metode otiska prsta, šarenice oka ili termogram lica imaju veliku diskriminativnost, odnosno

vjerojatnost da dvije osobe imaju jednake karakteristike je bliska nuli.

Trajnost karakteristike znači da se ne bi smjela mijenjati s vremenom. Karakteristike kao

šarenica oka ili termogram lica tokom vremena ostaju nepromijenjene. Lice osobe, glas ili

karakteristike ponašanja mijenjaju se starenjem osobe.

Prikupljivost znači da se karakteristika može lako izmjeriti i kvantitativno izraziti. Primjeri

prikupljivih metoda su potpis te prepoznavanje i termogram lica. Skeniranje mrežnice oka

primjer je slabo prikupljive metode.

Učinkovitost se odnosi na točnost i brzinu biometrijske metode. U ranijim poglavljima već je

pokazano da se tačnost može kvantitativno prikazati mjerama FAR, FRR i EER. Pozornost

treba obratiti i na brzinu kojom se obavlja uporedba. Sporije metode se ne mogu koristiti za

identifikaciju zbog velikog broja uporedbi koje se provode. Točnost i brzina mogu se izraziti

kao zasebna svojstva.

Prihvatljivost označava u kojoj su mjeri korisnici spremni dozvoliti sistemu da prikuplja

njihove biometrijske karakteristike. Sistemi poput skeniranja mrežnice zahtijevaju prodor

laserskog snopa u oko korisnika što u je velikom broju slučajeva prenametljivo i doprinosi

nepopularnosti metode.

Mogućnost zaobilaženja pokazuje koliko je lako zavarati sistem korištenjem prevarantskih

metoda. Automatizirani sistemi bez nadzora operatera podložniji su prijevari.

Skalabilnost označava fleksibilnost sistema odnosno sposobnost da se prilagodi povećanim

zahtjevima. Veća skalabilnost znači da uslijed pojačanih zahtjeva učinkovitost sistema neće

bitno opasti.

Zrelost biometrijske metode znači da je dovoljno razvijena za primjenu u stvarnim

okruženjima i da se rutinski koristi u autentifikacijske svrhe nad nespecifičnim i širokim

populacijama. Podrazumijeva se da su svi veći tehnički nedostaci otklonjeni. Troškovi

biometrijskih sistema bitan su faktor uporedbe. Dijele se na inicijalni trošak za potrebnu

hardversku i softversku opremu, troškove održavanja i licenciranja.


[Završni rad]

Rezultati uporedbe mogu se prikazati tablično tako da se u recima navedu biometrijske metode

(one najčešće korištene), a u stupcima njihove karakteristike. Za svako polje tablice bilježi se u kojoj

mjeri metoda zadovoljava odgovarajuće svojstvo i poprima vrijednosti: visoko (V), srednje (S) i nisko (N).

Rezultati su prikazani u tablici dole.


2010

[Završni rad]

2 2e e v>« Š 2N £ Ö

« £ 21 =3 H


2010

S SV

V S

o> oe

[Završni rad]

Otisak prsta

Šarenica oka

S

V

V

V

V

V

V

VN N V V V


2010

[Završni rad]

Mrežnica oka

GlasV S

V

N

S

N

N

S

V

N

N

VN S

V N

V

N


2010

[Završni rad]

Lice

Termogram lica

V VN

V

S

N

V

V

V

V

V S

N V

N

N

S

V


2010

55 / 126

[Završni rad]

NN N V N V V

N

N S


2010

[Završni rad]

Tabela 2.2. Uporedba biometrijskih metoda


2010

Termogram lica

[Završni rad]

2 +J P O P OS VI > -M > O g -S 2 :=> > £> £ > n ■ =

iS g f ^ J |s .s1 H * § i i§ I

Ü °" D £ N 5/3

> o

>t/) o •—H

V V

N V


i/i oH N

55 / 126

2010

V V V S V N N V

V V N V S V N V

[Završni rad]

Mrežnica oka

Otisak prsta

V V S N V N N

S V V S V S S V

S V

V S


S

55 / 126

2010

[Završni rad]

Lice V N S V S V V S

S N N S N V V N

N S

S N


2010

55 / 126

[Završni rad]

N N N V N V V N N S


2010

[Završni rad]

Tabela 2.3. Biometrijske metode sortirane prema uspješnosti


2010

[Završni rad]

Rezultati u tabeli mogu se poredati tako da najbolje biometrijske metode budu pri vrhu tablice.

Najvažnije svojstvo pri uporedbi je mogućnost zaobilaženja, stoga se metode prvo sortiraju po tom

stupcu, počevši od onih koje imaju niske mogućnosti zaobilaženja. Podaci u tablici potom se sortiraju

prema uspješnosti zadovoljavanja ostalih svojstava. Rezultati usporedbe sortirani prema uspješnosti

prikazani su u tabeli 2.3.

Rezultati uporedbe biometrijskih metoda mogu se prikazati grafički. Najčešće ih prikazujemo

Kiviatovim polarnim grafikonima gdje su na radijalne osi nanesene vrijednosti svakog svojstva kao na

slici 2.37. Površina krivulje na grafikonu ilustrira uspješnost biometrijske metode:

4.2.1. Poređenje tehničkih karakteristika različitih biometrijskih metoda identifikacije

Prilikom testiranja, svi biometrijski uzorci su najprije pohranjeni u bazu podata (RAM memorija)

prije provedbe identifikacije, prema tome količina pohranjenih uzoraka (predložaka) limitirana je

raspoloživim RAM-om. Za testiranje, čiji će rezultati ovdje biti prezentirani, pretpostavljamo da je na

raspolaganju dovoljna količina memorije kako bi test bio uspješan. Pri testiranju MegaMatcher

algoritmom poređenja performansi biometrijskih metoda korišteni su više-procesorski računari (multi-

core processors) kako bi se povećala brzina. Rezultati brzine poređenja uzoraka za različite biometrijske

metode prikazani su u tabeli dole, gdje mali brojevi predstavljaju rezultate dobivene u slučaju da se

koristi jednoprocesorski računar, dok veći brojevi predstavljaju rezultate pri korištenju više-procesorskog

računara.

Otisak prsta Lice IrisVrijeme ekstraktovanja [sec] 0.17-0.21 0.01-0.14 0.21-0.25


2010

Slika 2.37. Grafički prikaz uporedbe biometrijskig metoda identifikacije

[Završni rad]

Veličina jednog uzorka u bazi [bit] 700-6,000 2,296-20,440 2,328Brzina poređenja uzoraka pri zahtjevu za maksimalnom tačnosti 10,000-40,000 25,000-100,000 60,000-240,000Brzina poređenja uzoraka pri zahtjevu za maksimalnom brzinom

40,000-160,000 350,000-1,400,000 200,000-800,000

Tabela 2.4. Rezultati testiranja tehničkih karakteristika za metode biometrijske identifikacije uz pomoć otiska prstiju,skeniranja lica i irisa

Pouzdanost identifikacije, kao i brzina veoma su važni faktori kod velikih sistema. Algoritam

korišten za testiranje u ovom slučaju, koristi uzorke nekoliko biometrijskih karakteristika iste osobe. Za

zadovoljavajuću valjanost testiranja korištena je baza podataka sa podacima 1,500 ljudi, gdje je za svaku

osobu pojedinačno pohranjen 1 uoraz slike lica, 2 uzorka irisa (po jedan za svako oko) i 10 uzoraka otiska

prsta (po jedan za svaki prst).

Testiranje je provedeno pri različitim varijantama biometrijskih predložaka za jednu osobu.

Korištene su baze u kojima predložak za jednu osobu predstavlja samo jedan uzorak otiska prsta, slike

lica ili irisa. Zatim je korištena varijanta u kojoj je jedna osoba predstavljena sa 2 otiska prsta i 2 uzorka

irisa, kao i varijante kombinacija više biometrijskih osobina (1 otisak + 1 slika lica, 1 slika lica+ 1 uzorak

irisa, 1 otisak + 1 uzorak irisa, 1 otisak + 1 slika lica + 1 uzorak irisa, svi uzorci pripadaju istoj osobi).

Za svaku od prethodno pobrojanih kombinacija izvedena su 2 testa : prvi ima zahtjev za

maksimalnom tačnosti poređenja (rezultati ovog testa, na grafikonima dole prikazani su crvenom

bojom), drugi ima zahtjev za maksimalnom brzinom poređenja (rezultati ovog testa, na grafikonima dole

prikazani su zelenom bojom)

Predlošci sa jednom biometrijskom karakteristikom


2010

[Završni rad]

Brzina poređenja [uzoraka/sec]

FRR uz 0.001% FAR

FRR uz 0.0001% FAR


2010

[Završni rad]

Sadržaj predloška Test 1 Test 2 Test 1 Test 2 Test 1 Test 2


2010

1 otisak prsta 43808 167952 0.351 % 0.535 % 0.478 % 0.697 %

1 slika lica 113452 1408088 3.696 % 4.645 % 5.653 % 6.033 %

1 slika irisa 264312 949632 1.105 % 1.295 % 1.623 % 1.888 %

Tabela 2.5. Rezultati testirana za predloške s jednom biometrijskom karakteristikom

Predlošci sa više biometrijskih karakteristika

[Završni rad]

Brzina poređenja [uzoraka/sec]

FRR uz0.001% FAR

FRR uz0.0001% FAR


2010

[Završni rad]

Sadržaj predloška Test 1 Test 2 Test 1 Test 2 Test 1 Test 2


2010

2 otiska prsta 22604 85152 0.081 % 0.104 % 0.109 % 0.115 %

2 slike irisa 132332 477688 0.017 % 0.075 % 0.075 % 0.132 %

1 otisak + 1 slika lica 30892 148172 0.000 % 0.006 % 0.000 % 0.023 %

1 slika lica + 1 slika irisa 74904 553728 0.012 % 0.023 % 0.058 % 0.052 %

1 otisak + 1 slika irisa37204 141520 0.000 % 0.012 % 0.000 % 0.023 %

1 otisak + 1 slika lica + 1 slika irisa 27456 126548 0.000 % 0.000 % 0.000% 0.000 %

Tabela 2.6. Rezultati testirana za predloške s više biometrijskih karakteristika

ROC (Receiver operation characteristics) krivulje na dijagramima dole, koriste se za demontraciju

kvaliteta poređenja korištenog algoritma. ROC krivulje prikazuju zavisnost FRR i FAR učestalosti u

sistemu. Prije prikaza rezultata testiranja, samo ćemo još napomenuti da je posljednja varijanta za

testiranje (šablon u kojem je sadržan uzorak otiska, irisa i lica dao 0% FRR za sve vrijednosti FAR).

Slika 2.38. Zavisnost FRR i FAR učestalosti u sistemu

Ovi testovi su pokazali da veliki sistemi biometrijske identifikacije bazirani na poređenju otisaka

prstiju osiguravaju visok nivo pouzdanosti. Takođe je pokazano da sistemi identifikacije koji kombiniraju

više biometrijskih karakteristika (iste osobe) dovode do smanjivanja nivoa FRR (količinu pogrešnih

odbijanja) i značajnog povećanja pouzdanosti omogućavajući sistemu da se približi iznosu FRR blizu 0%.

3. Otisci prstiju kao dio Biometrije

Otisak prsta je najstarija i najpoznatija metoda autentifikacije. Kao metodu sigurne identifikacije

poznavali su ga još u staroj Kini a od 1896. godine se koristi za kriminalnu identifikaciju. Dugogodišnja

istraživanja i pokusi kažu nam da su otisci prstiju trenutno najpouzdaniji način provjere identiteta osoba.

Unatoč nekim sudskim postupcima u SAD-u, još uvijek su otisci prstiju nedvojben dokaz identiteta

pojedinca. Većina današnjih biometrijskih sistema temelji se na prepoznavanju otisaka prstiju.

Fiziološki otisak prsta je konfiguracija grebena s porama koje dijele doline. Leže na žilama,

odmah pod kožom. Morfologija (oblik) otiska prsta je povezana sa specifičnim električnim i toplinskim

značajkama kože. To znači da svjetlost, toplina ili električni napon (ili kombinacija svih) možemo koristiti

za evidentiranje slike otiska prsta. Otisak prsta nastane još pri razvoju embrija i ne mijenja se sa starošću

osobe, nego raste u svojem prvobitnom obliku i kad se završi rast osobe, ostaje u svojoj veličini

nepromijenjen. Upravo tako se po oštećenju obnovi u prvobitni oblik. Jednojajčani blizanci nemaju

jednake otiske prstiju. Mali postotak populacije ima oštećene otiske prstiju, taj postotak je zanemariv i

ne predstavlja spomena vrijedne poteškoće za identifikacijske sisteme koji se temelje na otiscima prstiju.

Slika 3.1. Anatomija ljudske kože

Brazde na mesnatom dijelu završnog članka prsta se nazivaju papilarnim linijama. Redanjem

papila (kvržica, ispupcenja) u unutrašnjem sloju kože (između epiderma i derma sa slike) nastaju

papilarne linije na spoljašnjem sloju kože. Svrha papilarnih linija tokom evolucije bila je sposobnost ljudi

da hvataju predmete i adekvatan taktilni čulni doživljaj tekstura površina koje ljudi dotiču. Embriološki

aspekt papilarnih linija jeste da se one javljaju još u 6-7 nedelji embrionalnog razvoja, kompletno su

formirane i stabilne do 21. nedelje razvoja fetusa.

[Završni rad]

Papilarne linije nastaju kao posljedica genetike - genetski kod sadrži generalne informacije o

formiranju kože u fetusu i faktora spoljašnje sredine - specifičan način formiranja kože jagodice prsta je

slučajan događaj koji zavisi od položaj fetusa u maternici u datom momentu, tačnom sastavu i gustini

amniotske tečnosti. Činjenica da postoji veliki broj mogućih uzoraka i grananja papilarnih linija što znači

da je praktično nemoguće da dvije osobe imaju potpuno jednaku teksturu kože.

Prepoznavanje otisaka prstiju temelji se na prepoznavanju karakterističnih tačaka dobivenih iz

slike otiska prsta, a glavni razlog za takav pristup, umjesto prepoznavanja cijele slike, je ušteda na mediju

za pohranu poznatih otisaka. Drugi značajan razlog je taj što često na raspolaganju nije potpuna slika

otiska prsta, već samo dio slike, tj. "trag".

Tačke dobivene iz slike otiska prsta mogu se podijeliti u dvije skupine:

1. globalne tačke (grubi uzorci vidljivi na prvi pogled),

2. lokalne tačke.

Globalne tačke nisu dovoljne za identifikaciju, ali su dovoljne za grupisanje otisaka prstiju.

Identifikacija se provodi na temelju poklapanja lokalnih tačaka s prototipom.

Globalne tačke su:

1. osnovni uzorci papilarnih linija,

- petlja (eng. loop)

- luk (eng. arch)

- spirala (eng. whorl)

2. središnja tačka (eng. core point),

3. delta,

4. karakteristične linije (eng. type lines) i

5. papilarni broj (eng. ridge count).

| Otisci prstiju kao dio Biometrije

[Završni rad]

Petljasti oblik - Papilarne linije polaze sa jedne strane,

zakrive se formirajući petlju i vraćaju se, ili nastoje da se

vrate na istu stranu sa koje su pošle. Petlje mogu biti

okrenute na lijevu ili na desnu stranu (ka palcu ili ka

malom prstu). Zastupljenost ovog oblika je 60%.

Spiralni oblik - Papilarne linije obicno formiraju koncentrične kružnice.

Zastupljenost ovog oblika je 30%.

| Otisci prstiju kao dio Biometrije62 / 126

2010

[Završni rad]


[Završni rad]

Lučni oblik - Papilarne linije polaze sa jedne strane, uzdignu se

u centru i nastave na drugu stranu. Lučni otisci mogu imati

izraženije lukove (tzv. šatorski oblik) ili lukove koji su

zaravnjeni. Zastupljenost ovog oblika je 5%. U preostalih 5%

spadaju ostali rijetki oblici.

Središnja tačka (eng. core point) smještena je približno u sredini otiska, a služi

kao referentna tačka pri obradi otiska.

Otisak može posjedovati više središnjih tačaka ili nijednu. Kod spiralnog tipa,

centralna tačka predstavlja središte spirale dok kod petljastog tipa predstavlja

gornju tačku najunutrašnjije petlje.

Karakteristične linije (eng. type lines) su dvije papilarne linije u unutrašnjosti

otiska koje počinju usporedno, divergiraju te okružuju ili nastoje okružiti tzv.

područje uzoraka.

Delta je tačka prvog grananja unutar područja uzoraka, odnosno bilo koja tačka

smještena direktno ispred centra divergencije karakterističnih papilarnih linija.

Papilarni broj (eng. ridge count) je broj papilarnih linija u području uzoraka.

Određuje se brojanjem papilarnih linija koje sjeku zamišljenu dužinu povučenu

između delte i središnje tačke. Zbir papilarnih brojeva sa svih prstiju naziva se

ukupni papilarni broj.


2010

[Završni rad]

Lokalne tačke čine minucijske tačke. Minucijske tačke ili minucije (u dijelovima teksta detalji) su prekidi

tokova papilarnih linija (nepredviđen prekid, grananja i.sl.) i upravo su one nositelji jednoznačnih

informacija na temelju kojih se vrši identifikacija.

Postoji pet različitih tački minucijskih osobina :

1. vrsta minucije,

2. orijentacija minucije - smjer u kojem "gleda" minucijska tačka,

3. plošna frekvencija minucija - označava koliko su udaljene papilarne linije u okolišu minucije,

4. zakrivljenost minucija - označava brzinu promjene minucijskog smjera,

5. minucijske koordinate - označavaju relativnu ili apsolutnu udaljenost minucije od središnje točke

ili delte.

Vrste minucija, prema slici dole :

a) papilarni svršetak - nagli prekid papilarne linije,

b) papilarno grananje (bifurkacija) - tačka grananja linije u više novih,

c) papilarno širenje (divergencija) - razdvajanje paralelnih linija,

d) papilarna tačka/otok - izuzetno kratka linija,

e) papilarni ogib - linija koja se dijeli u dvije, te zatim ponovno spaja tvoreći zatvoreno područje bez

uzorka,

f) kratka papilarna linija - kratka linija, ali duža od otoka.

Slika 3.2. Vrste minucija

Otisak se smatra jedinstvenim za svaku osobu i za svaki prst. Grana biometrije koja se bavi

proučavanjem otisaka prstiju naziva se daktiloskopija. U upotrebi je zbog toga što su otisci prstiju:

1. jednoznačni (ne postoje dvije osobe, čak ni jednojajčani blizanci nemaju jednake otiske

prstiju)

1. vremenski nepromjenljivi i

2. neprikladni za krivotvorenje.

Područje primjene daktiloskopije je svugdje gdje je potrebno relativno jednostavno, brzo i tačno

identifikovati osobe, kao na primjer: kriminalistika i obavještajne službe, bankarstvo, trgovina, osiguranje

ulaska u objekte pristup radu na računaru ili povjerljivim podacima i sl.

Otisci prstiju su jedan od najrazvijenijih biometrijskih metoda koja se smatra pouzdanim

dokazom na pravnim sudovima širom svijeta.

Skorije povećanje broja civilnih i komercijalnih aplikacija koje koriste ili aktivno razmatraju

korišćenje identifikacije otiscima prstiju je nastalo usljed boljeg razumijevanja i boljih tehnika

prepoznavanja u odnosu na ostale postojeće biometrijske tehnologije.

3.1. Kratka historija otisaka prstiju


[Završni rad]

Otisak prsta najstarija je karakteristika korištena za biometrijsku identifikaciju. Najraniji podaci o

različitim oblicima linija, odnosno udubljenja na dlanovima ruku i stopalima nogu, te izbočine na koži

koje razlikuju jedinku jednu od druge potiču iz Azije, a u pisanim su se dokumentima pojavili prije četiri

hiljade godina kod Asiraca i Babilonaca kao tzv. „supur" (znak pisca). Kod antičkih naroda Grka i Rimljana

ne nalazimo nikakvih tragova o raspoznavanju osobnoga znakovlja; tek od 18. stoljeća počinju se isticati

raznolikosti kako papilarnih linija, tako i kostura. Nakon što je 1860. engleski administrativni činovnik

Wiliam Herschel u Indiji odbjegle zatvorenike običavao identifi cirati otiskom prsta.

Bez obzira na dugu tradiciju, prve naučne temelje raspoznavanju otisaka prstiju dao je škotski ljekar Henry Faulds koji je publicirao prvi naučni rad u časopisu Nature 1880. godine. 1886. ponudio je svoj koncept Londonskoj metropolskoj policiji, no bio je odbijen. 1892. Sir Francis Galton publicirao je detaljnu statistički model za analizu i identifikaciju otisaka prstiju te je zagovarao korištenje tog modela u forenzici u svojoj knjizi Slika 3-3- Goltonova aparatura

za uzimanja otisaka prstiju

„Finger Prints .

Za nas posebno zanimljiv pronalazač na ovom polju jeste Juan

Vucetich - rođen kao Ivan Vučetić 1858. Na Hvaru koji je 1882.

emigrirao u Argentinu. Ivan Vučetić 1891. je prvi izvršio razvrstavanje

otisaka prstiju lijeve i desne ruke po grupama, dao im klasifikacijske

oznake i izradio obrazac za desetoprstno raspoznavanje (objavljeno u

„Sistemu identifikacije - Sistema de filiacion" 1. listopada 1896.

godine).

