Дослідження алгоритмів оптимізації локальних особливостей зображення папілярного візерунка

Лесечко, Альона Олегівна

Please use this identifier to cite or link to this item: https://er.chdtu.edu.ua/handle/ChSTU/6578

Title:	Дослідження алгоритмів оптимізації локальних особливостей зображення папілярного візерунка
Authors:	Лукашенко, Валентина Максимівна Лесечко, Альона Олегівна
Issue Date:	Jan-2026
Abstract:	Метою кваліфікаційної роботи магістра є дослідження та реалізація алгоритму оптимізації локальних особливостей зображення папілярного візерунку, який забезпечить низьку вартість і простоту реалізації, шляхом усунення нечіткостей через врахування біологічних особливостей побудови папілярного візерунку з характерними мінюціямі, що забезпечує зберігання найбільш повної та з найменшим змістом помилкової інформації. Об’єкт дослідження – процеси контролю та управління доступом на основі біометричних ознак. Предмет дослідження – алгоритми оптимізації локальних особливостей папілярного візерунку. У кваліфікаційної роботі магістра проведено дослідження та реалізація алгоритму оптимізації локальних особливостей зображення папілярного візерунку, який забезпечує низьку вартість і простоту реалізації, шляхом усунення нечіткостей через врахування біологічних особливостей побудови папілярного візерунку з характерними мінюціями, що забезпечує зберігання найбільш повної та з найменшим змістом помилкової інформації. Основними результатами роботи є визначення та використання логіко-математичної моделі, яка дозволила просто описувати інформаційні дані про папілярний візерунок. Це прискорює процедуру визначення візерунку з найменшим змістом помилкової інформації, що впливає на зниження вартості. Практична значимість отриманих результатів полягає в доведенні результатів до конкретних інженерних рішень. Результатом аналізу підсистем програм є список мінюцій в абсолютних параметрах, а саме: координати {x,y} на растрі; кут направлення та її тип; закінчення або роздвоєння папілярного візерунку. Це забезпечує їх подальший аналіз цих мінюцій, через запропонованого правила і методу сортування та виділення достовірних мінюцій з загальної кількості, що зменшує час на порівняльний аналіз і, як наслідок, зменшується вартість виробу. Розроблено алгоритми, які оптимізують локальні особливості зображення папілярного візерунку, що прискорює процес аналізу. Запропоновано алгоритм перетворення монохромних зображень відбитків пальців до структурованого виду, придатного для обробки. Проведені дослідження для визначення оптимальних параметрів, при яких забезпечується заданий рівень достовірності розпізнавання та швидкість ідентифікації. Робота містить у собі розробку алгоритму усунення нечіткостей і спотворень у зображенні відбитку пальця, отриманого при скануванні. А також розробку алгоритму перетворення монохромного зображення відбитку пальця до структурованого виду, придатного до обробки (порівняння). В результаті виконаної роботи був розроблений метод автоматизації пошуку схожих відбитків. Для реалізації даного методу були розроблені спеціальні алгоритми і правила. Цей метод дозволяє за прийнятний час автоматично визначати особистість за відбитком пальця за допомогою виділення локальних особливостей. У порівнянні з ручним визначенням «на око» по ключовим ділянкам вихідного зображення отриманий значний виграш у швидкості й зручності використання. У результаті розробка є на порядок дешевше. При цьому ідентифікація особистості по відбитку пальця є самою вдалою біометричною технологією завдяки простоті використання, зручності й надійності. Можливість помилки при ідентифікації користувача по відбитках пальців набагато менше в порівнянні з іншими біометричними методами. Крім того, сам пристрій ідентифікації по відбитку пальця малогабаритний й прийнятний за ціною.
URI:	https://er.chdtu.edu.ua/handle/ChSTU/6578
Appears in Collections:	174 Автоматизація, комп'ютерно-інтегровані технології та робототехніка (Автоматизація та комп'ютерно-інтегровані системи та компоненти)

Files in This Item:

File	Description	Size	Format
М_174_2025_Лесечко.pdf Restricted Access		1.13 MB	Adobe PDF	View/Open Request a copy

Show full item record

Extracted text

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ
ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ І СИСТЕМ
КАФЕДРА РОБОТОТЕХНІКИ ТА СПЕЦІАЛІЗОВАНИХ
КОМП’ЮТЕРНИХ СИСТЕМ
ПОЯСНЮВАЛЬНА ЗАПИСКА
до кваліфікаційної роботи
освітнього ступеня «магістр»
Дослідження алгоритмів оптимізації локальних особливостей
на тему:
зображення папілярного візерунка

Виконав здобувач вищої освіти 2 курсу,
групи МАКІТ-2409
спеціальності 174 Автоматизація,
комп’ютерно-інтегровані
технології та робототехніка
(освітня програма «Автоматизація
та комп’ютерно-інтегровані
системи та компоненти» )
Альона ЛЕСЕЧКО
(ім’я та ПРІЗВИЩЕ)
Керівник Валентина ЛУКАШЕНКО
(ім’я та ПРІЗВИЩЕ)
Рецензент
(ім’я та ПРІЗВИЩЕ)

Захист дозволяю:
зав. кафедри, д.т.н., професор Валентина ЛУКАШЕНКО
(підпис) (ім’я та ПРІЗВИЩЕ)

Черкаси 2025

ЗМІСТ
ЗМІСТ………………………………………………………………….….….2
ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ………………………….………...…4
ВСТУП……………………………………………………………………….5
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ…………………………...…9
РОЗДІЛ 1. СТАН ПРЕДМЕТУ ДОСЛІДЖЕННЯ ТА ФОРМУВАННЯ
ЗАВДАНЬ.…………………………………………………………..…..…..13
1.1 Аналіз ринку технологій, що використовуються у біометричних
системах та сфера застосування …….…..………………………..…....…..13
1.2 Системний аналіз біометричних технологій…………….………….....15
1.2.1 Основні характеристики біометричних технологій……………...…15
1.2.2 Модель класифікаційної біометричних ідентифікаторів та
порівняльний аналіз застосування біометричних технологій ………..…19
1.2.3 Порівняльний аналіз застосування біометричних технологій…...…20
1.2.4 Аналіз основних характерних особливостей та засобів біометричних
даних ……………………………………………………………………...…24
1.2.4.1 Основні характерні особливості та засоби при ідентифікації
відбитків пальців………....…………...…………………….……….…...…25
1.2.4.2 Основні характерні особливості та засоби при ідентифікації по
обличчю…………………………………………….………..………….…...26
1.2.4.3 Основні характерні особливості та засоби при ідентифікації
голосу……………………………………………………………….……….28
1.2.4.4 Основні характерні особливості та засоби при ідентифікації по
почерку…………………………………………….……….……………….29
1.3 Системний аналіз пристроїв для сканування відбитків пальців….....32
1.4 Формування завдань……………………………...…………………….42
Висновки до розділу 1…………………….………………………………..42
2

РОЗДІЛ 2. РОЗРОБКА І ДОСЛІДЖЕННЯ АЛГОРИТМІВ
ОПТИМІЗАЦІЇ ЛОКАЛЬНИХ ОСОБЛИВОСТЕЙ ЗОБРАЖЕННЯ
ПАПІЛЯРНОГО ВІЗЕРУНКУ…………...……………….………..………43
2.1 Основні поняття та визначення…………………………….……..…...43
2.2 Методи розпізнавання особистостей відбитків пальця…….……..…44
2.3 Математичні моделі особливостей папілярних візерунків для
трансформація зображення з растрової форми в структурну….…….…..48
2.4 Алгоритм сортування списку абсолютних параметрів, виключення
помилкових і ненадійних мінюцій…………………………………….…..57
Висновки до розділу 2…………………….………………………………..60
РОЗДІЛ 3 МОДЕЛІ АЛГОРИТМІВ ПІДПРОГРАМ ДЛЯ ОПТИМІЗАЦІЇ
ЛОКАЛЬНИХ ОСОБЛИВОСТЕЙ ПАПІЛЯРНОГО ВІЗЕРУНКУ..……61
3.1 Вибір мови програмування та середовища розробки програм…...…61
3.2 Загальний опис модулів програми ……………………………………61
3.3 Опис контрольного прикладу папілярних візерунків…….…….……73
Висновки до розділу 3…………………….………………………………..77
ВИСНОВКИ……………………………………………………..…….……78
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ………………………….……….80

3

ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ
dpi – кількість точок на дюйм (dot per inch)
FAR – False Acceptance Rate — ймовірність помилкового збігу
біометричних характеристик двох людей
FRR – False Rejection Rate — ймовірність відмови доступу людині, що має
допуск
PIN – персональний ідентифікаційний номер
SDK – Software Development Kit — комплект засобів розробки
БД – база даних з відбитками
ВП – відбиток пальця
ЕОМ – електронно-обчислювальна машина
КМОП – технологія виготовлення мікросхем (кремній метал оксид
напівпровідник)
ОС – операційна система
ПЗЗ – прилад із зарядовим зв'язком
ПК – персональний комп'ютер
ПЗ – програмне забезпечення
СКУД – система контролю і управління доступом
СТ – специфічна точка (мінюція)

4

ВСТУП
Світовий ринок біометричних технологій стрімко розвивається,
демонструючи значні темпи зростання завдяки зростаючому попиту на
безпеку та зручність в різних сферах, таких як мобільні пристрої,
контроль доступу та електронні паспорти.
Зростання ринку:
За прогнозами, ринок досягне $59,31 млрд до 2025 року зі
середньорічним зростанням 19,5%.
Основні тренди розвитку біометричних технологій:
- Технологія розпізнавання облич, ця технологія швидко набирає
популярності та стає домінуючим трендом у сфері контролю доступу,
охоплюючи як мобільні пристрої, так і системи безпеки будівель.
- Збільшення використання у фінансовому секторі, біометрія все
ширше застосовується для безпеки банківських операцій, що підвищує
довіру споживачів.
- Зручність і безпека, зростання популярності зумовлене
прагненням до поєднання високого рівня безпеки з простотою
використання, наприклад, для оплати товарів.
- Біологічні дані використовуються в електронних паспортах для
ідентифікації громадян.
Ключові технології та сфери застосування:
• Розпізнавання за відбитками пальців це - одна з
найпоширеніших технологій, що займає значну частину ринку
біометрії.
• Розпізнавання облич - використовується для захисту
смартфонів та систем контролю доступу в комерційних та
промислових об'єктах.
5

• Ідентифікація за райдужною оболонкою ока: високонадійна
біометрична технологія, що використовує унікальний візерунок
райдужки ока для автентифікації.
• Верифікація підпису: Використовується для автоматизації
документообігу в банках та судовій сфері.
• Контроль доступу: Застосовується в системах безпеки для
обмеження доступу до будівель, приміщень та інформаційних систем.
• Електронні паспорти та документи:
• містять біометричні дані власника для полегшення
ідентифікації та забезпечення безпеки.
Ключові аспекти біометричного ринку в Україні:
Вартість оформлення закордонного біометричного паспорта станом
на 2025 рік становить 1042 грн (у звичайному порядку) та 1682 грн
(у терміновому).
Вартість ID-картки у звичайному режимі складає 558 грн, а у
терміновому – 928 грн. Ці ціни включають вартість послуг та
бланка.
Переваги біометричних технологій для громадян за ознаками:
• Безпека: Біометричні паспорти практично неможливо підробити
завдяки новітнім технологіям захисту даних.
• Зручність: ID-картки замінюють паперові паспорти та полегшують
спілкування з державними органами. Автоматизовані системи на кордоні
прискорюють процес ідентифікації.
• Практичність: Пластикові картки зручніші та зносостійкі за
паперові аналоги.
Правила в'їзду/ виїзду.
6

