Monografias.com > Uncategorized
Descargar Imprimir Comentar Ver trabajos relacionados

Introducción a la biometría (página 2)



Partes: 1, 2, 3

Figura 7. Hoja 1 y 2 de la patente
3959769

El 28 de Junio de 1977 se patentó un arreglo de
reconocimiento del hablante por parte de Marvin Robert Sambur y
asignado a Bell Telephone Laboratories con la patente No. 4032711
de Estados
Unidos.

 

Figura 8. Primera hoja de la patente
US4032711

El 12 de Julio de 1977 fue patentado en Estados Unidos
un aparato para identificación personal por
parte de Austin G. Boldridge y Robert W. Freund, asignado a
Veripen Inc. y patente No. 4035768, esta es considerada la
primera patente de adquisición de información dinámica de una firma.

El 22 de Agosto de 1978 se patento un aparato y método
para identificar individuos a través de sus patrones
vasculares de la retina, fue patentado por Robert Hill B. en
Estados Unidos No. 4109237, Japón
53105090, Gran Bretaña 1593001 y Alemania
2801927

Figura 9. Pagina principal de la patente
No. 4109237

En los ochentas El instituto nacional de
estándares y tecnología (NIST)
creó el Grupo de
Discurso de
NIST para estudiar y promover el uso de técnicas
de procesamiento del discurso.

En 1983 en la película de James Bond "Never Say
Never Again", se usa la tecnología de reconocimiento de
iris para el acceso a un arsenal nuclear de Estados Unidos, este
sistema trabajaba
reconociendo el iris derecho del presidente de Estados
Unidos.

El 3 de febrero de 1987 Leonard Flom y Aran Safir
patentaron en Estados Unidos bajo la patente No. 4641349 un
sistema de reconocimiento de iris.

Figura 10. Primera página de la
patente US4641349

El 31 de Julio de 1987 Eduard Menoud patentó en
la Confederación Suiza un método para identificar
una persona a partir
de la geometría de su mano, patentado con el No.
CH661428A5.

 

Figura 11. Pagina 1 de la patente No.
CH661428A5

En 1988, la división Lakewood del departamento de
Sheriff del condado de Los Ángeles
empezó a usar dibujos
compuestos ó imágenes
de video para
realizar búsquedas en bases de datos de
fotografías de criminales, es considerado el primer
sistema semi-automático de reconocimiento
facial.

James R. Young y Robert W. Hammon patentaron el 14 de
febrero de 1989 un método y aparato para verificar la
identidad de
un individuo, la
patente fue asignada a Int. Bioaccess systems corp. En Estados
Unidos No. 4805222. Esta invención se basa en la
dinámica de pulsaciones de tecla de un individuo para
identificarlo.

Figura 12. Página principal de la
patente No. 4805222

En Enero de 1990 M. Kirby y L. Sirovich publicaron
"Application of the Karhunen-loeve procedure for the
characterization of human faces", un paper que trata sobre el uso
de simetrías naturales (imágenes espejo) en una
familia de
patrones bien definida (rostros humanos). Anteriormente en 1987
ellos habian publicado otro paper titulado "A Low-Dimensioanl
Procedure for the Characterization of Human Faces" y que tambien
trataba el tema de reconocimiento facial.

En 1991 Matthew Turk y Alex Pentland publican un paper
llamado "Eigenfaces for recognition" en "Journal Cognitive
Neuroscience", donde se planteaba que el reconocimiento facial en
tiempo real
era posible.

En Octubre de 1992 tuvo su primera reunión
Biometric Consortium una organización establecida por La agencia de
seguridad
nacional (NSA) de Estados Unidos; este consorcio inicialmente
estaba compuesto por agencias gubernamentales, miembros de la
industria
privada y de la academia.