U tom je djelu uvjereno, usprkos silnim protivljenjima i

Slika 3 4 ivan vučetić omalovažavanjima, branio svoju metodu - uzimanje otisaka, tzv.

daktiloskopski fiš (fi cha). Njegova daktiloskopska formula bila je u

obliku razlomka, pri čemu je upotrijebio kombinaciju od osam znakova (4 broja i 4 slova): lukove je

označio slovom „A" (arco) i brojem 1, unutarnju petlju slovom I (presilla interna) i brojem 2, vanjsku

petlju slovom E (presilla externa) i brojem 3, a krug slovom V (verticulo) i brojem 4. Na taj način dobio je

praktički primjenjiv sistem klasifikacije otisaka papilarnih linija i stvorio temelje nove nauke, koju je

nazvao „daktiloskopijom" (umjesto prvotnog naziva sastavljenog od triju grčkih riječi

„iknofalangometrija", a koja je sadržavala 101 tip otisaka), nakon što je iste godine na nekoliko mjeseci

ukinut ured za identifikaciju.

1892. godine Ivan Vučetić uz pomoć krvavog otiska na vratima s mjesta zločina (koji mu je

poslao inspektor Eduardo M. Alvarez) razotkrio je počinitelja ubistva šestogodišnjeg dječaka i

četverogodišnje djevojčice: poznati „slučaj Rojas", koji je ušao u anale svjetske kriminalistike, potresao je

1892. argentinski gradić Necocheu.

Optuženi seljak Pedro Velasquez, rastavljen od

Francisce Rojas, uporno je poricao kazneno djelo: svoju

djecu na spavanju ubila je vlastita majka. Nakon što su s

pomoću otisaka prstiju riješena još dva slučaja, metoda je

potvrđena, te 1. svibnja 1893. vlada pokrajine Buenos Aires

objavljuje da je u sistem antropometrije uključeno i

uzimanje otisaka prstiju. Godine 1893. Ivan Vučetić

objavljuje prvo djelo: „Opšte upute za antropometrijski

sistem", u kojem se poziva na istraživanja i razvrstavanja F.

Galtona čijom se zaslugom u Engleskoj 1901. (1905. postaje

na sudu

dokazno sredstvo), u Austro-Ugarskoj 1902., u Njemačkoj

1903. (u Hamburgu šef policije dr. Gustav Roscher uvodi

svoj posebni sistem klasifi kacije i danas poznat i nazvan


2010

Slika 3.5. Vučetićev sistem uzimanja otisaka i dokumentovanja

[Završni rad]

njegovim prezimenom) i kojim se rasprostranjuje daktiloskopija. Godine 1894. šef policije Lozano

odobrava Vučetićev prijedlog za osnivanjem stručne policijske biblioteke u La Plati, te ga imenuje

direktorom. Od 1. siječnja 1896. u Argentini se napušta „antropometrija", te se kao službeni sistem

uvodi „Generalni registar građana" temeljen na daktiloskopiji. Od 1901. godine, kad Ivan Vučetić prvi put

izlaže svoj daktiloskopski sistem kao delegat policije iz La Plate na II. naučnom kongresu Latinske

Amerike u Montevideu, uslijedilo je uvođenje njegove metode i uspostavljanje ureda diljem Južne

Amerike: 4. listopada 1902. pokrajinski Vrhovni sud naređuje da se u svim kaznenim postupcima zatraže

podaci iz Ureda za identifi kaciju, a 20. listopada 1905. na sastanku šest južnoameričkih policija, kojim je

predsjedao Ivan Vučetić, prihvaćen je prijedlog o stvaranju posebnog identifi kacijskog lista sa svim

podacima o osobi.

Godine 1904., kada je objavljeno njegovo najznačajnije djelo „Dactiloscopia comparada"

(Usporedna daktiloskopija) i u Zagrebu je počelo daktiloskopiranje zatvorenika (premda su razvrstani tek

1906., i to po već spomenutom „Roscherovu sistemu"). Priznanja Vučetićevoj metodi identifi kacije stižu

i iz Europe: Italije, Francuske, Norveške, Španjolske, te postaje počasnim članom mnogih naučnih

akademija i ustanova : u drugoj domovini Argentini mu je 29. siječnja 1909. dodijeljen naslov „Vještaka

daktiloskopije - perito identifi cador", nakon čega je zakonom iz 1911. i zakonom naloženo stvaranje

registra s daktiloskopskim sistemom za cjelokupno argentinsko stanovništvo.

Ivanu Vučetiću u čast policijska škola (akademija) osnovana 27. lipnja 1941. u Rosariju, nedaleko

od La Plate nosi ime „Vucetich", kao i jedna gradska četvrt s parkom u La Plati; u sastavu Pravnog

fakulteta u Splitu 1968. osnovan je Kriminalistički institut „Ivan Vučetić", a u sklopu Ministarstva

unutarnjih poslova djeluje od 1953. Centar za kriminalistička vještačenja, koji od 1997. nosi ime „Ivan

Vučetić".

1901. Sir Edward Henry stvara Henryjev klasifikacijski sistem koji je korišten u Engleskoj i Walesu

pri čemu su ustvari proširena saznanja Galtona. Scotland Yard je 1900. adaptirao Galton/Henry sistem

klasifikacije otisaka prstiju.

Ovaj sistem klasifikacije podrazumijeva numerisanje otisaka svih prstiju obe ruke, pa tako svaki prst

zavisno od pozicije ima svoj broj (slika gore), a svaki od prstiju dobija i dodatni broj ako ima spiralni

otisak (slika desno).

Formula Galton/Henry-evog sistema : Slika 3.6. Galton/Henry-ev sistem

1 + (zbir spiralnih vri jednosti za parne prste) Odnos koji određuje

1 + (zbir spiralnih vri jednosti za neparne prste) primarnu pripadnost grupi.

Klasična daktiloskopija u digitalnom okruženju dobiva novi oblik i široko područje primjene. U

području policijske djelatnosti implementiran je sistem za automatsku obradu otisaka papilarnih linija,

tzv. AFIS (1965. Godine) a u području privatne zaštite sistemi za autorizaciju i autentifikaciju, odnosno

kontrolu ulaska i kretanja po štićenom prostoru koji se također baziraju na daktiloskopiji. Naravno,

načela daktiloskopije temeljena na klasičnim sistemima klasifikacije poput Vučetićevog, u

automatiziranom postupku klasifikacije više se ne primjenjuju.


[Završni rad]

AFIS je skraćenica engleskog naziva Automated fingerprint identification system što bi u

prijevodu značilo Sistem automatizirane identifikacije otisaka prstiju. AFIS je moderni računarski sistem

za automatiziranu obradu otisaka papilarnih linija prstiju i dlanova, a u svojoj bazi podataka sadrži otiske

iz opšte deseteroprstne DKT zbirke, otiske dlanova i sporne tragove papilarnih linija, uključujući i

fragmente otisaka. Upotrebom AFIS-a znatno se skraćuje vrijeme potrebno za unos podataka, a dobivaju

se mnogo veće mogućnosti za provjeru cijele baze podataka.Sistem radi na načelu nekoliko provjera:

1. provjera s deseteroprstnim obrascima, dakle otiscima svih deset prstiju, a služi za

sravnjivanje baze izbjegavanjem duplikata u bazi podataka, za utvrđivanje lažnih imena i

zamjenjuje dosadašnji način ručne klasifikacije i perlustracije (pretraživanja daktiloskopske baze

podataka);

2. provjera deseteroprstnog obrasca s bazom spornih tragova, odnosno uspoređivanje

svake novoevidentirane osobe s bazom spornih otisaka, odnosno tragova koji pripadaju dotad

nepoznatim osobama, počiniteljima kaznenih djela;

3. provjera spornog traga s bazom spornih tragova. Ovom provjerom moguće je povezivati

počinitelja kaznenog djela sa serijama kaznenih djela;

4. usporedba spornog traga s bazom deseteroprstnih obrazaca, odnosno sa svim do tada

daktiloskopiranim osobama;

5. mogućnost različitih obrada (povećanje kontrasta, svjetlosti, izražajnosti i dr.) spornih

tragova u svrhu poboljšanja kvalitete, što olakšava ili omogućava identifikaciju.

Način rada AFIS-a je sljedeći: otisci se

digitaliziraju, odnosno unose u bazu podataka

skeniranjem otisaka na mjestu događaja (od osoba ili

mrtvih tijela ili tragova otisaka papilarnih linija),

skeniranjem traga otiska s mjesta događaja izuzetog

na foliju ili fotografiranog. Radi kompatibilnosti i

mogućnosti korištenja otiska, fotografije se trebaju

izrađivati u traženoj rezoluciji od 500 dpi, jer se ista

koristi u čitačima otisaka prstiju, uspoređivačima

otisaka i

algoritmima kompresije otisaka. Nakon što je slika

otiska papilarnih linija unijeta u bazu podataka,

ona se analizira i to na način da se analiziraju mjesta spajanja i završetaka zavijutaka papilarnih linija ili

se analizira cjelokupni pravac svake pojedine linije. Dakle za analiziranje otisaka papilarnih linija AFIS se

ne koristi klasifikacija temeljena na tri osnovna uzorka luka, zamke ili kruga, kao što je to slučaj u

daktiloskopskim zbirkama.

2000. godine FBI je uveo IAFIS8 s preko 47 miliona otisaka prstiju u bazi podataka. Dnevni

prosjek tog sistema iznosi oko 55 hiljada pretraživanja dnevno. O ovom sistemu biće više govora u

nastavku rada, u zasebnom poglavlju.

3.2. Sistem Biometrijske identifikacije na osnovu otiska prstiju

Opše karakteristike biometrijskih sistema identifikacije već su okvirno opisane u prethodnim

poglavljima, dok će u ovom poglavlju biti data detaljnija analiza strukture i mehanizama sistema za

Biometrijsku identifikaciju na bazi otiska prstiju.

Arhitektura sistema za automatsku potvrdu identiteta pomoću otisaka prstiju je prikazana na

narednoj slici. Sistem se sastoji od četiri komponente:

1. korisničkog interfejsa,

2. baze podataka sistema,

3. modula za upis (enrollment module),


Slika 3.7. AFIS-ov desetoprsni obrazac

62 / 126

2010

[Završni rad]

4. modula za autentikaciju (authentication module).

Slika 3.8. Arhitektura sistema za automatsku potvrdu identiteta

Korisnički interfejs obezbjeđuje mehanizme da korisnik označi svoj identitet i unese svoj otisak

prsta u sistem.

Baza podataka sistema se sastoji od kolekcije slogova, od kojih svaki odgovara jednoj ovlaštenoj

osobi koja ima pravo pristupa sistemu. Svaki slog sadrži sljedeća polja koja se koriste za potrebe

autentifikacije:

1. ime osobe,

2. šablon (šablone) detalja otiska osobe,

3. druge informacije (kao što su specifične privilegije).

Zadatak modula za upis (enrollment module) je da upisuje osobe i njihove otiske u bazu sistema.

Kada su slike otisaka i ime osobe koja treba da se upiše predati modulu za upis, algoritam za

ekstaktovanje detalja se prvi primjenjuje na slike otisaka i šabloni detalja otiska se izdvajaju.

Algoritam za provjeru kvaliteta se koristi da se provjeri da li se zapisi u bazi sistema sastoje samo

od otisaka dobrog kvliteta u kojima znatan broj (podrazumijeva se 25) čistih orginalnih detalja mora biti

detektovan. Ako je slika otiska slabog kvaliteta, ona se poboljšava da bi se povećala jasnoća i maskiraju

se svi regioni koji se ne mogu pouzdano obnoviti. Tako poboljšana slika se predaje dijelu koji ekstraktuje

detalje (minutiae extractor).

Zadatak modula za autentifikaciju (potvrdu) je da potvrdi identitet osobe koja namjerava da

pristupi sisemu. Osoba čiji identitet treba da bude potvrđen unosi svoj identitet (npr. upisuje svoje

korisničko ime) i stavlja svoj prst na skener za otisak prsta. Pravi se digitalna slika otiska prsta. Skica linija

(šablon detalja) se izvlači sa slike otiska i predaje algoritmu za prepoznavanje, koji ga upoređuje sa

šablonom detalja koji je već zaveden za dati identitet u bazi podataka.

3.2.1. Očitavanje otiska

Postoje dva osnovna metoda uzimanja otisaka prstiju: mastilom (off line) i bez mastila (live

scan). Na slici dole prikazani su karakteristični uzorci otisaka zavisno od metode uzimanja otisaka koja je

primjenjena, pa su na slici prikazani (s lijeva na desno):

S mastiljava slika otiska se pravi od mastiljavog otiska prsta;

S live scan otisak se direktno pravi sa samog prsta;

S kružni otisci su slike koje slikaju dio prsta od jedne strane nokta do druge;

S otisci dobijeni sa čvrstog senzora prikazuju manji dio prsta od optičkih skenera;

S skriveni otisci prikazuju djelove otiska i obično se prikupljaju sa mjesta zločina.


Slika 3.10. Struktura optičkog skenera otiska prsta

[Završni rad]

Slika 3.9. Prikaz rezultata različitih metoda uzimanja otisaka

Slika otiska mastilom se tipično dobija na slijedeći način: obučeni profesionalci prave taj otisak

mastiljavog prsta na papiru i taj otisak se tada skenira sa ravnim skenerom dokumenata (flat bed

document scanner). Nemastiljav (live scan) otisak je termin koji se koristi za otiske koji se dobijaju

direktno bez međukoraka u kome se dobija otisak na papiru. Pravljenje mastiljavog otiska je teško i

nezgrapno, u kontekstu jednog sistema za potvrdu identiteta, to je neizvodljivo i socijalno neprihvatljivo.

Jedna od najpopularnijih metoda za dobijanje live scan otiska je optička metoda koja se zasniva

na konceptu optički neutralizovane totalne unutrašnje refleksije (FTIR-frustrated total internal

reflection). Kada se prst stavi na jednu stranu staklene ploče za pritiskanje (prizme), ispupčenja

papilarnih linija su u

kontaktu sa pločom, dok udubljenja

prsta ne dotiču ploču. Ostatak sistema za

slikanje se sastoji od skupa LED dioda i

CCD-a (uređaja sa foto ćelijama

osjetljivim na svjetlost koji kreira bit

mapu slike) smještenih na drugoj strani

staklene ploče. Laser baca svjetlost na

staklo pod određenim uglom i kamera je

postavljena tako da može da hvata

lasersku svjetlost koja je odbijena

od stakla. Svjetlost koja odgovara dijelu

staklene ploče koja je dodirnuta ispupčenjima je slučajno rasijana, dok svjetlost koja odgovara

udubljenjima se odlikuje totalnom unutrašnjom refleksijom. Prema tome dijelovi slike koji odgovaraju

ispupčenjima su mračni a dijelovi koji odgovaraju udubljenjima su svijetli. Prednosti ove metode su

jednostavnost i niska cijena, a nedostatak su tzv. „latentni otisci". Naime, na senzorima na koje se prst

prislanja cijelom površinom ostaje otisak prsta kao i na svakoj drugoj površini. To može da ometa

slijedeće skeniranje, ali isto tako predstavlja i sigurnosni rizik jer je taj otisak moguće skinuti.

U posljednje vrijeme možda najveću popularnost stiču kapacitivni senzori pošto su oni male

veličine i obećavaju da će biti veoma jeftini u bliskoj budućnosti. Osnovni dio kapacitivnih senzora

otisaka jeste niz elektroda. Koža prsta se ponaša kao druga elektroda i na taj način se formira minijaturni

kondenzator. Kapacitet

kod ispupčenja je veći od Slika 3.11. Struktura kapacitivnog skenera otiska prsta

kapaciteta kod udubljenja. Različiti kapaciteti su osnovna operacija kapacitivnih senzora. Pritiskom prsta

na senzor koji je sastavljen od niza kondenzatora, ispupčenja i udubljenja otiska mijenjaće njihovu


2010

[Završni rad]

kapacitivnost. Prednost ove metode je što zahtijeva pravi otisak prsta, ali se javljaju problemi s mokrim i

shvim prstima. Mokri prsti će dati tamnu, a suhi svijetlu sliku.


[Završni rad]

Termoelektrična metoda je prilično rijetka. Senzor mjeri

razliku u temperaturi ispupčenja na otisku i vazduha uhvaćenog

u udubljenju kada je prst prislonjen uz senzor. Zahvaljujući

tome, dobija se slika visoke rezolucije (oko 500 dpi, sa 256

nijansi sive), čak i kada je prst prljav ili


2010

Slika 3.12. Struktura termoelektričnog skenera

[Završni rad]

otisak plitak. Prilikom skeniranja neophodno je prevući prst preko senzora, pa se tako rješava i problem

čišćenja senzora i latentnih otisaka. Mane ove metode su to što korisnik mora da zna kako da koristi

senzor i potreba za zagrijavanjem senzora kako bi se izbjeglo

poklapanje temperature senzora i prsta, što povećava potrošnju.

E-Field senzori mjere električno polje ispod gornjeg sloja kože, to jest tamo gdje otisak počinje.

Ova metoda je prilično osjetljiva i bilježi suhe, istrošene i zaprljane otiske. Slika 3.13. Struktura E-Field skenera Njeni

nedostaci su mala rezolucija snimka i malo polje skeniranja što povećava procenat greške.


2010

[Završni rad]

šupljina donja elektroda gornja elektroda Slika 3.14.

Struktura mikro elektromehaničkog senzoraprstima, a i površina skeniranja je prilično velika.

Senzori osjetljivi na pritisak bilježe samo

ispupčenja otiska kada prst dođe u kontakt sa

senzorom. To se dešava zahvaljujući upotrebi

piezoelektričnih kristala koji pod pritiskom ili

uvijanjem generišu struju. Nedostatak je što je

očitani podatak jednobitni (ima/nema odnosno

crno/belo). Međutim, ovi senzori podjednako dobro

rade sa suhim i vlažnim


2010

[Završni rad]

Ultrasonična tehnika očitavanja otiska prsta je S , | . ¡ 1 ,

z a s n o v a n a n a p o s t o j a n j u r a z l i k e

u a k u s t i č n o j i m p e d a n s i n a k o ž i

p r s t a . S e n z o r i k o j i s e k o r i s t e u

o v o j t e h n i c i n i s u n o v i . V e c s e

d u g i n i z g o d i n a k o r i s t e u

m e d i c i n i z a p r a v l j e n j e e h o -

s n i m k a . F r e k v e n t n i o p s e g k o j i

o v i s e n z o r i u p o t r e b l j a v a j u j e o d

2 0 K H z p a d o n e k o l i k a G H z . V r š n e

f r e k v e n c i j e m o r a j u b i t i u

m o g u ć n o s t i d a s k e n i r a j u k o ž u

p r s t a s a r e z o l u c i j o m o d o k o

5 0 0 d p i ( o k o 2 0 0

tačaka po cm). Ova rezolucija je neophodna da bi se mogle prepoznavati karakteristične tačke na koži

prsta.

3.2.2. Osnovne karakteristike otisaka i njihovo predstavljanje

Identifikacija osoba na osnovu otiska prsta se zasniva na dva svojstva otiska, jedinstvenosti i

nepromjenjivosti. Jedinstvenost znači da ne postoje dvije osobe sa potpuno identičnim otiskom,

uključujući i jednojajčane blizance. Nepromjenljivost se ogleda u nemijenjanju otiska jedne osobe tokom

njenog života, osim u slučaju većih povreda koje ostavljaju trajni ožiljak na koži prsta.

Postoje dva tipa predstavljanja otisaka: lokalni i globalni. Dok globalna šara otiska omogućava

njegovu klasifikaciju najčešće u pet kategorija (spirala, petlja u desno, petlja u lijevo, luk i oštri luk),

jedinstvenost otiska prsta je isključivo određena lokalnim karakteristikama brazdi na površini kože.

Identifikovano je oko 150 različitih, sitnih lokalnih karakteristika brazdi, ali većinu njih nije moguće lako i

pouzdano izdvojiti. Izuzetak su dvije lokalne karakteristike: završetak brazde i grananje brazde, koje

ćemo jednim imenom zvati detalji.

Glavni prikaz lokalnih informacija u otisku se bazira na čitavoj slici, brazdama na prstu, porama

na tim brazdama ili istaknutim osobinama tih brazda. Prikazi koji se prevashodno zasnivaju na

završetcima i račvanjima brazda (obično se nazivaju detaljima - minucije vidi sliku) su najzastupljeniji iz

slijedećih razloga:

S detalji pokrivaju većinu pojedinačnih informacija

S prikazi koji se zasnivaju na detaljima se efikasno skladište

S detekcija detalja je prilično otporna na razne izvore degradacije otisaka

Slika 3.16. Završetak i račvanje grebena

Prikazi zasnovani na detaljima se oslanjaju na lokacijama detalja i pravcima brazda na lokaciji

detalja. Klasifikacija otisaka predstavlja tipični globalni prikaz otiska. Neki globalni prikazi uključuju

informacije o lokacijama bitnih tačaka (na primjer središta) u otisku.

