Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций

Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций

Одной из актуальных проблем, связанных с безопасностью биометрических технологий, является обнаружение фальшивых и подвергшихся искусственному изменению папиллярных узоров (ИИПУ) отпечатков пальцев. Разработан эффективный метод обнаружения ИИПУ отпечатков пальцев на основе модифицированной модели ко...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Штучний інтелект
Дата:2012
Автор: Имамвердиев, Я.Н.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2012
Теми:
Анализ и синтез коммуникационной информации
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/56428
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций / Я.Н. Имамвердиев // Штучний інтелект. — 2012. — № 1. — С. 86-96. — Бібліогр.: 22 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-56428
record_format dspace
spelling Имамвердиев, Я.Н.
2014-02-18T12:40:48Z
2014-02-18T12:40:48Z
2012
Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций / Я.Н. Имамвердиев // Штучний інтелект. — 2012. — № 1. — С. 86-96. — Бібліогр.: 22 назв. — рос.
1561-5359
https://nasplib.isofts.kiev.ua/handle/123456789/56428
004.056
Одной из актуальных проблем, связанных с безопасностью биометрических технологий, является обнаружение фальшивых и подвергшихся искусственному изменению папиллярных узоров (ИИПУ) отпечатков пальцев. Разработан эффективный метод обнаружения ИИПУ отпечатков пальцев на основе модифицированной модели когерентности поля ориентаций. Результаты экспериментов показывают, что метод хорошо выявляет изображения ИИПУ отпечатков пальцев. Предложенный метод не требует дополнительной обработки и использует результаты вычислений в традиционных блоках существующих систем распознавания отпечатков пальцев.
Широке застосування біометричних технологій виявляє різні проблеми, пов’язані з їх безпекою. Однією з актуальних проблем є виявлення фальшивих і таких, що зазнали штучних змін, папілярних візерунків відбитків пальців. Розроблено ефективний метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі модифікованої моделі когерентності поля орієнтацій. Результати експериментів показують, що метод добре виявляє зображення штучної зміни папілярних візерунків відбитків пальців. Запропонований метод не вимагає додаткової обробки і використовує результати обчислень в традиційних блоках існуючих систем розпізнавання відбитків пальців.
Widespread use of biometric technologies determines various problems related to their security. One of the important problems is detection of forged and altered fingerprints. An efficient method for altered fingerprints detection on the basis of the modified model of the orientation field coherence is discovered. The results of experiments show that the method detects altered fingerprints well. The proposed method does not require additional processing resources and it uses the results of the traditional blocks of existing fingerprint recognition systems.
ru
Інститут проблем штучного інтелекту МОН України та НАН України
Штучний інтелект
Анализ и синтез коммуникационной информации
Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
Метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі когерентного поля орієнтацій
Altered Fingerprint Detection Method Based on Orientation Field Coherence Models
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
spellingShingle Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
Имамвердиев, Я.Н.
Анализ и синтез коммуникационной информации
title_short Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
title_full Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
title_fullStr Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
title_full_unstemmed Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
title_sort метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций
author Имамвердиев, Я.Н.
author_facet Имамвердиев, Я.Н.
topic Анализ и синтез коммуникационной информации
topic_facet Анализ и синтез коммуникационной информации
publishDate 2012
language Russian
container_title Штучний інтелект
publisher Інститут проблем штучного інтелекту МОН України та НАН України
format Article
title_alt Метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі когерентного поля орієнтацій
Altered Fingerprint Detection Method Based on Orientation Field Coherence Models
description Одной из актуальных проблем, связанных с безопасностью биометрических технологий, является обнаружение фальшивых и подвергшихся искусственному изменению папиллярных узоров (ИИПУ) отпечатков пальцев. Разработан эффективный метод обнаружения ИИПУ отпечатков пальцев на основе модифицированной модели когерентности поля ориентаций. Результаты экспериментов показывают, что метод хорошо выявляет изображения ИИПУ отпечатков пальцев. Предложенный метод не требует дополнительной обработки и использует результаты вычислений в традиционных блоках существующих систем распознавания отпечатков пальцев. Широке застосування біометричних технологій виявляє різні проблеми, пов’язані з їх безпекою. Однією з актуальних проблем є виявлення фальшивих і таких, що зазнали штучних змін, папілярних візерунків відбитків пальців. Розроблено ефективний метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі модифікованої моделі когерентності поля орієнтацій. Результати експериментів показують, що метод добре виявляє зображення штучної зміни папілярних візерунків відбитків пальців. Запропонований метод не вимагає додаткової обробки і використовує результати обчислень в традиційних блоках існуючих систем розпізнавання відбитків пальців. Widespread use of biometric technologies determines various problems related to their security. One of the important problems is detection of forged and altered fingerprints. An efficient method for altered fingerprints detection on the basis of the modified model of the orientation field coherence is discovered. The results of experiments show that the method detects altered fingerprints well. The proposed method does not require additional processing resources and it uses the results of the traditional blocks of existing fingerprint recognition systems.
