Stadiul actual privind

recunoaşterea persoanelor dup

iris şi amprent
- raport de cercetare nr. 1 -

Coordonator ştiin ific,

prof. univ. dr. ing. Vasile-Gheorghi G ITAN

Doctorand,
ing. C t lin LUPU

Suceava
- 2015 -
Investeşte în oameni !
FONDUL SOCIAL EUROPEAN
Proiect cofinanțat din Fondul Social EUROPEAN prin Programul
Operaţional Sectorial Dezvoltarea Resurselor Umane 2007 – 2013

Această lucrare a beneficiat de suport financiar prin proiectul

Performanță sustenabilă în cercetarea doctorală și post

doctorală - PERFORM

Contract nr POSDRU 159/1.5/S/138963

Axa prioritară 1 - Educaţia şi formarea profesională în sprijinul creşterii economice şi

dezvoltării societăţii bazate pe cunoaştere

Domeniul major de intervenţie 1.5 - „Programe doctorale şi postdoctorale în sprijinul

cercetării”
i
 Introducere

Biometria, termen derivat din cuvintele greceşti bios (via ) şi metrikos (m sur ),
reprezint un complex de metode automatizate destinate identific rii unei persoane folosind
unele caracteristici biometrice (geometria palmelor, amprenta digital , irisul, retina, geometria
fe ei, greutatea corpului, presiunea sanguin , etc.) sau comportamentale (timbrul vocal,
configura ia ADN, dinamica scrisului, scanarea semn turi, dinamica ac ion rii tastelor, etc.)
ale acesteia, ştiut fiind faptul c unele dintre aceste caracteristici biometrice, de exemplu
amprentele digitale sau irisul, ori comportamentale, de exemplu timbrul vocal, pot identifica
în mod unic o persoan . Dat fiind aceast unicitate, informa iile biometrice pot fi folosite
pentru proiectarea şi implementarea unor tehnologii, echipamente şi sisteme destinate
disemin rii identit ii cu performan e mult superioare celor existente.
Una dintre cele mai cunoscute caracteristici biometrice este reprezentat de amprenta
digital , savantul britanic Sir Francis Galton fiind primul care a propus utilizarea amprentei
degetelor în scopul identific rii, de asemenea în secolul al XIX-lea. Acesta a elaborat un
studiu detaliat asupra amprentelor degetelor în care a prezentat şi un sistem de clasificare
bazat pe amprentele tuturor celor zece degete ale mâinilor, sistem ce st şi ast zi la baza
schemelor de identificare aflate în uz; amprentarea a fost introdus ca metod de identificare a
persoanei în poli ia britanic începând cu anul 1890 de c tre Sir Richard Edward Henry.
În termenii tehnologiei informa iei, biometria este asociat tehnologiilor şi tehnicilor
destinate securit ii şi confirm rii identit ii pe baza unor caracteristici biologice individuale,
m surabile ale persoanei. De exemplu, amprentele digitale, geometria mâinii, geometria fe ei,
amprenta (codul) irisului sau a retinei, timbrul vocal pot fi utilizate în sisteme şi scheme
destinate accesului la un computer, într-o anumit înc pere şi, de ce nu, la un cont bancar.
Identificarea automat a persoanei reprezint procesul prin care un sistem biometric
asociaz o persoan unei identit i specifice, acest lucru putându-se realiza în termenii
verific rii sau recunoaşterii. În cadru procesului de verificare, sistemul numai autentific o
identitate pretins ; cu alte cuvinte sistemul verific dac o persoan este cine pretinde c este.
În cadrul recunoaşterii creşte complexitatea procesului, sistemul determinând identitatea
persoanei prin consultarea unei baze de date sau prin testarea unei re ele neuronale cu
informa ii despre persoane, cu alte cuvinte, sistemul determin cine este persoana respectiv
f r ca aceasta s precizeze un nume ori alte informa ii de identificare.
Proiectarea unui sistem de verificare este mult mai simpl decât a unuia de recunoaştere
a identit ii. Un sistem de verificare autentific identitatea pretins de persoan prin
compararea tr s turilor biologice particulare furnizate de aceasta la un anumit moment cu
m surile acestor tr s turi memorate anterior în sistem şi asociate identit ii pretinse de
persoan ; de exemplu, amprenta degetului inelar a unei persoane ce pretinde a fi Popescu este
comparat cu amprenta degetului inelar a lui Popescu memorat anterior într-o baz de date
sau într-o re ea neuronal a sistemului. Spre deosebire de sistemul de verificare, sistemul de
recunoaştere are o complexitate procedural mai crescut , tr s turile biometrice furnizate de o
persoan fiind comparate cu m surile tuturor tr s turilor biometrice similare stocate într-o
baz de date sau într-o re ea neuronal . De exemplu, amprenta unei persoane ce doreşte
accesul într-o camer cu destina ie special este comparat cu amprentele tuturor persoanelor
autorizate s intre în acea înc pere. Un alt exemplu concludent îl constituie accesul
neautorizat într-un autoturism personal. Exist sisteme anti-fraud utilizate pentru protejarea
şi furtul autoturismului sau a bunurilor aflate în interiorul s u. Sistemul cuprinde sisteme
senzoriale complexe (de tip web-cam) amplasate în interiorul/exteriorul maşinii, iar atunci
când cineva doreşte s p trund în interiorul autovehiculului, este verificat dac are acces s
p trund sau nu; persoanele care au acces în acel autovehicul au codul irisului memorat într-o

i
baz de date; dac persoana are codul în baza de date i se permite s deschid uşile sau s
porneasc motorul, altfel, se transmit frame-uri la Poli ie, firme de paz sau la proprietarul
autovehiculului şi se intervine în timp util.
Un sistem biometric este, în esen , un sistem de recunoaştere a unor şabloane prin
intermediul c rora este posibil identificarea, aceasta fiind realizat prin stabilirea
autenticit ii unor caracteristici biologice şi/sau comportamentale ale utilizatorului, a
persoanei identificate. Din punct de vedere logic, un sistem biometric poate fi divizat în dou
unit i func ionale, module: un modul de înregistrare (enrollment) şi unul de identificare.
Modulul de înregistrare preg teşte datele ce vor fi utilizate în sistem în vederea
identific rii persoanei, pe durata procesului scanându-se de c tre unul sau mai mul i senzori
anumite caracteristici biometrice, de exemplu amprentele digitale şi irisul, în vederea ob inerii
digitale ale acestora. Ulterior, un program care este o component software cunoscut drept
extractor de caracteristic , proceseaz reprezent rile digitale achizi ionate de senzori pentru a
genera forme compactizate ale acestora, denumite şabloane (template) care, dac tr s turile
biometrice scanate sunt amprentele digitale şi irisul, pot con ine vârfuri de creste sau bifurca ii
(amprenta digital ) sau codul pentru iris. Şablonul fiec rui utilizator este memorat într-o baz
de date, într-o re ea neuronal sau pe un smart card (o cartel inteligent din plastic ce con ine
un microcip şi care poate stoca date cu caracter personal), caz în care cardul este înmânat
utilizatorului. Pentru a fi identificat drept utilizator valid, de in torul cardului trebuie s aib
aceleaşi caracteristici cu cele memorate pe card.
Modulul de identificare realizeaz recunoaşterea persoanei. Pe durata identific rii este
scanat tr s tura bimetric a persoanei ce trebuie identificat şi convertit într-o reprezentare
digital cu un format identic cu cel al şablonului folosit pentru memorarea în baza de date sau
în re eaua neuronal . Aceast reprezentare este, prin intermediul unuia sau a mai multor
programe, cunoscut sub denumirea de comparator de caracteristici, comparat cu şablonul
memorat într-o baz de date sau într-o re ea neuronal .
Un sistem de identificare va aprecia persoana drept corect identificat în momentul în
care reprezent rile tr s turii scanate şi şablonul memorat sunt identice, altfel persoana va fi
respins .
Un sistem de recunoaştere va aloca utilizatorului identitatea asociat şablonului din baza
de date sau din re eaua neuronal care a corespuns reprezent rii tr s turii scanate; dac
reprezentarea nu corespunde nici unuia dintre şabloane, persoana va fi rejectat .
Limit rile şi problemele pe care le ridic sistemele de verificare biometric unimodale
ar fi urm toarele:
 Lipsa de universalitate a unor caracteristici (de exemplu în cazul amprentei digitale
în jur de 4% dintre persoane nu se pot înrola din cauza unor slabe amprente, iar în
cazul irisului aproximativ 7% );
 Semnale zgomotoase captate de la senzori datorit folosirii incorecte a sistemului de
c tre clien i şi a condi iilor ambientale (umiditate, murd rie, praf, etc.),
 Lipsa de siguran a senzoror folosi i;
 Limitarea discrimin rii sistemelor biometrice datorit unei vulnerabilit i „in-class”
destul de mari şi „inter-class” reduse;
 Performan ele de recunoaştere ale sistemelor sunt limitate superior la un anumit
nivel;
 Rate de erori neacceptabile pentru sistemele biometrice unimodale;
 Lipsa de permanen - variabilitatea în timp a caracteristicilor biometrice;
 Posibilit ile de fraudare prin clonarea voluntar sau involuntar a unor caracteristici
biometrice.

ii
 Sistemele biometrice multimodale pot fi v zute din mai multe puncte de vedere.
Astfel, în cazul celor bazate pe amprent , acestea pot fi:
 Sisteme multisenzor (optic, capacitativ, pe baz de chip, etc.);
 Sisteme multi – metod – folosesc mai maulte metode de comparare a vectorilor de
test cu referin ele (bazate pe caracteristicile amprentelor - vârfuri de creast sau
birfurca iile - sau pe filtrare);
 Sisteme multicaracteristic – se folosesc amprentele de la mai multe degete;
 Sisteme multi-captur – se preleveaz eşantioane ale aceleiaşi caracteristici

 Sisteme multiverifcator – se utilizeaz mai multe caracteristici biometrice (amprent

biometrice (de exemplu aceeaşi amprent se ia de mai multe ori);

digital , iris, etc.)

Acest raport de cercetare este structurat pe patru capitole, dup cum urmeaz :

Capitolul I – „Biometria – o nou metod de autentificare a persoanelor”

reprezint o introducere în domeniul tehnologiilor biometrice. Principala contribu ie este dat
de prezentarea unitar şi detalitat a no iunilor de biometrie. Se prezint func ionarea
sistemelor biometrice, diferen ele între verificare şi autentificare, performan ele unui sistem
biometric şi aplica ii ale biometriei. În continuare, se prezint cele mai importante
caracteristici biometrice, cu tr s turilor lor definitorii (fizionomia, tehnici antropometrice,
amprentele papilare, imaginea irisului şi a retinei, termograma facial , recunoaşterea vocal ,
dinamica semn turii, ADN-ul şi elementele artificiale de identificare). Capitolul poate
reprezenta un punct de start în studierea acestui domeniu, având în vedere faptul c
bibliografia în limba român în acest domeniu este ca şi inexistent .

Capitolul II – „Recunoaşterea persoanelor dup amprenta digital ” urm reşte

parcursul utiliz rii amprentelor digitale de la sistemele manuale de clasificare şi reg sire, la
cele automate folosite în prezent. Sistemele manuale [PACO1] realizau o clasificare pe tipuri
de detalii: arce, spirale, cercuri, erau divizate în grupe şi subgrupe şi repartizate în dosare sau
sertare diferite. Desigur c probabilitatea unei erori era foarte mare, atât la prelevare, cât şi la
catalogare şi reg sire, iar efortul uman imens.
Capitolul III – „Recunoaşterea persoanelor dup iris” prezint informa ii despre
senzori, echipamente şi în special metode utilizate pentru identificarea sau recunoaşterea
indivizilor dup caracteristicile irisului.
Capitolul IV – „Concluzii” prezint principalele concluzii ale acestui raport de
cercetare, precum i direcțiile viitoare de dezvoltare ale acestui domeniu.

Raportul se încheie cu prezentarea bibliografiei care a stat la baza redact rii acestuia.

iii
 Cuprins

CAPITOLUL I .................................................................................................................. 1
BIOMETRIA – O NOU METOD DE AUTENTIFICARE A PERSOANELOR ...... 1
1.1. Introducere ............................................................................................................. 2
1.2. Func ionarea sistemelor biometrice ....................................................................... 7
1.2.1. Modulul senzorului ......................................................................................... 7
1.2.2. Modul de evaluare a calit ii şi de extragere a caracteristicilor ...................... 7
1.2.3. Modulul de potrivire şi luare a unei decizii .................................................... 8
1.2.4. Modulul bazei de date ..................................................................................... 8
1.3. Verificarea şi identificarea ..................................................................................... 9
1.4. Performan ele unui sistem biometric ................................................................... 11
1.5. Aplica ii ale biometriei ........................................................................................ 16
1.6. Caracteristici biometrice esen iale ....................................................................... 19
1.6.1. Fotografia şi fizionomia ................................................................................ 22
1.6.2. Tehnici antropometrice ................................................................................. 23
1.6.3. Amprentele papilare ...................................................................................... 24
1.6.4. Imaginea retinei ............................................................................................ 27
1.6.5. Imaginea irisului ........................................................................................... 27
1.6.6. Termograma facial ...................................................................................... 28
1.6.7. Recunoaşterea vocal .................................................................................... 29
1.6.8. Dinamica semn turii ..................................................................................... 30
1.6.9. Amprenta ADN ............................................................................................. 31
1.6.10. Elemente artificiale de identificare ............................................................. 34

CAPITOLUL II............................................................................................................... 35
Stadiul actual al recunoaşterii persoanelor dup amprenta digital ................................ 35
2.1. Introducere ........................................................................................................... 35
2.1.1. Structura pielii şi formarea crestelor papilare ............................................... 35
2.1.2. Propriet ile desenelor papilare .................................................................... 37
2.1.3. Structura desenelor papilare.......................................................................... 38
2.1.4. Tipurile, subtipurile şi variet ile desenelor papilare.................................... 42
2.2. Senzori utiliza i în vederea prelu rii imaginilor brute ale amprentelor papilare
.......................................................................................................................................... 46
2.3.3.1.1. Extragerea caracteristicilor din imaginile amprentelor bazat pe
orientarea fluxului adaptiv ............................................................................................... 55
2.3.3.2.1. Extragerea punctelor de detaliu din imagini binare scheletonizate dup
lucrarea Farina ş.a. ........................................................................................................... 65

CAPITOLUL III ............................................................................................................. 79

Stadiul actual al cercet rilor referitoare la recunoaşterea persoanelor dup iris ............ 79

Capitolul IV .................................................................................................................. 113

Concluzii i direcții viitoare de cercetare ..................................................................... 113
4.2. Direc ii viitoare de cercetare privind tehnologiile biometrice .......................... 114

Bibliografie ................................................................................................................... 115

 CAPITOLUL I
BIOMETRIA – O NOU METOD DE AUTENTIFICARE A PERSOANELOR

Nevoia pronun at de a determina sau verifica identitatea persoanelor a dus la creşterea

importan ei cercet rii în domeniul autentific rii biometrice. Autentificarea biometric
reprezint ştiin a stabilirii unei identit i, bazându-se pe atributele fizice sau comportamentale
ale unui individ, dintre acestea f când parte amprenta, fa a, vocea, mersul, irisul, semn tura,
geometria mâinii, urechea, etc. Devine din ce în ce mai evident faptul c o singur tr s tur
biometric (folosit într-un sistem unibiometric) nu este suficient pentru a atinge anumite
cereri importante ale sistemului – incluzând performan a de potrivire – impuse de multe
aplica ii de autentificare la scar larg . Sistemele multibiometrice vin s elimine oarecum
neajunsurile întâmpinate de sistemele unibiometrice prin luarea probelor necesare pentru
identificarea persoanelor de la multe surse biometrice. Aceste sisteme pot îmbun t i în mod
evident performan ele de recunoaştere ale unui sistem biometric, în acelaşi timp asigurând şi
acoperirea popula iei, deturnarea atacurilor asupra sistemelor, şi reducând rata de eroare la
înregistrare (failure-to-enroll rate - FER). Deşi necesit ile de stocare, timpul de procesare şi
cerin ele de calcul ale unui sistem multibiometric pot fi în mod semnificativ mai mari decât în
cazul unui sistem unibiometric, avantajele men ionate anterior reprezint un motiv suficient
de puternic pentru implementarea sistemelor multibiometrice în sisteme de autentificare la
scar larg (de exemplu, pentru controlul pasagerilor la trecerea frontierei de stat) şi în
sisteme care necesit rate de acurate e foarte mari (de exemplu, accesul într-o baz miliar
securizat ).
Domeniul multibiometricii a avut o creştere foarte rapid şi important în ultimii câ iva
ani. Aceast creştere a fost alimentat şi de c tre hot râri ale guvernului american, care a
stipulat utilizarea metodelor biometrice de recunoaştere pentru furnizarea unor func ii sociale
foarte importante. Programul US-VISIT (United States Visitor and Immigration Status
Indicator Technology) este un sistem de securizare a procesului de trecere a frontierei
americane, care valideaz documentele de c l torie ale cet enilor str ini în Statele Unite. În
momentul de fa , amprentele degetelor index de la ambele mâini sunt folosite pentru a asocia
o viz cu un individ care intr în Statele Unite. Pe viitor, toate cele zece degete, ar putea fi
folosite, în acest fel fiind nevoie de dezvoltarea unui sistem mai fiabil de prelevare a datelor,
precum şi de algoritmi de fuzionare a caracteristicilor. Acest proces a început pe 29 noiembrie
2007, primul aeroport pe care se fac astfel de teste fiind Washington Dulles International
Airport. Organiza ia Avia iei Civile Interna ionale (International Civil Aviation Organization
– ICAO) a recomandat ca statele sale membre s foloseasc documente de c l torie care pot fi
citite de un dispozitiv electronic (Machine Readable Travel Documents – MRTD) care s
încorporeze cel pu in fa a ca identificator biometric (pot fi de asemenea folosite anumite
combina ii între fa , amprent şi iris) pentru stabilirea identit ii de in torului unui paşaport.
Astfel, cercetarea în tehnologiile multibiometrice are posibilitatea s influen eze multe
aplica ii pe scar larg , civile sau comerciale.


Din punct de vedere academic, cercetarea în multibiometrie are diverse aspecte:


identificarea surselor informa iei biometrice;


determinarea tipurilor de informa ie care pot fuziona;


designul unor metode optime de fuzionare;
evaluarea şi compararea diverselor metode de fuzionare;
 crearea de interfe e multimodale robuste care s faciliteze achizi ia eficient a
datelor multibiometrice.

1 / 122
 1.1. INTRODUCERE
Dup evenimentele petrecute în New York în ziua de 11 septembrie 2001, sensul
controlului accesului în sistem s-a schimbat radical, atât prin prisma mijloacelor de
exercitare, cât şi a domeniilor de aplicare. În privin a mijloacelor, dominant a fost discu ia
de la sfârşitul anilor '90, dac trebuie s se introduc sau nu sistemele de identificare
biometric a persoanelor, f cându-se asocierea cu luarea amprentelor digitale doar pentru
elucidarea unor cazuri criminale. Opozi ia cea mai puternic venea din partea sistemului
bancar, dar nu numai. Alte instrumente p reau incomode sau periculoase şi, ca atare, erau
refuzate în serie. Dup data susmen ionat lucrurile s-au schimbat radical în privin a
identific rii biometrice - tendin ce va fi demonstrat într-un paragraf distinct al prezentului
capitol.
Domeniile de aplicare s-au extins, totul venind din convingerea intim a proprietarilor şi
administratorilor de sisteme, evidențiindu-se astfel i alte modalit i de verificare a
persoanelor ce doresc accesul în mai toate institu iile preziden iale, guvernamentale şi altele
de tip public sau privat, iar aeroporturile şi-au extins zonele supuse unei aten ii speciale.
Nici sistemele informa ionale nu au r mas aceleaşi. Doar simpla trimitere la ceea ce a
realizat Microsoft pe linia securiz rii este destul de elocvent , c ci aproape orice mişcare a
personalului este sub control, apelându-se la dependen a total a acestuia de carduri speciale.
Se poate spune c , în sistemele distribuite de prelucrare a datelor, dar şi în cele centralizate, se
impun sisteme performante de control al accesului. Românul spune „paza bun alungă
primejdia rea", ceea ce ar putea s eviden ieze o bun în elegere a ameninţărilor la care este
expus un sistem, a vulnerabilităţilor lui, dar şi a riscurilor ce-i sunt asociate, îndeosebi pe
linia infrastructurii sistemelor, de aici rezultând o bun identificare a măsurilor preventive şi
detective de contracarare a lor.
Când au fost dezvoltate primele tehnici biometrice, cu decenii în urm , acestea erau
prea scumpe şi complexe, fiind folosite numai la aplica ii militare de înalt securitate.
Situa ia îns , s-a schimbat dramatic datorit progresului tehnologiei informatice şi,
totodat , creşterii explozive a fraudelor (se estimeaz c anual, în SUA, prin fraud ri se
produc pierderi de 500 milioane USD la ATM, la cecuri circa 2 miliarde dolari iar la cartelele
de credit peste 1.5 miliarde USD).
Specialiştii în domeniu apreciaz c folosirea PIN şi a parolelor, cele mai aplicate
metode de identificare folosite de tehnologia informatic actual , sunt de mult dep şite i
celelalte forme de identificare clasice sufer de lipsuri importante. S-a demonstrat c , cel
pu in în Statele Unite, este suficient falsificarea unui document de identitate mai pu in
protejat (de exemplu, permisul de conducere), falsificare care poat fi urmat de ob inerea
perfect legal a tuturor celorlalte documente de identitate.
Pentru identificare sunt folosite în mod tradi ional o serie de caracteristici fiziologice .
Astfel, descrierea fizionomiei şi a semnelor particulare, întâlnite la paşapoarte, este destul de
grosier şi arareori este suficient de sigur pentru a identifica categoric o persoan . La cealalt
extrem , exist tehnicile criminalistice invazive, bazate pe radiografii dentare şi ale
scheletului.
Un sistem fiabil de management al identit ii este o component esen ial în multe
aplica ii care doresc s furnizeze anumite servicii doar utilizatorilor care sunt înregistra i în
mod legitim. Astfel de aplica ii pot fi, de exemplu, partajarea resurselor unui calculator într-o
re ea, acordarea accesului la facilit i nucleare, realizarea de tranzac ii financiare la distan ,
sau controlul la intrarea într-o anumit ar . Dezvoltarea serviciilor bazate pe Internet (de
exemplu, cele care se refer la cardurile de credit) au determinat nevoia de îmbun t ire
continu a sistemelor de management al identit ii.

2 / 122
 Sarcina cea mai important într-un sistem de management al identit ii este reprezentat
de determinarea (sau verificarea) identit ii unei anumite persoane (sau a identit ii pretinse
de respectiva persoan ). O astfel de ac iune poate fi necesar pentru o multitudine de motive,
dar în primul rând, în cele mai multe aplica ii, se refer la a preveni accesul r uf c torilor la
resurse protejate. Metodele tradi ionale de stabilire a identit ii unei persoane includ
mecanisme bazate pe cunoaştere (de exemplu, parolele) sau bazate pe token-uri (de exemplu,
carduri de acces), dar aceste reprezent ri surogat ale identit ii pot fi foarte uşor pierdute,
împrumutate, uitate, manipulate sau furate, determinând în acest fel nerealizarea securit ii
dorite a sistemului. Biometria ofer o solu ie natural şi fiabil pentru anumite aspecte ale
managementului identit ii, prin utilizarea unor scheme de recunoaştere – total sau semi-
automate – de recunoaştere a persoanelor func ie de caracteristicile lor fizice sau
comportamentale. Prin utilizarea biometriei este posibil stabilirea identit ii bazându-se pe
cine este persoana, în loc de ceea ce posedă (cum ar fi o cartel de acces) sau pe ceea ce îşi
aminteşte (de exemplu, un utilizator şi o parol ). În figura 1.1 se prezint metodele
tradi ionale de recunoaştere a persoanelor, iar în figura 1.2 sunt prezentate unele metode
biometrice. În unele aplica ii, biometria poate fi combinat cu cartelele de acces sau cu
parolele pentru a crea un nivel mai mare de securitate. O astfel de metod este denumit de
obicei schem de autentificare compus din doi factori. Totuşi, biometria nu trebuie s
înlocuiasc token-urile şi parolele în toate aplica iile, în special la cele unde nivelul de
securitate nu este o cerin de design al sistemului.
Eficacitatea unui autentificator (biometric sau ne-biometric) se bazeaz pe robuste ea sa
referitoare la diferite tipuri de atacuri, precum şi relevan a sa referitoare la o anumit aplica ie
particular .
Exist mai multe tipuri de atacuri care pot fi lansate împotriva unor sisteme de
autentificare bazate pe parole şi token-uri. Dintre cele mai importante ar fi:
a) atacuri la nivelul clientului (ghicirea parolelor, furtul token-urilor);
b) atacuri la nivelul serverului (accesarea unor fişiere text care con in parole);
c) respingerea (de exemplu, sus inerea faptului c token-ul nu a fost pus corect);
d) atacuri bazate pe cai troieni (instalarea de programe de înregistrare în sistem, cu
scopul de a fura parole);
e) refuzul serviciului (blocarea unui cont în mod inten ionat prin tastarea unei parole
greşite de mai multe ori).

(a) (b)

(c)
Figura 1.1. Scheme tradiţionale de recunoaştere bazate pe (a) cartele de acces, (b) chei şi
(c) parole

3 / 122
 (a) (b) (c)

(d) (e)
Figura 1.2. Metode de recunoaştere a persoanelor după (a) geometria mâinii,
(b) amprentă, (c) iris, (d) retină şi (e) fizionomia feţei

În timp ce unele dintre aceste atacuri pot fi contracarate prin realizarea de mecanisme de
protec ie corespunz toare, totuşi nu este posibil s se rezolve toate problemele legate de
utilizarea parolelor şi a token-urilor.
Biometria poate oferi anumite avantaje – cum ar fi recunoaşterea negativ sau ne-
repudierea – care nu pot fi asigurate cu ajutorul token-urilor şi al parolelor. Recunoaşterea
negativ reprezint procesul prin care un sistem determin dac o anumit persoan este într-
adev r înregistrat în sistem, deşi persoana ar putea s nu recunoasc acest lucru.
Nerepudierea reprezint o metod de garantare a faptului c o anumit persoan care
acceseaz o anumit facilitate nu va nega mai târziu c a utilizat respectiva resurs (de
exemplu, o persoan acceseaz o anumit resurs a unui sistem de calcul, iar apoi sus ine c
un impostor a folosit resursa respectiv ).
Sistemele biometrice utilizeaz o mare varietate de caracteristici fizice sau
comportamentale (dup cum se poate remarca şi din figura 1.3), între acestea reg sindu-se
amprentele, fa a, geometria mâinii sau a degetelor, irisul, retina, semn tura, mersul, amprenta
palmar , urechea, structura de vene a mâinilor, mirosul sau ADN-ul. În literatura de
specialitate, aceste caracteristici sunt adesea numite trăsături, indicatori, identificatori sau
modalităţi. Deşi sistemele biometrice au propriile limit ri, totuşi ele au un mare avantaj în fa a
metodelor de securitate tradi ionale, în sensul c nu pot fi foarte uşor furate sau partajate.
Utilizarea tr s turilor biologice pentru confirmarea identit ii unui individ nu reprezint
un concept nou. La sfârşitul secolului al XIX-lea, Alphonse Bertillon, un ofi er de poli ie din
Fran a, a descoperit un sistem de identificare a persoanelor care asociaz un set de m sur tori
antropometrice unui anumit individ.
Bertillon ([BERT1], [BERT2]) a demonstrat c , notându-se mai multe dimensiuni ale
corpului uman, de exemplu: talia, l ime, în l imea, circumferin a capului, în l imea urechii
drepte, lungimea anumitor falange şi a altor oase de la mâna stâng , ar fi fost aproape

4 / 122
imposibil s se g seasc doi indivizi cu absolut toate dimensiunile la fel. Prin aceasta el a
rezolvat, pentru etapa de atunci, problema înregistr rii penale a infractorilor.
România s-a situat printre primele ri din lume care a adoptat sistemul de identificare
conceput de Bertillon. Sub conducerea prof. dr. Mina Minovici ([PACO1]), fondatorul Şcolii
româneşti de medicin legal şi ini iator al Institutului de medicin legal , la 15 martie 1892,
pe lâng organele poli iei din Capital , ia naştere în România primul sistem ştiin ific de
înregistrare a infractorilor.
Antropometria (din greceşte, „anthropos” – om, „metron” – m sur ), cu toat
r spândirea fulger toare în toate poli iile Europei, nu a avut o perioad prea mare de via ,
dezv luindu-şi repede neajunsurile şi posibilit ile de eroare pe care le genera aplicarea ei, dar
a constituit totuşi o revolu ie în identificarea persoanelor, fiind primul sistem ce punea
amprenta unei activit i metodice şi ştiin ifice, demonstrându-se c şi în acest domeniu se pot
folosi cu succes descoperirile celorlalte ştiin e.

Figura 1.3. Metode biometrice (după [RONAJA1])

Dintre imperfec iunile cele mai importante pe care le prezenta antropometria, pot fi
enun ate urm toarele:
- instabilitatea parametrilor corpului omenesc (nu era aplicabil la copii şi
adolescen i);
- subiectivismul în m surarea p r ilor corpului omenesc, întrucât antropologii din
poli ie nu aşezau instrumentul de m sur în acelaşi punct;
- decalcifierile – datorate b trâne ii, unor boli sau a traumatismelor – provocau
modificarea dimensiunilor scheletului uman.
În figura 1.4 sunt prezentate principalele caracteristici antropometrice luate în
considerare pentru aplicarea metodei lui Bertillon ([BERT1]).

5 / 122
 Figura 1.4. Semnalmente antropometrice (după [BERT1] şi [BERT2])
1 – Talia ; 2 – Anvergura ; 3 – Bustul
4 – Lungimea capului; 5 – Lăţimea capului; 6 – Urechea dreaptă
7 – Piciorul stâng; 8 – Degetul median stâng; 9 – Cotul stâng

De asemenea, sistemul lui Bertillon mai cuprinde o descriere morfologic a formei

corpului şi o list a semnelor particulare cum ar fi cicatrici, tatuaje sau aluni e. Aceste
m sur tori erau înregistrate pe o fiş şi depuse într-un depozit central, care era împ r it în mai
multe categorii bazate pe m sur torile efectuate. Aceast abilitate de indexare permitea
g sirea foarte rapid a fişei unui individ când era constatat o nou înc lcare a legii de c tre
poli ie. Totuşi, sistemul era destul de greoi de administrat în mod uniform. De aceea a fost
abandonat, în favoarea metodei recunoaşterii dup amprent , ai c rei pionieri au fost Henry
Faulds (1880), William Herschel (1888) şi Sir Francis Galton (1888).
Apari ia proces rii digitale a semnalelor a dus la dezvoltarea de sisteme automate în anii
’60-’70, care erau capabile s proceseze date despre amprenta digitală (Trauring, 1963;

6 / 122
Graselli, 1969; Shelman, 1967), vocea (Kersta, 1962; Pruzansky, 1963; Luck, 1969),
geometria mâinii (Ernst, 1971; Miller, 1971; Jacoby şi al ii, 1972) şi fizionomia feţei (Kanade,
1973).
Dezvoltarea foarte rapid a sistemelor de calcul şi îmbun t irea performan elor
senzorilor de captare a informa iei biometrice, împreun cu progresul în domeniul
recunoaşterii formelor şi a sistemelor de captare a imaginilor, au dus la apari ia unor scheme
sofisticate de procesare şi potrivire a datelor biometrice a mai multor caracteristici, printre
care irisul, retina, mersul şi semn tura. Mai mult chiar, progresul în modelarea 3D conduce la
o procesare a datelor biometrice tridimensionale, cum ar fi geometria mâinii, fizionomia fe ei
şi urechea.

1.2. FUNC IONAREA SISTEMELOR BIOMETRICE

Un sistem biometric reprezint de fapt un sistem de recunoaştere a formelor care
capteaz date biometrice de la o anumit persoan , extrage un set de caracteristici relevante
din aceste date, compar acest set de tr s turi cu setul sau seturile din baza de date şi execut
o ac iune bazat pe rezultatul compar rii. De aceea, un sistem biometric general poate fi v zut
ca având patru module principale: un modul referitor la senzor; un modul de evaluare a
calit ii şi de extragere a caracteristicilor; un modul de potrivire; şi un modul al bazei de date.
Fiecare dintre aceste module va fi prezentat în continuare.

1.2.1. Modulul senzorului

Pentru a capta datele biometrice brute ale unei persoane este necesar un cititor sau un
scanner biometric potrivit. Pentru a ob ine imaginile amprentelor digitale, de exemplu, poate
fi folosit un senzor optic pentru a capta structura de ridic turi ale vârfului degetului Modulul
senzorului defineşte interfa a dintre om şi maşin şi este, în acest fel, fundamental pentru
asigurarea performan elor ridicate ale unui sistem biometric. O interfa cu calit i mediocre
va duce la o rat mare de erori de captare (failure-to-acquire rate – FTA) şi, în continuare, la o
acceptabilitate sc zut din partea utilizatorilor. Din moment ce cele mai multe modalit i
biometrice sunt captate ca imagini (excep ie f când vocea, care se bazeaz pe date audio, şi
mirosul, care se bazeaz pe date chimice), calitatea datelor brute depinde de caracteristicile
dispozitivului de captare folosit. În figura 1.5 sunt prezenta i diverşi senzori utiliza i pentru
captarea imaginii amprentei digitale.

1.2.2. Modul de evaluare a calit ii şi de extragere a caracteristicilor

Calitatea datelor biometrice captate de c tre senzor este în primul rând evaluat pentru a
determina dac acestea sunt potrivite pentru procesarea viitoare. În mod uzual, datele
achizi ionate sunt supuse unui algoritm de îmbun t ire a semnalului pentru ameliorarea
calit ii acestora. Oricum, în unele cazuri, calitatea datelor poate fi atât de redus încât
utilizatorul va fi rugat s mai prezint înc o dat datele biometrice. Apoi, datele biometrice
sunt procesate şi este extras un set de tr s turi fundamentale, care individualizeaz respectiva
persoan . Într-un sistem biometric bazat pe amprent digital , de exemplu, pozi ia şi
orientarea punctelor crestelor papilare (anomaliile locale ale culmilor şi v ilor papilare) într-
o imagine a unei amprente, sunt extrase de c tre modulul de extragere a caracteristicilor. În
timpul înregistr rii persoanei, acest set de tr s turi este stocat în baza de date şi este cunoscut
sub denumirea de şablon (sau model).

7 / 122
 (a) (b) (c) (d)

(e) (f) (g) (h)

Figura 1.5. Senzori şi scanere pentru captarea imaginii amprentei digitale: (a) Lumidigm,
Inc. - Venus Series Biometric Fingerprint Sensor, (b) Kingston USB Fingerprint flash drive,
(c) CS PASS, (d,e) digitalPersona, U.are.U, (f) Fujitsu-Siemens FOMA F905i , (g) UPEK -
TCS5 TouchStrip Fingerprint Sensor , (h) AuthenTec - AES1711

1.2.3. Modulul de potrivire şi luare a unei decizii

Tr s turile extrase anterior sunt comparate cu modelele stocate pentru a genera rate de
potrivire. Într-un sistem biometric bazat pe amprent digital , se determin num rul de creste
papilare care se potrivesc între imaginea captat de la senzor şi şabloanele stocate în baza de
date, pentru a determina o rat de potrivire. Rata de potrivire poate fi influen at de calitatea
datelor biometrice prezentate de c tre persoana respectiv . Modulul de potrivire încapsuleaz
de asemenea un modul de luare a deciziei, în care ratele de potrivire sunt folosite pentru a
valida sau invalida identitatea pretins de persoana respectiv .

1.2.4. Modulul bazei de date

Baza de date func ioneaz ca un depozit al informa iilor biometrice. În timpul

procesului de înregistrare în sistem, setul de caracteristici extrase din datele biometrice
captate, formeaz în acest fel şablonul, care va fi stocat în baza de date. Împreun cu şablonul,
pot fi stocate şi alte date care caracterizeaz utilizatorul, cum ar fi numele, adresa, codul PIN,
etc. În func ie de aplica ie, datele capturate în timpul procesului de înregistrare pot fi sau nu
supervizate de c tre o persoan . De exemplu, încercarea unui utilizator de a crea un nou cont
pe sta ia de lucru, unde sunt activate constrângerile biometrice, poate proceda la înregistrarea
datelor biometrice f r nicio supervizare; în schimb, o persoan care doreşte s utilizeze un
automat bancar (ATM) va trebui s -şi înregistreze în prealabil datele biometrice în prezen a
unui ofi er al b ncii respective, dup prezentarea actului de identitate sau al oric rui document
ne-biometric.
Şablonul unui anumit utilizator poate fi extras dintr-o singur prob biometric sau
poate fi generat prin procesarea mai multor probe. Astfel, şablonul crestelor papilare ale unui
deget pot fi extrase dup prelevarea mai multor probe ale aceluiaşi deget. Unele sisteme
stocheaz mai multe şabloane pentru a avea în vedere varia iile intra-clas asociate cu un

8 / 122
utilizator. Sistemele biometrice bazate pe recunoaşterea facial , de exemplu, pot stoca mai
multe modele ale aceluiaşi individ, fiecare şablon corespunzând unei pozi ii diferite a fe ei în
fa a camerei de luat vederi. În func ie de aplica ie, şablonul poate fi stocat într-o baz de date
central a unui sistem biometric sau poate fi înregistrat pe un token (de exemplu pe un card
inteligent), care va fi emis pentru utilizatorul respectiv.
În literatura de specialitate referitoare la recunoaşterea fe ei, imaginile biometrice brute
stocate în baza de date sunt adesea denumite galerii de imagini, în timp ce imaginile captate
în cadrul procesului de recunoaştere sunt denumite imagini de probă. Aceste denumiri sunt
sinonime cu termenii imagini stocate şi, respectiv, imagini de intrare.

1.3. VERIFICAREA ŞI IDENTIFICAREA

În func ie de contextul aplica iei, un sistem biometric poate opera fie în modul
verificare, fie în modul identificare, dup cum este prezentat şi în figura 1.6. În modul
verificare, sistemul valideaz identitatea unei persoane prin compararea datelor biometrice
capturate cu propriul şablon al individului, stocat în baza de date. Într-un astfel de sistem, un
individ care doreşte s fie recunoscut pretinde o anumit identitate, de obicei sub forma unui
PIN, unui nume de utilizator sau a unui card inteligent, iar sistemul execut o compara ie unu-
la-unu pentru a determina dac cererea este adev rat sau fals („Corespund aceste date
biometrice cu datele utilizatorului X ?”). Verificarea este de obicei folosit pentru
recunoaşterea pozitiv , unde scopul este de a preveni ca mai multe persoane s utilizeze
aceeaşi identitate.

(a)

9 / 122
 (b)

(c)

Figura 1.6. Moduri de funcţionare ale sistemului: (a) înregistrarea în sistem, (b) verificarea
şi (c) identificarea (după [RONAJA1])

În modul identificare, sistemul recunoaşte o anumit persoan prin c utarea printre

şabloanele tuturor utilizatorilor din baza de date, în scopul g sirii unei potriviri. Astfel,
sistemul conduce la o compara ie unu-la-mai mul i pentru a stabili identitatea unui anumit
individ (sau eşueaz dac subiectul nu este înregistrat în baza de date a sistemului), f r ca
acesta s pretind o anumit identitate (de exemplu, „A cui este aceast caracteristic
biometric ?”).
Identificarea reprezint o component critic în aplica iile care utilizeaz identificarea
negativ , unde sistemul stabileşte dac persoana este (implicit sau explicit) sau nu cine
pretinde c este. Scopul recunoaşterii negative este de a preveni ca o anumit persoan s
utilizeze mai multe identit i. Identificarea poate fi de asemenea folosit în recunoaşterea
pozitiv pentru comoditate (utilizatorului nu i se cere s pretind o anumit identitate). În timp
ce metodele tradi ionale de recunoaştere a persoanelor, cum ar fi de exemplu parolele, PIN-
urile, cheile şi token-urile, func ioneaz pentru recunoaşterea pozitiv , recunoaşterea negativ
poate fi stabilit doar prin intermediul metodelor biometrice.
Problema verific rii poate fi pus în mod formal ca o problem de clasificare folosind
dou categorii, dup cum urmeaz : fiind dat un set de caracteristici de intrare XQ şi o
identitate pretins I, s se determine dac (I, XQ ) apar ine lui w1 sau w2, unde w1 indic faptul
c afirma ia este adev rat (un utilizator „veritabil”), iar w2 indic faptul c afirma ia este
fals (utilizatorul este un „impostor”). În mod normal, XQ se compar cu XI , care reprezint
şablonul biometric corespunz tor utilizatorului I, pentru a determina categoria sa.

w1 dac S(X Q ,X I )   ,

Regula de decizie rezultat este:

(I , X Q )  
 2
(1.1)
w altfel
unde S este func ia care m soar similaritatea dintre XQ şi XI , iar  este un prag predefinit.
Valoarea S(XQ , XI ) este denumit scor de similaritate sau rat de potrivire între vectorul de
caracteristici de intrare şi cel stocat în baza de date corespunzând identit ii I. Fiecare
identitate pretins într-un scenariu de verificare este clasificat ca w1 sau w2, bazându-se pe

10 / 122
variabilele XQ , I , XI şi , şi de func ia S. Pe de alt parte, problema identific rii poate fi pus

k  {1, 2, …, M, M+1}, unde I1, I2, …, IM reprezint M identit i înregistrate în sistem, iar
în felul urm tor: fiind dat un set de caracteristici de intrare XQ, s se determine identitatea Ik ,

IM+1 indic cazul în care nicio identitate din sistem nu poate fi determinat pentru intrare.

 I K dac K  arg max{S ( X Q , X I k )} şi S(X Q ,X I k )  

Astfel,

XQ 
 I M 1 altfel
k
, (1.2)

unde X I k reprezint şablonul biometric corespunz tor identit ii Ik, iar  este un prag
predefinit în rata de potrivire.
În formularea de mai sus, presupunem c rata de potrivire, S(XQ , XI ), arat cât de
similari sunt vectorii XQ şi XI. Este de asemenea posibil s vedem rata de potrivire ca o
m sur a disimilarităţii sau ca o rat a distanţei. O rat mare a distan ei va implica o potrivire
minim între XQ şi XI , în timp ce o rat a similarit ii mare va implica o potrivire bun .

1.4. PERFORMAN ELE UNUI SISTEM BIOMETRIC

Spre deosebire de sistemele bazate pe parole, unde este necesar o potrivire perfectă
între dou şiruri de caractere alfanumerice pentru a valida identitatea unui utilizator, într-un
sistem biometric se întâmpl foarte rar sau chiar niciodat s existe dou mostre care s aib
exact acelaşi set de caracteristici. Acest lucru se întâmpl din cauza condi iilor imperfecte de
preluare a probelor (de exemplu, luarea imaginii unei amprente poate fi influen at de o
defec iune sau o proast construc ie a senzorului de captare), datorit alter rilor
caracteristicilor biometrice ale utilizatorului (de exemplu, respira ia greoaie sau r guşit poate
influen a recunoaşterea vocal ), ale schimb rilor mediului înconjur tor (de exemplu, niveluri
diferite de iluminare în cazul recunoaşterii faciale) sau varia ii ale interac iunii utilizatorului
cu senzorul (un ochi par ial deschis, ceea ce duce la o captur nedorit a imaginii irisului sau
amprente par iale). Astfel, distan a dintre dou seturi de caracteristici care apar in aceluiaşi
utilizator pentru aceeaşi tr s tur biometric , va fi în mod uzual diferit de zero (o distan
egal cu zero ar indica faptul c cele dou seturi sunt identice). În figura 1.7 se prezint
caracteristicile crestelor papilare extrase din trei impresiuni diferite ale aceluiaşi deget. Aceste
caracteristici difer în mod substan ial între ele, în acest fel fiind imposibil s se g seasc o
potrivire perfect . De fapt, o potrivire perfect poate indica posibilitatea existen ei unui atac
care a fost lansat împotriva sistemului, prin prelucrarea unei imagini impuse şi nu a celei
captate de senzor.
Varia ia observat în cadrul seturilor de caracteristici biometrice apar inând aceluiaşi
individ se numeşte varia ie intra-clasă, iar varia ia dintre dou seturi apar inând la doi indivizi
diferi i se numeşte varia ie inter-clasă. Un set de caracteristici poate fi considerat util dac se
ob ine o varia ie intra-clas foarte mic şi o varia ie inter-clas foarte mare.
Un scor al similarit ii este denumit veritabil sau autentic dac este rezultatul potrivirii
între dou probe ale aceleiaşi tr s turi biometrice a unui utilizator. Se numeşte scor impostor

scor impostor care dep şeşte pragul  duce la o fals acceptare (sau, la o fals potrivire), în
dac se ajunge la compararea a dou probe biometrice apar inând la doi utilizatori diferi i. Un

timp ce un scor autentic care scade sub pragul  duce la o respingere fals (sau la o fals
nepotrivire). Rata de acceptare fals (FAR – False Accept Rate) (sau Rata de potrivire fals

impostor care dep şeşte pragul .