De 1993 a 1997 corrió el programa FERET
(FacE REcognition Technology) patrocinado por el departamento de
defensa hasta la Agencia de Investigación de Productos de
Avance de Defensa (DARPA) de Estados Unidos, su misión
principal fue el desarrollo de
capacidades de reconocimiento facial automático que
pudiera ser empleado por personal de seguridad, inteligencia y
justicia en el
desarrollo de sus labores.

En 1993 la agencia de defensa nuclear de Estados Unidos
inicio trabajos con IriScan, Inc. (empresa creada
por Leonard Flom y Aran Safir) para probar y entregar un
prototipo de unidad de reconocimiento de iris.

En 1994 al final de la competencia de un
sistema de identificación de huellas digitales integrado y
automatizado (IAFIS), donde se investigaba y se identificaron
tres grandes retos: 1. Adquisición de la huella digital,
2. extracción local de las características de las
ondulaciones y 3. Comparación de patrones de las
características de las ondulaciones, Lockheed Martin Inc.
fue seleccionado para construir el IAFIS del FBI.

El primer sistema AFIS conocido que se construyó
y que soporta huellas palmares se cree que fue desarrollado en
1994 por una compañía húngara conocida como
RECOWARE y el sistema se conoce con el nombre de
RECOdermTM.

Figura 13. Estación de trabajo de
ingreso de datos del sistema
RECOdermTM

El primero de marzo de 1994 John G. Daugman
patentó en Estados Unidos un Sistema biométrico de
identificación personal basado en el análisis del iris, patente asignada a
IriScan Incorporated, con la patente No. 5291560, también
fue patentado ante la
organización mundial de propiedad
intelectual con el No. 9409446 el 28 de abril de 1994. Los
algoritmos
presentados en esta patente son la base de todos los algoritmos
actuales de sistemas de
reconocimiento de iris.

Figura 14. Página 1de la patente
No. 5291560

OKI Electric Indsutry Ltd., uno de los líderes
mundiales en el suministro de cajeros automáticos
(ATM) en 1995
ofrece la tecnología de reconocimiento de iris a los
bancos
clientes en
Japón.

En 1997 se presenta el proyecto HA-API
(Human Authentication API ), un estándar de
interoperabilidad biométrico genérico y centrado en
facilitar la integración y permitir el intercambio e
independencia
del vendedor.

En 1998 el FBI lanza CODIS (Combined DNA Index System)
para el almacenamiento
digital, búsqueda y recuperación de los marcadores
de ADN con el
propósito de la entrada en vigor de la ley forense en
Estados Unidos.

El 28 de Julio de 1998 Clayden David Oswald
patentó una identificación biométrica de
individuos usando patrones de venas subcutáneas, esta
patente fue asignada a British tech group y patentada en Estados
Unidos No. 5787185, Gran Bretaña No. GB2276749,
Organización Mundial de patentes No. 9422370 y European
Patent Office No.
691822. El nueve de octubre de 2001 se patentó una segunda
invención, esta vez por parte de Hwan-Soo Choi, asignada a
BK Systems y titulada Aparato y método para identificar
individuos a través de sus patrones de venas
subcutáneas y sistema integrado usando dicho aparato y
método, se patento en Estados Unidos No. 6301375 y en
Japón No. 10295674.

Figura 15. Página Principal de la
patente No. 5787185

En 1999 la Organización Internacional de
Aviación Civil (ICAO) se inició el estudio de la
aplicabilidad de la tecnología actual disponible en
biometría con la emisión y procesos de
inspección pertinentes a la Maquina lectora de Documentos de
Viaje (MRTD), como resultado se estableció que a
más tardar el primero de Abril del 2010, los países
que hacen parte de la ICAO deben implementar el e-passport con
todas las recomendaciones que figuran en el documento de la
MRTD.

