Mecanisme de autentificare a persoanelor

Autentificarea persoanelor este procesul de verificare a identitii pretinse de ctre o

persoan, de obicei, ca o condiie prealabil pentru a obine accesul la anumite resurse.
Aplicaii ale autentificrii persoanelor: accesul (local sau de la distan) la sistemele de
calcul, securitatea datelor electronice, accesul la Internet, operaiuni la automatele bancare
(ATM-uri), comerul electronic, controlul accesului fizic, telefoane mobile, managementul
nregistrrilor medicale, nvmntul la distan, controlul trecerii frontierei etc.
Principalele mecanisme de autentificare a persoanelor se bazeaz pe:
cunoatere (ceea ce tii): informaii secrete cunoscute doar de utilizatorul
legitim (e.g., parole, coduri PIN);
posesie (ceea ce ai): dispozitive fizice, dificil de falsificat sau de modificat,
aflate n posesia persoanei legitime (e.g., cartele magnetice, smartcarduri, tokenuri USB, generatoare de parole dinamice);
caracteristici biometrice (ceea ce eti): fizice (e.g., amprenta digital, geometria
minii, retina, irisul, trsturile faciale) sau comportamentale (e.g., vocea,
dinamica semnturii, modul de apsare a tastelor, mersul).
dooropen_voice.swf

cunoatere

caracteristici
biometrice

posesie

Principalele mecanisme de autentificare a persoanelor

i combinaii posibile ale acestora
Fiecare dintre aceste mecanisme de autentificare prezint avantaje i dezavantaje cu
privire la securitate, uurin n utilizare i cost.
1

Biometria este tiina identificrii sau verificrii identitii unei persoane pe baza
caracteristicilor fizice sau comportamentale ale acesteia.
Caracteristicile fizice sunt msurate la un moment de timp i includ: amprentele
digitale, faa, geometria minii, irisul, retina, forma urechii, mirosul, reflexia pielii,
termogramele etc.
Caracteristicile comportamentale presupun msurarea variaiei acestora pe o durat de
timp i includ: scrisul, vocea, mersul, modul de tastare, micarea buzelor etc.
Utilizarea trsturilor biologice pentru confirmarea identitii unei persoane nu este un
concept nou. La sfritul secolului al 19-lea, Alphonse Bertillon, un ofier francez de poliie, a
inventat un sistem de identificare a persoanelor care asocia un set de msurtori
antropometrice fiecrei persoane. Sistemul Bertillon implica msurarea precis a anumitor
pri osoase ale corpului (incluznd i urechea), o descriere morfologic a aspectului i formei
corpului, precum i o list a semnelor distinctive, cum ar fi alunie, cicatrice i tatuaje de pe
suprafaa corpului.

Aceste msurtori erau apoi nregistrate pe o cartel i arhivate ntr-un fiier central,
mprit n mai multe categorii n funcie de msurtorile efectuate. Aceast capacitate de
indexare permitea regsirea rapid a cartelei unei persoane atunci cnd un infractor recidivist
era reinut de poliie. Sistemul era ns dificil de administrat n mod uniform (fiind astfel
predispus la erori) i nu garanta unicitatea persoanelor.

Sistemul Bertillon inventat n 1882, cel mai vechi sistem multibiometric

Cerinele identificatorilor biometrici

Orice caracteristic uman fizic sau comportamental poate fi utilizat ca
identificator biometric dac satisface urmtoarele cerine:

universalitate: orice persoan trebuie s aib caracteristica biometric. Exist

persoane care nu pot vorbi, fr degete, sau cu probleme ale ochilor. Pentru aceste
situaii trebuie s existe proceduri de tratare a excepiilor.

unicitate: oricare dou persoane trebuie s fie suficient de diferite din punct de
vedere al identificatorului biometric. Amprentele digitale sunt foarte distincte iar
probabilitatea ca dou persoane s aib acelai model al irisului este de
2173 1052 . Gemenii identici, pe de alt parte, nu pot fi uor deosebii prin
recunoaterea feei.

permanen: caracteristica biometric trebuie s fie suficient de invariant de-a

lungul timpului. n timp ce irisul rmne, de obicei, stabil de-a lungul vieii,
nfiarea feei se modific semnificativ. Scrisul se poate modifica de asemenea
iar degetele pot fi frecvent rnite.

colectabilitate: caracteristica biometric trebuie s poat fi msurat cantitativ iar

obinerea acesteia s se fac uor. n timp ce imaginea feei se obine foarte uor i
ntr-un mod pasiv, scanarea retinei este dificil, necesit cooperarea utilizatorului
i un operator bine instruit.

Pe de alt parte, ntr-un sistem biometric practic exist i alte aspecte care trebuie luate
n considerare:

performanele sistemului: acurateea i viteza recunoaterii, resursele necesare

pentru a atinge acurateea i viteza dorit, precum i factorii operaionali i de
mediu care afecteaz acurateea recunoaterii i viteza. Acurateea n cazul
sistemelor de recunoatere a irisului este foarte bun (eroarea de potrivire fals
este mai mic de 105 ) iar calculul distanei Hamming dintre dou coduri ale
irisului este foarte rapid. Performanele sistemelor de recunoatere a feei,
scrisului, sau vocii sunt n general sczute.

acceptabilitatea: n ce msur oamenii sunt dispui s accepte un anumit

identificator biometric n viaa de zi cu zi. n timp ce recunoaterea feei i a vocii
sunt larg acceptate, scanarea retinei este incomod pentru utilizatori i este
perceput ca fiind un risc asupra sntii.

posibilitatea de fraudare a sistemului: ct de uor poate fi fraudat sistemul.

Un sistem biometric practic trebuie s aib o acuratee a recunoaterii i o vitez

acceptabile, cu cerine rezonabile privind resursele, s nu fie nociv utilizatorilor, s fie
acceptat de populaia destinat i suficient de robust la diferite metode de fraudare.
Fiecare identificator biometric are avantaje i dezavantaje. Nici un identificator
biometric nu corespunde cerinelor tuturor aplicaiilor. Alegerea unui identificator biometric
pentru o anumit aplicaie se face n funcie de caracteristicile aplicaiei i de proprietile
identificatorului biometric.
n tabelul urmtor sunt prezentai comparativ diferii identificatori biometrici.

Identificator
biometric

Universalitate

Unicitate

Permanen

Colectabilitate

Performane

Acceptabilitate

Fraudare

Atributele unor identificatori biometrici

Urechea
Faa
Termograma facial
Amprentele digitale
Mersul
Geometria minii
Venele minii
Irisul
Lovirea tastelor
Mirosul
Retina
Scrisul
Vocea

medie
mare
mare
medie
medie
medie
medie
mare
mic
mare
mare
mic
medie

medie
mic
mare
mare
mic
medie
medie
mare
mic
mare
mare
mic
mic

mare
medie
mic
mare
mic
medie
medie
mare
mic
mare
medie
mic
mic

medie
mare
mare
medie
mare
mare
medie
medie
medie
mic
mic
mare
medie

medie
mic
medie
mare
mic
medie
medie
mare
mic
mic
mare
mic
mic

mare
mare
mare
medie
mare
medie
medie
mic
medie
medie
mic
mare
mare

medie
mare
mic
medie
medie
medie
mic
mic
medie
mic
mic
mare
mare

Avantajele metodelor biometrice

Metodele biometrice prezint urmtoarele avantaje fa de metodele tradiionale de
autentificare:
Securitate crescut:
Metodele biometrice pot asigura un grad mai nalt de securitate fa de metodele
tradiionale de autentificare, resursele fiind astfel accesibile doar utilizatorilor legitimi
i protejate fa de utilizatorii neautorizai. Parolele i codurile PIN pot fi uor ghicite
i compromise, iar obiectele fizice de autentificare pot fi furate. Muli utilizatori aleg
parole simple, scurte, uor de memorat i nu le schimb niciodat. n plus, muli
6

utilizatori scriu parolele n locuri vulnerabile sau utilizeaz aceeai parol pentru
sisteme diferite, mai ales n condiiile n care numrul de parole pe care utilizatorii
trebuie s le memoreze este n continu cretere. Parolele sigure, lungi i complexe
sunt dificil de inut minte pentru majoritatea utilizatorilor i sunt rareori impuse.
Spre deosebire de metodele tradiionale de autentificare, datele biometrice nu pot fi
ghicite sau furate n acelai fel ca parolele sau obiectele fizice de autentificare. Dei
unele sisteme biometrice pot fi fraudate n anumite condiii, sistemele biometrice
curente sunt mai greu de pclit, de exemplu, cu fotografia unei fee, impresia unei
amprente digitale, sau nregistrarea unei voci.
Parolele, codurile PIN i obiectele fizice de autentificare pot fi de asemenea transmise,
ceea ce crete probabilitatea utilizrii nelegitime. n multe companii, aceeai parol
este folosit n comun de diferii administratori pentru a facilita administrarea
sistemului. Deoarece nu exist nici o siguran cu privire la persoanele care utilizeaz
o parol sau un obiect fizic de autentificare comun, securitatea este mult diminuat.
Fiind bazate pe caracteristici distinctive, datele biometrice nu pot fi transmise n acest
mod.
Dei exist un numr de probleme de securitate n utilizarea unui sistem biometric care
trebuie avute n vedere la proiectarea acestuia, nivelul de securitate asigurat de
majoritatea sistemelor biometrice depete cu mult securitatea asigurat de parole,
coduri PIN, sau obiecte fizice de autentificare.
Utilizare mai uoar:
Unul dintre motivele pentru care parolele sunt simple (i pot fi astfel compromise) este
c acestea se uit uor. n timp ce utilizatorii de calculatoare sunt obligai s utilizeze
din ce n ce mai multe parole, probabilitatea ca acestea s fie uitate crete. Cardurile i
celelalte obiecte fizice de autentificare pot fi de asemenea uitate.
Deoarece caracteristicile biometrice nu pot fi uitate, acestea ofer o uurin n
utilizare mult mai mare dect sistemele bazate pe memorarea de parole multiple sau
posesia unor obiecte fizice de autentificare. Pentru utilizatorii de calculatoare care
trebuie s acceseze resurse multiple, metodele biometrice pot simplifica mult procesul
de autentificare, caracteristica biometric putnd nlocui diferitele parole, teoretic
reducnd efortul att pentru utilizator, ct i pentru administratorul de sistem. Alte
aplicaii, precum tranzaciile comerciale, pot de asemenea s utilizeze metodele
biometrice pentru a autoriza plata din conturi prealocate, eliminnd nevoia cardurilor.
n sistemele de identificare, metodele biometrice pot fi de asemenea utilizate pentru
securitate i confort, mai ales cnd sunt utilizate de un numr mai redus de utilizatori. Totui,
sistemele de identificare sunt utilizate adesea pe scar larg, ntre zeci de mii i zeci de
milioane de utilizatori. n aceste aplicaii, identificarea biometric nu nlocuiete parolele sau
codurile PIN, ci asigur funcionaliti noi, precum reducerea fraudelor.

Avantajele metodelor biometrice n sistemele de identificare sunt:

Detecia fraudei:
Sistemele de identificare sunt utilizate pentru a determina dac informaia biometric a
unei persoane exist deja n baza de date. Prin identificarea persoanelor care au fost
deja nregistrate ntr-un program sau serviciu, metodele biometrice pot reduce frauda.
ntr-un program public de beneficii, de exemplu, o persoan poate s se nscrie sub
diferite identiti utiliznd documente false. De asemenea, o persoan poate obine un
permis de conducere sub o identitate fals. Fr utilizarea metodelor biometrice nu
putem fi siguri c o persoan nu este deja nregistrat cu o identitate diferit.
Prevenirea fraudei:
Poate mai mult dect detecia fraudei, prevenirea acesteia este principalul avantaj al
utilizrii metodelor biometrice n sistemele de identificare pe scar larg. Este dificil
s se determine cu certitudine o identitate n cazul comparrii acesteia cu milioanele
de nregistrri biometrice existente. Totui, simpla prezen a metodei biometrice
asigur avantajul c prentmpin ncercrile de fraud. n absena metodelor
biometrice nu exist un mod eficace de prevenire a nregistrrilor duplicat.