(FMR – False Match Rate)) a unui sistem biometric poate fi definit ca frac ia din scorul

În mod similar, Rata de respingere fals (FRR – False Reject Rate) (sau, Rata de ne-
potrivire fals (FNMR – False Non-Match Rate)) reprezint frac ia scorurilor autentice care

11 / 122
scad sub pragul . Rata de acceptare autentic (GAR – Genuine Accept Rate) reprezint
frac ia din scorurile autentice care dep şesc pragul . Prin urmare,
GAR = 1 – FRR (1.3)

Figura 1.7. Caracteristicile crestelor papilare extrase din trei impresiuni diferite ale
aceluiaşi deget ([RONAJA1])

Prin regularizarea valorii pragului , acesta schimb valorile ratelor FRR şi FAR, dar
pentru un sistem biometric dat, nu este posibil sc derea simultan a acestor dou valori.
Când sunt disponibile un num r mare de scoruri autentice şi impostoare, una dintre
aceste valori poate estima func iile de densitate a probabilit ii celor dou seturi de scoruri
pentru a deriva analitic FAR şi FRR. Fie p(s | autentic) şi p(s | impostor) func iile de densitate

autentice, respectiv impostoare. Atunci, pentru un prag particular ,

a probabilit ilor (sau distribu iile probabile) scorului s în condi iile unei autentific ri

FAR( )   p ( s | impostor )ds




(1.4)

FRR( )   p(s | autentic)ds




(1.5)

FAR() şi FRR() pot fi exprimate în felul urm tor:

Dac scorul de potrivire reprezint o valoare a distan ei sau a disimilarit ii, atunci

12 / 122
 FAR( )   p(s | impostor)ds



(1.6)

FRR ( )   p ( s | autentic )ds




(1.7)
Figura 1.8 ilustreaz distribu iile autentice şi impostoare, corespunz toare unui sistem
biometric. Scorurile de similaritate, în acest caz, sunt luate din baza de date NIST BSSR1.

Pragul ( )

Distribuţia datelor autentice

p(s | authentic)
Probabilitatea p(s)

Distribuţia datelor impostorilor

p(s | impostor )

Rata de potrivire (s)

Figura 1.8. Distribuţiile autentice şi impostoare,

corespunzătoare unui sistem biometric ([RONAJA1])

Valorile FAR şi FRR la diferite valori ale pragului  pot fi centralizate utilizând o curb
de detec ie a erorii (DET – Detection Error Tradeoff) care reprezint FRR în func ie de FAR
la praguri diferite, pe o scar deviat normal. Acest grafic este prezentat în figura 1.9(a)
([RONAJA1]). Când este utilizat o scar liniar , logaritmic sau semi-logaritmic pentru
trasarea acestor rate ale erorii, graficul este cunoscut ca fiind curba caracteristicilor de operare
a receptorului (ROC – Receiver Operating Characteristic). În multe cazuri, curba ROC
traseaz GAR (respectiv FRR) func ie de FAR (graficele sunt prezentate în figurile 1.9(b) şi
1.9(c) ([RONAJA1])). Principala diferen între curbele DET şi ROC este reprezentat de
utilizarea sc rii deviate normal în cazul celei dintâi curbe.
Rata de Respingere Fals (%)

Rata de Acceptare Fals (%)

(a)

13 / 122
 Rata de Respingere Fals (%)
Rata de Acceptare Fals (%)

(b)
Rata de Acceptare Autentic (%)

Rata de Acceptare Fals (%)

(c)
Figura 1.9. (a) Curba DET; (b) Curba ROC (FRR funcţie de FAR, pe o scară liniară); (c)
Curba ROC (GAR funcţie de FAR, pe o scară semi-logaritmică) ([RONAJA1])

În afar de cele dou tipuri de erori prezentate mai sus (FAR şi FRR), un sistem
biometric poate de asemenea s prezinte şi alte tipuri de eşecuri. Rate de eşec la captare (FTA
– Failure to Acquire, cunoscut şi sub denumirea de FTC – Failure to Capture) reprezint
propor iile de timp în care dispozitivul biometric eşueaz în captarea unei probe atunci când îi
este prezentat o caracteristic biometric . Acest tip de eroare apare în mod uzual atunci când
dispozitivul nu poate s identifice un semnal biometric de o calitate satisf c toare (de
exemplu, o amprent foarte ştears sau o imagine a fe ei cu o parte acoperit sau invizibil ).
Rata FTA este influen at şi de uzura senzorului. Astfel, între inerea periodic a senzorului
este esen ial pentru func ionarea eficient a unui sistem biometric.
Rata de eşec la înregistrare (FTE – Failure to Enroll) denot propor ia de utilizatori care
nu pot fi înregistra i cu succes în cadrul sistemului. Preg tirea utilizatorilor poate fi necesar
pentru a se asigura faptul c se va interac iona cu sistemul biometric în mod corect, pentru a
facilita captarea de date biometrice de o calitate foarte bun . Acest lucru necesit construirea
unor interfe e utilizator simple şi eficiente, care pot s asiste persoana atât în timpul
înregistr rii cât şi in momentul recunoaşterii.
Performan ele unui sistem biometric pot fi de asemenea centralizate folosind alte
m sur tori care determin o singur valoare, cum ar fi Rata de erori egal (EER – Equal Error
Rate) şi valoarea lui d-prim (d’). EER se refer la acel punct de pe curba DET în care FAR

14 / 122
este egal cu FRR; o valoare mai mic a indicatorului EER va indica o performan mai bun .
Valoare lui d-prim (d’ ) m soar distan a dintre mediile distribu iilor probabilistice ale
utilizatorilor adev ra i şi impostori, în unit i de devia ie standard, şi este definit de

2  autentic   impostor
([RONAJA1]):

d'
 autentic   impostor
(1.8)
2 2

unde  şi  sunt media şi, respectiv, devia ia standard, a distribu iilor utilizatorilor autentici
sau impostori. O valoare mai mare a lui d’ va indica o performan mai bun . Dac
distribu iile utilizatorilor autentici şi impostori urmeaz într-adev r o distribu ie normal
(Gaussian ) cu varian egal (o situa ie foarte rar întâlnit în practica biometric ), atunci d’
se reduce la valoarea deviat normal ([SWE1]). Poh şi Bengio ([POH1]) întroduc în 2005 o
alt m sur care returneaz o singur valoare, numit „ra ia F”, notat cu F-ratio, care se

 autentic   impostor
defineşte astfel:
F  ratio 
 autentic   impostor
(1.9)

Dac distribu iile utilizatorilor autentici şi impostori este Gaussian , atunci între EER şi
F-ratio apare urm toarea rela ie ([POH1]):

 F  ratio 
EER   erf  
1 1
 2 
(1.10)
2 2

 
unde
erf ( x)  e t dt
2 x 2
(1.11)
0

Din cele prezentate mai sus, se poate observa foarte uşor faptul c teoria statistic are un
rol foarte important în definirea şi delimitarea corect a spa iului recunoaşterii biometrice.
Aceste erori sunt prezentate şi în manualele majorit ii dispozitivelor biometrice. De exemplu,
pentru dispozitivul de pontaj prezentat în figura 1.10, se specific datele din tabelul 1.1
([BMS1]).

Figura 1.10. Dispozitivul de pontaj BMS-F01

Tabelul 1.1. Specificaţiile tehnice ale produsului BMS-F01

Tip Optic

Senzor Rezolu ie imagine 500 dpi

Dimensiune
272px x 320px
imagine

15 / 122
 Durata < 1 sec. / amprent
Înregistrare Mod 2 scan ri / amprent
Num r amprente 10 / utilizator
Durata < 1 sec. la 3.000 amprente
Identificare FAR 1 / 100.000.000
FRR ≤1%
Baza de Num r amprente 9.000 (optional 19.000)
date Num r evenimente 12.500
Nr. dispozitive de
Unitate de citire 2
comand
Nr. incuietori 2
Nr terminale 255
Re ea
Viteza 115.200bps

1.5. APLICA II ALE BIOMETRIEI

Stabilirea identit ii unei persoane cu o foarte mare certitudine a devenit decisiv într-
un foarte mare num r de aplica ii din societatea noastr de ast zi, caracterizat prin
interconectarea f r precedent. Întreb ri de genul „Este acea persoan chiar cine pretinde c
este ?”, „Este aceast persoan autorizat s foloseasc acest dispozitiv sau aceast
facilitate?”, sunt puse din ce în ce mai des în diferite scenarii, cum ar fi la emiterea unui
permis de conducere în Statele Unite ale Americii sau la trecerea frontierei de stat. Nevoia
unor tehnici foarte solide de autentificare a utilizatorilor este din ce în ce mai mare, având în
vedere dezvolt rile importante în domeniul re elelor de calculatoare, a comunica iilor şi a
mobilit ii. Astfel, tehnologiile biometrice sunt din ce în ce mai mult încorporate în multe
aplica ii. Aceste aplica ii pot fi împ r ite în trei mari grupuri:
1. Aplica ii comerciale, cum ar fi autentificarea într-o re ea, securitatea datelor
electronice, comer electronic, accesul la Internet, folosirea unui ATM sau a unui card bancar,
controlul accesului, utilizarea telefoanelor mobile, PDA-urilor, managementul înregistr rilor
medicale, înv area la distan , etc;
2. Aplica ii guvernamentale, cum ar fi emiterea unei c r i de identitate,
managementul persoanelor din cadrul unei închisori, emiterea permisului de conducere,
controlul la trecerea frontierei de stat, etc;
3. Aplica ii în criminalistic , cum ar fi identificarea cadavrelor, investiga iile
criminale, determinarea p rin ilor pe baza ADN-ului, etc.

În continuare sunt prezentate câteva exemple de aplica ii în care se foloseşte biometria

pentru autentificare persoanelor.

1. Sistemul Privium de la Aeroportul Interna ional Schiphol din Amsterdam, Olanda,

([PRIV1]) utilizeaz scanarea irisului şi carduri inteligente pentru a gr bi procedura de trecere
a frontierei. Pasagerii, care sunt în mod voluntar înregistra i în sistem, introduc cardul lor
inteligent la intrarea în aerogar şi dup aceea se uit la o camer ; aceasta capteaz imaginea
ochiului pasagerului şi o proceseaz pentru a localiza irisul, apoi calculeaz IrisCode-ul

16 / 122
(codul irisului, dup cum apare în literatura de specialitate; inventatorul acestui procedeu şi
totodat cel care de ine patentul pentru utilizarea sa este John Daugman, de la Universitatea
Cambridge, Marea Britanie). IrisCode-ul este comparat cu datele existente pe cardul inteligent
pentru a finaliza verificarea utilizatorului. O schem asem n toare este utilizat pentru
verificarea identit ii angaja ilor aeroportului, care lucreaz în zone de securitate ridicat .
Acesta este un exemplu bun de sistem biometric, care este folosit pentru a creşte uşurin a de
utilizare, în acelaşi timp îmbun t indu-se şi securitatea. În figura 1.11 este prezentat modul
de folosire al acestui sistem.

Figura 1.11. Sistemul Privium de la Aeroportul Schipol din Amsterdam

2. Aeroportul interna ional Ben Gurion din Tel-Aviv ([BEN1]) utilizeaz chioşcuri de
identificare automat a persoanelor pe baza geometriei mâinii, pentru a facilita trecerea mult
mai rapid de procesul de inspec ie a paşapoartelor pentru cet enii israelieni şi turiştii
interna ionali care trec foarte des în acest stat. În momentul de fa , mai mult de 160.000 de
cet eni israelieni sunt înregistra i în acest program. Sistemul bazat pe chioşcuri utilizeaz
cardul de credit al turiştilor pentru a începe procesul de verificare. Apoi informa iile ob inute
din geometria mâinii sunt folosite pentru a valida identitatea turiştilor, precum şi pentru a testa
în continuare dac utilizatorul respectiv reprezint o amenin are la adresa Israelului. Procesul
automat de inspec ie dureaz mai pu in de 20 de secunde şi a redus considerabil timpul de
aşteptare pentru pasageri. În figura 1.12 se prezint câteva imagini din procesul de verificare.

Figura 1.12. Sisteme de verificare folosind geometria mâinii, la

Aeroportul Internaţional „Ben Gurion” din Tel Aviv

3. Unele institu ii financiare din Japonia ([ATM1]) au instalat sisteme de autentificare

bazate pe re eaua de vene a mâinii în cadrul automatelor bancare (ATM) pentru a ajuta la

17 / 122
validarea identit ii consumatorilor care doresc s realizeze o tranzac ie. Un senzor care nu
necesit atingere este folosit pentru a capta imaginea palmei şi a structurii de vene ale mâinii
utilizatorului, folosind o surs de lumin cu frecven apropiat de infra-roşu. Astfel, o
persoan nu trebuie s plaseze direct mâna pe dispozitivul respectiv.

Figura 1.13. Sisteme de autentificare folosind geometria

palmei şi structura de vene a mâinii

4. Kroger, un lan american de magazine, a implementat scannere de amprent în unele

dintre loca iile sale pentru a facilita plata cump r turilor ([KRO1]). Cump r torii interesa i
pot s -şi înregistreze degetul index împreun cu detaliile referitoare la cardurile lor de credit
sau de debit (sau a cecurilor electronice). Permisul de conducere al utilizatorului este folosit
pentru a valida identitatea acestuia în procesul de înrolare.
5. De in torii de permise de acces la parcul de distrac ii Disney World din Orlando,
SUA, au informa iile referitoare la geometria degetului stocate într-o baz de date central
([DIS1]). Când vizitatorul prezint permisul s u pentru a merge într-un anumit loc în parcul
de distrac ii, va trebui s prezinte la intrare datele sale biometrice. Acestea sunt comparate cu
cele stocate în baza de date. Acest lucru este folosit pentru a se stabili dac doar o singur
persoan foloseşte un astfel de permis. Detaliile personale ale vizitatorului nu sunt asociate cu
datele referitoare la geometria degetului, stocate în baza de date, în acest fel crescând
securitatea, f r afectarea vie ii private a vizitatorului.
6. Tehnologia US-VISIT (United States Visitor and Immigration Status Indicator
Technology) ([USVIS1]) reprezint un sistem de securitate la trecerea frontierei, care a fost
implementat în mai mult de 100 de aeroporturi americane, precum şi în 15 porturi şi în 50
dintre cele mai aglomerate v mi de intrare în SUA. Turiştilor str ini care intr în SUA li se
scaneaz degetul ar t tor de la ambele mâini, folosind un cititor de amprent . Datele
biometrice achizi ionate sunt folosite pentru validarea documentelor de c l torie ale
utilizatorului la punctul de acces. A fost adoptat de asemenea, în unele aeroporturi şi porturi
maritime, şi o procedur biometric la ieşirea din ar , pentru a facilita viitoarele c l torii ale
utilizatorilor în aceast ar . Deşi deocamdat se folosesc doar dou amprente, sistemul va
putea pe viitor s înregistreze toate cele 10 degete ale unei persoane. Acest lucru va asigura
faptul c baza de date cu amprentele achizi ionate în cadrul programului US-VISIT va fi
compatibil cu baza de date de inut de FBI în cadrul Sistemului Integrat de Identificare
Automat a Amprentelor (IAFIS – Integrated Automated Fingerprint Identification System).

Graficul din figura 1.14 arat , procentual, domeniile unde biometria este aplicat
([MEL1]).

18 / 122
 Figura 1.14. Domenii în care se folosesc metodele biometrice ([MEL1])

1.6. CARACTERISTICI BIOMETRICE ESEN IALE

Indicii biometrici pot fi clasifica i în urm toarele categorii majore:
 înf işarea (de exemplu: în l imea, greutatea, culoarea pielii, a p rului şi ochilor,
semne caracteristice vizibile, genul, rasa, p rul facial etc., toate acestea prezentate, de regul ,
într-o fotografie);
 comportamentul (de exemplu: ticuri, caracteristicile generale ale vocii, stilul de
exprimare, handicapuri vizibile, tr s turi memorate pe band video);
 elemente bio-dinamice (de exemplu: presiunea şi viteza de execu ie a semn turii,
caracteristici statistice ale vocii, viteza de ap sare a tastelor în cazul introducerii unei parole
etc.);
 elemente fiziologice naturale (de exemplu: dimensiunile scheletului –
antropometrie, leziuni osoase sau dentare tratate, amprentele papilare şi palmare, imaginea
retinian , modelul vaselor capilare faciale sau din lobul urechii, geometria mâinii, amprenta
ADN etc.);
 elemente artificiale (folosite în special pentru identificarea animalelor, putând
exemplifica cu: br ri, coduri de bare tatuate, zg rzi, microcipuri inserate sub piele,
emi toare radio etc.).
Unele din aceste caracteristici se modific natural de-a lungul timpului, cum ar fi
culoarea p rului, greutatea şi în l imea. Schimb rile naturale pot fi mascate sau amplificate
prin vopsirea p rului, folosirea de pantofi cu tocuri sau aplicarea de regimuri alimentare
specifice.
Modific rile nenaturale ale câtorva caracteristici biometrice fac identificarea extrem de
dificil . Astfel, lentilele de contact schimb culoarea ochilor, rama ochelarilor poate modifica
aspectul facial, iar schimbarea aspectului pilozit ilor faciale, incluzând barba, musta a,
favori ii, sprâncenele şi genele, pot face recunoaşterea imposibil . În situa ii extreme,
chirurgia estetic poate schimba total aspectul facial sau corporal, persoana ap rut dup
opera ie fiind, aparent, f r nicio leg tur biometric cu cea anterioar .
Progresele medicinii au f cut ca nici m car sexul s nu mai fie un indiciu sigur de
identificare. Alte elemente, greu modificabile (cum ar fi, tratamentele dentare sau afec iunile

19 / 122
osoase) sunt greu observabile, presupunând metode invazive de explorare; acestea sunt
acceptate ca metode de identificare doar în cazul medicinei legale.
De multe ori, schimbarea are doar un substrat estetic; din punctul de vedere al lucr rii,
este important g sirea unor caracteristici biometrice care s permit identificarea când
schimbarea este f cut în scopul unor ac iuni ilegale.
Tehnicile de identificare biometric variaz extrem de mult, func ie de necesit ile
institu iei respective. La o extrem , interesul pentru aceste tehnici este nul, fiind folosite
pentru identificare metodele clasice, cu toate neajunsurile care decurg de aici. La cealalt
extrem , unele institu ii, implicate în criminalistic , cercet ri penale, siguran na ional etc.,
folosesc pentru identificare astfel de procedee, de la identificare prin amprente papilare sau
palmare, pân la verificarea amprentei ADN.
M surarea, colectarea şi prelucrarea datelor biometrice ale persoanelor implic
complica ii mari în cazul metodelor invazive: în general, aceste metode sunt realizabile numai
cu acordul persoanei respective. Alte tehnici de recunoaştere, bazate pe informa ii video, au
deficien e din punctul de vedere al timpului de prelucrare al datelor, trebuind s se ajung la
un compromis, întotdeauna defavorabil, între calitatea imaginii şi timpul de transmisie al
informa iilor.


În continuare sunt prezentate caracteristicile dorite de la un sistem de identificare:


universalitate – fiecare persoan trebuie s fie identificabil dup criteriul propus;
unicitate – fiecare persoan trebuie s aib un singur identificator; nu trebuie s
existe dou persoane cu acelaşi identificator; permanen – identificatorul nu trebuie s se


modifice în timp sau s fie transformat la dorin ;
necesitate – identificatorul trebuie s con in una sau mai multe caracteristici


naturale, la care o persoan nu poate renun a;


achizi ionare – identificatorul trebuie s fie ob inut cu uşurin ;
conservare – identificatorul trebuie s fie p strat cu uşurin , atât în sistemele
manuale de identificare, cât şi în cele automate;


excludere – identificatorul selectat face inutil orice alt form de identificare;
precizie – fiecare identificator trebuie s fie suficient de diferit de oricare alt


identificator, astfel încât identificarea s fie f cut f r greşeal ;
simplitate – înregistrarea şi transmiterea indiciilor trebuie s fie simpl , f r a se


genera erori;
cost – culegerea şi p strarea indiciilor trebuie s ajung la costuri rezonabile;
 comoditate – culegerea şi p strarea indiciilor nu trebuie s fie dificil sau mare


consumatoare de timp;
acceptan – culegerea indiciilor nu lezeaz standardele etice, religioase, culturale
sau morale ale societ ii
Tabelul 1.2 prezint tipurile de identificare biometric folosite curent, în func ie de
caracteristicile enumerate anterior.
În tabelul 1.3 sunt prezentate avantajele şi dezavantajele metodelor de identificare
biometric .
Mul i specialişti consider c dezvoltarea biometriei este strâns legat de cartelele
inteligente. În momentul în care o serie de parametri biometrici sunt memora i pe smart-card,
pierderea sau furtul acesteia nu mai prezint niciun fel de risc, identificarea posesorului fiind
absolut sigur .
Figura 1.15 prezint ponderea tehnologiilor biometrice.

20 / 122
Tabelul 1.2. Tipurile de identificare biometrică folosite curent ([MEL1])
Criteriu

Universalitate

Achizi ionare

Comoditate
Conservare

Cost redus
Simplitate
Permanen

Excludere
Necesitate

Acceptan
Unicitate
Procedur

Precizie
Imagine facial Da Nu Nu Nu Da Da Nu Da Da Da Da Nu
Geometria mâinii Nu Nu Nu Da Da Da Da Nu Da Nu Da Da
Amprente papilare Da Da Da Da Da Da Da Da Da Da Da Nu
Retin Nu Da Nu Da Da Da Da Da Nu Nu Da Nu
Iris Nu Da Da Da Da Da Da Da Da Da Da Nu
Termogram facial Da Da Nu Da Da Da Da Da Nu Nu Da Nu
Voce Nu Da Nu Da Da Da Nu Da Da Da Da Da
Dinamica semn turii Nu Nu Nu Nu Da Da Nu Nu Da Da Da Da
Amprenta ADN Da Da Da Da Nu Da Da Da Nu Nu Nu Da

Tabelul 1.3. Avantajele şi dezavantajele metodelor de identificare biometrică ([MEL1])

Metoda Avantaje Sl biciuni Acceptan
Fotografie şi Ieftin , neinvaziv Uşor de falsificat şi de Unele culturi nu accept
imagine facial imitat. fotografia
Geometria Neinvaziv , rapid , Imprecis , se modific
mâinii stocare uşoar natural, falsificabil
Amprente Precis , neinvaziv , 3÷7% din popula ie nu Unele ri nu folosesc
papilare uşor de automatizat au amprente utilizabile metoda decât în scopuri
criminalistice
Retin Precizie extrem Invaziv , incomod Inacceptabil în unele
culturi
Iris Foarte exact , f r Invaziv , cost mare Inacceptabil în unele
modific ri în timp culturi
Termogram Extrem de precis , Cost mare, înc Inacceptabil în unele
facial imposibil de fraudat nedisponibil comercial culturi
Voce Neinvaziv , ieftin Imprecis , uşor de
falsificat
Dinamica Neinvaziv , stocare Imprecis
semn turii uşoar
Amprenta ADN Extrem de precis , Lent , scump , Inacceptabil în unele
imposibil de fraudat câteodat invaziv . culturi

21 / 122
 Figura 1.15. Ponderea tehnicilor biometrice([MEL1])

1.6.1. Fotografia şi fizionomia

Fotografia, o reprezentare grafic a unei fizionomii sau tr s turi specifice, realizat la

un moment anume în timp şi în condi ii de iluminare specifice, este, deocamdat , cea mai
utilizat metod biometric .
Func ie de m rimea ei, de granularitatea şi rezolu ia negativului şi mediului de
reproducere, de caracteristicile cromatice etc., fotografia poate fi o reprezentare, mai mult sau
mai pu in exact , în dou dimensiuni, a realit ii tridimensionale.
Posibilit ile tehnice actuale, de prelucrare digital a imaginii, fac din fotografie o
metod nesigur de identificare, în special dac persoana respectiv urm reşte fraudarea
sistemului de recunoaştere.
Un alt dezavantaj al folosirii fotografiei în sistemele automate de recunoaştere const în
cantitatea mare de informa ie care trebuie memorat relativ la fiecare persoan , precum şi
complexitatea algoritmilor de corelare între imaginile memorate şi fotografiile verificate.
Sistemele de identificare bazate pe imagini trebuie s in cont de faptul c o serie de
detalii ale fe ei se modific , câteodat destul de rapid. Astfel, aspectul pilozit ilor faciale se
poate modifica de la o zi la alta, lungimea p rului creşte observabil în câteva zile, schimbarea
cosmeticelor modific nuan ele culorilor, toate acestea f când dificil opera iunea de
identificare automat .
Unele echipamente folosesc pentru identificare o serie de date antropometrice,
m surabile pe o imagine bidimensional (figura 1.16).

Figura 1.16. Identificarea fizionomică ([MEL1])

a) grosimea buzelor; (b) grosimea nasului; (c) distanţa dintre orbite; (d,e) forma
pomeţilor

22 / 122
 Parametrii m sura i trebuie s fie cât mai constan i în timp, astfel c se recomand
evaluarea distan ei dintre orbite, a grosimii nasului, a formei pome ilor, a grosimii buzelor etc.
Unele sisteme de identificare fizionomic construiesc un model tridimensional al fe ei
persoanei, model care este comparat cu o serie de fotografii realizate din mai multe unghiuri.
Alte proceduri, mai preten ioase, folosesc fie transformata Fourier bidimensional , fie o
tehnologie bazat pe re ele neurale. Ambele metode determin corela ia între cele dou seturi
de date: imaginea memorat de sistem şi imaginea achizi ionat pentru identificare.
Performan ele sistemelor de recunoaştere fizionomice cu re ea neural asigur o rejectare
fals de 1.5% şi o acceptare fals de 0.01%.
Compararea automat a imaginii fizionomiei cu informa iile memorate face necesar
folosirea tehnicilor digitale pentru stocarea şi achizi ionarea datelor. Tehnologia informatic
este folosit pentru realizarea unor prelucr ri primare ale imaginii (deplas ri, scal ri, rotiri
bidimensionale, compens ri ale diferen elor de luminozitate), necesare pentru potrivirea
aproximativ între imaginea achizi ionat şi informa ia memorat , precum şi pentru
implementarea algoritmului care calculeaz similitudinea între cele dou seturi de date.
Toate aceste opera iuni (achizi ionarea imaginii, prelucrarea primar , extragerea
modelelor din baza de date imagistic şi calculul similitudinii între acestea) dureaz mai pu in
de o secund .
Verificarea întregului set de date asigur o identificare, de multe ori mul umitoare dar,
nu trebuie uitat c dac un intrus doreşte s penetreze un sistem de identificare pe baz de
imagine fizionomic , poate s foloseasc o masc din latex care-l face identic cu fotografia
etalon.
O metod de identificare mai dificil de falsificat dar, în aceeaşi m sur , greu de
implementat, presupune folosirea unei holograme. Aceasta este, principial, tot o fotografie dar
are marele avantaj c nu memoreaz numai intensitatea luminoas (în tonuri de gri pentru o
fotografie alb-negru sau tonuri ale culorilor fundamentale RGB pentru o fotografie color) ci şi
faza semnalului. Memorarea fazei are ca efect ob inerea unei imagini tridimensionale a
obiectului.
Aparent, holograma este o imagine intraductibil : o mul ime de cercuri concentrice sau
tangente, divers colorate. Pentru vizualizare, sunt necesare aceleaşi condi ii ca la realizarea
hologramei: o surs de lumin coerent , convergent şi monocromatic , adic date de un
laser.
Totuşi, pentru identificarea hologramei în baza de date imagistic nu este necesar
vizualizarea hologramei, care este o opera iune complex , dar inutil pentru algoritmul de
identificare. Verificarea se face prin compararea direct a celor dou holograme.
Metoda este, deocamdat , în curs de dezvoltare, modific rile aduse hologramei de
procedura de digitizare având efecte greu de estimat şi eliminat.

1.6.2. Tehnici antropometrice

Antropometria presupune m surarea unor p r i ale corpului uman. Pân de curând era
folosit numai de antropologie şi ajuta la reconstituirea dimensiunilor corpului uman pornind
de la cele câteva fragmente de schelet descoperite.
Dispozitivele electronice dezvoltate recent, se folosesc pentru m surarea parametrilor
antropologici ai mâinii sau pentru explorarea tridimensional a degetului index al mâinilor.
Identificarea pe baza geometriei mâinii (figura 1.17), presupune determinarea lungimii şi
curburii degetelor, l imea mâinii, distan a între degete etc.

23 / 122
 Figura 1.17. Măsurarea parametrilor geometrici ai mâinii ([MEL1])

Verificarea indexului presupune m surarea lungimii degetului, a celor trei segmente ale
acestuia, curbura sa, etc.
Dispozitivele execut determin ri bi sau tridimensionale, folosind pentru m sur ri, de
regul , tehnici optice. Problemele ridicate de aceste sisteme biometrice rezult din
modificarea în timp a geometriei mâinii (în special la persoanele cu afec iuni reumatice),
fraudarea sistemului optic de m surare prin executarea unui mulaj dup original, posibilitatea
existen ei mai multor persoane cu parametri geometrici asem n tori etc. Erorile sistemului -
de acceptare sau rejectare - sunt mai mici de 0.1%. Aspectul unor cititoare este prezentat în
figura 1.18.

(a) (b) (c)

Figura 1.18. Măsurarea geometriei mâinii ([MEL1])
(a) Acroprint ATRx Biometric 1000 ; (b) ; Accu-Time Systems 2102, (c) Excel Systems

1.6.3. Amprentele papilare

Dup fotografie, aceasta este cea mai veche metod biometric folosit , pân de curând,
numai de cercetarea criminalistic . În rile dezvoltate, identificarea pe baz de amprente
papilare este f cut obligatoriu pentru delicven ii care au înc lcat legea (Statele Unite au peste
200 milioane de fişe dactiloscopice) iar, de curând, este folosit şi de serviciile de emigrare
din unele ri.
Folosirea amprentelor papilare pentru identificare prezint câteva avantaje
semnificative:
 exist o experien semnificativ , de aproape o sut de ani, în folosirea

24 / 122
amprentelor pentru identificare;
 informa ia primar este greu de falsificat dar, trebuie re inut c este, totuşi, posibil;
 cantitatea de informa ie care trebuie memorat este redus ;
 algoritmii de prelucrare sunt simpli, folosindu-se numai modele matematice
bidimensionale;
 pre ul dispozitivelor de achizi ionare a datelor este cel mai sc zut dintre toate
echipamentele biometrice;
 precizia determin rii persoanei este foarte bun ;
 este o metod complet neinvaziv ;
 timpul de identificare este mai mic de o secund .
Identificarea prin amprentele papilare cunoaşte dou abord ri: una foloseşte compararea
între buclele, liniile şi traseele dactiloscopice memorate în baza de date şi amprenta persoanei
de identificat; cealalt presupune o verificare minu ioas , a zonelor de început şi de bifurcare
a crestelor şi adânciturilor papilare.
Tehnica informatic este folosit de mult în acest domeniu, existând aplica ii, bazate pe
metoda a doua de identificare, denumite generic AFIS (Automatic Fingerprint Identification
System).
Procedura de lucru începe cu achizi ionarea amprentei, dup care sistemul marcheaz
automat zonele de interes pentru descrierea crestelor şi adânciturilor papilare (figura 1.19 (a));
punctele marcate pe amprent sunt memorate ca nişte coordonate carteziene şi sunt comparate
cu coordonatele memorate anterior de la amprentele existente în baza de date.
Achizi ionarea amprentei poate fi f cut prin metode criminaliste clasice: realizare fiş
dactiloscopic pe baz de cerneluri, fotografiere fiş , scanare şi verificarea automat a
amprentei. Pentru controlul accesului, metoda respectiv nu este fezabil datorit procedurii
complicate, a timpului mare necesar impregn rii cu tuş a degetelor, a culegerii pe hârtie a
imaginii papilare şi achizi iei digitale.

a) Marcarea zonelor de verificare b) Circuit integrat cu câmp electric pentru culegerea

amprentelor
Figura 1.19. Identificarea prin amprente papilare ([MEL1])

Exist îns şi alte metode de achizi ie care folosesc tehnologii bazate pe m surarea
semnalului de radiofrecven între suprafa a subcutanat a degetului şi cea a dispozitivului sau
circuite electrono-optice.
Dispozitivul de citire subcutanat, prezentat în figura 1.19 (b)., are marele avantaj c
citeşte amprenta chiar dac degetul este acoperit cu un strat de murd rie sau cu alte pelicule
relativ sub iri. Circuitul integrat specializat este format dintr-o matrice de antene care emit
semnale radio; acesta sunt reflectate numai de stratul conductiv subcutanat, func ie de
concentra ia de electrolit a acestuia.
Semnalele reflectate sunt culese de acelaşi circuit şi, func ie de puterea semnalelor, este
construit o imagine bidimensional a reflectivit ii degetului la undele radio, identic cu

25 / 122
amprenta acestuia.
Circuitele optice sunt mai mici ca dimensiuni, dar pot fi derutate dac amprenta este
mascat inten ionat.
Cititoarele de amprente sunt folosite nu numai pentru controlul accesului în obiective
(figura 1.20) dar, datorit simplit ii lor, au început s fie necesare pentru identificarea la
ini ializare a utilizatorului unui calculator (figura 1.21).
Astfel, identificarea biometric în re elele de calculatoare prezint un avantaj esen ial:
elimin orice posibilitate ca o persoan neautorizat s aib acces la datele vitale, chiar
posedând o parol de Log In valid .
Tendin a general a produc torilor de dispozitive biometrice pentru autentificarea
utilizatorului este de a combina mai multe metode de identificare: parole, cartele inteligente şi
dispozitive biometrice multifunc ionale, f când sistemul informatic practic inexpugnabil.

(a) (b) (c)

(d) (e) (f)

Figura 1.20. Cititoare de amprente

(a) Huno MagicSecure 3000 ; (b) HP nx6125 ; (c) Flash Disk BDS-1A;
(d) Paron MPC (PDA+GSM); (e) Foshan Nanhai M-T900 ; (f) ATM din Coreea

Figura 1.21. Log-are la un PC pe baza amprentei utilizatorului

26 / 122
1.6.4. Imaginea retinei

Imaginea retinian const în determinarea aspectului şi m rimii vaselor de sânge

existente în retin .
Este o metod de identificare extrem de sigur îns este pu in folosit datorit
caracterului invaziv. Persoana trebuie s -şi scoat ochelarii sau lentilele de contact şi s -şi
focalizeze privirea pe un punct, astfel încât sistemul optic al cristalinului s nu modifice
focalizarea sistemului optic de citire.
În timp ce ochiul este inut nemişcat, un fascicul infraroşu de mic intensitate scaneaz
circular zona central a retinei. Cantitatea de lumin reflectat , modulat de diferen ele de
reflectivitate între vasele de sânge şi esutul înconjur tor, este memorat şi constituie
informa ia care va fi prelucrat pentru identificare.
Algoritmul matematic folosit pentru comparare transform m rimea vaselor de sânge
într-o valoare numeric , memorat ca un cod de bare, fiind înregistrat totodat şi pozi ia
unghiular a acestora. Procedura este descris grafic în figura 1.22.
Aspectul unui dispozitiv pentru achizi ionarea imaginii retinei este prezentat în figura
1.23 (a) de la paragraful urm tor.
Procentul de acceptare fals este nul, îns exist o probabilitate de 0.4% de rejectare
fals .

Figura 1.22. Identificarea pe baza imaginii retiniene ([MEL1])

1.6.5. Imaginea irisului

În anul 1987, doi oftalmologi, Leonard Flom şi Aron Safir, au descoperit c irisul uman
posed caracteristici care permit folosirea imaginii sale pentru identificarea persoanelor. Ei au
ar tat, prin metode statistice, pe un eşantion cuprinz tor de persoane, c irisul fiec rui ochi
este specific fiec rei persoane, fiind diferit chiar şi la gemenii univitelini.
Concomitent, au fost dezvolta i algoritmi matematici care folosesc ca baz de
compara ie aproape 250 de caracteristici independente ale irisului. Folosind acest model
matematic, probabilitatea ca dou persoane s aib acelaşi iris este mai mic de 10-72.
Sistemul este pu in invaziv, bazându-se în special pe tehnici fotografice. Imaginea
irisului este preluat corect, chiar dac persoana respectiv poart ochelari sau lentile de
contact. Substituirea persoanei este posibil , dar foarte dificil , fiind necesare lentile de
contact care s imite toate caracteristicile folosite de sistemul de identificare.
Procedura de verificare const în achizi ionarea imaginii irisului, m surarea şi
digitalizarea parametrilor folosi i pentru identificare şi calculul corela iei între datele
achizi ionate şi informa iile stocate într-o baz de date. Recunoaşterea irisului este extrem de
eficace, fiind considerat mai performant decât recunoaşterea bazat pe amprente. Irisul

27 / 122
uman este aproape invariabil în timp şi are aproape de şase ori mai multe caracteristici
distinctive decât amprentele papilare. Au fost dezvoltate şi sisteme care sunt protejate
împotriva fraud rii cu lentile de contact, m surându-se varia ia şi timpul de r spuns al irisului
(irisul este iluminat o frac iune de secund cu un fascicul luminos; irisul reac ioneaz şi se
contract ; o lentil de contact – un iris fals – r mâne nemodificat). Mai mult, aceşti parametri
pot oferi şi informa ii asupra st rii de s n tate a individului testat, precum şi dac acesta este
sub influen a alcoolului sau drogurilor.
Câteva dispozitive de achizi ie a imaginii irisului sunt prezentate în figura 1.23 (b).

(a) (b)

c)
Figura 1.23. a) Scanner pentru retină b) Camere video pentru iris c) Log-area la un
calculator folosind irisul utilizatorului

Cu toat constan a retinei şi irisului, cele dou elemente pot suferi modific ri importante
în timp datorit unor afec iuni cronice, diabetului sau unei opera ii by-pass.

1.6.6. Termograma facial

Termograma facial este o fotografie a temperaturii fe ei unei persoane.

Temperatura este o rezultant între fluxul de c ldur de la esuturi, în special de la
vasele de sânge, şi c ldura care provine chiar de la piele. De exemplu, temperatura pielii în
zona unui vas subcutanat este cu câteva sutimi de grad mai mic decât temperatura sângelui
care circul prin vas, termograma prezentând astfel dispunerea şi m rimea vaselor de sânge
subcutanate, conductivitatea termic a oaselor, esuturilor moi, cartilajelor, pielii etc., toate
acestea fiind extrem de diferite de la o persoan la alta. Structura termic facial este
imposibil de modificat, chiar prin chirurgie plastic sau alte metode imitative.

28 / 122
 Datorit numeroşilor factori care influen eaz aspectul termogramei faciale şi a
multiplelor varia ii posibile ale acestor factori, existen a unei termograme unice pentru o
persoan este cert . Astfel, radia ia caloric a fe ei este diferit chiar şi în cazul gemenilor a
c ror recunoaştere este imposibil prin alte metode de prelucrare a imaginii. Termograma
facial se bazeaz pe structura termic a imaginii, nu pe temperatura ei absolut . Acest
principiu asigur recunoaşterea persoanei chiar dac unele condi ii pot varia: persoana poate
veni dintr-un mediu cu temperatur ridicat sau coborât , ori poate avea chiar o afec iune
temporar care s -i modifice temperatura corpului cu câteva grade.
O termogram facial este ob inut prin explorarea fe ei cu un detector sensibil la
radia ii infraroşii. Termograma captureaz o imagine a emisiilor faciale în infraroşu, ob inut
numai prin metode pasive, f r a fi emise niciun fel de radia ii d un toare.
Pentru realizarea termogramei sunt folosite camere de termoviziune instalate la circa 45
cm de persoana care trebuie recunoscut ; este posibil şi scanarea termic a persoanelor f r
ca acestea s ştie c sunt verificate. O camer de termoviziune este constituit dintr-un sistem
optic, un mecanism de scanare, un senzor în infraroşu şi sistemul de înregistrare–afişare
electronic . Imaginea ob inut de termocamer este dificil de interpretat, fiind pu ine
asem n ri cu imaginea cunoscut a persoanei respective (figura 1.24).
Folosind tehnicile de calcul a corela iei între imagini utilizate la sistemele imagistice
clasice, recunoaşterea persoanei este realizat în mai pu in de o secund .

Figura 1.24. Termograma feţei ([MEL1])

1.6.7. Recunoaşterea vocal

Una din cele mai simple metode de identificare este recunoaşterea vocal .
Caracteristicile vocale ale persoanelor sunt determinate de aspectele fiziologice ale
sistemului vocal uman. Vibra iile sonore sunt produse de corzile vocale; ulterior, oscila iile
sunt modificate de m rimea cavit ii bucale, de pozi ia limbii şi de forma şi m rimea buzelor.

29 / 122
 Figura 1.25. Diferenţierea spectrală a sem nalului vocal ([MEL1])

Figura 1.26. Schema bloc a sistemului de recunoaştere vocală ([MEL1])

Sistemul este uşor de indus în eroare, folosind o înregistrare audio a vocii persoanei care
este substituit . Timpul necesar recunoaşterii poate varia, de la produc tor la produc tor, de la
6 secunde pân la 20 secunde.
Performan ele opera ionale ale sistemelor au valorile de 4.3% reject ri false dup o
încercare şi 0.9% dup trei încerc ri.

1.6.8. Dinamica semn turii

Folosirea semn turii pentru identificare nu este nou ; este folosit de o lung perioad
de timp pentru validarea tuturor documentelor legale. Totuşi, utilizarea semn turii ca metod
absolut de validare a identit ii este o problem mult mai dificil , rezolvat practic de pu in
timp datorit dificult ilor tehnice inerente.

30 / 122
 Achizi ia caracteristicilor semn turii se realizeaz prin mai multe metode:
 creioane speciale, dotate cu senzori iner iali în dou coordonate şi traductoare de
m sur a presiunii, ob inându-se semnale electrice asem n toare cu cele din figura 1.27;
 creioane magnetice func ionale pe o tablet special , sistem care m soar dinamica
bidimensional ; cu excep ia celor magnetice, exist sisteme care func ioneaz pe principii
capacitive, inductive sau conductive;
 creioane optice, care m soar caracteristicile bidimensionale ale semn turii, citind
pozi ia spotului pe un ecran cu tub catodic.

Figura 1.27. Caracteristicile dinamice ale semnăturii ([MEL1])

Informa ia memorat în baza de date poate consta în caracteristici dinamice ale mişc rii
creionului (viteze, accelera ii, presiuni exercitate asupra suportului etc.) sau aspectul
grafologic al semn turii (forma şi dimensiunea literelor, înclinarea scrisului, orientarea
buclelor etc.).
Pentru autentificarea semn turii şi identificare, informa ia produs de cititor este
comparat cu profilurile din baza de date folosind algoritmi corelativi. Pentru a preveni
reject rile false, unele sisteme actualizeaz la fiecare utilizare profilul memorat în baza de
date, rezolvând astfel problema modific rii semn turii o dat cu trecerea timpului.
Sistemele de identificare a semn turii sunt folosite mai ales pentru servicii bancare,
comer sau pentru opera iunea de Log On al calculatoarelor. De regul , se folosesc ca sistem
de citire a semn turii calculatoare portabile de tip Palm Top. Aceste dispozitive sunt dotate cu
software specializat de recunoaştere a parametrilor dinamici ai semn turii (viteze şi presiune).
Rejectarea fals are o probabilitate de 9% dup o încercare şi scade la 2% dup trei
încerc ri; validarea fals are probabilitatea de 0.7% dup trei încerc ri.

