تشخیص هویت بیومتریک از طریق عنبیه چشم(Iris Recognition)
فروزان عمویی
خلاصهامروزه استفاده از علائم حیاتی و خصوصیات فردی اشخاص برای تشخیص هویت خودکار، در بسیاری از مراکز امنیتی و تجاری به امری عادی مبدل شده است. این روشها بدلیل مزیت‌هایی که نسبت به شیوه های دیگر تشخیص هویت همانند رمزعبور دارند، پیشرفت شایانی کرده‌اند و استفاده از آنها افزایش یافته است. این روشها بدلیل یکتایی پارامترهای شناسایی افراد و عدم وجود مشکلاتی همانند فراموشی، گم کردن و یا دزدیده شدن که در استفاده از رمزعبور یا کارت رمزدار وجود دارد، از لحاظ امنیتی برتری دارند.در اين مقاله سعي مي‌کنيم به صورت مختصر، مروري بر روش هاي مختلف بيومتريک داشته باشيم و پس از آن روش جدیدی برای استخراج ویژگی از تصویر عنبیه با استفاده از تبدیل موجک سیملت نوع 2 برای طراحی سیستمهای تعیین هویت ارائه می دهیم.

مقدمه
ديگر دوره شرلوك هولمز ذره بين به دست و سلول هاي خاكستري هركول پوآرو و كارآگاهان خبره امروزي و مسلح به رايانه و آزمايشات خون و دي ان اي به سر آمده و نوبت تركتازي دانش زيست سنجي در عرصه نويني از تشخيص هويت فرا رسيده است. بازي تمام شد، شما شناسايي شديد و نمي توانيد انكار كنيد. ما شما را از چشمانتان شناسايي كرديم.کلمه Biometric از ترکيب دو کلمه يوناني bios (زندگي) و metrikos (تخمين) شکل گرفته است. بيومتريک عبارت است از، تشخيص هويت افراد با استفاده از ويژگي هاي فيزيولوژي و رفتاري آنها. اين يک تعريف کلي از واژه بيومتريک است. با استناد به اين تعريف مي‌توان گفت که همه افراد در زندگي روزمره خود، ناخودآگاه از بيومتريک استفاده مي‌کنند.به عنوان مثال هويت افرادي که با آنها سرو کار داريم را مي‌توان از روي صدا، چهره و حتي طرز راه رفتن‌شان تشخيص دهيم بنابراين مي‌توان تاريخچه استفاده از بيومتريک را به قدمت تاريخ بشر دانست.استفاده از اسكن عنبيه براي شناخت و تشخيص هويت نخستين بار در سال 1936 توسط چشم پ1980 در سري فيلم هاي جيمز باند اين موضوع مطرح و به تصوير كشيد.
در سال 1987 دو چشم پزشك ديگر به نام هاي آران سفير و لئونارد فلوم مجددا اين نظريه را مطرح كردند و در سال 1989 از استاد خود جان داگمن در دانشگاه هاروارد خواستند تا الگوريتم شناسايي و تشخيص عنبيه را به وجود آورد.اين الگوريتم ها كه حقوق آن در اختيار داگمن قرار گرفت توسط شركت" آيريس تكنولوژيز" توليد شد و پايه سيستم ها و محصولات كنوني قرار گرفت.در حال حاضر در بسياري از فرودگاه ها در دنيا از جمله در امارات از اسكن عنبيه استفاده مي شود.ه شدزشكي به نام فرانك بارچ پشنهاد شد اما اين موضوع تا مدت ها به عنوان يك نظريه تخيلي باقي ماند و تنها در دهه
طبق تحقیق های انجام شده چشم انسان از ویژگی های كاملا منحصر به فرد و یكتای او به شمار می‌رود. به‌طوری كه احتمال اشتباه سیستم در این روش یك در ۱۰۷۸ است كه بسیار قابل توجه است، همچنین اسكن از عنبیه این امكان را برای سیستم فراهم می‌سازد تا ۲۰۰ نقطه از عنبیه بررسی و مقایسه شود، در حالی كه شناسایی از طریق اثر انگشت ۶۰ تا ۷۰ نقطه را بررسی می‌كند. در بدن انسان عنبیه چشم ساختاری ظاهری ولی به نوعی محافظت شده به حساب می آید، عضوی است كه با گذر زمان دستخوش تغییر نمی‌شود و این ویژگی، این روش شناسایی را بیش از سایر روش ها ایده آل می‌سازد.
در اكثر مواقع عنبیه چشم افراد پس از انجام عمل جراحی نیز بدون تغییر باقی می‌ماند. حتی افراد نابینا نیز می‌توانند از این روش استفاده كنند، البته تا زمانی كه چشم آنها عنبیه داشته باشد. استفاده از عینك یا لنزهای تماسی هیچ كدام بر روال كار تشخیص، اختلال ایجاد نمی كنند و سبب تشخیص نادرست نمی‌شوند.
انواع شناسایی بیومتریک
شناسایی بیومتریک انواع مختلفی دارد. از جمله این روشها می‌توان به اسکن عنبیه، اسکن شبکیه، شناسایی چهره، شناسایی صوت، اثر انگشت و ترکیب دست اشاره کرد. این خصوصیات در هر شخص منحصر به فرد هستند و به همین خاطر در شمار موارد قابل قیاس در تشخیص هویت افراد قرار گرفته‌اند. در هر کدام از روشهای ذکر شده پردازش های خاصی بر روی اطلاعات ورودی انجام می‌شود که در اینجا به برخی از آنها اشاره می‌کنیم.
1-اسکن شبکیه‬
در این روش طرح مویرگ های پشت چشم (شبکیه) اسکن می شود. برای اسکن این قسمت از چشم نوری ویژه و به میزان مشخص به چشم کاربر تابانده می شود. برای بالا بردن دقت این عکسبرداری، چشم فرد باید در فاصله چند سانتی متری دستگاه اسکن شبکیه قرار داشته باشد. البته شناسایی افراد از این راه از روشهای غیرمعمول به حساب می‌آید.‬
2-اسکن عنبیه‬عنبیه هر فرد از لحاظ رنگ و الگوی بافتی برای او منحصر به فرد و با افراد دیگر متفاوت است.بنابراین اسکن عنبیه افراد روش مناسبی برای شناسایی دقیق افراد محسوب می‌شود.‬برای این کار بخش های رنگی چشم فرد اسکن و مورد تحلیل قرار می گیرد.