Moduri de operare ale sistemelor biometrice

Un sistem biometric este, n esen, un sistem de recunoatere a formelor care
recunoate o persoan prin determinarea autenticitii unei caracteristici fizice sau
comportamentale deinute de acea persoan.
Un sistem biometric poate opera n:
modul verificare:
Sistemul biometric autentific identitatea unei persoane prin compararea caracteristicii
biometrice curente cu modelul biometric de referin al acelei persoane, stocat anterior
n sistem. Acesta efectueaz o comparaie 1:1 pentru a determina dac identitatea
pretins de ctre individ este cea adevrat. Sistemul de verificare respinge sau
accept identitatea susinut.
modul identificare:
Sistemul recunoate un individ prin compararea caracteristicii biometrice curente cu
ntreaga baz de date de modele biometrice de referin. Acesta efectueaz comparaii
de tipul 1: N pentru a determina identitatea individului. ntr-un sistem de identificare,
sistemul stabilete identitatea subiectului (sau nu, dac subiectul nu este nregistrat n
baza de date a sistemului) fr ca acesta s pretind a avea o identitate.
Schemele bloc ale sistemului de verificare, respectiv de identificare, sunt prezentate n
figurile de mai jos. Este ilustrat, de asemenea, i nscrierea utilizatorului n sistem.

Nume
utilizator

Nume (PIN)

Interfaa cu
utilizatorul

Verificarea
calitii
eantionului
biometric

Extragerea
caracteristicilor

Baza de date
a sistemului

nscrierea n sistem

Modulul de nscriere este responsabil de nregistrarea utilizatorilor n baza de date a

sistemului biometric. n faza de nscriere, caracteristica biometric a utilizatorului este mai
nti scanat cu un cititor biometric pentru a se obine o reprezentare numeric primar a
caracteristicii. Apoi, este efectuat n general un control de calitate pentru a se asigura c
eantionul biometric obinut poate fi prelucrat corespunztor n etapele urmtoare. Pentru a
facilita compararea, reprezentarea numeric primar este de obicei prelucrat mai departe de
ctre un extractor de caracteristici pentru a genera o reprezentare compact denumit ablon
biometric. n funcie de aplicaie, ablonul biometric poate fi stocat n baza de date central a
sistemului biometric sau poate fi nregistrat pe o cartel magnetic sau pe un smartcard emis
individului.

Identitatea
susinut

Nume (PIN)

Interfaa cu
utilizatorul

Comparatorul
biometric
(1:1)

Extragerea
caracteristicilor

Baza de date
a sistemului

Adevrat / Fals
Sistem de verificare

Sistemul de verificare este responsabil de verificarea indivizilor la punctul de acces. n

timpul acestei faze, este introdus numele utilizatorului sau codul PIN cu ajutorul unei
tastaturi; cititorul biometric scaneaz caracteristica individului i o convertete ntr-un format
digital, care este mai departe procesat de extractorul de caracteristici pentru a produce o
reprezentare digital compact. Reprezentarea rezultat este furnizat comparatorului de
caracteristici, care o compar cu ablonul unui singur utilizator (regsit din baza de date a
sistemului pe baza codului PIN al utilizatorului).

Interfaa cu
utilizatorul

Comparatorul
biometric
(1:N)

Extragerea
caracteristicilor

Baza de date
a sistemului

Identitatea utilizatorului sau

utilizator neidentificat
Sistem de identificare

ntr-un sistem de identificare, nu este furnizat nici un cod PIN i sistemul compar
reprezentarea biometric de intrare cu abloanele biometrice ale tuturor utilizatorilor din baza
de date a sistemului; ieirea este fie identitatea unui utilizator nscris sau un mesaj de eroare
precum utilizator neindentificat. Deoarece identificarea n bazele mari de date este intens
computaional, sunt utilizate adesea tehnici de clasificare i indexare pentru a limita numrul
de abloane biometrice cu care trebuie comparat intrarea.
O aplicaie biometric poate opera n modul de identificare pozitiv sau negativ:

ntr-o aplicaie de identificare pozitiv, sistemul stabilete dac persoana este ceea
ce (implicit sau explicit) pretinde a fi. Scopul identificrii pozitive este de a
mpiedica diferite persoane s utilizeze aceeai identitate. De exemplu, dac numai
Ionescu este autorizat s ptrund ntr-o anumit zon de securitate, atunci
sistemul i va permite accesul numai acestuia. Dac sistemul nu reuete s
potriveasc ablonul nregistrat al lui Ionescu cu intrarea, rezult o respingere;
altfel, rezult o acceptare;

ntr-o aplicaie de identificare negativ, sistemul stabilete dac persoana este ceea
ce (implicit sau explicit) neag a fi. Scopul identificrii negative este de a nu
permite ca aceeai persoan s utilizeze identiti diferite. De exemplu, dac
Popescu a primit deja ajutoare sociale i acum pretinde c este Ionescu i dorete
s primeasc ajutoare sociale n numele acestuia, sistemul va stabili dac Ionescu
nu este ceea ce pretinde a fi. Dac sistemul nu reuete s potriveasc intrarea
biometric a lui Ionescu cu baza de date a persoanelor care au primit deja ajutoare
sociale, rezult o acceptare; altfel, rezult o respingere.

Observm c dei i metodele tradiionale de autentificare a utilizatorului precum

parolele, codurile PIN i cardurile pot fi utilizate pentru identificarea pozitiv, identificarea
negativ poate fi realizat numai prin metode biometrice. Mai mult, aplicaiile de identificare
pozitiv pot opera att n modul verificare ct i n cel de identificare, ns aplicaiile de
identificare negativ nu pot funciona n modul verificare: de fapt, sistemul trebuie s caute
ntreaga baz de date pentru a demonstra c intrarea dat nu este deja prezent.
10

Un sistem biometric poate fi clasificat n funcie de o serie de alte caracteristici

dependente de aplicaie. Aplicaiile biometrice pot fi clasificate n funcie de caracteristicile
acestora:
1. cooperare/necooperare
Clasificarea cooperare/necooperare se refer la comportamentul impostorului n
interaciunea cu sistemul. De exemplu, ntr-un sistem de recunoatere pozitiv, este n
interesul impostorului de a coopera cu sistemul pentru a fi acceptat ca utilizator autorizat. Pe
de alt parte, ntr-un sistem de recunoatere negativ, este n interesul impostorului de a nu
coopera cu sistemul astfel nct s nu fie recunoscut. Operaiunile bancare electronice sunt un
exemplu de aplicaie cu cooperare n timp ce identificarea ntr-un aeroport a teroritilor este
un exemplu de aplicaie fr cooperare.
2. deschis/ascuns
Dac utilizatorul este contient c este supus unei recunoateri biometrice, aplicaia
este categorisit ca fiind deschis. Dac utilizatorul nu este n cunotin de cauz, aplicaia
este ascuns. Recunoaterea facial poate fi utilizat n aplicaiile ascunse n timp ce
recunoaterea amprentelor digitale nu poate fi folosit n acest mod (cu excepia identificrii
bazat pe amprentele latente n criminalistic). Majoritatea utilizrilor comerciale ale
biometriei sunt deschise, n timp ce aplicaiile guvernamentale, judiciare i de supraveghere
sunt de obicei ascunse. De asemenea, majoritatea aplicaiilor de verificare sunt deschise n
timp ce aplicaiile de identificare cad n general n categoria celor ascunse.
3. n mod frecvent/rar
Clasificarea frecvent/rar a unui sistem biometric se refer la ct de des sunt supui
recunoaterii biometrice utilizatorii nscrii n sistem. De exemplu, o aplicaie de conectare la
o reea de calculatoare are n general utilizatori familiarizai cu sistemul (dup o perioad
iniial de acomodare) datorit utilizrii regulate a sistemului. n schimb o aplicaie de
obinere a permisului de conducere are n general utilizatori nefamiliarizai cu sistemul
deoarece rennoirea permisului de conducere se face o dat la civa ani. Acesta este un aspect
important n proiectarea unui sistem biometric deoarece familiarizarea utilizatorilor cu
sistemul influeneaz acurateea recunoaterii.
4. cu supraveghere/fr supraveghere
Clasificarea cu supraveghere/fr supraveghere se refer la faptul c procesul de
achiziie a datelor biometrice ntr-o aplicaie poate fi sau nu asistat sau supravegheat de o
persoan (e.g., un ofier de securitate). Mai mult, o aplicaie de tip operaiune bancar poate
avea o nscriere n sistem supravegheat cnd utilizatorului i se elibereaz un card ATM, dar
utilizrile ulterioare ale sistemului biometric pentru tranzacii ATM vor fi nesupravegheate.
Aplicaiile fr cooperare necesit n general o operare asistat.
5. mediu de operare standard/nestandard
Mediul de operare standard/nestandard se refer la faptul c sistemul poate funciona
sau nu ntr-un mediu controlat (cum ar fi temperatura, presiunea, umiditatea, condiiile de
iluminare etc.). n general, aplicaiile de interior, cum ar fi conectarea la o reea de
calculatoare, opereaz ntr-un mediu controlat n timp ce aplicaiile de exterior (n aer liber),
11

cum ar fi accesul fr cheie la o main sau supravegherea unei parcri, opereaz ntr-un
mediu nestandard. Aceast clasificare este important pentru proiectantul sistemului biometric
deoarece ntr-un mediu nestandard este necesar un senzor biometric mai robust. Similar,
recunoaterea feei n infrarou este de preferat fa de recunoaterea feei n spectrul vizibil
pentru supravegherea exterioar pe timp de noapte.
6. public/privat
Dihotomia public/privat se refer la faptul c utilizatorii sistemului pot fi clienii sau
angajaii organizaiei care exploateaz sistemul biometric. De exemplu, o aplicaie de
conectare n reea este utilizat de angajai i administrat de managerul cu tehnologia
informaiei al aceleai companii. Aceasta este o aplicaie privat. Folosirea datelor biometrice
n legtur cu crile de identitate electronice este un exemplu de aplicaie public.
7. deschis/nchis
Sistemele deschise/nchise se refer la faptul c ablonul biometric al unei persoane
poate fi folosit pentru o singur aplicaie sau pentru mai multe aplicaii. De exemplu, un
utilizator poate folosi un sistem de recunoatere bazat pe amprentele digitale pentru accesul n
diferite zone de securitate, conectarea la o reea de calculatoare, operaiuni bancare
electronice i tranzacii ATM. Toate aceste aplicaii pot utiliza abloane biometrice (baze de
date) diferite pentru fiecare aplicaie sau pot accesa acelai ablon (baz de date). Un sistem
nchis se poate baza pe un ablon particular n timp ce un sistem deschis va avea nevoie de
formate de date i metode de compresie standard pentru a schimba i compara informaiile
ntre diferite sisteme (cel mai probabil proiectate de firme diferite).
Cele mai rspndite aplicaii comerciale au urmtoarele atribute: cu cooperare,
deschise, utilizare frecvent, nregistrare asistat i recunoatere fr supraveghere, mediu de
operare standard, nchise i private.

Avantajele i dezavantajele principalelor metode biometrice

Fiecare metod biometric de autentificare a persoanelor are avantaje i dezavantaje.
Nici un identificator biometric nu corespunde cerinelor tuturor aplicaiilor. Alegerea unui
identificator biometric pentru o aplicaie se face n funcie de caracteristicile aplicaiei i de
proprietile identificatorului biometric.
Atunci cnd alegem un identificator biometric pentru o aplicaie, trebuie luate n
considerare urmtoarele aspecte:

Aplicaia necesit verificare sau identificare? Dac aplicaia solicit identificarea

unui subiect dintr-o baz de date mare, este necesar un identificator biometric
scalabil i relativ mai distinctiv (e.g., amprentele digitale, irisul).