issn 1561-5359
url https://nasplib.isofts.kiev.ua/handle/123456789/56428
citation_txt Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций / Я.Н. Имамвердиев // Штучний інтелект. — 2012. — № 1. — С. 86-96. — Бібліогр.: 22 назв. — рос.
work_keys_str_mv AT imamverdievân metodobnaruženiâiskusstvennogoizmeneniâpapillârnyhuzorovotpečatkovpalʹcevnaosnovekogerentnostipolâorientacii
AT imamverdievân metodviâvlennâštučnoízmínipapílârnihvízerunkívvídbitkívpalʹcívnaosnovíkogerentnogopolâoríêntacíi
AT imamverdievân alteredfingerprintdetectionmethodbasedonorientationfieldcoherencemodels
first_indexed 2025-11-25T17:27:18Z
last_indexed 2025-11-25T17:27:18Z
_version_ 1850518818738143232
fulltext «Искусственный интеллект» 1’201286 3И УДК 004.056 Я.Н. Имамвердиев Институт информационных технологий НАН Азербайджана, г. Баку AZ 1141, ул. Ф. Агаева, 9, г. Баку, Азербайджан, yadigar@lan.ab.az Метод обнаружения искусственного изменения папиллярных узоров отпечатков пальцев на основе когерентности поля ориентаций Y.I. Imamverdiyev Institute of Information Technologies of NAS of Azerbaijan, Baku AZ 1141, Ageeva st 9, c. Baku, Azerbaijan Altered Fingerprint Detection Method Based on Orientation Field Coherence Models Я.Н. Імамвердієв Інститут інформаційних технологій НАН Азербайджану, м. Баку AZ 1141, вул. Ф. Агаєва, 9, м. Баку, Азербайджан Метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі когерентного поля орієнтацій Одной из актуальных проблем, связанных с безопасностью биометрических технологий, является обнаружение фальшивых и подвергшихся искусственному изменению папиллярных узоров (ИИПУ) отпечатков пальцев. Разработан эффективный метод обнаружения ИИПУ отпечатков пальцев на основе модифицированной модели когерентности поля ориентаций. Результаты экспериментов показывают, что метод хорошо выявляет изображения ИИПУ отпечатков пальцев. Предложенный метод не требует дополнительной обработки и исполь- зует результаты вычислений в традиционных блоках существующих систем распознавания отпечатков пальцев. Ключевые слова: искусственное изменение папиллярных узоров отпечатков пальцев, когерентность поля ориентаций, обнаружение ИИПУ отпечатков пальцев, машина опорных векторов. Widespread use of biometric technologies determines various problems related to their security. One of the important problems is detection of forged and altered fingerprints. An efficient method for altered fingerprints detection on the basis of the modified model of the orientation field coherence is discovered. The results of experiments show that the method detects altered fingerprints well. The proposed method does not require additional processing resources and it uses the results of the traditional blocks of existing fingerprint recognition systems. Key words: artificial modified papillary patterns of fingerprints, artificial modified papillary patterns of fingerprints detection, orientation field coherence, support vector machine. Широке застосування біометричних технологій виявляє різні проблеми, пов’язані з їх безпекою. Однією з актуальних проблем є виявлення фальшивих і таких, що зазнали штучних змін, папілярних візерунків відбитків пальців. Розроблено ефективний метод виявлення штучної зміни папілярних візерунків відбитків пальців на основі модифікованої моделі когерентності поля орієнтацій. Результати експериментів показують, що метод добре виявляє зображення штучної зміни папілярних візерунків відбитків пальців. Запропонований метод не вимагає додаткової обробки і використовує результати обчислень в традиційних блоках існуючих систем розпізнавання відбитків пальців. Ключові слова: штучна зміна папілярних візерунків відбитків пальців, когерентність поля орієнтацій, виявлення штучної зміни папілярних візерунків відбитків пальців, машина опорних векторів. mailto:yadigar@lan.ab.az Метод обнаружения искусственного изменения папиллярных узоров... «Штучний інтелект» 1’2012 87 3И Введение В связи с широким применением биометрических технологий различные во- просы их безопасности становятся темой многих исследований, включая методы об- наружения поддельных биометрических образцов и методы защиты биометрических данных. Но анализ показывает, что некоторые вопросы остаются без должного внимания, например, вопросы обнаружения искусственного изменения папиллярных узоров (ИИПУ) отпечатков пальцев рассматривались в научной литературе впервые только в 2009 году [1]. Умышленное изменение папиллярных узоров отпечатков пальцев осуществляется с целью маскировки личности. ИИПУ отпечатков пальцев неоднократно встречалось на практике миграционных и правоохранительных органов, о таких случаях сообщалось в прессе неоднократно [1], [2]. Следует отметить, для подделывания отпечатков пальцев используются также му- ляжи отпечатков пальцев, часто их называют фальшивыми отпечатками пальцев. Способы изготовления и цели применения фальшивых отпечатков пальцев отличаются от ИИПУ отпечатков пальцев. Фальшивые отпечатки пальцев, изготовленные из жела- тина, латекса, силикона и т.