En el 2000 se dio inicio a la prueba de reconocimiento
facial del vendedor (FRVT) que proporciona evaluaciones
gubernamentales independientes de tecnologías y prototipos
de reconocimiento facial. Estas evaluaciones se diseñan
para proporcionar la información al gobierno de
Estados Unidos y agencias de ley con información que los
ayude a determinar donde y como tecnología de
reconocimiento facial puede ser mejor desarrollada, se considera
que es el reemplazo del programa FERET.

En Enero de 2001 se uso el sistema de reconocimiento
facial en el Super Bowl en Tampa Florida, en búsqueda de
identificar individuos buscados que entraran al estadio. La
demostración no encontró individuos buscados pero
manejo el fallo en identificación en más de una
docena de fanáticos. En consecuencia los medios y el
congreso presentó grandes preocupaciones en cuanto a la
introducción de biométricos y lo
relacionado con la privacidad.

En Marzo de 2001 el "Journal of the Korean Physical
Society" publica un paper de Sang-Kyun Im, Hyung-Man Park,
Young-Woo Kim, Sang-Chan Han, Soo-won Kim y Chul-Hee Kang
titulado "An Biometric identification system by extracting hand
vein patterns", que explica el uso de los patrones de la venas en
las manos para la identificación de una
persona.

La organización Internacional de
Estándares (ISO)
estableció el subcomité 37 en el Comité de
Junta Técnica (JTC) 1 en el 2002 para apoyar la
estandarización de tecnologías biométricas
genéricas.

El 1 de febrero de 2002 se creo el programa FEARID
(Forensic ear identification) con una duración de 40
meses, un programa de la Union Europea y que era manejado por
CORDIS (Community Research & Development Information Service)
en el se estudiaba propuestas par un procedimiento
estandarizado para la recolección de impresiones de oreja
y un procedimiento para la clasificación y
comparación. El 10 de febrero de 2004 publicaron un paer
en Forensic Science Internacional titulado "Exploratory study on
classification and individualisation of earprints, escrito por
Lynn Meijerman, Sarah Sholl, Fracesca De Conti, Marta Giacon, Cor
van der Light, Andrea Drusini, Meter Vanezis, y George
Maat.

El 30 de Mayo de 2002 se publica la concesión de
una patente en Colombia a Jean
François Mainguet cuyo dueño es Thomson CSF, la
patente se titula "Sistema de lectura de
huellas dactilares".

En el 2003 se establece el Foro Europeo de Biométricos
(European Biometrics Forum) una organización europea
independiente apoyada por la comisión europea cuya
visión global es establecer a la Unión
Europea como el líder
mundial en excelencia biométrica.

En Colombia Trek 2000 International Ltd. solicita la
patente para un "dispositivo portátil que tiene
capacidades de autentificación basadas en
biometría", inventado por Poo Teng Pin y Lim Lay Chuan y
publicada el 30 de Enero de 2004

En Mayo de 2004 empezó El gran reto del
reconocimiento facial (The Face Recognition Grand Challenge FRGC)
consiste en una serie de problemas reto
que son progresivamente mas difíciles, el objetivo
principal de FRGC es mejorar la calidad de los
sistemas de reconocimiento facial sobre la prueba de
reconocimiento facial del vendedor (the Face Recognition Vendor
Test
FRVT)

En el 2005 Sarnoff Corporation demostró en la
conferencia
2005 del Biometrics Consortium, la finalización de la
investigación y sistema prototipo capaz de recolectar
imágenes de iris de individuos caminando a través
de un portal, llamado Iris on the MoveTM, este sistema
puede identificar 20 personas por minuto, caminando a paso normal
a través de un portal de reconocimiento. El sistema fue
patentado el 14 de Diciembre de 2006 ante la Organización
Mundial de Propiedad
Intelectual con el nombre de Método y aparato para obtener
información biométrica del iris de un sujeto en
movimiento,
sus inventores fueron Dominick Loiacono y James R. Matey, se
patentó con el No. WO2006132686A2 y
WO2006132689A2

Figura 16. Página Principal de la
patente No. WO2006132689A2

CONCEPTOS GENERALES DE LA
BIOMETRÍA

El termino biometría viene del griego "bio" que
significa vida y "metría" que significa medida o medición, de acuerdo al diccionario de
la real academia de la lengua
española biometría es el estudio mensurativo o
estadístico de los fenómenos o procesos
biológicos, sin embargo más recientemente y para el
tema que nos concierne el significado de biometría es el
conjunto de métodos
automatizados que analizan determinadas características
humanas para identificar o autentificar personas.