Care sunt modurile de operare ale aplicaiei? De exemplu, dac aplicaia este
asistat (semiautomat) sau fr supraveghere (complet automat), dac utilizatorii
sunt obinuii (sau dispui s se obinuiasc) cu caracteristica biometric dat,
dac aplicaia este ascuns sau deschis, dac subiecii sunt cooperani sau
necooperani i aa mai departe.
12

Care sunt cerinele de stocare ale aplicaiei? De exemplu, o aplicaie care

efectueaz recunoaterea pe un server la distan poate solicita o dimensiune mic
a ablonului biometric.

Ct de stricte sunt cerinele de performan? De exemplu, o aplicaie care solicit o

acuratee foarte nalt necesit un identificator biometric mai distinctiv.

Ce tipuri de caracteristici biometrice sunt acceptabile pentru utilizatori? Diferite

caracteristici biometrice sunt acceptabile n aplicaii utilizate n diferite zone
demografice n funcie de standardele culturale, etice, sociale, religioase i de
igien ale acelei societi. Acceptabilitatea unui identificator biometric ntr-o
aplicaie este adesea un compromis ntre sensibilitatea unei comuniti la diferite
tabuuri i valoarea oferit de recunoaterea bazat pe metode biometrice.

n tabelul urmtor sunt prezentate comparativ avantajele, dezavantajele i aplicaiile

principalelor metode biometrice de autentificare: amprentele digitale, faa, geometria minii,
irisul, retina, scrisul i vocea.

Avantajele, dezavantajele i aplicaiile principalelor metode biometrice

Identificator
biometric
Amprentele
digitale

Avantaje

Dezavantaje

unicitate

reputaie public slab

stabilitate de-a lungul

timpului
dimensiuni relativ mici i

cost sczut al senzorilor

achiziie uoar a
imaginilor
numeroase baze de date

existente
stadiu tehnologic avansat

13

datorit utilizrii n
criminalistic sau de ctre
persoanele analfabete
variaie mare a calitii
amprentelor digitale de-a
lungul populaiei
probleme legate de
curenia senzorului,
presiunea aplicat i
starea pielii de pe vrful
degetelor
necesit o instruire a
utilizatorului
exist persoane fr
degete

Aplicaii
uzuale
controlul
accesului
logic
controlul
accesului
fizic
automate
bancare
criminalistic
verificarea
prezenei
servicii de
sntate

Identificator
biometric
Faa

Avantaje

Dezavantaje

acceptare public larg

probleme legate de

universal prezent
camerelor au un cost

redus i pot fi
considerate ca
echipament standard al
calculatoarelor personale
achiziia pasiv a
imaginilor, fr contact
i chiar fr cunotina
subiectului
numeroase baze de date
existente

Geometria
minii

achiziie uoar

neinfluenat de starea

pielii
calcule destul de simple
cerine minime de
stocare
ideal pentru integrarea
cu ali identificatori
biometrici, ndeosebi
amprentele digitale
acceptare public larg

14

deosebirea gemenilor
identici
insuficient de precis
pentru identificarea pe
scar larg
influenat de modificri
n nfiarea feei,
geometria achiziiei i
condiiile de achiziie a
imaginilor
posibilitate de fraudare
ngrijorri privind dreptul
la intimitate
probleme legate de
deghizarea intenionat n
aplicaiile de
supraveghere
cost mai ridicat
mai puin precis
sistem voluminos, dificil
de integrat
dificil de utilizat de ctre
persoanele stngace
respingeri false n cazul
persoanelor cu mini
foarte mici sau foarte mari
nu este foarte distinctiv
exist persoane fr mini

Aplicaii
uzuale
controlul
accesului
logic
controlul
accesului
fizic
verificarea
prezenei
sisteme de
supraveghere

verificarea

prezenei
controlul
accesului
fizic

Identificator
biometric
Irisul

Avantaje

Dezavantaje

unicitate

cost mai ridicat

foarte stabil de-a lungul

achiziia imaginilor
vieii
necesit cooperarea
foarte precis
utilizatorului sau

dispozitive de intrare
indicat pentru aplicaii de
complexe i costisitoare
identificare

imaginile pot fi captate

exist o potenial
de la distan
rezisten din partea
foarte dificil de creat un

utilizatorilor
iris artificial
necesit instruirea
utilizatorilor
performanele sistemului
pot fi afectate de ochelari
i lentilele de contact
puine baze de date
existente
ngrijorri ale
utilizatorilor deoarece
imaginea irisului poate
dezvlui anumite boli
exist oameni fr ochi
sau fr controlul motoriu
necesar nscrierii n sistem

15

Aplicaii
uzuale
controlul
accesului
fizic
automate
bancare
controlul
trecerii
frontierei
aeroporturi

Identificator
biometric
Retina

Avantaje

Dezavantaje

unicitate

cost foarte ridicat al

stabil de-a lungul vieii

senzorului

cel mai precis

este perceput public ca o

identificator biometric
ablon biometric foarte
mic
nu este expus la
ameninri provenite din
mediul extern

16

ameninare asupra
sntii
necesit o cooperare mare
din partea utilizatorului i
un operator bine instruit
proces de achiziie lent
un numr mai mare de
respingeri false
ngrijorri ale
utilizatorilor deoarece
imaginea retinei poate
dezvlui anumite boli
dificulti de achiziie a
imaginii n cazul
persoanelor care sufer de
astigmatism puternic sau
vedere foarte slab

Aplicaii
uzuale
nchisori
instituii
militare sau
guvernamenta
le de
securitate
ridicat

Identificator
biometric
Scrisul

Avantaje

Dezavantaje

instruire redus

mai puin precis

rspuns rapid i cerine

modificri de-a lungul

minime de stocare
acceptare larg din partea
utilizatorilor
informaia scris poate fi
aleas i schimbat de
ctre utilizator

Vocea

instruire minim

senzori omniprezeni i

cu un cost redus
uor de implementat
datorit existenei
infrastructurii de
comunicaii
permite utilizarea unor
protocoale de
autentificare secveniale
permite verificare
continu a identitii
semnalul vocal poate fi
achiziionat pasiv
acceptare public larg

17

Aplicaii
uzuale
operaiuni
financiare

timpului
necesit dispozitive
speciale i cu un cost
ridicat
durata nscrierii n sistem
este lung
un numr mai mare de
respingeri false
exist persoane care sufer
de paralizie sau care nu au
coordonarea motorie
necesar pentru a scrie
consistent
mai puin precis
operaiuni
modificri de-a lungul
bancare prin
timpului
telefon
vulnerabile la atacuri cu
comer prin
reluare
telefon
este posibil imitarea vocii controlul
de ctre anumite persoane
accesului
cu aptitudini sau prin
logic
utilizarea sintezei vorbirii
un numr mai mare de
respingeri false
influenat de zgomotul de
fond, acustica camerei,
zgomotul canalului de
transmisie, nepotrivirea
ntre canale,
caracteristicile
microfonului, cuvinte
citite sau pronunate greit
i variaii ale vocii
abloane biometrice relativ
mari
exist persoane mute
pierderea temporar a
vocii

Erorile sistemelor biometrice

Specificaiile tehnice ale unui sistem biometric de autentificare includ de obicei cerine
precum erorile maxime permise. Unele dintre aceste erori sunt inerente, autentificarea
biometric fiind n esen o aplicaie de recunoatere a formelor; alte erori sunt specifice
sistemelor biometrice de autentificare. Ceea ce este evident este c orice sistem biometric de
autentificare va avea erori i c valoarea real a acestor erori nu poate fi calculat sau stabilit
teoretic; este posibil s obinem doar estimri statistice ale erorilor utiliznd baze de date de
test de eantioane biometrice.
Comparatorul unui sistem biometric preia dou eantioane de date biometrice i
determin un scor care indic similitudinea acestora. ntr-un sistem de verificare acest scor se
utilizeaz ca un mijloc de a determina dac cele dou eantioane biometrice provin de la
acelai caracteristic biometric real.
Pentru a defini comparatorul unui sistem biometric, vom introduce unele notaii. Cele
dou caracteristici biometrice reale (e.g., dou degete sau dou fee) sunt notate cu B i B iar
reprezentrile main asociate acestor caracteristici biometrice sunt notate cu R = f ( B ) i

R = f ( B ) , unde f reprezint procesul de eantionare a datelor cu un senzor biometric urmat

de o prelucrare pentru extragerea caracteristicilor R i R . Din pcate, caracteristicile
biometrice reale B i B sunt funcii de timp i, poate mai important, funcia de achiziie f este
de asemenea o funcie de timpul cnd are loc eantionarea i de factorii de mediu; prin urmare
vom indica aceast dependen prin ft . Prin urmare reprezentrile biometrice R i R sunt
funcii de timp, i.e.,

R = R ( t ) = ft ( B ( t ) ) i R = R ( t ) = ft ( B ( t ) ) .
Se observ astfel c proprietatea de unicitate a unui identificator biometric B i a
eantioanelor sau reprezentrilor R ale acestei caracteristici biometrice nu sunt att de valabile
n practic precum se pretinde adesea. Acest grad de unicitate variaz mult de-a lungul
timpului de la un identificator biometric la altul i de aceea proprietile de scalare ale
diferitelor caracteristici biometrice sunt foarte diferite.
Indiferent de tipul de identificator biometric, comparatorul biometric calculeaz n
general un scor, s ( R, R ) , reprezentnd similitudinea dintre eantioanele R i R i astfel
similitudinea dintre B i B:

s ( R, R ) = s ( B ( t ) , B ( t ) ) = s ft ( B ( t ) ) , f t ( B ( t ) ) .
R este de obicei eantionul nscris (la momentul t), care poate fi un ablon biometric, i
este rar schimbat dac nu se dorete aceasta din diferite motive, iar R este eantionul de

interogare curent. Un scor de potrivire s ( R, R ) mai mare nseamn c e mai probabil ca cele
dou reprezentri biometrice s provin de la acelai identificator biometric.

18

Un mod alternativ de a calcula scorurile de potrivire este de a determina distanele, sau

diferenele, d ( R, R ) ntre eantioanele R i R. Acestea pot fi transformate ntr-un scor de
similitudine s ( R, R ) lund de exemplu,

s ( R, R ) exp { d ( R, R )} ,
care transform intervalul distanelor [ 0, ) n intervalul scorurilor de similitudine [ 0,1] .

Erorile sistemelor de verificare

Problema verificrii biometrice poate fi formulat dup cum urmeaz. Fie T ablonul
biometric stocat al unei persoane i I reprezentarea biometric a intrrii curente. Atunci
ipotezele de nul i alternativ sunt urmtoarele:
H 0 : I T , intrarea nu provine de la aceeai persoan ca i ablonul;
H1 : I = T , intrarea provine de la aceeai persoan ca i ablonul.

Deciziile comparatorului biometric sunt dup cum urmeaz:

D0 : persoana nu este cine pretinde a fi;
D1 : persoana este cine pretinde a fi.

Verificarea implic compararea reprezentrilor biometrice T i I utiliznd un scor de

similitudine s (T , I ) . Dac scorul de potrivire este mai mic dect pragul sistemului t, atunci se
ia decizia D0 , altfel se ia decizia D1 . O astfel de formulare a testrii ipotezelor conine n
mod inerent dou tipuri de erori:
Tipul I: potrivire fals (se decide D1 cnd H 0 este adevrat);
Tipul II: nepotrivire fals (se decide D0 cnd H1 este adevrat).
Rata potrivirii false (FMR) este probabilitatea erorii de tipul I (numit i nivelul de
semnificaie al testului ipotezelor) iar rata nepotrivirii false (FNMR) este probabilitatea erorii
de tipul II:

FMR = P ( D1 H 0 = adevrat ) ;
FNMR = P ( D0 H1 = adevrat ) .

(1 FNMR )

este numit puterea testului ipotezelor.