д., обычно используются с целью выдачи себя за другую личность. Подвергшиеся ИИПУ отпечатки пальцев являются реальными отпечатками и используются для маскировки собственной личности с целью уклонения от идентифи- кации со стороны биометрической системы. Методы обнаружения ИИПУ отпечатков пальцев пока широко не изучались [1-4], а для обнаружения фальшивых отпечатков пальцев существуют различные методы на основе программного [5] или аппаратного обеспечения, в работе [6] приводится обзор этих методов. Программное обеспечение по оценке качества изображения отпечатков пальцев (например, NFIQ [7]) не всегда может обнаружить ИИПУ отпечатков, так как качество изображений отпечатков при этом может не измениться. Проблемы использования поддельных биометрических идентификаторов актуаль- ны и для других видов биометрических технологий. Например, установлено, что пластические операции могут значительно деградировать производительность систем распознавания лиц [8], операции катаракты могут уменьшить точность систем рас- познавания радужной оболочки глаза [9]. Распознавание отпечатков пальцев является самой распространенной биометри- ческой технологией, системы автоматического распознавания отпечатков пальцев (Automated Fingerprint Identification System, AFIS) занимают почти половину между- народного рынка биометрических систем [10]. Эти системы базируются на предполо- жениях, что отпечатки пальцев уникальны и не изменяются на протяжении всей жизни взрослого человека. Использование ИИПУ отпечатков пальцев подрывает эти пред- положения и представляет угрозу надежности и безопасности AFIS. Кроме того, в сравнении с радужной оболочкой глаза или лицом, где требуются хирургические опе- рации, подделывание отпечатков пальцев является сравнительно более простой задачей, например, можно использовать абразивные или химические материалы. Учитывая вышеприведенное, целью настоящей работы является разработка метода обнаружения ИИПУ отпечатков пальцев на основе характеристик поля ориен- таций папиллярных линий. В результате изменения нарушается гребневая структура отпечатков пальцев – образуются шрамы различной ширины и длины, области сильного разрушения папиллярных узоров, разрывные изменения папиллярных линий и т.д. В ре- зультате этого в поле ориентаций отпечатков пальцев появляются различные неодно- родности и аномалии. Когерентность поля ориентаций описывает локальное согласо- вание между ориентациями гребневой структуры отпечатков пальцев. Поэтому можно предположить, что когерентность поля ориентаций будет информативна для обнару- жения ИИПУ отпечатков пальцев. Имамвердиев Я.Н. «Искусственный интеллект» 1’2012 88 3И Обзор работ по обнаружению ИИПУ отпечатков пальцев В работе [2] подвергшиеся ИИПУ отпечатки пальцев разделены на три класса на основе изменений гребневого узора: стертые отпечатки пальцев, искаженные отпечатки пальцев и имитированные отпечатки пальцев. Самым популярным методом изменения отпечатков пальцев является стирание узоров отпечатков с помощью трения, выжигания, резания, применения химикатов и трансплантации гладкой кожи. Кожные болезни (проказа) и побочные эффекты ле- карств против рака могут также стирать отпечатки пальцев. Гребневая структура узоров едва видна в стертой области. Искаженные отпечатки пальцев получают удалением части кожи на пальце и заменой ее кожей из ладони или подошвы, или пересадкой ее в другом положении (рис.1 b). Искаженные отпечатки пальцев имеют необычные образы гребня, которые не встречаются в реальных отпечатках пальцев. Эти особенности включают анор- мальное пространственное распределение сингулярных точек (точки дельта и ядро) или резкие изменения поля ориентаций вдоль шрамов. Заметим, что разрывы поля ориентаций в реальных отпечатках наблюдаются только в сингулярных точках. Гребневой узор может сохранить свою похожесть на узор отпечатков пальцев после искусно сделанной процедуры изменения отпечатков. Например, часть кожи удаляется, и остальные части натягиваются и зашиваются вместе (рис. 1 с), или трансплантируется весь отпечаток пальца. Гребневая кожа из других частей исполь- зуется для заполнения удаленной кожи на пальце с сохранением согласованности узоров (рис. 1 b). Имитированные отпечатки пальцев не только успешно проходят проверки