3-شناسایی چهره
برای شناسایی افراد به این روش یک بخش های از صورت را که تصویر هندسی سه بعدی آنها می تواند قابلیت تشخیص افتراقی داشته باشد را ثبت می کنند. بیشترین کاربرد این روش در مراکز حساس و مهم مانند فرودگاه ها و پست های مرزی است. نیروهای امنیتی و قضایی برای شناسایی مجرمان، تروریست ها و دیگر افرادی که تحت پیگرد قانونی قرار دارند، از این روش استفاده می کنند.
4-شناسایی از طریق صدا‬
این نوع از شناسایی بیومتریک با توجه به صدا و لحن گفتار افراد در تلفظ عبارتی خاص، انجام می‌شود. البته در صورت وجود اختلال و صداهای اضافه هنگام ضبط صدا، دقت این روش در شناسایی صحیح کم می‌شود.‬
5-اثرانگشت
اثرانگشت از قدیمی‌ترین و شناخته شده‌ترین روشهای شناسایی بیومتریک افراد است. اما شناسایی افراد با استفاده از اثرانگشت در سالهای اخیر تغییرات عمده‌ای داشته است. در روشهای جدید به جای استامپ و کاغذ از اسکنرهای خاص که قابلیت بررسی و تطبیق سریع اثرانگشت را با نمونه ضبط شده دارند، استفاده می‌شود.‬ اثرانگشت هر فرد با فرد دیگر متفاوت است. این روش از معمول ترین روشهای تشخیص هویت به شمار می‌رود؛ تا حدی که حتی در سیستم‌های حضور و غیاب کارمندان و برخی لپ تاپ های جدید نیز از این روش به عنوان یکی از روشهای مطمئن و سریع استفاده می‌شود.
6-شکل هندسی دست‌ها و انگشتان
این مدل از شناسایی بیومتریک بر پایه‌ی تفاوت حالت قرار گیری دست‌ها و انگشتان افراد با یکدیگر به وجود آمده است. در این روش فرد مورد نظر دست خود را بر روی اسکنری مخصوص قرار می‌دهد و اسکنر تصویر کامل دست را اسکن می‌کند. در این روش معمولا هنگام اسکن، دو یا سه انگشت فرد بررسی می‌شود.