La biometría aprovecha que hay ciertas
características biológicas o conductuales
singulares e inalterables, por lo que pueden ser analizados y
medidos para crear una huella biométrica. Estas
características son difíciles de perder, transferir
u olvidar y son perdurables en el tiempo.

La biometría se soporta en siete pilares o
conceptos básicos que son:

  • Universalidad: que tan común es encontrar este
    biométrico en los individuos.
  • Singularidad: que tan único o diferenciable es
    la huella biométrica entre uno y otro
    individuo.
  • Permanencia: que tanto perdura la huella
    biométrica en el tiempo de manera
    inalterable.
  • Recolectable: Que tan fácil es la
    adquisición, medición y almacenamiento de la
    huella biométrica.
  • Calidad: que tan preciso, veloz y robusto es el
    sistema en el manejo de la huella
    biométrica.
  • Aceptabilidad: Que tanta aprobación tiene la
    tecnología entre el público.
  • Fiabilidad: Que tan fácil es engañar al
    sistema de autenticación.

En la biometría se distinguen dos grupos de
registros
biométricos los fisiológicos o morfológicos
y los conductuales.

Los biométricos morfológicos o
fisiológicos son aquellos que se soportan sobre
características físicas inalterables y presentes en
la mayoría de los seres humanos tales como: huella
dactilar, geometría
de la mano, características del iris, patrones vasculares
de la retina, mano, etc.

Los biométricos conductuales son aquellos que se
soportan sobre características de la conducta del ser
humano tales como: pulsaciones del teclado,
discurso, dinámica de la firma, etc.

Tecnología

Como Trabaja

Tamaño plantilla
(bytes)

Fiabilidad

Facilidad

De Uso

Posibles

Incidencias

Costo

Aceptación
Usuario

Huella digital

Captura y compara patrones de la huella
digital

250- 1000

Muy alta

Alta

Ausencia de miembro

Bajo

Alta

Geometría de la
mano

Mide y compara dimensiones de la mano y
dedos

9

Baja

Alta

Edad, Ausencia de miembro

Bajo

Alta

Retina

Captura y compara los patrones de la
retina

96

Baja

Baja

Gafas

Alto

Baja

Iris

Captura y compara los patrones del
iris

512

Baja

Baja

Luz

Muy alto

Baja

Geometría
facial

Captura y compara patrones faciales

84 o 1300

Baja

Baja

Edad, Cabello, luz

Medio

Baja

Voz

Captura y compara cadencia, pitch, y tono de la
voz

10000-20000

Alta

Media

Ruido, temperatura y
meteorología

Alto

Media

Firma

Captura y compara ritmo, aceleración, y
presión de la firma

1000 – 3000

Alta

Media

Edad, cambios, analfabetismo

Alto

Media

Tabla 1. Comparativo de las tecnologías
biométricas más comunes.

Tecnología

Como Trabaja

Madurez

Escaneo de venas

Captura imágenes del patrón del
flujo sanguíneo

Comercialmente disponible

Termografía Facial

Cámaras infrarrojas detectan patrones de
calor
creados por el flujo sanguíneo y emitido por la
piel.