Pentru a evalua acurateea unui sistem biometric se colecteaz scoruri generate de

acelai utilizator (distribuia p ( s H1 = adevrat ) a unor asemenea scoruri este numit n mod
tradiional distribuia scorurilor utilizatorilor legitimi), i scoruri generate de utilizatori diferii
(distribuia p ( s H 0 = adevrat ) a unor asemenea scoruri este numit n mod tradiional
distribuia scorurilor impostorilor). Figura urmtoare ilustreaz grafic calculul FMR i FNMR
din distribuiile scorurilor utilizatorilor legitimi i ale impostorilor:
19

0 p ( s H1 = adevrat ) ds ,

FNMR =
FMR =

t p ( s H 0 = adevrat ) ds .
distribuia
p ( s H 0 = adevrat )

distribuia

pragul t

p ( s H1 = adevrat )

FMR
FNMR

scorul de similitudine s

Calculul FMR i FNMR din distribuiile

scorurilor utilizatorilor legitimi i ale impostorilor
Exist un compromis strict ntre FMR i FNMR n orice sistem biometric. De fapt, att
FMR ct i FNMR sunt funcii de pragul sistemului t, i de aceea ar trebui s ne referim cu

FMR ( t ) i respectiv FNMR ( t ) . Dac t scade pentru a face sistemul mai tolerant cu privire la
variaiile intrrii i zgomotului, atunci FMR ( t ) crete, i invers, dac t crete pentru a face
sistemul mai sigur, atunci FNMR ( t ) crete n consecin. Proiectantul sistemului poate s nu
cunoasc dinainte aplicaia particular pentru care va fi utilizat sistemul (sau acelai sistem
poate fi proiectat pentru o varietate larg de aplicaii). Astfel, este recomandabil s se
raporteze performanele sistemului pentru toate punctele de operare (pragurile t). Aceasta se
face prin trasarea curbei ROC. Curba ROC este graficul FMR n funcie de (1 FNMR )
pentru diferite praguri de decizie (adesea se utilizeaz FNMR de-a lungul axei verticale n loc
de (1 FNMR ) ).
Ali indicatori utilizai pentru a exprima acurateea sistemului de verificare sunt:

Rata erorilor egale (EER) reprezint rata erorii corespunztoare pragului t pentru
care rata potrivirii false i cea a nepotrivirii false sunt egale: FMR ( t ) = FNMR ( t ) .
n practic, deoarece distribuiile scorurilor de potrivire nu sunt continue (datorit
numrului limitat de perechi de scoruri care se potrivesc i cuantificrii scorurilor
de ieire), poate s nu existe un punct EER exact. n acest caz, n loc de o singur
valoare, trebuie raportat un interval. Dei EER este un indicator important, n
practic, un sistem biometric este rar utilizat n punctul de operare corespunztor
20

lui EER, i adesea este stabilit un prag mai strict pentru a reduce FMR n ciuda
unei creteri a FNMR.
Zero FNMR este cea mai mic FMR la care nu are loc nici o nepotrivire fals.

Zero FMR este cea mai mic FNMR la care nu are loc nici o potrivire fals.

Rata erorii de achiziie (FTC) este asociat cu funcia de achiziie a sistemului

biometric i indic frecvena cu care dispozitivul nu reuete s capteze automat
caracteristica biometric cnd aceasta este prezentat senzorului. O rat nalt a
erorii de achiziie face ca dispozitivul biometric s fie dificil de utilizat.

Rata erorii de nscriere (FTE) reprezint frecvena cu care utilizatorii nu se pot

nscrie n sistemul de recunoatere. Exist un compromis ntre FTE i acurateea
sistemului (FMR i FNMR). Erorile de nscriere au loc n general cnd sistemul
biometric efectueaz un control de calitate pentru a se asigura c numai abloanele
de bun calitate sunt stocate n baza de date a sistemului i le respinge pe cele de
calitate slab. Prin urmare, baza de date conine doar abloane de bun calitate i
acurateea sistemului (FMR i FNMR) se mbuntete.

Rata erorii de potrivire (FTM) este frecvena cu care eantionul de intrare nu poate
fi prelucrat sau potrivit cu un ablon valabil datorit calitii insuficiente. Aceasta
este diferit de eroarea de nepotrivire fals; de fapt, ntr-o eroare de potrivire
sistemul nu poate lua o decizie, n timp ce ntr-o eroare de nepotrivire fals
sistemul decide greit c cele dou intrri nu provin de la acelai persoan.

eroarea

FNMR (t)

FMR (t)

Zero FMR

Zero FNMR

EER
pragul t

Ali indicatori ai acurateei sistemului de verificare

Cerinele practice de performan ale unui sistem biometric depind foarte mult de
aplicaie. Din punct de vedere al acurateei sistemului, o rat de nepotrivire fals extrem de
mic poate fi obiectivul principal. De exemplu, n unele aplicaii judiciare precum
identificarea criminalilor, rata de nepotrivire fals este principala preocupare i nu rata
potrivirilor false: adic, nu vrem s pierdem un criminal chiar cu riscul examinrii manuale a
unui numr mare de potriviri poteniale identificate de sistemul biometric. n aplicaiile
judiciare, oricum expertul uman este cel care va lua decizia final. La cealalt extrem, o rat
a potrivirilor false foarte mic poate fi factorul cel mai important ntr-o aplicaie de verificare
21

a accesului ntr-o zon de securitate nalt, unde obiectivul principal este de a nu permite
intrarea unui impostor, dei ne preocup posibilul disconfort al utilizatorilor legitimi datorit
unei rate nalte de nepotrivire fals. ntre aceste extreme sunt unele aplicaii civile, unde att
rata potrivirii false ct i rata nepotrivirii false trebuie avute n vedere. De exemplu, n
aplicaii precum verificarea unui card ATM o potrivire fals poate nsemna o pierdere de
cteva sute de lei n timp ce o rat nalt de nepotrivire fals poate irita clienii. Figura de mai
jos prezint grafic compromisul dintre FMR i FNMR pentru diferite tipuri de aplicaii.

FMR

Criminalistic

Aplicaii
civile

Accesul n zone de
securitate nalt

EER
FNMR

Compromisul dintre FMR i FNMR

pentru diferite tipuri de aplicaii

22

Erorile sistemelor de identificare

n condiiile unor ipoteze simplificatoare, o estimare a performanelor n modul
identificare poate fi dedus din evaluarea erorilor n modul verificare.
S presupunem c nu este disponibil nici un mecanism de indexare/regsire
(i.e., trebuie cutat ntreaga baz de date coninnd N abloane), i c este prezent un singur
ablon n baza de date pentru fiecare utilizator. Fie FNMRN i FMRN rata nepotrivirii false
i respectiv rata potrivirii false n cazul identificrii, atunci:

FNMRN = FNMR ; de fapt, probabilitatea nepotrivirii false a intrrii cu ablonul

utilizatorului este aceeai ca n modul verificare;

FMRN = 1 (1 FMR ) N ; de fapt, o potrivire fals are loc atunci cnd intrarea se
potrivete fals cu unul sau mai multe abloane din baza de date. FMRN se
calculeaz atunci ca unu minus probabilitatea ca s nu aib loc nici o potrivire
fals cu nici unul dintre abloanele bazei de date. n expresia de mai sus

(1 FMR )

este probabilitatea c intrarea nu se potrivete fals cu un singur ablon

i (1 FMR )

este probabilitatea c aceasta nu se potrivete fals cu nici unul din

abloanele bazei de date. Dac FMR este foarte mic, atunci expresia de mai sus
poate fi aproximat de FMRN N FMR i de aceea putem afirma c
probabilitatea potrivirii false n cazul identificrii crete liniar cu mrimea bazei de
date.
Acest rezultat are implicaii serioase n proiectarea sistemelor de identificare pe scar
larg. De obicei, viteza de calcul este perceput ca cea mai mare problem n scalarea unei
aplicaii de identificare. n realitate, acurateea are probleme mai mari dect viteza. S
considerm o aplicaie de identificare cu 10.000 de utilizatori. Putem gsi o combinaie dintre
un algoritm rapid i o arhitectur rapid (de exemplu, utiliznd paralelismul) capabil s
efectueze o identificare n cteva secunde. Pe de alt parte, s presupunem c, pentru un
FNMR acceptabil, FMR-ul algoritmului ales este 105 (i.e., doar o potrivire fals la 100.000
de comparri). Atunci probabilitatea acceptrii false a unui individ n timpul identificrii este
FMRN 10% i oricine are o ans mare de a obine accesul la sistem prin folosirea cele zece
degete de la cele dou mini. Sistemele biometrice multimodale par s fie singura soluie
evident la problema acurateei n identificarea automat pe scar larg.
Dac abloanele din baza de date au fost clasificate/indexate, atunci doar o parte a
bazei de date este cutat n timpul identificrii i aceasta duce la o formulare diferit a
FNMRN i FMRN :

FNMRN = RER + (1 RER ) FNMR , unde RER (rata erorii de regsire) este
probabilitatea c ablonul bazei de date corespunztor intrrii curente este
determinat greit de mecanismul de regsire. Expresia de mai sus este obinut
23

astfel: n caz c ablonul nu este regsit corect (aceasta se ntmpl cu

probabilitatea RER), sistemul genereaz ntotdeauna o nepotrivire fals, n timp ce
n cazul n care mecanismul de regsire ntoarce ablonul corect (acesta se
ntmpl cu probabilitatea (1 RER ) ), rata nepotrivirii false a sistemului este
FNMR;

FMRN = 1 (1 FMR ) N P , unde P (numit i rat de ptrundere/penetrare) este

procentajul mediu al bazei de date cutate n timpul identificrii unei eantion
biometric de intrare.

Curba ROC
Majoritatea identificatorilor biometrici nu pot asigura rate ale erorilor care s fie destul
de mici pentru aplicaii care trebuie s fie i sigure (FMR mic) i s nu deranjeze utilizatorii
(FNMR mic). S presupunem, de exemplu, c avem curba ROC exact a unui comparator ca
n figura de mai jos. Putem alege:

fie probabilitatea unei potriviri false fixat la un FMR = x1 (mic) i n consecin

probabilitatea unei nepotriviri false este FNMR = y1 ;

fie probabilitatea unei nepotriviri false poate fi setat la o valoare FNMR = y2

(mic) i probabilitatea unei potriviri false este n consecin FMR = x2 .

FNMR

FMR

Curba ROC exprim compromisul dintre FMR i FNMR

Variante ale curbei ROC

Exist un numr de variante ale curbei ROC utilizate pentru exprimarea aceleiai
informaii. Evident, pot fi trasate rata acceptrii false FAR i rata respingerii false FRR n
cazul unui sistem de verificare precum i rata neidentificrii false FNR i rata identificrii
false (alarmei false) FPR n cazul unui sistem de identificare negativ, sau axele pot fi
inversate prin trasarea ratelor corecte n loc de cele ale erorilor.
24

n plus, destul de des una sau ambele probabiliti (FMR i FNMR) sunt trasate pe
curba ROC folosind o scar logaritmic. Mai uzual, se utilizeaz o trasare log-log a curbei
ROC deoarece mrete regiunea de interes (zona de operare).

FNMR

FNMR

FMR

FMR

Curbe ROC folosind o scar logaritmic pentru una din axe

FRR

FAR

Curb ROC cu ambele axe

reprezentate sub form logaritmic

Utilizarea curbei ROC

n timp ce curba ROC reprezint o specificaie complet i precis a performanelor
unui comparator biometric, utilitatea real a acesteia are loc atunci cnd dorim s comparm
dou sisteme biometrice. Fiind date dou comparatoare biometrice a i b, care este mai
precis?
Rareori se poate rspunde fr echivoc la o astfel de ntrebare, deoarece rspunsul
depinde de obicei de punctele de operare ale comparatoarelor biometrice. Figura urmtoare ne
prezint curbele ROC pentru dou comparatoare biometrice i punctele lor de operare pentru
un anumit FNMR. n acest caz este clar c comparatorul b este ntotdeauna mai bun dect
comparatorul a deoarece pentru orice FMR specificat comparatorul biometric are un FNMR
mai mic i, n mod similar, pentru orice FNMR posibil, FMR-ul acestuia este mai mic. Sunt
rare situaiile cnd putem spune fr echivoc c un comparator este mai bun dect altul.