программного обеспечения по оценке качества изображения отпечатков пальцев, они могут спутывать даже экспертов по отпечаткам пальцев. ИИПУ отпечатка пальца на (рис. 1 с) получилось в результате изысканной хирургической процедуры, и имеет очень гладкое поле ориентаций и единственным свидетельством возможного изме- нения является тонкий шрам. Предложенный в [2], [3] метод автоматического обнаружения ИИПУ отпечатков использует два признака. Первый признак основан на анализе поля ориентаций отпечат- ков пальцев. Отпечатки пальцев хорошего качества имеют гладкое поле ориентаций, кроме окрестностей сингулярных точек. Основываясь на этом факте, были разработаны многочисленные модели поля ориентаций отпечатков пальцев [11], [12], которые комбинируют модель глобального поля ориентаций для непрерывного поля и локаль- Рисунок 1 – Образцы ИИПУ отпечатков пальцев: (a) шрам (b) трансплантация с помощью Z-вырезки (с) удаление части кожи Метод обнаружения искусственного изменения папиллярных узоров... «Штучний інтелект» 1’2012 89 3И ного поля ориентаций в окрестностях сингулярных точек. Если для аппроксимации поля ориентаций использовать только глобальную модель, то разность между наблю- даемым полем ориентаций и вычисленным по глобальной модели будет отлична от нуля только вокруг сингулярных точек. Для ИИПУ отпечатков пальцев ошибка подгонки модели также наблюдается в измененных областях, поэтому разность между полем ориентаций, полученным от изображения пальца, и полем, аппроксимированным глобальной моделью, можно использовать как вектор признаков для классификации отпечатков пальцев, как ори- гинальный или подвергшийся ИИПУ. Второй вектор признаков основан на наблюдении, что распределение минуций в измененных отпечатках пальцев часто отличается от распределения в реальных отпечатках. В работе [4] для обнаружения ИИПУ отпечатков пальцев предлагается метод на основе надежности поля ориентаций. Карта надежности поля ориентаций отпечатков пальцев имеет пики в сингулярных точках. Эти пики используются для анализа ИИПУ отпечатков, так как в результате изменения появляются другие сингулярные точки – пики с малой амплитудой. Предложенные в работах [1-3] методы основываются на нахождении сингулярных точек, но эта задача сама является достаточно сложной, а отпечатки пальцев дугового типа не имеют сингулярных точек. Кроме того, в отпечатках пальцев, полученных от некоторых сканеров, могут отсутствовать точки дельта из-за малой площади сенсора. Метод, предложенный в работе [4], также опирается на локализацию сингулярных точек. Поле ориентаций и меры когерентности Оценка поля ориентаций папиллярных линий является важным шагом при об- работке отпечатков пальцев в системах автоматического распознавания. Был предложен ряд методов оценки поля ориентаций для изображения отпечатка пальца [10]. Распрост- раненные методы оценки поля ориентаций отпечатков пальцев основываются на градиентном подходе. Для пикселя (i, j) локальная ориентация ij определяется ориен- тацией гребневой структуры в точке (i, j). Так как локальная структура гребней не имеет направление, ij лежит в интервале ],0[  . В заданной точке локальная ориентация ортогональна градиенту. Направление градиента в пикселе (i, j) показывает направление наибольшего изменения уровня интенсивности в этой точке. Локальную ориентацию невозможно оценивать простым осреднением градиентов в локальном соседстве (i, j), так как противоположные градиенты погашают друг друга. Простое и изящное решение этой проблемы – удвоение углов градиентов было предложено в [13]. При удвоении углов противоположные градиенты имеют одинаковые направления. Пусть полутоновое изображение отпечатков пальцев размера NM  разбито на непересекающиеся блоки размера WW  , ),( jiI – интенсивность в пикселе ),( ji . Для отпечатков пальцев средняя ширина гребней и впадин равна 5 – 7 пикселей, поэтому W = 17 дает хорошую оценку ориентаций. Для каждого пикселя в блоке вычисляется горизонтальный градиент xG и вер- тикальный градиент yG , используется простой градиентный оператор Собеля. До- минантная ориентация ij в центре ),( ji yx блока размера 1717 вычисляется на основе оценок градиентов xG и yG следующими формулами: Имамвердиев Я.