1.6.9. Amprenta ADN

O molecul de ADN (Acid DezoxiriboNucleic), cu aspectul a dou lan uri r sucite

denumit elice dubl (figura 1.28), este format dintr-un mare num r de compuşi chimici,
numi i nucleotide.

31 / 122
 Figura 1.28.. Fragment de moleculă ADN ([MEL1])

Molecula de dezoxiriboz ocup pozi ia central în nucleotid , m rginit într-o parte de

grupul fosfatic şi de o baz în cealalt parte. Grupul fosfatic al fiec rei nucleotide este legat de
molecula de dezoxiriboz a nucleotidei adiacente din lan .
Fiecare nucleotid este format din trei componente: o molecul de zah r (numit
dezoxiriboz ), un grup fosfatic şi una din cele patru baze. Cele patru baze sunt adenina (A),
guanina (G), timina (T) şi citozina (C).
Nucleotidele dintr-o elice a ADN-ului se asociaz specific cu nucleotidele din perechea
sa. Datorit afinit ilor chimice ale bazelor, întotdeauna nucleotidele con inând adenin se
împerecheaz cu nucleotidele care con in timin , iar cele care con in citozin cu cele cu
guanin . Aceast scurt introducere în biologia celular a fost strict necesar pentru a în elege
tehnicile de identificare specifice.
Ini ial, testarea genetic a fost folosit pentru detectarea maladiilor genetice. Ulterior, la
începutul anilor ’80 tehnologia genetic a început s fie folosit pentru identificarea în scopuri
criminalistice în Statele Unite şi Marea Britanie.
Una din primele metode de identificare genetic , RFLP (Restriction Fragment Length
Polymorphism), determin modific rile dintre fragmente particulare de ADN ob inute prin
enzime de restric ie specifice. Pentru aceasta este necesar o mare cantitate de ADN de foarte
bun calitate.
Ulterior, procedura de identificare pe baza amprentei ADN prevedea, în primul rând,
multiplicarea cantit ii de ADN; metoda de clonare a acidului dezoxiribonucleic este
denumit PCR (Polymerase Chain Reaction – reac ie în lan a polimerazei).
Metoda de comparare între probele de ADN este denumit electroforez . Aceasta separ
moleculele componente ale ADN func ie de lungimea lor. Pentru spargerea ADN-ului în
fragmente sunt folosite enzime de restric ie. Solu ia care con ine aceste fragmente este
introdus într-un gel la care este aplicat o diferen de poten ial. Fragmentele de ADN se
deplaseaz de la polul negativ c tre polul pozitiv, cu viteze invers propor ionale cu
dimensiunea lor. Dup câteva ore, fragmentele ADN sunt complet separate, iar informa ia este
memorat pe un film fotografic special; aspectul este similar cu cel al unui cod de bare,
distan a între linii fiind dat de dimensiunea fragmentelor, iar grosimea liniilor de cantitatea
de fragmente ADN cu dimensiunea respectiv (figura 1.29).

32 / 122
 Figura 1.29. Electroforeza probelor de ADN ([MEL1])

Precizii de identificare sporite se ob in prin metoda Southern blots (dezvoltat de

biochimistul britanic Edwin Southern; termenul înseamn petele lui Southern) care combin
electroforeza cu hibridizarea (hibridizarea este un procedeu bazat pe principiul conform c ruia
o singur parte a elicei unui acid nucleic, ADN sau ARN, se va lega de o alt molecul care
este perechea complementar moleculei bazei. Procedura începe prin electroforez , care
separ ADN-ul în benzi de l imi diferite. Apoi benzile ADN sunt transferate pe o hârtie
special unde acidul nucleic este desf cut în elicele componente (procedeu denumit
denaturare). Elicele sunt hibridizate cu secven e de DNA complementare celor care se doresc
a fi identificate. Deoarece secven a ADN ad ugat con ine markeri radioactivi, se poate folosi
un film fotografic pe care se ob ine o imagine care indic în ce m sur ADN-ul probei s-a
potrivit cu ADN-ul complementar.
Aceast idee a fost folosit pentru prima dat în anul 1983 în Marea Britanie într-un caz
penal. De atunci, a c p tat o mare r spândire, fiind acceptat , în general, ca una din cele mai
sigure metode de identificare.
Îns , datorit complexit ii sale, identificarea ADN nu a fost folosit pân de curând în
aplica ii în timp real.
De curând, folosind o metod împrumutat de tehnologia microelectronic , a fost
dezvoltat un „bio-circuit” format dintr-o matrice din nucleotide.
Datorit nout ii absolute, principiul de realizare şi de func ionare a bio-circuitului este
prezentat detaliat.
Prima etap const în definirea nucleotidelor care vor fi sintetizate, func ie de abilitatea
acestora de a reac iona cu proba int sau genele utile ale acesteia. Cu aceste informa ii, un
algoritm realizeaz proiectul unor m şti fotolitografice, asem n toare cu cele folosite în
industria semiconductorilor, prin intermediul c rora nucleotidele sunt pozi ionate foarte precis
pe un substrat inert biologic. Folosind aceste m şti, pe substrat sunt depuse, în câ iva paşi,
nucleotidele necesare, pe mai multe circuite simultan, fiecare nucleotid având o pozi ie
specific pe suprafa a circuitului. Dup ce toate elementele au fost depuse, substratul este rupt
în circuite distincte care apoi sunt încapsulate în cartuşe speciale care le protejeaz de
contaminare, acestea folosind totodat şi pentru hibridizare.
Recunoaşterea ADN se realizeaz prin depunerea acidului nucleic de identificat pe
suprafa a circuitului, urmat de hibridizarea între prob şi bazele din bio-circuit. Separarea
acidul nucleic în elice separate, obligatorie pentru hibridizare, se face prin expunerea probei la
temperaturi ridicate, dup care este declanşat hibridizarea între ADN-ul probei şi bazele
pereche din bio-circuit, marcate fluorescent.
Dup ce reac ia de hibridizare este complet , circuitul este introdus într-un scanner care
detecteaz , pe baza cantit ii de lumin emise, structura reac iilor produse. Datele sunt
colectate func ie de lumina emis de substan a fluorescent : probele care corespund cu celula
corespunz toare din circuit emit mai mult lumin . Deoarece pozi ia fiec rei celule este bine

33 / 122
stabilit , scannerul detecteaz ce nucleotid a reac ionat cel mai mult cu ADN-ul prob ,
realizând astfel identificarea acestuia. Secven ele procesului de identificare ADN sunt
prezentate în figura 1.30
Chiar dac aceast procedur este aparent complicat , metodele clasice de identificare
ADN presupuneau o durat a testelor de cel pu in dou s pt mâni şi cantit i mari de acid
nucleic de testat.
Bio-circuitele dezvoltate deocamdat sunt capabile s identifice lan uri nucleice de
16÷20 molecule, având o sensibilitate de 10-5. Dimensiunea unei celule este de 20 de
microni, astfel c circuitul are dimensiuni reduse.

Figura 1.30. Etapele verificării ADN cu ajutorul bio-circuitului ([MEL1])

Totuşi, pân când num rul de probe ADN identificabile nu creşte semnificativ, timpul
de prelucrare al probei nu este redus şi nu sunt realizate oligonucleotide care s poat discerne
sigur indivizii diferi i apar inând aceleiaşi specii, aplica iile de identificare cu bio-circuite sunt
înc în faza incipient .

1.6.10. Elemente artificiale de identificare

În decursul timpului, au existat astfel de elemente artificiale (cum ar fi tatuajul sau

marcarea cu fier înroşit), îns aceste metode apar ineau timpurilor sclavagismului, subjug rii
rasiale sau sistemelor judiciare medievale.
Ast zi, etica şi morala fiind cu totul altele, aceste sisteme de identificare sunt
inacceptabile. Totuşi, ceva bazat pe principii asem n toare cunoaşte o foarte larg dezvoltare.
Astfel de indicatoare sunt larg folosite pentru identificarea produselor, ambalajelor,
animalelor s lbatice sau animalelor domestice. Pentru identificare, se recurge la tot felul de
proceduri, de la marcaje sau tatuaje cu coduri de bare, pân la memorii de tip smart-card
inserate sub piele sau emi toare radio ataşate animalelor. Exist tendin a, chiar în cele mai
democratice ri, ca astfel de metode s fie aplicate şi oamenilor. Sunt tehnologii ceva mai
blânde, care presupun utilizarea unor coliere sau br ri, utilizate pentru identificarea nou-
n scu ilor, pacien ilor afla i în com profund sau suferinzi de senilitate avansat .
Au existat propuneri de folosire a acestor indicatori şi pentru recunoaşterea altor
persoane institu ionalizate (de inu i, prizonieri, schizofrenici etc.) dar, societ ile în care
respectul fa de drepturile omului ocup un loc central, nu pot admite aşa ceva.

34 / 122
 CAPITOLUL II
Stadiul actual al recunoaşterii persoanelor dup amprenta digital

2.1. INTRODUCERE

2.1.1. Structura pielii şi formarea crestelor papilare

Pielea este învelişul care îmbrac întreaga suprafa a corpului uman. Ea este format
din trei straturi: epiderma, derma şi hipoderma (fig. 2.1)
Epiderma (din gr. epi = pe ; dermo = piele) este partea superioar a pielii, fiind
alc tuit din mai multe straturi de celule epiteliale. Celulele superioare ale epidermei sunt
celule moarte şi formeaz un strat cornos relativ dur, care face din epiderm un înveliş
protector al pielii.
Derma sau pielea propriu-zis , este un esut fibros, viu, conjunctiv şi elastic. El
con ine vasele capilare, vasele arteriale şi venoase, precum şi termina iile a numeroşi nervi
senzitivi.
Hipoderma este stratul cel mai profund, situat sub derm , care face leg tura între piele
şi organele interioare.
La punctul de contact cu epiderma, la partea superioar , derma prezint o serie de
proeminen e, de ridic turi conice, care se numesc papile (din gr. papila = proeminen ). În
vârful papilelor, ce sunt str b tute fiecare de câte un canal, se afl porii prin care este
eliminat transpira ia. Papilele dermice sunt înşiruite liniar, unele lâng altele. Rândurilor de
papile le corespund rândurile de creste papilare situate la suprafa a dermei (fig. 2.2).

Figura 2.1. Secţiune transversală prin piele

35 / 122
 Figura 2.2. Derma de pe care s-a dezlipit epiderma
a) epiderma în care se mulează papilele;
b) papilele conice ale stratului papilar ([PACO1])

Crestele papilare care se formeaz la suprafa a dermei au o în l ime ce variaz între

0,10,4 mm şi o l ime între 0,20,7 mm. Ele sunt desp r ite de nişte v i numite „şan uri
papilare”, ce au aceleaşi dimensiuni ca ale crestelor pe care le separ .
Forma crestelor papilare de la suprafa a dermei este produs identic de stratul
epidermic, ceea ce face ca în exterior epiderma s prezinte aceleaşi caracteristici ca şi derma.
Transpira ia excretat de glandele sudoripare şi substan ele grase (sebum) secretate de
glandele sebacee formeaz la suprafa a epidermei un strat de s ruri şi gr simi care, la
contactul cu un obiect, se depun pe acesta şi redau întocmai forma crestelor papilare.
De asemenea, crestele papilare sunt legate de sim ul tactil datorit termina iilor
senzitive care sunt localizate în derm şi cu cât papilele – şi, în consecin , crestele papilare –
sunt mai numeroase, cu atât sim ul tactil este mai dezvoltat. Prin aceasta se explic şi
multitudinea de creste papilare existente pe suprafa a interioar a mâinilor şi picioarelor.
Crestele papilare existente pe suprafa a pielii, de pe interiorul mâinilor şi de pe talpa
picioarelor, formeaz desenul papilar, un desen pe cât de complicat, pe atât de util în
identificarea unei persoane.
Din desenele papilare sunt considerate ca f când parte şi încre iturile pielii care str bat
transversal crestele papilare, denumite linii albe, precum şi liniile ce se formeaz pe epiderm
în zona şan urilor flexorale.
Desenele papilare imprimate pe suprafa a unor obiecte, cunoscute şi sub denumirea de
dactilograme, sunt de dou feluri:
- dactilograme care reprezint desenele papilare imprimate voluntar. În limbajul de
specialitate acestea sunt denumite fie amprente papilare, fie impresiuni, fie amprente de
comparat;
- dactilograme care reprezint desenele papilare imprimate involuntar pe un obiect
oarecare. Sunt denumite urme papilare sau amprente în litigiu.
În func ie de locul unde se afl situat pe suprafa a pielii desenul papilar, impresiunile
şi urmele pot fi:
- digitale, când reprezint crestele papilare de pe suprafa a interioar a degetelor;
- palmare, când reprezint crestele papilare de pe întreaga suprafa interioar a
palmelor;
- plantare, când reprezint crestele papilare de pe talpa picioarelor.

36 / 122
2.1.2. Propriet ile desenelor papilare

2.1.2.1. Unicitatea sau individualitatea desenului papilar

În lucrare [PACO1] se precizeaz faptul c cercet torii în materie de dactiloscopie, pe

baza studiilor efectuate şi a experien ei practice în acest domeniu, au ajuns la concluzia cert
c este imposibil a se întâlni dou persoane cu desene papilare identice. Fiecare desen papilar
al fiec rui deget are o morfologie unic neexistând dou degete cu desene identice, chiar la
aceeaşi persoan .
Dup un calcul matematic, prin aranjamente şi combin ri, efectuat de c tre Galton şi
de c tre Balthazard, la care, de fapt, nu s-au luat în considerare toate elementele, s-a ajuns la
rezultatul c la cca 64 miliarde desene s-ar putea g si dou desene papilare cu caracteristici
coincidente. Totuşi, se poate considera acest lucru imposibil, deoarece, conform legilor
naturii, nu se admite existen a a dou lucruri absolut identice. Într-adev r, dac se iau în
considerare şi alte elemente decât cele patru avute în vedere de Balthazard, se constat ,
folosind formula probabilit ii compuse, c practic nu se pot g si dou amprente identice.
Unicitatea se explic prin varietatea desenelor papilare. Ele sunt variate atât în ceea ce
priveşte forma general , cât şi în am nuntele construc iei crestelor ce le compun. Chiar dac
se g sesc dou desene papilare asem n toare între ele, p rând la prima vedere c ar fi
identice, la o examinare am nun it se poate vedea c detaliile formei crestelor papilare nu
mai corespund ca num r, form şi plasament.

2.1.2.2. Fixitatea (stabilitatea) desenului papilar

Desenul papilar apare în luna a treia a vie ii intrauterine a f tului şi primeşte forma
definitiv în luna a şasea. El nu se schimb nici dup moartea persoanei, ci se distruge prin
procesul putrefac iei esuturilor.
Prin dezvoltarea organismului omului, intervin o serie de schimb ri datorit „vârstei
sau anumitor boli”, îns „forma desenului papilar r mâne aceeaşi”. Cercet rile experimentale
efectuate au dovedit c , luând impresiunile digitale de la o persoan la intervale mari de timp
şi comparându-le între ele, se observ c structura lor r mâne aceeaşi, modificându-se doar
dimensiunile.
Încerc rile de distrugere a reliefului pielii prin fiecare, arsuri superficiale sau procedee
chimice nu pot înl tura desenul papilar decât vremelnic, deoarece, într-un timp scurt, dup
regenerarea pielii, acest desen apare din nou.
Pentru a se convinge de acest adev r, criminalistul francez Edmond Locard a
experimentat pe propriile-i degete. Arzându-se cu fierul roşu, cu ap clocotit şi cu ulei încins,
a constatat c , dup vindecare, forma şi detaliile desenului s u papilar au r mas neschimbate.
Aceasta se explic prin faptul c papilele sunt aşezate în stratul de profunzime al pielii şi în
cazurile de r nire uşoar , prin care nu li se afecteaz integritatea, crestele papilare se
regenereaz în forma lor anterioar .
Sunt cunoscute în acest sens cazurile cioplitorilor în piatr , zidarilor, celor ce lucreaz
cu diferite substan e chimice corosive ale c ror desene papilare se altereaz frecvent în
procesul activit ii specifice. încetând de a mai veni în contact cu asemenea corpuri sau
substan e, dup 8 - 10 zile epidermul se va reface şi va continua s prezinte aceleaşi
caracteristici ale desenului papilar ca înainte de alterare.
Arsurile şi t ieturile profunde care atac dermul, dup vindecare fac s nu mai apar
desenul papilar, îns r mân cicatrice, care reprezint caracteristici deosebit de importante în
identificarea dactiloscopic , având în vedere forma lor şi locul pe care-l ocup în morfologia
desenului.

37 / 122
2.1.3. Structura desenelor papilare

Degetul de la mân are trei falange care constituie, fiecare în parte, o zon papilar a
degetului respectiv, desp r it de celelalte prin şan uri flexorale.
Cele trei falange poart urm toarele denumiri, începând de la vârful degetului spre
baza lui: falangetă, falangină şi falangă, la fel numindu-se şi şan urile flexorale de la baza
fiec rei falange, respectiv şan ul flexoral al fa- langetei, al falanginei sau falangei (fig. 2.3).

Figura 2.3. Zonele papilare de la degetele mâinii:

a) zona falangetei; b) zona falanginei;
c) zona falangei; d) şanţuri flexorale.

Dintre desenele papilare pe care le prezint un deget cele ale falangetei au forme
foarte variate.
Studiind cu aten ie desenul papilar de la o falanget , începând cu marginea degetului,
respectiv a desenului papilar, şi urm rindu-se prima creasta se constat c ea porneşte dintr-o
latur a desenului, aproape de baz , îşi urmeaz traseul chiar pe marginea vârfului degetului
şi-l încheie în cealalt parte, descriind un arc de cerc. Continuându-se studiul cu traseul crestei
care este situat imediat sub aceasta, se va constata c – f când abstrac ie de forma sa particu-
lar – are acelaşi traseu al unui arc de cerc ca şi prima creast .
Examinându-se mai departe, se va observa c la un moment dat crestele nu mai au
forma unui arc; ele nu-şi mai încep traseul dintr-o margine a desenului continuând pân la
marginea opus , ci traseele lor au forma unor la uri, spirale sau cercuri introduse unul într-
altul şi din ce în ce mai mici pân se ajunge în centrul desenului care poart numele de nucleu.
Dac se reia acest studiu, începându-se cu prima creast de la baza desenului, vecin
chiar cu şan ul de flexiune, se va constata c forma traseului este, aproximativ, o linie relativ
orizontal şi paralel cu şan ul flexoral, luând în final tot forma unui arc, dar mai pu in boltit
decât arcurile de la vârful degetelor. Urm rindu-se creasta imediat superioar se descoper c
are o form asem n toare cu prima, la fel şi urm toarele, pân când se va întâlni o creast
care are fie forma unui la , fie a unei spirale sau cerc, şi tot aşa şi urm toarele, pân se va
ajunge iar în nucleu.

38 / 122
 Din cele descrise conchidem c în structura desenului papilar al falangetei se disting
trei sisteme de creste papilare: arcuri puternic boltite (convexe) la vârful şi marginea
degetului, arcuri slab boltite la baza desenului lâng şan ul de flexiune şi la uri, cercuri ori
spirale în regiunea central a desenului care include şi nucleul s u.
Crestele ce se g sesc pe zona papilar a falangetei pot fi împ r ite dup forma şi
pozi ia lor în trei grupuri care determin formarea a tot atâtea regiuni (vezi fig. 2.4). Astfel,
crestele situate pe vîrful şi pe marginile falangetei alc tuiesc regiunea marginal şi au în general
forma conturului degetului, adic a unor arcuri de cerc cu convexitatea îndreptat spre vârful
acestuia. Crestele papilare care se g sesc în centrul desenului formeaz regiunea centrală. Ea
este regiunea cea mai important a desenului papilar, deoarece aici forma şi direc ia crestelor
papilare variaz , permi ând o clasificare precis a desenelor papilare.
Crestele papilare situate în vecin tatea şan ului de flexiune au o form , în general,
rectilinie; ele sunt orientate relativ orizontal şi paralel cu şan ul de flexiune care desparte
falangeta de falangin . Acestea formeaz regiunea bazală. Cele trei regiuni ale desenului
papilar sunt desp r ite între ele de creste papilare care se numesc limitante, astfel: ultima
creast din regiunea marginal , care este vecin cu regiunea central , poart denumirea de
timitantă superioară şi desparte regiunea marginal de cea central ; creasta din regiunea bazal
vecin cu regiunea central se numeşte limitantă inferioară.
În traiectoria ei, limitanta superioar întâlneşte limitanta inferioar într-unul sau mai
multe puncte ale desenului papilar, unde, fie c se contopesc, fie c îşi continu traiectul
paralel. La locul de contact al limitantelor se întâlnesc cele trei regiuni papilare ale amprentei
digitale şi se formeaz o figura triunghiulara, care poart denumirea de deltă. Aceast denumire
i-a fost dat avându-se în vedere asem narea triunghiului format cu litera greceasc  (delta).

Figura 2.4. Regiunile diferitelor forme ale desenului papilar al falangetei:

a – regiunea marginală; b – regiunea centrală; c – regiunea bazală; L.s. = limitanta
superioară; L.i. = limitanta inferioară ([PACO1])

39 / 122
 Exist totuşi unele desene papilare la care nu se g sesc la uri, cercuri sau spirale în
regiunea central . La aceste desene, se observ numai arcuri pe toat suprafa a, iar delimitarea
celor trei regiuni este o opera ie mai dificil , în lipsa deltelor.
În cazul desenelor papilare ale c ror creste formeaz dou triunghiuri, regiunea
ccntralâ (nucleul) este înconjurat în ambele p r i laterale, precum şi spre vârful falangetei,
de cea marginal , iar în partea dinspre şan ul de flexiune, de regiunea bazal . In aceast
situa ie, regiunea central prezint un nucleu închis. La desenele ale c ror creste papilare
formeaz numai un singur triunghi sau nici unul, regiunea central , având deschiderea spre
una sau spre ambele laturi ale falangetei, prezint un nucleu deschis (fig. 2.5).

a) b)
Figura 2.5. a) Nucleu închis; b) Nucleu deschis ([PACO1])

În raport cu forma triunghiului care ia naştere în punctul de contact a celor trei regiuni,
deltele pot fi de dou feluri: delte negre şi delte albe.
Delta neagră este format din contopirea limitantelor într-un punct al dactilogramei,
unde dau naştere unei forma ii asem n toare literei majuscule „Y" (vezi figura 2.6).

40 / 122
 Figura 2.6. Delta neagră:
a) deltă neagră lungă; b) deltă neagră scurtă; c) deltă neagră cu braţe egale;
d) deltă neagră cu două braţe egale; e) deltă neagră cu braţe inegale.
([PACO1])

Punctul de contact al celor dou limitante poart denumirea de punct deltic.

În func ie de lungimea bra elor care formeaz deltele negre, acestea pot fi de mai
multe feluri:
- delt neagr lung care are în componen a sa dou sau toate trei bra ele prelungite de
cinci ori mai mult decât grosimea unei creste papilare;
- delt neagr scurt care are dou sau toate bra ele mai scurte decât de cinci ori
grosimea unei creste papilare, respectiv pân la 4,5 mm.
De asemenea, deltele negre mai pot fi cu bra e egale, cu dou bra e egale şi cu bra e
inegale.
De/tu alb este constituit de spa iul triunghiular format în punctul de contact al celor
dou limitante, care este delimitat atât de aceste creste, cât şi de o a treia creast papilar (din
regiunea central ) aflat în imediata apropiere.
Ea se clasific astfel: delt alb deschis la toate unghiurile, delt alb deschis la
dou unghiuri, delt alb deschis la un unghi şi delt alb închis la toate unghiurile (fig.
2.7).

41 / 122
 Figura 2.7. Delta albă: a) deltă albă deschisă la toate unghiurile; b) deltă albă
deschisă la două unghiuri; c) deltă albă deschisă ta un unghi; d) deltă albă închisă la toate
unghiurile ([PACO1])

În cazul deltelor albe, punctul deltic îl constituie centru! spa iului triunghiular care, în
unele dactilograme, este marcat de o creast papilar asem n toare unui punct izolat.

2.1.4. Tipurile, subtipurile şi variet ile desenelor papilare

Tipurile sunt grupe mari de desene papilare împ r ite dup forma general a crestelor
care alc tuiesc regiunea central . Dup acest criteriu, toate desenele papilare se împart în cinci
tipuri fundamentale:
- tipul arc (adeltic);
- tipul la (monodeltic);
- tipul cerc (bideltic);
- tipul combinat (polideltic);
- tipul amorf.
Cele cinci tipuri fundamentale ale desenelor papilare prezint , la rândul lor, multiple
particularit i care permit ca unele dactilograme s poat fi deosebite cu uşurin de altele,
deşi ca form general sunt de acelaşi tip.
Luându-se în considerare şi alte criterii, ca nucleul, pozi ia sau num rul deltelor,
fiecare tip se divide la rândul s u în grupe mai mici numite subtipuri şi variet i.

42 / 122
 Prima defini ie a tipurilor de desene papilare a fost f cut de Jan Evangheliste
Purkinje. El a categorisit nou tipuri de desene papilare. Tipurile de dactilograme digitale
definite de Purkinje au stat la baza tuturor clasific rilor şi subclasifîc rilor adoptate mai târziu
pentru divizarea dactilogramelor în grupuri cât mai mici.

2.1.4.1. Tipul arc (adeltic)

Tipul arc, cunoscut şi sub numele de adeltic, este cel mai pu in r spândit, însumând
circa 7,1% din totalul dactilogramelor. El are o form foarte simpl .
La desenele de tipul arc, crestele papilare pornesc de la o margine a falangetei spre
cealalt , urmând aceeaşi direc ie cu crestele ce se afl m regiunea bazal , din dreapta c tre
stânga.
Cu cât creşte dep rtarea fa de regiunea bazal , cu atât crestele papilare se curbeaz
mai puternic formând o convexitate c tre vârf f r a se întoarce c tre marginea de unde au
plecat, fiind asem n toare arcurilor de cerc, de unde şi denumirea de tip arc.
Datorit faptului c dactilograma de acest ip nu are decât dou feluri de creste
papilare (uşor curbate şi puternic curbate), în zona central nu se vor g si la uri, cercuri şi
spirale, iar cele trei regiuni specifice ale desenului papilar digital nu pot fi distinct limitate
între ele. Din aceast cauz tipul arc nu are nici delte, fapt pentru care se mai numeşte tip
adeltic.
Tipul arc se împarte la rândul s u în dou subtipuri : arc simplu şi arc pin (piniform).
În figura 2.8 se prezint câteva desene papilare care con in tipul arc.

Figura 2.8. Desene papilare conţinând tipul arc ([PACO1])

43 / 122
 2.1.4.2. Tipul laţ (monodeltic)

Acest tip al desenelor papilare este cel mai r spândit însumând 59,7% din totalul
dactilogramelor.
Este denumit tip la acel desen papilar în care una sau mai multe creste din regiunea
central pornesc dintr-o margine a desenului papilar de pe falanget , se îndreapt c tre
marginea opus , f r s o ating , se încovoaie, formând o bucl (la ) şi se întorc la marginea
de unde au plecat. Deci, denumirea vine de la forma general a crestelor papilare din regiunea
central , care sunt asem n toare unor la uri introduse unul în altul. În literatura de specialitate
dactilogramele de acest fel se mai numesc şi bucle.
Examinând un la în mod izolat, se disting la el urm toarele p r i componente: capul
la ului (partea rotunjit ); bra ele la ului; deschiz tura la ului (figura 2.9).

Figura 2.9. Structura unui laţ:

a) capul laţului (partea rotunjită); b) braţele laţului;
c) deschizătura laţ ([PACO1])

La urile pot fi orientate vertical, oblic sau orizontal şi, totodat , pot avea bra ele lungi
sau scurte.
La tipul la se disting destul de uşor cele trei regiuni specifice desenului papilar digital,
precum şi cele dou limitante. În punctul unde se întâlnesc aceste regiuni se formeaz numai o
singur delt , astfel c acest tip de dactilograme se mai numeşte şi tip monodeltic. Delta se
g seşte întotdeauna în partea opus deschiz turii la ului.
Pentru ca un desen papilar s fie încadrat în tipul la , este suficient s aib în regiunea
central cel pu in un singur la liber, cu condi ia ca acesta s nu fie lipit de una din limitante.
În cazul când în centrul desenului se g seşte un singur la şi acesta tiu este liber, atunci
dactilograma respectiv face parte din tipul arc, subtipul arc simplu sau arc pin, varietatea cu
la în dreapta sau în stânga.
În figura 2.10 se prezint dou exemple din tipul la .

Figura 2.10. Desene papilare conţinând tipul laţ ([PACO1])

44 / 122
 2.1.4.3. Tipul cerc (bideltic)

Este format din creste papilare care urmeaz circular curbura falangetei şi, prin unirea
cu punctul de plecare, dau naştere la dou unghiuri situate în extremit i opuse. Intre bra ele
acestor dou unghiuri, crestele papilare existente se rotesc asem n tor unui vârtej, de unde şi
numele de tip cerc sau verticil.
Dactilograma de tip cerc, ca şi cea de tip la , are întotdeauna în structura ei clar
delimitate cele trei regiuni specifice desenului papilar digital. Deoarece, la acest desen papilar,
centrul se prezint în form de cercuri concentrice, în spirale, în forme ovoidale sau în la uri
contrare – care se încol cesc între ele regiunea central va fi un desen complet închis şi de
form circular , astfel încât cele trei regiuni se întâlnesc în dou puncte unde se formeaz
dou delte; de aceea se mai numeşte şi tip bideltic.
Dactilogramele digitale bideltice pot fi recunoscute dup configura ia crestelor
papilare care formeaz nucleul desenului şi, în raport cu acesta, sunt divizate în şapte
subtipuri.
În figura 2.11 se prezint dou exemple de dactilograme care con in tipul cerc.

Figura 2.11. Amprente digitale care conţin tipul cerc ([PACO1])

2.1.4.4. Tipul polideltic

Acest tip cuprinde dactilogramele digitale care au o form mai rar întâlnit şi este
constituit din combinarea unuia sau a dou desene de tipul la cu unul de tip cerc, sau prin
combinarea a dou desene de tip cerc, în urma c reia rezult întotdeauna un desen papilar cu
mai mult de dou delte, de unde şi denumirea de tip polideltic (figura 2.12).
În raport cu num rul deltelor, tipul combinat se împarte în dou subtipuri: trideltic şi
quatrodeltic.
În figura 2.12 se prezint dou exemple de amprente ce con in tipul polideltic.

45 / 122
 Figura 2.12. Amprente papilare ce conţin tipul polideltic ([PACO1])

2.1.4.5. Tipul amorf

Tipul amorf cuprinde dactilogramele digitale care au crestele nesistematizate pe

regiuni. Caracteristica sa const în topografia neregulat a crestelor papilare, de unde îşi trage
şi denumirea de amorf. Totuşi, şi la aceste desene papilare se pot distinge anumite
particularit i care au determinat divizarea lor în trei subtipuri: simian, danteliform şi
nedefinit.

2.2. Senzori utiliza i în vederea prelu rii imaginilor brute ale amprentelor papilare

2.2.1. Tipuri de senzori utilizaţi

Pentru preluarea amprentelor digitale ale unei persoane s-au dezvoltat mai multe tipuri
de senzori. Senzorii sunt de cele mai multe ori încorpora i în diverse dispozitive periferice,
cum ar fi tastatura, mouse-ul. În figura 2.13 sunt prezenta i mai multe tipuri de senzori.

În lucrarea [MALTO1], se prezint modul de operare a mai multor tipuri de senzori. În

continuare se va prezenta un rezumat al acestei lucr ri.

a. Senzori optici
Senzorii optici necesit o surs de lumin care este refractat printr-o prism . Degetul
este plasat pe o pl cu cu sticl . Sursa lumineaz amprenta degetului, iar imaginea este
capturat .

a.1) FTIR (Frustrated Total Internal Reflection)

Aceasta este cea mai veche şi cea mai utilizat tehnic de achizi ie în timp real în
zilele noastre. Degetul atinge partea de sus a unei prisme din sticl , iar în timp ce crestele intr
în contact cu suprafa a prismei, v ile r mân la o anumit distan , dup cum se poate vedea şi
în figura 2.14. Partea stâng a prismei este iluminat prin intermediul unei lumini difuze
(ob inut prin intermediul un banc de led-uri). Lumina care intr în prism este reflectat în
cazul v ilor, şi absorbit în mod aleator de c tre creste. Lipsa reflec iei permite determinarea
crestelor (care apar mai închise la culoare în imaginea preluat ), precum şi a v ilor, care apar
deschise la culoare. Razele de lumin ies prin partea dreapt a prismei şi sunt concentrate prin

46 / 122
intermediul unei lentile într-un senzor de imagine CCD şi CMOS. Deoarece aceste dispozitive
necesit prezen a unei suprafe e 3D, rezult faptul c nu pot fi utilizate pentru o fotografie sau
o imagine imprimat a unei amprente.

a) b) c)

d) e) f)
Figura 2.13. Senzori pentru preluarea amprentei digitale. a)-c) dispozitive Microsoft;
d) senzor Upek; e) senzor de tip sweep; f) senzor capacitiv. Sursa: Internet

aer
ridic turi şi v i
contact

prism de sticl

lentile

lumin Traiectorie
optic

CCD sau CMOS

Figura 2.14. Senzori optici de tipul FTIR ([MALTO1])

47 / 122
 a.2) FTIR – cu o prism de tip foaie

Folosind o prism de tip foaie, f cut dintr-un anumit num r de “buc i de prism ”
adiacente, în locul unei singure prisme mai mari, se poate ajunge la o reducere, într-o oarecare
m sur , a dimensiunilor ansamblului mecanic utilizat pentru captarea imaginii amprentei. De
fapt, chiar dac suprafa a optic r mâne aceeaşi, prisma foaie va r mâne aproape plat .
Totuşi, calitatea imaginii achizi ionate cu acest tip de prism este în general mai slab decât
tehnicile FTIR tradi ionale. Schema de principiu a acestui senzor este prezentat în figura
2.15.

aer ridic turi şi v i

contact

prism foaie

Figura 2.15. Senzori optici de tipul FTIR – cu prismă de tip foaie ([MALTO1])

a.3) Fibre optice

O reducere semnificativ a dimensiunilor poate fi ob inut prin substituirea

prismelor şi lentilelor cu un suport de fibr optic . Degetul este în contact direct cu partea
superioar a suprafe ei dispozitivului; pe partea cealalt , un senzor CCD sau un CMOS, foarte
aproape cuplat cu suprafa a, recep ioneaz lumina rezidual a degetului transmis prin
intermediul fibrelor optice (figura 2.16). În compara ie cu dispozitivele FTIR, în acest caz
CCD-ul sau CMOS-ul este în contact direct cu suprafa a de captare a imaginii (f r a fi nevoie
de lentile intermediare), şi în acest fel dimensiunea sa trebuie s acopere întreaga suprafa
senzitiv . Acest lucru poate duce la un cost mare de producere a senzorilor de suprafe e mari.

ridic turi şi v i

fibr optic

CCD / CMOS

Figura 2.16. Senzori optici cu fibre optice ([MALTO1])

48 / 122
 a.4) Opto-electronici

Aceste dispozitive sunt compuse din dou straturi principale. Primul strat con ine un
polimer care, atunci când este polarizat cu un voltaj corespunz tor, emite lumin care
depinde de poten ialul aplicat pe o parte. Cum crestele papilare ating polimerul iar v ile nu,
poten ialul nu este acelaşi de-a lungul suprafe ei atunci când este plasat un deget, iar
cantitatea de lumin variaz , în acest fel permi ându-se generarea unei reprezent ri luminoase
a modelului amprentei. Al doilea strat, cuplat strict cu primul, este alc tuit dintr-un şir de
fotodiode (încorporate în sticl ), care are rolul de a recepta lumina emis de c tre polimer şi
transformarea acesteia într-o imagine digital . Deşi micşorarea dispozitivului este
considerabil , totuşi senzorii comerciali nu ajung la calitatea imaginilor ob inut cu ajutorul
dispozitivelor FTIR. În figura 2.28 este prezentat schema de principiu a func ion rii acestor
tipuri de senzori.

ridic turi şi v i

polimer care
emite lumin

şir de fotodiode încorporate în sticl

Figura 2.17. Senzori opto-electronici ([MALTO1])

a.5) Citire direct

Un dispozitiv de citire direct utilizeaz o camer foto de înalt calitate care poate
focaliza direct vârful degetului. Degetul nu este în contact cu nici o suprafa , dar scanerul
este echipat cu un suport mecanic care ajut utilizatorul în a prezenta degetul la o distan
uniform . Un astfel de dispozitiv poate rezolva diverse probleme, cum ar fi cur area
periodic a senzorului şi este perceput ca fiind mult mai igienic, dar ob inerea imaginilor bine
focalizate şi cu un contrast mare este foarte dificil .

b. Senzori silicon
Aceşti senzori pot fi:
 capacitivi (figura 2.18): nu mai este necesar dispozitivul optic, imaginea amprentei se
ob ine m surând tensiunea creat între piele şi placa din policarbonat a cititorului.
Senzorii capacitivi trebuie s aib o suprafa similar cu cea a degetului. Ei sunt
susceptibili la zgomot, inclusiv zgomotul de 50 Hz de la re eaua utilizatorului, precum
şi zgomotul intern al senzorului îi afecteaz . Desc rcarea electrostatic , sarea de la
transpira ie sau degetele uscate pot perturba captura imaginii de la senzor.

49 / 122
 plac de micro-
ridic turi şi v i condensatoare

Figura 2.18. Senzori capacitivi ([MALTO1])

 termali - aceşti senzori sunt f cu i dintr-un material piroelectric care genereaz curent
pe baza diferen elor de temperatur . Crestele amprentelor, fiind în contact cu suprafa a
senzorului, produc o temperatur diferit de locul în care se g sesc v ile, care sunt mai
departe de suprafa a senzorului. Senzorii sunt men inu i la o temperatur înalt prin
înc lzirea electric a lor, pentru a se putea ajunge la o diferen de temperatur între
senzor şi deget. Diferen a de temperatur produce o imagine atunci când degetul
atinge senzorul, dar aceast imagine dispare rapid deoarece echilibrul termic este atins
rapid.
 câmp electric – în acest caz, senzorul const dintr-un inel care genereaz un semnal
sinusoidal şi o matrice de antene active care recep ioneaz un semnal de amplitudine
foarte mic transmis de c tre inel şi modulat de structura dermei. Imaginea amprentei,
care reprezint r spunsul analogic al fiec rui element din senzor, este amplificat ,
integrat şi digitizat .
 piezoelectric – senzorii senzitivi la ap sare au fost crea i s produc un semnal electric
atunci când o presiune mecanic este aplicat pe ei. Suprafa a senzorului este realizat
dintr-un material dielectric neconductor care, la întâlnirea presiunii de la deget,
genereaz o mic cantitate de curent (acest efect este denumit efect piezoelectric).
Puterea curentului generat depinde de presiunea aplicat de deget pe suprafa a
senzorului. Din p cate, aceste materiale nu sunt suficient de senzitive pentru a detecta
diferen a între creste şi v i.

c. Senzori pe bază de ultrasunete (Ultrasound Sensors)

Aceşti senzori sunt foarte utili, deoarece nu mai trebuie cur ate pl cile de murd ria ce
poate afecta acurate ea în identificare. Achizi ia imaginii amprentei folosind aceast metod
poate fi v zut ca un fel de ecografie a degetelor. Unele experimente sus in chiar c acest
sistem poate ob ine amprentele unui chirurg care poart m nuşi. Senzorii pe baz de
ultrasunete sunt prezenta i în figura 2.19.

50 / 122
 ridic turi şi v i

plac

form de und ecou 1 ecou 2 ecou 3: ridic tur detectat

transmis în pulsa ii

Figura 2.19. Senzori cu ultrasunete ([MALTO1])

d. Comparaţie între senzori de tipul cu alunecare (sweep) şi cei cu atingere (touch)

Cele mai multe tipuri de senzori prezen i ast zi pe pia folosesc metoda cu atingere
(touch): degetul este pus pe scanner, f r a fi nevoie de a mişca degetul. Cel mai mare avantaj
al acestei metode este simplitatea sa de utilizare: are nevoie de o perioad foarte scurt de
instruire a personalului pentru folosirea ei. În afar de aceasta, acest tip de senzori prezint şi
unele dezavantaje, cum ar fi: murd rirea senzorului, ceea ce duce la necesitatea cur irii sale;
o imagine mai mare sau mai mic a amprentei poate s r mân pe senzor dup ridicarea
degetului; rota ia degetului poate fi o problem în recunoaşterea persoanei, unele sisteme
permi ând o rota ie maxim de ±20°.
În cazul senzorilor cu alunecare, aceste lucruri nu se întâmpl . Utilizatorul trebuie s
treac degetul peste senzor, tr gând încet mâna înapoi.

2.1.4.2. Importanţa senzorilor pentru toate echipamentele şi etapele următoare de

achiziţie şi de prelucrare
Tehnologia de recunoaştere a amprentei se bazeaz pe analiza imaginii generate de un
senzor, care con ine puncte caracteristice alc tuite din termina iile şi din bifurca iile de pe
deget. Aceste puncte caracteristice, extrase din imaginile amprentei sunt extrem de dese, ceea
ce explic de ce amprenta este cel mai des utilizat pentru identificarea uman . În fiecare
imagine exist aproximativ 70 de puncte m surabile, unice pentru fiecare amprent , iar
fiecare punct are 7 caracteristici unice. Este posibil ca dispozitivele optice de recunoaştere a
amprentei s fie p c lite de o amprent latent , reducând astfel siguran a întregului sistem.
Pentru limitarea consecin elor acestui aspect au fost introduse imaginile tridimensionale.
Amprentele latente pot fi furate, dar nu un model tridimensional al amprentei; pentru acest
lucru ar trebui ca subiectul s coopereze sau s fie for at s coopereze. Deci putem identifica
avantajele majore pe care le au senzorii în prelucrarea şi analiza amprentelor digitale şi

 Imaginea preluat de c tre senzori poate fi prelucrat pe calculator. Exist echipamente

anume:

de preluare a imaginilor care con in software specializat şi metode de procesare a

amprentelor digitale, dintre care putem aminti: modificarea contrastului, inversare a
tonurilor de gri, colorarea artificial , realizarea de m sur tori, etc.

51 / 122
  Calitatea imaginii: îmbun t irea unei imagini într-un anumit sens predefinit;
reconstituirea sau refacerea unei imagini degradate, prin utilizarea unor informa ii
despre fenomenul de degradare; principalele surse de zgomot sunt: achizi ia şi
transmisia imaginilor (camera CCD: zgomot influen at de nivelurile de iluminare şi
temperatura senzorului; transmisia imaginilor: interferen ele din canalele de

 Grad înalt de siguran a sistemelor bazate pe senzori cu ultrasunete. Cum poate fi

transmisie);

detectat amprenta papilar a unui deget t iat? Folosirea unui deget t iat indic o
infrac iune grav , nu este acelaşi lucru cu furtul unui cod PIN sau a unei parole. Un
traductor care detecteaz presiunea sângelui poate indica dac degetul apar ine unei
persoane în via . Poate fi folosit şi detectarea coductivit ii electrice a pielii. Poate fi
folosit tehnica de deplasare a degetului pentru a detecta dac persoana este for at ,

 Economia de timp reprezint un alt avantaj esen ial, mai ales în cazul sistemelor CCD
deoarece mişcarea degetului nu mai este aceeaşi în condi ii de stres.

 Ecologic (neinvaziv pentru mediu). Utilizarea senzorilor optici, capacitivi sau cu

(Change-Coupled Device) care permit afişarea imaginii imediat dup expunere;

ultrasunete nu necesit substan e chimice cum erau folosite la developarea filmelor.