اسکن عنبیه
از بین ویژگی های رفتاری مانند امضاء، دستخط و ... که با زمان تغییر و قابل تقلید می باشند، خصوصیات مربوط به الگوی عنبیه پایدارتر می باشند. عنبیه بخش رنگی و قابل رویت چشم است ، که در پشت پلکها و جلوی عدسی قرار دارد . شکل گیری عنبیه از سومین ماه جنینی آغاز و تا هشت ماهگی ادامه می یابد . شکل گیری ساختار منحصر بفرد عنبیه به صورت تصادفی رخ می دهد و به عوامل ژنتیکی بستگی ندارد و فقط رنگد انه های عنبیه به عوامل ژنتیکی بستگی دارند و در طول زمان تغییر می کنند، که همین امر عنبیه را به عنوان یک عنصر مهم در سیتمهای تعیین هویت تبدیل کرده است .
برای دستیابی به نتایج قابل قبول در سیستمهای تعیین هویت، باید الگوریتمی که بیشترین اطلا عات را از الگوی عنبیه استخراج می کند ، بکار بر د ه شود. داگمن تبدیل ویولت گابور را برای استخراج ویژگی عنبیه بکار برد و از اطلاعات فاز بافت استفاده کرد، سپس با تعیین اینکه خروجی فاز تبدیل گابور در کدام قسمت از محور مختصات است ، به هر پیکسل یک دو بیتی اختصاص داد و یک کد 256 بایتی تولید کرد. بولز و بوشاش از نقاط عبور از صفر تبدیل ویولت یک بعدی در سطوح مختلف بر روی دایره های هم مرکز عنبیه و به مرکزیت مردمک، استفاده کردند. وایلدز هرم لاپلاسی با چهار سطح رزولوشن متفاوت را به کار برد و از همبستگی نرمالیزه شده برای مقایسه بین تصویر ورودی و تصویر دیتا بیس استفاده کرد. لی ما از تبدیل ویولت هار دو بعدی در 4 مرحله تجزیه استفاده کرد. اطلاعات فرکانس بالای چهارمین سطح را به صورت یک کد 87 بیتی تبدیل LVQ برای طبقه بندی استفاده کرد. تان و همکارانش از فیلترهای گابورچند کاناله برای استخراج ویژگی استفاده کردند.و از یک شبکه در ادامه. روی موجک سیملت 2 و مکانیزم استخراج ویژگی، بحث خواهد شد . روی نتایج روش های پیشنهادی در دو قسمت بهبود کیفیت و استخراج ویژگی، بررسی و در انتها. نتیجه گیری صورت خواهد گرفت مراحل پردازش تصویر که شامل دریافت تصاویر، جداسازی عنبیه ، نرما ل سازی و بهبود کیفیت شرح داده خواهد شد
پردازش تصویر
مرحله پردازش تصویر شامل دریافت تصاویر، جداسازی عنبیه، نرمال سازی و بهبود کیفیت می باشد.
1-دریافت تصاویر
دریافت تصا ویر، یکی از مراحل اساسی در سیستمهای تشخیص هویت عنبیه می باشد . تصاویر دریافتی فاکتور. در این صورت تصاویر دریافتی نیاز به پیش. در این مقاله از تصاوی ر دیتابیس 1 CASIA استفاده شده است . این تصاویر برای تست نرم افزار تشخیص هویت از روی عنبیه تهیه شده است، که از امواج. مادون قرمز برای روشن کردن تصویر استفاده می نماید ، این امواج باعث حذف انعکاسات در تصویر چشم می شود و بدین ترتیب محاسبات مربوط به حذف نواحی عنبیه شامل انعکاسات، دیگر مورد نیاز نمی باشد پردازش نخواهد داشت و باعث بالا رفتن دقت سیستم خواهد شد تعیین کننده ای در کاهش خطا در سیستهای تعیین هویت هستند
2-جداسازی عنبیه
عنبیه بین مردمک و صلبیه قرار گرفته و با توجه به اینکه اطلاعات منحصر بفرد مربوط به بافت عنبیه می باشد، باید در مرحله اول مرزهای داخلی و خارجی عنبیه مشخص گردد. در این مرحله ، از الگوریتم Ma با کمی تغییرات سود جسته ایم . ابتدا برای به دست آوردن مرکز و شعاع مردمک و با توجه به اینکه مردمک از بقیه70 قرار دادیم، این مقدار آستانه از روی منحنی. با توجه به اینکه با این مقدار آستانه ممکن است بعضی از عوامل مزاحم به تصویر باینری اضافه شوند، که از عملگر مورفولوژی (Morphology) برای حذف (closing) بستن آنها استفاده می شود . مرکز مردمک از رابطه زیر بدست می آید. هیستوگرام و با آز مایش و خطا بدست آمد ه است نواحی تاریکتر است، تصویر را باینری کرده و مقدارآستانه را pupil x = (min( x ) max( x )) / 2pupil x = (min( y ) max( y )) / 2
سپس با استفاده از لبه یاب canny می توان لبه های تصویر، که شامل دایره خارجی عنبیه می شود، را استخراج. با توجه به اینکه الگوریتم هاف زمان بر است و اینکه مرکز عنبیه و مردمک فاصله زیادی با هم ندارند ما ناحیه جستجوی مرکز عنبیه را با تو جه به مرکز مردمک محدود کردیم . شکل .زیر نمونه ای از عنبیه و دوایر داخلی و خارجی عنبیه را، نمایش می دهد کرد و با تبدیل هاف مرز عنبیه با صلبیه را به دست آورد




