Upload
edin-kundalic
View
181
Download
6
Embed Size (px)
Citation preview
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.
| Biometrijski sistemi
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.
| Biometrijski sistemi10 / 126
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.
| Biometrijski sistemi10 / 126
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
| Biometrijski sistemi
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
| Biometrijski sistemi
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.
| Biometrijski sistemi
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.
| Biometrijski sistemi
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:
| Biometrijski sistemi
[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.
| Biometrijski sistemi
[Završni rad]
| Biometrijski sistemi
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:
| Tehnike biometrijske identifikacije
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.
Slika 2.4. Ilustracija 3D procesa prepoznavanja lika
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
| Tehnike biometrijske identifikacije
[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
| Tehnike biometrijske identifikacije
[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.
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije29 / 126
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%).
| Tehnike biometrijske identifikacije29 / 126
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].
| Tehnike biometrijske identifikacije
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:
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
P = —cos!(n + arctg-^— 9 )
r = yjafi + jaf!2 — a + rf a
= Oj2 + 0$
2010
[Završni rad]
| Tehnike biometrijske identifikacije
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).
| Tehnike biometrijske identifikacije33 / 126
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.
| Tehnike biometrijske identifikacije34 / 126
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
| Tehnike biometrijske identifikacije34 / 126
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.
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
Slika 2.18. Ilustracija korištenja skenera vena
2010
[Završni rad]
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije38 / 126
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
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije39 / 126
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.
| Tehnike biometrijske identifikacije39 / 126
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.
| Tehnike biometrijske identifikacije39 / 126
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].
| Tehnike biometrijske identifikacije39 / 126
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.
| Tehnike biometrijske identifikacije
[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
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
[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.
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije
[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.
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije
[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.
| Tehnike biometrijske identifikacije
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.
| Tehnike biometrijske identifikacije
[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.
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
2 2e e v>« Š 2N £ Ö
« £ 21 =3 H
| Tehnike biometrijske identifikacije55 / 126
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
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Mrežnica oka
GlasV S
V
N
S
N
N
S
V
N
N
VN S
V N
V
N
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Lice
Termogram lica
V VN
V
S
N
V
V
V
V
V S
N V
N
N
S
V
| Tehnike biometrijske identifikacije
2010
55 / 126
[Završni rad]
NN N V N V V
N
N S
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Tabela 2.2. Uporedba biometrijskih metoda
| Tehnike biometrijske identifikacije55 / 126
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
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije
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
| Tehnike biometrijske identifikacije
2010
55 / 126
[Završni rad]
N N N V N V V N N S
| Tehnike biometrijske identifikacije55 / 126
2010
[Završni rad]
Tabela 2.3. Biometrijske metode sortirane prema uspješnosti
| Tehnike biometrijske identifikacije55 / 126
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
| Tehnike biometrijske identifikacije56 / 126
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
| Tehnike biometrijske identifikacije56 / 126
2010
[Završni rad]
Brzina poređenja [uzoraka/sec]
FRR uz 0.001% FAR
FRR uz 0.0001% FAR
| Tehnike biometrijske identifikacije58 / 126
2010
[Završni rad]
Sadržaj predloška Test 1 Test 2 Test 1 Test 2 Test 1 Test 2
| Tehnike biometrijske identifikacije58 / 126
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
| Tehnike biometrijske identifikacije58 / 126
2010
[Završni rad]
Sadržaj predloška Test 1 Test 2 Test 1 Test 2 Test 1 Test 2
| Tehnike biometrijske identifikacije58 / 126
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]
| Otisci prstiju kao dio Biometrije
[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.
| Otisci prstiju kao dio Biometrije62 / 126
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
| Otisci prstiju kao dio Biometrije
[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
| Otisci prstiju kao dio Biometrije62 / 126
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.
| Otisci prstiju kao dio Biometrije
[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),
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije62 / 126
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.
| Otisci prstiju kao dio Biometrije
[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
| Otisci prstiju kao dio Biometrije71 / 126
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.
| Otisci prstiju kao dio Biometrije71 / 126
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
| Otisci prstiju kao dio Biometrije71 / 126
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
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
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).
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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 :
| Otisci prstiju kao dio Biometrije
-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.)
| Otisci prstiju kao dio Biometrije
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:
| Otisci prstiju kao dio Biometrije82 / 126
2010
[Završni rad]
c ( i ,D= $ll i t ' d - ) e Dm , j ) - e ( i , j)\< (3.5.)
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
\e - e \ =
d, ako je d = (6 - 6 + 360) mod 180 < 180d — 180, inače
| Otisci prstiju kao dio Biometrije82 / 126
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije82 / 126
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 :
| Otisci prstiju kao dio Biometrije
Slika 3.32. Normalizirana slika i rezultat njenog filtriranja
2010
[Završni rad]
h(x, y) = exV[- 2
+1]} (3.6.)
| Otisci prstiju kao dio Biometrije82 / 126
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:
| Otisci prstiju kao dio Biometrije
2010
[Završni rad]
H(u, v) = 2nôxôy (exp {-\ + ^]] +
(3.7.)
| Otisci prstiju kao dio Biometrije
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:
| Otisci prstiju kao dio Biometrije
Slika 3.35. Ilustracija rezultata postupka stanjivanja grebenova
[Završni rad]
sum 1 (3.8.)
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije86 / 126
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije86 / 126
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.
| Otisci prstiju kao dio Biometrije86 / 126
2010
[Završni rad]
Poincaré (i , j) = 2- A(k)
(3.9.)
| Otisci prstiju kao dio Biometrije
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.)
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
[Završni rad]
S S Sony Saflink
| Otisci prstiju kao dio Biometrije
[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:
| Otisci prstiju kao dio Biometrije
[Završni rad]
Naziv skenera Specifikacija
| Otisci prstiju kao dio Biometrije99 / 126
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
| Otisci prstiju kao dio Biometrije99 / 126
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
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
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
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije99 / 126
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
| Otisci prstiju kao dio Biometrije
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.
| Otisci prstiju kao dio Biometrije100 / 126
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).
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica102 / 126
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica104 / 126
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
KORICE PASOŠA
;:\V[IT\_I Kl.[ M
STRANAKA I.T^KTM PODACIMA I rOTOCRAriJOM
POLIKAEBONANINTECRISANO KOLO I MODULI
104 / 126
2010
[Završni rad]
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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:
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica105 / 126
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
✓
✓
107 / 126
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
2010
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
2010
Slika 4.11. RFID transponder
Slika 4.12. RFID PCB
Slika 4.13. RFID naljepnica
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica110 / 126
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
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica110 / 126
2010
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica110 / 126
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
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica114 / 126
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica114 / 126
[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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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.
| Uloga biometrijskog čipa u identifikacionim dokumentima i sigurnosti državnih granica
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
Slika 2.3. Ilustracija 2D procesa prepoznavanja lika
| 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