Su comercialización inicial
falló por el alto costo

Comparación de ADN

Compara muestras de ADN con plantillas generadas
como muestra

Muchos años para
implementación

Sensor de olor

Captura los químicos volátiles que
los poros de la piel emiten

Muchos años para su
comercialización

Medidor del pulso sanguíneo

Sensores infrarrojos medien el pulso de la
sangre
en el dedo

Experimental

Reconocimiento del patrón de la
piel

Extrae distintos patrones ópticos por
medidas de espectroscopia de la luz
reflejada por la piel

Emergente

Identificación de la cama de la
uña

Un interferómetro detecta las fases de
cambio
en la incidencia de luz en la uña del dedo;
reconstruye distintas dimensiones de la cama de la
uña y genera un mapa unidimensional

Emergente

Reconocimiento de movimiento

Captura una secuencia de imágenes para
derivar y analizar las características de
movimiento

Emergente: requiere desarrollo futuro

Reconocimiento de la forma de oreja

Esta basada en la distinción de la forma
de la oreja y la estructura del cartílago,
proyectando parte del oído externo.

Todavía un tópico de
investigación

Tabla 2. Tecnología biométrica emergente y
su madurez

En general un sistema biométrico se puede
esquematizar de la siguiente manera:

Figura 17. Sistema biométrico
genérico

En la biometría hay tres términos de uso
muy frecuente que son reconocimiento, verificación e
identificación, cada uno de estos términos que a
simple vista parecen muy similares, tienen significados muy
diferentes.

Reconocimiento es un término genérico que
no implica por defecto una verificación o
identificación de un individuo. Todos los sistemas
biométricos realizan reconocimiento para "distinguir de
nuevo" una persona que se ha ingresado previamente al
sistema.

Verificación: Es una tarea de los sistemas
biométricos que busca confirmar la identidad de un
individuo que la reclama comparando una muestra
biométrica con la plantilla biométrica previamente
ingresada al sistema.

Identificación: es una tarea donde los sistemas
biométricos buscan determinar la identidad de un
individuo. El dato biométrico es tomado y comparado contra
las plantillas en la base de datos,
la identificación puede ser cerrada (si se sabe que la
persona existe en la base de datos) o abierta (si no se sabe con
certeza si la persona existe en la base de datos), la
identificación abierta también es llamada
watchlist.

Partiendo de las definiciones anteriores sabemos que hay
tres formas para comparar la muestra biométrica, la
comparación uno a uno (Verificación), la
comparación uno a muchos (Identificación cerrada) y
la comparación uno a pocos que es una mezcla de los dos
primeros (identificación abierta o watchlist).

Verificación: En el proceso de
comparación uno a uno, el usuario presenta su(s) dato(s)
biométrico(s) y este se compara con la plantilla
biométrica almacenada en una base de datos o en un
dispositivo portátil, verificando si hay o no coincidencia
para esa identidad en la referencia establecida.

Figura 18. Proceso de captura y
verificación de usuario

Identificación cerrada: En el proceso de
comparación uno a muchos, el usuario presenta su(s)
dato(s) biométrico(s) y el dato biométrico se
compara contra la base de datos, donde se sabe que existe,
buscando la identidad más probable del usuario.

Identificación abierta: es un proceso hibrido
entre la verificación y la identificación cerrada,
donde la persona no reclama una identidad específica,
entonces se compara contra toda la base de datos para verificar
si existe en la base de datos, una vez se verifica que
posiblemente existe, dentro de las coincidencias más
probables, determina quién es el usuario.

Para la toma de
decisiones el resultado de cualquiera de las comparaciones
que se hagan puede presentar una de tres posibilidades
dependiendo la puntuación que se alcance en la
comparación de la plantilla y el dato biométrico y
del umbral que se le haya dado al sistema; las tres posibles
alternativas son:

  • Hay correlación: es decir que al comparar el
    dato biométrico capturado con la(s) plantilla(s)
    almacenada(s) la puntuación esta dentro de los umbrales
    de coincidencia.
  • No hay correlación: es decir que al comparar
    el dato biométrico capturado con la(s) plantilla(s)
    almacenada(s) la puntuación esta fuera de los umbrales
    de coincidencia.
  • Imposibilidad de alcanzar conclusión
    definitiva: es decir que hay falta de información para
    poder hacer
    una comparación adecuada.