2.3. Stadiul actual al cercet rii referitoare la recunoaşterea persoanelor dup

amprenta papilar

În acest capitol se vor prezenta cronologic lucr rile reprezentative din domeniul
recunoaşterii amprentelor digitale. În acelaşi timp se va face o compara ie a acestor lucr ri, cu
eviden ierea îmbun t irilor aduse pe parcursul evolu iei acestei metode de identificare sau
verificare a persoanelor.

2.3.1. Începuturile studierii amprentelor pentru recunoaşterea persoanelor

În anul 1892, Galton elaboreaz un sistem de clasificare a amprentelor digitale

[GALTON1]. Detaliile privind amprentele papilare sunt valabile şi ast zi. O amprent este
compus din trasee întunecate, numite creste papilare şi din trasee mai luminoase numite
intercreste sau v i sau şan uri papilare. La nivel local alte puncte caracteristice pot fi g site pe
amprente şi se refer la discontinuit ile care pot apare în crestele papilare. Unele se pot
termina brusc formând o termina ie, sau se pot ramifica în dou creste formând o bifurca ie.
Alte elemente caracteristice ce mai pot apare într-o amprent digital sunt: porii, punctele
singulare „delta”, punctele singulare „bucl ”, insulele, spiralele (figura 2.20).

Figura 2.20. Punctele caracteristice pentru o amprentă

52 / 122
 Începând cu anul 1896, Edward Henry pune la punct un sistem de clasificare a
amprentelor digitale [PACO1]. E. Henry, inspector general al Poli iei din Bengal (parte a
Indiei Britanice), pune la punct un sistem de clasificare a amprentelor digitale. E. Henry s-a
consultat cu Galton în leg tur cu utilizarea amprentelor digitale ca metod de identificare a
infractorilor. Odat cu implementarea sistemului de amprentare, unul dintre angaja ii s i,
Azizul Haque, a elaborat o metod de clasificare şi de stocare a informa iilor care s faciliteze
şi s eficientizeze c utarea. Sir Henry a înfiin at ulterior, la Londra, primele dosare cu
amprente digitale. Sistemul de clasificare propus de Henry, aşa cum a devenit cunoscut, este
precursorul sistemului de clasificare folosit de FBI şi de alte organe de cercetare penal care
efectueaz verific ri. El a clasificat amprentele digitale în opt categorii (vezi figura 2.21).

Figura 2.21. Sistemul de clasificare Henry

Comisia de Servicii Publice a statului New York a introdus practica amprent rii
solicitan ilor de locuri de munc în administra ia public , pentru a-i împiedica pe aceştia s
trimit alte persoane, mai bine preg tite, care s sus in testele în locul lor. Aceast practic a
fost adoptat de sistemul penitenciar din statul New York, în care amprentele digitale erau

53 / 122
folosite pentru identificarea infractorilor înc din 1903. Adoptarea sistemului a fost
impulsionat de înfiin area, în 1904, de birouri de amprentare în penitenciarul din
Leavenworth, Kansas şi în cadrul poli iei din Saint Louis, Missouri. În timpul primului sfert al
secolului XX, din ce în ce mai multe for e locale de poli ie au înfiin at sisteme de amprentare.
Printr-o lege votat de Congres la 1 iulie 1921, a fost înfiin at Divizia de Identificare a FBI.

2.3.2. Începuturile identific rii amprentelor prin procese automate

Începând cu anul 1960, identificarea amprentei devine un proces semiautomat. În

continuare, din 1969, FBI demareaz eforturile de creare a unui sistem care s automatizeze
procesul de identificare a amprentelor digitale, devenit între timp foarte laborios şi necesitând
multe ore de munc /angajat. FBI a contactat Institutul Na ional pentru Standarde şi
Tehnologii (NIST), în vederea studierii procesului de identificare automat a impresiunilor
digitale. NIST a identificat dou probleme principale: (1) scanarea fişelor de amprentare şi
identificarea detaliilor şi (2) compararea şi potrivirea listelor cu detalii fizice.
FBI finan eaz crearea senzorilor şi tehnologiei de extragere a detaliilor fizice, începând
cu anul 1975. FBI a finan at dezvoltarea scannerelor şi a tehnologiei de extragere a detaliilor
fizice, ceea ce a dus la apari ia prototipului unui aparat de citire. La momentul respectiv erau
înregistrate doar detaliile fizice, datorit costului ridicat al stoc rii digitale. Aceste cititoare
primitive utilizau pentru prelevarea caracteristicilor amprentelor digitale tehnologii bazate pe
condensatori. De-a lungul deceniilor urm toare, NIST s-a axat pe cercetarea şi dezvoltarea
metodelor de transpunere în format digital a amprentelor, a efectelor compresiei asupra
calit ii imaginii, clasific rii, extragerii detaliilor şi compar rii. Activitatea de la NIST a dus
la dezvoltarea algoritmului M40, primul algoritm opera ional de comparare utilizat de FBI.
Folosit pentru a reduce volumul c ut rilor efectuate de oameni, acest algoritm a produs un set
de imagini mult mai redus decât cele predate pân atunci tehnicienilor specializa i în
evaluarea acestora.
Din anul 1981 sunt dezvoltate sisteme automate pentru identificarea amprentelor
digitale – AFIS (Automated Fingerprint Identification System), iar în 1986 este publicat
standardul privind schimbul de date cuprinzând detalii ale amprentelor digitale. Biroul
Na ional de Standarde al SUA (actualul NIST) a publicat un standard pentru schimbul de date
referitoare la detaliile amprentelor digitale. Aceasta a fost prima versiune a standardelor
actuale de schimb de date privind impresiunile digitale, utilizate de for ele de poli ie din
întreaga lume.
În cadrul guvernului american este înfiin at Consor iul Biometric, în anul 1992. Agen ia
Na ional de Securitate (NSA) a ini iat formarea Consor iului Biometric şi a prezidat prima s
reuniune, în octombrie 1992. Ini ial, consor iul era compus doar din agen ii guvernamentale;
firmele private şi mediul academic aveau doar statut de observatori. În curând, consor iul şi-a
extins num rul de membri prin includerea acestor comunit i şi a creat numeroase grupuri de
lucru pentru a ini ia şi/sau a-şi extinde eforturile în activit ile de testare, elaborare de
standarde, interoperabilitate şi cooperare guvernamental . Odat cu explozia tehnologiilor
biometrice la începutul anilor 2000, activit ile acestor grupuri de lucru au fost integrate altor
organiza ii, pentru a le extinde şi accelera impactul. Consor iul a r mas activ în calitate de
element de leg tur între guvern, industria de profil şi mediul ştiin ific.

54 / 122
2.3.3. Prezentarea a două lucrări referitoare la extragerea trăsăturilor din imaginile
amprentelor digitale, publicate în anii 1995 şi 1998

2.3.3.1. Articolul publicat în 1995, de Nalini K. Ratha ş.a.

În anul 1995, apare o lucrare foarte important în acest domeniu, intitulat Adaptive
flow orientation based feature extraction în fingerprint images, fiind redactat de Nalini K.
Ratha, Shaoyun Chen, Anil K. Jain - [NALINI1].
În aceast lucrare se prezint o metod sigur pentru extragerea caracteristicilor
structurale dintr-o imagine a unei amprente. Considerând imaginile amprentelor ca o imagine
texturat , se poate calcula un flux de câmp al orient rii. Restul paşilor din algoritm folosesc
acest flux de câmp pentru a dezvolta filtre adaptive pentru imaginea de intrare. Pentru a
localiza cât mai precis crest turile, se foloseşte un algoritm de segmentare a crestelor bazat pe
proiec ia formei de und . Este ob inut astfel imaginea scheleton a crestelor, care este apoi
netezit folosind operatori morfologici pentru a detecta caracteristicile. Un num r mare de
caracteristici false din setul determinat sunt şterse într-o etap de postprocesare. Performan a
algoritmului propus a fost evaluat prin calculul unui „indice al caracteristici bune” (GI) care
compar rezultatele extrac iei automate cu cele ale extrac iei manuale realizat de un
specialist. Semnifica ia valorilor GI observate este determinat de compararea indexului
pentru un set de amprente cu valorile GI ob inute dintr-o distribu ie de baz . Caracteristicile
detectate se observ c sunt sigure şi precise.

2.3.3.1.1. Extragerea caracteristicilor din imaginile amprentelor bazat pe orientarea

fluxului adaptiv

În articolul [NALINI1], autorii prezint , printre altele, o nou metod de extragere a

caracteristicilor din imaginile amprentelor digitale bazat pe orientarea fluxului adaptiv a
crestelor. Privind imaginile amprentelor ca o imagine texturata, a fost calculat un camp al
fluxului de orientare. Restul etapelor algoritmului utilizeaza campul fluxului pentru a proiecta
filtre adaptive imaginilor rezultate. Pentru a localiza exact crestele, se utilizeaza o segmentare
algoritmica a undei bazata pe proiecția crestelor. Imaginea schelet a crestei este obtinut si
netezit folosind operatori morfologici de detectare a caracteristicilor. Un numar mare de
caracteristici false din setul de detalii exacte detectate este ters intr-o etapa de postprocesare.
Functionalitatea algoritmului propus a fost evaluata prin calcularea unui index de pozitivitate
care compara rezultatele extragerii automatizate cu adevarul extras manual. Semnificatia
valorilor indexului pozitiv observat este determinata prin compararea indexului pentru un set
de amprente cu valorile obtinute sub linia de referinta de distributie. Caracteristicile detectate
sunt analizate pentru a fi fiabile si exacte.

 o nou metod de segmentare (bazat pe un algoritm de proiecție în form de

Deci, contribuțiile principale ale acestei lucr ri sunt:

 o îmbun t țire a imaginii subțiate (imaginea schelet a crestei este netezit

und a crestelor);

folosind operatori morfologici de detectare a caracteristicilor. Un num r mare

 o evaluare cantitativ
de caracteristici false din setul de detalii este ters în etapa de postprocesare);
a performanțelor procesului de extragere
(funcționalitatea algoritmului este evaluat prin intermediul unui indice de
pozitivitate (GI – goodness index) care compar rezultatele extragerii automate
a punctelor caracteristice cu num rul de puncte caracteristice calculate
manual).

55 / 122
 Crest turile (muchiile) şi v ile dintr-o amprent alterneaz , având o direc ie local
constant (vezi figura 2.22). O analiz mai în am nunt dezv luie c , aceste crest turi (sau v i)
manifest anomalii, cum ar fi bifurca ii, crest turi scurte. Agențiile de identificare a legii
(FBI) au identificat optsprezece tipuri diferite de detalii ale amprentelor. Pentru o extragere şi
o potrivire automat a amprentelor, mul imea detaliilor amprentelor se restrânge la dou tipuri
de detalii: crest turi finale şi crest turi cu bifurca ii. Acestea se pot observa în figura 2.23.
Punctele mai complexe ale amprentelor pot fi explicate ca fiind o combina ie între aceste dou
puncte de baz . De exemplu insula poate fi interpretat drept un cumul de dou bifurca ii, iar
o “creasta scurt ” poate fi considerat drept o pereche de termina ii de crest turi, dup cum
arat şi în figura 2.24. Într-o imagine de calitate a unei amprente sunt 70-80 de detalii, iar într-
una mai pu in clar num rul de detalii este mult mai mic (aproximativ 20-30).

Figura 2.22. Alternanţa muchiilor (crestăturilor) şi a văilor [NALINI1]

Figura 2.23. Caracteristici fundamentale a) crestături cu bifurcații b) crestături cu

terminații [NALINI1]

Figura 2.24. Caracteristici complexe, ca o combinaţie a caracteristicilor simple:

a) creasta scurtă b) insula [NALINI1]

Sistemul obişnuit de identificare a amprentelor se foloseşte de crest turile cu bifurca ii

şi de crest turile cu termina ii. Din cauza dimensiunii mari a bazei de date cu amprente şi a
amprentelor cu zgomote întâlnite în practic , este foarte dificil ob inerea unei potriviri
perfecte în toate cazurile. De aceea sistemele comerciale sunt prev zute cu o list de posibile
potriviri, care sunt apoi verificare de un expert. Una dintre problemele cele mai importante
care se pun se datoreaz prezen ei zgomotului din timpul procesului de preluare a
amprentelor. Metodele folosite pentru preluarea amprentelor digitale, implic aplicarea unui
strat de cerneal pe deget şi apoi ap sarea acestuia pe o foaie de hârtie. Acest procedeu
creeaz urm toarele nepl ceri:

56 / 122
 i) zonele prea înc rcate cu cerneal ale degetului determin apari ia în imagine a unei
por iuni murd rite;
ii) por iunile libere dintre crest turi sunt create prin zone în care cerneala nu a p truns
îndeajuns în piele;
iii) pielea fiind elastic de la natur îşi poate schimba caracteristicile de pozi ie din
amprent , schimb rile fiind determinate de presiunea exercitat asupra degetului.
De i metodele f r cerneal sunt în prezent valabile în luarea amprentelor, aceste
metode sufer din cauza schimb rii poziției cauzat de elasticit ii pielii. Atitudinea mai pu in
cooperant a suspec ilor şi criminalilor duce de asemenea la p tarea par ial a amprentelor
luate pe o coal de hârtie.
Lucrarea propune o metod fiabil pentru extragerea caracteristicilor din amprentele
digitale. Etapa de potrivire folose te poziția i orientarea acestor caracteristici precum i
num rul total al lor. Ca i rezultat, exactitatea extracției caracteristicilor este crucial pentru
faza de potrivire a amprentelor. Câmpul de orientare joac un rol important pentru a proiecta
filtre adaptive. Se prezint o nou metod de segmentare a crestelor bazat pe proiecția
imaginii în direcția câmpului de orientare. Calitatea caracteristicilor extrase este evaluat
cantitativ. Caracteristicile structurale care sunt extrase de obicei din imaginea amprentelor
sunt bifurcațiile i terminațiile crestelor. Fiecare dintre caracteristici are trei componente (x,y,
θ), unde x este abcisa punctului caracteristic, y este ordonata, iar θ este direcția local a crestei
(figura 2.22).

 preprocesarea;
Principalele etape care trebuie parcurse pentru prelucrarea amprentelor digital sunt:

 extragerea caracteristicilor;
 potrivirea amprentelor;
 compresia imaginilor amprentelor;
 realizarea unor arhitecturi hardware pentru extragerea i potrivirea caracteristicilor
în timp real.
O scurt istorie a eforturilor automatiz rii în domeniul recunoa terii amprentelor poate
fi g sit în [HENRYCLEE]. Lucr rile realizate de Sherlock et al. [SHERL3], Mehtre
[MEHTRE1], Coetzee i Botha [COETBOTH1], Xiao i Raafat [XIAORAA1], O’Gorman i
Nickerson [OGORNICK1] sunt relevante pentru faza de extragere a punctelor caracteristice
ce sunt folosite în lucrare.
Sherlock et al. [SHERL3] îmbun t țe te imaginea amprentelor printr-un filtru
direcțional Fourier. Direcția filtrului este determinat de orientarea crestelor locale. O
fereastr de 32 x 32 este folosit pentru a obține proiecția ablonului pe 16 direcții. Proiecția
cu maximul de variație reprezint direcția crestei pentru fereastr . Mehtre [MEHTRE1]
calculeaz imaginea direcțional , reprezentând direcția crestei locale, într-un bloc de
dimensiune 16 x 16 pixeli. În acest scop, sunt calculate variații ale intensit ții nivelului de gri
de-a lungul a opt direcții diferite. Direcția cu cea mai mic variație este direcția dorit a
crestei.
Coetzee i Botha [COETBOTH1] obțin punctele caracterisice folosind operatori (de
detectare margini)de tip Marr – Hildreth. Harta marginilor este folosit pentru binarizarea
adaptiv a amprentelor. Imaginea direcțional este calculat ca i în [MEHTRE1].
Xiao i Raafat [XIAORAA1] presupun c imaginea schelet a fost deja ob inut din
imaginile amprentelor. Ace tia descriu metode de identificare a detaliilor false i le elimin
folosind definiția structural a detaliului. Pentru fiecare detaliu, sunt efectuate determin ri
statistice ale l imii crestei şi ale atributelor acesteia, cum ar fi lungimea, direc ia crestei sau a
punctelor caracteristice, pentru a înl tura crestele false. Procesul de îmbun t țire comport
dou etape: îngustarea crestei func ie de direc ie, urmat de extinderea crestei func ie de
direc ie.

57 / 122
 Tema principal a lucr rii lui O’Gorman i Nickerson [OGORMNICK] este de a
determina filtre pentru îmbun t țirea imaginii amprentelor. Coeficienții k×k ai m tii sunt
generați pe baza orient rii locale a crestei. Doar trei direcții de orientare sunt folosite. Patru

 l țimea crestei (Lmax, Lmin );

parametrii model sunt folosiți pentru a descrie amprenta, i anume:

 l țimea v ii ( Lmax , Lmin );

 raza minim a curburii.
Imaginea îmbun t țit este binarizat i postprocesat .

2.3.3.1.2. Prezentarea algoritmului

Tr s turile principale ale metodei propuse de autori pentru extragerea caracteristicilor
poate fi descris astfel. Se poate privi imaginea amprentei ca un flux ablon cu o structur
bine definit . Este calculat un câmp de orientare pentru acest flux [ARRAO]. Pentru a
determina exact câmpul de orientare local, imaginea de intrare este divizat în blocuri egale
de 16x16 pixeli. Fiecare bloc este procesat independent. Nivelul de gri pentru proiecție de-a
lungul liniei de scanare perpendicular pe orientarea local a cîmpului furnizeaz o variație
maxim . Se localizeaz crestele utilizând vârfurile i variația lor în aceast proiecție. Crestele
sunt subțiate, iar imaginea schelet care rezult este îmbun t țit folosind un filtru morfologic
adaptiv. Etapa de extragere a punctelor caracteristice aplic o serie de m şti asupra imaginii
subțiate i îmbun t țite. Etapa de postprocesare terge punctele caracteristice cu zgomote.
Procesul poate fi împ rțit în trei operații principale:
1. preprocesarea i segmentarea;
2. subțierea i extragerea punctelor caracteristice;
3. postprocesare.

1. Preprocesarea și segmentarea
Scopul etapelor de preprocesare i segmentare este de a obține o imagine binar
segmentat a crestelor amprentelor pornind de la imaginea de intrare format din tonuri de gri,
unde creasta are valoarea 1 (alb), iar restul are valoarea 0. Acest lucru poate fi realizat prin

 calcularea câmpului de orientare;

aplicarea urm torilor pa i:

 separarea prim-planului de fundal;

 segmentarea crestei;
 netezirea direcțional a crestelor.

a) Calcularea câmpului de orientare

Imaginea amprentelor poate fi considerat drept un ablon cu textur orientat .

Conform taxonomiei descris în [ARRAO1], amprentele pot fi clasificate ca având o structur
slab ordonat . Câmpul de orientare descris în [ARRAO1] este folosit pentru a calcula direcția
optim dominant a crestei în fiecare din ferestrele de dimensiune 16×16. Pa ii urm tori se
vor ocupa de calcularea câmpului de orientare pentru fiecare fereastr .
1. calcularea pantei blocului netezit. Fie Gx(i,j) magnitudinea pantei în direcțiile x i y,
respectiv la pixelii (i, j) obținuți folosind m ti Sobel 3x3.
2. obținerea direcției dominante într-un bloc 16 x 16 folosind urm toarea ecuație:

58 / 122
   2G x (i, j )G y (i, j ) 
 16 16 

 d  tan 1  16 16 
, G x  0 Gy  0
i 1 j 1

  (G x (i, j )  G y (i, j ) ) 
1
(2.1)
2
 i 1 j 1 
2 2

Observație: dac Gx sau Gy este zero atunci direcția dominant nu prezint importan
(00 sau 900). Unghiul θd este cuantificat în 16 direcții. Orientarea câmpului serve te la
selectarea parametrilor filtrelor adaptive din etapele ulterioare. Direcțiile crestelor au fost de
asemenea folosite pentru determinarea ablonului categoriei de intrare a amprentei de intrare
[KAWATOJO1] (figura 2.25).

a) b)

c)
Figura 2.25. Calculul câmpului de orientare a) imaginea de intrare (512 x 512
pixeli); b) câmp de orientare (pentru fiecare fereastră 16 x 16); c) imaginea (b)
suprapusă peste imaginea inițială (a) [NALINI1]

b) Segmentare prim plan-fundal

Imaginea unei amprente se constituie dintr-o regiune de interes (unde g sim punctele
caracteristice), împreun cu o caset dreptunghiular de încadrare a amprentei. Trebuie s se
decupeze imaginea amprentei de fundal. Se calculeaz variația nivelului de gri într-o direcție
octogonal orient rii câmpului din fiecare bloc. Presupunerea de baz este c regiunile
imaginilor cu zgomot nu au dependenț direcțional , în timp ce regiunile de interes (zonele
amprentelor) prezint o variație foarte mare în direcția octogonal a orient rii ablonului i o
variație foarte mic de-a lungul crestelor. Cu alte cuvinte, fundalul are o variație mic în toate

59 / 122
direcțiile. Variația poate fi folosit de asemenea pentru a determina calitatea imaginii
amprentelor în funcție de imaginea de contrast a blocului (16 x 16 pixeli) luat în considerare.
Valoare calit ții câmpului pentru o fereastr este definit pentru a corespunde uneia dintre
aceste patru valori : bun , medie, slab i fundal (figura 2.26).

a) b)

c) d)
Figura 2.26. Segmentarea prim-plan / fundal a) imaginea iniţală (512 x 512) b)
câmpul de variaţie c) imaginea de calitate; d) imaginea segmentată [NALINI1]

c) Segmentarea crestelor

Dup ce au fost identificate zonele de prim-plan i fundal, urm torul pas este s se
localizeze crestele (figura 2.26). A fost implementat o nou tehnic pentru a localiza crestele,
i anume: se consider imaginea unei ferestre de 16 x 16 pixeli i proiecția ei în direcția
ortogonal câmpului de orientare pentru fereastr . Centrul unei creste arat ca un vârf în
cadrul proiec iei. Forma de und a proiec iei faciliteaz detectarea pixelilor crestei. Doi pixeli
vecini din fiecare parte a vârfului sunt de asemenea reținuți de-a lungul direcției
perpendiculare câmpului de orientare. Pentru un model ideal al crestelor a a cum avem în
figura 2.26 (a), ar trebui s se obțin o und de proiecție a a cum este prezentat în figura 2.26
(b). Forma de und pentru o fereastr 16 x 16 pixeli dintr-o imagine real (figura 2.26 (c)) este

60 / 122
prezentat în figura 2.26 (d). Înainte de proiectarea imaginii, aceasta este netezit folosind o
masc unidimensional de mediere pentru fiecare rând de-a lungul direcției ortogonale a
câmpului de orientare al ferestrei.
Sherlock et al. [SHERL3] au folosit diferite proiecții pentru a determina orientarea
crestei locale , în timp ce autorii prezentului articol [NALINI1] folosesc câmpul de orientare
pentru a obține o singur proiectie. Metoda folosit în [NALINI1] pentru localizarea crestelor
este aceea de utilizare a pragurilor adaptive ale imaginii. Pixelilor crestei le este atribuit
valoarea 1 (alb ), iar pixelilor r ma i valoarea 0 (figura 2.27).

a) b)

c) d)
Figura 2.26. Segmentarea crestelor. a) model ideal pentru creste; b) proiecția de
undă a crestelor de la punctul (a) c) o fereastră 16 x 16 dintr-o imagine amprentă. Pe
desen este indicată axa ortogonală pe direcția crestei d) proiecția de undă a crestelor de
la punctul (c) [NALINI1]

61 / 122
 a) b)
Figura 2.27. Creste segmentate. a) imaginea inițială b) creste identificate
[NALINI1]

d) Netezirea direcțional

Odat ce crestele au fost localizate, netezirea direcțional este aplicat pentru a netezi
crestele. O masc 3 x 7 este plasat de-a lungul câmpului de orientare pentru fiecare fereastr .
M tile care conțin toate valoarea 1 ne ajut s obținem num rul valorilor 1 din zona m tii.
Dac num rul valorilor 1 este mai mare de 25 % din num rul total de pixeli (3 x 7 = 21 în
acest caz), atunci punctul crestei este reținut. M rimea m tii a fost determinat în mod
empiric.

2. Extragerea punctelor caracteristice (puncte ale detaliului)

Imaginea binar a crestei trebuie s fie procesat mai departe, înainte de a extrage
caracteristicile detaliate. Primul pas este de a subția crestele astfel încât s aib l țimea de un
pixel. O metod de scheletizare a fost descris în [TSAKAI1] i disponibil în biblioteca
HIPS. Din nefericire, anomaliile marginilor crestelor au un impact nefavorabil asupra
scheletului, deoarece introduc multe bifurcații i terminații false. Prin urmare, scheletul
trebuie netezit înainte de a fi extrase punctele caracteristice. Punctele caracteristice false sunt
eliminate utilizând un filtru morfologic adaptiv. Filtrul folosit este un operator ”deschis” cu
un element structural în forma unei matrice, cu toate valorile 1 de dimensiune 3 x 3.
Elementul structural este rotit în direcția ortogonal câmpului de orientare din fereastr .
Sheletul crestelor înainte de tergerea i dup îndep rtarea v rfurilor este prezentat în figura
2.28 Localizarea punctelor de detaliu în imaginea subțiat (schelet) este relativ simpl . Un
calcul al num rului de vecini la un punct de interes într-o fereastr 3 x 3 este suficient în
acest scop; acest lucru este similar num rului de conexiuni descris în [HTAMURA1].
Un punct terminal al crestei are un vecin în fereastr i o bifurcație a crestei, deci are
cel puțin trei vecini. Toate punctele terminale ale crestei i punctele de bifurcație detectate cu
aceast metod nu redau mereu caractericile reale, îns metoda prezentat mai sus se pare c
identific majoritatea punctelor caracteristice reale. O etap de postprocesare filtreaz
punctele caracteristice nedorite pe baza caracteristicilor lor structurale.

62 / 122
 Figura 2.28. Creste subțiate. a) înainte de îndepărtare punctelor detaliu false b) după
îndepărtare punctelor detaliu false [NALINI1]

3. Postprocesarea
Etapa de postprocesare nu elimin toate defectele posibile din imaginea amprentelor.
De exemplu, crestele se întrerup datorit unei cantit ți insuficiente de cerneal , iar
conexiunile încruci ate datorate supraînc rc rii cu cerneal nu sunt total eliminate. De fapt,
etapa de postprocesare introduce ocazional câteva zgomote care mai târziu conduc la
caracteristici false. Etapa de postprocesare elimin caracteristicile false bazate pe relațiile
structurale i spațiale ale detaliilor. De exemplu, dou detalii dintr-o amprent nu pot s existe
la o distanț foarte mic una de cealalt . Urm toarele metode euristice sunt folosite pentru a
valida detaliile g site dup prezentarea algoritmului propus de autori [NALINI1]:
1. eliminarea întreruperii crestelor: dou puncte terminale cu aceea i orientare i
la o distanț limit L1 sunt eli minate.
2. eliminarea vârfurilor de mici dimensiuni: un punct terminal care este conectat
cu un punct de bifurcație i care se afl de asemenea la o distanț limit L2 este
eliminat.
3. efecte limit : detaliile detectate în cadrul unei margini specifice ale zonei de
graniț dintr-un prim-plan sunt terse.
Proprietatea de conectivitate cuprins în a doua afirmație euristic este verificat
pornind de la o bifurcație. Direcțiile de urm rire sunt prezentate în figura 2.29. Un num r
mare de puncte caracteristice false se elimin cu aceste trei reguli. Punctele caracteristice
descoperite îninte de postprocesare i dup postprocesare sunt prezentate în figura 2.23.
Num rul de puncte caracteristice, prezentate în figura 2.30 (a) i figura 2.30 (b), sunt 97,
respectiv 71.

Figura 2.29. Direcțiile de urmărire a crestelor [NALINI1]

63 / 122
 a) b)
Figura 2.30. Puncte caracteristice extrase. a) înainte de postprocesare; b) după
postprocesare [NALINI1]

4. Parametrii algoritmului
În implementarea algoritmului, autorii au folosit urm torii parametri:
1. dimensiunea ferestrei (blocului) : 16 x 16 , rezultând 1024 ferestre totale într-o
imagine 512 x 512;
2. num rul direcțiilor cuantificate din câmpul de orientare: 16
3. m rimea m tii de netezire: 7 x 3
4. pragul pe suma de variații într-o fereastr pentru a determina prim – plan-ul /
fundalul : 2500
5. dimensiunea elementului structural: 3 x 3
6. parametrii în etapa de postprocesare: L1 = 10, L2 = 15, dimensiunea marginii =
32.

2.3.3.2. Articolul publicat în 1998, de Alessandro Farina ş.a.

Articolul „Fingerprint minutiae extraction from skeletonized binary images” –

Alessandro Farina, Zsolt M.Kovacs –Vajna, Alberto Leone - [FARINA1], publicat în anul
1998, îşi propune s extind utilizarea analizei STFT (Short-Time Fourier Transform –
Transformata Fourier discret ) la analiza imaginilor 2D. Analiza STFT este capabil s
analizeze propriet ile intrinseci ale imaginii cum ar fi orientarea liniilor amprentei, prim-
planul regiunii şi frecven a orient rilor.
Algoritmul trebuie s se foloseasc de analiza STFT pentru a analiza simultan orientarea
cât şi frecven a liniilor şi trebuie s segmenteze cu succes imaginea unei amprente.
Analiza tradi ional Fourier nu este adecvat pentru analiza amprentelor deoarece ea trebuie
s identifice orientarea şi frecven a liniilor. Pentru a se ob ine acest lucru s-a dezvoltat
algoritmul de la analiza 1D pentru a fi capabil s analizeze imagini în format 2D. Imaginile de
o calitate superioar trebuie s aib liniile şi şan urile dintre ele foarte bine definite şi s aib
un contrast cât mai mare.
O imagine de calitate slab are un contrast foarte slab şi evident liniile şi şan urile foarte
slab definite. O astfel de imagine poate genera detalii eronate şi adev ratele detalii precise s
fie pierdute datorit calit ii slabe, acest lucru generând erori. Pentru a se corecta aceste

64 / 122
deficien e, a fost introdus un algoritm care înainte de analiz s sporeasc calitatea imaginii de

 prima etap este reprezentat de analiza STFT,

analizat. Algoritmul este format din dou etape:

 a doua reprezint filtrarea contextual .

Performan ele analizei depind în foarte mare m sur de calitatea imaginii ob inute.
Faptul c algoritmul este capabil s analizeze toate propriet ile intrinseci ale imaginii, cum ar
fi orientarea liniilor amprentei, prim-planul regiunii şi frecven a orient rilor în acelaşi timp
are ca rezultat prevenirea multor erori în estimarea orient rii liniilor.
Algoritmul utilizeaz toate informa iile contextuale (orientare, frecven , coeren
unghiular ) şi tot odat a redus spa iul ocupat în memoria computerului pentru respectiva
analiz . Rezultatul este reprezentat de sc derea ratei erorilor cu 17% dup analiza unui set de
800 de imagini.
Pe viitor autorii doresc s elaboreze un algoritm mult mai performant decât cel actual.
În lucrare, autorii prezint extragerea detaliilor prin determinarea pozi iilor crest turii.
Compararea amprentelor se bazeaz de obicei pe potrivirea punctelor detaliului.
În sistemele automate de identificare sunt luate în calcul punctele detaliului care sunt de
obicei bifurca iile şi termina iile crest turilor. În lucrarea precizat mai sus se prezint un set
de algoritmi pentru extragerea punctelor detaliului din imaginile schelet binare. Scopul
articolului îl reprezint extragerea a 40-60 de puncte reale dintr-o imagine de amprent , când
în imaginile binare schelet sunt 2000-3000. Pentru filtrarea punctelor detaliului, se propune şi
o metod nou , bazat pe pozi iile crest turii în locul metodelor clasice, bazate pe h r i
direc ionale.
Cercetarea în leg tur cu proiectarea sistemelor automate de identificare a amprentelor
se concentreaz în special pe clasificarea amprentelor în cinci clase, dar şi pe potrivirea
amprentei, al c rei scop îl reprezint identificarea unei persoane prin amprente. Dac baza de
date în care este stocat imaginea este uriaş , procesul de identificare necesit şi o clasificare,
dar şi o etap de potrivire. Exist câteva puncte folosite în amprente, care se afl în strâns
leg tur cu topologia crest turii şi care se numesc detalii. A fost propus o clasificare a
punctelor detaliului în patru mari grupe principale: termina ii, bifurca ii, intersect ri şi
nedetermin ri. Cele mai importante tipuri sunt termina iile şi bifurca iile. Într-un sistem de
identificare a amprentei imaginea se ob ine cu ajutorul unui senzor sau a unei camere video,
iar procesul de potrivire începe cu filtrarea imaginii. Punctele detaliului sunt extrase şi
comparate cu cele stocate deja pentru a putea stabili coresponden a. Extragerea punctelor
detaliilor se poate baza pe scala gri sau pe imaginile binare. Pentru a simplifica sau pentru a
p stra încrederea în sistemul propus de Farini în [FARINA1] şi pentru a sc dea costurile,
postprocesarea imaginii schelet necesit reducerea num rului de detalii false (porii, pauze
dintre creste, creste scurte etc).

2.3.3.2.1. Extragerea punctelor de detaliu din imagini binare scheletonizate dup

lucrarea Farina ş.a.

Comparația amprentelor digitale se bazeaz de obicei pe potrivirea punctelor

caracteristice. Punctele caracteristice analizate în sistemele automate de identificare sunt în
mod normal bifurcațiile crestelor i terminațiile. În aceast lucrare se prezint un set de
algoritmi pentru extragerea punctelor caracteristice ale amprentelor digitale din imaginile
binare scheletonizate. Scopul prezentei lucr ri este extracția a 40-60 puncte caracteristice
adev rate dintr-o imagine a amprentelor digitale din 2000-3000 conținute în imaginile
tipice aduse la tr s turile esențiale i binarizate. Pe lâng metodologiile clasice pentru
filtrarea punctelor caracteristice, o nou abordare este propus pentru cur țarea punților /
pintenilor bazat pe pozițiile crestelor în locul metodelor clasice bazate pe h rți

65 / 122
direcționale. În sfâr it, dou criterii noi i algoritmii relativi sunt introduse pentru validarea
terminațiilor i a bifurcațiilor. Analiza statistic a rezultatelor obținute de abordarea
propus arat reducerea eficient punctelor caracteristice false. Folosirea algoritmilor de
extracție a punctelor caracteristice ale amprentelor digitale a fost considerat într-un sistem
de identificare a amprentelor digitale în termen de timpi i rate false de respingere sau
acceptare. Algoritmul de extracție a punctelor caracteristice prezentat funcționeaz corect
pe arii cu zgomote i pe fundal, algoritmii de segmentare costisitori din punct de vedere al
calculelor nemaifiind necesari. Rezultatele sunt confirmate de inspecțiile vizuale ale
punctelor caracteristice validate ale bazei de date cu imagini ale amprentelor digitale NIST
(1999 Pattern Recognition Society. Publicat de Elsevier Science Ltd. Toate drepturile
rezervate).
Cercetarea în design-ul sistemelor automate de identificare a amprentelor digitale (AFIS)
se centreaz în prezent asupra clasific rii amprentelor digitale in cinci clase i asupra
potrivirii, a c rei scop este identificarea unei persoane prin intermediul amprentelor digitale.
Daca baza de date a imaginilor stocate este foarte mare, procesul de identificare are nevoie de
clasificare si de etapele de potrivire. În lucrarea [FBI1988] autorii î i centreaz atenția pe o
parte a etapei de potrivire, care se bazeaz de obicei pe pre-procesare, extracția tr s turilor i
algoritmilor de potrivire.
Sunt multe tr s turi folositoare în amprentele digitale legate de topologia crestelor
papilare, numite puncte caracteristice. Institutul American de Standarde Naționale a propus o
clasificare a punctelor caracteristice în patru mari grupe: terminațiile, bifurcațiile, travers rile
i cele nedefinite [ANSI1986]. Cele mai importante tipuri de puncte caracteristice sunt
terminațiile i bifurcațiile.
În sistemul de identificare a amprentelor digitale imaginea amprentelor digitale se
obține de c tre un senzor ori camera i procesul de potrivire începe cu filtrarea imaginii.
Punctele caracteristice sunt extrase i sunt comparate cu cele ale imaginilor deja stocate
pentru a stabili concordanța. Extracția punctelor caracteristice poate fi bazat pe imagini la
scara - gri [MALTO1] sau imagini binare.
În lucrarea [MALTO1], autorii D. Maio, D. Maltoni, î i centreaz atenția asupra unei
tehnici binare bazate pe imagine, în care admitem c imaginea amprentelor digitale a fost sau
obținut direct în binar sau binarizat dintr-o imagine la scar - gri. Se admite de asemenea c
imaginea a fost subțiat (operație prin care sunt îndep rtați pixelii din regiunile unei imagini
binare) sau scheletizata . Problema acestei metodologii este faptul c un punct caracteristic
din imaginea sub iat nu corespunde întotdeauna cu un punct semnificativ din imaginea real .
De fapt, exist mai mult de o mie terminații sau puncte de bifurcație aparente, în timp ce
punctele caracteristice reale sunt mai puțin de 100. Un asemenea comportament apare ca o
consecinț a tu ului insuficient, tu ului în exces, ridurilor, cicatricilor i print-urilor prea mult
folosite, i astfel, punctele caracteristice false pot ap rea în imaginea scheletizat dup pre-
procesare.
Pentru a simplifica sau a p stra exactitatea AFIS-ului i a sc dea costurile calculelor,
post-procesarea imaginii sub iate este necesar pentru reducerea num rului de puncte
caracteristice false.
Mai multe abord ri au fost deja propuse în ultimii ani pentru a îmbun t ți aceste
imagini.
AFIS-ul propus de Stosz i Alyea [STOSALY1] folose te poziția porilor cuplați la alte
puncte caracteristice extrase din imagini scanate live: calitatea imaginii sub iate a traseelor de
intercreast (v ilor sau a anțurilor papilare) este mai întâi îmbun t țit prin analizarea i
extragerea segmentelor care reprezint porii (curățare), apoi procesarea sintactic este
folosit pentru a îndep rta punctele nedorite: dou creste separate sunt conectate dac distanța

66 / 122
lor este mai mic decât un prag dat i direcțiile terminațiilor sunt aproape acelea i; ridurile
sunt detectate prin analizarea informațiilor asupra punctelor de ramuri învecinate.
Chen i Kuo [CHENKUO1] adopt un proces de identificare a punctelor caracteristice
false în trei pa i: (i) îmtreruperile de creste sunt reparate într-un fel folosind direcțiile
crestelor aproape de punctele caracteristice; (ii) punctele caracteristice asociate cu crestele
scurte sunt eliminate; (iii) punctele caracteristice aglomerate într-o regiune zgomotoas sunt
eliminate.
Metodele lui Malleswara [MALES1] sunt folosite pentru a elimina acele puncte
caracteristice false care sunt cauzate de zgomot sau procesare imperfect a imaginii.
Un algoritm de post-procesare aplicat imaginilor binarizate i nesubțiate este propus de
Fitz i Green [FITZGRE1]. Aceste tehnici sunt folosite pentru a înl tura mici g uri,
întreruperi i linii în i de-a lungul crestelor i sunt implementate prin convoluția operatorilor
morfologici cu imaginea.
Vârfurile ascuțite cauzate de procesul de scheletizare pot fi înl turate de c tre filtrul
morfologic care se adapteaz propus de Ratha ş.a. [RATHA1]. Punctele caracteristice sunt
detectate prin num rarea vecinilor cu valoarea 1 într-o fereastr de 3 x 3. Terminațiile i
bifurcațiile false sunt îndep rtate prin intermediul a trei criterii euristice: (i) dou terminații
cu aceea i orientare i a c ror distanț este sub un prag sunt terse (eliminarea întreruperilor
de creast ); (ii) o terminație conectat la o bifurcație i sub o anume distanț de prag este
îndep rtat (eliminarea vârfurilor ascuțite); (iii) punctele caracteristice de sub o anume
distanț de la limita regiunii de prim- plan sunt anulate (tratamentul efectului de limit ).
Dualitatea dintre imaginea traseelor de intercreast i imaginea crestei a fost exploatat
de Hung [HUNG1] considerând c bifurcațiile i punțile din una din cele dou imagini
corespund terminațiilor i întreruperilor, respectiv, din imaginea dual . A adar, acela i
algoritm poate fi aplicat atât traseelor de intercreast cât i imaginilor crestei pentru a
îndep rta întreruperile crestelor i punților. Fiecare margine este caracterizat de lungimea
crestei corespunz toare, în timp ce gradul unui vertex este dat de num rul de margini
convergente. Pintenii, g urile, punțile i întreruperile sunt apoi înl turate analizând unele
propriet ți ale graficului crestelor. Acela i algoritm poate fi aplicat în mod special graficului
traseelor de intercreast pentru a înl tura întreruperile de creste, travers rile sau alte
configurații particulare.
Xiao i Raafat [XIAORAA1] consider c amprentele digitale au fost deja pre-
procesate i scheletizate. Ei propun o post-procesare bazat pe o abordare combinat statistic
i structural . Punctele caracteristice amprentelor digitale sunt caracterizate printr-un set de
atribute cum ar fi lungimea crestei, direcția pentru terminații i bifurcații, unghiul dintre dou
puncte caracteristice. Mai mult, fiecare terminație sau bifurcație se caracterizeaz de
asemenea prin num rul de puncte caracteristice „care sunt confruntate” din vecin tatea sa.
Aria de vecin tate depinde de distanța local dintre creste. În final, num rul de puncte
caracteristice “conectate” este evaluat. Algoritmul de post-procesare conecteaz terminațiile
care se afl faț în faț , înl tur bifurcațiile care se afl faț în faț cu terminațiile sau alte
bifurcații iar apoi conecteaz terminațiile nou generate, iar în final înl tur pintenii, punțile,
structurile triunghiulare i structurile de tip scar . Din p cate, nu este posibil s atribu o
distanț “global ” de creast întregii imagini, deoarece variaz cu pân la 300% din valoarea
sa local într-o amprent digital tipic . Mai multe metodologii ale calculului h rții locale a
distanței de creast pot fi g site în literatura de specialitate [VAJNA1].
Algoritmul propus în lucrarea [FARINA1] se aplic asupra imaginii subțiate sau sub
form de schelet obținut din versiunea binarizat a imaginii amprentei digitale. Algoritmii
standard sunt folosiți pentru a înl tura punctele caracteristice vecine din ariile zgomotoase.
Repararea crestelor se face pe baza direcțiilor celor dou buc ți de creast ce trebuie
conectate i direcția segmentului care trebuie s reconstruiasc creasta întrerupt , în timp ce

67 / 122
studiile anterioare sugerau folosirea considerațiilor structurale i statistice [XIAORAA1] sau
analiza distanței dintre cele dou creste întrerupte [RATHA1]. Abordarea nou propus
pentru a înl tura punțile se bazeaz pe pozițiile crestelor în loc de evaluarea h rților de
direcție care consum CPU (Central Processing Unit)- [HUNG1]. Crestele scurte sunt
înl turate în baza leg turii dintre lungimea crestei i distanța medie dintre creste, în loc de
considerarea lungimii medii a crestelor. Filtrarea insulelor (deja propus în literatura de
specialitate) se face într-un mod mai eficient, deoarece nu se bazeaz pe construcția unui
grafic care detecteaz c ile închise. În final, doi noi algoritmi de validare topologic sunt
prezentați pentru a clasifica terminațiile i bifurcațiile exacte: sunt înl turate dac cerințele
topologice nu sunt satisf cute, sunt clasificate ca puncte caracteristice mai puțin exacte dac
cerințele nu sunt pe deplin satisf cute, altfel sunt considerate ca punctele caracteristice de
mare exactitate. Rezultatele simul rii demonstreaz eficacitatea algoritmului propus i
expune un fel de segmentare implicit care înl tur toate punctele caracteristice referitoare la
regiunile din afara amprentei digitale.

a) Prezentarea algoritmului propus în lucrarea [FARINA1]

Metodologia extracției punctelor caracteristice propus în aceast lucrare se potrive te
pentru un sistem AFIS. Se admite c în imaginea subțiat a fost definit i o hart local de
distanț de creast . Harta local a distanței de creast define te distanța medie a crestei în
fiecare regiune a imaginii [VAJNA1]. Acest lucru este necesar deoarece distanța crestei
variaz de-a lungul imaginii i reprezint unul din cei mai importanți parametri de referinț
din imagine atât pentru design-ul filtrului cât i pentru extracția punctelor caracteristice.
Algoritmul execut urm torii pa i, conform secvenței detaliate în figura 2.31.