Za datu sliku otiska prsta detalji se karakterišu svojim položajem tj. x i y koordinatama na slici, i

orijentacijom tj. uglom koji brazda na kojoj je uočen detalj gradi sa x osom. Reprezentacija otiska prsta

dobijena izdvajanjem detalja iz ulazne slike u sebi čuva informaciju o individualnosti otiska i pogodna je


Vanjski mrtvi sloj kože

Površina kože

Senzorske ploče

Referentna pločaza Senzorska pojačala

Slika 3.15. Struktura ultrasoničnog skenera otiska

71 / 126

2010

[Završni rad]

za algoritme poređenja otisaka koji na osnovu sličnosti dvije reprezentacije utvrđuju da li one pripadaju

istom prstu ili ne.


2010

71 / 126

Dobar algoritam za izdvajanje detalja treba da precizno određuje poziciju i orijentaciju detalja,

da greškom obrade ne unosi lažne detalje, a izostavlja prave. Ispunjenje ovih zahtjeva zavisi od kvaliteta

ulazne slike. Slike otiska lošeg kvaliteta će, zavisno od stepena oštećenja, biti ili poboljšane dodatnom

obradom prije izdvajanja detalja, ili u najgorem slučaju biti odbačene. Algoritam za izdvajanje detalja

treba da do izvjesne granice toleriše oštećenja brazdi na slici, tj. da bude robustan na kvalitet ulazne

slike. Razvijen je algoritam za izdvajanje detalja. Sa ciljem poboljšanja slike koristi se Gaborov filter, za

čije potrebe se posebno računa frekvencija ulazne slike ne koristeći pretpostavku da je f = 60

ciklusa/horizontali (vertikali). Radi povećanja efikasnosti i što tačnijeg izdvajanja brazdi koristi se

filtriranje bankom od 60 Gaborovih filtara.

Slika 3.18. Uklanjanje lažnih karakterističnih detalja

Dio koji detektuje bitne karakteristike nalazi završetke brazda i račvanja brazda na slikama

otisaka. Ako brazde mogu biti lako locirane na ulaznoj slici otiska onda izvlačenje detalja predstavlja

biranje pojedinačnih tačaka na tankom grafičkom prikazu brazde. Ali nije uvijek moguće dobiti dobru

mapu brazda.

Performanse današnjih algoritama za izvlačenje detalja uveliko zavise od kvaliteta ulaznih slika

otisaka. Kao rezultat brojnih faktora (nepravilno oblikovane brazde, ožiljci koji su nastali u postnatalnom

periodu, profesionalne povrede), slike otisaka ne mogu uvijek dobro definisati strukturu brazda.


Slika 3.17. Mjerenje karakterističnih detalja

[Završni rad]

Zbog gore navedenih problema koji se javljaju tokom procesiranja otisaka prstiju, nameće se

potreba za primjenom tehnika poboljšanja kvaliteta ulazne slike. Postoje tri osnovna pristupa

poboljšanju slike, nakon kojih slijede, za svaki metod specifične, tehnike raspoznavanja otisaka.

Jedan od široko primjenjenih načina da se to postigne jeste tehnika koja koristi banku

dvodimenzionalnih Gaborovih filtera za poboljšanje slike. Nakon ovog koraka, slijede uobičajeni metodi

procesiranja slike kao što je normalizacija, proračun polja orijentacije, izdvajanje brazdi i detalja

(minucija).

Drugi pristup koristi Fuzzy logiku za poboljšanje kvaliteta ulazne slike. U okviru ovog algoritma,

nakon prvog koraka poboljšanja i ekstrakcije detalja slika se prosljeđuje neuronskoj mreži koja se trenira

na osnovu izvučenih detalja i tako istrenirana neuronska mreža se zapravo koristi za identifikaciju

predložaka.

Treći pristup koristi Vejvlet transformacije za poboljšanje slike. Ova tehnika je primjeniva u

različitim fazama obrade slike, a njena specifičnost jeste da se slika dijeli na više manjih slika koje se

posebno obrađuju Gaborovim filterima. U finalnoj fazi procesiranja originalna slika otiska se rekonstruiše

iz djelića koji su zasebno obrađeni.

Većina biometrijskih sistema identifikacije baziranih na otiscima prstiju koristi poređenje detalja

(minucija) za provjeru istovjetnosti otisaka, stoga faza procesiranja slike otiska u kojoj se ekstraktuju ovi

detalji mora biti provedena veoma precizno. Najveći broj metoda za ekstrakciju minucija zahtijeva

binarizaciju, odnosno konvertovanje originalne slike (za nijansama sive boje) u crno-bijelu sliku, a zatim

stanjivanje (smanjivanje debljine grebenova - linija otiska, na iznos jednog piksela).

Metode bazirane na binarizaciji koriste takozvani Tresholding, odnosno prag osjetljivosti, i

konvertuju piksele koji imaju manju vrijednost (koji su svjetliji) od izabranog praga na nulu, odnosno u

bijelu boju, a ostale konvertuju u 1, odnosnu u crnu boju. Nakon ovog koraka slijedi stanjivanje linija,

koje rezultuje skeletom (odnosno ostaju samo tanke linije grebena) binarne slike.


Slika 3.19. Filtrirana, binarizovana i slika sa stanjenim linijama

[Završni rad]

Ovaj proces može dovesti do stvaranja šiljaka oko

grebena što rezultira detekcijom lažnih detalja. Kada je opisani

postupak sproveden slika se skenira i detalji (lokalni

diskontinuiteti grebena) se veoma lako detektju. Većina

algoritama zahtijeva i primjenu tehnika postprocesiranja za

uklanjanje lažnih detalja. Efikasna tehnika postprocesiranja je

algoritam praćenja linija za označavanje grebena, na koje se

zatim primjenjuje algoritam koji po unaprijed definisanim

pravilima za završetke i račvanja uklanja lažne detalje.


2010

Slika 3.20. Stvarni i lažni detalji otiska

[Završni rad]

Pristup ekstrakcije detalja baziran na gray-scale slici otiska u određenoj mjeri može prevazići

probleme koji se javljaju kod prethodnog metoda. Ovdje se preskače korak binarizacije i na originalnu

sliku se direktrno primjenjuje filtriranje. Kod ovog pristupa, grebeni se prate primjenom algoritma

praćenja linija, koji koriste lokalne maksimume vrijednosti nijansi (najtamnija područja) linija na

specifičnim tačkama presjeka. Linije grebena se prate do njihovih završetaka ili presjeka sa drugim

linijama (račvanja) što ustvari predstavlja detekciju detalja kod ove tehnike. Nakon detekcije detalja, isti

se koriste za poređenje različitih otisaka, a okarakterisani su pozicijom u (x,y) koordinatnom sistemu i

usmjerenjem, kao i kod prve tehnike. Ovaj pristup ilustriran je na narednoj slici, zajedno sa prikazom

mogućih slučajeva završetaka grebena.

Slika 3.21. Ilustracija detalja kod Gray-scale analize otiska

Naredni korak, bez obzira o kojoj se tehnici ekstrakcije detalja radilo, svakako je poređenje

detalja (ulazne i pohranjene slike) s ciljem određivanja da li se radi o istom otisku. Kvantitet sličnosti je

iskazan bodovima, i ukoliko je isti iznad unaprijed određenog praga uporedba će rezultirati poklapanjem

(odnosno rezultat poređenja je pozitivan - obe slike odgovaraju istoj osobi). Najveći problem kod

poređenja predstavljaju ranije pomenuti lažni detalji. Problem takođe predstavlja razlika u položaju,

orijentaciji i pritisku prsta prilikom skeniranja za pohranu i provjeru. I u koraku poređenja

karakterističnih detalja razlikujemo dva osnovna pristupa koja su opisana ispod.

Prvi pristup je tzv. poređenje bazirano na korelaciji koje se zasniva na preklapanju dvije slike

koje se porede (one iz baze podataka i trenutne). Jedna tehnika je da se izračunaju kvadrati suma

različitih intenziteta sive boje na odgovarajućim pikselima jedne i druge slike. Druga tehnika koristi

razliku korelacija, pri čemu se minimalna korelacija oduzima od maksimalne, i ova razlika je najveća za

slike odgovarajućih otisaka. Najveći problemi ove tehnike su nelinearna izobličenja i skup proračun

korelacija s obzirom da male varijacije u položaju ili pritisku prsta mogu za ovaj algoritam predstavljati

problem. Ukoliko su dvije slike istog otiska dovoljno kvalitetne, ovaj sistem će biti u stanju da pravilno

detektuje iste, odnosno različite otiske, bez obzira na različit položaj prsta, kao što je ilustrirano na

narednoj slici gdje su respektivno predstavljeni: otisak iz baze podataka, otisak detektovan kao

odgovarajući i otisak detektovan kao neodgovarajući.


2010

[Završni rad]

Najčešće korišten pristup poređenja jeste onaj baziran na minucijama, odnosno detaljima otiska.

Ekstraktovani detalji ovdje su prikazani kao skupovi tačaka koji se porede sa drugim skupom tačaka iz

baze podataka. Najveći problem koji se može desiti kod ove metode jeste detekcija lažnih detalja.


Slika 3.22. Ilustracija prepoznavalja otisaka pri različitom položaju pohranjene i testirane slike

2010

[Završni rad]

Većina tehnika poređenja

pohranjuje detalje kao skupove

koordinata i pravaca. Ova uporedba

će dati pozitivan rezultat (poklapanje)

ukoliko je prostorna udaljenost i

pravac odgovarajućih koordinata

manja od unaprijed određenog

praga

tolerancije. Pri poređenju ulazna i

pohranjena slika moraju biti


2010

Slika 3.23. Ilustracija pristupa poređenja detalja koji su predstavljeni kao skupovi tačaka i pravaca

[Završni rad]

poravnate prema određenoj referentnoj tački koja može biti singularna tačka tipa centar otiska ili

centroid detalja (prosječna tačka svih detalja). Nakon poravnanja, provdi se poređenje i ukoliko je

maksimalan skor veći od specificiranog praga, tada će rezultat biti pozitivan (otisci odgovaraju istoj

osobi).


2010

[Završni rad]

Pri procesiranj otisaka, algoritmi za obradu koriste se i klasificiranjem istih s ciljem sortiranja

uzoraka po unaprijed definiranim šablonima u klase. Ovo se uglavnom koristi kod sistema identifikacije da

bi se smanjio broj iteracija pri poređenju tako što je smanjen broj uzoraka iz baze podataka koji se

upoređuju sa unesenima. Kada je uzeta slika otiska, njena pripadnost određenoj klasi se može odretiti na

osnovu polja orijentacije ili nekim drugim metodom i nakon toga uzorci će biti upoređivani samo sa onima

iz baze podataka koji pripadaju istoj klasi.

Jedan pristup klasificiranju baziran je na bilježenju broja i pozicije singularnih tačaka (centra, delte),

tako sa su otisci klasificiani kao što je prikazano u narednoj tabeli. Dalja podjela klasa može biti napravljena

prema relativnom položaju delte u odnosu na centar (primjenjuje se za razlikovanje lijeve i desne petlje).

1 Klasa otisaka Singularne tačke

Luk Bez singularnih tačakaLijevi, desni i uzdignuti luk Jedna centralna tačka i jedna delta

Krug Dvije centralne tačke i dvije delte

Tabela 3.1. Ilustracija podjele otisaka po klasama

Drugi pristup podjeli otisaka na klase baziran je na primjeni neuronske mreže. Kod ovog metoda

lokacija singularnih tačaka i polje orijentacije koriste se kao ulazi pri treniranju dvije neuronske mreže čiji se

izlazi prosljeđuju trećoj neuronskoj mreži čiji je izlaz ustvari finalna klasifikacija slika otisaka prstiju.


2010

[Završni rad]

3.3. Sistem automatizirane identifikacije otisaka prstiju (AFIS)

U ovom poglavlju bice detaljnije opisana struktura i princip rada Sistema automatizirane

identifikacije osoba na osnovu otiska prstiju koji je već pomenut u ovom radu, u odjeljku koji se bavi

historijskim razvojem sistema identifikacije pomoću otisaka prstiju bilo je riječi o porijeklu i načinu

upotrebe ovog sistema, tako da ćemo se ovdje fokusirati samo na tehničke aspekte implementacije

istog.

Analiza je izvršena na AFIS sistemu koji koristi metodu poređenja minucija (detalja) kao

mehanizam pretrage i utvđivanja sličnosti između dva uzorka otisaka. Ovaj sistem može biti korišten za

upisivanje otisaka prstiju, za autentifikaciju otisaka (poređenje 1 na 1) i za identifikaciju (poređenje 1

prema mnogo). Otisci prstiju u ovom sistemu mogu biti dobiveni live-skenom odnosno primjenom nekog

odranije navedenih skenera (ovdje je uzet kapacitivni) ili mogu biti pribavljeni off-line metodom,

odnosno otisak uzet mastilom i naknadno skeniran.

Unutar ovog sistema su također integrisani svi potrebni mehanizmi obrade slike i ekstrakcije

detalja. Na narednoj slici prikazana je šema funkcionisanja sistema koji će nadalje biti detaljno analiziran.

Slika 3.24. Dijagram toka razvijenog AFIS sistema

Otisak prsta se uzima pomoću kapacitivnog skenera (čiji je princip rada opisan ranije) i relativni

nedstatak ovg skenera je što ne može obuhvatiti kompletan otisak (kako je prikazano na slici). Nakon što

je skeniran konkretan primjerak otiska prsta, na njega se primjenjuju razni postupci obrade prije

ekstrakcije detalja kako bi se reducirala detekcija lažnih detalja usljed postojanja ogrebotina, posjekotina

i ožiljaka na otisku.

AFIS zahtijeva brzo i jednostavno procesiranje za maksimalnu efikasnost prilikom obrade, pa će

postupak koji se inače koristi kod ovog sistema, kako bi se ispoštovali navedeni zahtijevi, biti usko

propraćen u ovom radu. Ovo je proces koji se sastoji od pet osnovnih koraka, koji su ilustrirani na slici i

opisani ispod.


2010

[Završni rad]

3.3.1. Analiza tehnika za poboljšanje i filtriranje skanirane slike otiska prsta

Prvi korak u procesu poboljšanja slike otiska jeste proces normalizacije primjenjen na skeniranu

sliku otiska ima za cilj da ulaznu sliku izoštri kako bi razlike u nijasama piksela udubljenja i ispupčenja

otiska (dolina i grebenova) bile izraženije, odnosno da bi slika imala predefiniranu srednju vrijednost i

varinasu. Ovaj korak je potreban zbog nastajanja imperfekcija kao što su nejednolika raspodjela

intenziteta tinte, kao i nejednolikog kontakta prsta i uređaja za skeniranje, što za poslijedicu ima

distorzirane razine sivih boja grebena i dolina otiska. U ovom koraku se prvo proračunavaju iznosi

srednje vrijednosti (M) i varijanse (V) slike, a zatim se koriste dole prikazane jednačine za

proračunavanje vrijednosti za normaliziranu sliku.

M 0 + l v°WJ)~M) 2 , a k Q ) > M )

G (i,)) = { (3.1.)M0 — lV o ( I ( l 'i) M) , u svakom drugom slučaju

Vo

Ovdje je j) gray-scale vrijednost piksela (i , j) , M0 i V0 su željeni iznosi srednje vrijednosti i varijanse respektivno, a G je normalizirana slika.

Željeno ustvari znači da su iznosi srednja vrijednost i varijansa izabrani kao 0 i 1 respektivno,

tako da intenzitet pixela na normaliziranoj slici bude pretežno između vrijednosti -1 i 1, što olakšava

naknadne kalkulacije. Na narednoj slici prikazan je rezultat primjene postupka normalizacije na ulaznu

sliku.

Slika 3.26. Ilustracija rezultata primjene normalizacije

| Otisci prstiju kao dio Biometrije 79 / 126

2010

Slika 3.25. Dijagram toka obrade slike u procesu poboljšavanja

[Završni rad]

Naredni korak u postupku obrade je segmentacija slike, odnosno razdvajanje slike na pozadinski

dio i dio u kojem se nalazi otisak prsta, odnosno grebeni i doline otiska. To se postiže podjelom slike na

blokove određene velilčine i usporedbom varijance piksela tog bloka sa definiranim pragom. Ovdje je

normalizovana slika podijeljena na 8x8 blokova, i njihova veličina je u skladu sa veličinom ulazne slike.

Da nekim slučajem imamo na raspolaganju veću sliku (veću rezoluciju) broj blokova se nebi povećavao

jer bi manji blokovi doveli do komplikacija, razlučivanje bi bilo teže što zahtijava veće proračune. Nakon

što je slika podijeljena u blokove, računa se standardna devijacija svakog najbilžeg susjeda i ukoliko je

ovaj iznos veći od praga 0.1, tada je data regija (blok) svrstan u područje slike otiska (koji sadrži

informaciju o grebenima i dolinama). Prag se bira u odnosu na iznos standardne devijacije za

normaliziranu sliku, a do njegovog definitivnog iznosa se dolazi eksperimentalnim putem ukoliko je

prisutna veoma mala devijacija intenziteta piksela pozadine i dijela slike koji sadrži otisak, jer nam je cilj

u potpunosti sačuvati korisnu informaciju sa slike. Na narednoj slici prikazan je primjer segmentacije

slike otiska prsta.

| Otisci prstiju kao dio Biometrije 79 / 126

Slika 3.27. Ilustracija rezultata primjene segmentacije

2010

[Završni rad]

Naredni korak jeste procjena orjentacije slike. Kod procjene

orjentacije orjentacija polja slike otiska predstavlja usmjerenost brazda na slici

otiska. Ona igra veliku ulogu u analizi slike otiska prsta. Postoji veliki broj

metoda za procjenu orjentacije slike otiska. Slike otiska se dijele u

nepreklapajuće blokove (kako je ranije pomenuto), i svakom bloku se

dodjeljuje jedan reprezent orijentacije na osnovu gradijenta sive skale u bloku.

Orjentacija bloka može se odrediti iz orjentacije gradijenta piksela. Za procjenu

orijentacije koristi se Sobel maska posebno za x, posebno za y koordinate (kao

što je prikazano na slici desno), i orijentacije se računaju uprosječavanjem

vrijednosti dobivenih sa horizontalnim i slika 3.28. Sobel maske za x i y vertikalnim

Sobel operatorom na svakom pikselu u bloku. Postupak proračuna polja orijentacije je sljedeći :

1. Podijelimo ulaznu sliku otiska na blokove veličine W x W (8 x 8 u našem slučaju)

2. Izračunamo gradijente Gx i Gy svakog piksela u svakom bloku.

3. Procijenimo lokalnu orjentaciju svakog piksela koristeći sljedeće jednakosti :


-1 0 1-2 0 2-1 0 1

-1 -2 -10 0 01 2 1

82 / 126

2010

[Završni rad]

2 • Gx(u, v)GY(u, v)1 ' 2 w(Gx

2 (u,v) - Gy2 (u,v ))

9(i, j) = 1- tan'1?-^)

(3.2.)

(3.3.)

(3.4.)


Vx ( i , j) = 1_w_.' -i-—-

W ¿-1 . w

2010

. w . w^ 1+-

[Završni rad]

gdje W predstavlja veličinu prozora a Gx i Gy su vrijednosti priraštaja po x i y osi. Zatim je

potrebno Izračunati nivo konzistentnosti orjentacije polja u lokalnom susjedstvu bloka koristeći

slijedeću formulu:


2010

[Završni rad]

c ( i ,D= $ll i t ' d - ) e Dm , j ) - e ( i , j)\< (3.5.)


2010

[Završni rad]

\e - e \ =

d, ako je d = (6 - 6 + 360) mod 180 < 180d — 180, inače


2010

[Završni rad]

gdje D predstavlja lokalno susjedstvo oko bloka (i,j), N je broj blokova u D; 9( i , j ) i 6(i,j) su

orjenatacije lokalnih izbočina u blokovima (i , j ) i (i, j) redom.

4. Ako je nivo konzistencije iznad određenog praga Tc onda se lokalne orjentacije oko regiona ponovo

procjenjuju na manjoj rezoluciji dok se C(i,f) ne snizi ispod određenog nivoa.

Na narednoj slici prikaza je primjer rezultat proračuna orijentacionog polja normalizirane ulazne slike

otiska.

Slika 3.29. Normalizirana slika i njoj odgovarajuće orijentacijsko polje

Određivanje frekvencije grebena također se određuje za pojedini blok, a dobiva se na način da se

napravi projekcija vrijednosti piksela bloka u smjeru okomitom na orijentaciju tog bloka. Time se dobiva

sinusoidalni valni oblik, kod kojeg se traže minimumi i na temelju udaljenosti tih minimuma računa

frekvencija. Kod otisaka lošije kvalitete dolazi do pojave nekih lokalnih minimuma, koje izbjegavamo

izglađivanjem valnog oblika, te nekim heurističkim pravilima. Na narednoj slici prikazana je slika bloka i

njoj odgovarajuća projekcija piksela u smijeru okomitom na orijentaciju bloka, kao i izglađeni oblik iste

projekcije.

Slika 3.30. Određivanje frekvencije grebena

Kada je završeno određivanje frekvencije grebena svih blokova dobivamo frekventnu estimaciju

analzirane slike kako je prikazano dole. Svjetlije sekcije unutar slike predstavljaju niže frekvencije,a

tamnije sekcije su singularne tačake koje ne možemo estimirati.


2010

Slika 3.31. Normalizirana slika i njoj odgovarajuća frekventna estimacija

[Završni rad]

Vrijednosti orijentacije i frekvencije grebena blokova upotrebljavaju se pri filtriranju slike Gabor

filterom. Gabor filter je zapravo sinusoidalni oblik moduliran Gausom u 2D prostoru. Gabor filter riješava

isprekidane grebene, odnosno na temelju lokalne orijentacije i frekvencije grebena, spaja prekinute

grebene (slika dole). Ovo je korisno jer ukoliko se pojavljuje prekid grebena, onda bi se pri samoj

ekstrakciji detalja, pojavljivalo jako puno nepostojećih minucija na mjestima prekida.