Наявність біометричного паспорта громадянина України для виїзду за
кордон дозволяє подорожувати до країн ЄС у межах безвізового режиму (до
90 днів протягом 180 днів).
Особливості перспективного розвитку ринку біометричних систем:
• Зростання ринку біометричних систем стимулює розвиток нових
технологій, що робить процедури доступу швидшими, безпечнішими та
простішими.
• Існує тенденція до співпраці різних біометричних технологій, а не
їх конкуренції, щоб підвищити надійність та точність процесу
ідентифікації.
• Біометричні системи можуть підвищити надійність і точність
процесів автентифікації, особливо при використанні систем із захистом
від шахрайства (наприклад, технологій "живості"). Це забезпечує
покращення безпеки
Розвиток технологій здійснюється в наступному напрямку:
• Продовжуватимуть розвиватися такі технології, як розпізнавання
відбитків пальців, райдужної оболонки ока та рис обличчя, завдяки їхній
надійності та поширеності.
• Вдосконалюватимуть технології аналізу поведінкових патернів,
таких як голос, візерунок підпису та інші.
• Зростатиме увага до таких технологій, як біометрія на основі ДНК,
що вважається майже неможливою для підробки.
• Продовжують розроблятися нові методи для боротьби з "обманом",
наприклад, використовуючи технології визначення "живості"
біометричних даних, що збільшує захист від шахрайства.
Проблеми, які можуть виникнути через впровадження біометричних
технологій.
7

• Існує ризик, що біометричні дані можуть бути використані не за
призначенням і розкривати медичну інформацію (наприклад, про
хвороби, генетичні особливості) або емоційний стан людини.
• Біометричні системи можуть ідентифікувати людину, навіть якщо
вона не бажає цього, що створює проблеми конфіденційності та безпеки.
8

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
З розвитком комп’ютерних мереж і розширенням сфер
автоматизації значимість інформації стрімко зростає. Найпоширенішим
способом автентифікації користувачів залишається введення логіна та
пароля. Такий підхід досі широко застосовується в більшості організацій,
однак він має низку недоліків:
- паролі забувають;
- зберігають у неналежних місцях або їх можуть викрасти. Часто
користувачі залишають пароль записаним на папері біля робочого місця,
що створює додаткові ризики безпеці.
Альтернативним рішенням є використання біометричних
технологій, що забезпечують ідентифікацію особи на основі
фізіологічних та поведінкових характеристик.
До фізіологічних ознак належать: відбитки пальців, структура
сітківки та райдужної оболонки, геометрія обличчя та кисті руки.
Поведінкові характеристики включають, зокрема, динаміку підпису та
індивідуальні особливості роботи з клавіатурою.
Актуальність. Зростання кількості інформаційних потоків, що
потребують надійного захисту, зумовлює актуальність розвитку
біометричних систем. Біометрія широко застосовується у таких сферах:
• криміналістика;
• системи контролю та управління доступом;
• ідентифікація громадян;
• електронна комерція;
• інформаційна безпека та мережевий доступ;
• облік робочого часу;
• електронне голосування;
• фінансові транзакції та електронні платежі;
9

• авторизація на веб-ресурсах;
• соціальні проєкти;
• цивільна ідентифікація (візові центри, контроль кордонів) та ін.;
• проекти цивільної ідентифікації (перетинання державних кордонів,
видача віз на відвідування країни) і т.д.
На відміну від паролів або документів традиційного типу,
біометричні характеристики неможливо забути, загубити чи легко
підробити, що робить їх особливо надійним інструментом ідентифікації.
Зображення відбитка пальця є растровою структурою, яку можна
описати, виходячи з конфігурації папілярних ліній. Виявлення та аналіз
їхньої структури дає змогу здійснювати ідентифікацію шляхом
порівняння відбитків і визначення збігів або відмінностей.
Зростання рівня терористичних загроз, незаконної міграції,
розвиток паспортно-візових документів нового покоління, а також
необхідність забезпечення безпеки суспільства й держави підсилюють
потребу у впровадженні біометричних технологій, що підтверджує
актуальність теми роботи.
Дослідженням методів біометричної ідентифікації займаються
численні українські та іноземні науковці: Завгородний В.І., Задорожний
В.В., Путятин Е.П., Семеренко В.П., Сухоносов О.О., Вакуленко А., Юхін
А., Senior A., Wan Y., Jain A.K., Prabhakar S., Hong L. Однак питання
розробки алгоритмів ідентифікації за мінюціями у відкритих джерелах
висвітлено недостатньо.
Координацією діяльності приватних і державних установ у сфері
біометрії займається консорціум BioAPI. Серед світових виробників
біометричних систем варто відзначити BioLink Technologies, Bioscrypt,
Precise Biometrics, Neurotechnology, DigitalPersona, Ethentica, Identix,
Stafflink, Veridicom тощо. Оскільки більшість технологій створюється за
кордоном, актуальним завданням є розробка вітчизняних рішень, що
10

сприятиме скороченню технологічного розриву та подальшому розвитку
національних систем.
Зв'язок роботи з науковими програмами, планами, темами.
Основні дослідження представленні в магістрантській роботі
проводилися відповідно до державних планів науково-дослідних робіт,
програм і договорів, що виконувалися в Черкаському державному
технологічному університеті які пов’язані з напрямком дисертаційного
дослідження: «Моделі локальних підсистем керування лазерним
випромінюванням для рішення траєкторних задач на базі таблично-
алгоритмічних методів апаратурної реалізації в проблемно-орієнтованих
системах».
Мета і завдання дослідження. Метою кваліфікаційної роботи
магістра є дослідження та реалізація алгоритму оптимізації локальних
особливостей зображення папілярного візерунку, який забезпечить
низьку вартість і простоту реалізації, шляхом усунення нечіткостей через
врахування біологічних особливостей побудови папілярного візерунку з
характерними мінюціямі, що забезпечує зберігання найбільш повної та з
найменшим змістом помилкової інформації.
Для досягнення поставленої мети необхідно вирішити наступні
завдання:
– провести аналіз стану предмету дослідження;
– розробити алгоритмів оптимізації локальних особливостей
зображення папілярного візерунку;
– побудувати моделі алгоритмів підпрограм для оптимізації
локальних особливостей папілярного візерунку.
Об’єкт дослідження – процеси контролю та управління доступом
на основі біометричних ознак.
Предмет дослідження – алгоритми оптимізації локальних
особливостей папілярного візерунку.
11

Методи дослідження. Методи базуються на використанні теорій:
– моделювання;
– системного аналізу;
– надійності;
– цифрової обробки сигналів.
Наукова новизна одержаних результатів полягає в такому:
- запропоновано метод синтезу різних підходів до пошуку мінюцій
для підвищення точності та надійності ідентифікації;
- розроблено модель алгоритму обробки растрового зображення для
придушення шумів та усунення типових спотворень, зокрема розривів та
злипань папілярних ліній;
- створено модель алгоритму виділення основних локальних
особливостей – закінчень і розгалужень ліній.
Практичне значення одержаних результатів.
Результати дослідження можуть бути застосовані в системах:
• цивільної ідентифікації (паспорти, ID-картки, реєстрація виборців,
соціальні програми, імміграційний контроль);
• криміналістичної дактилоскопічної ідентифікації;
• комерційних та промислових інформаційно-безпекових систем.
Апробація результатів роботи.
Основні результати роботи були представлені на конференції:
• «Дні студентської науки – 2025» (ЧДТУ).

Структура та обсяг роботи. Магістерська робота складається з
загальної характеристики роботи, трьох розділів, висновку, списку
використаних джерел. Основний текст викладений на 84 сторінках,
містить 30 рисунки та 3 таблиць. Список використаних джерел
складається з 33 найменувань.
12

РОЗДІЛ 1
СТАН ПРЕДМЕТУ ДОСЛІДЖЕННЯ ТА ФОРМУЛЮВАННЯ
ЗАВДАНЬ
1.1 Аналіз ринку технологій, що використовуються у біометричних
системах та сфери застосування

Стрімке поширення біометричних технологій упродовж останніх
років демонструє стабільну тенденцію зростання світового ринку.
Біометричні системи застосовуються передусім для автоматизації
контролю доступу, перевірки особи та захисту інформації. Ці технології
охоплюють широкий спектр систем ідентифікації:
• візуальну – на основі зображень, отриманих за допомогою камер
спостереження та інших оптико-електронних пристроїв;
• дактилоскопічну – за відбитками пальців;
• пероральну – за конфігурацією ротової порожнини та зубного
ряду;
• аудіальну – за індивідуальними особливостями голосу;
• текстуальну/графічну – за властивостями підпису або почерку;
• геометричну – за параметрами долоні чи пальців;
• топологічну – за рисунком вен;
• цефалометричну – за геометрією черепа;
• дерматогліфічну – за поверхнею пальців і долонь;
• гемодинамічну – за термографічною картиною обличчя.
Біометричні технології впроваджуються:
– в системах національного та відомчого рівня, зокрема у
програмах ідентифікації населення;
– системах безпеки;
– банківсько-фінансових сервісах;
13

– телекомунікації;
– транспорті;
– охороні кордонів;
– криміналістиці;
– медицині;
– освіті тощо.
Масове запровадження таких рішень забезпечується поступовим
здешевленням апаратних сканерів і вдосконаленням програмних
алгоритмів.
Світові дослідження останніх десятиліть свідчать про те, що
технологія дактилоскопічної ідентифікації є найпоширенішою та
найбільш доступною.
За прогнозами зарубіжних компаній ринок біометрії
характеризується стійким зростанням, а внесок технологій розпізнавання
відбитків пальців залишається провідним.
Аналіз [1,…,7] найуспішніших компаній за прибутковістю
біометричних підтверджує, що системи дактилоскопічного
розпізнавання формують ключову частину ринку.
Глобальний ринок ідентифікаційних систем демонструє зростання,
що робить біометричні технології актуальним напрямом досліджень і
впроваджень.
Серед усіх методів ідентифікації провідну позицію займають
технології розпізнавання за відбитками пальців.
Дактилоскопічна ідентифікація залишається наймасовішою,
найдоступнішою та технологічно зрілою у сучасних біометричних
системах.