Codificarea pixelului

Camer /senzor Distan a crest turii Prefiltrare

Imagine

Scheletul binar Îmbun n irea imaginii

scheletului

Extragerea detaliilor
Invalidarea punctelor
caracteristice produse de
Potrivirea pun i şi pinteni
Referin a BD

Validarea topologic
Validarea

R spunsul Codificarea final

Figura 2.31. Structura generică a sistemului automat de identificare a amprentelor digitale și

detaliu din blocul “Extracție puncte caracteristice”([FARINA1])

68 / 122
 Codificarea cu pixeli
Etapa codific rii efectueaz clasificarea punctelor caracteristice i înl turarea
configurațiilor neclasificate. Imaginea subțiat este procesat pentru a se obține o imagine
codificat în care valoarea fiec rui pixel reprezint num rul ramurilor care pleac din pixelul
corespunz tor al imaginii subțiate. [MALTO1].
Pre-filtrarea
Ariile de calitate inferioar sunt adesea prezente în imaginea original scanat a
amprentelor digitale. Algoritmii de binarizare i de subțiere produc de obicei un num r mare
de puncte caracteristice false de mare densitate în aceste secțiuni ale amprentei digitale cu
dificult ți evidente pentru algoritmii de identificare. Pre-filtrarea este necesar pentru a
înl tura cât mai multe puncte caracteristice false posibile f r a reduce, dac este posibil,
num rul de detalii folositor pentru identificare.
O prim pre-filtrare a fost f cut deja în faza codific rii, înl turând punctele izolate i
micile pete. Algoritmul de pre-filtrare scaneaz imaginea codificat în mod obi nuit (rând cu
rând de la stânga-sus la dreapta-jos) i acționeaz conform tipului de configurație a punctelor
caracteristice La aceast faz o terminație lâng un alt punct caracteristic este tears .
Bifurcații adiacente sunt înl turate i cele unde una sau mai multe intersecții / încruci ri sunt
detectate în vecin tatea acestora. De asemenea, intersecțiile sunt îndep rtate dac o alt
intersecție este detectat în vecin tatea lor.

Îmbunătățirea imaginii subțiate

Îmbun t țirea imaginii subțiate permite: repararea crestelor prin conectarea

terminațiilor identificate ca întreruperi de creast , eliminarea punților, pintenilor i a crestelor
scurte. Întreruperile de creast sunt cauzate de tu ul insuficient, riduri i cicatrici. Dou
terminații care se afl faț în faț pot fi conectate, reparând creasta, dac sunt considerate ca
aparținând aceleiaşi creste. Algoritmul de reparare a crestei funcționeaz în trei pa i: c utarea
terminațiilor care sunt situate fa -în-fa , cea mai bun selecție a terminațiilor i reconstrucția
crestei.

Invalidarea punctelor caracteristice produse de punţi şi pinteni

Punctele caracteristice produse de punți i pinteni sunt invalidate, odat ce aceste
configurații au fost recunoscute. Punctele caracteristice apropiate sunt de asemenea înl turate.

Eliminarea punților și a pintenilor

Punțile i pintenii dau na tere la puncte caracteristice false i trebuie înl turate ca în
exemplele din figura 2.32.a i 2.32.b. Este important s se aplice acest algoritm înainte ca
punctele caracteristice învecinate s fie c utate, pentru a p stra cât mai multe puncte
caracteristice valide. O metod nou este propus pentru a detecta i terge punțile i pintenii.
În lucr rile anterioare, punțile i pintenii sunt detectate folosind o hart local dominant
direcțional [HUNG1]. Algoritmul propus în aceast lucrarea [FARINA1], folose te o
considerație vizual : bifurcațiile g site atunci când aceste dou modele false sunt detectate,
sunt diferite de bifurcațiile reale. În aceste bifurcații „false” doar dou ramuri sunt alineate în
timp ce direcția celei de-a treia ramuri este în general diferit . În pun i, a treia ramur este
aproape ortogonal celorlalte dou .

69 / 122
 a) Punte

b) Pinten
Figura 2.32. Punţi şi pinteni [FARINA1]

Valoarea absolut a produsului scalar dintre vectorii de unitate ai ramurilor este

folosit pentru a estima paralelismul sau ortogonalitatea celor dou ramuri. În aceast
implementare un prag de ortogonalitate θ bs1 i dou praguri de aliniament θ bs2 i θbs3 au fost
folosite. Dou direcții sunt considerate a fi ortogonale dac valoarea absolut a produsului
scalar este mai mic decât θ bs1 = 0.55, când unghiul este mai mare decât 56°. Dou direcții
sunt considerate a fi alineate dac valoarea absolut a produsului scalar este mai mare decât θ
bs2 (în pasul 1e al algoritmului) sau θbs3 (în pasul 2a), θ bs2 = 0.85 i θbs3= 0.80 (corespunz tor
unui unghi mai mic decât 32°, respectiv).
Algoritm. Eliminarea punților i pintenilor
Pentru fiecare bifurcație:
(1) dac sunt cel puțin Nlr= puncte în fiecare ramur , unde este distanța local de
creast în pixeli:
(a) se estimeaz direcția fiec rei ramuri prin regresia linear folosind cel puțin Nlr
puncte;
(b) dac dou ramuri sunt alineate iar a treia este aproape ortogonal : se caut un alt
punct caracteristic de-a lungul ramurei ortogonale din primele Nbs1= 5 / 6 puncte;
(c) dac un alt punct caracteristic este g sit: se înl tur puntea sau pintenul;
(d) dac dou ramuri sunt alineate, dar a treia nu este ortogonal : se caut o terminație
în primele Nbs2= 3 / 2 puncte;
(e) dac terminația este g sit : se înl tur pintenul;
(2) dac doar dou ramuri conțin cel puțin N lr puncte:
(a) dac aceste dou ramuri sunt alineate: se caut de-a lungul celei de-a treia i se
înl tur aceast punte scurt sau pinten.

Eliminarea punctelor caracteristice alăturate

Algoritmul înl tur mai întâi terminațiile apropiate i apoi celelalte puncte
caracteristice apropiate. Orice terminație g sit într-o arie p trat mic este înl turat .
Distanța minim acceptat dintre dou terminații este dat de Nce= /2 pixeli, unde este

70 / 122
distanța local de creast . Regiunea de c utare este un p trat de latur 2Nce + 1 centrat pe
terminația curent .
Sunt mai puțin de 100 puncte caracteristice într-o imagine de bun calitate cu
amprent digital rulat iar distanța lor relativ este rar mai mic decât distanța local de
creast , a adar punctele caracteristice prea apropiate pe aceea i ramur sunt înl turate.

Validare topologică

 Înl turarea insulei: Bifurcații care aparțin unei c i scurte închise sunt invalidate.
Algoritmii de validare topologic sunt bazați pe topologia crestei învecinate:

 Validarea bifurcațiilor i a terminațiilor: Configurația crestei învecinate este

studiat pentru a verifica daca aceste puncte caracteristice sunt reale sau flase.
Ace ti doi algoritmi noi vor introduce coduri de puncte caracteristice exacte i mai
puțin exacte.

Eliminarea insulelor

C ile închise sunt menționate de obicei ca insule. Chiar dac aceast punct caracteristic
special poate ap rea într-o amprent digital obi nuit , insulele sunt generate adesea în
imaginea scheletizat de arii zgomotoase i unde creste mari neregulate sunt subțiate ca în
figura 2.33, dând na tere la puncte caracteristice false.
Termenul insul este de obicei folosit pentru dou bifurcații care se afl ”faț în faț ”
i care formeaz un contur închis. Poate fi observat c aceasta este cea mai frecvent situație
doar în imaginile de foarte bun calitate. S-au experimentat de asemenea contururi închise
generate de interacțiunea a trei sau mai multe bifurcații i intersecții, ca în exemplul din figura
2.34. O insul poate fi generat de asemenea de o singur bifurcație unde dou ramuri se
scurg una în cealalt .

Insule cauzate de creste mari Trei bifurca ii apar inând unei insule
Figura 2.33. Vizualizare bifurcaţii[FARINA1] Figura 2.34. Vizualizare insulă [FARINA1]

Validarea bifurcației

Figura 2.35.a. arat topologia unei bifurcații tipice valide. De fapt, cu excepția
bifurcațiilor localizate lâng nucleul amprentei digitale, crestele de lâng bifurcație merg
paralel cu ramurile care pleac . Structurile bifurcațiilor diferite pot fi evidențiate pe marginile
amprentelor digitale sau pe arii texturate. Astfel, proprietatea de mai sus este potrivit pentru
înl turarea bifurcațiilor izolate în ariile nesemnificative.
Algoritmul de validare propus poate fi divizat în dou faze: prima este necesar pentru
a distinge între o bifurcație valid i una invalid , a doua este cerut pentru a g si o bifurcație
sigur . Prima faz verific existența crestelor laterale pentru fiecare ramur care pleac de la
bifurcație (figura 2.35.b). A doua faz verific propriet țile geometrice din jurul bifurcației
(figura 2.35.c).

71 / 122
Algoritm. Validarea bifurcației
Pentru fiecare bifurcație valid :
(1) Se calculeaz direcțiile celor trei ramuri la N bv1 = 3 /2 puncte;
(2) Dac punct caracteristic este g sit în cadrul a Nbv2= puncte: se invalideaz
aceast bifurcație i se merge mai departe;
(3) Deplasare de-a lungul fiec rei ramuri cu N bv3 = 3 /2 puncte i se verific dac o
margine lateral este prezent în cadrul Nbv4 = 3 /2 (vezi figura 2.35.b);
(4) Dac o creast lateral nu este g sit : se invalideaz aceast bifurcație i se merge
mai departe;
(5) Dac creste laterale sunt g site: se marcheaz bifurcația ca bifurcație mai puțin
exact ;
(6) Se defineşte o arie dreptunghiular ABCD (vezi figura 2.35.c) cu:
AB= 3 / 2,
AD= 4 ;
(7) Deplasare de-a lungul crestelor laterale (vezi figura 2.35.c) de la intersecțiile de la
stânga cu dreptunghiul P0 i P1 spre intersecțiile din dreapta P2 i P3;
(8) Dac se g se te o terminație: se invalideaz aceast bifurcație i se merge mai
departe;
(9) Dac P2 i P3 sunt atinse: se marcheaz bifurcația ca exact .

a) Topologia unei bifurcaţii tipice valide

b) Validarea bifurcaţiei

72 / 122
 c) Verificarea proprietăţilor geometrice din jurul bifurcaţiei
Figura 2.35. Vizualizare crestături [FARINA1]

Validarea terminațiilor

Distanța dintre dou creste adiacente r mâne aproape constant acolo unde nu mai
exist alte puncte caracteristice în traseul de intercreast . Aceea i considerație se aplic
reprezent rii duale a amprentei digitale analizând comportamentul traseului de intercreast .
Aceast regularitate este perturbat de prezența unei terminații când o creast este întrerupt
sau de structura ei dual , o bifurcație, când traseul de intercreast se termin .
Figura 2.36 arat comportamentul tipic al crestei în jurul unei terminații: crestele
învecinate se închid una pe alta când creasta dintre ele este întrerupt . Poate fi observat cum
distanța dintre crestele adiacente r mâne aproape constant .
Algoritmul de validare a terminațiilor propus se bazeaz pe aceast considerație
vizual i înl tur majoritatea terminațiilor false i pe cele care generate de marginile
amprentelor digitale.

Figura 2.36. Topologia tipică a unui punct terminal [FARINA1]

Algoritm. Validarea terminațiilor

Pentru fiecare terminație valid :
(1) se evalueaz direcțiaterminației definit ca direcția crestei întrerupte pe Nr= puncte;
(2) dac direcția nu poate fi evaluat pentru existența unui punct caracteristic în cadrul Nr
puncte; se invalideaz terminația i se merge mai departe;
(3) deplasare de-a lungul terminației N ev1 = /2 puncte;
(4) se caut crestele învecinate în mod ortogonal direcției terminației;
(5) dac în cadrul Nev2= 3 /2 puncte crestele nu sunt interceptate: se invalideaz terminația i
se merge mai departe;
(6) se defineşte o arie dreptunghiular ABCD (vezi figura 2.37) cu:
AB= 3 /2,

73 / 122
 AD= 3 ,
(7) crestele laterale sunt scanate de la P0 i P1 spre ie irea din dreptunghi (punctele P2 i P3)
sau la apariția unei terminații sau bifurcații;
(8)dac o creast lateral traverseaz dreptunghiul în DC sau AB, în timp ce cealalt
traverseaz dreptunghiul în BC: se marcheaz terminația ca i terminație mai puțin exact ;
(9) dac un punct caracteristic este g sit: se invalideaz terminația i se merge mai
departe;
(10) dac ambele creste laterale traverseaz dreptunghiul în BC:
(a) dac crestele laterale nu sunt convergente (vezi figura 2.37): se marcheaz
terminația ca mai puțin exact , altfel se marcheaz terminația ca fiind de mare exactitate;
(b) dac o creast este detectat între P2 i P3: se invalideaz terminația.

Figura 2.37. Aria dreptunghiului [FARINA1]

Convergența crestelor
Punctele crestelor laterale conținute în dreptunghiul ABCD sunt folosite pentru a
estima direcțiile lor. Dac u1 i u2 sunt vectorii unitate ai direcțiilor estimate, gradul
convergenței este estimat de componenta vertical a produsului vector:
C= (u1 Λ u2) ·k
unde k este vectorul unitate al axei normal la planul imaginii. Crestele laterale sunt
considerate convergente dac coeficientul C ≥ θ ep = 0.085 corespunz tor unui unghi de 4°.
Dac crestele sunt aproape paralele, atunci C  0, în timp ce pentru creste divergente, C< 0.
Dac o terminația nu verific condiția de convergenț este marcat ca mai puțin exact dar
nu este invalidat deoarece crestele laterale ale terminațiilor valide pot fi aproape paralele i
caracterizate de convergența foarte lent .

Rezultate
Procedura de extracție a punctelor caracteristice propusa a fost testat pe imaginile a 500
de amprente digitale de la NIST Special Database 4 [NIST1]. Imaginile cu amprente digitale
sunt stocate ca 512 x 512 pixeli imagini de scar -gri de 8-bi i. Baza de date este organizat
pentru a garanta existența mai multor topologii de amprente digitale dife rite i imagini de
calit ți diferite.

74 / 122
2.3.4. Prezentarea unor articole şi evenimente referitoare la recunoaşterea persoanelor
dup amprent , publicate dup anul 1998

În anul 1999 Principala component a Sistemului Integrat Automat pentru Identificarea

Amprentelor Digitale – IAFIS (Integrated Automated Fingerprint Identification System)
devine opera ional . IAFIS, sistemul FBI de identificare a impresiunilor digitale ale celor zece
degete, devine opera ional. Anterior cre rii standardelor asociate lui, o amprent digital
prelevat de un sistem nu putea fi verificat în baza de date a altui sistem. Dezvoltarea a
rezolvat problemele legate de comunicare şi schimbul de informa ii dintre sistemele
independente, precum şi pe cea a introducerii unei re ele na ionale de centralizare a
amprentelor în format electronic, aflat în administrarea FBI. IAFIS este utilizat pentru
verificarea antecedentelor penale şi identificarea amprentelor latente descoperite la fa a
locului. Sistemul ofer capacit i de verificare automat a impresiunilor latente sau a
amprentelor tuturor celor zece degete, de stocare în format electronic a imaginilor fe ei şi
fotografiilor amprentelor, şi face posibil schimbul electronic de amprente şi rezultate ale
verific rii în baza de date.
În acelaşi an apare şi patentul american cu nr. 5,926,555 – Fingerprint Identification
System, James R.Ort, Donglas L.Lange, Frederick W.Kiefer, Raymond J.Dennison – [ORT1].

 Paşii care trebuie parcurşi pentru a transforma o amprent într-o imagine digitizat alb –
Principalele probleme care sunt tratate în cadrul patentului sunt:

negru şi de a fi analizat de c tre computer pixel cu pixel. Se formeaz dou fişiere

care au urm toarele sarcini: 1. stocheaz detaliile despre unghiurile dintre crestele

 Uniformizarea contrastului pentru imaginea de intrare;

amprentei; 2. stocheaz zonele de interes a imaginii disponibile;

 Generarea mai multor h r i a gradien ilor pentru imaginea scanat pentru a uşura g sirea
de c tre calculator a detaliilor necesare identific rii, respectiv detaliile esen iale şi

 Determinarea frecven ei distan elor dintre linii care formeaz modelul amprentei,
unghiurile dintre linii;

num rul şan urilor dintre linii şi formele de spiral , bucl sau arc formate, cât şi

 Utilizarea filtrelor Fourier pentru procesul de nivelare a h r ilor care prezint unghiurile
num rul lor;

 În faza de potrivire (matching) se folosesc dou tipuri de amprente; una a persoanei în

dintre creste;

cauz şi alta din baza de date. La început se compar datele esen iale, iar apoi dac
exist asem n ri, încep s se compare şi detaliile care nu sunt esen iale.

Patentul nr. 6466686 - System and method for transforming fingerprints to improve
recognition – Andrew W. Senior (USA) – [SENIOR1] a fost publicat în anul 2002.
Cercet torii îşi propun s elaboreze o metoda pentru a spori calitatea unei amprente prin
eliminarea p r ilor denaturate ale acesteia. De mul i ani amprentele au fost folosite pentru
identificarea persoanelor. Metodele de a ob ine o amprenta sunt mai multe la num r, cea mai
veche fiind amprentarea pe hârtie dup ce a fost îmbibat degetul în cerneal . Mai nou se pot
preleva amprente de pe aproape orice suprafa , acestea putând fi prelevate deoarece degetele
fiind murdare cu o substan dulce (lipicioas ) sau cu o substan a uleioas , amprentele r mân
imprimate pe suprafa . Metodele moderne nu necesit cerneal sau hârtie deoarece se
foloseşte un procedeu numit “live-scan” (scanare în timp real) care prin ultrasunete sau
optic/electronic înregistreaz amprenta. Problema ridicat este reprezentat de deformarea
amprentei. Aceasta apare deoarece se încearc capturarea unei imagini 3D cu ajutorul unui
aparat cu format 2D. Deformarea apare în momentul amprent rii deoarece, atunci când se
înregistreaz toata suprafa a, degetul este presat. Aceast deformare poate fi minimizat prin

75 / 122
instruirea personalului de a avea grij cum preleveaz amprenta. Dar cu toate aceste
deformarea este inevitabil deoarece se aplic o suprafa a 3D pe o suprafa a 2D. Degetul
poate fi scanat şi în aer cu ajutorul unui laser pentru a se evita deformarea dar şi în acest caz
pot exista diferen e deoarece , de exemplu, forma degetului la acel moment depinde şi de
concentra ia de ap din piele.
Aceast problem este una grav deoarece calculatorul poate fi indus în eroare întrucât
distan ele dintre linii şi anumite caracteristici nu mai corespund cu imaginea din baza de date
şi rezultatul generat poate fi unul fals.
Inven ia doreşte s m soare gradul de deformare, iar mai apoi s o reduc prin
inversarea procesului de deformare într-un mod sistematic.
De aici se reduce riscul erorilor, iar gradul modific rii ar trebui s fie aproximativ egal
pentru toate imaginile din baza de date, în acest fel generându-se un rezultat real. Aparatul
este format dintr-un calculator cu unul sau mai multe procesoare, cu una sau mai multe medii
de memorare pentru stocarea imaginii şi cu unul sau mai multe mijloace de captare a imaginii.
Computerul capteaz una sau mai multe imagini de baz care sunt transformate la
rândul lor într-o reprezentare a localiz rii liniilor şi a distan elor dintre acestea, iar mai apoi se
estimeaz gradul de deformare m car la o por iune din amprent şi se combin toate
m sur torile ob inute de la celelalte imagini. Rezultatul reprezint gradul de modificare
prezent care va fi eliminat. În acest fel se reduce gradul de deformare, deci creşte
rentabilitatea şi încrederea rezultatelor generate de aparat. Apoi se reface harta amprentei
respective pentru a putea fi comparat .
O alt metod de a compara o imagine deformat este de a estima toate distan ele dintre
linii şi de a estima localizarea deform rilor prezente. În acest fel se extrag toate detaliile
precise de pe imagine, dup care li se aplic o anumit deformare pentru a se ajunge cât mai
aproape de forma imaginii de comparat. Imaginea care trebuie comparat poate fi scanat ,
poate fi preluat din arhiv , poate fi primit de la alt unitate de lucru sau poate fi ref cut din
harta unei amprente deja existente.
Meritul acestui patent este acela c s-a elaborat un aparat care s reduc semnificativ
într-un fel sau altul rata erorilor din cauza deform rilor amprentei.

Articolul „Fingerprint classification Using Oriented Field Flow Curves” – Sarat C. Dass
and Anil K. Jain – [DASS1] a fost publicat în anul 2002. Clasificarea manual a amprentelor
începe prin inspectarea cu foarte mare aten ie a caracteristicilor geometrice ale curbelor
crest turilor majore dintr-o imagine a unei amprente. În aceast lucrare se propune o abordare
automat pentru identificarea caracteristicilor geometrice ale crestelor, bazat pe curbe
generate de câmpul de orientare, denumite curbe ale câmpului orientare (OFFC).
Caracteristicile geometrice ale curbelor OFFC sunt determinate prin analizarea h r ilor
izometrice ale planurilor tangente cu un punct care traverseaz curba dintr-un cap t în cel lalt.
Calea trasat de harta izometric este alc tuit din câteva caracteristici importante, cum ar fi
punctele şi loca iile de schimbare a semnului precum şi valori ale extremelor locale, care
identific în mod unic caracteristicile geometrice ale fiec rei OFFC. Mai mult decât atât,
aceste caracteristici sunt invariante în ceea ce priveşte schimbarea loca iei, rota iei şi
modific rii dimensiunilor amprentei. Autorii acestui articol au aplicat procedura pe baza de
date NIST4, care const din 4000 de amprente, f r a se folosi nici o metod de înv are.
Clasificarea în patru clase majore de amprente (arc, bucl stânga, bucl dreapta şi spiral ) f r
op iuni de eliminare, a dus la o acurate e de 94.4%.

În anul 2003 apare lucrarea „Fingerprint Minutiae Extraction Based On FPGA and
Matlab” – Victor Lopez Lorenzo, Pablo Huerta Pellitero, Jose Ignacio martinez Torre, Javier
Castillo Villar – [LORENZO1]. Sistemele robuste de extragere a caracteristicilor amprentelor

76 / 122
digitale impun necesit i de calcul care sunt greu de îndeplinit pentru un sistem de procesare.
Au fost propuse mai multe solu ii hardware pentru a se sacrifica robuste ea în favoarea
vitezei, dar aceste sisteme nu sunt capabile s manipuleze amprente par iale, murdare sau
distruse sau, cel pu in, nu pot extrage suficiente caracteristici pentru a permite algoritmului de
potrivire s recunoasc amprenta ca fiind una valid . În acest articol s-a propus un algoritm
software de extragere a punctelor caracteristice, ajutat de o plac PCI de coprocesare, echipat
cu Xilinx FPGA.

Manualul „Handbook of Fingerprint recognition” – Davide Maltoni, Dario Maio, Anil

K.jain, Salil Prabhakar - [MALTO1] a ap rut în anul 2003, iar a doua edi ie a fost publicat în
anul 2009. Cartea reprezint un material foarte bine documentat şi poate fi utilizat în
aprofundarea informa iilor despre domeniul recunoaşterii persoanelor dup amprenta digital .

Patentul nr. 7,596,248 - Method for identification of person by recognition of a digital

fingerprint – Jean-Francois Cova (Paris) & frederic Chevalier Verneuil sur Seine – Fran a –
[COVA1] a fost publicat în anul 2009. Autorii acestui patent doresc, ca şi celelalte metode
anterior formulate, s dezvolte metoda de identificare a unei persoane pe baza amprentei
digitale. Se doreşte a se g si o metode de identificare a unei persoane dup amprenta unui
deget de la mân sau amprenta unui deget de la picior.
Cercet torii vor s foloseasc chiar şi o parte dintr-o amprent pentru identificarea
persoanei în cauz , amprenta ridicat de pe o suprafa dur sau de pe un obiect. Inven ia nu
se aplic numai pentru amprentele degetelor de la mâini sau celor de la picioare ci se aplic şi
pentru urmele l sate de palm sau de baza piciorului deoarece şi acestea con in caracteristici
asem n toare amprentelor.
Când suprafa a de pe care se ridic amprenta este plan sau aproximativ plan se poate
spune c imaginea digital reprezint o reproducere aproape perfect a topologiei zonei.
Dar dac amprentele sunt preluate de pe o zon curbat (mânerul unei unelte, clan a
unei uşi etc) ceea ce se poate preleva cu exactitate este partea central a amprentei, care va fi
de folos în mare m sur , deoarece p r ile laterale (dinspre capete) vor fi practic inutilizabile.
Dac se proiecteaz imaginea unei amprente prelevate de pe o suprafa a curb pe un
perete plan se vor putea observa diferen ele notabile şi modific rile care apar. Acest lucru face
compararea amprentelor mult mai grea, putând aduce cu sine erori. Datele prelevate de pe
oricare dintre aceste suprafe e sunt comparate cu datele aflate în baza de date pentru a se
ajunge la un rezultat.
Amprentele prelevate de pe o suprafa curb sunt trimise unui calculator care con ine
un algoritm specializat, ce va transforma amprenta din forma existent pe suprafa a curb într-
o form care ar trebui s existe pe o suprafa a plan .
De aici se poate folosi imaginea pentru a fi comparat cu alt imagine din baza de date
şi a se compara punctele esen iale şi toate elementele posibile care ar putea duce la un rezultat
favorabil. Imaginea este separat în mai multe sub-imagini care ar putea fi generate pe o
suprafa plan şi mai apoi aceste imagini sunt unificate de c tre algoritm într-o imagine mare
care s fie relevant şi util .

Num rul articolelor este în continu creştere, dup cum se poate vedea printr-o c utare
pe site-urile de specialitate (IEEE, IET, Thomson, etc.). De exemplu, în anul 2009 în cadrul
IEEEXplore, au fost g site 802 articole care con in cuvântul „fingerprint”, în 2010 – 833, în
2011 – 737, 2012 – 788 şi 672 articole din anul 2013. Acest lucru demonstreaz un real
interes fa de acest domeniu al recunoaşterii persoanelor dup amprent .

77 / 122
78 / 122
 CAPITOLUL III
Stadiul actual al cercet rilor referitoare la recunoaşterea
persoanelor dup iris

3.1. Structura ochiului uman și a irisului

Globul ocular al omului are forma unei sfere, form dat de scler . Corneea este
membrana transparent a ochiului, avascular , cu rol de protec ie şi de mediu refringent.
Camera anterioar reprezint spa iul dintre fa a posterioar a corneei şi fa a anterioar a
irisului.
Irisul este un disc circular colorat, este parte a uveei oculare, fiind sus inut suspendat
în umoarea apoas prin corpul ciliar. Este alc tuit dintr-o strom conjunctiv de tipul
mezenechimul embrionar, acoperit anterior de epiteliu şi posterior de o foi a pigmentar
(partea iridian a retinei). Culoarea este dat de num rul de melanofori din strom . Diametrul
este de 12 - 13 mm şi o grosime în medie de 0,35 mm. Pupila - orificiu circular sau alungit în
centrul irisului, care permite prin contrac ie sau dilatare s se dozeze cantitatea de lumin ce
p trunde în ochi; are rolul de apertur a ochiului.
Suprafa a anterioar a irisului poate fi împ r it în dou zone principale: zona intern -
pupilar şi zona extern -ciliar , separate prin colereta irian . Colereta este o proeminen
festonat , mai mult sau mai pu in vizibil . Lacunele (cripte iriene Fuchs) sunt rezultatul unor
defecte în formarea embriologic a irisului. Ele sunt descrise ca fisuri în grosimea irisului, cu
aşezare radial fa de pupil , cu adâncime, l ime şi lungime variabil . Nodulii Wölfflin
reprezint condens ri rotunjite ale esuturilor stratului anterior şi se g sesc cel mai frecvent în
treimea extern a irisului. Ei au dimensiuni, forme şi nuan e de culoare diferite iar num rul lor
este varibil. În esutul irisului se descriu şi inele de contrac ie, concentrice cu pupila şi limbul,
situate de obicei în zona ciliar (figura 3.7).

Figura 3.7. Structura irisului [MOLDO1]

F r eforturi suplimentare din partea operatorului uman, achizi ia de imagine a irisului

nu se poate limita la o imagine ce con ine doar irisul. Mai degrab , achizi ia de imagini va
cuprinde irisul ca parte a unei imagini mai mari care con ine şi date suplimentare din imediata
apropiere a ochiului. Din acest motiv, înainte de a începe procedura de pattern matching a
irisului, este important localizarea acelei por iuni din imaginea captat care corespunde
irisului. In mod particular, este necesar localizarea acelei por iuni de imagine derivativ din

79 / 122
interiorul limbusului (zona de trecere dintre sclerotic şi iris) şi din afara pupilei. Mai mult,
dac pleopele blocheaz o parte a irisului, atunci, doar o por iune din imaginea format între
pleoapa superioar şi cea inferioar trebuie luat în considerare. În mod normal, datorit
modific rii de culoare pe care zona limbic o marcheaz , aceasta este perceput ca un contrast
puternic. Totuşi, p r ile inferioare şi superioare ale acestei zone pot fi acoperite de pleoape.
Limita pupilei poate fi mult mai pu in vizibil . Contrastul dintre un iris puternic pigmentat şi
pupila acestuia poate fi destul de redus. Mai mult, chiar dac în mod normal pupila este mai
închis la culoare decât irisul, o situa ie invers poate fi întâlnit la bolnavii de cataract :
irisul, devenit o lentil opac , genereaz o cantitate mare de lumin defocalizat . Ca şi în
cazul limitei pupilare, contrastul în cazul pleoapelor este variabil, în func ie de pigmentarea
diferit a pielii şi a irisului. Limita pupilei poate fi de asemenea neregulat, datorit genelor.
Cumulate, toate aceste observa ii sugereaz c localizarea irisului trebuie s depind de o
serie larg de contraste, de margini neregulate sau brute, şi s poate fi realizat independent de
ocluzii variabile.
Irisul ochiului uman este o structur complex care cuprinde muşchi, esut conjunctiv,
vase capilare şi cromatofore. La exterior prezint o structur vizibil cu varia ii radiale şi
unghiulare rezultând din brazde de contrac ie, fibre din colagen, filamente, vasculariza ie în
serpentin , inele şi pete de roşea ; luate împreun , acestea constituie o „amprent digital ”
distinctiv (individual , personalizat ). Imaginea optic m rit a unui iris uman, constituie de
asemenea o semn tur biometric plauzibil pentru stabilirea sau confirmarea identit ii
personale. Alte propriet i ale irisului care se preteaz acestui scop, şi sunt mult superioare

 imposibilitatea de a modifica prin interven ii chirurgicale structura sa, f r riscuri

amprentelor digitale pentru sistemele automate de identificare, includ:

 protec ia şi izolarea sa inerent de mediul fizic;

inacceptabile;

 r spunsul s u fiziologic la lumin , care este uşor de monitorizat.

Avantajele tehnice adi ionale în raport cu amprentele digitale pentru sistemele
automate de identificare includ facilitatea de a înregistra irisul în mod optic, f r contact fizic,
precum şi geometria polar intrinsec a irisului, care dau un sistem şi o origine de acelaşi rang
normal.
O proprietate important a ochiului real este faptul c diametrul pupilei prezint mici
oscila ii („hippus”) o dat sau de dou ori pe secund , chiar şi la o iluminare uniform . O
fotografie a unui iris sau a lentilelor de contact imprimate cu imaginea unui iris nu vor suferi
astfel de varia ii în timp. Deoarece procesul descris mai sus de g sire şi trasare a frontierei
pupilei este atât de rapid, este posibil s fie captate câteva imagini succesive şi s fie
monitorizate dimensiunile pupilei în timp. O absen a oscila iilor de tip „hippus” sau a altor
mici varia ii în structura irisului în timp ar putea constitui o dovad a faptului c o fotografie
sau un simulacru al ochiului a fost prezentat, în locul unui iris real, şi va indica o inten ie de
fraud . Aceast facilitate de a face o diferen între un iris real şi o fotografie sau un
simulacru reprezint un atu important în ceea ce priveşte securitatea, fiind posibil prin
mijloacele rapide pentru definirea şi trasarea frontierei pupilei.
În continuare se vor prezenta cronologic lucr rile reprezentative din domeniul
recunoaşterii irisului.

80 / 122
 3.2. Echipamente de achizi ie şi de prelucrare a imaginilor brute

3.2.1. Importanţa senzorilor

Tehnologia de recunoaştere a irisului se bazeaz pe analiza imaginii generate de un

senzor. Deci se pot identifica avantajele majore pe care le au senzorii în prelucrarea şi analiza
irisului şi anume:
 Imaginea preluat de c tre senzori poate fi prelucrat pe calculator. Exist
echipamente de preluare a imaginilor care con in software specializat şi metode de
procesare a irisului, dintre care se pot aminti: modificarea contrastului, inversare a

 Calitatea imaginii: îmbun t irea unei imagini într-un anumit sens predefinit;
tonurilor de gri, colorarea artificial , realizarea de m sur tori, etc.

reconstituirea sau refacerea unei imagini degradate, prin utilizarea unor informa ii
despre fenomenul de degradare; principalele surse de zgomot sunt: achizi ia şi
transmisia imaginilor (camera CCD: zgomot influen at de nivelurile de iluminare şi
temperatura senzorului; transmisia imaginilor: interferen ele din canalele de

 Grad înalt de siguran a sistemelor bazate pe senzori cu ultrasunete. Cum poate fi

transmisie);

detectat amprenta a unui iris fals? Folosirea unui iris indic o infrac iune grav , nu
este acelaşi lucru cu furtul unui cod PIN sau a unei parole. Un traductor care

 Economia de timp reprezint un alt avantaj esen ial, mai ales în cazul sistemelor CCD
detecteaz presiunea sângelui poate indica dac irisul apar ine unei persoane în via .

 Ecologic (neinvaziv pentru mediu). Utilizarea senzorilor optici, capacitivi sau cu

(Change-Coupled Device) care permit afişarea imaginii imediat dup expunere;

ultrasunete nu necesit substan e chimice cum erau folosite la developarea filmelor.

3.2.2. Dispozitive utilizate în vederea captării imaginii irisului

Imaginea irisului poate fi captat de un aparat de fotografiat standard folosind

deopotriv lumina natural şi infraroşie şi poate fi o procedur manual sau una automat .
Aparatul de fotografiat poate fi pozi ionat la o distan cuprins între 9 cm şi un
metru pentru a capta imaginea.
În procedura manual , utilizatorul trebuie s ajusteze aparatul de fotografiat pentru a
încadra irisul şi trebuie s fie la o distan între 15 cm pan la 30 cm de aparatul de
fotografiat. Acest proces este mult mai greu când se realizeaz manual şi necesit o
preg tire special a utilizatorului pentru a avea succes.
Procedura automat foloseşte un set de aparate de fotografiat ce localizeaz automat
fa a şi irisul. Îndat ce aparatul de fotografiat a localizat ochiul, sistemul de recunoaştere
al irisului identific apoi imaginea care ilustreaz cel mai bine centrarea şi claritatea irisului.
În aplica iile realizate în aceast tez de doctorat, s-a folosit camera Panasonic BM-
ET100US, care este prezentat în figura 3.2. Camera este format din dou obiective, cel de
sus fiind folosit exclusiv pentru recunoaşterea dup iris, iar cel de jos poate fi folosit ca şi
webcam. Aceast camer prezint avantajul c se poate folosi, de asemenea, şi pentru
recunoaşterea facial a persoanei, prin folosirea webcam-ului. Astfel, aceast camer este
ideal pentru o recunoaştere multimodal a persoanei, dup iris şi dup fizionomia fe ei.
Sub obiectivul webcam-ului se afl o surs de lumin în spectrul infraroşu apropiat,
care se activeaz atunci când se citeşte imaginea irisului. Imaginea luat în infraroşu red
mult mai fidel detaliile necesare recunoaşterii, deoarece culoarea irisului nu este important
pentru recunoaştere. De asemenea, în cazul irişilor puternic colora i (spre negru), captarea
imaginii folosind lumina natural ar putea duce la reducerea semnificativ a calit ii

81 / 122
detaliilor necesare unei recunoaşteri cât mai exacte a imaginii irisului. De asemenea,
trimiterea unui fascicul de lumin natural sau – mai ales – artificial c tre iris poate duce la
apari ia de puncte albe de mari dimensiuni pe pupil sau chiar pe iris, în acest fel reducându-
se şansele unei recunoaşteri corecte.
Pe lâng camer , în pachet se mai g seşte software-ul „PrivateID”, folosit pentru
preluarea şi recunoaşterea imaginilor irisului.

Figura 3.2. Camera cu obiectiv pentru recunoaştere dup iris (sus)

şi webcam (jos) Panasonic BM-ET100US

3.3. Începuturile cercet rilor referitoare la utilizarea irisului uman în vederea

recunoașterii persoanelor

3.3.1. Patentul cercetătorilor Flom și Safir din 1987

În anul 1987 s-a realizat de c tre cercet torii Leonard Flom şi Aran Safir, patentul
num rul 4641349 ([FLOM1]). Inven ia are scopul identific rii caracteristicilor ochiului uman
pentru a recunoaşte o persoan dup caracteristicile irisului.
Exist metode tradi ionale, mult mai cunoscute, de identificare a unui individ, prin
amprentarea sa sau prin prelevarea de amprente de la locul unei crime, de exemplu, pentru
identificarea acestuia. Dar g sirea şi prelevarea amprentelor este o munc grea şi anevoioas
ce necesit timp şi preg tire în domeniu. Pentru o mai uşoar identificare a indivizilor s-a
prezentat în patentul nr. 4109237 (acordat în anul 1978, care îl are ca autor pe Robert Hill), o
metod mult mai eficient de identificare a indivizilor prin recunoaşterea irisului de c tre un
aparat. Aceast metod are o acurate e mult mai mare decât prelucrarea manual , deoarece
unii indivizi pot încerca s -şi distrug amprentele în diferite feluri, dar la ochi este periculos
s încerce s distrug o parte din vascularizare deoarece aceste lucruri pot afecta vederea, în
unele cazuri ajungându-se la orbire. Un asemenea aparat este foarte util, deoarece citirea se
poate face cu o minim cooperare a individului.
Inven ia are la baz „recunoaşterea irisului”. În acest caz este mult mai uşor de a
identifica caracteristicile ochiului decât prin scanarea retinei deoarece irisul şi pupila sunt
mult mai uşor de citit.

82 / 122
 Acest procedeu se bazeaz pe caracteristicile constant schimb toare ale irisului şi
pupilei care se dilat şi se contract constant la o anumit surs de lumin , în acest caz
folosindu-se o lumina care este îndreptat înspre ochi astfel încât pupila s ajung la
dimensiunea dorit , aceast dimensiune existând la imaginea ochiului persoanei deja intrat în
baza de date.
Pentru ajustarea m rimii irisului trebuie folosite mai multe surse de lumini
monocromatice pentru ca în momentul în care irisul şi pupila ajung la dimensiunea dorit
atunci şi umbrele care se afl pe ochi s fie ca acele care sunt în imaginea de comparat,
respectiv aceste umbre modific în esen şi intensitatea culorii irisului, care trebuie s fie la o
anumit valoare prestabilit . Imaginea este prelevata de o camera de acurate e cât mai mare
care transfer aceasta imagine la un dispozitiv de calcul, unde este comparat cu cea din baza
de date. Irisul şi pupila sunt în strâns leg tur , irisul având func ia de a contracta sau de a
dilata pupila. Irisul se împarte în zona ciliar – care este zona periferica –, şi zona pupilar ,
care este reprezentat de zona interioar care desparte irisul de pupil .
Pe iris pot ap rea anumite pete denumite pistrui, pete mai închise şi pot ap rea ”cripte”,
care reprezint totodat o pat cât şi o adâncitur în iris. Aceste pete adâncite sunt localizate
în general la grani a dintre zona ciliar şi zona pupilar . Pistruii ca şi pete nu reprezint o
problema major în identificare deoarece num rul lor este constant, deci nu exist riscul ca la
momentul identific rii ochiul s aib alt structur din pricina acestora.
Exist o zon care delimiteaz irisul de pupil şi care este o linie sinuoas paralel cu
pupila şi reprezint cea mai groasa zona a irisului. Aceast zon este str b tut pe toat
suprafa a de brazde radiale, care mai sunt numite şan uri, şi care permit modificarea
dimensiunii irisului pentru a filtra cantitatea de lumina care ajunge în ochi.
Inven ia vrea s demonstreze c irisul poate fi folosit pentru identificarea unui individ.
Acest lucru se bazeaz pe unicitatea irisului şi pe stabilitatea de care d dovad de-a lungul
timpului, de aici rezultând faptul ca irisul este unic pentru fiecare persoan . Acest lucru poate
fi identificat atât în stratul exterior, cât şi în stratul interior al acestuia. Ideea principal este c
aparatul care capteaz imaginea s o fac cât mai exact şi, pe cât posibil, în aceeaşi pozi ie cu
imaginea de comparat, pentru a nu exista distorsiuni.
Este de preferat s existe mai multe camere pentru prelevarea imaginii din diferite
unghiuri, dar se poate folosi şi o singur camer care va fi mutat în diferite unghiuri în
func ie de necesit i. Se mai pot folosi şi alte metode de ob inere a imaginii bazate pe
utilizarea undelor laser care permit formarea unei holograme. Pentru a forma, analiza,
compara şi ajunge la un rezultat sigur se folosesc algoritmi care au fost elabora i înc din
1973. Algoritmii de detectare a marginilor pot fi folosi i în scanarea marginilor şi g sirea
acelor pete adâncite, lucru care ar duce la identificarea mult mai rapid a individului.
Inven ia este limitat de faptul c trebuie s existe m car o imagine cu o dimensiune
prestabilit a pupilei, şi m car aceeaşi propor ie a irisului şi pupilei salvat ca şi în imaginea
de comparat (de aici rezult c dac exist o parte a imaginii – dar nu suficient de mare –, nu
se va reuşi compararea celor doua mostre). Trebuie s se identifice câte una din toate
caracteristicile existente la ochi pentru a se ajunge la un rezultat concret.
Eficien a este sc zut din cauza faptului c nu sunt de ajuns doar anumite caracteristici
ale ochiului fotografiat pentru a fi comparat cu cel din baza de date, ci este nevoie de o
mul ime de caracteristici care trebuie s se potriveasc exact.

3.3.2. Lucrarea de bază în identificarea matematică a persoanelor după iris – patentul

cercetătorului britanic John Daugman din 1994

În anul 1994 a fost patentat lucrarea “Biometric personal identification system based
on iris analysis” [DAUGM2], realizat de c tre John Daugman, considerat p rintele

83 / 122
recunoaşterii persoanelor dup iris. Patentul are num rul 5291560, şi a fost emis în data de 1

 Localizarea irisului este rezolvat folosind modelarea activ a contururilor;

mai 1994. Principalele contribu ii ale acestui patent sunt:

 În privin a reprezent rii, Daugman propune aplicarea filtrelor Gabor.