2010

[Završni rad]

Gaborovi filteri imaju frekventno selektivne i orentacijski selektivne osobine i ima optimalnu

zajedničku rezoluciju u prostornom i frekventnom domenu. Simetrični Gaborov filter ima opštu formu :


Slika 3.32. Normalizirana slika i rezultat njenog filtriranja

2010

[Završni rad]

h(x, y) = exV[- 2

+1]} (3.6.)


2010

[Završni rad]

gdje je u0 frekvencija ravnog sinusoidalnog talasa duž x osé, x i 6y su prostorne konstante Gausove

obvojnice krive duž x i y ose redom. Gaborovi filteri sa proizvoljnom orjentacijom mogu biti dobijeni

rotacijom (x,y) koordinatnog sistema. MTF funkcija (modulation transfer function) Gaborovog filtera

može se predstaviti kao:


2010

[Završni rad]

H(u, v) = 2nôxôy (exp {-\ + ^]] +

(3.7.)


Gdje

82 / 126

2010

Slika 3.33. Valni oblik funkcije Gabor filtera u 2D prostoru

[Završni rad]

3.3.2. Ekstrakcije osobina i detekcija singulariteta

Nakon provedenog postupka poboljšanja ulazne skenirane slike otiska, na istoj možemo

detektovati osobine (detalje) i singularne tačke. Inicijalni koraci binarizacije i stanjivanja brazdi provode

se na poboljšanoj slici nakon čega slijedi ekstraktovanje minucija (detalja) i filtriranje. Singularne tačke,

odnosno jezgre i delte, se ekstraktuju nakon navedenog postupka.

U postupku binarizacije zapravo se vrši koverzija slike iz gry-scale (slike sa nijansama sive) u

crno-bijelu sliku. Koristi se globalni prag jer je analizirana slika u postupku poboljšanja već bila

normalizirana što je ostavilo veoma male varijecije u intezitetu nijansi na slici. Za vrijednost praga

biramu srednju vrijednost intenziteta piksela na prethodno obrađenoj slici (poboljšanoj) - obično se bira

0. Ukoliko je intezitet određenog piksela veći od vrijednosti praga, tada mu se dodjeljuje vrijednost 1

(bijela), a vrijednost 0 (crna) dodjeljuje se svim ostalim pikselima. Na narednoj slici prikazan je rezultat

postupka binarizacije, koji je proveden na filtriranoj slici iz prethodnog poglavlja.

Slika 3.34. Ilustracija rezultata postupka binarizacije

Nakon binarizacije usljeđuje postupak stanjivanja brazdi koji svodi debljinu linija (brazdi) na

jedna piksel. Ovo je morfološki iterativni proces, kojim se u svakoj iteraciji markiraju pikseli na granicama

grebenova (crni pikseli) i zatim nakon svake iteracije označene piksele konvertuje u bijelu boju. Iterativni

proces se ponavlja sve dok debljina linila (crnih piksela) ne bude svedena na iznos jednog piksela,

odnosno dok algoritam ne dođe do trenutka u kojem ne može markirati više piksela za brisanje. Naredna

slika ilustrira rezultat postupka stanjivanja brazdi primjenjen na prethodno dobivenoj binariziranoj slici.

Izdvajanje detalja u užem smislu odnosno njihova detekcija je jednostavan zadatak ukoliko je

slika stanjenih brazdi uspešno generisana. Za piksel koji čini stanjenu brazdu , gde je SB (i, j) matrica u

kojoj je smeštena slika stanjenih brazdi, računa se suma njegovih 8-susednih piksela:


Slika 3.35. Ilustracija rezultata postupka stanjivanja grebenova

[Završni rad]

sum 1 (3.8.)


2010

[Završni rad]

Ukoliko je dobijena suma intenziteta piksela sum = 2 onda piksel(i , j) predstavlja završetak

brazde, a ako je sum > 3 onda piksel(i , j) označava grananje brazde.

Za svaki izdvojeni detalj memorišu se podaci o njegovoj x koordinati, y koordinati i orijentaciji

koja odgovara orijentaciji brazde na kojoj je detalj detektovan. Pri ovom postupku (kao što je ilustrovano

na narednoj slici) postoji centralni piksel od interesa i njegovih 8 susjednih piksela koje koristimo pri

analizi. Ponavljanjem ovog postupka za sve crne piksele ektraktovat ćemo sve karakteristične detalje

analiziranog otiska. Na slici dole, s lijeva na desno prikazana je ilustracija analize piksela unutar grebena,

kraja grebena i biflukcije odnosno račvanja grebena.

Slika 3.36. Ilustracija detekcije detaja analizom 8 susjednih piksela

Kako se često pojavljuju i lažne minucije, potrebno je postprocesiranje slike nakon izvlačenja minucija,

odnosno uklanjanje lažnih minucija. Postoje slijedeći tipovi lažnih minucija :

Slika 3.37. Tipovi lažnih minucija: (a) izbočina; (b) rupa; (c) trokut; (d) šiljak

Lažne minucije detektiraju se postavljanjem prozora oko pozicije minucije i označavanjem

grebena koji vode od pozicije te minucije do granica tog prozora. Brojanjem završetaka grebena na tom

okviru zaključujemo da li je to ispravna minucija ili lažna. Završeci grebena trebaju imati tačno jedan

završetak na okviru, dok grananja trebaju imati 3 završetka. Minucije koje su blizu kraja segmentirane

slike, tj. nalaze se u rubnim bloku se također izbacuju jer su i te minucije večinom lažne.

Na primjer, mnogo detalja u maloj okolini može nagovijestiti šum, i oni mogu biti odbači. Veoma

bliski krajevi izbočina orijentisani u istom pravcu suprotnog smjera jedan u odnosu na drugi može

nagovijestiti lažni detalj generisan prekidom izbočine. Dva veoma bliska račvanja (bifurkacije) mogu

ukazivati na lažni detalj stvoren povezivanjem susjednih izbočina, što može nastati kao rezultat greške

alata za obradu slike.

Pri provođenju postupka postprocesiranja (filtriranja) važno je držati se dva osnovna pravila:

1. Ukoliko se unutar 4 piksela nalaze dva završetka oba se uklanjaju kao lažni detalji (jer je

utvrđeno da je prosječna distanca između dva završetka u stanjenoj slici pet piksela,

tako da ovo pravilo neće dovesti do uklanjanja završetaka dva susjedna grebena).

2. Ukoliko se unutar 4 piksela nalaze račvanje i završetak, oba se uklanjaju kao lažni detalji.


2010

[Završni rad]

Nakon detekcije minucija slijedi detekcija singularnih tačaka korištenjem Poincaré-ovog indeks

metode. Ovo je najčešće korišteni metod detekcije singularnih tačaka, veoma je jednostavan i efikasan, a

provodi se uz pomoć slike orijentacijskog polja otiska prsta. Poincaré-ov indeks svakog ugla u polju

orijentacije računa se sumiranjem razlika između parova uglova u jednom smjeru (suprotno od kazaljke

na satu) za 8 susjednig uglova koji okružuju ugao koji posmatramo. Poincaré index za singularnu tačku

tipa centar iznosi 180o , a za singularnu tačku tipa delta iznosi -180o kao što je prikazano na narednoj slici.

8 susjednih uglova j

Pokazano je da pronalaženje singularnih tačaka korištenjem orjentacionog polja normalizirane

slike daje pogrešne singularne tačke, prema tome za detekciju singularnih tačaka potrebno je vršiti

proračun isključivo na slikama za koje je prethodno proveden postupak poboljšanja, kao na narednoj

slici.

Slika 3.40. Rezultati određivanja singularnih tačaka za normaliziranu sliku (lijevo - greška) i poboljšanu sliku (lijevo -ispravno)

3.3.3. Poređenje otisaka

Neka su data dva skupa karakteristika koji potiču od dva otiska (ulaz i šablon), cilj sistema za

prepoznavanje je da odredi da li ta dva otiska predstavljaju isti prst. Prepoznavanje se zasniva na

nekoliko različitih strategija : uz pomoć slike, uz pomoć šema izbočina, i uz pomoć šema koje se zasnivaju

na reprezentaciji otiska preko detalja. Postoje takođe i šeme koje se zasnivaju na grafovima.


2010

Naredna slika ilustrira ektrakciju minucija za sliku na kojoj je primjenjeno postprocesiranje i rezultat istog postupka primjenjenog na slici koja nije procesirana.

Dnjeni detalji

Slika 3.38. Ilustracija razlike rezultata procesa ekstrakcije detalja za sliku koja je postprocesirana i za onu koja nije

Slika 3.39. Pronalaženje singularnih tačaka metodom Poincaré-ovog indeksa

[Završni rad]

Prepoznavanje na osnovu slike ne toleriše veliki broj deformacija u strukturi izbočina.

Prepoznavanja koja se kritički zasnivaju na ekstrakciji izbočina ili njihovih veza mogu imati drastično

smanjenje performansi u slučaju gubitka kvaliteta ulaznog otiska. Dakle prepoznavanje na osnovu

šablona karakterističnih tačaka (tj. prepoznavanje na osnovu detalja) olakšava dizajn prostog algoritma

za brzu verifikaciju koji sadrži šablone male veličine. Faza prepoznavanja definiše mjeru sličnosti (daljine)

između dvije predstave otiska i određuje da li date predstave otisaka potiču od istog prsta. To se na

osnovu toga da li je sličnost (razlika) veća ili manja od nekog prethodno određenog praga. Mjera sličnosti

se zasniva na osnovu podudaranja detalja. Za detalj na ulaznag otiska i detalj šablona kažemo da se

poklapaju ako predstavljaju identični detalj dobijen od jednog istog prsta.

Prije nego što identičnost dva otisaka može biti ustanovljena, većina algoritama za

prepozanvanje detalja odradi transformaciju (registraciju) karakteristika ulaznog otiska i šablona.

Registracija obavezno uključuje centriranje a nekada i skaliranje. Parametri centriranja se procjenjuju na

osnovu sljedećih parametara :

1. singularnih tačaka otiska (na primjer lokacija središta i delte);

2. položaja grupisanja detalja ili

3. nekih drugih karakterističnih znakova. Na primjer, Jain-ov algoritam koristi metod

procjene translacije i rotacije na osnovu osobina segmenta izbočine koji je dodijeljen završetku

detalja.

Postoje dva bitna izazova prilikom određivanja podudarnosti između dvije centrirane

reprezentacije otiska :

1. prljavština i zaostale mrlje na uređaju za skeniranje i ogrebotine ili posjekotine na prstu

stvaraju nove lažne detalje ili poništavaju prave detalje;

2. pomjeranje dijela prsta koji se slika i njegov pritisak na uređaj za skeniranje utiče na broj

izvornih detalja i prouzrokuje promjenu mjesta detalja sa njihove prave pozicije usljed elastičnih

deformacija kože na prstu.

Slika 3.41. Tri uzorka otiska istog prsta pri rzaličitim stanjima: a)normalan, b) suh, c) mokar

Prema tome uređaji za prepoznavanje ne treba samo da pretpostave da je ulazni otisak samo

transformisani šablon tog otiska korištenjem rotacije i translacije, već treba da uzmu u obzir lažne

detalje kao i da se prilagode nedostatku pravih detalja i promjeni lokacije detalja. Donja slika predstavlja

centrirane strukture izbočina dva odgovarajuća otiska. Možemo primijetiti da na slici postoji potpuno

poklapanje u gornjem lijevom uglu dok postoji velika razlika u poziciji odgovarajućih detalja u drugim

djelovima slike (npr. donji desni dio). Data deformacija nije linearna to je lako primijetiti. Ako su date

vrijednosti deformacija u dvije proizvoljne tačke prsta nije moguće predvidjeti deformaciju u tačkama

koje leže na pravoj koja prolazi kroz te dvije tačke.


Slika 3.42. Centrirane strukture izbočina dva odgovarajuća otiska

86 / 126

2010

[Završni rad]

Algoritam za prepoznavanje predstavljen u ovoj glavi koristi tri osobine centriranog detalja:

njegovu udaljenost od nekog drugog referencnog detalja (reference minutiae) i ta se udaljenost naziva

radijus, ugao koji zaklapa sa referencnim detaljom (radijalni ugao) i lokalni pravac odgovarajuće izbočine

(minutiae direction). Algoritam za prepoznavanje otpočinje sa predstavljanjem detalja ulaznog otiska (ili

šablona) u obliku niza detalja. Predstava u obliku niza se dobija linearnim uređenjem po radijalnim

uglovima i radijusima. Rezultujući nizovi detalja se upoređuju sa algoritmom za prepoznavanje nizova

(inexact string matching algorithm) da bi se utvrdila podudarnost.

Ovaj algoritam za prepoznavanje nizova transformiše (edituje) niz (string) ulaza u string šablona,

i broj tih operacija editovanja služi kao mjera sličnosti između dva niza. Dok dozvoljeni operatori

editovanja modeliraju promjene u otisku (brisanje pravih detalja, umetanje lažnih i promjenu mjesta

detalja) dotle cijena pridružena svakom operatoru editovanja modelira vjerovatnoću editovanja. Suma

svih tih cijena svih editovanja definiše sličnost između ulazanog i niza detlja šablona. Algoritam za

poklapanje nizova detalja bira između mogućih skupova. operacija editovanja onaj skup sa minimalnom

cijenom koristeći dinamičko programiranje.

Za dva detalja, jedan iz ulaznog niza detalja i jedan iz niza šablona, kažemo da se ne poklapaju

ako se vrijednosti njihovih atributa puno razlikuju i ne pripadaju nekom prozoru tolerancije (donja slika).

Takvim detaljima pridružujemo editovanje tipa brisanje-pisanje. Ako razlike vrijednosti atributa detalja

pripadaju prozoru tolerancije tada se tim detaljima pridružuje vrijednost srazmjerna razlici vrijednosti

atributa detalja.

Ovaj algoritam se prilagođava elastičnim deformacijama podešavanjem parametara prozora

tolerancije u odnosu na zadnje uspješno poklapanje.

Ishod procesa poređenja se definiše rezultatom poređenja. Rezultat poređenja se određuje iz

broja uparenih detalja pomoću minimalne vrijednosti podudaranja ulaznog niza i niza šablona. Rezultat

poređenja niza se dijeli sa ukupnim brojem detalja na ulaznom otisku i otisku šablona (tako se dobija

normalizovani rezultat) i na osnovu toga se određuje da li se oni slažu. Što je veći normalizovani rezultat

to je veća vjerovatnoća da ovi otisci potiču od istog prsta.


Slika 3.43. Prozor tolerancije i njegovo podešavanje

86 / 126

2010

[Završni rad]

Slika 3.44. Rezultat primjene algoritma poređenja na skeniranom uzorku otiska i uzorku iz baze podataka

Na gornjoj slici prikazano je : a) ulazni set minucija, (b) set minucija šablona (iz baze podataka), c)

poravnanje otisaka prema centralnoj tački koja je označena zelenim kružićem i d) rezultati poređenje u

kojima su minucije šablona i njima odgovarajuće minucije ulazne slike povezane zelenim linijama.

Na koncu možemo još samo napomenuti da je brzina odziva ovakvih sistema veoma bitan faktor

u njihovoj primjeni, naime da bi sistemi za automatsku identifikaciju bili prihvatljivi u praksi, vrijeme

odgovora treba da bude reda nekoliko sekundi, što je svakako zadovoljeno kod AFIS sistema.

3.3.4. Klasifikacija otisaka

Velike količine otisaka se svakodnevno prikupljaju i skladište u velikom broju aplikacija

uključujući sudsku medicinu, kontrolu pristupa, registracija vozačkih dozvola i slično. Automatsko

prepoznavanje ljudi zasnovano na otiscima zahtijeva da ulazni otisak bude poređen sa velikim brojem

otisaka u bazi (na primjer baza FBI-a sadrži otprilike 70 miliona otisaka). Da bi se skratilo vrijeme traženja

i slaženost izračunavanja, potrebno je klasifikovati ove otiske na tačan i dosljedan način da bi se ulazni

otisak poredio samo sa podskupom otisaka u bazi.

Klasifikacija otisaka se može posmatrati kao jedan površan nivo poređenja otisaka. Jedan ulazni

otisak se prvo upoređuje na opštijem nivou sa unaprijed definisanim tipovima i dodjeljuje se jednom

tipu. Zatim se na detaljnijem nivou poredi samo sa podskupom baze koji sadrži otiske samo tog tipa.

Napori u automatskoj klasifikaciji otisaka su naročito usmjereni na podražavanje sistema ručne

klasifikacije otisaka. Slika 3.45. predstavlja jednu rasprostaranjenu šemu ručne klasifikacije otisaka koja

je bila predmet mnogih pokušaja automatske klasifikacije.

Treba međutim primijetiti da je podjela u šest klasa predstavljena na ovoj slici u mnogome

izvrnuta. Sistem klasifikacije treba da je nezavisan od rotacije, translacije i elastičnih istezanja kože.

Značajni djelovi prsta mogu biti izostavljeni na slici (na primjer, otiscima često nedostaju delte) pa

metode klasifikacije koje zahtijevaju čitav otisak mogu biti ograničavajuće za mnoge aplikacije.


2010

[Završni rad]

Postoji veliki broj pristupa klasifikaciji otisaka. Neki od najranijih pristupa ne koriste bogatu

informaciju u strukturi izbočina već isključivo zavise od orjentacije polja. Mada karakteristična obilježja

na prstu predstavljaju veoma efektan način klasifikacije otisaka, ipak metode koje se zasnivaju na samo

tim obilježjima ne mogu biti efikasne zbog nedostatka takvih obilježja na mnogim slikama otisaka i zbog

teškoća u ekstrakciji takvih obiljažja sa loših slika otisaka.

Prema tome najuspješniji metodi treba da:

1. obezbijede orjentaciju polja sa informacijom o izbočinama,

2. koriste karakteristična obilježja kad su ona dostupna ali da pronađu drugačije šeme u

slučaju da takve informacije ne mogu biti dobivene sa slike otiska,

3. koriste pouzdane strukturno sintaksne metode prepoznavanja uz dodatak statističkihmetoda.

Na narednoj slici prikazana je šema klasifikacije otisaka u šest kategorija: (a) luk (arch), (b) oštri

luk (tented arch), (c) desna petlja, (d) lijeva petlja, (e) kotur (whorl), (f) dvostruka petlja. Bitne tačke na

otisku, središta i delte, se označavaju kvadratićima i trouglovima. Prosti detalj završetak izbočine (kružić)

i račvanje izbočine (krstić).

Slika 3.45. Šema klasifikacije otisaka

U ovom radu predstavljamo metod klasifikacije koji razmatra gore navedene kriterijume dizajna i

koji je testiran na velikoj bazi realnih otisaka, i koji klasifikuje prste u pet glavnih kategorija: desna petlja

(right loop), lijeva petlja (left loop), luk (arch), oštri luk (tented arch) i kotur ili spirala (whorl).

Orijentacija polja određena iz ulazne slike ne mora biti potpuno tačna i detektovane, izbočine

mogu sadržati mnogo artifakata pa se prema tome ne mogu direktno koristiti za klasifikaciju otisaka.

Stepen dokazanosti postojanja date izbočine se procjenjuje na osnovu pouzdanosti detektovane izbočine

zavisno od dužine svakog segmenta izbočine i odnosa sa ostalim susjednim segmentima. Paralelni

susjedni segmenti nagovještavaju dobar kvalitet regiona otiska.

1. Singularne tačke : Poincare-ov indeks orjentacije polja se koristi za određivanje broja delti (ND) i

središta (NC) na otisku. Digitalna zatvorena kriva, p, dugačka 25 piksela, koja se nalazi oko svakog

| Otisci prstiju kao dio BiometrijeSlika 3.46. Računanje Poincare-ovog indeksa pomoću krive p u vektorskom polju G 86 / 126

2010

[Završni rad]

piksela se koristi za izračunavanje Poincare-ovog indeksa.


2010

[Završni rad]

Poincaré (i , j) = 2- A(k)

(3.9.)


2010

[Završni rad]

Gdje je :

( 8(k), ako je \8(k)\ < n/2

A(k) = \n + 8(k), ako je S(k) < -n/2

[n - 8(k), inače

S(k) = 6 (yx(i ), xpy ( i )) - 6 (ip x(i), xpy

(0) i ' = (i + l)modN ip

(3.10.)

(3.11.)


2010

Orjentacija polja \j)x ( i ) i \py ( i )

parametrizovane zatvorene krive ¥ .

predstavljaju koordinate i-te tačke

[Završni rad]

2. Simetrija: karakteristična faza ekstrakcije određuje osu lokalno simetričnu ivicama strukture u

jezgru i izračunava a, ugao između ose simetrije i linijskog segmenta spajajući jezgro i deltu, p

prosječno ugaono rastojanje između ivice orijentacije i orijentacije linijskog segmenta koji spaja

jezgro i deltu, y broj ivica koje prelaze linijski segment koji spaja jezgro i deltu. Relativna

pozicija, R, delte u odnosu na osu simetrije je određena na sljedeći način : R=1 ako je delta sa

desne strane ose simetrije; R=0, inače.