14

1.2 Системний аналіз біометричних технологій
1.2.1 Основні характеристики біометричних технологій

Біометричні технології ідентифікації охоплюють комплекс методів,
що дозволяють визначати особу за її індивідуальними фізіологічними або
поведінковими характеристиками.
Усі технології такого типу поділяються на дві групи залежно від
природи ознаки:
Фізіологічні (статичні) – пов’язані з анатомічними особливостями,
що практично не змінюються протягом життя Поведінкові (динамічні) –
базуються на індивідуальних звичках та моторних навичках, які можуть
зазнавати змін під впливом стану людини.
До статичних біометричних ідентифікаторів належать:
• відбитки пальців (на використанні цих ідентифікаторів будується
найпоширеніша, зручна й ефективна біометрична технологія);
• форма й геометрія обличчя (із цими ідентифікаторами працюють
технології розпізнавання двовимірних зображень осіб, що
черпаються з фотографій і відеоряду);
• форма й будова черепа ( для більшої благозвучності компанії, що
діють у даній сфері, воліють говорити про технології розпізнавання
людини по тривимірній моделі особи);
• сітківка ока (практично не використовується в якості
ідентифікатора);
• райдужна оболонка ока (поширення технології, у якій
застосовується даний ідентифікатор, стримується патентними
обмеженнями);
• геометрія долоні, кисті руки або пальця (використовується в
декількох вузьких сегментах ринку);
15

• термографія особи, термографія руки (засновані на використанні
цих ідентифікаторів технології не одержали поширення);
• малюнок вен на долоні або пальці руки (відповідна технологія стає
популярною, але через дорожнечу сканерів поки не
використовується широко);
• ДНК (в основному в сфері спеціалізованих експертиз);
• запах тіла (автоматичних систем розпізнавання людини, що
використовують даний ідентифікатор, ще не створене);
• форма вуха (автоматичних систем розпізнавання людини, що
використовують даний ідентифікатор, ще не створене).
Найбільш популярні методи завдяки високій точності та простоті
застосування є наступні системи розпізнавання.
Безліч закордонних компаній займаються виробництвом систем
керування доступом, заснованих на методі дактилоскопічної
ідентифікації. Через те, що цей напрямок є одним із самих давніх, воно
одержало найбільше поширення і є на сьогоднішній день самим
розробленим.
Сканери відбитків пальців пройшли дійсно довгий шлях до
поліпшення.
Сучасні системи оснащені різними датчиками:
- температури;
- сили натискання та т.п., які підвищують ступінь захисту від
підробок, що проєктується.
З кожним днем системи стають усе більше зручними й
компактними.
Більшість компаній роблять готові системи, які оснащені всім
необхідним, включаючи програмне забезпечення.

16

Геометрія обличчя – широко використовується у системах
відеонагляду.
Розпізнавання по геометрії обличчя зараховують до «трьох великих
біометрик» разом з розпізнаванням по відбитках пальців і райдужній
оболонці. Треба сказати, що даний метод досить розповсюджений.
Питома вага технологій розпізнавання по геометрії обличчя в
загальному обсязі світового біометричного ринку можна оцінювати в
межах 13% – 18%.
Існує безліч алгоритмів 3D-розпізнавання.
В області розпізнавання 2D-обличчя основним предметом розробки
є програмне забезпечення, тому що звичайні камери відмінно
справляються із захопленням зображення обличчя.
Рішення завдання розпізнавання по зображенню обличчя в якімсь
ступені зайшло в глухий кут - уже протягом декількох років практично не
відбувається поліпшення статистичних показників алгоритмів. У цій
області відбувається планомірна робота над помилками.

Райдужна оболонка ока

На даний момент питома вага технологій ідентифікації по
райдужній оболонці ока на світовому біометричному ринку становить по
різних підрахунках від 6 до 9% (у той час як технології розпізнавання по
відбитках пальців займають понад половину ринку).
Слід зазначити, що із самого початку розвитку даного методу його
зміцнення на ринку сповільнювала висока вартість устаткування й
компонентів, необхідних, щоб зібрати систему ідентифікації.
Вхід на ринок великій кількості виробників був обмежений
технічною складністю сканерів і, як наслідок, їхньою високою вартістю,
а також високою ціною ПЗ.
17

Однак у міру розвитку цифрових технологій собівартість окремої
системи стала знижуватися.

Рисунок вен руки
Розпізнавання по рисунку вен руки є досить новою технологією, і у
зв'язку із цим її питому вагу на світовому ринку невеликий і становить
близько 3%.
Однак до даного методу проявляється все більший інтерес. Але цей
метод не вимагає дуже дорогого встаткування, як, наприклад, методи
розпізнавання по сітківці ока або райдужній оболонці.
Отже, використання системи контролю і управління доступом на
основі біометрії з часом буде збільшуватися.
Дана галузь є актуальною для нових досліджень і нових розробок з
використанням біометричних ознак, а системи розпізнавання по
відбитках пальців займають найбільшу частину біометричного ринку.
Динамічні біометричні характеристики включають:
• динаміку підпису;
• клавіатурний почерк (keystroke dynamics);
• голос;
• рухи губ;
• ходу;
• рухи руки під час письмо утворення.
Поведінкові методи забезпечують нижчу точність у порівнянні зі
статичними, однак часто застосовуються у комплексних системах, де
потрібне додаткове підтвердження особи.

18

1.2.2 Модель класифікаційної біометричних ідентифікаторів та
порівняльний аналіз застосування біометричних технологій

Створення класифікацій біометричних ідентифікаторів дозволяють
чітко визначити місце потрібної моделі в системі (рис.1.3).

Біометричні
ідентифікатори

Статичні характеристики Динамічні характеристики

За ознаками відбитків пальців За ознаками стилю роботи з
клавіатурою

За ознаками сітківки ока
За ознаками динаміки
рукописного підпису
За ознаками райдужної
оболонки ока За ознаками голосу
За ознаками термографії За ознаками ходи
особи та термографії руки
За ознаками руху губ
За ознаками ДНК
За ознаками написання
За ознаками форми і рукописного тексту
геометрії обличчя
За ознаками серцевого
За ознаками геометрії долоні, ритму
кисті руки або пальця
За ознаками геометрії вен на
За ознаками форми і долоні або пальці руки
будови черепа

Рис. 1.3. Модель класифікаційної схеми
біометричних ідентифікаторів

19

1.2.3 Порівняльний аналіз застосування біометричних технологій

Порівняння біометричних ідентифікаторів може здійснюватися у
двох режимах, а саме: ідентифікації та верифікації.
При ідентифікації порівняння проводиться в режимі «один-до-
багатьох» (1:N): пред'явлений ідентифікатор порівнюється з усіма раніше
зареєстрованими зображення біологічного. предмету, що досліджується.
В режимі ідентифікації біометрична система шукає відповідний
ідентифікатор, аналізуючи весь перелік ідентифікаторів, відомості про які
були зареєстровані раніше [19].
При верифікації порівнюються відомості про два конкретних
ідентифікатора (режим «один до одного», або 1:1).
Прикладом служить порівняння відомостей про іншій пред'явлений
ідентифікатор з відомостями, записаними на спеціальної карти — при
цьому, зрозуміло, необхідно пред'являти й біометричний ідентифікатор, і
картку [19 ].
Системи, що діють у режимі верифікації, як правило, є повністю
автоматичними.
Системи, що діють у режимі ідентифікації також автоматизовані
при цьому формується перелік можливих «кандидатів» на збіг зі знову
пред'явленим ідентифікатором, розташованих у міру зменшення значення
ймовірності збігу, але остаточний розв'язок ухвалює оператор системи.
Для прискорення розпізнавання користувачеві може бути запропоноване
застосування додаткового ідентифікатора (наприклад, PIN - коду, що
позначає номер відділу, секції й т.п.). У цьому випадку в режимі
ідентифікації проводиться порівняння не з усім списком, а тільки з його
частиною, виділюваної відповідно до введеного додаткового
ідентифікатора.
Приклад ідентифікація в правоохоронних і цивільних системах.
20

Основна відмінність полягає в тому, що в цивільні системи
оперують не самими біометричними ідентифікаторами (зображеннями
відбитків пальців, осіб і т.д.), а їх цифровими моделями, причому
зворотне відновлення реального ідентифікатора з цифрової моделі
неможливо (рис.1.4) [12].
Відбиток Модель
пальця відбитку пальця
Карта відбитку
пальця
Рис. 1.4. Принцип перетворення відбитка пальця
У такий спосіб гарантується захист персональних біометричних
даних користувачів і забезпечується істотне прискорення роботи
«цивільних» біометричних систем: цифрові моделі ідентифікаторів
набагато більш компактні, що особливо важливо при обслуговуванні
великої кількості користувачів [17].
Порівняльний аналіз застосування біометричних технологій у
діяльності правоохоронних органів і системах цивільної ідентифікації
наведено в табл. 1.1.
Таблиця 1.1
21

Порівняльний аналіз застосування біометричних технологій у
системах правоохоронної ідентифікації і системах цивільної
ідентифікації
Особливості
біометричних Правоохоронні системи Системи цивільної
технологій ідентифікації ідентифікації

Характер Обов'язкова ( для певних Добровільна ( за бажанням
реєстрації соціальних груп) користувача)

Використовувані Відбитки пальців ( як правило, Відбитки пальців (1-2,
ідентифікатори усіх десяти) і долонь, рідко більш), райдужна
фотографії оболонка, обличчя,
малюнок вен, геометрія
кисті руки й ін.

Спосіб одержання Зображення відбитків на Винятково шляхом
ідентифікаторів папері, склі й т.п. поверхнях електронного сканування

Дії з Реальні зображення Обробляються не самі
ідентифікаторами зберігаються в «дактокартах» ідентифікатори, а їх
цифрові моделі

Можливість Відбитків на папері, склі й т.п. Відсутня можливість
добування поверхнях відновити ідентифікатор з
ідентифікатора з моделі
бази даних
Ведеться у два етапи: Здійснюється автоматично
Обробка спочатку в автоматизованому в режимі « один- до-
ідентифікаторів режимі витягуються схожі на багатьох» або « один- до-
шуканий, потім відібрані одного»
ідентифікатори аналізує
експерт

22

Продовження таблиці 1.1

Особливості
біометричних Правоохоронні системи Системи цивільної
технологій ідентифікації ідентифікації

Вимоги до Необхідне залучення Мінімальні: досить
кваліфікації висококваліфікованих базових навичок роботи з
персоналу фахівців комп'ютером

Число Кілька сотень або тисяч у Десятки тисяч у день ( для
транзакцій тиждень ( для великих систем)
загальнонаціональних
систем)

Кількість Від 10 до декількох сотень Від декількох сотень до
пунктів роботи з декількох тисяч
даними

Масштаб Чітко визначається Коливається в широких
чисельністю представників діапазонах — від
груп, що підлягають невеликих систем до
реєстрації реєстрації всього
дорослого населення

Області Обмежені й включають Різноманітні й охоплюють
застосування реєстрацію представників ідентифікацію виборців,
окремих шарів суспільства з користувачів послуг
метою боротьби зі підприємств транспортної,
злочинністю, тероризмом, фінансової, соціальної,
нелегальною міграцією медичної, культурної,
спортивної і багатьох
інших сфер

23

1.2.4 Аналіз основних характерних особливостей та засобів
біометричних даних
Функціонування більшості біометричних систем включають чотири
ключові етапи:
1. Реєстрація (Enrollment) — створення цифрового шаблону
біометричної ознаки та внесення його до бази даних.
2. Виділення ознак (Feature Extraction) — отримання унікальних
характеристик з нового зразка.
3. Порівняння (Matching) — співставлення нового зразка зі
збереженими шаблонами.
4. Прийняття рішення (Decision Making) — визначення, чи
відповідають порівнювані дані тій самій особі.
Ключовими параметрами ефективності біометричної системи є:
• FAR (False Acceptance Rate) – ймовірність помилкового допуску;
• FRR (False Rejection Rate) – ймовірність необґрунтованої відмови
доступу. Чим нижчі є FRR при однаковому FAR, тим якісніша система.
Також оцінюються стійкість до підробки, робота в різних умовах,
простота використання, вартість, швидкість та стабільність біометричної
ознаки у часі.
Статичні методи, оскільки вони забезпечують кращу стабільність і
статистичну точність порівняно з динамічними.
Сучасні системи обробляють зображення за 300–500 мс і здатні
виконувати 50–150 тисяч порівнянь/с, що дозволяє використовувати
метод навіть на великих підприємствах.
Динамічні методи ідентифікації ґрунтуються на аналізі
поведінкових характеристик особистості — особливостей, властивих
кожній людині в процесі відтворення якої-небудь дії. Динамічні методи
суттєво уступають статичним у точності й ефективності й, як правило,
використовуються в якості допоміжних [8].
24