Un mod de realizare a recunoaşterii persoanelor dup iris este pus într-o form
schematic în figura 3.2 şi cuprinde o schem func ional care descrie principalele etape în
crearea unui cod de identificare a irisului, iar apoi, utilizarea acestui cod pentru realizarea unei
identific ri. Procesul va fi discutat la modul general, urmat de o analiz detaliat .
Nu se cunoştea, pân la cercet rile care au condus la descoperirea lui Daugman
([DAUGM1], [DAUGM2]) dac existau suficiente grade de libertate sau varia ii ale irisului
între diverşi indivizi, pentru a da irisului aceeaşi singularitate ca la amprentele digitale
conven ionale. La fel de incert era şi faptul c nu se ştia dac algoritmi eficien i pot fi
dezvolta i pentru a extrage în mod sigur structura detaliat a irisului plecând de la o imagine
vizual , pentru producerea unui cod compact (de lungime minim în compara ie cu m rimea
datelor din imagine), şi pentru a lua o decizie referitoare la identitate cu o mare precizie
statistic , toate acestea realizându-se într-un timp foarte mic de procesare pe echipamentele
hardware existente. Inven ia lui Daugman rezolv toate aceste întreb ri în mod afirmativ.
La un nivel mult mai larg, sistemul poate fi proiectat în cinci etape. Pentru început, o
imagine a ochiului care va fi analizat trebuie captat în form numeric potrivit pentru
analiz , dup cum este ar tat în blocul 10 din figura 3.3. Apoi, por iunea de iris din imagine
trebuie definit şi izolat (blocurile 12, 14, 16 şi 18). Sectorul de imagine astfel definit trebuie
apoi analizat pentru producerea unui cod al irisului (blocul 20). Trebuie notat faptul c primul
cod al irisului produs pentru un iris particular este stocat ca şi un cod de referin (blocul 22).
În urm toarea faz , sistemul utilizeaz codul de referin pentru a face o identificare prin
compararea codului prezentat (bloc 24) cu codul de referin pentru a ob ine o distan
Hamming (bloc 26). Aceste date permit sistemului s stabileasc , confirme sau infirme,
identitatea subiectului (bloc 28) şi s calculeze un nivel de confiden pentru decizie (blocul
30). Într-o aplica ie practic a acestui sistem, o imagine digital precum cea ilustrat în figura
3.4 prezint un ochi 100 cu irisul 102 care înconjoar pupila 104. Partea 105 a ochiului este
sclerotica care este partea alb ce înconjoar în mod alternativ irisul 102. Prima etap în
tratarea (prelucrarea) imaginii este localizarea frontierei dinspre pupil 106, care separ pupila
104 de irisul 102, la un grad ridicat de exactitate (blocul 12 din figura 3.3). Aceast etap este
una critic pentru a se asigura de faptul c p r ilor identice ale irisului le sunt atribuite
coordonate identice de fiecare dat când o imagine este analizat , independent de gradul de
dilatare a pupilei.

84 / 122
 10
Achizi ia imaginii

12
Definirea marginii pupilare a irisului

14
Definirea marginii exterioare a irisului

Stabilirea sistemului de coordonate 16

18
Definirea benzilor de analiz

20
Analiza imaginii
22

Stocarea codului de referin

24
Prezentarea codului de identificare

26
Compararea codurilor pentru stabilirea distan elor Hamming

28
Identific sau respinge subiectul

30
Calculeaz nivelul de certitudine al deciziei
Figura 3.3. Schema logică a procesului de identificare a persoanelor pe baza codului iris
([DAUGM2])

a) Metodă pentru determinarea frontierei interioare a irisului

Frontiera interioar a irisului, care formeaz pupila, poate fi determinat exact prin
exploatarea faptului c frontiera pupilei este în mod esen ial o bordur circular . Dup cum se
poate vedea în figura 3.4, pupila 104 este în mod general mai întunecat în timp ce irisul 102
este mai deschis la culoare şi mai variat pigmentat. Oricum, acest raport poate fi câteodat
inversat, de exemplu în cazul ochilor cu irişi negri şi a opacit ii lentilelor interne sau în cazul

85 / 122
ilumin rii optice coaxiale (direct în ochi), în acest caz lumina fiind reflectat înapoi de la
retin spre pupil . Un alt motiv pentru care imaginea pupilei poate fi mai luminoas este legat
de reflexiile speculare ale corneei. O metod pentru g sirea frontierei pupilei trebuie s fie
atât de robust , încât s func ioneze în mod sigur chiar şi în cazul în care regiunea pupilei este
mai mult sau mai pu in închis la culoare decât irisul. Prezenta inven ie, prin care se atinge un
nivel optim de robuste e şi acurate e comportamental , priveşte un sistem de probe integrate
cu privire la frontiera pupilar autentic .

Figura 3.4. O fotografie a unui ochi uman, suprapus cu cercurile de segmentare

([DAUGM2])

Metoda lui Daugman detecteaz frontiera pupilei ca o schimbare brusc a intensit ii

de culoare când se face însumarea pe un cerc a c rui raz creşte în continuu. Aceast
schimbare brusc va fi maxim dac cercul are centrul s u cât mai apropiat de centrul real al
pupilei şi când raza sa atinge adev rata raz a pupilei. Tot aşa, problema prelucr rii imaginii
pentru g sirea pupilei poate fi formulat ca o problem de optimizare, în care seriile de
„cercuri care explodeaz ” (la care razele cresc în mod rapid) sunt pozi ionate cu coordonatele
lor centrale situate la cel pu in unul din punctele de test de pe gril . Pentru fiecare cerc „care
explodeaz ” şi pentru fiecare valoare a razei sale, luminozitatea total a imaginii este
însumat pe un num r fix de puncte de pe conturul cercului. Folosind un num r constant de
puncte pentru fiecare cerc, în mod normal 128, se înl tur creşterea automat în însumarea
luminozit ii imaginii la creşterea circumferin ei. Sistemul caut rata maxim de schimbare a
acestei cantit i în timp ce raza creşte. Pentru cercul care descrie cel mai bine frontiera
pupilei, va avea loc o „tranzi ie” foarte rapid în rata de schimbare a luminozit ii însumat pe
perimetrul s u, când raza sa atinge exact frontiera pupilei. Aceast tranzi ie va fi mult mai
mare pentru un cerc care are coordonatele centrale identice cu cele ale pupilei, decât pentru
toate celelalte cercuri. În acest fel, problema localiz rii precise a pupilei a fost convertit într-
o problem de optimizare, în care un spa iu format din trei parametri este c utat pentru cele
mai bune coordonate ale centrului cercului (x0, y0) şi a razei sale (r).

86 / 122
 Procedeul poate fi descris matematic ca însumarea pe o integral de contur a imaginii
de intensitate, I(x,y), de-a lungul arcului (ds) a unui cerc care are raza (r) şi coordonatele
centrului s u sunt (x0, y0); apoi se trece la calculul derivatei par iale a acestei cantit i în
raport cu r pe m sur ce raza creşte. Valoarea absolut maxim a acestei derivate este c utat

r r , x0 , y0

în spa iul de trei parametri (x0, y0, r) [DAUGMAN, (1)] :
max ( r , x0 , y0 ) I ( x, y )ds (3.1)

Derivata par ial în raport cu r poate fi neted sau neclar , derivat pentru imunitatea la
zgomot, şi poate de asemenea fi convertit la un procent de schimbare (se divizeaz prin
valoarea curent a integralei) pentru o imunitate la zgomot crescut . Metoda are de asemenea
o imunitate intrinsec la zgomot, deoarece integrala de contur în mod firesc integreaz datele
pe un anumit contur, astfel încât orice devia ie în intensitatea pixelilor tinde s fie eliminat .
Procesul de c utare în spa iul celor trei coordonate este dirijat de creşterea gradientului
sau „parcurgerea pantei ascendente”. Dac o serie posibil de cercuri la care raza creşte
constant se afl par ial în interiorul pupilei, valoarea cantit ii definite în ecua ia (3.1) va fi
mai mare decât pentru alte cercuri. Cu cât centrul cercurilor concentrice este mai apropiat de
centrul real al pupilei, cu atât va fi mai mare aceast cantitate. În mod similar, cantitatea din
ecua ia (3.1 – [DAUGM2]) va fi mai mare pentru cercuri de raz apropiat . Astfel, metoda
poate g si combina ia optim a celor trei parametri printr-un proces de c utare iterativ, în care
m rimea de prag a schimb rilor celor trei parametri descreşte cu fiecare itera ie succesiv .
Prin deplasarea în direc ia cea mai bun (în care rata de ameliorare este cea mai mare) în
spa iul celor trei parametri şi prin alegerea m rimilor de prag propor ionale cu rata de
îmbun t ire şi prin sc derea acestora cu fiecare itera ie se ajunge la o convergen rapid a
metodei. În mod normal, dup patru sau cinci itera ii, valorile optime ale celor trei parametri
pot fi determinate cu o eroare de doar un pixel. Valorile pentru (x0, y0, r) determin frontiera
estimat a pupilei, la fel ca şi originea sistemului de coordonate polare pentru analiza
ulterioar a irisului.
Din moment ce frontiera şi centrul pupilei au fost determinate, urm torul pas este
localizarea frontierelor exterioare ale irisului, sau limb, unde acesta întâlneşte sclerotica. O
observa ie important care trebuie f cut este reprezentat de faptul c pupila nu este
întotdeauna centrat cu irisul. Distan ele radiale înspre stânga sau dreptul limbului pot varia
cu cel mult 20%, şi, din acest motiv, amândou distan ele trebuie s fie calculate pentru a
genera un sistem de coordonate a irisului potrivit. O observa ie suplimentar este reprezentat
de faptul c pleoapele superioar şi inferioar în mod general întunec sau ascund frontierele
superioare şi inferioare ale irisului, şi astfel aceste regiuni trebuie s fie excluse din analiza
irisului.

b) Determinarea frontierelor exterioare ale irisului

Aceeaşi metod general a „cercurilor care explodeaz ”, care a oferit o determinare

exact a frontierelor pupilare, poate fi folosit pentru g sirea frontierelor exterioare ale
irisului, dar cu dou modific ri. În primul rând, fiind date regiunile din partea de sus şi de jos
ale pleoapelor care ascund o regiune din iris, metoda se reduce la doar dou arce de cerc de-a
lungul meridianului orizontal, unul înspre partea din stânga şi unul spre dreapta (la 0 şi
180), fiecare subîntinzând /4 radiani (45). Distan ele la cele dou frontiere (care se g sesc
de o parte şi de alta a irisului) sunt m surate separat. În al doilea rând, din cauza structurii
concentrice posibile din iris care poate produce un maxim în ecua ia (3.1), integrala de contur
utilizat mai înainte pentru determinarea frontierei pupilei poate fi înlocuit cu o integral de
suprafa care înl tur detaliile irisului în detectarea limbului. De fapt, „cercurile care

87 / 122
explodeaz ” sunt înlocuite de dou „arce de cerc orizontale care explodeaz ”, care încearc s
g seasc paşi în care iluminarea creşte, acest lucru semnificând sclerotica. Ca şi mai înainte,
procesul de c utare r mâne unul de g sire a maximului în rata de creştere a luminozit ii
integrate pe m sur ce dimensiunea razei creşte. Dup compensarea domeniului cresc tor al
integr rii luminozit ii, maximul din aceast derivat în raport cu raza corespunde invariabil
cu frontierele corecte din dreapta şi stânga ale irisului.
Matematic, aceast opera ie este implementat prin c utarea valorii lui r (distan a între
centrul pupilei şi partea din stânga sau dreapta), care maximizeaz expresia [DAUGM2,

max r[1.5 r0 ,10 r0 ] 

r   r  r    / 8
 r  2   / 8
rela ia (2)] :
I (  ,  )  dd (3.2)

unde r0 este raza pupilei (calculat anterior),  este o sec iune radial sub ire (de obicei 0,1r0),
I(,) reprezint intensit ile imaginii, în acest moment exprimate în coordonatele polare  şi
, şi  egal cu 0 sau , corespunzând fie p r ii din dreapta sau stânga, respectiv. S-a
considerat util calcularea acestei expresii pentru valori ale lui r între 1,5r0 şi 10r0 (adic între
1,5 şi 10 ori raza pupilei) în c utarea frontierelor exterioare ale irisului, acoperind în acest
mod o mare arie de diametre relative ale irisului şi pupilei. În mod similar, alegerea valorilor
de + / - /8 radiani (22,5) pentru unghiul arcului de integrare din ecua ia (3.2) a demonstrat
un util delimitator unghiular orizontal pentru sectoarele de cerc, astfel încât s se ocoleasc
pleoapele de sus şi de jos. Rezultatele calculate din ecua ia (3.2) sunt prezentate în figura 3.2
ca o serie de puncte albe, între 110-l şi 110-r pe irisul 102, care corespund corect frontierelor
din dreapta şi din stânga ale irisului.
În concluzie, ecua ia (3.1) g seşte frontiera intern a irisului, adic frontiera pupilar .
Aceast ecua ie genereaz o serie de „cercuri care explodeaz ” la diferite pozi ii ale centrului,
c utând iterativ o combina ie a parametrilor (x0 şi y0 pentru centru şi raza r) pentru care
luminan a integrat pe conturul cercului sufer valoarea cea mai mare a valorii de schimbare.
De aici, se poate c uta valoarea maxim absolut a derivatei par iale în raport cu r, a
integralei de contur a luminescen ei pe circumferin a cercului. Aceast c utare acoper spa iul
dat de parametrii (x0, y0, r) într-un proces iterativ foarte eficient a ascensiunii gradientului.
Ecua ia (3.2) g seşte frontiera exterioar a irisului, numit şi limb, unde sclerotica alb
începe. Acelaşi proces al „cercurilor care explodeaz ” ca şi în ecua ia (3.1) func ioneaz , dar
pentru:
(i) ocluziile cauzate de pleoapele de sus şi de jos;
(ii) faptul c irisul este mai pu in uniform decât pupila şi poate avea el însuşi
„cercuri explodânde” foarte mari, ceea ce ar putea face algoritmul descris de
ecua ia (3.1) s nu func ioneze.
Deci ecua ia (3.2) specific mai degrab o serie de „arce de cerc care explodeaz ” pe
meridianul orizontal (evitând aşadar pleoapele de sus şi de jos) şi integreaz iluminarea din
interiorul elipselor în locul cercurilor. Aşadar, ecua ia (3.2) specific o integral de suprafa
în coordonate polare care este diferen iat în raport cu raza, în loc de o integral de contur ca
în ecua ia (3.1).
Cu loca iile frontierelor irisului şi ale pupilei stabilite şi cu originea coordonatelor
polare fixat în centrul pupilei, o serie de zone de analiz sunt atribuite regiunilor irisului.
Acestea sunt definite concentric aflate la frac iuni liniare fixate ale distan ei radiale dintre
pupil şi limb, oricare ar fi m rimea total a irisului într-o imagine dat , pentru a asigura o
invarian în cadrul codului. Deci sistemul de coordonate polare pentru iris este f r
dimensiuni atât în coordonatele unghiulare, cât şi în cele radiale. Din moment ce irisul poate fi
modelat aproximativ ca o fâşie de cauciuc, care se dilat şi se contract odat cu reflexul
pupilar, textura şi semnele sale distinctive se l rgesc şi se strâng în mod asem n tor. Aceste
distorsiuni sunt eliminate prin utilizarea unei coordonate radiale care delimiteaz distan a

88 / 122
dintre frontiera interioar a irisului (pupila) şi cea exterioar . În acest fel un iris dat, în stadii
diferite ale dilat rii pupilei în diverse ocazii, ar trebui s genereze aproximativ acelaşi cod. Un
al doilea scop atins de c tre acest sistem de coordonate f r dimensiuni este faptul c
diferen ele în m rimea total a irisului, legate de achizi ia imaginii de la diferite distan e, nu
vor schimba codul irisului calculat.
Din moment ce pupila nu este, în general, perfect centrat cu irisul în planul orizontal,
este necesar ca frac ionarea s fie bazat pe o combinare liniar a estim rilor coordonatelor
din dreapta şi stânga ale limbului, aproximate cosinusoidal de c tre unghi. Din cauza
ocluziilor par iale frecvente ale p r ii de sus a irisului provocate de pleoapa superioar şi a
reflec iilor speculare care provin de la cornee care ascund p r i inferioare ale irisului, aceste
zone sunt excluse din analiz şi codificare. O ilustrare a acestor din urm zone de analiz ,
suprapuse peste o imagine a unui iris particular, pot fi v zute în figura 3.4.
În mod concret, por iunea de iris care trebuie analizat este mapat şi subdivizat în
benzile de analiz 112 (vezi figura 3.4). Aceste benzi de analiz sunt definite într-un sistem de
coordonate polare special a c rui coordonat radial poate fi pu in distorsionat dac , cum
deseori se întâmpl , frontierele interioare şi exterioare ale irisului nu sunt concentrice.
Concret, pentru oricare coordonat unghiular din jurul irisului, coordonata radial r a unui
punct este definit de c tre frac ia ei din distan a dintre frontiera pupilei şi sclerotic , de-a
lungul razei. Astfel, aşa cum o coordonat unghiular este (în mod clasic) o cantitate lipsit de
dimensiuni cuprins între 0 şi 360 grade, la fel şi coordonata radial este f r dimensiuni în
sistemul considerat, luând valori întotdeauna între 0 şi 1, indiferent de m rimea total a
imaginii irisului şi indiferent de gradul de dilatare al pupilei. Din acest motiv acest sistem de
coordonate polare adimensional este în mod normal invariant la m rime (în acest fel
compensându-se distan a dintre ochi şi camera video). În mod similar, sistemul de coordonate
compenseaz în mod firesc neconcentricitatea frontierelor dinspre interior şi exterior ale
irisului.
Patru tr s turi speciale adi ionale ale benzilor de analiz 112 sunt necesare pentru
compensarea abaterilor imaginilor mai multor irişi de stereotipul ideal, inelar sau circular. În
primul rând, din moment ce pupila 104 are ea îns şi o frontier neregulat , banda de analiz
cea mai dinspre interior începe cu o raz de aproximativ 1,1 ori mai mare decât raza medie a
pupilei, pentru a asigura excluderea integral a pupilei. În mod similar, din moment ce
tranzi ia de la irisul 102 la sclerotica 105 poate fi de asemenea neregulat şi necircular , iar
banda cea mai dinspre exterior se întinde doar pân la 80% din distan a spre frontiera extern
a irisului (m surat spre dreapta şi stânga, cu o apreciere cosinusoidal în unghiuri
intermediare). În al treilea rând, adaptarea trebuie s fie f cut pentru ocluzii ale p r ii de sus
şi de jos ale irisului de c tre pleoape, şi în al patrulea rând, pentru o reflexie specular care
poate acoperi o parte din iris în cazul în care este folosit o surs de iluminare oblic (în mod
normal dinspre partea de jos). Aceste tr s turi „accidentale” sunt excluse prin restrângerea
benzilor de analiz dinspre exterior la dou conuri situate în jurul meridianului orizontal, în
acest mod evitând ca regiunile acceptabile s fie ascunse de pleoapele de sus şi de jos, şi de
altfel excluzând şi por iunile nefolosite din partea de jos cauzate de reflexii speculare. Aceste
zone excluse din analiz sunt notate în figura 3.4 cu 114a şi 114b. Este de preferat s se
divizeze zona irisului în nu mai pu in de opt benzi rotunde 112 pentru analiz , la frac ii radiale
fixate ale distan ei dintre frontierele interioar şi exterioar , dup cum au fost definite
anterior.
Având definit cu o mare acurate e por iunea de imagine care este subiect al analizei,
sistemul proceseaz apoi datele ob inute din regiunea respectiv pentru a genera codul de
identificare, dup cum este descris şi în blocul 20 din figura 3.3. În compara ie cu brevetul lui
Flom ([FLOM1]), Daugman afirm în patentul s u ([DAUGM2]) faptul c metoda nu depinde
de dilatarea pupilei. Mai exact, din cauza coordonatelor radiale adimensionale care pur şi

89 / 122
simplu m soar anumite frac iuni ale distan ei dinspre frontiera interioar spre cea exterioar
a irisului, orice bucat dat a es turii irisului va c dea tot timpul în aceeaşi zon de analiz ,
cu aceleaşi coordonate de pozi ie, ne inând cont de cât de dilatat sau comprimat se întâmpl s
fie irisul din cauza dilat rii pupilei. Acest sistem de coordonate adimensional exploateaz
faptul c întinderea irisului poate fi aproximat ca întinderea unei buc i de cauciuc, astfel
încât semnele sale pot fi recuperate matematic într-o form nedistorsionat deoarece sistemul
de coordonate se restrânge cu o cantitate egal . Din acest motiv, textura irisului este
întotdeauna codificat în mod esen ial în acelaşi IrisCod (cod al irisului), ne inând cont de
gradul de dilatare al pupilei şi de m rimea total a imaginii irisului.
O strategie eficient pentru extragerea informa iilor texturii pornind de la imagini,
cum ar fi şi structurile detaliate ale irisului, este reprezentat de o convolu ie cu filtre „trece-
band ” în cuadratur , cum ar fi filtrele 2-D Gabor. Aceste filtre 2-D au fost propuse de J.
Daugman în 1980 şi 1985 ([DAUGM4], [DAUGM5], [DAUGM6]), ca rezultat al cercet rii în
vederea în elegerii propriet ilor câmpurilor receptive selective legate de orientare şi
frecven , observate în cortexul vizual primar, precum şi ca operatori utili pentru problemele
practice de analiz a imaginii. Ca filtre optimale ele ofer o rezolvare în mod simultan pentru
frecven a spa ial şi a informa iei legate de orientare, împreun cu pozi ia 2-D. Aceste
propriet i sunt în mod particular folositoare pentru analiza texturii, din cauza specificit ii
spectrale 2D la fel ca şi dependen a pozi ional a texturii.
Doi membri ai familiei filtrelor 2D Gabor sunt ilustrate în figura 3.5, ca profiluri de
unde par-simetrice şi impar-simetrice, împreun cu desenul lor de contur. În figur sunt
prezentate filtre „trece-band ” în cuadratur , care sunt folosite ca şi nuclee de convolu ie a
imaginii pentru extragerea structurii irisului la diverse sc ri de analiz . Aceste func ii 2D
legate şi ondulate, definite la mai multe m rimi şi pozi ii diferite, sunt multiplicate de c tre
datele pixelilor imaginii naturale şi integrate peste domeniul lor de suport pentru a genera
coeficien i care descriu, extrag şi codific informa ia texturii imaginii. John Daugman a dat
acestora numele de „filtre Gabor 2-D” deoarece sunt o generalizare 2-D a unei clase de func ii
elementare discutate pentru o singur dimensiune de c tre Dennis Gabor în 1946
([GABOR1]).

Figura 3.5. Filtre „trece-bandă” în cuadratură ([DAUGM2])

90 / 122
 Filtrele 2D Gabor utilizate de Daugman sunt definite în coordonate polare în felul

G(r , )  e 2i (  0 )  e  ( r  r0 ) /   e  (  0 ) / 
urm tor [DAUGM1, rela ia (3)] :
2 2 2 2
(3.3)
unde r reprezint raza (r[0,1]),  este distan a unghiular în radiani (θ[0,2π]),  este
frecven a filtrului, iar  şi  sunt constante.
Sunt folosi i atât membrii reali şi cât şi cei imaginari ai cuadraturii (par şi impar-
simetrici) ai perechii de filtre proiectate din func ia analitic anterioar . Parametrii liberi  şi
 co-variaz în propor ie invers cu  pentru a genera o familie simetric multi-scalar de
filtre în cuadratur selectivi de frecven . Ei sunt în cuadratur deoarece amândou fazele
ortogonale sunt folosite la fiecare pozi ie. Sunt auto-similari deoarece propor ionalitatea
invers a parametrilor lor de m rime şi frecven duce la o dilatare de la unul la altul,
partajând o form comun . Loca iile lor, specificate prin 0 şi r0, variaz în zonele de analiz
ale irisului.
În figura 3.6 sunt prezentate o serie de grafice care arat modul în care imaginea irisului
este convertit în bi i ai codului irisului folosind filtrele „trece-band ” în cuadratur .

a)

b)

c)

Figura 3.6. Convertirea imaginii în bi i ai IrisCode-ului ([DAUGM2]), pentru o raz

particular

Maniera prin care un cod al irisului este generat prin trecerea filtrelor Gabor 2D peste
iris, în coordonate polare, este ilustrat în figurile 3.6 (a), (b) şi (c). Figura de sus (3.6 (a))
arat o scanare 1D în jurul irisului la o raz particular , deseneaz luminescen a imaginii unei
func ii de coordonate unghiulare în jurul irisului (pentru simplicitate, imaginea este
reprezentat aici doar ca un semnal 1D în loc de 2D). A doua figur (3.6 (b)) arat r spunsul
unui filtru Gabor cu o m rime şi simetrie particular , pozi ionat peste fiecare coordonat
unghiular corespunz toare a irisului. Ar trebui notat faptul c , din cauza caracterului „trece-
band ” al filtrelor Gabor, r spunsul lor la semnalul de intrare neprelucrat (brut) poate fi ori
pozitiv ori negativ, şi este centrat în jurul lui zero. Modularea înceat , ne-informativ în
luminescen a semnalului brut, sus şi jos în jurul irisului rezultând din luminescen a de mai

91 / 122
înainte, este înl turat de c tre filtrele Gabor de tip „trece-band ”, dup cum este şi zgomotul
de înalt frecven .
Fiecare bit din codul irisului este determinat de r spunsul la un filtru Gabor 2D, având
m rime, simetrie şi pozi ie precise. R spunsul poate fi pozitiv sau negativ, func ie de aceasta
stabilindu-se valoarea fiec rui bit. Acest proces este indicat în ecua ia (3.4) ([DAUGM2]).
Deoarece un „bit de semn” este codat, acesta corespunde MSB-ului (Most Significant Bit –
Bitul cel mai semnificativ) coeficientului care rezult din integrarea produsului dintre un filtru
Gabor 2D cu imaginea de la intrare, dup cum a fost descris anterior. Utilizarea atât a
simetriilor pare şi impare în cuadratur ale filtrelor Gabor 2D, extr gând informa ii
independente, este indicat prin indecşii Re şi Im pentru bi ii determina i de p r ile imaginare
şi reale corespunz toare ale filtrelor Gabor 2D în form complex [DAUGM2, rela iile (4 -
7)] :

dac Re 
 
1 2i( 0 ) (r  )2 /2 (  )2 /  2
I (,)d d  0

MSBRe (r, )  
e e e

0 Re   e 2i( 0 ) (r  )2 /2 (  )2 /  2

I (,)d d  0
  
dac e e

1 Im  e I (,)d d  0
(3.4)
2i( 0 ) (r  )2 /2 (  )2 /  2

MSBIm (r, )  
 
dac e e

0 Im   e 2i( 0 ) (r  )2 /2 (  )2 /  2

I (,)d d  0
  
dac e e

pentru multiple sc ri de analiz (setate de parametrii  şi  şi de 107) şi de-a lungul tuturor

Aceste ecua ii condi ionale determin fiecare din cei 2.048 bi i dintr-un cod al irisului,

pozi iilor de eşantionare (setate de parametrii coordonatelor polar r şi ) în interiorul zonelor

de analiz definite în imaginea irisului. Este important de re inut faptul c este ob inut o
compresie a cantit ii mari de date de la intrare într-un astfel de cod, din cauza naturii sale de
necorelare. În timp ce imaginea original a irisului este alc tuit din aproximativ 262,000
octe i (o matrice de 512512 bi i, fiecare bit necesitând un octet), textura de baz a irisului a
fost redus de c tre acest cod Gabor 2D la o semn tur foarte compact cuprinzând doar
1/1000 din cantitatea total (adic 256 octe i).
Un exemplu a codului irisului format din 256 octe i este prezentat în col ul din stânga
sus a figurii 3.3, fiind organizat în 256 de coloane unghiulare, fiecare cu 8 bi i calcula i pe
zonele concentrice de analiz . Cu toate c într-un cod dat sunt 2048 bi i, un cod posed mai
pu in de 2048 grade de libertate binare independente. Principalul motiv al acestui lucru este
faptul c exist corela ii radiale substan iale într-un iris. De exemplu, o cut dat din iris tinde
s se propage de-a lungul unei distan e radiale importante, şi în acest fel îşi exercit influen a
în câteva p r i diferite ale codului. Corela iile sunt introduse de proprietatea de „trece-jos” a
filtrelor Gabor 2D, ceea ce reprezint un al doilea motiv. În mod specific, orice semnal
convolu ionat cu un filtru liniar cap t o distan de corela ie egal cu echivalentul l rgimii de
band a filtrului.
Num rul actual de grade de libertate independente poate fi estimat prin examinarea
distribu iei Hamming (frac iuni din bi ii care nu coincid) de-a lungul unei mari popula ii de
coduri de iris, comparând fiecare cod bit cu bit cu fiecare alt cod calculat de la un iris diferit.
Din moment ce fiecare bit are probabilitatea egal de a fi 1 sau 0, exist o probabilitate p=0,5
ca fiecare pereche de bi i din coduri ale irisului diferite s nu fie identici. Dac fiecare din cei
2048 bi i dintr-un cod dat ar fi independent de ceilal i bi i, atunci distribu ia distan elor
Hamming observate ar trebui s fie echivalente cu o distribu ie binomial cu p=0.5 şi
N=2048. Distribu ia actual a distan elor Hamming observate între coduri de la irişi diferi i
este ar tat în figura 3.7.

92 / 122
 Distribuţia binomială

250

200
Număr de comparaţii

150

100

50

0
1 8 15 22 29 36 43 50 57 64 71 78 85 92 99
Distanţa Hamming (%)

Figura 3.7. Grafic al distanţelor Hamming pentru „impostori”, adică pentru

comparaţii între coduri ale irisului calculate pentru irişi diferiţi ([DAUGM2])

Devia ia standard este =0.038, în jurul unei medii de =0.497. Din moment ce

pq
devia ia standard a unei distribu ii binomiale este dat de [DAUGM2]

 (3.5)
N
distribu ia observat a distan elor Hamming este echivalent cu o distribu ie binomial cu
N=173 octe i; o potrivire actual a unei astfel de distribu ii binomiale observat la datele din
codul irisului, şi care poate fi v zut în figura 3.5 [DAUGM1, Fig.10] , relev o potrivire
excelent . Astfel, exist doar aproximativ 173 de grade de libertate binare independente într-
un cod de 2048 bi i. Aceast estimat este comparat cu o a doua estimat , ob inut prin
aplicarea algoritmului de compresie Lempel-Ziv ([SAYO1]) codurilor irişilor. Aceast
procedur genereaz coduri ale irisului care nu sunt corelate, având o lungime medie de 194
bi i (aproximativ 24 octe i).
Utilizând estimarea binomial de N=173 grade de libertate binare ca o m sur a
complexit ii sau m rimii dimensiunilor unui cod al irisului de 2048 bi i, se poate calcula
probabilitatea ca dou coduri a doi irişi diferi i s coincid din întâmplare. Din moment ce
filtrele Gabor 2D nu au o eroare sistematic pozitiv sau negativ , în mod apriori şansele ca
orice bit dat s fie 1 sau 0 sunt egale, şi de aici probabilitatea este de 0.5 ca doi bi i
corespunz tori din codul a doi irişi diferi i s fie identici. Descompunând în corela iile par iale
din bi ii unui cod, dar inând cont şi de independen a dintre coduri, posibilit ile ca doi irişi
diferi i s genereze acelaşi cod este de 1:2173, adic egal cu 1:1052.

93 / 122
 Procesul de comparare a codurile a doi irişi (figura 3.3, blocul 26), cum ar fi unul
memorat anterior (blocul 22) şi unul care este calculat de la o imagine prezentat camerei de
luat vederi (blocul 24), este foarte simplu din cauza formatului universal şi a lungimii fixe a
tuturor acestor coduri. O metric de similaritate, numit distan Hamming, este calculat , ea
m surând „distan a” sau similaritatea dintre dou coduri. Aceast m sur adun pur şi simplu
num rul total de apari ii a doi bi i care difer din dou coduri provenite de la irişi diferi i.
Exprimat ca o frac iune între 0 şi 1, distan a Hamming între orice cod al irisului şi o copie
exact a sa va fi cu siguran 0, din moment ce to i cele 2048 de perechi de bi i sunt identice.
Distan a Hamming dintre orice cod al irisului şi complementul s u (caz în care fiecare bit este
inversat) va fi 1. Distan a Hamming din dou şiruri independente de bi i generate aleatoriu se
aşteapt s fie 0.5, din moment ce fiecare pereche de bi i corespunz tori au o posibilitate de
50% s fie aceeaşi şi tot 50% s difere. Astfel, dac dou coduri ale irisului provin de la doi
irişi diferi i, distan a lor Hamming se aşteapt s fie 0,5; dac provin de la acelaşi ochi, în
ocazii diferite, distan a Hamming dintre ei trebuie s fie considerabil mai mic . Dac
amândou coduri ale irisului au fost calculate din aceeaşi fotografie, distan a Hamming
trebuie s se apropie de zero.
Compara iile dintre codurile irişilor poate fi f cut cu câteva deplas ri relative diferite
de-a lungul axei unghiulare, pentru a compensa posibila mişcare a capului subiectului sau
rota ia de torsiune a ochilor. Aceste deplas ri relative ce apar în compararea codurilor sunt
uşor de implementat prin deplasarea în spiral lateral a codului irişilor relativ unul la cel lalt,
ca şi în cazul codului irisului prezentat în figura 3.4 care poate fi înf şurat într-un cilindru,
atingând marginile din dreapta şi stânga, iar apoi rotindu-se cilindrul şi repetând procesul de
comparare.
Calcularea distan elor Hamming dintre coduri este f cut foarte simplu prin utilizarea
operatorului logic elementar XOR (eXclusive OR). O pereche de doi bi i A şi B pot avea
exact patru combina ii posibile: (AB) = (00), (01), (10) şi (11). Operatorul XOR aplicat celor
dou intr ri de mai sus este definit ca 1 dac doar una dintre intr ri este 1; altfel XOR-ul are
valoarea 0. Astfel, în exemplul dat mai sus, pentru cele patru combina ii posibile ale valorilor
lui A şi B, valorile corespunz toare pentru XOR-ul lor este: (A XOR B) = 0, 1, 1, 0. În mod
clar, XOR-ul poate fi folosit astfel pentru detectarea neconcordan elor dintre oricare dou
perechi de bi i, oricare ar fi valorile lor.
M surarea distan ei Hamming se face prin însumarea num rului de apari ii al valorii 1
în opera ia de „sau exclusiv” dintre doi irişi, iar apoi aceast valoare se divide prin num rul
total de compara ii (care este egal cu num rul de bi i ai codului). În mod alternativ, aceast
cantitate poate fi de altfel descris ca lungimea p tratic normalizat , sau norm p tratic , a
vectorului diferen între cele dou coduri ale irisului într-un spa iu binar 2048-dimensional.
Toate aceste formul ri genereaz aceeaşi metric pentru compara iile de coduri de iris şi duc
la o imediat conversie într-o probabilitate calculat a faptului c dou imagini provin de la
acelaşi iris, şi chiar de la aceeaşi persoan .
Problema recunoaşterii semn turii unui iris dat ca apar inând unui individ anume, sau
luarea deciziei dac el/ea sunt impostori, poate fi formulat în cadrul unei teorii statistice de
recunoaştere a formelor şi decizie.

 fie o form dat este sau nu este o instan adev rat a categoriei luate în
Deciziile Da/Nu în recunoaşterea formelor au patru rezultate:

 pentru fiecare dintre aceste dou cazuri, decizia f cut poate fi corect sau
calcul;

incorect .
Aceste patru posibilit i sunt denumite în mod curent Succes, Eşec, Alarm fals şi
Respingere corect . Pentru problema recunoaşterii persoanelor dup iris, cele patru posibilit i
sunt:

94 / 122
  AA – acceptarea persoanei autentice
 IA – acceptarea unui impostor
 AR – respingerea unei persoane autentice
 IR – respingerea impostorilor
Scopul acestui algoritm, care ia decizii, este de a maximiza probabilit ile AA şi IR, în
acelaşi timp minimizând probabilit ile IA şi AR.
O formulare pentru „decizia sub incertitudine” este prezentat în figura 3.8
[DAUGM1, Fig.6]. O m sur toare dat a distan ei Hamming sau o frac iune a neconcordan ei
bi ilor între dou coduri ale irisului, constituie un punct de pe abscis . M sura este privit ca
fiind o variabil aleatoare descriind unul din cele dou procese, reprezentate de dou
distribu ii de probabilitate care se suprapun. Nu se cunoaşte în mod apriori care dintre aceste
dou distribu ii descrie variabila aleatoare; scopul este s se g seasc distribu ia
corespunz toare. Este ales un criteriu, dup cum este indicat de c tre linia vertical punctat
din figura 3.8, iar toate distan ele Hamming mai mici decât acest criteriu sunt considerate ca
apar inând distribu iilor „autentice”, în timp ce toate distan ele Hamming mai mari decât acest
criteriu sunt judecate ca apar inând distribu iei „impostorilor”. Aceste dou distribu ii, PAu(H)
şi PImp(H), dau densitatea de probabilitate a unei distan e Hamming particulare m surate,
rezultat din dou compara ii dintre acelaşi iris (unul „autentic”) sau din dou compara ii de
irişi diferi i (unul „impostor”), respectiv.

Distan a Hamming

Figura 3.8. Formularea teoriei deciziei statistice ([DAUGM2])

Cele patru posibilit i AA, IA, AR şi IR au în acest moment probabilit i care sunt în
totalitate definite de c tre criteriul ales şi de c tre parametrii statistici ale celor dou distribu ii

 Accept dac distan a Hamming < Criteriu

care se suprapun. Dac regulile de decizie sunt:

 Respinge dac distan a Hamming > Criteriu

95 / 122
 atunci probabilit ile celor patru posibilit i sunt egale cu suprafe ele de sub cele dou
func ii de densitate probabilistic , PAu(H) şi PImp(H), de fiecare parte a criteriului ales, C

P(AA)   PAu (H)dH

[DAUGM1, relatiile (8 - 11)]:
C

P(AR )   PAu (H)dH

0
1

P(IA)   PIm p (H)dH

C
(3.6)
C

P(IR )   PIm p (H)dH

0
1
C
Aceste patru posibilit i sunt reprezentate prin zonele haşurate diferit din figura 3.8
[DAUGM1, Fig.6].
Este clar faptul c cele patru posibilit i separate în dou perechi care adunate trebuie s
dea valoarea 1, şi dou perechi care sunt guvernate de inegalit ile urm toare [DAUGM1,
RELATIILE (12 - 15)]:
P(AA)+P(AR)=1
(3.7)
P(IA)+P(IR)=1
P(AA)>P(IA)
P(IR)>P(AR)

Este de asemenea clar faptul c cele dou rate de erori, P(AR) şi P(IR), vor fi
minimizate dac distribu iile celor dou distan e Hamming PAu(H) şi PImp(H) vor avea o
suprapunere minim . Acest lucru se poate ob ine fie prin for area mediilor lor cât mai departe
sau prin reducerea varian elor lor, fie amândou . Trebuie notat faptul c cele dou distribu ii
în general nu vor avea aceeaşi form şi varian , dup cum se arat – pentru simplificare – în
figura 3.6.
Utilitatea, sau puterea de identificare, a unei metode de semn turi biometrice utilizat
pentru distingerea între indivizi sau recunoaşterea acestora poate fi definit în termenii
cantit ii de suprapunere dintre cele dou distribu ii. Mai clar, dac nu exist nicio
suprapunere, ar fi posibil s se ia decizii corecte în propor ii de 100% în orice situa ie, lucru
care este ideal şi deci – de neatins. Dimpotriv , cu cât suprapunerea este mai mare, cu atât va
fi mai mare propor ia erorilor, indiferent de criteriul de decizie folosit.

3.3.3. Lucrarea cercetătorului Richard Wildes, din 1997

În acest an apare lucrarea : Iris Recognition: An Emerging Biometric Technology, autor

Richard P. Wildes [WILDES1].


Principalele contribu ii ale acestui articol sunt:


Localizarea irisului este rezolvat folosind transformata Hough;
În privin a reprezent rii, Wildes face uz de o aplica ie a filtrelor gaussiene.

Principalele obiective ale acestui articol sunt legate de localizarea irisului utilizând
transformata Hough, iar în privin a reprezent rii codului iris, Wildes face uz de o aplica ie a
filtrelor gaussiene.
Pentru a ilustra aceast problematic , se va face referire în continuare la sistemele
Daugman şi Wildes et al. de localizare a irisului. Ambele sisteme folosesc derivative primare
de intensitate a imaginii pentru a semnala localizarea zonelor de grani ce corespund

96 / 122
marginilor irisului. Acest lucru este posibil datorit faptului c dimesiunile imaginii capturate
vor reda un maxim local în func ie de modificarile locale ale intensit ii imaginii. De
asmenea, prin ambele sisteme zonele care incadreaz irisul sunt redate prin tipare simple,
geometrice. De exemplu, ambele sisteme redau pupila şi limbusul printr-un contur circular. În
mod similar, sistemul Wildes et al. modeleaz pleoapele superioar şi inferioar prin arce
parabolice, iar sistemul Daugman pur şi simplu exclude por iunile superioar şi inferioar a
imaginii unde poate s apar ocluzia pleoapei. În ambele sisteme, configurarea aşteptat a
componentelor modelului este folosit pentru a regla informatia derivativ despre intensitatea
imaginii.
În caz particular, pentru zona limbic , derivatele sunt filtrate pentru a fi selective cu
marginile veritcale. Aceast selectivitate direc ional este motivat de faptul c , chiar şi în
cazul pleopelor care blocheaz imaginea, p r ile din stânga şi dreapta zonei limbice trebuie s
fie vizibile şi orientate pe vertical (în cazul în care capul este într-o pozitie vertical ). În mod
similar, derivatele sunt filtrate pentru a fi selective cu informa ia de pe orizontal în momentul
în care sunt localizate marginile pleoapelor. În contrast, pentru ca întreaga zona pupilar (în
mare de form circular ) trebuie s fie prezent în imagine, informa ia derivativ este folosit
într-o manier mai isotropic pentru localizarea acestei structuri. Pus în practic , aceasta
modulare a informa iei imaginii s-a dovedit critic pentru acurate ea localizarii. De exemplu,
f r o asemenea modulare, FITS poate fi dus în eroare de structuri de imagine concurente
(pleoapele care interfereaz cu localizarea limbic , etc.). Cele dou sisteme difer prin modul
fiec ruia de c utare, de încercarea de a alege spa iile parametrice astfel încât modele de contur
s se potriveasc cu informa ia imaginii. Pentru a în elege cum se desf şoare aceste c utari, s
spunem c I (x, y) reprezint valoarea de intensitate a imaginii la locatia (x,y), iar contururile
circulare (pentru zonele pupilare şi limbice) s fie parametrizate în func ie de loca ia centrului
(xc, yc) şi a razei r. Sistemul Daugman potriveşte contururile circulare prin ascensiunea
G ( r ) *  r , xc , y c

2r
I ( x, y )
r
gradient a parametrilor (xc, yc, r) pân la un maxim ds (3.8) unde

e (( r  r0 ) / 2 ) (3.9) este o raz gaussian cu un centru r0 şi o devia ie standard σ

1
2 
2 2
G (r)=

care atenueaz dimensiunile spatiale ale marginilor luate în considerare, * simbolizeaz

convolu ia, ds este un element al arcului circular, iar împ r irea la 2πr este necesar pentru
normalizarea integralei. Pentru a incorpora ajustarea direc ional a derivativei de imagine,
atunci când se ajusteaz limita limbic , arcul de integrare ds este restric ionat la cadranele din
stânga şi din dreapta (de exemplu, aproape de limitele verticale). Pentru ajustarea limitei
pupilare, acest arc este luat în considerare dintr-o arie mai variat ; oricum, cadranul de jos al
imaginii înc nu este luat în calcul, datorita artefactului reflec iei speculare al corpului care
lumineaz din acea regiune. În implementare, procedura de ajustare a conturului este
discretizat , cu diferen e finite ce servesc derivativelor şi sumelor folosite pentru a
exemplifica integrale şi convolu ii. Vorbind mai general, ajustarea contururilor imaginilor
prin intermediul acestui tip de formul de optimizare este reprezentata de tehnica maşinilor
standard de percep ie vizual , deseori denumit şi de modelarea activ a contururilor (vezi de
exemplu, [KASS1] şi [YUILLE1]).
Sistemul Wildes et al. opereaz ajustarea contururilor în doi paşi. În primul rând,
informa ia despre intensitatea imaginii este convertit într-o hart binar a marginilor. În al
doilea rând, punctele de margine reprezint valori particulare ale parametrilor de contur. Harta
marginilor este ob inut prin detectarea marginilor gradiente [BALLARD1], [PRATT1].
Aceasta operatie consta în m rginirea magnitudinii gradientului de intensitate a imaginii, de
  
exemplu, | G ( x, y ) * I ( x, y ) | (3.10), unde    ,  (3.11), în timp ce G =
 x y 

97 / 122
 ( x  x0 ) 2  ( y  y 0 ) 2

2 2
2
1
2
e (3.12) este un gausian bidimensional cu centru (x0, y0) şi devia ia
standard σ care ajusteaz imaginea pentru a selecta dimensiunile spa iale ale marginilor luate
în considerare.
Pentru a putea încorpora reglarea directional , derivatele intensit ii imaginii sunt
influen ate - modificate pentru a favoriza anumite intervale de orientare înainte de a prelua
dimensiunile. De exemplu, înainte de potrivirea conturului marginii limbice, derivativele sunt
influen ate astfel încât s fie sensibile la marginile verticale. Procedura de alegere este
implementat folosind transformatele Hough pe defini iile parametrice ale marginii
contururilor irisului. Într-un caz particular, pentru marginile pupilei şi pentru un set de puncte

 h( x
marginale (xj,yj), j=1...n, este definit o transformat Hough:
n
H(xc,yc,r) = , y j .x c , y c , r ) (3.13)
j 1
j

1, dacă g ( x j , y j , xc , y c , r )  0
unde

h(xj,yj,xc,yc,r)= 
0 altfel
(3.14)

cu
g(xj,yj,xc,yc,r)=( xj- xc)2+( yj- yc)2 (3.15)
pentru fiecare punct de margine (xj, yj), g(xj,yj,xc,yc,r)=0, pentru fiecare parametru triplu
(xr,yc,r) care reprezint un cerc ce trece prin acel punct. În mod asem n tor, parametrul triplu
ce maximizeaz func ia H este comun celor mai multe puncte de margine şi va fi ales pentru a
reprezenta conturul de interes. În implementare, setul de parametrii maximizatori este calculat
prin construirea func iei H(xr,yc,r) ca un tabel ce este indexat dup valorile discrete xr,yc şi r.
Odat creat, tabelul este scanat dup tripla cu cea mai mare valoare. Contururile pentru
pleoapele de sus şi de jos sunt construite în mod similar folosind arce parabolice
parametrizate g(xj,yj,xr,yc,r). La fel cum sistemul Daugman se bazeaz pe tehnici standard de
localizare a irisului, detectarea marginilor urmat de o transformat Hough este o tehnic
vizionar de identificare a contururilor în imagini [BALLARD1], [PRATT1].
Ambele abordari de localizarea a irisului s-au dovedit a fi de succes în aplica ii.
Încerc rile bazate pe histograme trebuie s evite problemele legate de minimele locale pe
care le-ar putea avea procedura de sc dere gradient a conturului modelului.
Dar, operând în mod direct cu derivativele imaginii, modelul bazat pe conturul
activ evit inevitabilele praguri/limite din generarea unei h r i binare a marginilor. Mai mult,
modelarea explicit a pleoapelor (asem n tor sistemului Wildes) ar trebui s permit o mai
bun folosire a informa iei prin simpla omitere a marginilor de sus şi de jos a imaginii. Dar,
aceast câştig de precizie vine cu costuri de calcul crescute. În mod general, ambele modele
sunt predispuse s întâmpine dificult i dac vor trebui s lucreze cu imagini ce con in
suprafe e mai mari de fa şi nu numai ochiul, şi suprafa a imediat adiacent ochiului. De
exemplu, aceste tipuri de imagini sunt predispuse la artificii ale sistemului de achizi ie a
imaginii ce necesit o mai mic implicare/participare a operatorului uman. În acest caz,
„dezordinea” din imagine poate duce acest model de filtru relativ simplu la rezultate slabe.
Solu ia pentru aceast situa ie, cel mai probabil va presupune o procedur de pre-localizare a
ochiului. În orice caz, dup localizarea reuşit a irisului, por iunea din imaginea capturat care
corespunde irisului poate fi delimitat . Figura 3.9 furnizeaz un exemplu de rezultat al
localizarii irisului, realizat prin sistemul Wildes et al.