2010

[Završni rad]

*S~*t 'Delta l ,F

Slika 3.47. Određivanje osa simetrije pri klasifikaciji

3. Struktura ivica : razvrstavanje ne koristi samo informacije o orijentaciji već koristi i strukturne

informacije iz izvedenih ivica. Ova karakteristika sumira cjelokupnu prirodu toka brazdi u otisku

prsta. Posebno, razvrstava svaku ivicu (brazdu) otiska u tri kategorije:

S neperiodične brazde: brazde koje ne vijugaju previše,

S Tip-1 periodične brazde: brazde koje vijugaju približno n

S Tip-2 potpuno periodične brazde: brazde koje vijugaju mnogo više od n

Algoritam za klasifikaciju, prikazan na slici dole, u potpunosti pronalazi niz testova za

određivanje klase otisaka prstiju i sprovodi jednostavnije testove prethodno u strukturi odlučivanja.

Na primjer, dvije tačke jezgra su tipično određene za spiralu, koja predstavlja lakši uslov za

verifikovanje nego određivanje broja periodičnih brazdi Tipa-2.

Druga svijetla strana algoritma je da ako ne detektuje upadljive karakteristike bilo koje

kategorije iz karakteristika detektovanih u otisku, ponovo izračunava karakteristike sa drugačijim

pretprocesnim metodom. Na primjer, u trenutnoj implementaciji, diferencijalno pretprocesiranje se

sastoji od različitih metoda/nivoa poboljšavanja. Kao što se može vidjeti sa dijagrama, algoritam

detektuje spirale bazirane na detekciji obje tačke jezgra ili na dovoljnom broju periodičnih brazda Tipa-2;

luk baziran na nesposobnost detekcije tačaka delte i jezgra; lijeve (desne) petlje bazirane na

karakterističnom nagibu ose simetrale, detekciji tačke jezgra, i detekciji i tačke delte i dovoljnog broja

periodičnih krivih Tipa-1; i ostri luk (tented arch) baziran na relativno uspravnoj osi simetrije, detekciji

tačke jezgra, i detekciji i delta tačke i dovoljnog broja periodičnih krivih Tipa-1.

krug šatorski luk lijevi luk


2010

[Završni rad]

I------------------Klasifikacija

Slika 3.48 Blok dijagram algoritma za klasifikaciju otisaka prstiju

Na dijagram algoritma za klasifikaciju otisaka prstiju umetak u donjem desnom uglu ilustruje

klasifikaciju brazdi. Opcija za ponovno izračunavanje uključuje startovanje algoritma za klasifikaciju sa

različitim pretprocesiranjem (npr. izravnavanje) slike.

Dole prikazana tabela pokazuje rezultate algoritma za klasifikaciju otisaka na NIST-4 bazi

podatka, koja sadrži 4000 slika (veličina slike je 512x480) uzetih od 2000 različitih prstiju, dvije slike po

prstu. Definisano je pet klasa otisaka:

1. luk,

2. oštri luk,

3. lijeva petlja,

4. desna petlja i

5. spirala.

Otisci u ovoj bazi su ravnomjerno raspoređeni na ovih pet klasa (800 po klasi). Vjerovatnoća

greške prilikom klasifikacije 4000 otisaka u ovih pet klasa je 12,5%. Matrica konfuzije je data u Tabeli 1;

podebljani brojevi predstavljaju tačnu klasifikaciju. Pošto je broj otisaka u NIST-4 bazi označen tako da

može pripadati dvijema različitim klasama, svaki red matrice u Tabeli 1 nema sumu do 800. Za problem

pet klasa, većina pogrešnih klasifikacija su posljedica pogrešnog klasifikovanja oštrog luka kao luka.

Kombinujući ove dvije kategorije luka u jednu klasu, vjerovatnoća greške pada sa 12,5% na 7,7%. Pored

ove greške, druge greške uglavnom dolaze zbog pogrešne klasifikacije luka/oštrog luka i petlji uslijed

slabog kvaliteta slike. (Napomena, u tabeli dole : L - luk, OL - oštri luk, LP - lijeva petlja, DP - desna petlja,

SP -spirala)

Dodijela klasaPrva klasa L OL LP DP SP

L 885 13 10 11 0OL 179 384 54 14 5LP 31 27 755 3 20DP 30 47 3 717 16SP 6 1 15 15 759

Tabela 3.2. Klasifikacija po pet klasa na NIST-4 bazi otisaka

3.3.5. Tačnost i pouzdanost AFIS sistema


2010

[Završni rad]

Glavni kriterij za ocjenu performanse AFIS sistema jeste tačnost poređenja. Međutim, za

temeljitu procjenu, svakako je potrebno u obzir uzeti i neke druge bitne faktore kao što su brzina

pretrage ili količina potrebnih resursa.

AFIS sistemi prepoznavanja bazirani na otiscima prstiju (kao ni drugi biometrijski sistemi) nisu

100% savršeni. Za sistem je određen standardno moguć broj grešaka.

FAR (False Acceptance Rate), učestalost pogrešnih prihvatanja definiše se kao procenat osoba

koje neovlašteno mogu ući u sistem. FRR (False Rejection Rate), učestalost pogrešnih odbijanja suprotno

tome predstavlja procenat ovlaštenih osoba kojima je odbijen pristup sistemu. Obe se veličine moraju

svesti na minimum, a kako su u suštini suprotne, njihova minimalizacija mora biti dobro izbalansirana.

Ukoliko sistem prilagodite tako da otežate pristup neovlaštenim osobama, otežaćete pristup i

ovlaštenim osobama. Testiranja provedena na AFIS sistemu, na bazi 150 otisaka od 50 volontera, dala su

rezultujući odnos FAR i FFR kao što je prikazano na narednoj slici.

Slika 3.49. FRR i FAR za AFIS sistem

Gore prikazani grafikon, dakle potvrđuje raniju konstataciju o odnosu FRR i FAR kada je rečeno

da se porastom jednog drugi smanjuje i obrnuto. Pitanje podešavanj iznosa ova dva faktora zavisi od

konkretne primjene sistema. Za zadani sistem to je pitanje vjerovatnoće, i svaka će firma odrediti prag

osjetljivosti sistema shodno potrebnoj sigurnosti. Kako bi kontrolisala ulazak u sef, banka će podesiti

sistem tako da broj pogrešnih prihvatanja svede na nulu. Stoga će zaposleni u banci morati pretrpjeti

pogrešna odbijanja sistema i više puta ponoviti postupak verifikacije. U kućnoj upotrebi situacija može

biti potpuno suprotna. Sistem baziran na prepoznavanju otisaka može se na kućnom računaru podesiti

tako da djeci zabrani pristup važnim programima roditelja. Za slučaj da roditelji prečesto bivaju odbijeni

od strane sistema, mogu podesiti niži prag sigurnosti, računajući da jako mali broj osoba ima pristup

računaru (pa je i vjerojatnoća da će nekom neovlaštenom biti dozvoljen pristup jako mala).

Uz jednom određene mjere sigurnosti (dakle dozvoljenih učestalosti), možemo upoređivati

prave kvalitete sistema baziranih na prepoznavanju otisaka. Uglavnom je to težak zadatak jer

proizvođači daju vrijednosti koje ne uzimaju u obzir uslove testiranja (broj osoba prilikom testa, načinu

upisa, broju odobrenih pokušaja...). Dalje, ni brojke same nisu dovoljne za utvrđivanje ponašanja

sistema u stvarnom radu.

Što se tiče vremena odziva AFIS sistema postoji značajna razlika između identifikacije i

verifikacije po pitanju rutina za pretraživanje i prepoznavanje. Identifikacija iziskuje jako djelotvoran

program za prepoznavanje, budući da je potrebno pretražiti velik broj podataka u kratkom vremenu.

Uglavnom, više se vremena troši na izdvajanje potpisa kako bi bili sigurni da su detalji (minucije) oni

pravi a ne neka prljavština, u kojem slučaju raste vjerovatnost pogrešne identifikacije.

Verifikacija s druge strane iziskuje puku provjeru tako izdvojenog potpisa s onim u referentnoj

bazi tako da je vrijeme utrošeno na račun znatno manje. Identifikacija se danas primjenjuje uglavnom u

policijske svrhe, gdje se podaci jednostavno čuvaju i održavaju na za to namijenjenim serverima.


2010

[Završni rad]

Verifikacija se više koristi u komercijalne svrhe, zbog svoje brzine i jednostavnosti čuvanja podataka.

Naravno, ako neko koristi prepoznavanje otiska prsta za podizanje novca s bankovnog računa, vrijeme

izračunavanja mora biti vrlo kratko.


2010

[Završni rad]

3.4. Komercijalni sistemi raspoznavanja otisaka prstiju

Komercijalni sistemi automatskog raspoznavanja otisaka prstiju na svjetskom tržištu mogu se

podijeliti u nekoliko skupina:

1. Forenzički sistemi

Masovni sistemi s velikim brojem uzoraka pohranjenih u bazu podataka. To su tzv. AFIS

(Automated Fingerprint Identificaton System) sistemi. Rad u realnom vremenu obično nije

ključan, a ni izvediv zbog velikog broja uzoraka. (Npr. glavna AFIS baza u FBI-u je velika oko 40

Tb.)

2. Sistemi za civilnu identifikaciju

Sistemi za provjeru identiteta kod korištenja raznih dokumenata (bankomati i sl.). Sistem mora

raditi u realnom vremenu i biti dovoljno pouzdan.

3. Sistemi za provjeru ovlaštenog pristupa ograničene populacije

Koriste se kod kontrole pristupa prostorijama, postrojenjima, uređajima i.sl, a sastoje se od

manjeg broja uzoraka pohranjenih u centralnu bazu podataka. Često se kombiniraju s dodatnim

biometrijskim sistemima (raspoznavanje šarenice, mrežnice, glasa i.sl) i/ili s konvencionalnijim

sistemima (lozinke, odzivi itd.). Rad u realnom vremenu i visoka pouzdanost sistema su

ekstremno važni.

Poznatiji proizvođači automatskih sistema raspoznavanja otisaka prstiju i cjelokupne opreme su:S Identicator Corp.S East Shore Technologies Inc. S NEC Technologies Inc.

Osim tih tvrtki, postoji čitav niz drugih koji razvijaju dijelove sistema, ali većina njih direktno sarađuje s gore navedenima. To su npr.: S Key Tronic S Compaq S DigitalPersona


http://www.digitalpersona.com/

http://www.compaq.com/im/fit/index.html

http://www.keytronic.com/

http://www.nec.com/afis

http://www.east-shore.com/

http://www.identicator.com/

[Završni rad]

S S Sony Saflink


http://www.saflink.com/

http://www.saflink.com/

http://www.sony.co.jp/ProductPark/Proffesional/Components/Products/products57.html

http://www.sony.co.jp/ProductPark/Proffesional/Components/Products/products57.html

[Završni rad]

Identificator proizvodi najbitnije komponente u sistemu automatskog raspoznavanja otisaka prstiju: skenere i software. Osim toga tvrtka prodaje kompletna rješenja za specifične namjene, koja se koriste u više vladinih (AFIS) i nevladinih ustanova u SAD. Detaljniji opisi uređaja i algoritama nisu dostupni zbog prirode posla s kojim se tvrtka bavi.

U katalogu su navedeni sljedeći skeneri:


[Završni rad]

Naziv skenera Specifikacija


2010

[Završni rad]

Dimenzije: 15 cm x 6.875 cm x 18.75 cm Rezolucija: 500 dpi, 256 nijansi

sivog, izobličenje < 1% Sučelje: Video izlaz BNC RS-170 Potrošnja: 10W / 12V

DC


2010

DFR 90

[Završni rad]

Dimenzije: 8.4 cm x 7.2 cm x 12 cmPotoršnja: 10W / 12V DC

Rezolucija: 500 dpi, 256 nijansi sivog Sučelja: Video izlaz BNC RS-

170


DFR 98s

99 / 126

2010

[Završni rad]

Dimenzije: 1.75" x 1.25" x 2.5" Rezolucija: 250 dpi, 256 nijansi sivog Povezivanje s

računalom: paralelno sučelje


DFR 100

99 / 126

2010

[Završni rad]

Dimenzije: .72" x .72" (područje skeniranja) Potoršnja: 5V 110mA

Rezolucija: 330 dpi Sučelje: Video izlaz 2V, digitalni izlaz


DFR 200

99 / 126

2010

[Završni rad]

Tabela 3.3. Katalog skenera otisaka prsta proizvođača Identificator

Compaq - Compaq Fingerprint Identification Technology

Compaq surađuje s Identicatorom, te ugrađuje njihove proizvode u svoje računare kao zaštitu

od neovlaštenog pristupa. Uz pomoć Identificatorovog SDK-a (Software Development Kit) odnosno

sistema za razvoj softwarea, Compaq je razvio vlastitu aplikaciju za obradu pristupa računaru, koja

koristi Identicatorove algoritme raspoznavanja, a osim kontrole pristupa samom računaru, aplikacija

može provoditi kontrolu prijave na lokalnu mrežu ili internet, iako za sada postoji podrška samo za

Windows NT operacijski sistem. Cijena sistema je oko 100$ po računaru.


2010

[Završni rad]

Sony - Sony Fingerprint Identification Unit

Sony proizvodi cjelovit sistem koji je neovisan o računaru zbog ugrađenog mikroprocesora i

memorije u kojoj može pohraniti do 1000 prototipova. Budući da je sistem neovisan o računaru, može

služiti za kontrolu pristupa objektima, zbog posebnog hardvera cijena iznosi oko 600$ po radnom

mjestu.Fingerprint Identification Unit

Sony RS-232 0.3 s 1.0 s

1.7 W mirovanje, 3.0 W provjera, 6.5V - 15V DC

Optički42mm x 42mm x 92.5mm 5°C - 40°C

Tabela 3.4. Specifikacija proizvoda Sony Fingerprint Identification Unit

Digital Persona - U.are.U

Digital Persona nudi nekoliko rješenja za kontrolu pristupa personalnom računaru. Za sada ne

postoje mrežne mogućnosti, ali jednostavnost korištenja i mogućnost zaštite pojedinih particija i

direktorija na hard disku opravdava korištenje pod Windows sistemima. U.are.U paket se sastoji od USB

skenera i programske podrške. Cijene sustava se kreću od 100$ do 200$ po računaru.

U.are.U. 4500DigitalPersona.inc USB 2.0

Microsoft Windows (32-bit i 64-bit) 512 dpi 15 x 18 mm (0.6" x 0.7") Optički

65 x 36 x 16 mm (2.6" x 1.4" x 0.6") 0°C ~ +40°CRadna temperatura

Tabela 3.5. Specifikacija proizvoda Digital Persona U.are.U. 4500


KonekcijaProsječno vrijeme Vrijeme registracijePotrošnjaVrsta senzora

Dimenzije uređajaRadna temperatura

Naziv ■I■I

Proizvođač

KonekcijaPodrškaRezolucijaPodručje skeniranjaVrsta senzoraDimenzije uređaja

100 / 126

2010

Proizvođač

[Završni rad]

SAF/nt 2.0 je softverski paket koji podržava različite biometričke sisteme zaštite. Podržava velik

broj mrežnih mogućnosti kao i posebne razine sigurnosti i metode pristupa za istog korisnika za razna

računala u mreži. Cijena sustava je oko 150$, čemu treba dodati cijenu hardvera nezavisnih proizvođača.

4. Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica

U biometrijskim sistemima identifikacije, kao što je pominjano u ranijim poglavljima, podaci

mogu biti smješteni i obrađivani kombinovanjem različitih metoda. U manjem broju slučajeva, oni se

nalaze samo u odvojenoj bazi podataka, dok u predmetu koji korisnik posjeduje kao lični dokument

postoji određeni ključ (podatak) za pristup djelu baze koja se jednoznačno odnosi na njega. U slučaju

pametnih kartica, na memoriju mikrokontrolera su često smješteni i biometrijski podaci koji mogu (a ne

moraju) biti duplirani i u pozadinskoj bazi. Sama pozadinska baza može biti realizovana na lokalnom

nivou (npr. u firmi gde zaposleni radi) ili u širem vidu (npr. na nivou društvenog sektora). Predmet koji

koristimo prilikom identifikacije (bilo kog da je tipa) se u stručnoj literaturi zove token (taj materijalni

nosilac podataka je, recimo, lična karta, vozačka dozvola, pasoš, bilo u kakvom da su obliku). Biometrijski

sistem identifikacije uopšte ne mora biti baziran na token-ima, jer se biometrijski podaci mogu direktno

uzimati na licu mesta i upoređivati sa uzorcima iz pozadinske baze biometrijskih podataka. Takođe, može

postojati i suprotan slučaj postojanja isključivo token-a (dokumenta) bez ikakve baze biometrijskih (ili

drugih) podataka van njega.

Biometrijske karte ne treba mješati sa svim vrstama elektronskih karti niti pak sa karticama sa

mašinski čitljivom zonom. Elektronske karte koje se danas koriste za različite svrhe uopšte ne moraju

posjedovati biometrijske podatke, što je pogotovo slučaj ukoliko nisu identifikacioni dokument.

One se najčešće koriste za automatizovano obavljanje raznih usluga i uglavnom posjeduju samo

elektronski certifikat, tj. skup elektronskih procedura i mehanizama za potvrdu autentičnosti potpisnika

prilikom korištenja karti za potrebe elektronskog poslovanja. Uz ovu problematiku stoji i termin

elektronski (digitalni) potpis, koji predstavlja elektronsku analogiju običnog potpisa i koga ne treba

mješati sa gore navedenim digitalizovanim svojeručnim potpisom - namjene i oblik su im potpuno

drugačiji.


2010

Slika 4.1. Rasporostranjenost elektronskih „pametnih" kartica u svijetu

[Završni rad]

Uzevši navedeno u obzir, možemo reći da je biometrijska lična karta samo onaj tip elektronskih

ličnih karti koji agregira i karakteristične biometrijske podatke njenog imaoca. Iako problematiku

elektronskog potpisa i problematiku biometrijskih sistema identifikacije treba posmatrati odvojeno, ove

dvije oblasti se mogu (a ne moraju) preplitati. Takav je slučaj, recimo, ukoliko se biometrijski podaci

koriste za „otključavanje" elektronske karte (umesto šifre ili PIN koda recimo) da bi se koristila prilikom

elektronskih transakcija, mada je to u praksi rijetkost iz više razloga.

Elektronske karte (bilo da su biometrijske ili nebiometrijske) u kontekstu ostvarivanja tzv.

„elektronskog identiteta" načelno se mogu podeliti na tri najveće grupe:

1. One koje se koriste isključivo za identifikaciju;

2. One koje agregiraju i elektronski certifikat;

3. One koje pored svega navedenog imaju mogućnost korištenja u različitim sektorima:

zdravstvenom, za potrebe socijalnog osiguranja i sl.

Naravno, ovu podjelu treba uzeti samo uslovno, s obzirom da nije ultimativna i da postoje

različiti granični slučajevi.

4.1. Biometrijske lične karte

| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica102 / 126

2010

[Završni rad]

Biometrijske lične karte predstavljaju tip zvaničnog nacionalnog identifikacionog dokumenta koji

u sebi agregira biometrijske podatake u elektronskom obliku. Mali broj zemalja u svijetu danas ima

biometrijske elektronske lične karte na nacionalnom nivou u obavezujućem vidu. Najmodernije pametne

karte tog tipa od skora postoje u samo nekoliko razvijenih zemalja u svijetu, dok već nekoliko godina

postoje u zemljama niskog standarda građanskih sloboda. Prilično su rasprostranjene i u zemljama sa

izuzetno malobrojnom populacijom. Reakcije javnosti na takve projekte uglavnom su zavisile od stepena

razvijenosti građansko-pravnih normi, slobode govora, akademske svijesti i nezavisnosti sudskih instanci.

Nevelik broj zemalja u svijetu uveo je biometrijske elektronske lične karte. Najrazvijenije zemlje

svijeta ih za sada uglavnom nemaju, čak ni na dobrovoljnoj osnovi, osim eventualno u sektorskom

pogledu. Na Zapadu se nevladin sektor (koji se bori za građansko pravo na privatnost) i akademske

institucije protive njihovom uvođenju, smatrajući da one povećavaju moć policijskog aparata i

omogućavaju razmjenu podataka između različitih agencija.

Strukture vlasti pravdaju uvođenje takvog režima identifikacije uglavnom borbom protiv

terorizma i sistemom otpornim na falsifikovanje dokumenata, a sve češće i potrebom unapređenja

uprave. Političke elite zapadnih zemalja, shvatajući nepopularnost biometrijskih sistema identifikacije,

pokušavaju da ih uvedu na zaobilazne načine, koristeći razne neobavezujuće preporuke i kampanje.

Međutim, bez otpora javnosti ovakvi projekti prolaze samo u bliskoistočnim i nekim dalekoistočnim

zemljama poznatim po ograničenim građanskim slobodama.

Zemlje zapadne demokratije (a posebno one koje pripadaju sistemu običajnog prava) koje

planiraju uvođenje biometrijskih ličnih karti se suočavaju sa velikim pritiskom javnosti, mislećih građana,

akademskih institucija i organizacija za ljudska prava, tako da njihovo uvođenje u najmanju ruku nije

izvjesno. Evropske zemlje koje poseduju elektronske lične karte svojim građanima uglavnom ne uzimaju

biometrijske podatke i u velikom broju slučajeva ih izdaju na dobrovoljnoj osnovi. U slobodnom svijetu

postoji nekoliko slučajeva u kojima su slični projekti odbijeni, bilo zbog reakcija javnosti ili odluka

nadležnih sudova.