1.2.4.1 Основні характерні особливості та засоби при ідентифікації
відбитків пальців
Ідентифікація по відбитках пальців — найпоширеніша, надійна й
ефективна біометрична технологія. Завдяки універсальності цієї
технології вона може застосовуватися практично в будь-якій сфері й для
розв'язку будь-якого завдання, де необхідна достовірна ідентифікація
користувачів [18].
Відбитки всіх пальців кожної людини унікальні по малюнкові
папілярних ліній і різняться навіть у близнюків. Відбитки пальців не
міняються протягом усього дорослого життя людини, вони легко й просто
пред'являються при ідентифікації.
Якщо один з пальців ушкоджений, для ідентифікації можна
скористатися «резервним» відбитком (відбитками), відомості про яких, як
правило, також вносяться в біометричну систему при реєстрації
користувача.
Для одержання відомостей про відбитки пальців застосовуються
спеціалізовані сканери.
Відомі три основні типи сканерів відбитків пальців: ємнісні,
прокатні, оптичні.
Ємнісні сканери найбільш дешеві, однак не відрізняються ні
практичністю, ні довговічністю. Оскільки зображення відбитка в цих
сканерах формується за рахунок різниці електричних потенціалів різних
ділянок шкіри, ці сканери надзвичайно чутливі до залишкової статичної
електрики. Вони виходять із ладу відразу ж після того, як їх торкнувся
хтось з людей, чиї руки були наелектризовані, наприклад, через носіння
одягу з вовняної або шовкової тканини. Крім того, якість зображення
відбитків, формована ємнісними сканерами, украй невелика.
Найбільш досконалу технологію ідентифікації по відбитках пальців
реалізують оптичні сканери. Вони трохи дорожче сканерів інших типів,
25

але позбавлені їхніх численних недоліків, довговічні й тому економічні,
зручні й прості у використанні. Зображення відбитків характеризується
високою якістю.
Прокатні сканери займають серединне положення. У них
зображення відбитка формується при «прокатуванні» відбитка через
вузьке віконце сканера (звідси й назва), після чого цілісне зображення
ідентифікатора «зшивається» з окремих кадрів, отриманих у ході
описаної процедури. Тому від користувача такого сканера потрібно
постійно дотримувати однаковості у швидкості й манері «прокатування»
відбитків, що досить складно.
Новітні дослідження довели, що оптичні сканери відбитків пальців
зовсім безпечні в антибактеріальному відношенні.

1.2.4.2 Основні характерні особливості та засоби при ідентифікації
по обличчю
Ідентифікація по обличчю — друга по ступеню поширеності й
популярності біометрична технологія. Однак у силу описаних нижче
особливостей використовуваних ідентифікаторів ця технологія, як
правило, застосовується в якості допоміжної стосовно інших
біометричних методів (наприклад, ідентифікації по відбитках пальців)
або іншим способам встановлення і/або підтвердження особистості
людини (експертні оцінки, візуальний контроль, здійснюваний
співробітником прикордонної або імміграційної служби, і т.п.) [17].
До переваг геометрії обличчя як біометричного ідентифікатора
насамперед ставляться безконтактний спосіб одержання відомостей,
необхідних для розпізнавання користувачів, і широкий вибір джерел цих
відомостей (фотографії, відеоряд, дані відеоспостереження). Нескладно
помітити, що кількість можливих ідентифікаторів набагато менше, чим,
26

скажемо, при ідентифікації по відбитках пальців (одне обличчя в кожної
людини проти відбитків 10 пальців рук).
При ідентифікації біометрична система автоматично виділяє й
обробляє відомості, що характеризують окремі (найбільше «показові»)
ділянки й особливості особи:
- контури носа;
- губ;
- брів й т.п.
На основі цих відомостей відповідно до загальних принципів
біометричних технологій формуються цифрові моделі ідентифікаторів,
які потім рівняються між собою.
Технології ідентифікації по обличчю досить чутливі до зовнішніх
умов:
- освітленість;
- поворот голови;
- кут її нахилу;
- поява або зникнення окулярів, бороди, макіяж.
Це приводить до того, що дані технології характеризуються
найнижчим відсотком успішного розпізнавання користувачів і найвищим
відсотком неправильних спрацьовувань, коли біометрична система
помилково приймає одну людину за іншу .
Разом з тим технології ідентифікації по обличчю досить ефективні
у випадках, коли, наприклад, потрібно зрівняти фотографії — за умови,
що знімки гарної якості, а користувач не вживає спеціальних зусиль для
того, щоб навмисно змінити свою зовнішність.
Розроблювачі технологій ідентифікації по обличчю продовжують
удосконалювати свої продукти в надії підвищити їхню функціональність.
27

1.2.4.3 Основні характерні особливості та засоби при ідентифікації
голосу

Голос — така ж невід'ємна риса кожної людину, як і його обличчя
або відбитки пальців. Широке поширення засобів зв'язку (стаціонарні й
мобільні телефонні мережі та т.п.) відкривають більші можливості для
застосування даного ідентифікатора; крім того, розпізнавання по голосу
досить зручно для користувачів і вимагає від них мінімум зусиль [17].
Необхідно враховувати, що голос (поряд з почерком, ходою та т.п.)
відноситься до так званих «поведінкових» ідентифікаторів, і було б
даремним очікувати від технологій, що використовують, дані
ідентифікатори високої точності й надійності.
Технології й засоби ідентифікації по голосу застосовуються в ряді
областей, безпосередньо пов'язаних з обробкою звертань користувачів по
телефону (кол-центри та т.п.), що дозволяє прискорити обслуговування
абонентів і розвантажити операторів. У більш значимих проектах
(особливо пов'язаних з необхідністю захисту конфіденційної інформації)
ідентифікація по голосу відіграє допоміжну роль стосовно інших
біометричних технологій ( насамперед ідентифікації по відбитках
пальців).
Ідентифікація по голосу заснована на аналізі унікальних
характеристик мови, обумовлених анатомічними особливостями (розмір
і форма горла й рота, будова голосових зв'язок) і придбаними звичками
(гучність, манера, швидкість мови).
Голос піддається істотним змінам під впливом емоційних факторів
(настрій людину) і стану здоров'я (ангіна, нежить, бронхіт і т.п.). На якості
ідентифікації можуть позначатися зовнішні умови (наприклад, сторонні
шуми від дорожнього руху, розмов інших людей). Якщо для передачі
28

голосової інформації використовуються лінії зв'язку, перешкоди в них
також здатні затрудняти розпізнавання користувача.
Мова людини розбивається на окремі «звукові кадри», які потім
перетворяться в цифрову модель. Ці моделі прийнято називати
«голосовими відбитками» (по аналогії з відбитками пальців). При
подальшій ідентифікації рівняються раніше зареєстрований і знову
сформований «голосові відбитки».
Для підвищення надійності й прискорення розпізнавання
користувача часто просять відповідати на заздалегідь застережені
питання або виголошувати пароль (домовлену фразу). У цьому випадку
розпізнавання здійснюється в режимі «верифікації диктора» (у цій ролі
виступає сам користувач, що виголошує відповіді або пароль).

1.2.4.4 Основні характерні особливості та засоби при ідентифікації
по почерку

Ідентифікація по почерку, як правило, використовується в
комплексі з іншими біометричними технологіями.
Однак необхідно враховувати, що згадані технології різняться — як
по способах реалізації, так і по призначенню.
Сфера застосування технологій ідентифікації по підпису обмежена
й зводиться в основному до підтвердження особистості користувача он-
лайн послуг, електронної комерції й т.п.
В одних випадках аналізується підпис у повному змісті цього слова
(відтворюється за допомогою «електронного пера»), в інших — у поняття
підпису включаються особливості роботи з комп'ютерною клавіатурою
і/або мишею (швидкість і сила натискання клавіш і кнопок і т.п.).
29

Незважаючи на простоту цього методу, його можливість
застосування в значимих проектах не обґрунтована якими-небудь
серйозними аргументами.
Ідентифікація по почерку використовується в основному для
встановлення авторства рукописного документа.
У цій сфері ведуться наукові дослідження. Почерк унікальний для
кожної людини.
Для автоматичної ідентифікації по почеркові досить трьох рядків
тексту.
Джерелами текстів можуть служити:
- заяви, написані від руки,
- власноручно заповнені анкети,
- записні книжки, зошити й т.п.
Переклад зразків почерку в машинозчитуючий формат проводиться
за допомогою звичайних сканерів, після чого цифрові моделі почерку
заносяться в базу даних біометричної системи.
По запиту на ідентифікацію ця система порівнює відомості про
раніше зафіксованих і знову пропонованих зразках почерку й надає
вичерпні результати пошуку, включаючи відомості про проаналізовані
ідентифікатори, «кандидатів» на роль творця тексту (по ступеню
зменшення значень ймовірності визнання їх такими), персональних даних
потенційних авторів.
Порівняльний аналіз характеристик біометричних ідентифікаторів
для різних біологічних зразків людини дослідження
наведені в табл.1.2.

30

Таблиця 1.2
Порівняльні характеристики біометричних ідентифікаторів для
різних біологічних зразків людини дослідження
Біологічний Біологічна Основні характеристики біометричних
предмет повторюван ідентифікаторів
дослідження ість об'єкту

переваги недоліки
Великі габарити.
Стійкий ідентифікатор.
Використання тільки:
< 2, Простота алгоритмів
Долоня праворуч, PIN- код,
% ідентифікації.
безпосередній контакт з
Малий вихідний код.
устаткуванням
Складність
Дуже висока
причитування.
захищеність.
Можливість зміни
Сітківка −8 Відсутність
1·10 , ідентифікатора.
ока безпосереднього
% Складність алгоритмів
контакту з
ідентифікації.
устаткуванням.
Дискомфорт від

шкідливої дії на зір.
Стійкий ідентифікатор.
Компактний зчитувач.
Малий вихідний код.
Висока захищеність. Складність алгоритмів
Відбиток 1·10−5, Можливість пошуку по ідентифікації.
пальця % масиву даних. Безпосередній контакт з
Звичність устаткуванням.
використання.
Недорогі зчитувальні
пристрої.

Порівняльний аналіз характеристик біометричних ідентифікаторів,
представлених в табл.1.2 показав, що найбільш ефективним по техніко-
економічним показникам є біометричні ідентифікатори для відбитку
пальця.
31

1.3 Системний аналіз пристроїв для сканування відбитків пальців
Одержання електронного представлення відбитків пальців з добре
помітним папілярним візерунком — досить складне завдання.
Оскільки відбиток пальця занадто малий, для одержання його
якісного зображення доводиться використовувати досить витончені
методи [16].
Усі існуючі сканери відбитків пальців по використовуваних ними
фізичним принципам можна розділити на три групи:
• оптичні;
• кремнієві;
• ультразвукові.
1.3.1 Оптичні сканери - засновані на використанні оптичних методів
одержання зображення. У цей час існують наступні технології реалізації
оптичних сканерів:
1. Ftir-Сканери — являють собою обладнання, у яких використовується
ефект порушеного повного внутрішнього відбиття (Frustrated Total
Internal Reflection, FTIR).
При падінні світла на границю розділу двох середовищ світлова
енергія ділиться на дві частини:
- одна відбивається від границі,
- друга світлова енергія проникає через границю розділу в інше
середовище.
Частка відбитої енергії залежить від кута падіння. Починаючи з
деякої її величини, вся світлова енергія відбивається від границі розділу.
Це явище називається повним внутрішнім відбиттям.
Однак при контакті більш щільного оптичного середовища (у
нашім випадку поверхня пальця) з менш щільної ( у практичній реалізації,
32

як правило, поверхня призми) у точці повного внутрішнього відбиття
пучок світла проходить через цю границю.
Таким чином, від границі відіб'ються тільки пучки світла, що
потрапили в такі точки повного внутрішнього відбиття, до яких не були
прикладені борозенки папілярного візерунку поверхні пальця. Для
фіксації світлової картинки поверхні пальця, що вийшла у такий спосіб,
використовується спеціальна камера, що будуються на технології
ПЗС або КМОП залежно від реалізації сканера.
Джерело світла

Рис. 1.5. Модель механізму роботи FTIR- сканерів

Основні провідні виробники сканерів даного типу:
- Biolink,
- Digital Persona,
-Identix.