98 / 122
 Figura 3.9. Localizare iris prin sistemul lui Wildes [WILDES1]

Potrivirea de modele

Odat localizat zona care con ine o imagine achizi ionat care corespunde irisului,
ultima decizie luat este dac aceast form este similar modelului de iris existent deja.
Aceast chestiune de potrivire de model poate fi descompus în patru p r i
1) Alinierea spa ial a noului model de iris cu un model deja existent în baza de date.
2) Alegerea unei reprezent ri pentru cele dou modele alineate care eviden iaz forma lor
unic .
3) Evaluarea calit ii acestei alinieri dintre forma nou achizi ionat şi cea existent în
baza de date;
4) Deciderea dac noile date achizi ionate şi cele existente în baza de date sunt derivate
de la acelaşi iris în func ie de cât de bine se potrivesc.

1) Aliniere: Pentru a face o compara ie detaliat între dou imagini, este avantajos s se
stabileasc o coresponden exact între structurile caracteristice din întreaga pereche.
Ambele sisteme în discu ie compenseaz pentru schimbarea, scalarea şi rota ia de imagini.
Având în vedere capacitatea sistemelor de a ajuta operatorii printr-un proces de auto-
pozi ionare exact , acestea aduc grade cheie de libertate care au nevoie de compensa ie.
Schimb rile explic ofseturile ochiului în planurile paralele cu matricele de sensori ai
camerei. Rota ia explic devierea în pozi ie unghiular a axei optice. Nominal, dilatarea
pupilei nu este o problem critic pentru sistemele actuale, deoarece iluminarea lor constant
controlat ar trebui s fixeze pupila unui individ la aceeaşi dimensiune în timpul studiilor
(restric ionare, boli, etc). Pentru ambele sisteme, localizarea irisului este realizat prin izolarea
irisului într-o imagine achizi ionat mai mare şi, prin urmare, realizeaz în esen , alinierea
prin schimbul de imagine. Sistemul Daugman utilizeaz scalarea radial pentru a compensa
pentru dimensiunea global , precum şi un model simplu de varia ie a pupilei pe baza unei
m riri liniare. Aceast scalare serveşte la cartografierea coordonatelor carteziene ale imaginii
(x,y) în func ie de coordonatele unei imagini polare adimensionale (r, θ) în conformitate cu
x(r,θ) = (1 - r)xp(θ) + xI(θ)
y(r, θ) = (1 - r)yp(θ) + yI(θ) (3.16)

99 / 122
 unde r este în intervalul [0,1] şi θ este cuprins între [0, 2π], în timp ce (xp(θ), yp(θ)) şi
(xI(θ), xI(θ)) sunt coordonatele limitelor pupilare şi limbice în directia θ. Rota ia este
compensat prin schimbarea explicit a reprezent rii irisului în θ cu diferite grade în timpul
procesului de potrivire a imaginilor.
Sistemul Wildes et all foloseşte o tehnic de înregistrare a imaginii pentru a
compensa atât pentru scalare, cât şi pentru rota ie. Prin aceast procedur imaginea nou
achizi ionat Ia(x,y) este alineat cu o imagine selectat din baza de date Id(x,y) conform unei
func ii de cartografiere (u(x,y), v(x,y)) în aşa fel încât pentru toate (x,y) valoarea intensit i
imaginii (x, y)-(u(x,y), v(x,y)) din Ia este mai aproape de cea din Id. Mai exact, func ia de

  ( I d ( x, y)  I a ( x  u, y  v)) dxdy
cartografiere (mapping) (u,v) trebuie s minimalizeze
2
(3.17)
x y

în timp ce este este constrâns s captureze o transformare similar a coordonatelor

x  x x
imaginii, de la (x,y) la (x’,y’), de exemplu
      sR ( ) 
 y   y  y
(3.18)

cu s factorul de scalare şi R (φ) o matrice reprezentând rota ia cu φ. În implementare,

având dat o pereche de imagini ale irusului Ia şi Id, parametrii de potrivire s şi φ sunt
recupera i prin intermediul unei proceduri de minimalizare iterativ [BERGEN1].
Asem n tor cu marea parte a proces rilor pe care le efectueaz sistemele de
recunoaştere a irisului, metodele pentru stabilirea de coresponden e dintre imaginile de iris
achizi ionate şi cele din baze de date par s fie potrivite pentru scenarii controlate de evaluare.
Înc o dat , totuşi, metode mai sofisticate se pot dovedi necesare în scenarii mai relaxate. De
exemplu, un model simplu liniar de dilatare a pupilei nu surprinde natura fizic complex a
acestui proces, de exemplu, forma vaselor de sânge şi curbarea fibrelor stromale. În mod
similar, compensa ii globale geometrice mai complicate vor fi necesare dac denaturarea
complet a perspectivei (de exemplu, b taie scurt ) devine semnificativ .
2) Reprezentarea: Caracteristicile spa iale distinctive ale irisului uman se manifest
într-o varietate de moduri. De exemplu, a distinge o gam de structuri din forma general a
irisului, precum goluri mici şi structuri detaliate. Pentru a captura aceast gam de detalii
spa iale, este avantajoas utilizarea unei reprezent ri multigradate. Ambele sisteme de
recunoaştere a irisului luate aici în discu ie folosesc descompunerea pe band a imaginilor
pentru a se folosi de informa ia multiscalar . Sistemul Daugman utilizeaz o descompunere
provenit din aplicarea unei versiuni bi-dimensionale de filtre Gabor [GABOR1] la datele de
imagine. Deoarece sistemul Daugman (se) transform în coordonate polare în timpul alinierii,
este convenabil ca filtrele s fie date într-o form corespunz toare precum
H(r,θ)= e iw(  0 ) e  ( r  r0 ) /  e i ((  0 )) / 
2 2 2
(3.19)
unde α şi β covariaz invers propor ional cu w pentru a genera un set de perechi
cuadratice de filtre de selec ie cu loca ia centrelor indicat de (r0, θ0). Aceste filtre sunt
deosebit de notabile pentru capacitatea lor de a atinge localiz ri comune bune în ceea ce
priveşte spa iul şi frecven a. În plus, datorit naturii lor cuadratice, aceste filtre pot capta
informa ii cu privire la faza local . Urmând descompunerea Gabor, sistemul Daugman
compreseaz reprezent rile sale prin cuantificarea unghiului de faza local , în func ie de
valoarea pozitiv sau negativ a datelor de ieşire a filtrelor reale R(.), şi imaginare S(.). Pentru
un filtru cu parametrii lungimii de band α, β şi w, şi o loca ie (r0, θ0), o pereche de bi i (hR,hS)
este generat dup modelul:

hR=1 dac R(   e I (  , )  dd )≥0

 iw ( 0  )
e ( r0   ) / 2
e i ( 0  ) /2
2 2

 

100 / 122
 hR=0 dac R(   e I (  , )  dd )<0
 iw ( 0  )
e ( r0   ) / 2
e i ( 0  ) /2
2 2

 

hS=1 dac S(   e I (  , )  dd )≥0

 iw ( 0  )
e ( r0   ) / 2
e i ( 0  ) /2
2 2

 
(3.20)

hS=0 dac S(   e I (  , )  dd )<0

 iw ( 0  )
e ( r0   ) / 2
e i ( 0  ) /2
2 2

 
Parametrii r0, θ0, α , β, şi w au valori în aşa fel încât s genereze o reprezentare de 256
bytes care serveşte ca baz pentru proces ri ulterioare. La implementare, filtrarea Gabor se
efectueaz prin intermediul unui algoritm de relaxare [DAUGM6], cu cuantificarea
informa iei din faza de recuperare, ob inându-se reprezentarea final . Sistemul Wildes et al.
utilizeaz o descompnere bazat pe o l ime de band (band-pass) izotrop provenit din
aplicarea Laplacianului filtrelor Gaussiene [HORN1], [JAHNE1] la datele de imagine. Aceste

 2   2 / 2 2
filtre pot fi specificate ca
 
 2 2 2
1
(1 )e (3.21)
cu σ fiind devierea standard a Gausianului şi ρ disan a radial a unui punct de centrul
filtrului. În practic , imaginea filtrat este format ca o piramid laplacian [BURT1],
[JAHNE1]. Aceast reprezentare este definit procedural în termenii unei cascade de mici
filtre Gausinee. În mod particular, s spunem c w=[1 4 6 4 1]/16 este o masc
unidimensional , iar W= wTw este o masc bidimensional rezultat din protrivirea
produsului exterior cu el însuşi. Luând o imagine de interes I, construirea piramidei
Laplaciene începe cu convolu ia lui I cu W în aşa fel încât s rezulte un set de imagini cu
filtru low-pass gk în func ie de
gk=(W* gk-1)  2 (3.22)
cu g0=I şi ()  2 simbolizând reducerea ratei de eşantionare cu 2 în fiecare dimensiune a
imaginii. Nivelul k al piramidei Laplaciene lk ia forma unei diferen e dintre gk şi gk+1, cu gk+1
extins înainte de sc dere în aşa fel încât s se potriveasc ratei de sampling cu gk. Extinderea
se realizeaz prin creşterea ratei de sampling (upsampling) şi interpolarea

unde 2 indic creşterea ratei de eşantionare cu un factor de 2 prin intermediul

lk=gk-4W*( gk)  2 (3.23)

inser iei unui rând şi a unei coloane de zero dup fiecare rând şi coloan din imaginea
principal . Nucleul generat este folosit ca un filtru de interpolare, iar factorul de 4 este necesar
pentru c ¾ din imagine este reprezentat de şirurile de 0 inserate. Piramida Laplacian
rezultat , construit cu 4 nivele, serveşte ca baz pentru proces ri ulterioare. Diferen a
Gausianului care o presupune aceast reprezentare genereaz o bun aproximare a
Laplacianului la filtrarea Gausian [MARR1]. În plus, aceasta este important pentru o
depozitare şi prelucrare eficiente, pentru c benzile de frecven mai joas sunt reduse
succesiv f r pierderi de informa ii dincolo de cele introduse de filtre. La punerea în aplicare,
construirea piramidei Laplaciene urmeaz într-un mod simplu defini ia sa procedural . Prin
cuantificarea rezultatelor sale de filtrare, abordarea reprezenta ional folosit în sistemul
Daugman genereaz o reprezentare remarcabil de parcimonioas a irisului. Într-adev r, o
reprezentare de 256 bytes poate fi imprimat pe banda magnetic de pe spatele cardurilor de
credit [BRIGHT1]. În mod contrar, reprezentarea Wildes et al. este direct derivat din
imaginea filtrat pentru num rul de bytes din zona irisului din imaginea capturat ini ial.
Oricum, prin re inerea a mai multor informa ii disponibile despre iris, sistemul Wides et al.
poate fi capabil de diferen ieri mai fine între irişi diferi i. Deoarece la ora actual lipsesc studii
pe scar1 larg despre recunoaşterea irisului, este prea devreme s spunem exact cât
informa ie este necesar pentru o discriminare adecvat în fa a mostrelor adecvate oferite de
popula ia uman . În orice caz, derivându-şi reprezent rile prin filtrare bandpass, ambele

101 / 122
abord ri valorific structura multiscalar a irisului. Pentru exemplificare, figura 3.10 (figura 7
[WILDES1]) arat un exemplu de reprezentare multiscalar a unui iris – aşa cum a fost
recuperat prin sistemul Wildes.

Figura 3.10. Reprezentarea multiscalară a unui iris

3.Calitatea gradului de potrivire: Având în vedere achizi iile controlate de imagine

ale sistemului şi abilit ile de aliniere perfect între intr rile dintre bazele de date şi informa ia
nou achizi ionat , o metric de potrivire se poate baza pe compara ii punctuale între
primitivele din reprezent rile corespondente. Sistemul Daugman cuantific aceast problem
prin calcularea procentului de bi i nepotrivi i între o pereche de reprezent ri ale irisului, şi
anume, distan a Hamming normalizat [JAYANT1]. Luând A şi B ca dou reprezent ri ale

 Aj  B j
irisului care trebuie comparate, aceast cantitate poate fi calculat ca
1 2048
(3.24)
2048 j 1
cu indicele j fiind pozi ia bitului de indexare şi O descriind operatorul OR exclusiv. (OR
exclusiv este un operator boolean care este egal cu 1 dac şi numai dac Aj şi Bj sunt diferi i).
Rezultatul acestui calcul este apoi utilizat ca grad de potrivire, cu valorile mai mici indicând o
potrivire mai bun . OR exclusiv al bi ilor coresponden i reprezent rilor irisului achizi ionat şi
al celui din baza de date poate fi calculat cu costuri de calcul neglijabile. Acest lucru permite
sistemului s compare o reprezentare achizi ionat cu un num r interesant de intr ri în baza de
date (de ordinul miilor) în mai pu in de o secund . Sistemul exploateaz aceast rat de
compara ie ca o solu ie brut de identificare, nu doar de verificare a unui operator ci şi, de
exemplu, de examinare secven ial a fiec rei înregistr ri din baze de date de m rime
moderat . În timp ce aceast capacitate de c utare este impresionant , identificarea în fa a
bazelor de date în mod semnificativ mai mari ar putea necesita o strategie de indexare mai
complex .
Sistemul Wildes et al. se bazeaz pe o procedur mai complicat pentru a
cuantifica gradul de potrivire. Abordarea se bazeaz pe o corelare normalizat dintre
reprezentarea achizi ionat şi cea din baza de date. Într-o form discret , corela ia normalizat
poate fi definit în felul urm tor. Fie p1[i,j] şi p2[i,j] dou tablouri de imagine de m rime
nxm. Mai mult, fie

102 / 122
 1   i 1  j 1
( p1[i, j ]  1 ) 2 şi
1 n m
(3.25)

 i 1  j 1
nm
1 
1 n m
p1[i, j ] (3.26)
nm
s fie mediul şi devierea standard pentru intensit ile p1. De asemenea, fie 2 şi σ2
definite în mod similar cu referin la p2. Atunci, corela ia normalizat între p1 şi p2 poate fi

 
definit în felul urm tor
( p1[i, j ]  1 )( p 2[i, j ]   2 )
n m
i 1 j 1

nm 1 2
(3.27)

corela ia normalizat surprinde acelaşi tip de informa ie ca o corela ie standard (de

exemplu similarit i integrate între puncte corespondente dintre regiuni); oricum, corela ia se
ocup de asemenea cu varia iile locale în intensitatea imaginii care corup corel rile standard
[BALLARD1]. Aceast robuste e apare când intensitatea medie se scade din num r torul

corela iile sunt efectuate discret în blocuri mici de pixeli (8  8) în fiecare din cele patru benzi
ra iei de corela ie, în timp ce abaterile standard apar în numitor. La punerea în aplicare,

spa iale de frecven , care sunt instan iate în reprezent rile piramidei Laplaciene. Aceste
opera iuni au ca rezultat valori multiple de coresponden pentru fiecare band . Prelucr ri
ulterioare combin corela ii bloc dintr-o band într-o valoare unic prin intermediul statisticii
mediane. În concluzie, aceasta produce un set de patru valori a gradului de potrivire, una
pentru fiecare band de frecven . Gruparea în blocuri combinat cu opera iunea median
permite ajust ri locale de potrivire şi un grad de respingere, şi ofer , prin urmare, robuste ea
împotriva nepotrivirilor datorate zgomotului, nealinierii, şi ocluziei (de exemplu, o gean care
nu este la locul ei). Aceast metod a fost aplicat doar pentru sarcina de verificare.
4. Decizia: Ultima sarcin care trebuie efectuat pentru scopurile curente este de a
evalua valorile gradului de potrivire într-o hot râre final cu privire la datele ob inute: dac
datele achizi ionate provin (autentic) sau nu (impostor) de la acelaşi iris de la care provin şi
cele din baza de date. Pentru sistemul Daugman, aceasta se ridic la alegerea unui punct de
separare în spa iul distan elor Hamming (normalizate) dintre reprezent rile irisului. Distan ele
mai mici decât punctul de separare vor fi luate ca indicative de autenticitate; cele mai mari vor
fi luate ca indicative de impostur . Se face un apel la teoria deciziei statistice [MACMILL1],
[TANNER1] pentru a oferi o abordare principial în selectarea punctelor de separare. Acolo,
având în vedere distribu ii pentru cele dou evenimente care urmeaz s fie diferen iate (de
exemplu, autentic versus impostor), strategia de decizie optim este definit prin considerarea
separ rii ca punct în care se intersecteaz cele dou distribu ii. Aceast strategie de decizie
este optim prin aceea c genereaz probabilit i egale de erori de accept ri false şi respingeri
false. (Desigur, chiar şi cu un punct decizional teoretic "optim" la dispozi ie, cercet torul este
liber s aleag fie un criteriu de decizie mai conservator, fie unui mai liberal, în func ie de
nevoile unei anumite instala ii.) Pentru a calcula punctul de intersec ie, mostrelor de popula ie
de impostori şi autentici li s-au atribuit distribu ii definite parametric. Acest lucru a fost
necesar pentru c nici o informa ie, de exemplu distan e Hamming, nu au fost observate în
regiunile de intersectare. Distribu ii binominale au fost folosite pentru potriviri empirice. Se

n 
d o distribu ie binominal
p(k)=   P k (1  P ) n  k
m
(3.28)

n
unde
  
n!
 k  k * (n  k )!
(3.29)

103 / 122
 este num rul de combina ii k de n elemente diferen iabile. Aceast formul genereaz
probabilitatea de k succese în n teste independente Bernoulli. Un test Bernoulli este la rândul
s u definit pentru a genera o valoare experimental pentru o variabil oarecare discret în

1  P daca  0  0
func ie de distribu ia


p ( 0 )   P daca  0  1
0
(3.30)
 altfel
cu un rezultat de =1 interpretat ca succes şi unul de =0 interpretat ca eşec. Utilizarea
unei distribu ii binominale a fost justificat pentru cazurile de potriviri-impostor bazate pe
caracterul distinct a diferi ilor irişi. Adic , potrivirea bi ilor între o pereche de reprezent ri de
la irişi diferi i a fost luat ca o serie de teste Bernoulli. Cu toate acestea, nu toate potrivirile de
bi i au fost luate ca independente, datorit prezen ei unor corela ii inerente în structura
irisului, precum şi corela ii introduse în timpul prelucr rii. În mod semnificativ, nu aceeaşi
justificare a fost dat pentru modelarea autenticilor.
Pentru sistemul Wildes procesul de luare de decizii trebuie s combine cele patru
m sur tori a gradului de potrivire care sunt calculate în stagiul anterior al proces rii (de
exemplu, câte una pentru fiecare trece band din reprezentarea piramidal Laplacian ) într-un
singur ra ionament de acceptare/rejectare. Remediul se g seşte în tehnicile standard din
clasificarea tiparelor. În special, no iunea la care se face trimitere este aceea de a combina
valorile astfel încât varian a dintr-o clas de date despre iris este redus la minim, în timp ce
varia ia dintre diferitele clase date despre iris date este maximizat . Func ia liniar care ofer
o astfel de solu ie este bine cunoscut şi este dat de discriminantului liniar al lui Fisher
[DUDA1], [FISHER1]. Aceast func ie poate fi definit în felul urm tor. Se d un num r n de
mostre dimensionale q, din care na sunt dintr-un set A şi ni sunt dintr-un set I. De exemplu, în
aplica ia curent , fiecare mostr corespunde unui set de m sur tori multiscalare de grade de
potrivire, în timp ce clasele ce trebuie distinse sunt autenticii şi impostorii. Discriminantul

 
liniar al lui Fisher defineşte un vector de greutate w, astfel încât raportul dintre varian a de

formaliza acest no iune, se ia  a  qA q / ni (3.31) care este d - media dimensional

clasa cea din interiorul clasei este maximizat pentru mostra modificat wTq. Pentru a

pentru qA, şi în mod similar pentru ui. O m sur de varia iile dintr-o clas de date pot fi

Sa=  ( q   a )( q   a ) T
furnizate în ceea ce priveşte o matrice scatter cu forma
(3.32)
q A

cu A şi şi definite în mod similar şi pentru I. Totalul în interiorul clasei scatter este dat
ca Sw=Sa+Si. O m sur corespunz toare a varian ei între clase poate fi definit în termenii

S b  (  a   i )(  a   i ) T
unei matrice scatter
(3.33)
 T S b
 T S
Luînd în considerare şi defini iile anterioare, formula (3.34) descrie raportul

dintre varian ele dintre clase şi din interiorul clasei ale mostrelor transformate ωq. În cele din
urm utilizarea câtorva calcule şi date de algebr linear duce la concluzia c ω care
maximizeaz acest raport este dat de formula urm toare   S 1 (  a   i ) (3.35).
În mod interesant, Sb nu apare în aceast formul pentru ω, pentru c func ia sa este
pur şi simplu de a m sura rezultatul global f r a modifica separa ia. Pentru a aplica
clasific rii aceast func ie discriminatorie, un punct de separare trebuie s fie definit în gama
acesteia. Valorile mai mari decât acest punct vor fi considerate ca derivate din clasa A.
Valorile mai mici vor fi considerate ca derivate din clasa I. În aplica ia curent , punctul de

104 / 122
separare este luat ca punct median între mediile de transformare a mostrelor din A şi I, (de
exemplu,  T (  a   i ) (3.36). În cazul în care probabilit ile m sur torilor din orice clas
1
2
1
2 e |q   a | / 2
sunt în mod normal distribuite şi au varian egal (de exemplu, p(q|A)= 2 2

(3.37)) cu varian a σ2, şi în mod similar şi pentru I), atunci alegerea acestui punct de separare
se poate dovedi a fi optim (de exempu, cu probabilitate egal de erori de accept ri false şi
accept ri adev rate). Totuşi, ra ionamentul este euristic în cazul m sur torilor de potrivire de
iris, în cazul în care aceste ipoteze nu sunt cunoscute s fie sustenabile. În implementare,
discriminantul a fost definit empiric pe baza unui set de date antrenate despre iris.
În timp ce ambele metode de decizie au dat rezultate bune pân în prezent, ipotezele
care stau la baza procesului de modelare de date trebuie s fie riguros evaluate în raport cu un
corpus de date mai larg. Ambele metode se bazeaz pe ipoteza c popula iile impostoare şi
cele autentice pot fi modelate cu câte o singur distribu ie. Un principiu de baz al
recunoaşterii irisului este acela c irişii sunt extrem de diferi i. Prin urmare, este rezonabil
vizualizarea distribu iei de impostori ca variind în func ie de o tendin central dictat de
unele no iuni de independen , de exemplu, o şans de 50% de potrivire între bi ii individuali
în reprezentarea Daugman sau o corela ie slab pentru potrivirile multiscalare din sistemul
Wildes et al. Întradev r, empiric vorbind, acesta pare s fie cazul pentru ambele sisteme.
Oricum, nu exist o sus inere teoretic pentru modelarea autenticilor printr-o singur
distribu ie. De fapt, s-ar putea argumenta c autenticii ar fi cel mai bine modela i de un
amestec de distribu ii, poate chiar o distribu ie pentru apari iile repetate ale fiec rui iris. Din
punct de vedere empiric, este de interes faptul c strategiile actuale de decizie sunt derivate
din mostre destul de mici de popula ie (de exemplu, de ordinea sutelor). Acest aspect este
agravat de faptul c pu ine date au fost raportate în regiunile decizionale de intersec ie, exact
în punctele de cel mai mare interes. Pentru a rezolva aceste probleme în mod corespunz tor,
va fi necesar s se ia în considerare un eşantion mai mare de date despre iris decât au fost
luate în considerare în sistemele actuale.
Observa ie: Ambele abord ri revizuite despre potrivirea de modele se bazeaz pe
metode care sunt strâns legate de intensit ile de imagine înregistrate. Reprezent ri mai
abstracte pot fi necesare pentru a face fa unei varia ii mai mari în apari ia oric rui iris, de
exemplu, cum ar putea rezulta dintr-o achizi ie mai relaxat de imagine. O modalitate de a
gestiona o varia ie mai mare ar fi aceea de a extrage şi potrivi seturi de caracteristici care sunt
de aşteptat s fie mai robuste la denatur ri fotometrice şi geometrice în imaginile ahizi ionate.
În special, caracteristici care sunt într-o rela ie mai strâns şi mai explicit cu structurilor
fizice ale irisului ar putea manifesta comportamentul dorit. De exemplu, rezultatele
preliminare indic faptul c potrivirea multiscalar a petelor ar putea fi valoroas în aceast
privin . Aceast abordare se bazeaz pe coresponden a dintre structurile sub form de pat
întunecate şi luminoase care apar de obicei în imaginile şi structurile irişilor, cum ar fi cripte,
pistrui, nevi, şi stria ii. În cazul în care metodele actuale de potrivire de modele în ceea ce
priveşte irisul încep s se dizolve în aplica ii viitoare, atunci aceste abord ri simbolice merit
luate în considerare. Totuşi, ele nu valoreaz nimic dac robuste ea ad ugat pe care o pot
genera aceste abord ri vor aduce cel mai probabil şi cheltuieli crescute de calcul.
În concluzie, principalele componente func ionale ale sistemelor existente de
recunoaştere a irisului sunt: achizi ia imaginii, localizarea irisului, şi potrivirea de modele.
În evaluarea desingului acestor componente, trebuie luate în considerare o serie larg de
probleme. Unele dintre cele mai importante sunt: natura fizic a irisului, optica, procesarea şi
analizarea imaginilor, şi factorii umani. Toate aceste aspecte trebuie luate în considerare
pentru a produce solu ii robuste chiar şi atunci când ne lovim de costuri de calcul modeste şi
de design. Exist deja solu ii pentru aceste probleme, ele dovedindu-se sigure în evalu rile

105 / 122
preliminare. Scenarii opera ionale mai dificile (de exemplu, achizi ionarea de imagini cu o
mai mic participare din partea operatorului) ar putea necesita abord ri oarecum diferite sau
cel pu in mai elaborate.
Componentele de achizi ie a imaginii, de localizare a irisului, şi de potrivire de modele
(pattern-matching) dezvoltate de Daugman şi Wildes et al. au fost asamblate ca sisteme
prototip pentru recunoaşterea irisului. Ambele sisteme sunt deja pantentate în America. Mai
mult, ambele sisteme au fost obiectul unor evalu rii empirice preliminare. În aceast sec iune,
vor fi descrise aspecte ale sistemelor şi a performan elor acestora.
Sistemul Daugman de recunoaştere a irisului const într-o instala ie de achizi ie de
imagini (camera video standard, lentile, un captator de frame-uri, un iluminator cu LED-uri şi
afişare video de miniatur pentru pozi ionare operatorului) interfa at c tre o sta ie de lucru
standard (cu sistem de operare Sun 4). Software-ul de analiz de imagini al sistemul a fost
implementat în cod întreg optimizat. Sistemul este capabil de trei moduri func ionale de
operare: de înscriere, de verificare, şi de identificare. În modul de înscriere, o imagine a unui
operator este capturat şi o intrare corespunz toare este înregistrat şi stocat în bazele de
date. În modul de verificare, o imagine a unui operator este evaluat în raport cu o anumit
înregistrare din baza de date. În modul de identificare, o imagine este evaluat în raport cu
înregistr rile din întreaga baz de date prin compara ii secven iale. Atât modul de înscriere cât
şi cel de verificare dureaz o secund . Modul de identificare poate evalua aproximativ 4000
de înregistr ri din baza de date în acelaşi cuantum de timp. O versiune comercial a acestui
sistem, este de asemenea disponibil prin intermediul IriScan. Aceast versiune are în mare
parte aceeaşi abordare, dar cu mai multe optimiz ri şi hardware dedicat pentru o instan iere
mai compact .
Sistemul Daugman a fost supus la dou seturi de teste empirice. În primul studiu, 592 de
irişi au fost recunoscu i ca apar inând la 323 de persoane [DAUGM3]. O medie de
aproximativ trei imagini au fost luate pentru fiecare iris. (Intervalul de timp implicat în
captura unui iris nu au fost raportat.) Irişii implica i au fost din gama de culori comune pentru
irisi: albastru, maro deschis, verde şi maro. Aceast preg tire permite evaluarea datelor
originale şi a unor date de intrare noi, dintr-o serie reprezentativ de pigmen i ai iri ilor şi a
unor imagini ale unor iri i achizi ionate dup trecerea timpului. În fa a acestui set de date,
sistemul a demonstrat accept ri false şi respingeri false. Într-o încercare de a analiza datele
acestui experiment, au fost construite seturi de irişi pentru a observa datele de intrare
adev rate şi false, şi anume, astfel cum a fost descris anterior în timpul discu iei cu privire la
potrivirea de modele (pattern-matching). Seturile au fost folosite pentru a calcula o serie de
statistici. Rata de erori pentru datele de intrare fals pozitive şi fals negative s-a dovedit a fi de
1 din 131 000. În plus, pe baza seturilor de date false şi adev rate, au fost calculate statistic
ieşirile sistemului. Pentru compara ie, un set inexistent în sistem (impostor), increderea cu
care operatorul au fost respins, a corespuns unei rate fals pozitive de 1 in 109.6. Pentru o
compara ie de "tipic" autentic, încrederea cu care operatorul a fost respins, a corespuns unei
probabilit i fals negative de 1 la 1031. Interpretarea acestor concluzii necesit pruden .
Dup cum s-a men ionat în timpul discu iei despre pattern-matching, justificarea pentru
potrivirea datelor de intrare cu seturile binomiale este problematic . Dintr-un punct de vedere
teoretic, nu este clar de ce o astfel de distribu ie este adecvat în cazul datelor autentice. Din
punct de vedere empiric, testele se bazeaz pe eşantioane mici de popula ie, şi datelor de
intrare le lipsesc cele din alte regiuni. Cu toate acestea, este de remarcat faptul c din punct de
vedere calitativ, datele legate de autentici şi impostori au fost separate în acest studiu. Într-un
al doilea studiu, o versiune preproduc ie a sistemului comercial IriScan a fost evaluat
[BOUCH1]. În acest studiu, sistemul a fost instalat într-un spa iu public din Sandia National
Laboratories, NM. Operatorii au fost voluntari din comunitatea Sandia. În prima faz , 199
irişi au fost reprezenta i ca apar inând la 122 de persoane. Dup înrolare, operatorii au

106 / 122
încercat de 878 de ori s foloseasc sistemul în modul de identificare pe parcursul a 8 zile.
Dintre aceste încerc ri, 89 au fost fals negative. În 47 dintre aceste cazuri, operatorul a
încercat din nou şi doar 16 dintre aceste noi încerc ri au fost acceptate. Toate aceste erori s-au
datorat fie ochelarilor sau lentilelor de contact care au f cut irisul neclar, fie dificult ii
utilizatorilor (dificult i de pozi ionare). Nu s-au înregistrat încerc ri fals pozitive. În a doua
faz , 96 dintre oamenii din prima faz , au încercat o identificare dintr-o baza de date de 403
înregistr ri ce nu corespundeau persoanelor în cauzî. Înc o dat nu s-au înregistrat falsuri
pozitive. Acest studiu este de un interes deosebit, deoarece, dintre testele cunoscute de
recunoaştere a irisului, este cel mai apropiat de un sistem real. În ambele studii ale sistemului
Daugman, operatorii nu au avut obiec ii în evalu rile lor. Cu toate acestea, în al doilea studiu
s-au înregistrat unele rapoarte de disconfort legate de sursa de lumin .
Sistemul de recunoaştere a irisului Wildes et al. const într-o instala ie de achizi ie de
imagini (camer video de lumin redus , lentil , captator de frameuri, iluminator difuz
polarizat, şi reticulului de pozi ionare a operatorului) interfa at cu o sta ie de lucru standard (a
SPARCStation Sun 20). Software-ul de analiz de imagini pentru acest sistem a fost
implementat în C sau în UNIX C, f r a fi optimizat. Acest sistem este capabil de dou
moduri de func ionare: înscriere şi verificare. Aceste moduri func ioneaz analog cu cele
descrise de sistemul Daugman. Ambele moduri necesit aproximativ 10 s pentru a finaliza.
Un salt semnificativ în vitez ar putea fi posibil printr-o optimizare a soft-ului de analiza a
imaginii. Nu exist înc nici o variant comercial a acestui sistem.
Sistemul Wildes et al. nu a fost evaluat în aceeaşi m sur ca sistemul Daugman. În mod
particular sistemul Wildes a fost subiectul unui studiu empiric. În acest caz, un total de 60 de
irişi au fost recunoscu i ca apar inând unui num r de 40 de persoane. Pentru fiecare iris un set
de 10 imagini au fost capturate: 5 la începutul testului şi 5 dup o luna. Trebuie remarcat c
acest test a inclus şi gemeni identici. Din nou, un set de culori normale ale irisului a fost
înregistrat (albastru, maro deschis, verde şi maro). Aceste preg tiri au permis aceleaşi tipuri
de compara ii ca în experimentele descrise anterior. Nu s-au observat falsuri pozitive şi
negative în acest set de date. În acest caz nu s-a f cut o analiz statistic din cauza num rului
mic de participan i. Cu toate acestea, la un nivel calitativ, datele despre subiec ii adev ra i şi
cei falşi au fost bine separate. În rapoartele lor subiective, operatorii nu au avut reproşuri.
În general, cele dou sisteme prezentate de recunoaştere a irisului s-au prezentat
remarcabil în timpul testelor preliminarii. Chiar dac experimentele au fost f cute pe un
num r de 102 irişi sau mai pu in, cu o baz de date (set de intrare) de 1010 irişi, trebuie s se
acorde aten ie în extrapolarea acestor date. Cu toate acestea, rezultatele sunt în favoarea
recunoaşterii irisului ca o tehnologie biometric promi toare.
Concluzii. Eforturile recente au condus la sisteme automate care fac paşi importan i în
folosirea poten ialului de recunoa tere a persoanelor dup iris. Aşa cum autorul a prezentat
anterior, aceste sisteme sunt relativ compacte şi eficiente şi au demonstrat performan e
promi toare la testele preliminare. Sistemele existente necesit o participare consistent a
operatorului şi func ioneaz de la distan e mici. Prin urmare, acestea sunt potrivite pentru
controlul intr rilor. No iunea c irisului este biometric util pentru recunoaştere provine în
mare parte din dovezi clinice anecdotice. Aceste dovezi sugereaz ca irisul este distinct şi
stabil în timp. Testele empirice ale sistemelor de recunoaştere a irisului sus in aceste teorii;
dar aceste teste au avut un scop limitat. O direc ie important pentru viitoarele eforturi este
designul şi execu ia studiilor longitudinale la scar mare. Doar prin aceste studii poate fi
recunoscut acurate ea recunoaşterii irisului pentru identificare şi verificare. O alta direc ie
pentru viitoarele studii ar fi relaxarea constrângerilor actualelor sisteme de recunoaştere a
irisului. În acest sens ar fi de dorit diminuarea aportului operatorului chiar şi prin m rirea
distan ei de evaluare. Dac aceste scopuri vot fi atinse, recunoaşterea irisului va oferi bazele
unor verific ri biometrice neinvazive. Mai mult, în cazul în care aceste îmbun t iri poate fi

107 / 122
implementate şi în acelaşi timp men inând implement ri compacte, eficiente, şi cu costuri
reduse, atunci recunoaşterea irisului va fi bine pozi ionat pentru implementarea pe scar
larg .

3.3.4. Articole publicate după anul 1999

În anul 1999 s-a realizat lucrarea „Iris identification system and iris identification
method” („Sistem de identificare a irisului şi metod de identificare a irisului”) [MITSUJI],
care reprezint patentul num rul 5901238 din 4 mai 1999, autorul fiind Mitsuji Matsushita.
Dispozitivele conven ionale de identificat persoana prin citirea irisului se comport în felul
urm tor: acestea identific prima dat o imagine a capului persoanei, iar mai apoi camera
digital localizeaz ochii, ulterior apropiindu-se de aceştia pentru a analiza irisul.
O problem cu dispozitivele automate instalate cu scopul analiz rii irisului unei
persoane este reprezentat de faptul c lumina din camera respectiv se reflect asupra irisului
individului, acest lucru ducând la ob inerea unei imagini imprecise a irisului persoanei
respective, amplificându-se astfel posibilitatea ca rezultatul generat s nu fie cel corect.
Patentul îşi propune s elimine aceste deficien e ale sistemului, prin stocarea în baza de
date a unei multitudini de imagini capturate, pentru ca în momentul compar rii s poat c uta
prin toate imaginile existente şi s g seasc una care s fie perechea imaginii analizate. Prin
aceast inven ie se propune s se extrag numai o parte a irisului fotografiat pentru analiz ,
acea parte fiind una de maxim relevan în ob inerea rezultatului dorit. Acest lucru face s nu
fie nevoie ca tot irisul s fie analizat.
Dispozitivul propus poate sa extrag mai multe por iuni necesare identific rii dar va
cumula toate acele por iuni pentru a da cel mai bun rezultat. Acest pas înainte face ca viteza şi
precizia aparatului sa creasc sim itor. Aceast inven ie este exemplificat prin prisma unui
aparat care este pus la îndemâna oamenilor.
Deci este mult mai accesibila publicului larg, deoarece aceasta inven ie este reprezentat
de un bancomat cu recunoaştere a irisului. Acest bancomat are înmagazinat în el toate
func iile unui bancomat de la banc dar în plus mai are trei op iuni: op iunea de depunere de
bani direct prin bancomat nemaifiind nevoie ca respectivul client s mearg la ghişeu, a doua
op iune este reprezentat de recunoaşterea amprentei vocale şi a treia op iune este
reprezentat de faptul c foloseşte identificarea persoanei pe baza irisului. În momentul în
care imaginea irisului este declarat de calculator ca şi exact cu imaginea din baza de date,
clientul este identificat şi poate s îşi fac opera iunea în voie.
Imaginea irisului ob inut pe moment se împiedica de aceeaşi problem ca şi la
aparatele vechi, i anume din pricina luminii şi a umbrelor rezultate imaginea irisului s-ar
putea s nu coincid cu cea stocata în baza de date. În acest caz computerul împarte imaginea
minu ios în bi i şi compara bi ii de la imaginea ob inut cu bi ii de la imaginea din baza de
date, acest lucru întâmplându-se numai dup ce computerul sincronizeaz perfect bi ii (bit cu
bit) imaginii nou ob inute.
Compararea bi ilor are loc în modulul principal de control pe când generarea şi
sincronizarea bi ilor are loc în memoria intermediar (auxiliar ). În acest fel se poate ob ine
un rezultat cât mai precis. Calculul asem n rii se face cu ajutorul algoritmului de asem nare
al lui Euclid.
În esen , acest sistemul creşte încrederea de a folosi identificarea pe baza irisului uman.

În anul 2003 s-a realizat lucrarea “Iris information acquisition apparatus and iris
identification apparatus” („Aparat pentru achizi ia informa iilor despre iris şi aparat de

108 / 122
identificare bazat pe iris”) [HARUOITO], care reprezint patentul 6526160 din 23 februarie
2003, realizat de c tre Haruo Ito.
Acest patent a ap rut din dorin a oamenilor de a face sistemele de securitate mult mai
performante, eficiente, s se poat baza pe ele în orice situa ie şi mai ales s fie cât mai greu
de p c lit de c tre cei r uvoitori.
Înafar de metodele tradi ionale de securitate şi identificare (amprentarea, care este
folosit de o gam larg de persoane), s-a dorit sporirea nivelului de securitate la accesul în
cadrul unei incinte prin identificarea pe baza citirii irisului.
Avantajele identific rii cu ajutorul irisului sunt reprezentate de faptul c s-a descoperit
c irisul nu se schimb semnificativ de-a lungul vie ii şi se stabilizeaz începând de la vârsta
de doi ani.
Un scop al acestei inven ii este acela de a genera un cod al irisului în timp real. Inven ia
con ine un senzor de captare a imaginii (care culege informa ii despre iris), care cuprinde un
grup de pixeli fotoelectrici de conversie.
Acest senzor poate fi compus dintr-un grup de pixeli aranja i în cercuri concentrice sau
poate fi compus dintr-un grup de pixeli aranja i în form de spiral care se extinde într-o
direc ie radial .
Aparatele tind s devina din ce în ce mai complexe pentru a asigura precizie cât mai
mare în analizarea irisului. Aparatul prezentat în acest patent se bazeaz pe o serie de senzori
ultra sensibili care au fiecare câte o sarcin bine definit .
Aparatul este format dintr-un scanner care scaneaz imaginea exterioar a unui iris. În
sine inven ia ob ine informa ii despre zona irisului care a fost scanat cu ajutorul unui aparat
de „culegere” a informa iilor despre iris.
Aceasta opera iune are loc în mai mul i paşi: 1) se preleveaz imaginea; 2) un senzor
care determin devierea şi centreaz irisul cu coordonatele polare ale senzorului; 3) un senzor
care determina exact marginile irisului; 4) un scanner care scaneaz exact regiunea delimitata
de senzorul anterior şi prezint datele culese.
Se folosesc aceleaşi procedee de aducere a irisului la forma corect , prin iluminare din
diferite unghiuri ale irisului pentru a aduce umbrele ca acelea din imaginea predefinit şi de
iluminare direct a irisului pentru a aduce pupila la m rimea potrivit pentru identificarea
corect .
Lentilele folosite pentru fotografiere şi analizare sunt mai performante, ele fiind
capabile de un anumit zoom necesar cercet rii mai de aproape a anumitor detalii esen iale în
identificare.
Creşterea în performan este subliniat şi de faptul c se reuşeşte compararea şi a
anumitor p r i ale irisului care se afl ascunse din anumite motive sub pleoap , care cu
ajutorul patentelor formulate anterior nu ar fi fost posibil.
Imaginile şi informa iile strânse despre irisul scanat sunt salvate într-o memorie non-
volatila pentru siguran şi pentru a oferi posibilitatea de investiga ii suplimentare ulterioare,
dac acestea sunt necesare.