Evropske zemlje nemaju koherentan stav po pitanju ličnih karti, bilo po pitanju samog

postojanja (postojanje ili nepostojanje ličnih karti), režima (dobrovoljnost ili obaveznost) ili konkretne

implementacije (papirne, plastificirane, elektronske ili elektronske sa biometrijom). Isto je i sa zemljama

koje su članice EU. U mnogim od tih zemalja upotreba identifikacionih karti je sektorska jer se koriste u

oblastima socijalnog i/ ili zdravstvenog osiguranja.

Ne postoji ni zajednički stav prema upotrebi biometrijskih ličnih karti, jer jedan broj zemalja ih

planira ili uvodi, dok nešto veći broj zemalja ne smatra da su biometrijski podaci u ličnim kartama nešto

što je prijeko potrebno za bezbjednost. Sa druge strane, zemlje EU se uglavnom negativno odnose

prema konceptu centralne baze podataka ukoliko ga treba primjeniti na svoje građane, ali ga zato

uveliko primenjuju za imigrante, aplikante za azil i vizu.

Projekat uvođenja biometrijskog

načina identifikacije građana je

| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica

» OPTIČKI VARIJABILNI INSTRUMENT » RFTDČIP

• TAKTILNI LASER » SLIKA

» OTISAK PRSTA

• POZADINA JEDINSTVENOG DIZAJNA

_ DRŽAVNA ZASTAVA (MIKRO "JJ«^J • SLIKA, VISOKE REZOLUCIJE)HOLOGRAM LICA ^* MEMORIJSKI ELEMENT SA BIO METRI JSKIM Li

U5AQD0ODÜOD1ISRCODDOODOOOICC

SPEC I HEhK^TEST^IfDl E<««<«<<<

Slika 4.2. Sadržaj i struktura biometrijske lične karte na primjeru prijedloga nove lične karte u SAD-u

Slika 4.3. Biometrijska lična karta republike Srbije

2010

102 / 126

[Završni rad]

problematičan u pravnom smislu, jer se sakupljanjem tolikog broja osetljivih podataka direktno narušava

pravo na

privatnost. Država ogromnim korakom proširuje količinu podataka (JMBG roditelja, recimo) i tip

informacija (biometrija u elektronskom obliku) koje skuplja o građanima, a da o tome nije data masovna

građanska saglasnost (što je slučaj u susjednoj Srbiji gdje su nedavno u upotrebu uvedene biometrijske

lične karte).


2010

[Završni rad]

Država ne skuplja samo podatke o građanima, već u centralizovanu bazu podataka smješta

intimne djelove same ličnosti, koji čine njen identitet. Time se narušavaju ne samo državni zakoni, već i

međunarodni akti koji se odnose na privatnost. Iz tog razloga u nekim zemljama su sudski oboreni slični

projekti identifikacije građana.

Problem u pravnom smislu predstavlja i činjenica da će nova lična karta u sebi agregirati podatke

koje njen nosilac neće moći da vidi, osim preko zahtjeva službenom licu, što otvara prostor za tajne

kriptovane arhive.


2010

Slika 4.4. Sadržaj i struktura biometrijskog pasoša

[Završni rad]

4.2. Biometrijski pasoši

Na samom početku, bitno je naglasiti da su biometrijski

pasoši i biometrijske lične karte, i teorijski i praktično dva različita

projekta (jedno je nacionalni identifikacioni dokument, dok je drugo putnička isprava koja se koristi na

međunarodnom nivou) i da ih kao takve treba i posmatrati. Biometrijski pasoš poznat i kao ePasoš

(ePassport) i e-Pasoš (e-Passport) je nova vrsta pasoša koja koristi i biometrijske podatke kako bi se

označio identitet vlasnika. Podaci se pored zapisa na papiru pasoša zapisuju i u RFID čip. RFID je

skraćenica od Radio frequency identification (u slobodnom prevodu - Identifikacija putem radio

frekvencije). U čipu su, u zavisnosti od verzije zabilježene informacije potrebne za prepoznavanje

geometrije lica, otiska prsta i izgled mrežnjače oka. Ovaj pasoš je skoro nemoguće krivotvoriti. Iako je

uvođenje biometrijskog pasoša nailazilo na otpor organizacija za zaštitu ljudskih prava, ova vrsta pasoša

je uvedena u većini razvijenih zemalja, ali i u mnogim drugim zemljama.


KORICE PASOŠA

;:\V[IT\_I Kl.[ M

STRANAKA I.T^KTM PODACIMA I rOTOCRAriJOM

POLIKAEBONANINTECRISANO KOLO I MODULI

104 / 126

2010

http://bs.wikipedia.org/wiki/Ljudska_prava

http://bs.wikipedia.org/wiki/Mre%C5%BEnja%C4%8Da

http://bs.wikipedia.org/wiki/%C4%8Cip

http://bs.wikipedia.org/wiki/Biometrija

http://bs.wikipedia.org/w/index.php?title=Paso%C5%A1&action=edit&redlink=1

[Završni rad]


Slika 4.5. Rasprostranjenost upotrebe biometrijskih pasoša u svijetu

104 / 126

2010

[Završni rad] 2010

Bosanski pasoš, kao što je već rečeno, u sebi sadrži RFID (Radio-frekventni identifikator). RFID u

pasošima imaju Norveška (2005), Japan (1. mart 2006), većina zemalja Evropske unije (oko 2006),

Australija i SAD (2007), Srbija (jul 2008), Crna Gora (2008), Republika Koreja (avgust 2008), Albanija

(januar 2009). Prvi biometrijski pasoš izdala je Malezija 1998 godine.

Ideja za stvaranje biometrijskih pasoša je postala aktuelna poslje donošenja tzv. Patriot Act-a od

strane američkog Kongresa. Donošenje tog dokumenta direktno je inicirano događajima koji su se desili

11. septembra 2001. godine. USA Patriot Act je potpisan 26. oktobra 2001. godine od strane

predsednika Buša, poslje brzog i gotovo anonimnog prolaza kroz oba doma Kongresa. Teroristički napadi

koji su se tada desili i odgovor američke administracije bili su ključni pritisak na ICAO (International Civil

Aviation Organization -Međunarodna organizacija za civilno vazduhoplovstvo), organizaciju UN koja je

zadužena za donošenje sigurnosnih i ostalih standarda za pasoše, za donošenje novog standarda.

4.2.1. Biometrijski pasoš Bosne i Hercegovine

Biometrijski pasoš BiH (građanski, diplomatski i službeni) izdaje se od 15. oktobra 2009. godine u

skladu sa Zakonom o putnim ispravama BiH. Izdavanje biometrijskih pasoša vrše u Federaciji Bosne i

Hercegovine kantonalna ministarstva unutarnjih poslova, u Republici Srpskoj Ministarstvo unutarnjih

poslova i u Brčko distriktu Bosne i Hercegovine Odjel za javni registar, prema mjestu prebivališta.

Izdavanje diplomatskih pasoša vrši Ministarstvo vanjskih poslova BiH, a službenih pasoša Ministarstvo

civilnih poslova BiH.

Biometrijski ili elektronski pasoš je dokument koji sadrži elemente zaštite od falsificiranja i

elektronski čip pomoću kojeg je moguća provjera identiteta na osnovu fizioloških karakteristika osobe

koja je podvrgnuta nekoj kontroli. Građanski, diplomatski i službeni pasoši se međusobno razlikuju po

reljefnoj izradi korica i različitim bojama i unutarnjem tekstu. Podaci o nosiocu pasoša personaliziraju se

na drugoj stranici pasoša, a ugrađeni beskontaktni čip je elektronski personaliziran sa biometrijskim

podacima vlasnika (fotografija, potpis, otisci prstiju). Sa aspekta vrste upisa i zaštite podataka u čipu,

riječ je o extended access control (EAC) pasošu. Ovo je najnovija generacija biometrijskih pasoša koje

zemlje članice Evropske unije, u skladu sa Regulativom EC 444/2009, trebaju početi izdavati do 26. juna

2012. godine. EAC pasoši podrazumijevaju više digitalnih certifikata i posebnu zaštitu otiska prsta u

odnosu na biometrijske pasoše prethodne generacije.

U okviru ovog dokumenta opisani su elementi zaštite obrasca putne isprave pred personalizaciju

i nakon personalizacije. Međutim, osnovna snaga sistema dokumenata u BiH jeste postupak i procedure

koje se provode prilikom izdavanja dokumenata:


http://bs.wikipedia.org/wiki/1998

http://bs.wikipedia.org/wiki/Malezija

http://sr.wikipedia.org/sr-el/%D0%90%D0%BB%D0%B1%D0%B0%D0%BD%D0%B8%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%A0%D0%B5%D0%BF%D1%83%D0%B1%D0%BB%D0%B8%D0%BA%D0%B0_%D0%9A%D0%BE%D1%80%D0%B5%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%A6%D1%80%D0%BD%D0%B0_%D0%93%D0%BE%D1%80%D0%B0

http://sr.wikipedia.org/sr-el/%D0%A1%D1%80%D0%B1%D0%B8%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%A1%D0%90%D0%94

http://sr.wikipedia.org/sr-el/%D0%90%D1%83%D1%81%D1%82%D1%80%D0%B0%D0%BB%D0%B8%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%90%D1%83%D1%81%D1%82%D1%80%D0%B0%D0%BB%D0%B8%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%95%D0%B2%D1%80%D0%BE%D0%BF%D1%81%D0%BA%D0%B0_%D1%83%D0%BD%D0%B8%D1%98%D0%B0

http://sr.wikipedia.org/sr-el/%D0%88%D0%B0%D0%BF%D0%B0%D0%BD

http://sr.wikipedia.org/sr-el/%D0%9D%D0%BE%D1%80%D0%B2%D0%B5%D1%88%D0%BA%D0%B0

http://sr.wikipedia.org/sr-el/%D0%A0%D0%A4%D0%98%D0%94

http://sr.wikipedia.org/sr-el/%D0%A1%D1%80%D0%BF%D1%81%D0%BA%D0%B8_%D0%BF%D0%B0%D1%81%D0%BE%D1%88

[Završni rad]

V on-line sistem u kome su uvezani svi organi koji izdaju pasoše i vrše uvid u dokumente na

osnovu kojih se izdaju pasoši (lične karte, ulazni dokumenti - rodni list i uvjerenje o

državljanstvu),

V prije personalizacije dokumenta vrši se biometrijska provjera podataka,

V svaka aktivnost na sistemu i svaki pristup podacima se loguje,

V uveden je višeslojni sistem zaštite, od fizičke zaštite na lokacijama nadležnih organa, preko

zaštite na nivou mreže, računara, pa do korištenja sistema digitalnog potpisa.

U sistem je uvezano preko 300 fizičkih lokacija MUP-ova, općina - matičnih ureda, diplomatsko-

konzularna mreža (DKP), sa preko 800 korisnika koji direktno rade na procesu izdavanja pasoša.


2010

[Završni rad

Korice pasoša su

izrađene od sintetičkog

materijala plave boje, a natpisi

na njima su štampani otiskom

zlatne boje. U ovisnosti od

vrste pasoša (građanski,

diplomatski,

službeni), razlikuju se i Slika 4.6. Korice BiH pasoša

natpisi na koricama. Na prednjoj strani korica nalazi se ICAO znak za elektronski pasoš.

Unutarnje stranice korica su izrađene od zaštitnog papira.

Pozitivni i negativni mikro tekst je sadržan u pozadinskoj

sigurnosnoj štampi, kao i dubokoj štampi koja se može opipati.

Sadrže motive koji se mogu provjeriti pod UV i IR svjetlom, kao i

motiv štampan optički varijabilnom bojom.

Na naslovnoj stranici pasoša nalazi se serijski broj pasoša

sa bar-kodom, kao i broj pasoša koji reagira pod UV svjetlom.

Stranica sa podacima je izrađena od zaštitnog papira sa vodenim

žigom sa grbom Bosne i Hercegovine i natpisom „BIH". Stranica

sa podacima je personalizirana sa podacima vlasnika pasoša. Ova

stranica sadrži sekundarnu fotografiju (ghost image) i zaštićena

je transparentnom kinegramskom folijom.


XX

Slika 4.8. Stranica sa podacima

107 / 126

MCiu / iTr.itrc*i-iOCTjKA AMD Hl

HflJUK*■

Slika 4.7. Unutarnja strana korica pasoša

P<BlHKQVAC£VIC<<AZRA<ffARINA«<<<<<<<<<<<<<-c<-< A000&<.l8<asih85a6l17F1 M02 73<«<<«<<< <<<e*a

Slika 4.9. Unutarnje stranice pasoša

[Završni rad]

Unutarnje stranice su izrađene od zaštitnog papira sa

vodenim žigom i sadrže ugrađenu sigurnosnu nit. Unutarnje stranice

od broja 3 do broja 32 su laserski perforirane sa serijskim brojem

pasoša. Pozadinska sigurnosna štampa se sastoji od složenih linija i

strukture protiv kopiranja i sadrži pozitivni i negativni mikro tekst.

Pasoš je uvezan višebojnim koncem koji postaje fluorescentan pod

UV svjetlom.


2010

[Završni rad

4.3. RFID čip

RFID je skraćenica od Radio frequency identification (u slobodnom prevodu -Identifikacija putem

radio frekvencije). RFID je sistem daljinskog slanja i prijema podataka pomoću RFID pločica/odašiljača.

RFID pločica je izuzetno mali objekat koji se može zalijepiti li ugraditi u željeni proizvod. RFID pločice

sadrže u sebi antenu koja im omogućava prijem i slanje radio talasa od RFID primopredajnika. Kao

preteča RFID tehnologije uzima se izum Leona Termina (Leon Theremin), ruskog pronalazača, koji je

1945. konsturisao špijunski alat - vrstu bubice koja je koristila energiju radio talasa da bi slala signale. Kao

takav, ovaj uređaj nije mogao da bude detektovan osim kada je daljinski napajan i osluškivan. Takva

konstrukcija davala mu je i svojstvo teorijski neograničenog veka trajanja.Slika 4.10. RFID čip

U aplikacijama za praćenje, RFID se pojavio 1980-ih godina i brzo zadobio veliku pažnju zbog

svoje sposobnosti da prati pokretne objekte. Kao prefinjena tehnologija, sa neslućenim mogućnostima

primjene, on se stalno razvija i spektar mogućih upotreba ove tehnologije se stalno širi.

Pretpostavlja se da je prvi istraživački rad koji je objavljen djelo Hari Stokman-a (Harry

Stockmann) koji je taj rad objavio 1948. godine pod naslovom "Komunikacija kao odraz moći". Stokman

je već tada predvidio da do široke primjene RFID pločica predstoji dug i mukotrpan rad na istraživanju i

razvoju na polju radio frekvencionih komunikacija. I kao što smo vidjeli bilo je potrebno više od 30

godina da bi RFID pločice zaživjele u praksi.

Aplikacije gdje je potrebna sigurna i jedinstvena identifikacija te dugotrajnost i izuzetna

otpornost identifikatora na razne specifične uticaje okoline (što je slučaj sa ličnim dokumentima), a nije

potrebna direktna vidljivost, idealne su za primjenu RFID tehnologije.

U većini okruženja, RFID postiže 99.5% do 100% očitanja u prvom skeniranju. Takođe, RFID je

bez pokretnih djelova ili optičkih komponenti što njegovo održavanje čini veoma jednostavnim. Primjena

RFID čipova i njihova standardizacija još uvijek su u početnoj fazi.

Nekoliko različitih kategorija sistema pretpostavlja različitu opremu:

EAS (Electronic Artide Surveillance) sistemu za elektronsko praćenje artikala je potreban

transponder sa samo jednim bitom memorije. To je dovoljno za detekciju prisutnosti proizvoda.

Ovakavi se sistemi susreću u trgovinama gde je svaki artikal označen, a čitač-antena smješten je

na izlazu.

Sistem mobilnog prikupljanja podataka. Sistem pretpostavlja korištenje ručnih prenosnih

terminala s integrisanim RFID čitačem, a prema potrebi i čitačem bar-koda. Takav uređaj

omogućuje i upisivanje novih podataka u aplikaciji gde se koriste Čitaj / Piši transponderi, a

može imati veliku memoriju za čuvanje prikupljenih podataka. Mrežni sistem se obično sastoji

od fiksnih čitača, smještenih tako da mogu čitati informacije s transpondera koji pored njih

prolaze. Ti transponderi mogu biti učvršćeni na neki objekat, proizvod ili na odjeću osoblja neke

ustanove, zavisno od primjene. Čitači su spojeni putem mreže na sistem upravljanja

informacijama i omogućavaju kontrolu u realnom vremenu.

U sistemu za pozicioniranje transponderi se koriste za automatsko lociranje i navigaciju za

vođena vozila. Čitači su smješteni na vozila i povezani s računarom, a transponderi (opremljeni

informacijom o lokaciji) pričvršćeni su duž puta kojim se vozila moraju kretati.

Osim nosilaca informacije, RFID sistem zahtjeva i sredstvo kojim će te informacije biti pročitane, i

zatim prenesene računaru odnosno informacionom sistemu. Naravno, dio sistema mora biti i način

kojim će se unjeti ili programirati transponderi ako to nije već učinjeno u trenutku njihove proizvodnje.


✓

✓

107 / 126

http://sr.wikipedia.org/w/index.php?title=%D0%A7%D0%B8%D1%82%D0%B0%D1%87&action=edit&redlink=1

http://sr.wikipedia.org/sr-el/%D0%A2%D0%B5%D1%80%D0%BC%D0%B8%D0%BD%D0%B0%D0%BB

http://sr.wikipedia.org/sr-el/%D0%90%D0%BD%D1%82%D0%B5%D0%BD%D0%B0

http://sr.wikipedia.org/sr-el/1948

http://sr.wikipedia.org/w/index.php?title=%D0%A5%D0%B0%D1%80%D0%B8_%D0%A1%D1%82%D0%BE%D0%BA%D0%BC%D0%B0%D0%BD&action=edit&redlink=1

http://sr.wikipedia.org/sr-el/1980%D0%B5

http://sr.wikipedia.org/w/index.php?title=%D0%91%D1%83%D0%B1%D0%B8%D1%86%D0%B0&action=edit&redlink=1





http://sr.wikipedia.org/w/index.php?title=%D0%9B%D0%B5%D0%BE%D0%BD_%D0%A2%D0%B5%D1%80%D0%BC%D0%B8%D0%BD&action=edit&redlink=1

[Završni rad]

RFID uređaj (čitač, odnosno terminal za prikupljanje informacija) koristi radio transmisiju za

slanje energije transponderu (RFID Tag) koji onda emituje povratnu informaciju: jedinstveni

identifikacioni kod i/ili niz podataka, ranije smješteni u samom transponderu. Tako prikupljene podatke ,

moguće je dalje obrađivati.

Riječ transponder izvedena je od termina transmitter/responder, prema funkciji tog uređaja koji

na transmisiju čitača odgovara (respond) podatkom. Osnovne komponente transpondera su mikročip i

antena, zaliveni u kućište otporno na uticaj okoline.Nekoliko karakteristika razvrstavaju RFID transpondere u različite grupe:

S način odnosno sredstvo napajanja,

S sposobnost čuvanja podataka,

S opcije programiranja,

S radna frekvencija i s time u vezi

S opseg (udaljenost) čitanja,

S fizički oblik i na kraju

S cjena.

Fizički, uopštene su kategorije:

✓ transponder (tag),

✓ "smart" naljepnice,

✓ RFID pločica (PCB),

Nosilac informacije u obliku transpondera, naljepnice, ili PCB-a obično se postavlja na objekat ,

tako da može putovati s njim i na svakom koraku ga identifikovati. Podaci u transponderu mogu biti

raznovrsni.


2010

http://sr.wikipedia.org/w/index.php?title=%D0%A2%D1%80%D0%B0%D0%BD%D1%81%D0%BF%D0%BE%D0%BD%D0%B4%D0%B5%D1%80&action=edit&redlink=1

[Završni rad]

RFID transponder (tag) - Transponderi se proizvode u vrlo različitim

oblicima, veličinama, s različitim kapacitetima memorije i sposobnostima

"preživljavanja" u okolini. RFID transponder može biti dovoljno malen da se

smjesti pod kožu životinje ili čovjeka, može biti uobličen kao ekser ili šaraf za

označavanje drvene građe ili u obliku kreditne kartice za korištenje u

aplikacijama kontrole pristupa.

RFID PCB - PCB pločica (Printed Circuit Board) je namjenjena ugradnji u

proizvod ili ambalažu (pasoš recimo). Prednost joj je niža cijena i sposobnost

podnošenja uslova okoline koje RFID naljepnice ne bi podnjele.

RFID naljepnice - Nova generacija "pametnih" (smart) naljepnica opremljena

je RFID tehnologijom i nadilazi neka ograničenja tradicionalnog bar-koda.

Integrirani elektronički sklop sadrži digitalnu memoriju i može biti

programiran ili re-programiran korištenjem radio-talasa. Smart naljepnice

imaju očiglednu prednost pred tradicionalnim bar-kod naljepnicama u

aplikacijama gde je potrebna kombinacija efikasnosti čitanja i vizuelna,

ljudskom oku razumljiva informacija.