2. Оптоволоконні сканери (fiber optic scanners) — являють собою
оптоволоконну матрицю, кожне з волокон якої закінчується
фотоелементом.
Чутливість кожного фотоелемента дозволяє фіксувати залишкове світло,
що проходить через палець, у точці дотику рельєфу пальця до поверхні
33

сканера. Зображення відбитка пальця формується за даними кожного з
елементів.

Джерело світла

Рис. 1.6. Механізм роботи оптоволоконних сканерів

Провідний виробник сканерів даного типу Delsy.

3. Електрооптичні сканери (electro-optical scanners) — в основі даної
технології лежить використання спеціального електрооптичного
полімеру, до складу якого входить світло ізолюючий шар.
При прикладанні пальця до сканера неоднорідність електричного поля в
його поверхні (різниця потенціалів між горбками й западинами)
відбивається на світінні цього шару так він висвітлює відбиток пальця. За
допомогою масиву фотодіодів сканера перетворить це світіння в
цифровий вид.
Провідний виробник сканерів даного типу Security First Corp
(Ethentica).
4. Оптичні протяжні сканери (sweep optical scanners) - у цілому аналогічні
Ftir-пристроям. Їх особливість полягає в тому, що палець потрібно не
просто прикладати до сканера, а проводити їм по вузькій смужці для
зчитування. При русі пальця по поверхні сканера робиться серія миттєвих
знімків (кадрів). При цьому сусідні кадри, знімаються з деяким
34

накладенням, тобто перекривають один одного, що дозволяє значно
зменшити розміри використовуваної призми й самого сканера. Для
формування (точніше складання) зображення відбитка пальця під час
його руху по скануючій поверхні використовується спеціалізоване
програмне забезпечення.

Рис. 1.7. Фізична модель оптичного протяжного сканеру

Провідний виробник сканерів даного типу є Kinetic Sciences.
5. Роликові сканери (roller-style scanners) — у цих мініатюрних пристроях
сканування пальця відбувається при прокатуванні пальцем прозорого
тонкостінного обертового циліндра (ролика).
Під час руху пальця по поверхні ролика робиться серія миттєвих
знімків (кадрів) фрагмента папілярного візерунку, що стикається з
поверхнею. Аналогічно протяжному сканеру сусідні кадри знімаються з
накладенням, що дозволяє без викривлень зібрати повне зображення
відбитка пальця. При скануванні використовується найпростіша оптична
технологія: усередині прозорого циліндричного ролика перебувають
статичне джерело світла, лінза й мініатюрна камера. Зображення
освітлюваної ділянки пальця фокусується лінзою на чутливий елемент
камери. Після повного «прокручування» пальця, «збирається картинка»
його відбитка.
35

Джерело Лінза
світла камера
(а) (б)

Рис.1.8. Модель роликового сканеру (а);
його фізична модель (б)

Провідні виробники сканерів даного типу:
- Digital Persona,
- CASIO Computer,
- ALPS Electric.

6. Безконтактні сканери (touchless scanners)- у них не потрібно
безпосереднього контакту пальця з поверхнею скануючого пристрою.

Палець прикладається до отвору в сканері (рис.1.9), кілька джерел
світла підсвечивают його знизу з різних сторін, в центрі сканера перебуває
лінза, через яку, зібрана інформація проектується на КМОП-Камеру, що
перетворить отримані дані в зображення відбитка пальця.
36

Захисне скло
Лінза
Джерело Камера Джерело
світла світла

Рис. 1.9. Модель Схема роботи безконтактного сканера

Провідний виробник сканерів даного типу Touchless Sensor
Technology.
Недолік оптичних сканерів – неможливість зробити їх компактними,
а також оптичні сканери не стійкі до муляжів і мертвих пальців.
7. Напівпровідникові сканери, в основі яких лежить використання для
одержання зображення поверхні пальця властивостей напівпровідників, що
змінюються в місцях контакту гребенів папілярного візерунку з поверхнею
сканера. Існує кілька технологій реалізації напівпровідникових сканерів
[13].
1. Ємнісні сканери (capacitive scanners) — найбільш широко
розповсюджений тип напівпровідникових сканерів, які для одержання
зображення відбитка пальця використовують ефект зміни ємності pn-
переходу напівпровідникового приладу при зіткненні гребеня папілярного
візерунку з елементом напівпровідникової матриці.
Існують модифікації описаного сканера, у яких кожний
напівпровідниковий елемент у матриці сканера виступає в ролі однієї
пластини конденсатора, а палець — у ролі іншої.
37

При додатку пальця до сенсора між кожним чутливим елементом і
виступом-западиною папілярного візерунку утворюється якась ємність,
величина якої визначається відстанню між поверхнею пальця й елементом.
Матриця цих ємностей перетвориться в зображення відбитка пальця.
Провідні виробники сканерів даного типу:
- Infineon,
- St-microelectronics,
- Veridicom.
2. Чутливі до тиску сканери (pressure scanners) — у цих пристроях
використовуються сенсори, що складаються із матриці п'єзоелементів. При
прикладанні пальця до сканирующей поверхні виступи папілярного
візерунку натискають на деяку підмножину елементів поверхні, відповідно
западини ніякого тиску не виявляють.
Матриця отриманих з п'єзоелементів напруг перетвориться в
зображення поверхні пальця.
Провідний виробник сканерів даного типу: BMF.
3. Термо-Сканери (thermal scanners) — у них використовуються сенсори, які
складаються з піроелектричних елементів, що дозволяють фіксувати
різницю температури й перетворювати її в напругу (цей ефект також
використовується в інфрачервоних камерах). При прикладанні пальця до
сенсора по температурі виступів, що доторкаються до піроелектричних
елементів, папілярного візерунку й температурі повітря, що перебуває в
западинах, будується температурна карта поверхні пальця й перетвориться
в цифрове зображення.
Провідний виробник сканерів даного типу: Atmel.
У наведених напівпровідникових сканерах використовуються
матриця чутливих мікроелементів (тип яких визначається способом
реалізації) і перетворювач їх сигналів у цифрову форму (рис. 1.10).
38

Сенсорна матриця, що
перетворює фізичний
сигнал в електричний
Тиск Ємність Температура
П’єзоелементи Елементи ємностей Піроелементи

Рис.1.10. Модель узагальненої схеми та принцип роботи
наведених напівпровідникових сканерів

4. Радіочастотні сканери (Rf-field scanners) — у таких сканерах
використовується матриця елементів, кожний з яких працює як маленька
антена.
Сенсор генерує слабкий радіосигнал і направляє його на скануючу
поверхню пальця, кожний із чутливих елементів приймає відбитий від
папілярного візерунку сигнал.
Величина наведеної в кожній мікроантені електрозаряду залежить від
наявності або відсутності в поблизу неї гребеня папілярного візерунку.
Отримана в такий спосіб матриця зарядів перетвориться в цифрове
зображення відбитка пальця.
Провідний виробник сканерів даного типу:
Authentec.
39

5. Протяжні термо-сканери (thermal sweep scanners), в яких
використовується, як і в оптичних протяжних сканерах, проведення
пальця по поверхні сканера, а не просте прикладання.

Рис. 1.11. Формування зображення при скануванні протяжним
термо-сканером
Провідний виробник сканерів даного типу: Atmel.

6. Ємнісні протяжні сканери (capacitive sweep scanners) —
використовують аналогічний спосіб пофрагментного складання
зображення відбитка пальця, але кожний фрагмент зображення виходить
за допомогою ємнісного напівпровідникового сенсора.
Провідний виробник сканерів даного типу: Fujitsu.
7. Радіочастотні протяжні сканери (Rf-field sweep scanners)- аналогічні
ємнісним, але використовують радіочастотну технологію.
Провідний виробник сканерів даного типу: Authentec.
Відзначимо основні недоліки напівпровідникових сканерів:
• сканери чутливі до тиску, дають зображення нюизького
розширення й маленького розміру;
• необхідність прикладання пальця безпосередньо до
напівпровідникової поверхні ( тому що будь-який проміжний шар
впливає на результати сканування) веде до її швидкого зношування;

40

• чутливість до сильних зовнішніх електричних полів, які можуть
викликати електростатичні розряди, здатні вивести сенсор з ладу
(стосується в першу чергу ємнісних сканерів);
• велика залежність якості зображення від швидкості руху пальця по
скануючій поверхні властива протяжним сканерам.
Ультразвукові сканери — дана група в цей час представлена всього
одним методом сканування, який так і називається.
Ультразвукове сканування — це сканування поверхні пальця
ультразвуковими хвилями й вимірювання відстані між джерелом хвиль і
западинами й виступами на поверхні пальця по відбитій від нього луні.
Ехо 2
визначена
Ехо 1 западина
Ехо 2
визначено
виступ

Рис. 1.12. Модель принципу роботи ультразвукового сканера

Провідний виробник сканерів даного типу Ultra-Scan Corporation (UCS).
Якість одержуваного таким способом зображення в 10 раз краще,
чим отриманого будь-яким іншим представленим на біометричному
ринку методом. Крім цього варто відзначити, що даний спосіб практично
повністю захищений від муляжів, оскільки дозволяє крім відбитка пальця
одержувати й деякі додаткові характеристики про його стан (наприклад,
пульс усередині пальця).
Основні недоліки ультразвукових сканерів є висока ціна.

41

1.4 Формування завдань
1. Провести аналіз стану предмету дослідження.
2. Розробити алгоритмів оптимізації локальних особливостей
зображення папілярного візерунку.
3. Побудувати моделі алгоритмів підпрограм для оптимізації
локальних особливостей папілярного візерунку.
Висновки до розділу 1
Аналіз ринку біометричних технологій показав, що технології
ідентифікації за відбитками пальців є найпоширенішими, тому найбільш
використовуваними у сучасних біометричних системах.
Але ефективні можливості розкрити не в повної міри,цим
пояснюється актуальність теми. Крім того тема співпадає з розвитком
науково-практичного напрямку України.
За результатами аналізу стану предмета дослідження сформульовані
завдання, вирішення яких сприяє подальшому вдосконаленню
технологічних систем ідентифікації.