25

puncte de operare

FNMR
FNMR fixat

comparator biometric a
comparator biometric b
FMR

Curbele ROC pentru dou comparatoare biometrice

S considerm acum curbele ROC din figura de mai jos.

comparator biometric a
FNMR

comparator biometric b

FMR1

EEa

EEb

( FMRc , FNMRc )

FMR2

FMR

Curbele ROC pentru alte dou comparatoare biometrice

Se observ c pentru acelai punct de operare ( FMRc , FNMRc ) ambele comparatoare
sunt la fel de precise (dei estimrile punctului de intersecie pot fi instabile).
n punctul de operare FMR1 comparatorul a este mai precis n timp ce pentru punctul
de operare FMR2 este invers. Putem conchide din figur c dac un FMR mic (i.e., mai mic
dect FMRc ) este important, este mai bine s utilizm comparatorul a s zicem n punctul de
operare FMR1 . Dac pe de alt parte se dorete un FNMR mic (mai mic dect FNMRc ),
comparatorul b poate fi o alegere mai bun, e.g., n punctul de operare FMR2 .

26

Exprimarea calitii curbei ROC

Compararea FMR sau FNMR a dou sisteme biometrice pentru un FNMR i respectiv
FMR specificat este cel mai uor mod de a compara performanele comparatoarelor
biometrice date, presupunnd un punct de operare cunoscut. Cnd comparm performanele a
dou sau mai multe comparatoare biometrice, de exemplu n evaluri independente, se dorete
adesea un singur numr care s reprezinte calitatea unui comparator, independent de punctul
de operare. Aceast cerin a condus la diferite expresii care ncearc s reduc informaia
exprimat de curba ROC la un singur numr:

Rata erorilor egale

Punctul de operare al erorilor egale ne conduce la rata erorilor egale (EER), care este o
alegere simpl n aprecierea calitii unui comparator biometric. Punctul erorilor egale
ale unui comparator biometric este punctul de operare la intersecia dreptei
FMR = FNMR cu curba ROC a comparatorului. Rata erorilor egale este valoarea
ratelor erorilor n acest punct EER = FMREE = FNMREE . n figura anterioar, rata
erorilor egale EERa pentru comparatorul a este evident mai mic dect rata erorilor
egale EERb pentru comparatorul b.
Rata erorilor egale poate s ne arate sigur dac un comparator este mai bun dect altul,
dar numai pentru o gam ngust de puncte de operare: FMR [ EERa , EERb ] sau

FNMR [ EERa , EERb ] . Dincolo de aceste intervale, curbele ROC se pot intersecta i
o decizie bazat pe EER ar fi lipsit de valabilitate. Foarte adesea comparatoarele
biometrice opereaz cu FMR i FNMR foarte diferite.

d-prim

Un alt mod de a aprecia calitatea unui comparator este de a msura ct de bine sunt
separate densitatea de probabilitate a scorurilor eantioanelor biometrice care nu se
potrivesc pn ( s ) i densitatea de probabilitate a scorurilor eantioanelor biometrice
care se potrivesc pm ( s ) . O msur a acestei separri pentru un comparator biometric
este:

d =

m n

2m + n2

unde m i m sunt media i dispersia scorurilor de potrivire pentru utilizatorii

legitimi; n i n sunt media i dispersia scorurilor de nepotrivire n cazul
utilizatorilor diferii.

27

FNMR
comparator a

FMR

comparator b

Performanele a dou comparatoare biometrice

cu acelai d-prim depind de punctul de operare ales
Indicatorul d asigur un mod de comparare a comparatoarelor dar ne putem baza pe
acesta numai atunci cnd exist o diferen semnificativ a performanelor. Din figura
de mai sus observm c performanele relative ale comparatoarelor cu d identic
depind de punctul de operare ales. Ambele comparatoare au acelai m , n iar
comparatorul a are m = n , dar pentru comparatorul b dispersiile sunt diferite. n
mod evident curbele ROC pentru cele dou comparatoare sunt diferite i se
intersecteaz, deci alegerea comparatorului depinde de punctul de operare. Mici
variaii ale parametrilor vor da un d diferit, a crui clasare poate sau nu s
corespund performanelor comparatoarelor, n funcie de punctul de operare ales: un
comparator cu un d mai mare poate funciona mai ru ntr-o gam larg de puncte de
operare, chiar n punctul erorilor egale sau n punctul erorii ateptate minime.

Eroarea ateptat total

Rata erorilor egale i indicatorul d trateaz implicit erorile de potrivire fals i

nepotrivire fals ca egal probabile i de egal importan sau cost, ceea ce nu este
cazul pentru o aplicaie biometric de autentificare. De exemplu, n cazul unei
instalaii nucleare cu greu poate s apar un impostor, dar consecinele unei acceptri
false ar fi uriae. Pe de alt parte, angajaii unei companii pot fi autentificai de sute de
ori pe zi, singurele costuri ale respingerilor false fiind ntrzierile minore i un
disconfort pentru utilizatori.
O msur care ine cont de probabilitatea, dar nu de costul, diferitelor erori este rata
erorii ateptate totale, E (T ) , care poate fi calculat din curba ROC pentru orice prag
T, bazat pe probabilitatea apriori PI ca un utilizator oarecare s fie un impostor i
probabilitatea apriori PG ca un utilizator oarecare s fie un utilizator legitim:

E (T ) = FMR (T ) PI + FNMR (T ) PG ,

28

unde PI + PG = 1 . Aceasta este probabilitatea ateptat ca o ncercare aleatorie s

cauzeze o eroare. Eroarea total a comparatorului biometric este definit ca:
Emin = min E (T ) .
T

Aceasta poate fi exprimat grafic ca punctul n care curba ROC intersecteaz dreapta
Ld din familia FMR PI + FNMR PG = k , unde k cea mai mic valoare pentru care o
astfel de intersecie are loc.

FNMR

Eroarea ateptat minim

FMR

Eroarea ateptat total a unui comparator biometric

Pentru simplitate i n absena cunoaterii valorilor PI i PG o msur a acurateei
poate fi obinut prin stabilirea PI = PG = 0,5 . Aceasta d o msur asemntoare, dar
n general nu aceeai, cu rata erorilor egale discutate mai sus.

29

Recunoaterea amprentelor digitale

Recunoaterea amprentelor digitate este cea mai veche i cea mai utilizat metod
biometric.
Recunoaterea amprentelor digitale este una dintre cele mai mature tehnologii
biometrice i rspunde cerinelor unui numr mare de aplicaii de recunoatere automat a
persoanelor.
Suprafeele interioare ale palmelor i tlpilor picioarelor oamenilor (de fapt, ale tuturor
primatelor) conin striaii fine ale pielii. Scopul acestei structuri a pielii este de a facilita
transpiraia cutanat, de a spori simul tactil i de a asigura o suprafa aderent.
Amprentele fac parte din fenotipul unui individ i, astfel, sunt slab determinate
genetic. Gemenii identici au amprente digitale diferite. Amprentele digitale sunt diferite i la
aceeai persoan. n criminalistic se consider c nu exist dou persoane care s aib detalii
identice ale striaiilor amprentelor. Exist dovezi c chinezii erau contieni de
individualitatea amprentelor digitale cu peste 5000 de ani n urm.

a) un sigiliu chinezesc de lut (300 .Hr.) b) o impresie pe o lamp palestinian (400 AD)
Exemple de impresii istorice ale amprentelor folosite pentru a stabili identitatea
n anii 80, extinderea tehnologiei ieftine de scanare a documentelor i a
calculatoarelor personale a permis utilizarea tehnologiei de recunoatere a amprentelor
digitale n aplicaiile zilnice. Prin urmare, apariia tehnologiilor de scanare direct a
amprentelor digitale nsoit de creterea exponenial a performanelor procesoarelor au fcut
posibil utilizarea recunoaterii amprentelor digitale i n aplicaii civile, cum ar fi controlul
accesului fizic, verificarea prezenei i conectarea la calculator a utilizatorilor.
1

Exemple de senzori de amprente digitale ncorporai ntr-o varietate

de periferice de calculator i alte dispozitive

Metode de scanare a amprentelor digitale

Imagini de amprente digitale obinute de la: a) un scaner optic FTIR;

b) un scaner capacitiv; c) un scaner piezoelectic; d) un scaner termic;
e) dup o impregnare cu cerneal; f) o amprent latent
Dispozitivele de scanare direct a amprentelor digitale detecteaz crestele de pe
degetul aflat n contact cu suprafaa scanerului. Sistemele de achiziie direct a imaginilor se
bazeaz pe patru tehnologii:

reflexie intern (FTIR - Frustrated Total Internal Reflection) i alte metode optice:

Aceast tehnologie este cea mai veche metod de scanare direct.

Aer
Contact

Creste / vi

Prism

Surs de
lumin
Lentil
Camer CCD
sau CMOS

Scanarea optic a amprentelor digitale prin FTIR

3

Dup cum se observ n figur, o camer capteaz semnalul reflectat de partea

interioar a unei prisme n timp ce subiectul atinge partea superioar a prismei.
Suprafaa tipic de achiziie a imaginii de 11 este convertit n imagini avnd
500 dpi utiliznd o camer CCD (Charged-Coupled Device) sau CMOS
(Complementary Metal Oxide Semiconductor).
Lumina care intr n prism este reflectat de vi i dispersat aleatoriu (absorbit) de
creste. Lipsa reflexiei n cazul crestelor (care apar ntunecate n imagine) permite
deosebirea acestora de vi (care apar luminoase). Razele de lumin de la ieirea din
partea dreapt a prismei sunt focalizate de o lentil pe un senzor de imagine CCD sau
CMOS. Dispozitivele FTIR nu pot fi pclite cu uurin prin prezentarea unei imagini
imprimate a unei amprente digitale.
O problem a acestor tehnologii cu reflexie este faptul c lumina reflectat este n
funcie de caracteristicile pielii. Dac pielea este umed sau uscat, impresia amprentei
poate fi saturat sau, respectiv, tears i, astfel, greu de prelucrat.

metode capacitive:
Creste

Vi

armtura unui
micro-condensator

Un senzor capacitiv este un matrice bidimensional de armturi minuscule de

condensator ncorporate ntr-un cip.
Cealalt armtur a fiecrui micro-condensator este chiar suprafaa degetului. Atunci
cnd degetul este plasat deasupra cipului, se creeaz mici sarcini electrice ntre
4

suprafaa degetului i fiecare dintre armturile de siliciu. Amplitudinea acestor sarcini

electrice depinde de distana dintre suprafaa degetului i armturile condensatoarelor.
Crestele i vile de pe suprafaa degetului creeaz acumulri de sarcin diferite cnd
degetul atinge o reea CMOS. Cu circuite electronice corespunztoare, sarcina este
convertit ntr-o intensitate corespunztoare fiecrui pixel. Aceast conversie se poate
face prin diferite tehnici utiliznd curent alternativ, curent continuu sau n
radiofrecven. Din pcate, aceste dispozitive CMOS sunt sensibile la descrcri
electrostatice, zgrieturi sau ocuri mecanice.
Imaginile obinute n mod normal cu aceste dispozitive au o rezoluie de 500 dpi iar
suprafaa scanat a amprentelor digitale este de 0,50,5. Aceasta poate fi o
problem deoarece dou impresii ale aceluiai deget obinute n dou momente diferite
de timp pot avea o suprapunere mic. De asemenea, imaginile sunt influenate de
umiditatea sau uscciunea pielii.

scanarea termic:

Acest senzor este fabricat din material piroelectric care msoar diferenele de
temperatur cauzate de structura alternant creste-vi, pe msur ce degetul este trecut
de-a lungul scanerului i produce o imagine. Aceasta funcioneaz deoarece pielea este
un conductor termic mai bun dect aerul i, astfel, contactul cu crestele determin o
scdere de temperatur sensibil pe suprafaa nclzit. Se afirm c aceast
tehnologie nu are problemele scanerelor optice cu pielea umed i uscat i c poate
face fa descrcrilor electrostatice. Imaginile rezultate, totui, nu sunt bogate n
valori de gri, i.e., au o gam dinamic mic. Acest tip de senzori au devenit mai
atractivi datorit volumului mai mic i costului mai redus.