2010

Slika 4.11. RFID transponder

Slika 4.12. RFID PCB

Slika 4.13. RFID naljepnica

http://sr.wikipedia.org/sr-el/%D0%9A%D1%80%D0%B5%D0%B4%D0%B8%D1%82%D0%BD%D0%B0_%D0%BA%D0%B0%D1%80%D1%82%D0%B8%D1%86%D0%B0

[Završni rad]

Transponderi mogu imati različite kapacitete memorije, sposobnosti "pisanja i čitanja", izvore

energije, razne radne frekvencije. Tri su mogućnosti podržane RFID tehnologijom, a zavise o tipu

memorije transpondera:

S Read Only (R) - samo čitanje transpondera koji u procesu proizvodnje dobija svoj jedinstveni

serijski broj. Jednom smještena informacija ne može se mjenjati.

S Write Once Read Many (WORM) - korisnik sam programira memoriju transpondera, ali podatak

može upisati samo prvi put, nakon čega on ostaje permanentno pohranjen.

S Read/Write (R/W) - korisnik može mnogo puta upisati informaciju na transponder. Read-write

transponderi obično imaju serijski broj koji se ne može izbrisati, a podaci koji se upisuju, dodaju

se tome. Read-write transponderi su korisni u kompleksnijim aplikacijama ali i skuplji, pa nisu

praktični za označavanje jeftinih proizvoda.

Transponderi za rad trebaju energiju, iako u izuzetno malim količinama (mjeri se u mikro ili mili vatima).

Pasivni transponder nema sopstveno napajanje, energiju dobiva isključivo putem RF emisije od

čitača. Manji je, laganiji, jeftiniji od "aktivnog" transpondera i ima praktično neograničen životni vjek.

Nedostatak mu je manji domet prenosa signala. Kapacitet memorisanja podataka mu je također slabija

strana, kao i manja otpornost na elektromagnetnu buku u okruženju. Od 2004 godine pasivne RFID

pločice su dostupne I u PASIVNI malim

formatima 0.4mm x 0.4mm a tanje su od

običnog lista papira, takav uređaje je

praktično nevidljiv.

Polu-pasivni transponder ima

bateriju kojom napaja čip, ali za

komunikaciju koristi energiju čitača.

Aktivni transponder ima svoje

napajanje - bateriju s ograničenim vjekom

trajanja, tipično nekoliko godina zavisno o

uslovima okoline i

korištenju. Neki tipovi aktivnih

transpondera mogu imati i zamjenjivu

bateriju. Skuplji su i veći, ali imaju veći

domet transmisije signala, bolji imunitet na buku i bržu transmisiju podataka u području visoke

frekvencije. Obično mogu funkcionisati u vrlo velikom rasponu temperatura od -50° C do +70° C.

Aktivni i polu-pasivni transponderi su korisni za praćenje vrijedne robe ili objekata o kojima se

informacija mora pročitati izdaleka, no oni mogu biti dva do tri puta skuplji od pasivnih transpondera.

Pasivni UHF transponderi moraju biti pročitani s manje udaljenosti, ali su jeftiniji i mogu se baciti zajedno

s ambalažom proizvoda.

Transponderi komuniciraju s čitačem putem radio talasa. Radio talasi su dio elektromagnetskog

spektra za koji u svakoj državi postoji zakonska regulativa. Problem s RFID komunikacijom je u tome što

su u različitim zemljama svjeta djelovi spektra različito raspodjeljeni prema namjeni (transponder koji

radi na 915 MHz u jednom djelu sveta neupotrebljiv je negdje gdje je to područje rezervisano za druge

aplikacije).

Svaka država upravlja frekvencijama u skladu s regulativom triju postojećih područja: Evropa i

Afrika predstavljaju Region 1, Sjeverna i Južna Amerika Region 2, a Australija i Azija Regiju 3. Postoji

inicijativa za postizanje određenog stepena slaganja u pogledu korištenja frekvencijskih područja do

2010. godine, ali ih je trenutno za primenu RFID tehnologije vrlo malo dostupno na globalnom nivou.


2010

Slika 4.14. Vrste transpondera

[Završni rad]

Uopšteno, RFID sistemi se klasifikuju u tri frekvenciona područja. Svako ima svoje karakteristike i

tipično područje primene:

S Low Frequency - 100-500 kHz, a najčešće 125 kHz, najkraćeg dometa signala i najmanje brzine

očitavanja i prenosa;

S High Frequency - 10-15 MHz, a najčešće 13,56 MHz, kratkog do srednjeg dometa signala, srednje

brzine očitavanja i prenosa; Postoji i sistem standardizacije: ISO 15693 predstavlja standard za

čipove i čitače koji rade na frekvenciji od 13,56 MHz.

S Ultra High Frequency (UHF) - rade u rasponu od 433 - 915 MHz, i 2,45 GHz, najvećeg dometa

signala (pod FCC regulativom), veće brzine prenosa. Kod ovih transpondera ne smije biti

prepreke između čitača i transpondera - UHF radio-talas ne prodire tako dobro kroz materijale i

zahtjeva više energije za transmisiju u datom opsegu nego talas niže frekvencije. Tri su najčešće

frekvencije (kao predstavnici ovih grupa) 125 kHz, 13,56 MHz i 2,45 GHz. Većina zemalja koristi

125 kHz ili 134 kHz područje za sisteme niske frekvencije, i 13,56 MHz za sisteme visoke

frekvencije.

Brzina očitavanja i prenosa podatka je povezana s frekvencijom. Što je viša frekvencija to je brži

prenos. O frekvencijskom području donekle zavisi i domet signala transpondera. Ima i drugih faktora -

snaga čitača, interferencija koju stvaraju objekti u okolini (posebno metalni) i drugi RF uređaji. Obično,

domet pasivnih transpondera (bez baterija) niske frekvencije je 30 cm ili manje, transpondere visoke

frekvencije moguće je pročitati s udaljenosti oko 90 cm ili manje, a UHF transpondere s 3 do 6 m. Tamo

gde je potreban veći domet koriste se aktivni transponderi koji ostvaruju i veći domet signala.

Memorijski kapacitet transpondera - Transponder može imati i samo jedan bit - na primjer,

sistem za električno praćenje artikala (EAS) u trgovini treba samo taj jedan bit da bi pokrenuo alarm

jednom kad je pobuđen u polju čitača. Takvi transponderi su korisni i tamo gdje se artikli broje. Za

čuvanje serijskog broja, po mogućnosti zajedno s kontrolnim bitovima dovoljno je 128 bita. Serijski,

odnosno identifikacioni broj može upisati proizvođač ili sam korisnik unutar svoje aplikacije. Veći

kapaciteti memorije, do 512 bita, uvjek su programabilni -osim same identifikacije korisnik može upisati

razne podatke o označenom objektu, upute za daljnje postupke u nekom procesu ili rezultate ranijih

akcija nad objektom (što može biti primjenjeno u ličnim identifikacionim dokumnetima).

Čitač/interogator - RFID čitači (često se nailazi i na termin interogator) prilično se razlikuju po

kompleksnosti, što zavisi od tipu transpondera s kojima radi i o funkcijama koje mora imati. Njihov

zadatak je komunikacija s transponderima i prenos podataka dalje, do računara. Funkcije čitača mogu

biti i provjera i ispravljanje grešaka. Kad je signal transpondera primljen i dekodiran, prema Command

Response protokolu, čitač će na ponovljeno slanje signala odgovoriti instrukcijom transponderu da

prestane emitovati. Ovaj se protokol koristi za rešavanje problema koji se mogu pojaviti kod čitanja

brojnih transpondera u kratkom vremenu (npr. Kontrola na državnim granicama). Razne tehnike se i

dalje razvijaju kako bi se poboljšao postupak očitavanja, pa čitači mogu registrovati više transpondera

istovremeno.

Područja primjene RFID tehnologije - Primjenu RFID

tehnologije možemo zamisliti u bilo kojem području ljudskog

djelovanja gde se barata podacima. Trenutno se RFID najviše


2010

http://sr.wikipedia.org/w/index.php?title=%D0%98%D0%A1%D0%9E_15693&action=edit&redlink=1

[Završni rad]

susreće u transportu i logistici, proizvodnji i kontroli. Neki su

primeri označavanje životinja u uzgoju, praćenje proizvoda u

lancu nabavke, kontejnera koji se ponovno koriste, djelova

koji se kreću kroz pogon u proizvodnom lancu, praćenje

poštanskih pošiljaka i prtljaga u avioprevozu, naplata

putarine i parkinga, kontrola pristupa vozilima, zatim EAS

aplikacije u trgovinama, zaštita vrijednih predmeta od krađe, Slika 4.15. Kapsule s RFID čipom koje se

praćenje osnovnih sredstava. Kontrola ulaza i radnog ugrađuju u hucte

vremena je još jedna tipična aplikacija, i sigurnosna kontrola pristupa određenim lokacijama. U skorije

vrijeme, osim upotrebe u identifikacionim dokumentima, javila se inicijativa (od strane SAD-a) za

ugrađivanjem RFID čipova u ljude. Iako još u začetku i nedovoljno ispitana, ova inicijativa izaziva veoma

burne reakcije kako američke tako i svjetske javnosti.

4.4. Sistem kontrole državinh granica

Sigurnost međunarodnog putovanja zavisi od pouzdanih dokumenata i sistema međunarodne

saradnje, te razmjene informacija. Međunarodni standardi su neophodni za efikasan globalni sistem

pasoša i viza. Međunarodna zajednica je uz pomoć UN-a i Međunarodne organizacije za civilnu avijaciju

(eng. International Civil Aviation Organization (ICAO) utvrdila očekivanja, prakse i standarde za

međunarodna putovanja i prateću dokumentaciju. Svaka država može raditi na poboljšanju sigurnosti i

vjerodostojnosti svojih dokumenata i na taj način doprinijeti da se usklade međunarodni standardi koje

je utvrdila ICAO i sigurnost putovanja.

Uloga pasoša je da identificira državljane određene države u korist drugih država, te da osobama

garantira pravo povratka. Povećana sigurnost je jedan od najvećih prioriteta za vlade i prijevoznike.

Osnov za sigurnost međunarodnog putovanja je dokaz identiteta i državljanstva. Pasoš je također bitan

za zaštitu i podršku državljanima u inostranstvu. Prepoznavanje fizionomije lica odabrano je kao

globalna interoperativna biometrijska karakteristika za potvrđivanje identiteta uz pomoć mašina kod

mašinski čitljivih putnih isprava. U okviru sveobuhvatne analize različitih dostupnih biometrijskih

podataka pokazalo se da lice osobe ima najbolje biometrijske karakteristike u smislu kompatibilnosti s

ključnim operativnim uvjetima, a nakon lica slijede otisak prsta i oči. Granične službe i osoblje

avioprijevoznika već dugo vremena koriste karakteristike lica za potvrdu identiteta i poređenje sa

"identifikacijskim dokumentom sa slikom". Tehnologija prepoznavanja lica osobe ubrzava ovaj postupak

jer se upotrebom kamere slika lice i kompjuterski se potvrđuju karakteristike lica određene osobe.

Korištenje biometrijskih identifikatora predstavlja privlačnu novu tehnologiju, prvenstveno zbog

tačnosti te tehnologije u pogledu potreba identifikacije. Tehnologija mora osigurati adekvatan balans

između, s jedne strane, privatnosti i građanskih sloboda i, s druge strane, mogućnosti da se poboljšaju

sigurnosne odlike. Čini se da biometrijski sistemi identifikacije uz korištenje otisaka prsta, skeniranja

šarenice (oka), geometrije lica, itd. imaju značajan potencijal za postizanje tačnosti i sigurnosti, iako

troškovi i pitanja privatnosti mogu biti prepreke za potpuno provođenje. Prisutan je sve veći interes za

biometrijske identifikatore kao što su sistemi otiska prsta/dlana, skeniranje šarenice (oka) i mjerenja lica.

Za svaku od navedenih metoda provjeravaju se i testiraju tačnost, trošak i pitanja privatnosti.

U nekim slučajevima se primjenjuje pristup na dobrovoljnoj osnovi uz davanje poticaja. Kanada i

SAD su prve započele ovaj proces sa NEXUS programom kojim zajedno upravljaju primarne granične

službe. Otisci prstiju korišteni su kao biometrijski identifikator na graničnim prijelazima koji su

obuhvaćeni programom, dok se skeniranje šarenice (oka) testiralo na aerodromima u Ujedinjenom

Kraljevstvu, Holandiji i Njemačkoj.


2010

Slika 4.16. Postupak provjere

biometrisjkih pasoša

[Završni rad]

Standardni postupak provjere pasoša na državnim

granicama sastoji se od nekoliko osnovnih koraka, kojih se po

pravilnicima medjunarodnih organizacija pridržavaju službenici u

svim razvijenijim zemljama :

1. Službenik prevlaci stranicu pasoša s podacima preko

posebnog skenera kako bi bile pročitane dvije printane linije na

dnu stranice. Ovo predstavlja svojevrsan postupak otključavanj

(ključ je sadržan u linijama karaktera i jedinstven je za svaki

pasoš) koji omogućava nastavak procedure.

2. Službenik drži otvoren pasoš iznad drugog skenera, zatim

poredi vaš izgled (a) sa slikom u pasošu (b) i svim podacima sa

vašeg pasoša koje vidi na monitru, a koji su očitani sa RFID čipa.

Podaci na monitoru takođe potvrđuju da je vaš dokument validan

i da nije krivotvoren.

3. RFID čip je ugrađen u korice vašeg pasoša i sadrži podatke

koji ne mogu biti pročitani bez sigurnosnog ključa kao što je

navedeno u prethodnon koraku.

4. Kada je pasoš pozicioniran iznad skenera (kontakt nije

neophodan), radio talasi iz čitača aktiviraju čip i kodirani podaci

se prenose u čitač. Na taj način je službeniku omogućena vizuelna

uporedba kako je navedeno.

5. Tanki zaštitni sloj na koricama pasoša onemogućava čitanje

vaših podataka ukoliko je pasoš zatvoren (npr. dok ga nositeu sloj

neće pobuditi detektore metala na ajrodromima.

džepu ili torbi). Ovaj zaštitni


[Završni rad]

Koncept integrisanog upravljanja granicom obuhvata koordinaciju i saradnju među svim

relevantnim službama i agencijama koje su uključene u nadzor granice i kontrole na granici, kako bi se

izgradili djelotvorni, efikasni i integrisani sistemi upravljanja granicama, sa zajedničkim ciljem stvaranja

otvorenih, ali kontrolisanih i sigurnih granica.

U zaštitu Bosanskoherčegovacke granice i u prekogranične kontrolne aktivnosti uključene su

sljedeće državne službe i tijela: Granična policija Bosne i Hercegovine, Uprava za indirektno

oporezivanje, Ured za veterinarstvo BiH, zajedno sa entitetskim veterinarskim inspekcijama, Uprava BiH

za zaštitu zdravlja bilja, zajedno sa entitetskim fitosanitarnim inspekcijama i inspekcija Brčko Distrikta

Inspekcije entiteta i Brčko Distrikta (tržišna i sanitarna), kako na graničnim prijelazima, tako i na

mjestima unutrašnjeg carinjenja i carinskim ispostavama.

S obzirom da su SAD najsnažniji inicijator uvođenja većih mjera sigurnosti i novih elektronskih

biometrijskih identifikacionih dokumenata, tako je i njihov sistem pogranične kontrole vjerovatno jedan

od najboljih primjera za analizu koliko međusobno povezanih informacionih sistema koordinirano

funkcioniše pri ovoj kontroli. Nadalje će biti ilstrativno prikazan Američki pogranični sigurnosni sistem sa

pratećim programima.


[Završni rad]

Programi koji su korišteni u ovakvom sigurnosno sistemu:

1. ADIS (eng. Arrival Departure Information System) je

baza podataka u kojoj se pohranjuju podaci o

dolascima i odlascima datog subjekta, baziran na

podacima dobivenim preko pomorskih i zračnih

prevozničkih kompanija.

2. APIS (eng. Advance Passenger Information System)

je sistem koji bilježi podatke o dolascima i

odlascima datog subjekta unaprijed, baziran na

podacima dobivenim preko pomorskih i zračnih

prevozničkih kompanija.


2010

Slika 4.17. Sigurnosni sistem graničnog prelaza

[Završni rad]

1. IBIS (eng. Interagency Border Inspection System) je sistem koji održava bazu podataka sa

popisom lica osumljičenih za krivčna djela ili sličnih podataka od interesa za sigurnost (Popis za

nadzor - eng. Watchlist). Ovaj sistem se održava u saradnji sa bazama podataka drugih agencija

(CIA,FBI, i sl.) i tenutno je pod upravom inspektora koji na graničnim prelazima pri ulasku u

zemlju provjeravaju ili mijenjaju podatke o putnicima.

2. IDENT (eng. Automated Biometric Identification System) je automatizirani sistem

biometrijske identifikacije koji skuplja i pohranjuje biometrijske podatke stranih državljana koji

posjećuju SAD.

3. SEVIS (eng. Student Exchange Visitor Information System) je sistem koji sadrži podatke o

stranim studentima.

4. CLAIMS 3 (eng. Computer Linked Application Information Management System) je

sistem koji sadrži podatke o stranim državljanima koji zahtijevaju određene benificije kao npr.

promjenu statusa ili produženje boravka.

5. CCD (eng. Consular Consolidated Database) je sistem koji sadži podatke o osobama koje

su dobile Američku vizu ili su tek aplicirale za istu.

Otvorene, ali kontrolisane i sigurne granice podrazumijevaju dva osnovna zahtjeva :

1. Granice moraju biti „širom"otvorene za trgovinu i kretanje lica, kako za saradnju unutar

regije tako i za međunarodnu interkontinentalnu saradnju. Slobodna trgovina i kretanje lica

ključni su faktori liberalizacije društva.

2. Granice moraju biti zatvorene za sve kriminalne aktivnosti ili bilo kakve druge aktivnosti

koje ugrožavaju stabilnost u zemlji i u regiji. Problemi vezani za krijumčarenje svih vrsta, ilegalne

migracije, terorizma i organizovanog kriminala moraju se rješavati u cijeloj regiji, a posebno na

granici i graničnim prijelazima.

5. Zaključak

Biometrija je disciplina koja razvojem nauke, a prije svega digitalno-informacijske tehnologije,

dobiva sve značajnije mjesto u različitim područjima društvenog života, ljudskog rada i interesa. Tako se

dostignuća biometrije vrlo često koriste u područjima medicinske dijagnostike, privatne zaštite, nadzora

kretanja na određenim javnim prostorima, identifikacije osoba za kriminalističke i nekriminalističke

potrebe, i dr.

Biometrija se koristi od davnih vremena i razvijala se u skladu sa razvojem ljudskog znanja,

odnosno tehnologije i nauke, čiji vrtoglavi razvoj u zadnjim desetljećima otvara neslućene mogućnosti

njihovog apliciranja u područjima identifikacije. Klasične metode identifikacije u novom okruženju

dobivaju novu, dodatnu kvalitetu, a ustanovljuju se i potpuno nove metode.

U okviru ovog rada prikazan je pregled do sada istraživanih metoda biometrijske identifikacije od

kojih su do danas, praktičnu primjenu, svojim prednostima izborile samo neke.

Većina poznatih biometrijskih metoda tek je u začetku, a mogućnosti razvoja tih i

ustanovljavanje novih može se širiti unedogled. Interes društva, bilo da se radi o području policijsko-

kriminalističke ili području privatne sigurnosti, je da se istraživanje i razvitak biometrijskih mogućnosti u

području identifikacije nastavi.

Nalazimo se u razdoblju postojanja brojnih kontroverzi vezanih uz valorizaciju i optimalizaciju

ponuđenih biometrijskih metoda kako u komercijalnoj tako i u policijskoj primjeni, koje su neizbježne pri

pojavi svega novog i nepoznatog. Stiče se dojam da se zbog trenutne fasciniranosti novim metodama

zapostavljaju neke klasične metode identifikacije, koje u biometrijskom okruženju dobivaju na kvaliteti i

primjenjivosti. Tako se npr., daktiloskopija koja je prema svim pokazateljima vrlo pouzdana, neupitno

visoke identifikacijske razine, s izrazito malom mogućnošću pogreške, koja je i u kadrovskom i u

materijalno-tehničkom aspektu vrlo prihvatljiva, jer za njenu provedbu nije potreban sofisticiran i skup

instrumentarij, niti ekspertni kadrovski potencijali, nepravedno sve više zapostavlja. Treba vjerovati, da

će nakon velikih amplituda, od skeptičnosti do fasciniranosti, protokom vremena, senzibiliziranjem

mjerodavnih i usavršavanjem pojedinih biometrijskih metoda, slijediti osvješćivanje i primjena

ponuđenih mogućnosti s pravom mjerom.


2010

[Završni rad]

Biometrija je donjela izuzetan napredak u ovoj oblasti identifikacije. Međutim i ovi sistemi imaju

svojih ograničenja sa određenim implikacijama po sigurnost. Postoje i velike sumnje u pogledu

zloupotrebe biometrije, kao i njenog uticaja na privatnost.