42

РОЗДІЛ 2
РОЗРОБКА І ДОСЛІДЖЕННЯ АЛГОРИТМІВ ОПТИМІЗАЦІЇ
ЛОКАЛЬНИХ ОСОБЛИВОСТЕЙ ЗОБРАЖЕННЯ
ПАПІЛЯРНОГО ВІЗЕРУНКУ
2.1 Основні поняття та визначення
Невід'ємним атрибутом зображення є його просторова структура.
Здатність реконструювати цю структуру при візуальному сприйнятті й
забезпечує предметність сприйняття.
Просторова визначеність, яка полягає в тому, що будь-яка точка
зображення належить єдиному і цілком певному структурному елементу,
який може представляти об'єкт або належить одному або декільком
об'єктам відповідної предметної області. Таким чином, будь-яке
зображення будується відповідно до деякого апріорного плану, що
визначає місце положення й смислові характеристики його структурних
елементів.
Моделі представлення зображень в роботі представляються двома
типами: растровими; векторними. Найпоширеніша форма представлення
зображень – це растр. Зображення в цьому випадку являє собою матрицю
з (N ∙ m) точок (пікселів). Візуалізація растрових зображень досить проста
та полягає в порядковому виводу його пікселів на екран монітору. Однак
модель цього типу не несе в собі структурної та семантичної інформації,
що обмежує сферу її застосування.
Векторні моделі представлення зображень засновані на тому, що
будь-яку лінію можна представити в аналітичному виді, наприклад, у
вигляді сукупності векторів – спрямованих відрізків.
Візуалізація зображень у векторній моделі складніше, чим у
растровій. Але модель здобуває когнітивність за рахунок включення в неї
структурної інформації.
43

2.2 Методи розпізнавання особистостей відбитка пальця

Зображення відбитка пальця, як правило, зберігається у двійковому
коді, де кожен піксель рисунка описується 8 бітами, тобто 256 відтінками
сірого цвіту. У передових системах сканування цифрове зображення
відбитка обробляється за допомогою спеціального алгоритму поліпшення
зображення. Цей метод забезпечує зворотний зв'язок з датчиком для
регулювання параметрів сканування. Коли датчик фіксує остаточний
образ, алгоритм методу налаштовує контрастність і чіткість зображення
відбитка для одержання найкращої якості .
Методи розпізнавання відбитка пальця засновані на порівнянні зі
зразками або на використанні характерних деталей.
При розпізнаванні по деталях з образа витягуються тільки
специфічні місця, де знайдена особливість (деталь). Звичайно це або
закінчення гребеня, або його роздвоєння (рис. 2.1).
Зміст шаблону в цьому випадку становлять відносні координати й
відомості про орієнтацію деталі. Метод, що розпізнає, відшукує й
порівнює між собою відповідні деталі. Ні поворот відбитка пальця, ні
його паралельний перенос (зрушення) не впливають на функціонування
системи, оскільки алгоритм методу працює з відносними величинами.

Рис. 2.1. Модель зображення типів мінюцій

Для порівняння на бітовому зображенні проводиться пошук
локальних особливостей папілярного візерунка – мінюцій. Для пошуку
використовується алгоритм обходу по контуру гребенів.
44

У результаті підсистема аналізу реалізує перехід від растрового
представлення до структурного представлення.
Вхідною інформацією є бітовий растр відбитка, отриманий за
допомогою сканування з дозволом 600 dpi.
Вихідною інформацією є список мінюцій в абсолютних параметрах,
розташований у пам'яті, що містить параметри кожної знайденої мінюції.
Структура масиву (2.1), кожен елемент якої містить необхідні
параметри мінюції

X1 Y1 1 T1
(2.1)
M = .... .... .... ....

X k Yk  k T1

де Xi, Yi – координати мінюцій на растрі;
i – орієнтація мінюції;
T – тип (закінчення або роздвоєння);
k – кількість мінюцій.
Робота підсистеми реалізується наступними етапами:
• коректування вхідного зображення, усунення дефектів і
викривлень;
• пошук мінюцій і формування списку їх абсолютних
параметрів;
• фільтрація отриманого списку параметрів;
Для розв'язку поставлених задач використовуються стандартні
операції для роботи з масивом, основні з них представлені в табл. 2.1.

45

Таблиця 2.1
Перечень основних операції при роботі з масивом

Позначення Розшифровка
|Array| кількість елементів масиву
Array[i] звернення до i-го елемента масиву
операція додавання елемента E в конець
E  M
масиву M
операція видалення елемента на позиції
Delete(Array,Pos)
Pos з масиву Array
Delete(Array, операція видалення елемента Element з
Element) масиву Array
операція отримання номеру елемента
Pos(Array,Element)
Element у масиву Array
операція додавання у конець масиву
Array1Array2 Array1 не дубльованих елементів
масиву Array2
Array1Array2 операція перетину масивів
логічна операція приналежності
EM
елемента E масиву M
операція сортування масиву Array по
Sort (Arrayf)
значенню поля f

Модель алгоритму отримання папілярного візерунка та формування бази
даних зображення папілярних візерунків

46

Отримання початкового
зоб раження

Усунення типових
спотворе нь зображення

Отриман ня відновленого
зображення

Виділе ння мінюцій

Форму вання списку
локальних особливостей

Сорту вання списку
локальни х особливостей

Формування списку

мінюцій в абсолютних
парам етрах

Трансляція в базу даних
зображення папілярного
візер унку

Формування бази даних
зображення папілярних
візер унків

Рис. 2.2. Модель алгори тму для створення бази
даних папіл ярних візерунків

47

2.3 Математичні моделі особливостей папілярних візерунків для
трансформація зображення з растрової форми в структурну

Ключовим етапом функціонування підсистеми є трансформація
зображення з растрової форми в структурну.
Для цього необхідно виявити на растрі ті області, які відповідають
розгалуженням або закінченням ліній папілярного візерунка.
Пошук здійснюється методом обходу суцільних чорних областей, що
формують лінії відбитка, уздовж їхнього контуру.
Точки, в яких спостерігаються значні локальні викривлення контуру,
інтерпретуються як специфічні точки.
Папілярний візерунок представлений у вигляді растра містить
окремі елементи лінії.
Лінії – це відображення гребенів папілярного візерунка, обхід по
контуру цих ліній дозволяє виділити окремі гребені й отримати
інформацію про їхнє розташування на пальці.
Однак у процесі одержання растра відбитка можливі типові
дефекти зображення, які виникають внаслідок:
- влучення сміття на сканеру,
- існування порізів,
- складок на шкірі,
- непостійному притиску пальця до сканера,
- зміна положення при кожному новому скануванні.
Дефекти злипання сусідніх гребенів або обриви гребеня на растрі
внаслідок можна усунути. При підготовки зображення, до структурного
аналізу, можна значно понизити кількість шумів і викривлень у
вихідному растрі, що веде до підвищення швидкості та надійності
розпізнавання.
48

У результаті розв'язку задачі виявлення й усунення дефектів
сканування система ідентифікації через доповнення таки особистості,
функціональні можливості яких здатні підвищити якості вхідної
інформації про візерунок, що досліджується.
Вхідними даними є бітовий растр після попередньої обробки.
Глибина растра становить 1 біт на піксель, а його роздільна здатність
— 600 dpi.
Формат BMP (Bitmap- бітовий масив) представляє собою, як правило,
незжатий формат, що дає змогу уникнути втрати даних та спотворень.
Зображення у даному форматі легко зчитуються та відображаються
операційною системою Windows, яка має штатні API-функції для роботи з
BMP-файлами.
Вхідний растр представлений форматом BMP, який має структуру
BITMAPINFOHEADER представлену на рис. 2.3.

BITMAPFILEHEADER
BITMAPINFOHEADER
RGBQUAD array
Color-index array

Рис. 2.3. Модель формату «бітовий масив»

BITMAPFILEHEADER – заголовок файлу
typedef struct tagBITMAPFILEHEADER
{ WORD bfType;
DWORD bfSize;
WORD bfReserved1;
WORD bfReserved2;
DWORD bfOffBits;
} BITMAPFILEHEADER, *PBITMAPFILEHEADER;

49

структура – BITMAPINFOHEADER

typedef struct tagBITMAPINFOHEADER
{ DWORD biSize;
LONG biWidth;
LONG biHeight;
WORD biPlanes;
WORD biBitCount;
DWORD biCompression;
DWORD biSizeImage;
LONG biXPelsPerMeter;
LONG biYPelsPerMeter;
DWORD biClrUsed;
DWORD biClrImportant;
} BITMAPINFOHEADER, *PBITMAPINFOHEADER;

Вхідна інформація — це список параметрів локальних особливостей
(мінюцій), знайдених у абсолютних координатах.
На етапі виділення список містить як коректні точки, так і помилкові, що
виникають при низькій якості вихідного зображення.
Кожен елемент масиву включає такі параметри:
— координати цілого типу (2 × 4 байти),
— кутовий напрямок (8 байт),
— тип точки (1 байт).

Вихідною інформацією для даної задачі є скоректований растр, що
практично не має злипань і розривів, який більш придатний для пошуку
на ньому мінюцій.
Пошук мінюцій відбувається по знаходженню локальних
особливостей.
50

Локальні особливості це сильні скривлення контуру ліній.
Викривлення, які є мінюціями – це:
- закінчення,
- роздвоєння,
- злипання сусідніх ліній,
- обриви лінії.

Для ідентифікації використовується наступна умова,
математична модель якої має такий вигляд

(A.x − B.x)2 + (A.y − B.y)2  ) (C 150)
(2.1)
 (D1 L1 ) (D2 L2  )
де A = {x,y}; B = {x,y};
 – емпірична величина.

На рис. 2.4; 2.5; 2.6; 2.7 показано приклади «розриву»; «злипання»;
«закінчення» ; «роздвоєння» ліній папілярного візерунку відповідно.

Рис. 2.4. Модель «розриву» лінії папілярного візерунку

51

Рис. 2.5. Модель «злипання» ліній папілярного візерунку

Рис. 2.6. Модель «закінчення» лінії папілярного візерунку

Рис. 2.7. Модель «роздвоєння» лінії папілярного візерунку
52

Пояснення: A – зона різкого викривлення контуру лінії папілярного
візерунка;
B – потенціальна точка продовження лінії папілярного візерунка;
C – викривлення у потенціальної точці продовження;
D1 – прилягаюча область;
D2 – прилягаюча область;
L1 – можливо сусідня западина папілярного візерунка;
L2 – можливо сусідня западина папілярного візерунка.
Основна послідовність дій при аналізі кожної лінії на зображенні
відбитка така:
• вибрати довільний чорний піксель растрового зображення,
що належить певній лінії;
• виконати обхід цієї лінії по її контуру;
• якщо виявлена область «розриву», то виконується
відновлення цілісності лінії;
• якщо виявлена область «злипання», то виконується
роз'єднання ліній.
У результаті формується список параметрів із визначеними
локальними особливостями (мінюціями) у абсолютних координатах.
На даному етапі він містить також хибні точки, які виникають через
недостатню якість вхідного растра.
Використовувані змінні та функції:
• R – бітовий растр;
• Map – список: Map = {x, y};
• R getpixelcolor (x,y) – одержати значення кольору пікселя з
координатами {x,y} на растрі R;
• R.Floodfill(x, y, color) – заливка область кольором
R.Getpixelcolor(x,y) у колір color;
53

• R.width() – ширина растра в пікселях;
• R.height() – висота растра в пікселях;
• R.Changeline(Map[i]) – обхід по контуру лінії з точки Map[i].
Алгоритм формування списку параметрів із визначеними
локальними мінюціями:
1. Початок;
2. формувати з растра R список ліній Map;
3. (i, : i([1, |map|] R.Changeline(Map[i]);
4. якщо растр R був змінений, то перейти до пункту 2;
5. кінець.
Опис алгоритму «Формування списку ліній»
Алгоритм для знаходження на растрі точок, які належать різним
папілярним лініям:
1. Початок;
2. x::=0, y::=0;
3. якщо R.Getpixelcolor(x,y) != 0x000000, то перейти до п. 5;
4. (x,y) ( Map; R.Floodfill(x, y, 0xffffff);
5. y++;
6. якщо y < R.width(), то перейти до п. 3;
7. x++; y::=0;
8. якщо x < R.height(), то перейти до п. 3;
9. кінець.
Опис алгоритму «Changeline»
Алгоритм для пошуку «злипань», «обривів і усунення їх на растрі.
• dot0, dot1 – точки, які належать контуру лінії;
• vec0, vec1 – локальні напрямки;
• Getvec(dot0, dot1) - напрямок з точки dot0 в dot1;
54