Pe msur ce degetul baleiaz senzorul, sunt captate fii din imaginea amprentei, care
sunt apoi combinate pentru a forma o imagine ntreag.

scanarea cu ultrasunete:
creste i vi

platan

emitor de
impulsuri acustice

ecou 1 ecou 2

ecou 3: creast detectat

Se bazeaz pe transmiterea semnale acustice ctre suprafaa degetului i captarea

semnalului ecou. Semnalul ecou este utilizat pentru a determina structura crestelor i
vilor.
O caracteristic a undelor sonore este capacitatea acestora de a penetra materialele,
producnd un ecou parial la fiecare schimbare de impedan.
Senzorul cu ultrasunete are dou componente principale: un emitor, care genereaz
scurte impulsuri acustice, i un receptor, care detecteaz rspunsurile obinute atunci
cnd aceste impulsuri ating suprafaa degetului.
Aceast metod poate fi implementat teoretic ca un senzor fr contact. Starea pielii,
de exemplu, umed, uscat i grsimile nu afecteaz achiziia imaginilor i acestea
reflect mai bine topografia real a crestelor. Totui, aceste dispozitive sunt destul de
voluminoase i necesit un timp de scanare mai lung dect scanerele optice.

Exist o particularitate a sistemelor automate de recunoatere a amprentelor digitale

fa de alte sisteme de recunoatere a formelor, i.e., procesul de scanare, sau achiziie, a
imaginii caracteristicii biometrice implic atingerea unui dispozitiv de intrare cu modelul
nsui. Din cauza acestei scanri prin atingere, modelul real care este scanat este deformat n
timpul achiziiei imaginii modelului. Din figura de mai jos se observ c acest tip de
deformare elastic poate fi complet diferit pentru dou amprente ale aceluiai deget.

Impresiile aceluiai deget pot fi complet diferite din cauza deformrii elastice a pielii
Exist i scanere ale amprentelor digitale fr contact ce evit problemele legate de
metodele de scanare prin atingere, incluznd deformrile elastice ale modelului pielii.
n general, poate fi obinut o reprezentare a amprentei la terminalul client al aplicaiei
sau imaginea primar poate fi transmis unui server pentru prelucrare. O astfel de transmisie
(i stocare) a imaginilor amprentelor digitale implic n general compresia i decompresia
imaginilor. Tehnicile de compresie standard elimin adesea zonele de frecven nalt din
jurul caracteristicilor detaliilor. De aceea, un algoritm de compresie a amprentelor digitale,
numit cuantificarea scalar wavelet (WSQ), este recomandat de ctre FBI.

Extragerea caracteristicilor amprentelor digitale

Reprezentarea amprentelor digitale
Problema reprezentrii constituie esena proiectrii sistemelor de recunoatere a
amprentelor digitale. Valoarea intensitii pixelilor n imaginile amprentelor digitale variaz,
n general, de-a lungul timpului de achiziie i exist nevoia de a determina caracteristici
distinctive ale imaginii amprentei de intrare care pot deosebi identiti diferite i, de
asemenea, s rmn invariante pentru un individ dat. Astfel, problema reprezentrii este
determinarea unui spaiu al caracteristicilor n care imaginile amprentelor aparinnd aceluiai
deget formeaz un cluster compact iar acelea aparinnd unor degete diferite s ocupe regiuni
distincte n spaiu (i.e., variaie mic intra-clas i variaii mari inter-clase).
O bun reprezentare a amprentelor digitale trebuie s aib urmtoarele proprieti:

caracter distinctiv: reprezentarea trebuie s conin informaii distinctive despre

amprente;

eficien: aceasta nsemn c reprezentarea poate fi uor extras, stocat ntr-un

mod compact i util comparrii.
Cele dou proprieti nu sunt, n general, corelate. O reprezentare distinctiv nu este n
mod necesar i o reprezentare eficient. n plus, unele aplicaii biometrice au un spaiu de
stocare limitat. De exemplu, n smart-carduri, n general, este disponibil n jur de 2 KB de
memorie. n astfel de situaii, reprezentarea trebuie s fie limitat.
Reprezentrile bazate pe imagine, constituite de informaiile primare ale intensitii
pixelilor, sunt larg rspndite printre sistemele de recunoatere ce utilizeaz compararea
optic i compararea bazat pe corelaie. Totui, utilitatea sistemelor ce utilizeaz asemenea
scheme de reprezentare poate fi limitat din cauza unor factori precum variaia luminozitii,
variaia calitii imaginilor, tieturi i distorsiuni globale mari prezente n imaginea
amprentelor. Mai mult, o reprezentare de tip imagine necesit un spaiu de stocare
considerabil. Pe de alt parte, o astfel de reprezentare pstreaz maximum de informaii, este
independent de domeniul de aplicaie i are potenialul de a fi robust la o varietate mai larg
de imagini de amprente.
Modelul amprentelor digitale, analizat la diferite scri, prezint diferite tipuri de
caracteristici:

la nivel global modelul crestelor aparine uneia dintre cele 5 clase: bucl stnga,
bucl dreapta, spiral, arc sau arc deformat. Punctele singulare i modelul global al
crestelor sunt foarte importante pentru clasificarea i indexarea amprentelor, dar nu
sunt suficient de distinctive pentru o comparare precis.

Modele de amprente la nivel global: a) bucl stnga, b) bucl dreapta,

c) spiral, d) arc, e) arc deformat; ptratele indic punctele singulare de tip
bucl iar triunghiurile punctele singulare de tip delta

arc

bucl stnga

arc deformat

bucl dreapta
Cele mai utilizate cinci clase de amprente
9

spiral

la nivel local exist diferite caracteristici locale ale crestelor, numite detalii, cele
mai importante fiind terminaiile i bifurcaiile. Aceste detalii sunt, n general,
stabile i robuste la condiiile de impresie ale amprentelor. Dei o reprezentare
bazat pe detalii este caracterizat de o mare distinctivitate, extragerea automat
robust a detaliilor reprezint o problem n amprentele de calitate slab.

Terminaii i bifurcaii ale crestelor

la nivel foarte fin de-a lungul crestelor pot fi detectai porii sudoripari a cror
poziie i form sunt considerate foarte distinctive. Totui, extragerea porilor este
fezabil doar n imaginile amprentelor de mare rezoluie (e.g., 1000 dpi) i de bun
calitate i, de aceea, acest tip de reprezentare nu este practic pentru majoritatea
aplicaiilor.

10

Extragerea caracteristicilor
Imaginea
amprentei
digitale
Frecvena local
a crestelor

Orientarea local
a crestelor

Segmentarea

Filtrarea
Detecia punctelor
singulare

Extragerea detaliilor

11

Orientarea local a crestelor

Orientarea local a crestelor n punctul ( i, j ) este unghiul ij [ 0, 180 ) pe care
crestele care trec printr-o vecintate mic, arbitrar, centrat n ( i, j ) , l formeaz cu axa
orizontal. Calculul orientrii locale a crestelor pentru fiecare pixel din imaginea amprentei
definete imaginea orientrilor D.
Majoritatea metodelor de prelucrare a imaginii amprentei determin o singur
orientare pentru fiecare bloc de w w pixeli i nu pentru fiecare pixel. Aceasta reduce efortul
computaional i permite ca estimrile suplimentare s fie obinute prin interpolare.
Cea mai larg utilizat metod pentru determinarea orientrii locale a crestelor se
bazeaz pe calculul gradienilor n imaginea amprentelor. De exemplu, imaginea amprentei se
mparte n blocuri de dimensiune 1717 pixeli i se calculeaz gradienii pentru fiecare pixel
din bloc. Fie Gx ( i, j ) i G y ( i, j ) mrimile gradienilor n direciile x i y pentru pixelul

( i, j ) , obinui cu ajutorul operatorului clasic Sobel 33.

Orientarea dominant a crestelor n blocul centrat n pixelul ( i, j ) poate fi calculat
utiliznd urmtoarea relaie:
8

1
ij = + tg 1
2 2

2Gx ( i + h, j + k ) G y ( i + h, j + k )

h =8 k =8
8
8

Gx ( i + h, j + k )

h =8 k =8

G y ( i + h, j + k )

Imaginea orientrilor poate fi estimat acceptabil cu aceast metod n cazul

imaginilor amprentelor de bun calitate. Totui, n cazul prezenei crestelor cu o curbur mare
i a zgomotului se obine o estimare necorespunztoare a orientrii locale a crestelor. Pentru a
depi aceast limitare, poate fi utilizat o abordare multirezoluie.
Mai nti, valorile orientrilor locale ale crestelor sunt determinate de-a lungul
imaginii amprentei la o anumit rezoluie iniial. Apoi, se calculeaz o msur a consistenei
orientrii n fiecare fereastr. Dac nivelul consistenei este sub un anumit prag, atunci
orientrile locale n jurul acestei regiuni sunt reestimate la o rezoluie mai mic pn cnd
consistena depete un anumit nivel.

12

Frecvena local a crestelor

Frecvena local a crestelor fij n punctul ( i, j ) este dat de numrul de creste pe
unitatea de lungime de-a lungul unui segment ipotetic centrat n

( i, j )

i ortogonal pe

orientarea local a crestelor ij . Poate fi definit o imagine a frecvenelor F, analog imaginii

orientrilor D, prin estimarea frecvenei pentru poziii discrete i constituirea unei matrice.
Se poate estima frecvena local a crestelor prin calculul numrului mediu de pixeli
ntre dou vrfuri consecutive ale nivelurilor de gri de-a lungul unei direcii normale pe
orientarea local a crestelor. Frecvena fij n punctul ( i, j ) se calculeaz astfel:

o fereastr orientat de dimensiune l w ( e.g., 32 16 ) , centrat n

( i, j ) ,

se

definete n sistemul de coordonate al crestelor (i.e., rotit pentru a alinia axa y cu

orientarea local a crestelor);

pentru fiecare bloc w w centrat n ( i, j ) se calculeaz semntura x, X ( 0 ) ,

X (1) , , X ( l 1) , a nivelurilor de gri prin acumularea, pentru fiecare coloan x,

a nivelurilor de gri ale pixelilor corespunztori din fereastra orientat:

X (k ) =

w1

1
I ( u , v ), k = 0,1, , l 1 ,
w d =0

w
l

u = i + d cos ij + k sin ij ,
2
2

v = j + d sin ij + k cos ij .
2

Aceasta reprezint o mediere care netezete profilul nivelurilor de gri i mpiedic

nedetectarea vrfurilor crestelor din cauza unor mici ntreruperi ale crestelor sau
porilor.

frecvena

fij se determin ca fiind inversa distanei dintre dou maxime

consecutive ale semnturii pe axa x.

13

O fereastr orientat i semntura pe axa x

Metoda este simpl i rapid. Totui, este dificil detectarea sigur a maximelor
consecutive ale nivelurilor de gri n domeniul spaial n imaginile cu zgomot ale amprentelor.
n acest caz, se propune utilizarea interpolrii i a filtrelor de tip trece-jos.