La precisión de un sistema biométrico esta
determinado por una serie de pruebas, que
están divididas en tres categorías
tecnología, escenario y operacional y para su evaluación
se consideran varios conceptos que se pueden generalizar en dos
conceptos la probabilidad de
que alguien autorizado sea rechazado y la probabilidad de que
alguien no autorizado sea aceptado, el termino a usar
varía, a grandes rasgos, dependiendo el tipo de
comparación que se haga y en que categoría se haga
la evaluación.

Los términos más comúnmente
observados son los siguientes:

La Tasa de falsa aceptación: (FAR – False
Acceptance Rate) Es una estadística que muestra la actuación
del biométrico, típicamente cuando opera en la
tarea de verificación. En general entre más bajo
sea el valor de la
tasa de falsa aceptación, más alto es la
precisión del sistema biométrico. En esta tasa se
muestra el porcentaje de número de veces que el sistema
produce una falsa aceptación. Es decir cuando un individuo
es identificado como usuario de manera incorrecta. Este valor
debe ser lo suficientemente bajo como para que no se impida el
ingreso a los usuarios, pero no tanto que permita el ingreso de
personal no autorizado. El valor depende de lo sensible del
área o sistema a proteger y de la necesidad del usuario. A
nivel de fabricantes la mayoría tienen esta tasa entre el
0.0001% y el 0.1%. La tasa dada normalmente asume intentos
pasivos del impostor.

FAR= PR x FMR x (1-FTA)

Tasa de Falso Rechazo (FRR – False Reject Rate): La
probabilidad de que un dispositivo rechace una persona
autorizada. Comercialmente su valor varía entre el
0.00066% y el 1%.

FRR=FTA+(1-FTA)x BER +(1-FTA)x(1-BER)x
FNMR

El punto de intersección entre la tasa de falsa
aceptación y la tasa de falso rechazo se conoce como la
tasa de error igual (EER – Equal Error Rate), algunas veces se
llama tasa de error cruzada (CER – Crossover Error Rate).Es
una estadística que muestra la actuación del
biométrico, típicamente cuando opera en la tarea de
verificación. En general entre más bajo sea el
valor de la tasa de error igual, más alto es la
precisión del sistema biométrico.

Figura 19. Definición de la tasa
de error igual.

Otros términos utilizados son:

Tasa de Falsa alarma: (False Alarm Rate) Una
estadística usada para medir la calidad del
biométrico cuando opera en el modo de
identificación abierta (watchlist ó
comparación uno a pocos). Este es el porcentaje de veces
que una alarma suena incorrectamente en un individuo que no esta
en el sistema de la base de datos (el sistema alarma en Carlos
cuando Carlos no esta en la base de datos), o una alarma suena
pero la persona incorrecta es identificada (el sistema alarma en
Edgar cuando Edgar esta en la base de datos, pero el sistema
piensa que Edgar es Carlos).

Tasa de falsa coincidencia: (FMR – False Match Rate) La
probabilidad de que un sistema biométrico identifique
incorrectamente un individuo o que falle para rechazar un
impostor. Alternativa a Tasa de falsa aceptación
(FAR).

Tasa de falsa no-coincidencia: (FNMR – False Non-Match
Rate) es parecida a la tasa de falso rechazo (FRR), con la
diferencia de que la FRR incluye la tasa de falla para capturar
el error (Failure to Adquire error rate).

Error tipo I: Este tipo de error ocurre en una prueba
estadística cuando una reclamación valida es
rechazada. Es decir cuando falla al rechazar una
reclamación valida. Por ejemplo Claudia reclama ser
Claudia, pero el sistema niega el reclamo de manera
incorrecta.