3-نرمال سازی
بعد از مرحله جداسازی عنبیه از بقیه قسمتها و پیدا کردن دوایر داخلی و خارجی آن، مرحله نرمال سازی صورت می گیرد. برخی از عوامل باعث ایجاد تغییرات در عنبیه شده. برای... اشاره کرد . در مرحله نرم ال سازی، عنبیه به یک. در(rubber sheet) داگمن بهره(r,θ ) انتقال می دهد . جسته ایم، که هر نقطه از عنبیه را به نقطه ای در مختصات قطبی این مرحله از مدل نوار کشی ناحیه مستطیلی با اب عاد ثابت و یکسان تبدیل می شود جلوگیری از تأثیر این عوامل عنبیه را نرمال می نماییم، که از جمله این عوامل می توان به فاصله دوربین با چشم، تغییرات اندازه مردمک در برابر تغییر نور محیط، چرخش سر و که باعث اختلال در تطابق بین عنبیه ها می شود در شکل زیر تبدیل عنبیه به نوار نرمالیزه شده نمایش داده شده است.



4-بهبود کیفیت تصاویر
با توجه به اینکه عمل شناسایی با استفاده از الگوهای موجود در بافت عنبیه انجام می شود، تصویر گرفته شده باید از نظر کنتراست دارای کیفیت مطلوبی باشد . با توجه. لذا دو روش را برای بهبود کیفیت. در روش اول از فیلتر وینر دو. بعدی بر ای بهبود کیفیت استفاده می شود ، این فیلتر باعث حذف نویزها ی فرکانس بالا در تصویر عنبیه نرمال شده خواهد شد تصویر استفاده نموده ایم به شرایط تصویربرداری و محل قرار گرفتن منبع نور ، ممکن است که نور محیط بطور یکنواخت در تمامی سطح عنبیه پخش نشده باشددر روش دوم از ترکیب فیلتر میانگین و تعدیل کنتراست(adjust) استفاده شده است.


استخراج ویژگییکی از مسائل مهم در سرعت سیستمهای تشخیص هویت، ابعاد بردار ویژگی استخراج شده از هر عنبیه می باشد. با توجه به اینکه تصویر عنبیه بزرگ می باشد، باید الگوریتمی برای کاهش ابعاد بردار ویژگی عنبیه اعمال کرد. همچنین، الگوریتمهایی از جمله گابور و تبدیل موجک برای استخراج بردار ویژگی عنبیه استفاده می شود . در اینجا از روش جدید تبدیل موجک سیملت برای کاهش طول بردار ویژگی و استخراج بردار ویژگی استفاده شده است. بر ای استخراج برد ار ویژگی، 3 بار این تبدیل موجک. شکل سیملت 2 به عنوان پایه موجک مادر. و مراحل تجزیه نمایش داده شده است اعمال می شود که اطلاعات محلی و عمومی عنبیه را از بین نبرد مقصود از L فیلتر پایین گذر و مقصود از H فیلتر بالا گذر می باشد.