Lucrarea “Improving Iris Recognition Performance Using Segmentation, Quality

Enhancement, Match Score Fusion, and Indexing” („Îmbun t irea performan elor de
recunoaştere a irisului folosind segmentarea, îmbun t irea calit ii, fuziunea scorului de
potrivire şi indexarea”) [VATSA], a fost realizat în anul 2008 de c tre M.Vatsa, R. Singh,
A.Noore, şi publicat de c tre IEEE.
Se doreşte îmbun t irea recunoaşterii persoanelor pe baza irisului folosind
segmentarea, calitatea superioar , potrivirea cu furnizare de scor şi indexarea. Se folosesc
anumi i algoritmi pentru a reuşi s creasc viteza şi acurate ea identific rii irisului. Scopul
este s se poat reduce rata respingerilor eronate chiar şi atunci când trebuie de lucrat cu o

109 / 122
imagine de slab calitate. Aici intervine procedeul segment rii, deoarece se preiau anumite
segmente dintr-o multitudine de imagini de slab calitate ale aceluiaşi iris. Procedeul de
sporire a calit ții este folosit atunci când exist mai multe imagini cu o calitate slab dar care
va fi sporita ulterior.
Acest procedeu preia anumite p r i (cele mai bune) din diferite imagini la care le-a fost
sporit calitatea, ca s formeze la sfârşit o imagine de calitate superioar . Sunt extrase dou
caracteristici ale imaginii, cea textural , folosindu-se transform rile logaritmice 1-D Gabor, şi
caracteristica topologic local folosindu-se numerele lui Euler.
Procedeul de indexare este o variant mai complet a procedeului de sporire a calit ii,
la acesta ad ugându-se la sfârşit şi un algoritm de indexare care faciliteaz citirea mai rapid
şi mai precis .
Metodele actuale de recunoaştere a irisului se bazeaz pe faptul c fotografiile se fac
într-un mediu controlat ca s poate fi de o calitate cât mai bun . Încercarea oamenilor de
tiința este ca imaginile capturate într-un mediu necontrolat s poat s fie folositoare pentru
identificare. În aceast lucrare se încearc s se îmbun t easc performan ele de verificare şi
identificare ale irisului. Se foloseşte procedeul Mumford-Shah pentru a segmenta imagini ale
irisului fotografiate în condiții non-ideale. În func ie de calitatea şi de condi iile în care a fost
capturat imaginea se selecteaz un anumit set de algoritmi pentru a face analiza irisului.
Algoritmii de identificare ale irisului necesita un timp îndelungat pentru a captura şi analiza
imaginea, dar aici se încearc s se reduc timpul acesta f r s se renun e la precizia
r spunsului dat.
Algoritmul de indexare reduce semnificativ timpul de acordare a unui r spuns, f r a fi
defavorizat precizia analizei. S-a constatat c prin folosirea algoritmului de indexare nu
numai c nu se pericliteaz precizia cu care se ia decizia, dar în unele cazuri aceast precizie
este chiar mai sporit într-un anumit procent.
Programele de înalt fidelitate actuale au o rat a erorii extrem de mic , dar cu toate
acestea cercet torii îşi propun provocarea de a reduce cât mai mult posibil num rul erorilor.
Se folosesc algoritmi de estimare a marginilor irisului pentru a creşte viteza şi a reduce
costurile radical. Se folosesc algoritmi de extrac ie care doresc ca pe baza unor elemente cheie
s identifice irisul şi s permit aflarea rezultatului mult mai rapid. Pentru a reduce şi mai
mult erorile se folosesc şi algoritmi de însumare care însumeaz mai multe rezultate ale
scan rii irisului şi dup aceasta ofer un rezultat mai precis. În acest fel se reduc erorile,
deoarece nu se lucreaz cu o singur imagine, ci cu mai multe. Avantajul acestei inven ii este
c identificarea pe baza irisului se poate face şi dintr-o fotografie f cut în condi ii nu tocmai
ideale şi se poate ajunge la un rezultat favorabil folosind algoritmii elabora i.

În anul 2009 s-a patentat lucrarea “Distance iris recognition” („Recunoaşterea irisului
de la distan ”), realizat de c tre Rida M. Hamza, şi care reprezint patentul num rul
7593550 din 22 septembrie 2009 ([HAMZA]).
Inven ia se refer la anumite caracteristici de identificare biometric pentru a putea
identifica o persoan de la distan . Inven ia înglobeaz şi cunoştin ele de la patentele
anterioare.
Se foloseşte o camer care s surprind imaginea irisului, un calculator care s estimeze
marginile irisului şi de asemenea se foloseşte procedeul de segmentare care era folosit şi în
patentul din 2008. În acest patent se folosesc coordonatele polare, precum şi algoritmul de
împ r ire a irisului în mai multe p r i. Se foloseşte procedeul de însumare pentru ca din
multitudinea de imagini care sunt la dispoziție s se formeze o imagine de mai bun calitate,
care s poat fi analizat mai uşor.
Calculatorul trebuie s despart zonele afectate ale irisului de zonele neafectate şi s le
normalizeze pân acestea se vor potrivi. Sistemul elaborat cu ajutorul noilor tehnologii este

110 / 122
mult mai de încredere şi mai eficient decât ce s-a realizat pân în acel moment. Încercarea
oamenilor de ştiin este ca imaginile capturate într-un mediu necontrolat s poat s fie
folositoare pentru identificare, iar totodat aceste imagini s poat fi ob inute de la o distan
apreciabila.
Reuşita acestei noi inven ii se bazeaz pe faptul c , fa de inven iile anterioare,
fotografierea se poate face şi de la distan şi nu este nevoie ca ochiul s fie într-o anumit
pozi ie. În concluzie actuala inven ie înglobeaza avantejele formulate de patentele anterioare
şi vine cu îmbun t irea de a putea identifica persoana de la distan .

În anii urm tori, interesul pentru recunoa terea persoanelor folosind irisul a cunoscut o
cre tere important , care poate fi v zut i din num rul tot mai mare de articole publicate în
acest sens. În acest capitol s-au prezentat cele mai importante articole i patente, care vor fi
utilizate în dezvoltarea ulterioar a unor aplicații care vor fi prezentate în cadrul tezei de
doctorat.

111 / 122
112 / 122
 Capitolul IV
Concluzii și direcții viitoare de cercetare

4.1. Concluzii și contribuții ale autorului

În acest referat au fost prezentate foarte multe informații referitoare la biometrie în

general, precum i la dou dintre cele mai utilizate caracteristici: amprenta digital i irisul. În
continuare se vor prezenta principalele concluzii i contribuții ale autorului.

Capitolul I – „Biometria – o nou metod de autentificare a persoanelor”

reprezint o introducere în domeniul tehnologiilor biometrice. Principala contribu ie este dat
de prezentarea unitar şi detalitat a no iunilor de biometrie. Prezentarea este foarte bine
documentat şi sus inut de explica ii şi imagini foarte sugestive pentru subiectul tratat. Se
prezint func ionarea sistemelor biometrice, diferen ele între verificare şi autentificare,
performan ele unui sistem biometric şi aplica ii ale biometriei. În continuare, se prezint cele
mai importante caracteristici biometrice, cu tr s turilor lor definitorii (fizionomia, tehnici
antropometrice, amprentele papilare, imaginea irisului şi a retinei, termograma facial ,
recunoaşterea vocal , dinamica semn turii, ADN-ul şi elementele artificiale de identificare).
Capitolul poate reprezenta un punct de start în studierea acestui domeniu, având în vedere
faptul c bibliografia în limba român în acest domeniu este ca şi inexistent .

Capitolul II – „Recunoașterea persoanelor dup amprenta digital ” urm re te

parcursul utiliz rii amprentelor digitale de la sistemele manuale de clasificare i reg sire, la
cele automate folosite în prezent.
Principalele contribu ii ale autorului în capitol sunt:
- la începutul capitolului sunt prezentate date generale despre amprente, împreun cu
tipurile principale de desene papilare;
- au fost prezentați principalii senzori utiliza i în vederea prelu rii imaginilor
amprentelor digitale. Autorul a prezentat atât modele ale dispozitivelor de captare a
imaginilor amprentelor, cât şi schemele de principiu în func ionarea acestora. S-au
subliniat avantajele şi dezavantajele fiec rui tip de senzor.
- prezentarea în ordine cronologic a lucr rilor reprezentative din domeniul
recunoaşterii amprentelor digitale, care urm reşte parcursul utiliz rii amprentelor
digitale de la sistemele manuale de clasificare şi reg sire, pân la cele automate
folosite în prezent. Dup prezentarea cronologic , în care se reg sesc materiale din
perioada 1892-2009, s-au descris pe larg lucr ri de baz ale acestui domeniu, printre
cele mai reprezentative fiind cele scrise de c tre Alessandro Farina, Nalini K. Ratha,
Anil K. Jain. În cadrul acestor prezent ri s-au subliniat avantajele, dezavantajele şi
îmbun t irile aduse acestui domeniu de studiu de c tre autorii respectivi.

Capitolul III – „Recunoaşterea persoanelor dup iris” prezint informa ii despre

senzori, echipamente şi în special metode utilizate pentru identificarea sau recunoaşterea
indivizilor dup caracteristicile irisului, împreun cu contribu iile autorului tezei de doctorat
la dezvoltarea acestui domeniu de cercetare de o foarte mare actualitate.
Principalele contribu ii ale autorului în acest capitol sunt:
- prezentarea datelor generale despre ochiul uman i iris;

113 / 122
- echipamentele de achizi ie a imaginii irisului au fost prezentate în continuare,
insistându-se pe descrierea web-cam-ului Panasonic BM-ET100US, care a fost folosit
în cadrul tezei de doctorat. Aceast camer are dou avantaje evidente: i) imaginea
irisului este preluat în infraroşu; ii) poate fi folosit şi pentru recunoaşterea
persoanelor dup fizionomia fe ei, deoarece dispune de dou obiective (unul pentru
preluarea imaginii irisului şi cel lalt pentru web-cam clasic, prin care se poate prelua
imaginea persoanei)
- prezentarea istoricului şi stadiului actual privind identificarea persoanelor dup iris,
insistându-se pe dou lucr ri fundamentale din domeniu, scrise de c tre John
Daugman şi Richard P. Wildes.

4.2. Direc ii viitoare de cercetare privind tehnologiile biometrice

Printre principalele direc ii viitoare de cercetare se pot aminti:
- securizarea accesului într-un automobil;
- crearea unei baze de date pentru identificarea persoanelor în cazul solicit rii
ambulan ei la accidente rutiere sau pentru transportul unor persoane a c ror
identitate nu este cunoscut , împreun cu înregistrarea într-o baz de date central
a istoricului medical al fiec rei persoane;
- securizarea dispozitivelor de identificare: paşaport biometric, carte de identitate,
permis de conducere.

114 / 122
 Bibliografie
[ATM1] http://www.atmmarketplace.com/article.php?id=9738&na=1
[BEN1] http://www.iaa.gov.il/Rashat/en-US/Airports/BenGurion/
[BMS1] http://www.black-sign.com/RO/flash/BMS-F01_Brosura.pdf
[DIS1] http://newsinitiative.org/story/2006/09/01/walt_disney_world_the_governments
[GALTON1] http://galton.org/books/finger-prints/index.htm
[KRO1] http://media.www.thebatt.com/media/storage/paper657/news/2002/06/
10/FrontPage/Kroger.Now.Offering.Fingerprint.Scanning-517946.shtml
[PRIV1] https://www.schiphol.nl/AtSchiphol/PriviumMagazine/PriviumMagazine.htm
[USVIS1] http://Twww.dhs.gov/usvisit

[ANSI1986] Fingerprint Identification - Data Format for Information Interchange, American

National Standards Institute, New York, 1986.
[ARRAO1] Ravishankar Rao, A., A Taxonomy for Texture Description and Identification,
Springer-Verlag, New York, 1990
[AZUMAT] Azuma Takeo, Iris code generation method, individual authentication method,
iris code entry device, individual authentication device, and individual certification
program, patent nr. 7379567 din 27 mai 2008
[BALLARD1] D. H. Ballard and C. M. Brown, Computer Vision. Englewood Cliffs, NJ:
Prentice-Hall, 1982.
[BARRY1] Barry, C., Ritter, N., Database of 120 Greyscale Eye Images. Lions Eye Institute,
Perth Western Australia.
[BART1] Bartlett, M.S., Movellan, J.R., Sejnowski, T.R., “Face recognition by Independent
Component Analysis”, IEEE Trans. on Neural Networks, 13, pp.1450-1464, 2002
[BELH1] Belhumeur, P.N., Hespana, J.P., Kriegman, D.J., "Eigenfaces vs. fisherfaces:
Recognition using class specific linear projection", IEEE Trans. PAMI, 19, no. 7, pp.
711-720, 1997
[BELH2] Belhumeur, P.N., Kriegman, D.J., "What is the Set of Images of an Object under
All Possible Illumination Conditions?", Int. J. Computer Vision, vol. 28, no.3, pp. 1-16,
1998
[BERGEN1] J. R. Bergen, P. Anandan, K. Hanna, and R. Hingorani, “Hierarchical model-
based motion estimation,” in Proc. Euro. Conf. Computer Vision, Santa Margherita
Ligure, Italy, 1991, pp. 5–10.
[BERNSEN] J.A.C. Bernsen, An Objective and Subective Evaluation of Edge Detection
Methods in Images, Philips J. Res., 46, 1991, pp.57 – 94.
[BERT1] Alphonse Bertillon, Identification anthropométrique – Instructions signalétiques,
Melun, Imprimerie administrative,1893
[BERT2] Alphonse Bertillon, De l'identification par les signalements anthropométriques,
Archives de l'anthropologie criminelle et des sciences pénales, Conference faite le 22
novembre au congres penitentiaire de Rome
[BOLDEA1] Maria BOLDEA, Costin Radu BOLDEA, Identificare biometrica , Revista
Informatica Economica, nr. 1(25)/2003 , pg. 78-82
[BOLES1] Boles, W., Boashash, B., A human identification technique using images of the iris
and wavelet transform, IEEE Transactions on Signal Processing, Vol. 46, No. 4, 1998.
[BOUCH1] F. Bouchier, J. S. Ahrens, and G. Wells, “Laboratory evaluation of the IriScan
prototype biometric identifier,” Sandia National Laboratories, Albuquerque, NM, Tech.
Rep. SAND’96-1033, 1996.
[BRADRADU] Brad Radu, Procesarea Imaginilor si Elemente de Computer Vision, Ed.
Univ. “Lucian Blaga” din Sibiu, 2003

115 / 122
[BRIGHT1] R. Bright, Smartcards: Principles, Practice, Applications. New York: Ellis
Horwood, 1988.
[BULEA] Bulea, M. – Prelucrarea imaginilor i recunoa terea formelor. Teorie i aplicații,
Editura Academiei Române, 2003
[BURT1] P. Burt, E. Adelson. The laplacian pyramid as a compact image code. IEEE
Transactions on Communications, Vol. COM-31, No. 4, 1983.
[CANNY] Canny, J., F., - Finding Edges and lines in Images, technical report, MIT Artificial
Intelligence Laboratory, 1983
[CANNY86] – J.Canny, A computational Approach to Edge Detection, IEEE Transaction on
pattern Analysis and Machine Intelligence, Vol.8, No.6, November 1986, pp. 679 – 698;
[CASTAN] S.Castan, J.Zhao, J.Shen, Optimal Filter for Edge Detection Methods and Results,
Proc. On First European Conference on Computer Vision, Antibes, April, 1990, pp.13
– 17.
[C LEANU1] C leanu, C.D., Recunoaştere facială bazată pe procesare neuronală paralelă
şi metoda operatorului de interes, Tez de doctorat, Universitatea “POLITEHNICA”
Timişoara, 2001.
[C LEANU2] C leanu, C.D., Facial Recognition using Committee of Neural Networks, Proc.
5th Seminar on Neural Network Applications în electrical engineering, NEUREL 2000,
Belgrad, Yugoslavia., pag. 97-100, 2000.
[C LIN1] C lin, C.F., Structurarea şi protecţia datelor într-o reţea informatică
interbancară, lucrare de doctorat, Bucureşti, 2005
[CANNY] Canny, J., F., - Finding Edges and lines in Images, technical report, MIT Artificial
Intelligence Laboratory, 1983
[CHANG1] Chang, J.H., Fingerprint Classification by Ridge Distribution Sequence and
Ridge Distribution Model, 2001
[CHENKUO1] Chen, Z., Kuo, C.H., A Topology-Based Matching Algorithm for Fingerprint
Authentification, în Proc.Int.Carnahan Conf. on Security Technology (ed. 25), pg. 84-
87, 1991
[CHIN1] Chinese Academy of Sciences – Institute of Automation. Database of 756
Greyscale Eye Images. http://www.sinobiometrics.com Version 1.0, 2003.
[CHIRIL1] Chirillo, J., Blaul, S., Implementing Biometric Security, Wiley, 2003
[CHONG1] Chong, Michael, et. al. Automatic representation of fingerprints for data
compression by b-spline functions, Pattern Recognition, Volume 25, Issue 10, October
1992, Pages 1199-1210 Volume 25, Issue 10, Pages
T

[CIOC1] Ciocoiu, I.B., Reţele neurale artificiale, Editura Cantes, Iaşi, 2001
[COETBOTH1] Coetzee, L., Botha, E.C., Fingerprint Recognition în Low Quality Images,
Pattern Recognition, vol. 26, nr. 10, pg. 1441-1460, 1993
[CORNELIULAZAR] Corneliu Laz r, Sisteme de vedere artificial , suport de curs , capitolul
3 – Procesarea imaginilor
[COVA1] Cova, J.-F., Patent nr. 7,596,248 - Method for identification of person by
recognition of a digital fingerprint
[DASS1] Dass, S., Jain, A.K., Fingerprint classification Using Oriented Field Flow Curves,
2002
[DAUGM1] Daugman, J., How iris recognition works, Proceedings of 2002 International
Conference on Image Processing, Vol. 1, 2002.
[DAUGM2] Daugman, J., Biometric personal identification system based on iris analysis,
United States Patent, Patent Number: 5.291.560, 1994.
[DAUGM3] Daugman, J., High confidence visual recognition of persons by a test of
statistical independence, IEEE Transactions on Pattern Analysis and Machine
Intelligence, Vol. 15, No. 11, 1993.

116 / 122
[DAUGM4] Daugman, J., Biometric decision landscapes, Technical Report No. TR482,
University of Cambridge Computer Laboratory, 2000 .
[DAUGM4] Daugman, J., Two-dimensional spectral analysis of cortical receptive field
profiles, Vision Res. 20 (1980) 847-856.
[DAUGM5] Daugman, J., Uncertainty relation for resolution în space, spatial frequency, and
orientation optimized by two-dimensional visual cortical filters, J. Opt. Soc. Am. A2
(1985) 1160-1169.
[DAUGM6] Daugman, J., Complete discrete 2D Gabor transforms by neural networks for
image analysis and compression, IEEE Trans. Acoustics; Speech Signal Processing 36
(1988) 1169-1179.
[DAUGM7] Daugman, J., Downing, C.J., Demodulation, predictive coding; and spatial
vision, J. Opt. Soc. Am. A12 (1995) 641-660.
[DONAHUE] M.J. Donahue and S.I. Rokhlin, On the use of level curves în image analysys,
Image Understanding, vol.57, pp.652 – 655, 1992
[DUDA1] R. O. Duda and P. E. Hart, Pattern Classification and Scene Analysis. New York:
Wiley, 1973.
[DUMI1] Dumitrescu, D., Costin, H., Reţele neuronale. Teorie şi aplicaţii, Ed. Teora, pag.24-
29, 1996.
[EARLFGLYNN] Earl F. Glynn, Mixtures of Gaussians, Earl F. Glynn, Stowers Institute for
Medical Research 9 February 2007
[ELUPU1] Lupu, E., Pop, P., Rusu, C., Sistem biometric multimodal de autentificare, Studiu
comparativ asupra verificatorilor selectati, Metode şi mijloace de achizitie a
informatiilor biometrice, -sinteza-, 2008, http://ares.utcluj.ro/PN2-ID-
904_files/sinteza2008.pdf
[FARINA1] Farina, Alessandro, Zsolt, M. Kovacs-Vajna, Leone, Alberto, Fingerprint
minutiae extraction from skeletonized binary images, D.E.I.S., University of Bologna,
Viale Risorgimento 2, I-40136 Bologna, Italy Received 26 June 1997, în revised form
25 June 1998
[FBI1988] The Science of Fingerprints: Classification and Uses, United States Department of
Justice, Federal Bureau of Investigation, Washington, DC, rev. (1988) 12-84.
[FIELD1] D. Field. Relations between the statistics of natural images and the response
properties of cortical cells. Journal of the Optical Society of America, 1987
[FISHER1] R. A. Fisher, “The use of multiple measurements in taxonomic problems,” Annals
Eugenics, vol. 7, no. 2, pp. 179–188, 1936.
[FITZGRE1] Fitz, A.P., Green, R.J., Fingerprint Classification Using Hexagonal Fast
Fourier Transform, Pattern Recognition, vol. 29, nr. 10, pg. 1587-1597, 1996
[FLOM1] Flom, Leonard, Safir, Aran, Iris recognition system, United States Patent, Patent
Number: 4.641.349, 1987.
[GABOR1] Gabor, D., Theory of communication, J. Inst. Electr. Eng. 93 (1946) 429-457.
[GELLERT1] Gellert, A., Brad, R., Procesarea imaginilor – Aplicaţii
(http://webspace.ulbsibiu.ro/arpad.gellert/html/PI.pdf)
[GEX1] Ge, X., Iwata, S., “Learning the parts of objects by auto-association”,
NeuralNetworks, vol. 15, pp. 285-295, 2002
[GRATTONI] – P.grattoni, A.Guiducci, Contour Coding for Imge Description, Pattern
Recognition Letters, vol.11, No.2, February 1990, pp.95 – 105
[HARALIK] R.M. Haralik, Digital Step Edges from Zero Crossing of Second Directional
Derivatives, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.8,
No.1, January 1986, pp. 58 – 68;
[HAYKIN1] Haykin, S., Neural Networks: A Comprehensive Foundation, Second Edition,
IEEE Press, pag.8, 1999.

117 / 122
[HAMZA] R.M.Hamza, “Distance iris recognition”, patent nr. 7,593,550 din 22 sept 2009
[HARUOITO] Haruo Ito, Iris Information Acquisition apparatus ad iris identification
apparatus, patent nr. 6,526,160 B1, 25 feb 2003
[HENRY1] International Biometric Group, The Henry Classification System, 2003
[HENRYCLEE] Henry C. Lee, R. E. Gaensslen, editors, Advances in Fingerprint technology,
Elsevier, New York, 1991
[HONGETALL] L.Hong, Y.Wan and A.K. Jain, Fingerprint image Enhancement: Algorithms
and Performance Evaluation, IEEE Transaction onPAMI, Vol.20, No.8, pp. 777 – 789,
Aug. 1998
[HORN1] B. K. P. Horn, Robot Vision. Cambridge, MA: MIT Press, 1986.
[HOY1] Hoyer, P.O., “Non-negative matrix factorization with sparseness constraints”,
J.Machine Learning Research, vol. 5, pp. 1457-1469, 2004
[HTAMURA1] Tamura, H., A comparision of line thinning algorithms from digital geometry
viewpoint, in Proc. of 4th Int. Joint Conf. on Pattern Recognition, Kyoto, Japan, pg.
715-719, 1978
[HUERTAS] A.Huertas, G.Medioni, Detection of Intensity Changes with Subpixel Accuracy
Using Laplacian – Gaussian Mask, IEEE Transaction on Pattern Analysis and Machine
Intelligence, vol.8,No.5, September, 1986, pp.651 – 665.
[HUNG1] Hung, D.C.D., Enhancement and Feature Purification of Fingerprint Images,
Pattern Recognition, vol. 26, nr. 11, 1661-1671, 1993
[IEEE1] IEEE Spectrum, vol. 41, no. 3, pp. 13, 2004
[JAHNE1] B. Jahne, Digital Image Processing, 2nd ed. Berlin: Springer-Verlag, 1993.
[JAIN1] Li, S., Jain, A.K., Handbook of Face Recognition, Springer, 2005
[JAIN2] Jain, A.K., Hong, L., and Bolle, R. (1997), On-Line FingerprintVerification, IEEE
Trans. On Pattern Anal and Machine Intell, 19(4), pp.302 - 314
[JAIN3] N.Ratha, S.Chen and A.K.Jain, Adaptive Flow Orientation based feature Extraction
în Fingerprint Images, Pattern recognition, Vol. 28, pp.1657 – 1672, Nov.1995
[JAIN4] L.C.Jain, U.Halici, I.Hayashi, S.B.Lee and S.Tsutsui, Intelligent biometric
techniques în fingerprint and face recognition, 1999, The CRC Press
[JAIN5], Jain, A.K., et all - Fundamentals of digital image proccesing, Prentice Hall,
Englewood Cliffs, NJ, 1989
[JAYANT1] N. S. Jayant and P. Noll, Digital Coding of Waveforms. Englewood Cliffs, NJ:
Prentice-Hall, 1984.
[JERKER1] – Jerker, B., Check for fingerprints, United States Patent Application
20020050713
[JOY1] Joy, K., The DeBoor-Cox Calculation, Visualization and Graphics Research
Laboratory, 1997
[KASS1] M. Kass, A Witkin, and D. Terzopoulos, “Snakes: Active contour models,” in Proc.
Int. Conf. Computer Vision, London, England, 1987, pp. 259–268.
[KASSWIT1] Kass, M., Witkin, A., Analyzing Oriented Patterns, Computer Vision, Graphics
and Image Processing, vol. 37, nr. 3, pg. 362-385, 1987
[KAWATOJO1] Kawagoe, M., Tojo, A., Fingerprint Pattern Classification, Pattern
Recognition, vol. 17, pg. 295-303, 1997
[KONG1] Kong, W., Zhang, D., Accurate iris segmentation based on novel reflection and
eyelash detection model, Proceedings of 2001 International Symposium on Intelligent
Multimedia, Video and Speech Processing, Hong Kong, 2001.
[KONG2] Kong, S.G., Heo, J., Abidi, B.R., Paik, J., Abidi, M.A., “Recent advances în visual
and infrared face recognition—a review”, Computer Vision Image Understansding,, vol.
97, pp. 103-135, 2005

118 / 122
[KOVESI1] Kovesi, P., MATLAB Functions for Computer Vision and Image Analysis.
(http://www.cs.uwa.edu.au/~pk/Research/MatlabFns/index.html)
[KREU1] Kreutz, M., Volpel, B., Jansen, H., "Scale-Invariant Image Recognition Basedon
Higher Order Autocorrelation Features", Pattern Recognition, vol. 29, no. 1, pp.19-26,
1996
[KURITA1] Kurita, T., Hotta, K., Mishima, T., "Scale and rotation invariant
recognitionmethod using high-order local autocorrelation features of log-polar image",
Proc.Asian Conf. on Computer Vision, pp. 89-96, 1998
[LAI1] Lai, J.H., Yuen, P.C., Feng, G.C., "Face Recognition Using Holistic FourierInvariant
Features", Pattern Recognition, vol. 34, pp. 95-109, 2001
[LEE1] Lee, T., Image representation using 2D Gabor wavelets, IEEE Transactions of
Pattern Analysis and Machine Intelligence, Vol. 18, No. 10, 1996.
[LEE2] Lee, D.D., Seung, H.S., “Learning the parts of objects by non-negativematrix
factorization”, Nature, 401, pp. 788-791, 1999
[LEE3] Lee, C.J., and Wang, S.D., Fingerprint feature extraction using Gabor filters,
Electron. Lett., 1999, 35, (4), pp.288 - 290
[LI1] Li, S.Z., Hou, X.W., Zhang, H.J., “Learning spatially localized, parts-
basedrepresentation”, Proc. CVPR, 200148
[LIBORMASEK1] Libor, Masek., Recognition of Human Iris Patterns for Biometric
Identification, The University of Western Australia, 2003
[LIM1] Lim, S., Lee, K., Byeon, O., Kim, T., Efficient iris recognition through improvement
of feature vector and classifier, ETRI Journal, Vol. 23, No. 2, Korea, 2001.
[LINHONG1] Lin Hong, Automatic Personal Identification Using Fingerprints, ph.D. Thesis,
1998
[LIU1] Liu, X., Chen, T., Vijaya Kumar, B.V.K., "Face Authentication for Multiple Subjects
Using Eigenflow", CMU Technical Report AMP 01-05, 2001
[LIU2] Liu, C., Wechsler, H., “Independent component analysis of Gabor features for face
recognition”, IEEE Trans. Neural Networks, vol. 14, no. 4, pp. 919-928, 2003
[LORENZO1] Lorenzo, V.L., Fingerprint Minutiae Extraction Based On FPGA and MatLab,
2003
[MACMILL1] N. A. Macmillan and C. D. Creelman, Detection Theory: A User’s Guide.
Cambridge: Cambridge Univ. Press, 1991.
[MAIO1] D.Maio and D.Maltoni, Direct gray-scale minutiae detection în fingerprints, IEEE
trans.Pattern Anal. And Machine Intell., 19(1):27-40, 1997
[MALES1] Malleswara, R., Feature Extraction for fingerprint classification, Pattern
Recognition, no. 8, pg. 181-192, 1976
[MALTO1] Maltoni, D., Maio, D., Jain, A.K., Prabhakar, S., Handbook of Fingerprint
Recognition, Springer, 2003
[MARR1] D. Marr, Vision. New York: Freeman, 1982.
[MARR2] D.Marr, E.C.Hildreth, Theory of Edge Detection, Proc. Royal Society of London
Bulletin, vol.204, 1979, pp.301 – 328;
[MASEK1] Masek, L., Recognition of Human Iris Patterns for Biometric Identification, B.E.
Thesis, University of Western Australia, 2003
[MAWA1] Ma, Y. Wang, T. Tan. Iris recognition using circular symmetric filters. National
Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of
Sciences, 2002.
[MEHTRE1] Mehtre, B.M., Fingerprint Image Analysis for Automatic Identification,
Machine Vision and Applications, vol. 6, nr. 2-3, pg. 124-139, 1993
[MEL1] Vladimir Melnic, Sisteme electronice de supraveghere şi control,
T T

http://www.itcode.ro/?mg=cuprins&isbn=973-96225-5-0

119 / 122
[MITSUJI] Mitsuji Mathushita, Iris Identification sysem and iris identification method, patent
nr. 5,901,238, 4 may 1999 [

[MOGH1] Moghaddam, B. , "Principal Manifolds and Probabilistic Subspaces for

VisualRecognition", IEEE Trans. PAMI, vol. 24, no.6, 2002
[MOGOŞ1] Mogoş, G., Ianculescu, A., Compendiu de anatomie şi fiziologie a omului, Ed.
Ştiin ific , Buc., pag.76, 1980.
[MOLDO1] Moldovan, Maria Simina, Aplicaţii ale analizei wavelet b-spline în biometrie,
Rezumatul tezei de doctorat, Universitatea Tehnic din Cluj-Napoca, 2011
[MONGA89] O.Monga, R.Deriche, G.Malandain, Recursive Filtering and Edge Closing: Two
Primary Tools for 3D Edge Detection, Rapports de recherché, INRIA, No.1103,
octomber, 1989;
[MVPOPA] Mircea Virgil Popa, tefan Demeter, Ramona Oancea, Alina Hangan, Prelucrarea
numeric a imaginilor. Aplicații ale rețelelor neuronale în prelucrarea imaginilor
[NANAV1] Nanavati, S., Thieme, M., Nanavati, R., Biometrics – Identity verification in a
networked world, Wiley, 2002
[NALINI1] Nalini K. Ratha, Adaptive Flow Orientation Based Feature Extraction in
Fingerprint Images, 1995 , ftp://ftp.cps.msu.edu/pub /prip/ratha /feat_ext.ps.gz
[NEDEV] S.Nedevschi, Prelucrarea imaginilor şi recunoaşterea formelor, Ed.albastra, Cluj-
Napoca, 1998
[NIST1] C.I. Watson, C.L. Wilson, NIST Special Database 4, Fingerprint Database, National
Institue of Standard and Technology, 1992
[NOH1] Noh, S., Pae, K., Lee, C., Kim, J., Multiresolution independent component analysis
for iris identification, The 2002 International Technical Conference on
Circuits/Systems, Computers and Communications, Phuket, Thailand, 2002.
[OGORMNICK1] O’Gorman, L., Nickerson, J.V., An Approach to Fingerprint Filter Design,
Pattern Recognition, vol. 22, nr. 1, pg. 29-38, 1989
[OLORIZ1] Oloriz, Jukegistro, Manual de identitate
T

[OPPEN1] Oppenheim, A., Lim, J., The importance of phase în signals, Proceedings of the
IEEE 69, 529-541, 1981.
[OPREA1] Oprea, D., Protecţia şi securitatea informaţiilor, Polirom, Iaşi, 2003
[ORT1] Ort, James R., et. al, Fingerprint identification system, patent nr. 5,926,555
[PACO1] Gheorghe P şescu, Ion. R. Constantin, Secretele amprentelor papilare, Editura
Na ional, 1996
[PENEV1] Penev, P., Atick, J., "Local feature analysis: A general statistical theory for object
representation", Network: Computation în Neural Systems, vol. 7, no. 3, pp. 477-500,
1996
[PENTL1] Pentland, A., Moghaddam, B., Starner, T., "View-based and modular eigenspaces
for face recognition", Proc. CVPR, pp. 84-91, 1994
[PIOT1] Piotrowski, L.N., Campbell, F.W., "A demonstration of the visual importance and
flexibility of spatial-frequency, amplitude, and phase", Perception, vol. 11, pp. 337-346,
1982
[PIZER1] Pizer, S., Adaptive histogram equalization and its variations, Computer Vision,
Graphics, and Image Processing, Volume 39, Issue 3, September 1987, Pages 355–368
[POH1] Poh, N., Bengio, S., An investigation of F-ratio Client-Dependent Normalisation on
Biometric Authentication Tasks, în Proceedings of IEEE International Conference on
Acoustics, Speech, and Signal Processing (ICASSP), volume 1, pg. 721-724,
Philadelphia, SUA, 2005
[PRATT1] W. K. Pratt, Digital Image Processing. New York: Wiley, 1978.
[RADUGABRIELDANESCU] – Radu Gabriel Danescu, suport de curs, Procesarea
Imaginilor, Curs 10 (Detecția muchiilor), pagina 1

120 / 122
[RATHA1] N.K. Ratha, S. Chen, A.K. Jain, Adaptive flow orientation-based feature
extraction în fingerprint images, Pattern Recognition 28 (1995) 1657.
[RITTER1] Ritter, N., Location of the pupil-iris border în slit-lamp images of the cornea,
Proceedings of the International Conference on Image Analysis and Processing, 1999.
[RONAJA1] Ross, A., Nandakumar, K., Jain, A.K., Handbook of Multibiometrics, Springer,
2006
[SANDER1] Sanderson, S., Erbetta, J., Authentication for secure environments based on iris
scanning technology, IEEE Colloquium on Visual Biometrics, 2000.
[SAYO1] Sayood, K., “Introduction to Data Compression”, Morgan Kaufmann Publishers,
2000
[SENIOR1] Senior, A., System and method for transforming fingerprints to improve
recognition, patent nr. 6466686
[SHAN1] Shan, S., Chang, Y., Gao, W., Cao, B., “Curse Of Mis-Alignment în Face
Recognition: Problem And A Novel Mis-Alignment Learning Solution”, Proc.AFGR,
pp. 314-320, 2004
[SHARAT1] Sharat, C., Fingerprint Image Enhancement Using STFT Analysis, 2004
[SHERL1] Sherlock, B.G., Computer Enhancement and Modeling of Fingerprint Images, în
Automatic Fingerprint Recognition System, Springer-Verlag, 2004
[SHERL2] Sherlock, B.G., Monro, D.M., A Model for Interpreting Fingerprint Topology,
Pattern Recognition, vol. 26, nr. 7, pg. 1047-1055, 1993
[SHERL3] Sherlock, B.G., Monro, D.M., Millard, K., Fingerprint enhancement by
directional Fourier filtering, IEE Proc. Vis. Image Signal Processing, 141(2):87-94,
April 1994
[SIMA1] Simard, P.Y., Le Cun, Y.A., Denker, J.S., Victorri, B., "TransformationInvariance
în Pattern Recognition – Tangent Distance and Tangent Propagation",Int. J. Imaging
System and Technology, vol. 11, Issue 3, pp. 181-194, 2001
[SOVIANY1] Sorin SOVIANY, Gheorghi PESCARU, Mihaela TACHE, Securizarea
accesului la sisteme de comunicaţii prin metode de identificare biometrică,
TELECOMUNICA II, Anul LII, nr. 1/2009
[SPIL1] Spilc , A., Sisteme dedicate automate cu comandă vocală realizate cu reţele neurale,
Tez de doctorat, Universitatea “POLITEHNICA” Timişoara, 2000.
[SRIMUR1] Srinivasan, V.S., Murthy, N.N., Detection of Singular Points în Fingerprint
Images, Pattern Recognition, vol. 25, nr. 2, pg. 139-153, 1992
[STOSALY1] Stosz, J.D., Alyea, L.A., Automated System for Fingerprint Authentification
Using Pores and Ridge Structure, Proc. of SPIE (Automated Systems for the
Identification and Inspection of Humans), vol 2277, pg. 210-223, 1994
[SWE1] Swets, J.A., Tanner , W.P., Birdsall, T.G., Decision Processes în Perception,
Psychological Review, 68(5):301-340, 1961
[TANNER1] W. P. Tanner and J. A. Swets, “A decision-making theory of visual detection,”
Psychol. Rev., vol. 61, pp. 401–409, 1954.
[THOETALL] Thomas Yeo, Wee Peng Tay, Ying Yu Tai, Image Systems engineering
Program, Stanford university, 2008, Student project
[TIBERIUMARITA] Tiberiu Marita, Procesarea imaginilor (Suport de curs), Technical
University of Cluj
[TICOETALL] M.Tico, P.Kuosmanen and J. Saarinen, Wawelet domain features for
fingerprint recognition, Electroni. Lett., 2001, 37, (1), pp.21 – 22.
[TISSE1] Tisse, C., Martin, L., Torres, L., Robert, M., Person identification technique using
human iris recognition, International Conference on Vision Interface, Canada, 2002.
[TODER1] Toderean, G., Coşteiu, M., Giurgiu, M., Reţele neuronale, Ed. Microinformatica,
Cluj-Napoca, pag.46, 1994.

121 / 122
[TRUCCO] Trucco, E., Verry, A. Introductory Techniques for 3-D Computer Vision, Prentice
Hall, 1998
[TSAKAI1] Sakai, T., Nagao, M., Matsushima, H., Extraction of invariant picture sub-
structures by computer, Computer Graphics and Image Processing, 1(1):81-96, 1972
[TUN1] Tun, N., Recognising Iris Patterns for Person (or Individual) Identification, Honours
thesis. The University of Western Australia. 2002.
[TURK1] Turk, M., Pentland, A.P., "Eigenfaces for recognition", J. of
CognitiveNeuroscience, vol. 3, no. 1, pp. 71-86, 1991
[UCHIDA1] – Uchida, K., Patent nr. 6,324,297 – Skin pattern feature extractacting apparatus
[VAJNA1] Zs.M. Kovács-Vajna, M. Frazzoni, R. Rovatti, Fingerprint ridge distance
computation methodologies, Pattern Recognition (1997) submitted.
[VATSA] M.Vatsa, R. Singh, A.Noore, Improving Iris Recognition Performance Using
Segmentation, Quality Enhancement, Match Score Fusion, and Indexing, Systems, Man,
and Cybernetics, Part B: Cybernetics, IEEE Transactions on, Aug. 2008
[VIZCAYA1] Vizcaya, Pedro, Gerhardt , Lester, A nonlinear orientation model for global
description of fingerprints, Electrical, Computer, and Systems Engineering Department,
Rensselaer Polytechnic Institute, Troy, NY 12181, U.S.A.
[WAHL1] Wahl, F.M. – Digital image signal processing, Artech, Boston, 1987
[WILDES1] Wildes, R., Iris recognition: an emerging biometric technology, Proceedings of
the IEEE, Vol. 85, No. 9, 1997.
[WILDES2] Wildes, R., Asmuth, J., Green, G., Hsu, S., Kolczynski, R., Matey, J., McBride,
S., A system for automated iris recognition, Proceedings IEEE Workshop on
Applications of Computer Vision, Sarasota, FL, pp. 121-128, 1994.
[WISK1] Wiskott, L., Fellous, J.-M., Kruger, N., von der Malsburg, C., "Face Recognition by
Elastic Bunch Graph Matching", IEEE Trans. PAMI, vol. 17, no. 7. pp. 775-779, 1997
th
[WOLFF1] Wolff, E., Anatomy of the Eye and Orbit. 7 edition. H. K. Lewis & Co. LTD,
P
P

1976.
[WU1] Wu, J., Zhou, Z.H., “Face recognition with one training image per person”,Pattern
Recognition Letters, vol. 23, pp. 1711-1719, 2002
[WU2] Wu, C., Advanced feature extraction algoriths for automatic fingerprint recognition
system
[WUZHILI] Wu, Zhi-Li, Fingerprint recognition, Tez de licen , Hong Kong Baptist
University, Aprilie 2002 (disponibil pe pagina http://www.comp.hkbu.edu.hk/
~vincent/resPaper.htm)
[XIAORAA1] Xiao, Q., Raafat, H., Fingerprint Image Post-Processing: A Combined
Statistical and Structural Approach, Pattern Recognition, vol. 24, nr. 10, pg. 985-992,
1991
[YILM1] Yilmaz, A., Gokmen, M. , “Eigenhill vs. eigenface and eigenedge”,
PatternRecognition, vol. 34, pp. 181-184, 2001
[IANTYOUNGETALL] ian T. Young, Lucas J. van Vliet, and Michael van Ginkel, Recursive
Gabor filtering, IEEE Transactions on signal processing, vol.50, no.11, nov.2002
[YUILLE1] A. L. Yuille, P. Hallinan, and D. Cohen, “Feature extraction from faces using
deformable templates,” Int. J. Comput. Vis.,vol. 8, no. 2, pp. 99–112, 1992.
[ZHAO1] Zhao, W., Chellappa, R., Rosenfeld, A., Phillips, P.J., “Face Recognition: A
Literature Survey”, ACM Computing Surveys, pp. 399-458, 2003
[ZHU1] Y. Zhu, T. Tan, Y. Wang. Biometric personal identification based on iris patterns.
Proceedings of the 15th International Conference on Pattern Recognition, Spain, Vol. 2,
2000

122 / 122