Segmentarea
Segmentarea const n separarea amprentelor de fundalul imaginii. Aceasta este util
n evitarea extragerii de caracteristici false din zonele cu zgomot ale amprentelor i fundal.
Utilizarea unor praguri globale sau locale nu permite o segmentare eficient. Ceea ce
deosebete efectiv prim-planul de fundal nu este intensitatea medie a imaginii, ci prezena
unui model striat orientat n prim-plan i a unui model izotrop n fundal.
Putem considera fiecare bloc de dimensiune w w ca fiind prim-plan sau fundal n
funcie de variaia nivelurilor de gri pe o direcie ortogonal pe orientarea local a crestelor.
Aceast metod se bazeaz pe faptul c variaia intensitilor n regiunile cu zgomot nu
prezint o dependen direcional, n timp ce n regiunile de interes prezint o variaie foarte
mare pe direcia normal la orientarea local a crestelor i o variaie foarte mic de-a lungul
crestelor.
ntruct principala distincie dintre prim-plan i fundal n cazul imaginilor amprentelor
este msura orientrii structurii striate, o alt metod utilizeaz coerena drept criteriu de
segmentare. ntr-o fereastr W n jurul unui pixel, coerena, care exprim msura n care
gradienii indic n aceeai direcie, este definit de:

14

( Gs, x , Gs, y ) (Gxx G yy )2 + 4Gxy2

W
Coh =
=
,
Gxx + G yy
W ( Gs, x , Gs, y )

unde Gs, x , Gs , y este ptratul gradientului, Gxx =

Gxy =

W Gx2 , Gyy = W Gy2 ,

W GxG y i ( Gx , Gy ) este gradientul local.

Deoarece amprentele se compun n principal din structuri de linii paralele, coerena va

fi considerabil mai mare n prim-plan dect n fundal. Dup aplicarea unui prag corespunztor
valorii estimate a coerenei, este efectuat o postprocesare morfologic final pentru a elimina
golurile att n prim-plan, ct i n fundal. Cu acest algoritm de segmentare se poate efectua o
segmentare cu acuratee a amprentelor de calitate foarte slab.

Detecia punctelor singulare

Majoritatea metodelor de detecie a punctelor singulare opereaz pe imaginea
orientrilor amprentei. Cea mai cunoscut metod se bazeaz pe indexul Pointcar. Fie G
cmpul asociat imaginii D a orientrilor amprentei. Indexul Pointcar PG ,C ( i, j ) se calculeaz
astfel:

curba C este un contur nchis definit ca o secven ordonat de elemente din D,

astfel nct ( i, j ) este un punct interior;

PG ,C ( i, j ) se calculeaz ca suma algebric a diferenelor orientrilor dintre

elemente adiacente din C.

Pe curbe nchise, indexul Pointcar poate avea doar una din valorile discrete: 0,
180 i 360. n cazul punctelor singulare ale amprentelor:

360

PG ,C ( i, j ) =
180
180

dac
dac
dac
dac

( i, j )
( i, j )
( i, j )
( i, j )

nu aparine nici unei regiuni singulare;

aparine unei regiuni singulare de tip spiral;
aparine unei regiuni singulare de tip bucl;
aparine unei regiuni singulare de tip delta.

n figura urmtoare sunt prezentate trei regiuni ale imaginilor orientrilor. Curba C se
definete ca fiind secvena ordonat de opt elemente d k

( k = 1..7 )

Indexul Pointcar este atunci calculat astfel:

PG ,C ( i, j ) =

( dk , d( k +1) mod8 ) .
k =0

15

n jurul punctului ( i, j ) .

Exemplu de calcul al indexului Pointcar ntr-o vecintate de opt puncte

aparinnd unei singulariti de tip spiral, bucl i, respectiv, delta
Detecia punctelor singulare n amprentele cu zgomot sau de calitate slab este dificil
i metoda Pointcar poate s duc la detecia de singulariti false. Regularizarea imaginii
orientrilor printr-o mediere local este adesea destul de eficient n prevenirea deteciei de
singulariti false.
Bazat pe observaia c doar un numr limitat de singulariti poate fi prezent ntr-o
amprent, se poate efectua o netezire iterativ a imaginii orientrilor (prin mediere) pn cnd
este detectat un numr valid de singulariti cu ajutorul indexului Pointcar. De fapt, o analiz
simpl a diferitelor clase de amprente arat c:

amprentele arc nu conin singulariti;

amprentele bucl stnga, bucl dreapta i arc deformat conin un punct central i
un punct delta;

amprentele spiral conin dou puncte centrale i dou puncte delta.

Amprente arc deformat, bucl stnga, bucl dreapta i spiral

avnd marcate punctele centrale i delta

Filtrarea i binarizarea
Performanele algoritmilor de extragere a detaliilor caracteristice i metodele de
recunoatere a amprentelor depind n mare msur de calitatea imaginilor amprentelor digitale
de intrare. n practic, din cauza condiiilor pielii (e.g., umed sau uscat, tieturi, sau
zgrieturi), zgomotul senzorului, presiunea incorect a degetului i unor amprente de calitate
16

slab (e.g., persoane n vrst, muncitori manuali), o parte semnificativ a imaginilor

amprentelor digitale (aproximativ 10%) sunt de calitate slab.
Pentru a asigura performane bune ale algoritmilor de extragere a crestelor i detaliilor
n imaginile amprentelor de calitate slab, este necesar un algoritm de filtrare pentru a spori
claritatea structurii creste-vi.
n general, pentru o imagine dat a unei amprente, regiunile amprentelor ce rezult n
urma segmentrii pot fi clasificate n trei categorii:
a) regiuni bine-definite, unde crestele sunt clar difereniate una de cealalt;
b) regiuni recuperabile, unde crestele sunt corupte de o cantitate mic de goluri, cute,
pete, legturi, dar sunt nc vizibile i regiunile nvecinate ofer suficiente
informaii despre structura real a acestora;
c) regiuni nerecuperabile, n care crestele sunt corupte de o mare cantitate de zgomot
i distorsiuni astfel nct crestele nu sunt vizibile i regiunile nvecinate nu permit
restaurarea acestora.

Regiunile de bun calitate, cele recuperabile i cele nerecuperabile pot fi identificate n

funcie de anumite criterii; n general, contrastul imaginii, consistena orientrii, frecvena
crestelor i alte caracteristici locale pot fi combinate pentru a defini un index de calitate.
Scopul algoritmului de filtrare este de a mbuntii claritatea structurii crestelor n zonele
recuperabile i de a marca zonele nerecuperabile ca fiind prea zgomotoase pentru procesarea
ulterioar.
De obicei, intrarea algoritmului de filtrare este o imagine cu o scar de gri. Ieirea
poate fi, fie o imagine cu niveluri de gri, fie una binar, n funcie de algoritm. Metodele
generale de mbuntire a imaginilor nu produc rezultate satisfctoare pentru filtrarea
imaginilor amprentelor. Totui, extinderea contrastului, manipularea histogramei,
17

normalizarea i filtrarea Wiener sunt eficiente ca etape iniiale de procesare ntr-un algoritm
mai complex de filtrare a amprentelor.
Utiliznd normalizarea, noua valoare a intensitii fiecrui pixel din imagine este:

m0 +
I ( x, y ) =
m
0

I ( x, y ) m v0 v , dac I ( x, y ) > m
2

I ( x, y ) m v0 v , altfel

unde m i v sunt media i dispersia imaginii i m0 i v0 sunt media i disperia dorite dup
normalizare. Procesul de normalizare de mai sus este o operaie la nivel de pixel (valoarea
fiecrui pixel depinde doar de valoarea anterioar i anumii parametri globali) i nu schimb
structura crestelor. n particular, nu poate reface ntreruperi ale crestelor, s umple goluri ale
crestelor sau separa creste paralele unite.
Cea mai utilizat metod pentru filtrarea imaginilor amprentelor se bazeaz pe filtre
contextuale. n cazul filtrrii contextuale, caracteristicile filtrului se modific n funcie de
contextul local care este definit de orientarea local a crestelor i frecvena local a acestora.
Un filtru adecvat care este potrivit cu orientarea i frecvena local a crestelor poate ndeprta
eficient zgomotul nedorit i pstra structura real a crestelor.
O metod eficient de filtrare a imaginilor amprentelor se bazeaz pe filtre Gabor. Un
filtru Gabor este definit de o form de und sinusoidal plan modulat de o anvelop
gaussian:
1 x 2 y 2
g ( x, y; , f ) = exp 2 + 2 cos ( 2f x ) ,
2 x y
unde este orientarea filtrului i x , y sunt coordonatele x, y dup o rotaie n sens orar a
axelor carteziene cu un unghi de 90 :
x cos ( 90 ) sin ( 90 ) x sin cos x
y = sin 90 cos 90 y = cos sin y .
(
)
(
)


n expresiile de mai sus, f este frecvena undei sinusoidale plane, iar x i y sunt
deviaiile standard ale anvelopei gaussiene de-a lungul axelor x i, respectiv, y.

Pentru a aplica filtrul Gabor imaginii amprentei, cei patru parametri , f , x , y

trebuie specificai. Evident, frecvena filtrului este complet determinat de frecvena local a
crestelor i orientarea este determinat de orientarea local a crestelor. Alegerea parametrilor
x i y implic un compromis. Cu ct sunt mai mari aceste valori, cu att filtrele sunt mai
robuste la zgomotul din imaginea amprentelor, dar de asemenea mai probabil s creeze creste
false. Pe de alt parte, cu ct valorile sunt mai mici, cu att este mai puin probabil ca filtrele
s introduc creste false, dar atunci vor fi mai puin eficiente n ndeprtarea zgomotului.
18

Reprezentarea grafic a unui filtru Gabor

avnd parametrii = 135, f = 1/5 i x = y = 3
Pentru a face filtrarea mai rapid, sunt create apriori i stocate un set de filtre

gij ( x, y ) , i = 1, , no , j = 1, , n f , unde no este numrul de orientri discrete i , i = 1, , no

i n f este numrul de frecvene discrete f j , j = 1, , n f . Apoi, pentru fiecare pixel ( x, y ) al
imaginii este efectuat convoluia n domeniul spaial cu filtrul gij ( x, y ) astfel nct i este
orientarea discretizat cea mai apropiat de xy i f j este frecvena discretizat cea mai
apropiat de f xy .

19

Exemple de amprente filtrate cu filtre Gabor

20

O alt metod interesant care poate efectua o filtrare contextual, fr a necesita

explicit calculul orientrii i frecvenei locale a crestelor, utilizeaz transformata Fourier.
Fiecare bloc de 32 32 pixeli din imagine este filtrat separat. Transformata Fourier a blocului
se multiplic cu spectrul de putere ridicat la puterea k:

I filtr ( x, y ) = F 1 F I ( x, y ) F I ( x, y )

}.

Spectrul de putere conine informaii despre orientarea i frecvena dominant a

crestelor i multiplicarea are ca efect filtrarea n consecin a blocului. Din pcate, pentru a
evita discontinuitile la margini ntre blocurile adiacente, este necesar o suprapunere mare
ntre blocurile nvecinate i aceasta mrete semnificativ timpul de filtrare.

Extragerea detaliilor
Majoritatea metodelor propuse pentru extragerea detaliilor necesit ca imaginea n
niveluri de gri a amprentelor s fie convertit ntr-o imagine binar. Majoritatea algoritmilor
de filtrare bazai pe filtrarea contextual pot produce o imagine binar clar pentru parametri
alei adecvat. Chiar dac ieirea filtrrii contextuale este o imagine cu o scar de gri, o metod
simpl bazat pe aplicarea unui prag local are ca rezultat o binarizare acceptabil.

Detecia detaliilor din imaginile binare este de obicei efectuat dup o etap
intermediar care reduce limea crestelor la un pixel. n final, dup scheletizarea imaginii, o
simpl scanare a acesteia permite detectarea pixelilor care corespund detaliilor printr-un
calcul la nivel de pixel al numrului de treceri. Numrul de treceri cn ( p ) al unui pixel p
dintr-o imagine binar este definit ca jumtate din suma diferenelor dintre perechile de pixeli
adiaceni ntr-o vecintate de 8 puncte a lui p:
cn ( p ) =

1
2

val ( pi mod8 ) val ( pi1 ) ,

i =1

21

unde p0 , p1 , , p7 sunt pixelii aparinnd unei secvene ordonate de pixeli din vecintatea
de 8 pixeli a lui p i val ( p ) {0, 1} este valoarea pixelului.
Un pixel p avnd valoarea val ( p ) = 1

este un punct intermediar al unei creste dac cn ( p ) = 2 ;

corespunde unui detaliu terminaie dac cn ( p ) = 1 ;

definete un detaliu mai complex (bifurcaie, ncruciare etc.) dac cn ( p ) 3 .