Н. «Искусственный интеллект» 1’2012 90 3И )),/(2( 2 1 ,),( ,),( ,),(),( 8 8 8 8 2 8 8 8 8 2 8 8 8 8 yyxxxy h k jiyyy h k jixxx h k jiyjixxy GGGf kyhxGG kyhxGG kyhxGkyhxGG               ( 1) где функция f определяется так:          0and0if,)/arctan( 0and0if,)/arctan( 0if),/arctan( ),( xyyx xyyx yyx yxf   . ( 2) Локальная ориентация ij , перпендикулярная к  , вычисляется так: , 0 2 , 0 2 ij if if               . ( 3) Основным недостатком градиентного подхода является его неустойчивость в областях, где градиенты близки к нулю (вершина гребней), в этих областях значения обоих компонентов градиента малы, и это подразумевает высокую чувствительность к шуму. Блочная обработка также связана с ложными артефактами, вызываемыми разрывами ориентаций на границах блоков. Это особенно проблематично в областях высокой кривизны вокруг сингулярных точек, которые имеют больше одной доми- нантной ориентации. Для измерения надежности оценки ориентаций в [14] введена метрика, назы- ваемая когерентностью, которая описывает «силу» между направлениями градиентов. Для вычисления когерентности в изображениях используется метод структурного тензора [14]. В литературе встречаются различные реализации этого подхода [15-17]. В предложенной работе используется метод, основанный на проекции градиентных векторов к локальной доминантной ориентации в заданном соседстве и нормали- зации проекций. Если эти векторы когерентны, то их нормализованные проекции должны быть близки к единице, в противном случае результаты будут близки к нулю. Пусть ),( yx обозначает оценку угла ориентации в точке ),( yx , а ),( yxG – градиент в этой точке. Мера когерентности в точке ),( 00 yx внутри окна размера W вокруг точки ),( 00 yx вычисляется, используя проекцию градиента ),( ii yxG с углом ),( ii yx на единичный вектор с углом ),( 00 yx согласно следующей формуле: )),(),(cos(),( 00 iiii yxyxyxGcoh   . 4) Метод обнаружения искусственного изменения папиллярных узоров... «Штучний інтелект» 1’2012 91 3И Вычисляется сумма абсолютных значений проекций для всех точек ),( ii yx внутри окна W . На рис. 2 показаны образцы полей ориентаций и карта когерентности ИИПУ отпечатка пальца, ориентация в точке представлена линией, угол наклона которой соответствует доминантной локальной ориентации, а длина пропорциональна зна- чению когерентности. Метод обнаружения ИИПУ отпечатков пальцев на основе когерентности ориентаций В этом разделе описывается метод обнаружения ИИПУ отпечатков пальцев на основе модели когерентности поля ориентаций. Предлагаемый метод состоит из следующих шагов (рис. 3). 1. Входное изображение отпечатка пальца I подвергается предварительной об- работке, состоящей из этапов нормализации и бинаризации. Используются соответ- ствующие методы из[10], [18]. 2. Вычисляется поле ориентаций отпечатка пальца. 3. Вычисляется карта когерентности поля ориентаций отпечатка пальца и на его основе строится вектор признаков локальной когерентности. 4. Вычисляется карта когерентности ориентаций блоков и на его основе строится вектор признаков когерентности блоков. 5. Вычисленные векторы признаков объединяются, и для классификации по- лученного вектора признаков используется метод опорных векторов (Support Vector Machine, SVM) [19]. Предварительная обработка и вычисление поля ориентаций Вычисление когерентности в блоках Вычисление когерентности между блоками SVM классификация Решение Рисунок 3 – Общая схема предложенного метода Слияние признаков Отпечаток пальца (a) (b) (c) Рисунок 2 – Поле ориентаций и когерентность: (a) ИИПУ отпечатка пальца (b) поле ориентаций (с) карта когерентности Имамвердиев Я.Н. «Искусственный интеллект» 1’2012 92 3И Для вычисления когерентности поля ориентаций изображений отпечатков пальцев предлагается модификация формулы (4), усредняя меру когерентности по величине градиента в этой точке: |),(| )),(),(cos(),( ),( 00 00       Wi ii Wi iiii yxG yxyxyxG yxGcoh  . ( 5) Умножение на величину градиента дает более высокие значения когерентности в точках, имеющих более высокие значения контрастности. Эта мера когерентности принимает малые значения в областях, где текстура более однородна, этим путем текстурные края воспроизводятся более ясно. Вариация этой меры высока в точках, лежащих между областями с разной текстурной структурой. Вектор признаков на основе карты когерентности состоит из гистограмм локаль- ных пространственных областей [20]. Карта когерентности разбивается на 33 ячейки, где размер каждой ячейки 2020 блоков. Гистограмма карты когерентности в каждой ячейке вычисляется в 21 корзинах в диапазоне ]1,0[ и гистограммы всех 9 ячеек составляют 189-мерный вектор признаков. Наряду с оценкой когерентности ориентаций в блоках, информативной будет также оценка когерентности ориентаций в локальном соседстве блоков. Для такой оценки предлагается использовать скользящее 3×3 локальное соседство блоков. Для оценки когерентности ориентаций между блоками предлагается использовать следующую меру: 9 )),(),(cos( ),( ),( 00 00     Wji ji yxyx yxC  . ( 6) Эта мера более робастна к ошибкам оценки градиентов и ориентаций. Если