2010

[Završni rad]

Donošenje zakonskih propisa u ovoj oblasti, definisanje standarda i pravila ponašanja mogu

djelimično razvejati ove sumnje. Međutim činjenica da je biometrija jedinstveni i univerzalni identifikator

koji i bez saglasnosti subjekta može povezati njegove različite lične podatke, kao i mogućnost namernog

zaobilaženja zakonskih regulativa (delimično suspendovanje ljudskih prava i sloboda u SAD-u poslje

napada 11.09.2001 godine tzv. Patriot Act) nalažu detaljnu analizu i odeđivanje oblasti stvarne potrebe

njenog korištenja, kao i primene dodatnih tehnika radi sprečavanja zloupotreba i očuvanja privatnosti.

Skoriji razvoj tehnologije skeniranja otisaka prstiju i poboljšavanje tačnosti i brzine algoritama za

prepoznavanje prouzrokovalo je da automatska identifikacija postane pouzdana zamjena ili dopuna

tradicionalnih metoda identifikacije. U okviru rada napravljen je kratak pregled identifikacije pomoću

otisaka prstiju i ukratko opisani algoritmi za ekstrakciju detalja, poboljšavanje, prepoznavanje i

klasifikaciju. Također su predstavljeni i ukratko opisani najrazvijeniji komercijalni sistemi koji se danas

primjenjuju u ovoj oblasti biometrijske identifkacije.

Za razliku od identifikacije lozinkama, performanse algoritama sa otiscima su veoma varijabilne.

Stalno se povećavaju zahtjevi za što bržim i preciznijim algoritmima za rad sa otiscima koji bi mogli da

obrađuju i slike otisaka lošijeg kvaliteta. Važan predmet budućeg istraživanja bi moglo biti ujedinjavanje

identifikacije bazirane na otiscima sa drugim biometrijskim i nebiometrijskim tehnologijama. Međutim

nesumnjivo je da će biometrijska identifikacija u budućnosti imati veliki uticaj na to kako obavljamo

svakodnevne poslove. I takođe je sigurno da će u godinama koje dolaze, otisci, kao najzrelija i najbolje

proučena biometrijska metoda, biti sastavni dio gotovo svih sistema identifikacije.

Pregled slika i tabela

Pregled slika

Slika 1. Procentualni odnos zastupljenosti metoda biometrijske identifikacijeSlika 1.1. Podjela biometrijskih sistema po porijeklu karakteristika

Slika 1.2. Blok dijagram biometrijskog sistemaSlika 1.3. Naprava za mjerenje dimenzija glave čovjeka iz 1913. godine

Slika 1.4. Alphonse BertillonSlika 1.5. Principjelna šema multimodalnog biometrijskog sistema

Slika 1.6. Primjer multimodalne biometrije u carinskoj kontroliSlika 1.7. Registracija biometrijskih podataka

Slika 1.8. Proces verifikacijeSlika 1.9. Primjer funkcijske zavisnosti FAR-a i FRR-a o sigurnosnom praguSlika 1.10. Vrste napada na određene tačke biometrijskog sistema

Slika 2.1. Identifikacija pomoću lica osobeSlika 2.2. Primjer modela poređenja lica na osnovu teksture kože


| Zaključak

[Završni rad]

Slika 2.4. Ilustracija 3D procesa prepoznavanja likaSlika 2.5. Termogram lica

Slika 2.6. Termogram lica blizanacaSlika 2.7. Građa ljudskog oka

Slika 2.8. Izgled šarenice oka dvije različite osobeSlika 2.9. Segmentirana dužica okaSlika 2.10. Proces normalizacije (rezultat - potpis dužice)

Slika 2.11. Radijalni vektori prolaze kroz regiju dužice da bi se izvršila normalizacijaSlika 2.12. Kodiranje potpisa dužice

Slika 2.13. Prikaz vrijednosti Hammingove distance za svako od 100 poređenjaSlika 2.14. Prikaz vrijednosti Hammingove distance za svako od 80 poređenja različitih

dužicaSlika 2.15. Mrežnica ljudskog okaSlika 2.16. Uređaj za mjerenje geometrije šake

Slika 2.17. Položaj šake pri skeniranju geometrije s naznačenim najbitnijim tačkamaSlika 2.18. Ilustracija korištenja skenera vena

Slika 2.19. Šaka, infracrvena slika šake i izdvojena venska mrežaSlika 2.20. Proces identifikacije osoba na osnovu uha

Slika 2.21. Histogram digitalne slike uhaSlika 2.22. Izgled slike uha tokom obrade pri identifikaciji

Slika 2.23. Spektar mirisaSlika 2.24. Principi analize komponenti mirisa neke osobe

Slika 2.25. Porijeklo i sastav DNK uzorka kao biometrijskog pametraSlika 2.26. Izgled DNK profila

Slika 2.27. Spektogram

| Zaključak

[Završni rad]

Slika 2.28. Slika 2.29.

Slika 2.30. Slika 2.31. Slika 2.32.Slika 2.33.Slika 2.34. Slika 2.35. Slika 2.36. Slika 2.37. Slika 2.38.Slika 3.1.Slika 3.2.Slika 3.3.Slika 3.4.Slika 3.5.Slika 3.6.Slika 3.7.Slika 3.8.Slika 3.9.Slika 3.10.Slika 3.11.Slika 3.12.Slika 3.13.Slika 3.14.Slika 3.15.Slika 3.16.Slika 3.17.Slika 3.18.Slika 3.19.Slika 3.20.Slika 3.21.Slika 3.22.

Slika 3.23.

Slika 3.24.Slika 3.25.Slika 3.26.Slika 3.27.Slika 3.28.Slika 3.29. Slika 3.30.

Uticajni faktori pri analizi glasaDinamički opis potpisa proveden preko niza karakterističnih tačaka i odgovarajućih vrijednosti pritiskaDetekcija originalnosti potpisa pomoću dijagrama pritiska Digitalni grafički panel za snimanje potpisaBiometrijska „pametna" olovka i prateći softver za analizu potpisaIlustracija parametara kod analize dinamike tipkanjaŠablon simetrije koračanjaAnaliza kretanja uz označenu „vodeću" noguPrikaz ugla pod kojim osoba zaobilazi preprekuGrafički prikaz uporedbe biometrijskig metoda identifikacijeZavisnost FRR i FAR učestalosti u sistemuAnatomija ljudske kožeVrste minucijaGoltonova aparatura za uzimanja otisaka prstiju Ivan VučetićVučetićev sistem uzimanja otisaka i dokumentovanja Galton/Henry-ev sistem AFIS-ov desetoprsni obrazacArhitektura sistema za automatsku potvrdu identitetaPrikaz rezultata različitih metoda uzimanja otisakaStruktura optičkog skenera otiska prstaStruktura kapacitivnog skenera otiska prstaStruktura termoelektričnog skeneraStruktura E-Field skeneraStruktura mikro elektromehaničkog senzoraStruktura ultrasoničnog skenera otiskaZavršetak i račvanje grebenaMjerenje karakterističnih detaljaUklanjanje lažnih karakterističnih detaljaFiltrirana, binarizovana i slika sa stanjenim linijamaStvarni i lažni detalji otiskaIlustracija detalja kod Gray-scale analize otiskaIlustracija prepoznavalja otisaka pri različitom položaju pohranjene itestirane slikeIlustracija pristupa poređenja detalja koji su predstavljeni kao skupovi tačaka i pravacaDijagram toka razvijenog AFIS sistema Dijagram toka obrade slike u procesu poboljšavanja Ilustracija rezultata primjene normalizacije Ilustracija rezultata primjene segmentacije Sobel maske za x i yNormalizirana slika i njoj odgovarajuće orijentacijsko polje Određivanje frekvencije grebenaSlika 3.31.Slika 3.32.Slika 3.33.Slika 3.34.Slika 3.35.Slika 3.36.Slika 3.37.Slika 3.38.

Slika 3.39.

Slika 3.40.

Slika 3.41.

Slika 3.42.

| Pregled slika i tabela

2010

[Završni rad]

Slika 3.43.Slika 3.44.

Slika 3.45.Slika 3.46.Slika 3.47.Slika 3.48.Slika 3.49.Slika 4.1.Slika 4.2.

Slika 4.3.Slika 4.4.Slika 4.5.Slika 4.6.Slika 4.7.Slika 4.8.Slika 4.9.Slika 4.10.Slika 4.11.Slika 4.12.Slika 4.13.Slika 4.14.Slika 4.15.Slika 4.16.Slika 4.17.

Normalizirana slika i njoj odgovarajuća frekventna estimacijaNormalizirana slika i rezultat njenog filtriranjaValni oblik funkcije Gabor filtera u 2D prostoruIlustracija rezultata postupka binarizacijeIlustracija rezultata postupka stanjivanja grebenovaIlustracija detekcije detaja analizom 8 susjednih pikselaTipovi lažnih minucija: (a) izbočina; (b) rupa; (c) trokut; (d) šiljakIlustracija razlike rezultata procesa ekstrakcije detalja za sliku koja jepostprocesirana i za onu koja nijePronalaženje singularnih tačaka metodom Poincaré-ovog indeksa Rezultati određivanja singularnih tačaka za normaliziranu sliku (lijevo -greška) i poboljšanu sliku (lijevo - ispravno)Tri uzorka otiska istog prsta pri rzaličitim stanjima : a)normalan, b) suh, c) mokarCentrirane strukture izbočina dva odgovarajuća otiska Prozor tolerancije i njegovo podešavanjeRezultat primjene algoritma poređenja na skeniranom uzorku otiska i uzorkuiz baze podatakaŠema klasifikacije otisakaRačunanje Poincare-ovog indeksa pomoću krive p u vektorskom polju GOdređivanje osa simetrije pri klasifikacijiBlok dijagram algoritma za klasifikaciju otisaka prstijuFRR i FAR za AFIS sistemRasporostranjenost elektronskih „pametnih" kartica u svijetuSadržaj i struktura biometrijske lične karte na primjeru prijedloga nove ličnekarte u SAD-uBiometrijska lična karta republike SrbijeSadržaj i struktura biometrijskog pasošaRasprostranjenost upotrebe biometrijskih pasoša u svijetuKorice BiH pasošaUnutarnja strana korica pasošaStranica sa podacimaUnutarnje stranice pasošaRFID čipRFID transponder RFID PCB RFID naljepnica Vrste transponderaKapsule s RFID čipom koje se ugrađuju u ljude Postupak provjere biometrisjkih pasoša Sigurnosni sistem graničnog prelaza

| Pregled slika i tabela

2010

Pregled tabela

Tabela 1.1.

Tabela 2.1.

Tabela 2.2. Tabela 2.3.

Tabela 2.4.

Tabela 2.5. Tabela 2.6. Tabela 3.1. Tabela 3.2. Tabela 3.3. Tabela 3.4. Tabela 3.5.

Komparacija različitih biometrika. V, S i N označavaju Visoko, Srednje i Nisko respektivnoPerformanse Daugmanovog algoritma prikazane pomoću vjerovatnoćegreške za nekoliko izabranih pragovaUporedba biometrijskih metodaBiometrijske metode sortirane prema uspješnostiRezultati testiranja tehničkih karakteristika za metode biometrijskeidentifikacije uz pomoć otiska prstiju, skeniranja lica i irisaRezultati testirana za predloške s jednom biometrijskom karakteristikomRezultati testirana za predloške s više biometrijskih karakteristikaIlustracija podjele otisaka po klasamaKlasifikacija po pet klasa na NIST-4 bazi otisakaKatalog skenera otisaka prsta proizvođača IdentificatorSpecifikacija proizvoda Sony Fingerprint Identification UnitSpecifikacija proizvoda Digital Persona U.are.U. 4500

[Završni rad]

Pregled korištenih termina i mnemonika

FAR Udio pogrešnih prihvaćanja (engl. False Acceptance Rate)FFR Udio pogrešnih odbijanja (engl. False Rejection Rate )

FTE Skup neuspjelo registriranih korisnika u biometrijskom sistemu (engl. Failed To Enroll)ST Sigurnosni prag (engl. Security Threshold)EER Jednaki udio pogrešaka (engl. Equal Error Rate)

DNK Deoksiribonukleinska kiselina (engl. deoxyribonucleic acid - DNA)eigenface Unaprijed unesene slike lica

Iris Šarenica okaCCD Digitalna kamere male rezolucije (engl. charge-coupled device)

Histogram Grafički prikaz udjela piksela po nivoima nijansiVNTR Varijabilni (polimorfni) ponavljajući sljedovi (engl. Variable number tandem repeats)STR Kratki ponavljajući sljedovi (engl. short tandem repeats)MATCI Prenosni uređaj za postupak obrade DNK (engl. Miniature Analytical Thermal Cycling

Instrument)CODIS Sistem za uporedbu DNK profila (eng. Combined DNA Index System)

ABI Poluautomatska stanica za izolaciju DNK iz tkiva (eng. Applied Biosystem)NISC engl. National Information Solutions Cooperative

AFIS Sistem automatizirane identifikacije otisaka prstiju (engl. Automated fingerprint identification system)

FTIR Optički neutralizovana totalna unutrašnja refleksija ((engl. frustrated total internalreflection)

CCD Uređaj sa foto ćelijama osjetljivim na svjetlost koji kreira bit mapu slike (engl. charge-coupled device)

FBI Federalna istražna agencija SAD-a (Engl. Federal Bureau of Investigation)SDK Sistem za razvoj softwarea (eng. Software Development Kit)

ROC Eng. Receiver operation characteristicsRFID Identifikacija putem radio frekvencije (eng. Radio frequency identification)

Međunarodna organizacija za civilno vazduhoplovstvo (eng. International CivilICAO

Aviation Organization)

EAC Nova generacija biometrijskih pasoša (eng. extended access control)DKP Diplomatsko-konzularna mreža

EAS Sistemu za elektronsko praćenje artikala (eng. Electronic Article Surveillance)PCB Elektronička štampana pločica (eng. Printed Circuit Board)

| Pregled korištenih termina i mnemonika

2010

[Završni rad]

Reference

| Reference

[Završni rad]

[i]

[2] [3]

[4]

[5] [6]

[7]

[8]

[9]

[10]

[ii]

[12]

[13]

[14]

Chandan Sharma i Mihir Mukerji, „DSP Implementation of Fingerprint-Based Biometric System", Department of Electrical and Computer Engineering (2004-05)

Subhash Morris, „Fingerprints-based biometric autentication system", Department of Electrical and Computer Engineering (2005)

Maltoni, D., Mario, D., Jain, A.K. and Prabhakar, S. Handbook of Fingerprint Recognition. Springer- Verlag, New York. (2003)

Hong, L., Wan, Y. and Jain, A. "Fingerprint Image Enhancement: Algorithm and performance evaluation" IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(8), 777-789. (1998)

Jain, A. K. "Biometric Recognition: how do I know who you are?", Proc. 12th. IEEE, Signal Processing and Communications Applications Conference, 3-5.( 2004)

Luo, X., Tian, J. and Wu, Y "A Minutia Matching Algorithm in Fingerprint Verification" International Conference on Pattern Recognition, Proceedings of the IEEE, 4, 833-836. . (2000)

Zhang, W., Wang, Q. and Tang, Y.Y. "A Wavelet-based method for fingerprint image enhancement" Proc. 1st. International Conference of Machine Learning and Cybernetics, 2, 551555. (2002)

Davide Maltoni, Dario Maio, Anil K. Jain, Salil Prabhakar „Handbook of Fingerprint Recognition", Biometric

Systems Lab (DEIS) U niversitia di Bologna, Department of Computer Science Michigan State University &

DigitalPersona Inc.

Jain, A. and Pankanti, S. "Fingerprint Classification and Matching" Handbook for Image and Video Processing, A. Bovik (ed.), Academic Press (2000)

Miljenko Vrbanec, „Izgradnja biometrijskog kriminalisticko-identifikacijskog modela", Magistarski rad, (2008)

Md. Mahbubur Rahman, Md. Rashedul Islam, Nazmul Islam Bhuiyan, Bulbul Ahmed, Md. Aminul Islam, "Person Identification Using Ear Biometrics", Computer Science and Engineering Discipline, Khulna University, Khulna-9208, Bangladesh.

Zoltan Szlavik, Tamas Sziranyi "WALK DETECTION AND BIOMETRICS FROM SYMMETRY PATTERNS", Hungarian Academy of Sciences, Analogic and Neural Computing Laboratory, Budapest, Hungary, (2005)

Tom Olzak, " Keystroke Dynamics : Low Impact Biometric Verification", (2006)

Anil K. Jain, "Biometric Authentication based on Keystroke Dynamics", biometrics.cse.msu.edu

| Reference

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

SANS Institute InfoSec Reading Room, „An Exploration of Voice Biometrics", Lisa Myers, (2004)

Asker M. Bazen, Gerben T.B. Verwaaijen, Sabih H. Gerez,Leo P.J. Veelenturf and Berend Jan van der Zwaag, "A Correlation-Based Fingerprint Verifcation System", University of Twente, Department of Electrical Engineering, Laboratory of Signals and Systems (2000)

Subhash Morris, „FINGERPRINTS-BASED BIOMETRIC AUTHENTICATION SYSTEM", Department of Electrical and Computer Engineering University of Auckland, Auckland, New Zealand

Norio Sato, Satoshi Shigematsu, Hiroki Morimura, Masaki Yano, Kazuhisa Kudou, Toshikazu Kamei, and Katsuyuki Machida, „Novel Surface Structure and Its Fabrication Process for MEMS Fingerprint Sensor", IEEE (2005)

Daisuke Tomizawa, Yuta Hasegawa, Tomohiko Ohtsuka, Hiroyuki Aoki, „New System Implementation on SIMD Processor for Reliable Fingerprint Singularity Detection by Singular Candidate Method", Advanced Course of Electric and Electronics Engineering, Department of Electronics Engineering, Tokyo National College of Technology, Japan (2009)

Anil Jain, Dept. of Computer Science & Engg., Michigan State University and Sharath Pankanti,Exploratory Computer Vision Grp.,IBM T. J. Watson Research Center, „Fingerprint Classification and Matching"

Ashwin Mohan, „AN EVALUATION OF TEMPLATE SPLITTING TO PREVENT SAMPLERECONSTRUCTION FROM FINGERPRINT TEMPLATES", Purdue University West Lafayette, Indiana (August, 2010)

Peter Komarinski With contributions by: Peter T. Higgins, Kathleen M. Higgins, Lisa K. Fox „AUTOMATED FINGERPRINT IDENTIFICATION SYSTEMS (AFIS)"

Goran Borić,Diplomski rad „Biometrijska metoda identifikacije putnika u funkciji sigurnosti zračnog prometa", TEHNIČKO VELEUČILIŠTE U ZAGREBU, PROMETNI ODJEL, Split, 2003.

Goran Jovanov, „Prepoznavanje otiska prsta pomoću neuronske mreže", (2008)

Markus Schatten, Magistarski rad„Zasnivanje otvorene ontologije odabranih segmenata biometrijske znanosti", sveučilište u Zagrebu,FAKULTET ORGANIZACIJE I INFORMATIKE, (2007)

Brankica Popović, Miodrag Popović, „BIOMETRIJSKI SISTEMI - UPOTREBA I ZLOUPOTREBA", Elektrotehnički fakultet, Bulevar kralja Aleksandra 73 Beograd

Želimir Radmilović, Stručni članak : „Biometrijska identifikacija", Visoka policijska škola MUP-a RH, Zagreb(2008)

Ljerka Galic, „Ivan Vučetić" , Hrvatska matica iseljenika, Zagreb, 2008.

[29]

[30]

[31]

[32]

[33]

[34]

[35]

[36]

[37]

[38]

[39]

[40]

[41]

[42]

[43]

Goran Borković, Miroslav Vrankić, Viktor Sučić, „USMJERENI DIGITALNI FILTRI ZA PREPOZNAVANJE OTISAKA PRSTIJU", Tehnički fakultet Sveučilišta u Rijeci, (2008)

Bača Miroslav; Schatten Markus; Kišasondi Tonimir : „Prstom otključaj vrata", Zaštita, Časopis o zaštiti i sigurnosti osoba i imovine, broj 2, godina II, Zagreb, 2006.

Prof. Dr. sc. Miroslav Bača, „Biometrija između sigurnosti i privatnosti", Sveučilište u Zagrebu, Fakultet organizacije i informatike Varaždin, Centar za biometriju, privatnost i forenziku računala

Igor Vasiljević, „BIOMETRIJA", Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zavod za elektroničke sustave i obradu informacija (2007)

Milana M. Vladić, „Izdvajanje karakterističnih detalja iz slike otiska prsta", 14.Telekomunikacioni forum TELFOR, Srbija, Beograd, novembar 21.-23., 2006.

Vijeće ministara BiH, „STRATEGIJA INTEGRISANOG UPRAVLJANJA GRANICOM U BOSNI I HERCEGOVINI", Sarajevo, juni 2008. Godine

Marci Meingast Dept. of Electrical Engineering, Jennifer King Boalt Hall School of Law, Deirdre K. Mulligan Boalt Hall School of Law, „Security and Privacy Risks of Embedded RFID in Everyday Things: the e-Passport and Beyond", University of California Berkeley, CA (2007)

Ari Juels, David Molnar, and David Wagner, „Security and Privacy Issues in E-passports", (2005)

www.biometrics.org

www.wikipedia.org

www.biometricvisions.com

www.biol.pmf.hr

www.znanost.com

www.cis.rit.edu

www.biometricsinstitute.org

http://www.biometricsinstitute.org/

http://www.cis.rit.edu/

http://www.znanost.com/

http://www.biol.pmf.hr/

http://www.biometricvisions.com/

http://www.wikipedia.org/

http://www.biometrics.org/

Documents

Sabina Gutlić_Završni rad