Error Tipo 2: Este tipo de error ocurre en una prueba
estadística cuando una reclamación falsa es
aceptada. Es decir cuando falla al aceptar una reclamación
falsa. Por ejemplo Erika reclama ser Sandra y el sistema acepta
el reclamo de manera incorrecta.

MODALIDADES BIOMÉTRICAS

Las tecnologías biométricas de mayor uso
hoy y con más apoyo por las industrias
comerciales son: la huella digital, el reconocimiento facial, la
geometría de la mano, el iris, la voz, la
firma.

Figura 20. Mercado de
Biométricos por tecnología 2006.

Reconocimiento de Huella digital

La comparación de la huella digital es una de las
técnicas más antiguas y ampliamente utilizadas y
aceptas a nivel global.

Los sistemas actuales de comparación de la huella
digital tienen su base en los desarrollos realizados por Galton y
Purkinje.

La huella digital aparece generalmente constituida por
una serie de líneas oscuras que representan las crestas y
una serie de espacios blancos que representan los valles. La
identificación con huellas digitales esta basada
principalmente en las minucias (la ubicación y dirección de las terminaciones de crestas,
bifurcaciones, deltas, valles y crestas, aunque existen muchas
otras características de huellas digitales.

Figura 21. Características de
Huellas digitales

Otra forma de distinguir las huellas digitales es por
sus patrones, los cuales presentó Purkinje en su tesis
doctoral.

Figura 22. Los cuatro patrones
principales

De manera general la forma de procesar una huella
digital es la siguiente:

Figura 23. Proceso común de
escaneo de la huella digital

Y la forma general de almacenamiento de la huella
digital es:

Campo

Bytes

Valor

Notas

Identificador de formato

1-4

46 49 52 00

"FIR" – Record de Imagen
de dedo

Numero de versión

5-8

30 31 30 00

"010"

Longitud del record

9-14

00 00 00 03 93 b5

Una vista de dedo 32+1*(14+234,375)

Dispositivo ID

15-16

01 02

Vendedor proveedor

Nivel de adquisición de imagen

17-18

00 1F

Nivel 31

Número de dedos/palmas

19

01

 

Unidad de escala

20

01

Píxel/pulgada

Resolución Scan (horiz)

21-22

01 F4

500 píxel/pulgada

Resolución Scan (vert)

23-24

01 F4

500 píxel/pulgada

Resolución imagen (horiz)

25-26

01 F4

500 píxel/pulgada

Resolución imagen (vert)

27-28

01 F4

500 píxel/pulgada

Profundidad píxel

29

08

256 niveles de gris

Algoritmo de compresión imagen

30

00

No comprimido (no paquetes de bit)

Reservado

31-32

00 00

 

Tabla 3. Ejemplo de almacenamiento de la huella
digital.

Reconocimiento facial

El reconocimiento facial puede ser menos exacto que las
huellas digitales, pero tiende a ser menos invasivo. La
mayoría de sistemas de reconocimiento facial usados hoy
clasifican la apariencia – intenta medir algunos puntos nodales
en la cara – como la distancia entre los ojos, la anchura de la
nariz, la distancia del ojo a la boca, o la longitud de la
línea de la mandíbula.

Figura 24. Sistema de Reconocimiento
facial

El reconocimiento de la cara bidimensional ha
experimentado algunos obstáculos que el reconocimiento de
la cara tridimensional tradicionalmente elimina parcial o
totalmente: (1) la iluminación consistente de una cara y las
sombras correspondientes; (2) orientación común o
pose de una cara; y (3) variación de las expresiones
faciales. Debido al juego
más rico de pistas geométricas tridimensionales,
incluso la información del rango (por ejemplo,
profundidad), el descubrimiento de la cara puede simplificarse.
La habilidad inherente de sistemas tridimensionales de
reconocimiento facial compensa parcial o totalmente la pose,
iluminación, y la expresión puede necesitarse en
guiones en que el ambiente de la
captura no se controla, como en un cajero automático. La
mayoría de cajeros automáticos no ha controlado la
iluminación y ha requerido una pose o expresión
específica.