направление центрального блока близко направлению каждого из его соседей, то когерентность будет высокой. Вектор признаков на основе карты когерентности между блоками строится также на основе гистограмм локальных пространственных областей по вышеприведенной схеме для карты когерентности блоков, в результате также получается 189-мерный вектор признаков. SVM входит в число наиболее часто используемых методов классификации, в отличие от нейронных сетей SVM лучше подходит для работы с большим признаковым пространством. SVM был предложен для задач бинарной классификации, его можно использовать и для задач мультиклассификации. SVM использует линейное разделение объектов в пространстве признаков с помощью гиперплоскости. Разделяющая плоскость выбирается таким образом, чтобы расстояние между ближайшими точками, принадле- жащими разным классам, было максимальным. В случае линейной неразделимости обучающей выборки, посредством специаль- ных нелинейных преобразований – ядерных функций, элементы обучающей выборки отображаются в новое пространство более высокой размерности. При этом ядерные функции выбираются таким образом, чтобы в новом пространстве обучающая выборка была линейно разделима. В качестве ядерной функции часто используется Гауссова радиальная базисная функция (Radial Basis Function, RBF) )exp(),( 2 xxxxK   , где γ – настраиваемый параметр. Метод обнаружения искусственного изменения папиллярных узоров... «Штучний інтелект» 1’2012 93 3И Результаты вычислительных экспериментов Отметим, что отсутствие доступных открытых баз данных по ИИПУ отпечатков пальцев ставит в трудное положение исследователей в этой области. Эксперименты в работах [1] были проведены на наборе синтетически созданных ИИПУ отпечатков пальцев. В работе [2] использована база данных по ИИПУ отпечатков пальцев, но пока эта база данных не доступна для широкого круга исследователей. Для экспериментальной проверки предложенного метода был создан набор синтетических отпечатков пальцев на основе изображений отпечатков пальцев размером 640×480 из базы данных FVC2002-DB1, полученных на оптическом ска- нере при разрешении 500 dpi. Были имитированы два типа изменений [1,4]: 1. Z-вырезка (получается вырезанием в форме Z, пересоединением двух тре- угольников и зашиванием их обратно). 2. Центральное вращение (получается вырезанием круглой области в центре изображения и ее вращением). Для SVM-классификации с 10-кратной перекрестной проверкой (cross validation) была использована библиотека LIBSVM [21]. По рекомендациям разработчиков LibSVM в качестве ядерной функции мы использовали радиальную базисную функцию. Резуль- таты LIBSVM были линейно масштабированы к интервалу [0, 1]. Когда нормализован- ное значение для входного отпечатка пальца меньше предопределенного порогового значения, то выдается предупреждение о том, что возможно изображение является измененным отпечатком. Результаты вычислительных экспериментов для разных значений приведены в табл. 1. Для оценки качества классификации в таблице приведены значения частоты истинно положительных классификаций (True Positive Rate) при заданной частоте ложно положительных классификаций (False Positive Rate) [22]. Таблица 1 – Частота истинно положительных классификаций ИИПУ отпечатков пальцев Метод вычисления вектора признаков Частота ложно положительных классификаций 0,1 0,2 0,3 0,5 1 2 3 Когерентность ориентаций в блоке 31 34 36 43 55 60 72 Когерентность ориентаций блоков 23 28 32 37 44 53 65 Слияние векторов признаков 44 52 57 64 70 75 84 Заключение С широким применением систем распознавания отпечатков пальцев одной из актуальных проблем является обеспечение их надежной работы – обнаружение фальшивых и подвергшихся ИИПУ отпечатков пальцев в реальном режиме. В этой работе предложен эффективный метод обнаружения ИИПУ отпечатков пальцев на основе модифицированной модели когерентности поля ориентаций. Предложенные векторы признаков обладают высокой разрешающей способностью при выявлении ИИПУ отпечатков пальцев, для классификации применяется SVM-классификатор с Имамвердиев Я.Н. «Искусственный интеллект» 1’2012 94 3И радиальной базисной функцией ядра. Предложенный метод не требует дополнительных вычислений и использует результаты традиционных блоков обработки систем распозна- вания отпечатков пальцев; и результаты экспериментов подтверждают высокую эф- фективность предложенного метода. Литература 1. Feng J. Fingerprint alteration / J. Feng, A.K. Jain, and A. Ross // MSU Technical Report, MSU-CSE-09-30. – Dec. 2009. 2. Yoon S. Altered fingerprints: analysis and detection / S. Yoon, J. Feng, A.K. Jain // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2011. 