کارت‌ شناسایی بیومتریک چیست؟
کارت‌ شناسایی بیومتریک یا Biometric ID Cards ترکیبی از کارت‌ شناسايی معمولی و یک یا چند مشخصه بیومتریک استاین کارت‌ها کاملا مورد اعتماد هستند و تقلب در آنها و سوء استفاده از آنها تقریبا غیر ممکن است. این کارت‌ها شامل نوع کارت، مانند: کارت رانندگی، کارت ماشین و... هستند و سپس مشخصات دارنده کارت مانند: نام، نام خانوادگی و ... و یک عکس مربوط به دارنده کارت تمام مشخصات بعد از ورود به همراه اسکن عکس و تعیین پیکسل‌هاِی عکس با توجه به یک الگوی مخصوص رمز گذاری که برای آن سازمان در نظر گرفته شده رمز گذاری شده و در قسمت زیر عکس به صورت کد (bar code) ذخیره می شود، سپس هنگام تشخیص عکس و تمام مشخصات ثبت شده برروی کارت خوانده شده و به وسیله الگوی رمز گذاری برای آن سازمان رمزگذاری می‌شود و سپس bar code بوسیله دستگاه خوانده شده و رمز حاصل از آن با رمز بدست آمده از رمز گذاری مقایسه می‌شود و در صورت تطبیق هویت فرد تایید می‌شود.
در این روش چون هم رمز و هم مشخصات بر روی کارت ثبت می‌شود دیگر نیازی به اطلاعات حجیم نمی باشد و فقط الگوهای رمز گذاری باید مشخص باشد و این در مقایسه با حجم بسیار زیاد الگوهای ذخیره شده ناچیز است.
اگر در این کارت‌ها یک مشخصه بیومتریک نیز مانند اثر انگشت ثبت شود نه تنها از قانونی بودن کارت اطمینان حاصل می‌شود بلکه از اینکه کارت به شخص تعلق دارد نیز می‌توان مطمئن شد.




نتیجه گیری
يکي از مهمترين مسائل امروز، تامين امنيت جان، مال و اطلاعات است و بدون شک سيستم هاي بيومتريک يکي از پرکاربردترين سيستم ها براي نيل به اين هدف هستند. در اين مقاله سعي شد به شکلي مصور و در نهايت اختصار مروري بر روش هاي بيومتريک داشته باشيم و روشی جدید با راندمان بالا برای استخراج. لازم به ذکر است که به دليل ساده نگاري و اجتناب از گنگ شدن مطالب، از بيان جزئيات الگوريتم ها و ويژگي ها در طي مقاله پرهيز گشته بود. بردار ویژگی از الگوی عنبیه در سیستمهای تشخیص و تأیید هویت ارائه شد


مراجع
 
[1] J. Daugman, “Statistical richness of visual phase information: update on recognizing persons by iris patterns,” Int’l J. Computer Vision, vol. 45, no. 1, pp. 25- 38, 2001.[2] Masek, "Recognition of Human Iris patterns for Biometric Identification"Thesis for the Bachelor of Engineering degree of the School of Computer Science and Software Engineering,The University of Western Australia 2003.[3] L. Ma, T. Tan, Y. Wang and D. Zhang, “Efficient iris recognition by characterizing key local variations,” IEEE Trans. Image Processing, vol. 13, no. 6, June 2004.[4] J. Daugman, "Uncertainty relation for resolution in space, spatial frequency and orientation optimized by twodimensional visual cortical filters.'' Opt. Soc. Amer . A, Vol2, pp. 1160-1 169, 1985[5] L. Ma, “Personal identification based on iris recognition,” Ph.D dissertation, Inst. Automation, Chinese Academy of Sciences, Beijing, China, June 2003.[6] www. Maghaleh .net[7] www.barsam.ir پایگاه خبری فن آوری اطلاعات برسام[8] www. Eikipedia .com[9] www. Ncsconline .org