• alphatest – визначена константа визначає сильне викривлення
контуру папілярной лінії;
• Nextdotcw(dot0, step) – одержання координат точки наступної
через step точок.
Умови «обриву» та «злипання» описано вище.
1. Початок;
2. dot0 ::= початкове значення;
3. dot1 ::= Nextdotcw(dot0, step);
4. vec0 ::= Getvec(dot0, dot1);
5. dot0 ::= dot1;
6. dot1 ::= Nextdotcw(dot0, step);
7. vec1 ::= Getvec(dot0, dot1);
8. якщо |vec1 – vec0| < alphatest, то перейти до пункту 11;
9. якщо знайдена точка є злипанням, то роз'єднати лінії;
10. якщо знайдена точка є обривом, то відновити цілісність лінії;
11. якщо обхід по контуру привів до початкової точки, то перейти
до пункту 13;
12. vec0 ::= vec1; перейти до пункту 5;
13. кінець.
• Map – список. Map = {x, y};
• etpixelcolor(x,y) – одержати значення кольору пікселя з
координатами {x,y} на растрі R;
• R.Floodfill(x, y, color) – залити область кольором
R.Getpixelcolor(x,y) у колір color;
• R.width() – ширина растра в пікселях;
• R.height() – висота растра в пікселях;
• R.Readline(Map[i]) – обхід по контуру лінії з точки Map[i],
одержує список координат мінюцій.

1. Початок;
2. формувати з растра R список ліній Map;
3. (i, : i([1, |map|] List ::= R.Readline(Map[i]);
55

4. висновок List;
5. кінець.
Алгоритм для знаходження на растрі точок, які належать різним
папілярним лініям наведено в п. 2.2.
Опис алгоритму «Readline»
Алгоритм для пошуку закінчень і роздвоєнь, формування списку
параметрів локальних особливостей.
• dot0, dot1 – точки, які належать контуру лінії;
• vec0, vec1 – локальні напрямки;
• Getvec(dot0, dot1) - напрямок з точки dot0 в dot1;
• alphatest – визначена константа;
• Nextdotcw(dot0, step) – одержання координат точки наступної
через step точок;
• Return – список, що вертається.
Умови «закінчень» і «роздвоєнь» описано вище.
1. Початок;
2. dot0 ::= початкове значення;
3. dot1 ::= Nextdotcw(dot0, step);
4. vec0 ::= Getvec(dot0, dot1);
5. dot0 ::= dot1;
6. dot1 ::= Nextdotcw(dot0, step);
7. vec1 ::= Getvec(dot0, dot1);
8. якщо |vec1 – vec0| < alphatest, то перейти до пункту 11;
9. type ::= vec1 < vec0; alpha ::= можливий напрямок продовження
лінії;
10. {dot0, alpha, type}  Return;
11. якщо обхід по контуру привів до початкової точки, то перейти
до пункту 13;
12. vec0 ::= vec1; перейти до пункту 5;
13. кінець.

56

2.4 Алгоритм сортування списку абсолютних параметрів,
виключення помилкових і ненадійних мінюцій
У результаті виділення спеціальних точок, є такі, які не є мінюціями
й можуть не бути присутнім при наступному аналізі, що негативно вплине
на результат порівняння й швидкість роботи, тому що розмір
оброблюваної інформації буде більшим.
Для виключення таких точок введемо правила надійної точки:
• пара точок не може перебувати ближче певної відстані;
• пари крапок, що мають однаковий тип і спрямовані одина на
одну не можуть перебувати ближче 3d,
де d – відстань між центрами сусідніх гребенів;
• разом із закінченням обов'язково повинні проходити пари
сусідніх гребенів;
• разом із роздвоєнням обов'язково повинні проходити пари
сусідніх западин.
Вхідною інформацією є вихідна інформація попереднього етапу, що
описана в п. 2.3.
Вихідною інформацією є список мінюцій в абсолютних параметрах.
Дане структурне представлення на основі мінюцій достатньо для
розпізнавання особистості за відбитками пальців.
Таке представлення набагато менше растрового по розміру, завдяки
чому організує зручне зберігання й швидку обробку.
Кожен елемент масиву містить усі необхідні параметри:
- координати цілого типу - 2х4 байта;
- кут напрямку 8 байт;
- тип точки 1 байт.

57

Для виключення ненадійних точок визначимо ще одне положення
локальних особливостей на вхідному растрі.

На рис. 2.8 показаний вид «порізу» або «складки шкіри», при цьому
виконується наступна умова, яка описана математичною моделлю

(D1 L1=) (D2 L2 =) (2.2)

Рис. 2.8. Модель «порізу» лінії або «складки шкіри»
папілярного візерунку
D1 – прилягаючі області;
D2 – прилягаючі області;
L1 – ймовірні сусідні лінії папілярного візерунка;
L2 – ймовірні сусідні лінії папілярного візерунка.

Особливість полягає в тому, що точки, які утворені «порізами» та
сторонніми предметами не є мінюціями та не впливають на порівняння.

58

Отриманий список сортується за умовою:

(2.3)

де: i, j – знайдені точки;
x, y – координати мінюцій на растрі;
a – кут напрямку;
T – тип мінюції (роздвоєння або закінчення);
1, 2, а������, аmах– константи (установлюються експериментально).

Алгоритм розв'язання задачі

• Початок;
• i,j : ij 
 (D1 L1=) (D2 L2 =)

• Виконати Delete(Array,j), Delete(Array,i);

• виконати Delete(Array,j), Delete(Array,i);
• Кінець.

59

Висновки до розділу 2

У даному розділі були розроблені:
• алгоритм виявлення дефектів сканування та їх усунення;
• алгоритм виділення локальних особливостей (мінюцій) і формування
списку мінюцій в абсолютних координатах;
• алгоритм впорядкування списку абсолютних параметрів та усунення
помилкових і ненадійних мінюцій.
Запропоновані алгоритми є достатньо простими у реалізації, забезпечують
високу ефективність та оптимально відповідають поставленим вимогам.
Також наведено математичні моделі та умови роботи відповідних
процедур. Уся необхідна підготовча робота для початку реалізації
виконана.

60

РОЗДІЛ 3
МОДЕЛІ АЛГОРИТМІВ ПІДПРОГРАМ ДЛЯ ОПТИМІЗАЦІЇ
ЛОКАЛЬНИХ ОСОБЛИВОСТЕЙ ПАПІЛЯРНОГО ВІЗЕРУНКУ
3.1 Вибір мови програмування та середовища розробки програм
Систему доцільно розробляти для функціонування під операційною
системою сімейства MS Windows, тому що операційна система даного
класу найбільше широко поширені в сучасному світі. Платформою для
розробки обране середовище для розробки додатків Microsoft Visual
Studio C++. Це середовище підтримує алгоритмічну мову C++ і володіє
при цьому можливостями швидкої розробки й проєктування візуальних
інтерфейсів, що особливо важливо при роботі із графічною інформацією.
3.2 Загальний опис модулів програми
Програма представляє синтез підсистем аналізу для ідентифікації за
відбитками пальців, що реалізується за допомогою нижче описаних
підпрограм.
Підпрограма NextDotCCW
Підпрограма NextDotCCW виконує пошук наступної крапки на
контурі лінії «проти годинникової стрілки», завдяки їй організується
обхід лінії по контуру. Призначена для реалізації алгоритму виправлення
перекручувань і використовується при пошуку мінюцій на вхідному
образі.
Модель алгоритму підпрограми NextDotCCW зображена на рис.3.1
Синтаксис:
CPoint TFingPicture::NextDotсCCW(const CPoint dot, int
&vec)

61

Вхідні дані для даної підпрограми:
CPoint dot - структура даних - точка {x,y} від якої потрібно
знайти сусідню точку;
int vec - напрямок попереднього переходу при пошуку, vec Є
[0..7]. Служить для прискорення пошуку;
COLORREF clMas[9] - масив кольорів навколишніх точок.
Вихідні дані для даної підпрограми:
CPoint incXY[8] - координати навколишніх точок;
CPoint newDot - знайдена точка, що є суміжною із точкою dot.
Перехід від точки dot до знайденої суміжної точки утворить обхід «проти
годинникової стрілки».

Початок
i = vec,
step = 0;
newdot = dot;
COLORREF
clMas[9];
ні clMas[i+1] так
< clMas[i] кк
vec=(i+1)%8;
i = (i+1)%8; newdot.x=dot.x+inc
XY[(8-vec)%8].x;
step++; newdot.y=dot.y+inc
XY[(8-vec)%8].y;
так ні
step <= 8
Кінець

Рис. 3.1. Модель алгоритму підпрограми «NextDotCCW»

62

Підпрограма LookPic

Підпрограма LookPic призначена для обробки завантаженого
зображення й одержання з нього списку папілярних ліній. Кожна лінія
визначається однією точкою {x,y}.
Модель алгоритму підпрограми зображена на рис.3.2.

Синтаксис:
list<TMapElDot> TAnalysePicture::LookPic()

Вхідні дані для даної підпрограми:

TFingPicture *pic - покажчик на бітовий образ у пам'яті, що
був завантажений для обробки.

Вихідні дані для даної підпрограми:

list<TMapElDot> Map - список папілярних ліній на растрі.

Використовувані змінні:
Map - список оброблюваних ліній на папілярному візерунку, кожній
лінії відповідає точка {x,y}.

Використовувані підпрограми:
Pic.GetPixel(x,y) - повертає колір пікселя з координатами
{x,y} на растрі pic;
ClearLine(pic,x,y) - видалення області з кольором
GetPixel(x,y) на растрі pic.
63

Рис. 3.2 Модель алгоритму підпрограми «LookPic»

64

Підпрограма ChangeLine
Підпрограма ChangeLine призначена для модифікації лінії на растрі,
робить виправлення злипань і обривів.
Модель алгоритму підпрограми зображена на рис.3.3.
Синтаксис:
int TAnalysePicture::ChangeLine(list<TMapElDot>::
iterator _dot, list<TMapElDot> &_map)
Вхідні дані для даної підпрограми:
TFingPicture *pic - покажчик на бітовий образ у пам'яті, що
був завантажений для обробки;
list<TMapElDot>::iterator_dot - покажчик на поточну
оброблювану лінію;
list<TMapElDot> &_map - список оброблюваних ліній на
растрі.
Вихідні дані для даної підпрограми:
int change - кількість виправлень на растрі;
TFingPicture *pic - у результаті обробки вхідний образ
піддається змінам.
Використовувані змінні:
Dot0, dot1 – точки, які відповідають контуру оброблюваної лінії.
Початкове значення dot0 = _dot;
vec0, vec1 - локальні напрямки;
step - крок до наступної крапки;
alphaTest - визначена константа, що визначає сильне
викривлення контуру папілярної лінії.
Використовувані підпрограми:
GetVec(dot0, dot1)- напрямок із крапки dot0 в dot1;
65

NextDotCW(dot0, step) - одержання координат точки
наступної через step точок.
Злипання й обрив описані в п. 2.2.