3. Feng J. Detecting Altered Fingerprints / J. Feng, A.K. Jain, A. Ross // Proc. 20th International Conference on Pattern Recognition (ICPR), (August 23 – 26, 2010, Istanbul, Turkey). – P. 1622-1625. 4. Petrovici A. Identifying Fingerprint Alteration Using the Reliability Map of the Orientation Field / A. Petrovici, C. Lazar // The Annals of the Univeristy of Craiova, Series Automation, Computers, Electronics and Mecha- tronics. – 2010. – Vol. 7 (34), № 1. – P. 45-52. 5. Imamverdiyev Y.N. Method of detection of real fingerprints on the basis of the Radon transform / Y.N. Imam- verdiyev, L.E. Kerimova, V.Y. Musayev // Automatic Control and Computer Sciences. – 2009. – Vol. 43, № 5. – P. 270-275. 6. Алгулиев Р.М. Методы обнаружения живучести в биометрических системах / Р.М. Алгулиев, Я.Н. Имам- вердиев, В.Я. Мусаев // Вопросы защиты информации. – 2009. – № 3 (86). – C. 16-21. 7. Tabassi E. Fingerprint Image Quality, NISTIR 7151 [Электронный ресурс] / E. Tabassi, C. Wilson, C. Watson. – August 2004. – Режим доступа : http://fingerprint.nist.gov/NFIS/ir 7151.pdf. 8. Plastic Surgery: A New Dimension to Face Recognition / R. Singh, M. Vatsa, H.S. Bhatt [et al.] // IEEE Transactions on Information Forensics and Security. – 2010. – Vol. 5, № 3. – P. 441-448. 9. Iris Recognition As a Biometric Method after Cataract Surgery / R. Roizenblatt, P. Schor, F. Dante [et al.] // American Journal of Ophthalmology. – 2005. – Vol. 140, № 5. – P. 969-969. 10.Handbook of Fingerprint Recognition (Second Edition) / [Maltoni D., Maio D., Jain A.K., Prabhakar S.]. – Springer-Verlag, 2009. 11.Zhou J. A Model-Based Method for the Computation of Fingerprints’ Orientation Field / J. Zhou, J. Gu // IEEE Trans. Image Processing. – 2004. – Vol. 13, № 6. – P. 821-835. 12.Wang Y. Global Ridge Orientation Modeling for Partial Fingerprint Identification / Y. Wang, J. Hu // IEEE Trans. Pattern Analysis and Machine Intelligence. – 2010. – Vol. 33, № 1. – P. 72-87. 13.Kass M. Analyzing oriented patterns / M. Kass, A.P. Witkin // Computer Vision, Graphics, and Image Processing, 1987. – Vol. 37, № 3. – P.362-385. 14.Rao A.R. A taxonomy for texture description and identification / Rao A.R. – New York : Springer-Verlag, 1990. – 197 p. 15.Bazen A.M. Systematic Methods for the Computation of the Directional Fields and Singular Points of Fingerprints / A.M. Bazen, S.H. Gerez // IEEE Trans. Pattern Analysis and Machine Intelligence. – 2002. – Vol. 24, № 7. – P. 905-919. 16.. Fingerprint Classification by Directional Image Partitioning / R. Cappelli, A. Lumini, D. Maio, D. Maltoni // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1999. – Vol. 21. – P.402-421. 17.Singular Points Detection using Fingerprint Orientation Field Reliability / M.S. Khalil, D. Muhammad, M.K. Khan, K. Alghathbar // International Journal of Physical Sciences. – 2010. – Vol. 5, № 4. – P. 352-357. 18.Hong L. Fingerprint image enhancement: algorithm and performance evaluation / L. Hong, Y. Wan, A. Jain // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1998. – Vol. 20, № 8. – P. 777-789. 19.Vapnik V.N. The nature of statistical learning theory / Vapnik V.N. – New York : Springer-Verlag, 1995. – 338 p. 20.Dalal N. Histograms of Oriented Gradients for Human Detection / N. Dalal, B. Triggs // Proc. Computer Vision and Pattern Recognition. – 2005. – P. 886-893. 21.Chang C.-C. LIBSVM: a library for support vector machines [Электронный ресурс] / C.-C. Chang, C.-J. Lin. – 2001. – Режим доступа : http://www.csie.ntu.edu.tw/_cjlin/libsvm. 22.Fawcett T. An introduction to ROC analysis / T. Fawcett // Pattern Recognition Letters. – 2006. – Vol. 27, № 8. – P. 861-874. http://fingerprint.nist.gov/NFIS/ir http://www.csie.ntu.edu.tw/_cjlin/libsvm. Метод обнаружения искусственного изменения папиллярных узоров... «Штучний інтелект» 1’2012 95 3И Literatura 1. Feng J., Jain A. K., and Ross A. Fingerprint alteration. MSU Technical Report. MSU-CSE-09-30. Dec. 2009. 2. Yoon S., Feng J., and Jain A.K., Altered fingerprints: analysis and detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2011. 3. Feng J., Jain A.K., and Ross A. Proc. 20th International Conference on Pattern Recognition (ICPR). August 23-26. 2010. Istanbul. Turkey. P. 1622-1625. 4. Petrovici A., and Lazar C. The Annals of the Univeristy of Craiova, Series Automation, Computers, Electronics and Mechatronics. Vol. 7 (34). No. 1. 2010. P. 45-52. 5. Imamverdiyev Y.N., Kerimova L.E., and Musayev V.Y. Automatic Control and Computer Sciences. 2009. Vol. 43. No. 5. P. 270-275. 6. Alguliev R.M., Imamverdiev Ja.N., Musaev V.Ja. Voprosy zashhity informacii. 