Exist i metode de extragere a detaliilor care opereaz direct pe imaginile cu o scar

de gri, fr binarizare i scheletizare. Aceast alegere este motivat de urmtoarele
consideraii:

o cantitate semnificativ de informaii pot fi pierdute n timpul procesului de

binarizare;

scheletizarea poate introduce un numr mare de detalii false;

majoritatea tehnicilor de binarizare nu asigur rezultate satisfctoare atunci cnd

sunt aplicate la imaginile de calitate slab.

22

n cazul extragerii detaliilor direct din imaginea cu niveluri de gri, ideea de baz este
de a urmri crestele din imaginea cu o scar de gri innd cont de orientarea local a
modelului crestelor. Din punct de vedere matematic, o creast este definit ca un set de puncte
care au un maxim local de-a lungul unei direcii. Algoritmul de extragere a crestelor ncearc
s localizeze la fiecare pas un maxim local relativ la o seciune normal la direcia crestelor.
Prin unirea maximelor consecutive se obine o aproximare poligonal a crestelor.
Este util adesea o etap de post-procesare (numit filtrarea detaliilor) pentru
eliminarea detaliilor false detectate n regiunile foarte corupte sau cele introduse de etapele de
prelucrare anterioare (e.g., scheletizarea).

23

Compararea amprentelor digitale

Dificulti n compararea amprentelor digitale
Un algoritm de comparare a amprentelor determin gradul de similitudine (e.g., un
scor ntre 0 i 1) ntre dou amprente digitale sau ia o decizie binar (cele dou amprente se
potrivesc sau nu).
Compararea imaginilor amprentelor digitale este o problem extrem de dificil, n
principal, din cauza unei variaii mari a impresiilor diferite ale aceluiai deget (i.e., variaii
mari intra-clas). Principalii factori responsabili pentru aceste variaii intra-clas sunt
urmtorii:
translaia:
Acelai deget poate fi plasat n diferite regiuni ale senzorului n timpul diferitelor
achiziii producnd o translaie a amprentelor. O deplasare a degetului cu doar 2 mm
(imperceptibil utilizatorului) conduce la o translaie de aproximativ 40 de pixeli la o
imagine scanat cu o rezoluie de 500 dpi.
rotaia:
Acelai deget poate fi rotit cu diferite unghiuri fa de suprafaa senzorului n timpul
achiziiilor diferite. Chiar dac anumite scanere comerciale sunt prevzute cu o
ghidare a degetului, n practic se observ rotaii involuntare ale degetului de pn la
20 fa de direcia vertical.
suprapunerea parial:
Translaia i rotaia degetului determin adesea ca o parte a amprentei s se situeze n
afara zonei de scanare a senzorului, rezultnd o suprapunere parial a amprentei de
intrare i a modelului de referin. Aceast problem este foarte serioas n cazul
senzorilor cu o regiune de scanare mic.
distorsiunile neliniare:
Prin scanare, forma tridimensional a degetului este transformat ntr-o suprafa
bidimensional. Aceast transformare are ca rezultat distorsiuni neliniare n timpul
achiziiilor succesive ale imaginilor amprentelor aceluiai deget din cauza elasticitii
pielii. Din aceast cauz, componentele forei care nu sunt normale la suprafaa
senzorului produc distorsiuni neliniare (compresie sau ntindere) ale amprentelor
achiziionate.
presiunea diferit i starea pielii:
Structura crestelor degetului este captat cu acuratee dac crestele regiunii scanate
sunt n contact uniform cu suprafaa senzorului. Din cauza presiunii degetului,
uscciunii pielii, boli ale pielii, transpiraiei, murdriei, grsimilor i umiditii aerului,
contactul este neuniform. Prin urmare, imaginile amprentelor achiziionate sunt foarte
zgomotoase i zgomotul variaz mult n achiziiile succesive ale amprentelor aceluiai
deget n funcie de amplitudinea factorilor prezentai mai sus.
24

 zgomotul:
n principal este introdus de sistemul de scanare a amprentelor. De exemplu,
reziduurile rmase pe suprafaa senzorului de la scanarea anterioar.
erorile n extragerea caracteristicilor:
Algoritmii de extragere a caracteristicilor nu sunt perfeci i pot introduce adesea erori
n oricare dintre etapele de extragere a caracteristicilor (e.g., estimarea imaginilor
orientrilor i frecvenelor, detecia numrului, tipului i poziiei punctelor singulare,
segmentarea amprentelor etc.). Algoritmii agresivi de filtrare pot introduce erori n
localizarea i orientarea detaliilor. n imaginile de calitate slab ale amprentelor
procesul de extragere a detaliilor poate introduce un numr mare de detalii false i
poate s nu detecteze toate detaliile reale.
Pe de alt parte imaginile amprentelor de la degete diferite pot uneori s par similare
(variaii mici inter-clase), mai ales din punct de vedere al structurii globale (poziia punctelor
singulare, orientarea local a crestelor etc.).

Clase de algoritmi de comparare

Algoritmii de comparare a amprentelor digitale pot fi clasificai n trei clase:
comparare bazat pe corelaie:
Cele dou imagini ale amprentelor sunt suprapuse i este calculat corelaia dintre
pixelii corespunztori pentru diferite alinieri (de exemplu, diferite translaii i rotaii).
compararea bazat pe detalii:
Aceasta este cea mai rspndit tehnic utilizat. Sunt extrase detaliile celor dou
amprente i stocate ca mulimi de puncte n planul bidimensional. n esen
compararea bazat pe detalii const n determinarea alinierii dintre mulimile de detalii
ale amprentei de intrare i modelului de referin care are ca rezultat un numr maxim
de perechi de detalii.
compararea bazat pe caracteristici ale crestelor:
Extragerea detaliilor este dificil n imaginile amprentelor de calitate foarte slab.
Totui, n timp ce alte caracteristici ale modelului crestelor amprentelor (de exemplu,
frecvena i orientarea local, forma crestelor, informaii privind textura) pot fi extrase
mai robust dect detaliile, distinctivitatea acestora este n general mai redus.
Compararea bazat pe corelaie i cea bazat pe detalii pot fi considerate ca
subcategorii ale comparrii bazate pe caracteristici ale crestelor deoarece intensitatea
pixelilor i poziia detaliilor sunt caracteristici ale modelului crestelor.

Metode bazate pe corelaie

Fie T i I imaginile corespunztoare modelului de referin i, respectiv, amprentei de
intrare. Diferena dintre cele dou imagini este minim atunci cnd corelaia dintre T i I

CC ( T, I ) = TT I
25

este maxim.
Din cauza translaiei i rotaiei care caracterizeaz inevitabil cele dou impresii ale
aceluiai deget, similitudinea acestora nu poate fi calculat prin suprapunerea imaginilor T i
I i aplicarea ecuaiei anterioare.
x , y , )
o rotaie a imaginii de intrare I cu unghiul n jurul originii (de obicei
Fie I(
centrul imaginii) i o deplasare cu x i y pixeli n direciile x i, respectiv, y. Similitudinea

dintre imaginile T i I ale amprentelor poate fi determinat ca fiind

S ( T, I ) = max CC T, I(
x , y ,

x , y , )

Corelaia este o msur a similitudinii imaginilor i determinarea maximului n aceast

relaia permite gsirea nregistrrii optime. Aplicarea direct a acestei relaii conduce rareori
la rezultate acceptabile, n principal, din cauza urmtoarelor probleme:

din cauza distorsiunilor neliniare impresiile aceluiai deget difer semnificativ din
punct de vedere al structurii globale.
Utilizarea tehnicilor de corelare local sau la nivel de bloc poate rezolva aceast
problem.

condiiile pielii i presiunea degetelor determin variaia semnificativ a

luminozitii, contrastului imaginii i a limii crestelor de-a lungul diferitelor
impresii.

aplicarea direct a ecuaiei anterioare implic o complexitate computaional

ridicat.

Metode bazate pe detalii

Experii umani folosesc diferite detalii ale modelului crestelor pentru a determina dac
dou impresii provin de la acelai deget. Exemple ale acestor caracteristici fine sunt:
terminaiile, bifurcaiile, crestele independente/izolate, ncruciri ale crestelor etc.).
Algoritmii de comparare automat a amprentelor digitale ncearc s compare
impresiile amprentelor digitale ntr-o manier asemntoare. Totui, cele mai utilizate
caracteristici ale amprentelor digitale sunt bifurcaiile i terminaiile crestelor, cunoscute
colectiv ca detalii fine/caracteristice, care sunt extrase din amprenta digitalizat. Majoritatea
algoritmilor de comparare nici nu fac mcar deosebirea dintre bifurcaii i terminaii deoarece
n timpul achiziiei i prelucrrii imaginilor amprentelor digitale, n funcie de valoarea
presiunii exercitate de subiect, o terminaie a crestelor se poate transforma ntr-o bifurcaie i
invers.
Detaliile sunt extrase din cele dou amprente i stocate ca mulimi de puncte n planul
bidimensional. Majoritatea algoritmilor de comparare a detaliilor consider fiecare detaliu ca

26

un triplet m = { x, y, } care indic coordonatele ( x, y ) ale detaliilor i unghiul al acestora

fa de axa orizontal.
Cea mai utilizat metod de comparare a detaliilor amprentelor se bazeaz pe
transformata Hough. Cu ajutorul transformatei Hough problema comparrii modelului de
puncte se transform n detectarea maximelor n spaiul Hough al parametrilor transformrii.
Se poate utiliza o metod de comparare a detaliilor bazat pe transformata Hough n
care sunt incluse translaia, rotaia i scalarea imaginii de intrare. Spaiul transformrilor
const din ( x, y, , s ) , fiecare parametru avnd o mulime de valori discrete:

x + x1+ , x2+ , , xa+ ,

y + y1+ , y2+ , , yb+ ,

+ 1+ , 2+ , , c+ ,
s + s1+ , s2+ , , sd+ .
Este utilizat o matrice A, cu o intrare pentru fiecare valoare discretizat a
parametrilor, care este iniial resetat. Algoritmul utilizat pentru procesul de acumulare este
urmtorul:
pentru fiecare mi , i = 1, , m
pentru fiecare mj , j = 1, , n

pentru fiecare + 1+ , 2+ , , c+

dac dd j + + , i < 0

pentru fiecare s + s1+ , s2+ , , sd+

sin + xj

cos + yj

cos +
x x
{ = i s+
y yi
sin +

x + , y + = valorile discretizate cele mai apropiate de x , y

A x + , y + , + , s + = A x + , y + , + , s + + 1

}
La sfritul procesului de acumulare, parametrii corespunztori celei mai bune alinieri
se obin astfel:

( x*, y*, *, s* ) = arg x ,max

y , , s
+

27

A x + , y + , + , s + .

Corespondena detaliilor

Metode bazate pe caracteristici ale crestelor

Motivele care au determinat cutarea altor caracteristici distinctive ale amprentelor n
afar de detalii sunt urmtoarele:

extragerea robust a detaliilor din amprentele de calitate slab este foarte dificil;

procesul de extragere a detaliilor necesit un timp mare;

pot fi utilizate caracteristici suplimentare pe lng detalii (i nu ca o alternativ)

pentru a crete acurateea i robusteea sistemului.

S-a propus o metod de analiz local a texturii n care zona de interes a amprentei
este mprit n sectoare circulare fa de un punct central. Vectorul caracteristicilor (numit
FingerCode) este compus din secvena ordonat a caracteristicilor extrase din informaia
local coninut n fiecare sector.

28

29