Cada registro debe
pertenecer a un solo individuo y debe contener una o más
imágenes de la cara humana. Dependiendo del tipo de imagen
facial, una representación 3D de la cara puede incluir
adicionalmente una imagen 2D. Este registro esta empotrado en el
bloque de datos biométricos en una estructura
CBEFF.

Figura 25. Múltiples
imágenes de la misma persona en un solo
registro

Figura 26. Bloque de datos de registro
facial 3D y 2D incrustado en un mismo registro

Figura 27. Estructura formato registro
facial

Reconocimiento del iris

La tecnología de reconocimiento del iris mira las
características únicas del iris. Mientras la
mayoría de biométricos tiene 13 a 60
características distintas, se dice que el iris tiene 266
puntos únicos. Se cree que Cada ojo es único y
permanece estable con el tiempo y en los ambientes (el ej.,
tiempo, el clima, las
diferencias profesionales).

Figura 28. Partes del ojo

Figura 29. Mapeo del iris del ojo para
los sistemas de reconocimiento del iris

Bytes

Valor

Descripción

1-2

00 00

CBEFF product ID

3-4

00 00

Versión de producto CBEFF

5-6

00 37

Longitud de encabezado -0x37=55 bytes

7-8

00 16

Propiedad de imagen bitfield = 0x16

Orientación Horizontal =
ORIENTATION_FLIPPED

Orientación vertical =
ORIENTATION_BASE

Tipo de scan = SCAN_TYPE_PROGRESSIVE

Oclusión del iris =
IROCC_UNDEF

Llenado de oclusión =
IROCC_ZEROFILL

Extracción de la frontera = IRBNDY_UNDEF

9

04

Longitud de onda =
WAVELENGTH_BROADBAND

10-11

00 BE

Expectativa de diámetro de iris = 0xBE =
190 píxeles

12-13

00 04

Formato de imagen = 0x04 =
IMAGEFORMAT_JPEG

14-15

00 00

Ancho de imagen = 0x00 = WIDTH_UNDEF

16-17

00 00

Altura de imagen = 0x00 =
HEIGHT_UNDEF

18

01

Intensidad de profundidad de imagen = 0x01=1
byte

19

00

Transformación a imagen polar =
TRANS_UNDEF

20-35

40 30 30 63

30 34 66 31

62 37 65 63

66 00 00 00

Identificador único de dispositivo
(DUID), 16 bytes, "M00c04f1b7ecf"

36-51

96 F4 1B 04

FA 7D FB 42

BF 5C 59 6E

66 CC AB 24

Identificador único global, (GUID), 16
bytes

52-53

00 00

Angulo de rotación = 0

54-55

00 00

Incertidumbre de rotación =
ROT_UNCERTAIN_UNDEF

56-59

2E 56

Longitud de datos, 11.862 bytes

60-11.921

XX XX XX XX

XX XX XX XX

XX XX XX XX

XX XX XX XX

Dato de imagen

Tabla 4. Ejemplo del paquete de datos
rectilíneos

Partes: 1, 2, 3
 Página anterior Volver al principio del trabajoPágina siguiente 

Nota al lector: es posible que esta página no contenga todos los componentes del trabajo original (pies de página, avanzadas formulas matemáticas, esquemas o tablas complejas, etc.). Recuerde que para ver el trabajo en su versión original completa, puede descargarlo desde el menú superior.

Todos los documentos disponibles en este sitio expresan los puntos de vista de sus respectivos autores y no de Monografias.com. El objetivo de Monografias.com es poner el conocimiento a disposición de toda su comunidad. Queda bajo la responsabilidad de cada lector el eventual uso que se le de a esta información. Asimismo, es obligatoria la cita del autor del contenido y de Monografias.com como fuentes de información.

Categorias
Newsletter