2009. № 3 (86). P. 16-21. 7. Tabassi E., Wilson C., and Watson C. Fingerprint Image Quality. NISTIR 7151. August 2004. http://fingerprint.nist.gov/NFIS/ir 7151.pdf. 8. Singh R., Vatsa M., Bhatt H.S., Bharadwaj S., Noore A., and Nooreyezdan S.S. IEEE Transactions on Information Forensics and Security. 2010. Vol. 5. No. 3. P. 441-448. 9. Roizenblatt R., Schor P., Dante F., Roizenblatt J., and Belfort R. American Journal of Ophthalmology. 2005. Vol. 140. No. 5. P. 969-969. 10.Maltoni D., Maio D., Jain A.K., and Prabhakar S. Handbook of Fingerprint Recognition (Second Edition). Springer-Verlag. 2009. 11.Zhou J., and Gu J. IEEE Trans. Image Processing. 2004. Vol. 13. No. 6, P. 821-835. 12.Wang Y., and Hu J. IEEE Trans. Pattern Analysis and Machine Intelligence. 2010. Vol. 33. No.1. P. 72-87 13.Kass M., and Witkin A.P. Computer Vision, Graphics, and Image Processing. 1987. Vol.37. No.3. P. 362-385. 14.Rao A.R., A taxonomy for texture description and identification. New York: Springer-Verlag. 1990. 197 p 15.Bazen A.M., and Gerez S.H. IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. Vol. 24. No. 7. P. 905-919. 16.Cappelli R., Lumini A., Maio D., and Maltoni D. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 21. 1999. P. 402-421. 17.Khalil M.S., Muhammad D., Khan M.K., Alghathbar K. International Journal of Physical Sciences. 2010. Vol. 5. No.4. P. 352-357. 18.Hong L., Wan Y., and Jain A. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. Vol. 20. No. 8. P. 777-789. 19.Vapnik V.N., The nature of statistical learning theory. New York: Springer-Verlag. 1995. 338 p. 20.Dalal N., and Triggs B. Proc. Computer Vision and Pattern Recognition. 2005. P. 886-893. 21.Chang C.-C., and Lin C.-J., LIBSVM: a library for support vector machines, 2001. http://www.csie.ntu.edu.tw/_cjlin/libsvm. 22.Fawcett T. Pattern Recognition Letters. 2006. V. 27. № 8. P. 861-874. Y.N. Imamverdiyev An Altered Fingerprint Detection Method Based on Orientation Field Coherence Models With the widespread use of biometric technologies various problems related to their security are discovered. One of the important problems is the detection of forged and altered fingerprints. Altered fingerprints mean the intentional modification of papillary patterns of fingerprints in order to disguise identity of the individuals. The altered fingerprints are often met in practice of immigration and law enforcement agencies. Altered fingerprint detection methods have not been studied extensively, they were considered in the literature for the first time only in 2009. As the result of alteration the ridge structure of fingerprint is broken, i.e. scars of varying width and length are formed, destruction of papillary patterns and discontinuous changes in the http://fingerprint.nist.gov/NFIS/ir http://www.csie.ntu.edu.tw/_cjlin/libsvm. Имамвердиев Я.Н. «Искусственный интеллект» 1’2012 96 3И papillary lines appears. Heterogeneity and various anomalies appear in the orientation field of the altered fingerprints. The orientation field coherence describes local “consistency” between the orientations of the fingerprint ridge structure. We can therefore assume that the orientation field coherence will be informative for the altered fingerprint detection. In this paper two feature vectors for the altered fingerprint detection are proposed. Fingerprint image is divided into non-overlapped blocks. A model for orientation field coherence estimation in blocks is proposed based on the projection of the gradient vector to the local dominant orientation in a given neighborhood, and the normalization of projections. If these vectors are coherent, normalized projections should be close to 1 (genuine fingerprints), otherwise the results would be close to 0 (altered fingerprints). Feature vector based on the coherence map is constructed from the histograms of the local spatial domains. Along with the estimation of orientation field coherence in blocks for altered fingerprint detection, a model is proposed for estimation of the coherence of orientations in the local neighborhood of blocks. If the orientation of the central block is close to the orientation of each of its neighbors, then the coherence will be high (genuine fingerprints). The results of the experiments show that altered fingerprint detection method based on the model of orientation field coherence detects altered fingerprints well. The proposed method does not require additional processing resources and uses results of the traditional processing blocks of existing fingerprint recognition systems. Статья поступила в редакцию 19.12.2011.

Схожі ресурси