Рис. 3.3. Модель алгоритму підпрограми «ChangeLine»
66

Підпрограма ReadPic
Підпрограма ReadPic призначена для пошуку локальних
особливостей на растрі.
Модель алгоритму підпрограми зображена на рис.3.4.
Синтаксис:
TAbsFing TAnalysePicture::ReadPic(list<TMapElDot>::
iterator _dot)
Вхідні дані для даної підпрограми:
TFingPicture *pic - покажчик на бітовий образ у пам'яті, що
був завантажений для обробки;
list<TMapElDot>::iterator _dot - покажчик на поточну
оброблювану лінію.
Вихідні дані для даної підпрограми:
TAbsFing absfing – список параметрів локальних
особливостей, формат описаний у п. 2.1.
Використовувані змінні:
Dot0, dot1 – точки, які належать контуру оброблюваної лінії.
Початкове значення dot0 = _dot;
vec0, vec1 – локальні напрямки;
step - крок одержання наступної точки;
alphaTest – визначена константа, що визначає сильне
викривлення контуру папілярної лінії.
Використовувані підпрограми:
GetVec(dot0, dot1) – напрямок із точки dot0 в dot1;
NextDotCW(dot0, step) – одержання координат точки
наступної через step крапок.
«Роздвоєння» та «закінчення» ліній описані в п. 2.3.
67

Рис. 3.4. Модель алгоритму підпрограми «ReadPic»

68

Підпрограма DotsFilter

Підпрограма DotsFilter призначена для сортування списку
знайдених локальних особливостей і виділення списку мінюцій.

Модель алгоритму підпрограми зображена на рис.3.5.
Синтаксис:
int TAnalysePicture::DotsFilter(TAbsFing &_dots)

Вхідні дані для даної підпрограми:
TAbsFing &_dots - список точок знайдений на растрі, він
містить крім потрібних точок
- мінюцій, зайві,
непостійні точки, які не підходять для об'єктного опису папілярного
візерунку.

Вихідні дані для даної підпрограми:
TAbsFing _dots – список параметрів мінюцій, формат
описаний у пункті 2.1.

Використовувані підпрограми:
Поріз(dot) - чи ставиться дана точка до точок утвореним
порізами й сторонніми предметами (див. п. 2.4.);

Filter(dot1, dot2) - умова фільтрування (див. п. 2.4.).

69

Рис. 3.5 Модель алгоритму підпрограми «DotsFilter»

70

Підпрограма AnalysePicture
Підпрограма AnalysePicture призначена для обробки завантаженого
зображення та одержання з нього об'єктного образу для наступного
зберігання й порівняння.
Модель алгоритму підпрограми зображена на рис.3.6.
Синтаксис:
TAbsFing TAnalysePicture::AnalysePicture()
Вхідні дані для даної підпрограми:
TFingPicture *pic - покажчик на бітовий образ у пам'яті, що
був завантажений для обробки.
Вихідні дані для даної підпрограми:
TAbsFing Ret - список координат мінюцій в абсолютних
параметрах, формат описаний у п.п. 2.1.
Використовувані змінні:
Map - список оброблюваних ліній на папілярному візерунку,
кожній лінії відповідає точка{x,y};
Change - зберігає кількість зроблених змін на растрі.
Використовувані підпрограми:
LookPic - повертає список ліній на відбитку;
ChangeLine(i, Map) - коректування лінії на растрі,
випралення «злипань» і «обривів»;
ReadPic - повертає список параметрів специфічних точок (див.
п.2.1);
DotsFilter(Ret) - сортування специфічних точок (див. п. 2.4).

71

Рис. 3.6. Модель алгоритму підпрограми «AnalysePicture»
72

3.3 Опис контрольного прикладу папілярних візерунків
Основною метою роботи програми є розпізнавання особистості по
відбитках пальців на основі порівняння структурного подання папілярних
візерунків.
Контрольний приклад повинен містити велику кількість тестових
відбитків пальців, при цьому відбиток того самого пальця повинен бути
представлений як мінімум у двох екземплярах для порівняння їх між собою.
В роботі [ ] для тесту використовувалося близько 50 відбитків різних
людей і різного віку. На рис. 3.7; 3.8; 3.9 наведені кілька зображень
папілярного візерунку, які передбачались порівнювати між собою та
іншими відбитками в базі даних відбитків.
Дані зображення отримані за допомогою зачорніння пальця та
доторкання його до аркуша білого паперу, після чого відбитки були
відскановані та збережені у вигляді *.bmp файлів на комп'ютері.
Отримані таким методом відбитки мають не високу якість, тому
можна повністю перевірити всі етапи роботи програми.
На рис. 3.7, 3.8 представлені відбитки того самого пальця, за
результатами роботи програми вони повинні збігтися.

Рис. 3.7. Вихідна модель зразка папілярного візерунку А1
73

Рис. 3.8. Вихідна модель зразка папілярного візерунку A2

Для порівнювання на рис. 3.9 представлено відбиток іншого зразка
папілярного візерунку з попередніми двома відбитками.

Рис. 3.9. Вихідна модель зразка папілярного візерунку B

74

Результат роботи підсистем аналізу наведений на рис. 3.10, 3.11,
3.12 - це візуалізовані структурні подання вхідних відбитків.

Рис. 3.10. Структурне подання моделі зразка папілярного візерунку A1

Рис. 3.11. Структурне подання моделі зразка папілярного візерунку A2

Рис. 3.12. Структурне подання моделі зразка папілярного візерунку B

Верифікація запропонованого алгоритму підтверджена візуально
наведеними прикладами, що представлено на рис.3.13; 3.14; 3.15.

75

Верифікація роботи запропонованого алгоритму

Рис. 3.14. Початковий відбиток Рис. 3.14. Виправлені Рис.3.15.
великого пальця дефекти Визначені мінюції
правої руки

Висновок до 3 розділу

У розділу 3 виконано наступне:
1. Розроблено та описано моделі алгоритмів підпрограм, призначених
для оптимізації локальних особливостей папілярних візерунків.
2. Обґрунтовано вибір мови програмування та відповідного
середовища розробки, що забезпечують ефективність реалізації
алгоритмів обробки зображень.
3. Аналіз контрольного прикладу підтвердив працездатність і
коректність реалізованих алгоритмів. Після оптимізації якість локальних
особливостей значно підвищилась, що безпосередньо впливає на
точність подальших біометричних процедур.
Таким чином, розроблені моделі алгоритмів підпрограм становлять
основу для ефективної обробки папілярних зображень та можуть бути
використані як базис для побудови повноцінної біометричної системи
розпізнавання за відбитками пальців.

ВИСНОВКИ

У кваліфікаційної роботі проведено дослідження та реалізація
алгоритму оптимізації локальних особливостей зображення папілярного
візерунку, який забезпечує низьку вартість і простоту реалізації, шляхом
усунення нечіткостей через врахування біологічних особливостей
побудови папілярного візерунку з характерними мінюціями, що
забезпечує зберігання найбільш повної та з найменшим змістом
помилкової інформації.
Основними результатами роботи є визначення та використання
логіко-математичної моделі, яка дозволила просто описувати
інформаційні дані про папілярний візерунок.
Це прискорює процедуру визначення візерунку з найменшим
змістом помилкової інформації, що впливає на зниження вартості.
Практична значимість отриманих результатів полягає в доведенні
результатів до конкретних інженерних рішень.
Результатом аналізу підсистем програм є список мінюцій в
абсолютних параметрах, а саме: координати {x,y} на растрі; кут
направлення та її тип; закінчення або роздвоєння папілярного візерунку.
Це забезпечує їх подальший аналіз цих мінюцій, через запропонованого
правила і методу сортування та виділення достовірних мінюцій з
загальної кількості, що зменшує час на порівняльний аналіз і, як наслідок,
зменшується вартість виробу.
Розроблено алгоритми, які оптимізують локальні особливості
зображення папілярного візерунку, це прискорює процес аналізу.
Запропоновано алгоритм перетворення монохромних зображень
відбитків пальців до структурованого виду, придатного для обробки,
78

були проведені дослідження для визначення оптимальних параметрів при
яких забезпечується заданий рівень достовірності розпізнавання та
швидкість ідентифікації.
Робота містить у собі розробку алгоритму усунення нечіткостей і
спотворень у зображенні відбитку пальця, отриманого при скануванні. А
також розробку алгоритму перетворення монохромного зображення
відбитку пальця до структурованого виду, придатного до обробки
(порівняння). В результаті виконаної роботи був розроблений метод
автоматизації пошуку схожих відбитків. Для реалізації даного методу
були розроблені спеціальні алгоритми і правила. Цей метод дозволяє за
прийнятний час автоматично визначати особистість за відбитком пальця
за допомогою виділення локальних особливостей. У порівнянні з ручним
визначенням «на око» по ключовим ділянкам вихідного зображення
отриманий значний виграш у швидкості й зручності використання. У
результаті розробка буде на порядок дешевше. При цьому ідентифікація
особистості по відбитку пальця є самою вдалою біометричною
технологією завдяки простоті використання, зручності й надійності.
Можливість помилки при ідентифікації користувача по відбитках пальців
набагато менше в порівнянні з іншими біометричними методами. Крім
того, сам пристрій ідентифікації по відбитку пальця малогабаритний й
прийнятний за ціною.

79

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Shehu, Y. I., Ruiz-Garcia, A., Palade, V., & James, A. (2018). Sokoto
coventry fingerprint dataset. arXiv preprint. https:/ /doi.org/ 10.48550 /arXiv.
1807.10609
2. Skoryk, Y., & Bezruk, V. (2023). Вибір переважного методу
біометричної автентифікації. International Science Journal of Engineering &
Agriculture, 2(4), 28–34. https://doi.org/10.46299/j.isjea.20230204
3. Салієва, О. В., Зоря, І. С., Бондаренко І. О., & Берестенко, М. О. (2023).
Підвищення достовірності автентифікації користувача на основі
захищеного електронного ключа та поведінкової біометрії. Вісник
Вінницького політехнічного інституту, (2), 102–111.
https://doi.org/10.31649/1997-9266-2023-167-2-102-111
4. Пуріш, С. В., Яковенко, Р. О., & Годовиченко, М. А. (2023). Задача
вибору біометричних ознак в системах біометричної ідентифікації
людини. In Сучасні інформаційні технології –2023=Modern Information
Technology–2023 (pp. 11–13). Retrieved from http://dspace.op
.edu.ua/jspui/bitstream/ 123456789/14147/1/MIT2023- Пуріш.pdf
5. Цимбал, В. В. (2023). Використання біометричних методів
аутентифікації для забезпечення високого рівня безпеки в
телекомунікаційних системах. In Інформаційні моделюючі технології,
системи та комплекси (ІМТСК-2023): IV міжнародна науково-практична
конференція. Черкаси: Черкаський національний університет імені
Богдана Хмельницького. Retrieved from
https://fotius.cdu.edu.ua/wpcontent/uploads
/2023/06/Book_IMTCK_2023.pdf
6. Андрушків, В. В., & Порохняк, О. З. (2023). Розробка та дослідження
автоматизованої системи ідентифікації особи по відбитках пальців
80

(Master's thesis, Тернопіль, ТНТУ). Retrieved from https:// elartu.tntu
.edu.ua/ handle /lib/43265
7. Alzubaidi, L., Zhang, J., Humaidi, A. J., et al. (2021). Review of deep
learning: concepts, CNN architectures, challenges, applications, future
directions. Journal of Big Data, 8, 53. https://doi.org/10.1186/s40537-021-
00444-8
8. Kothadiya, D., Bhatt, C., Soni, D., Gadhe, K., Patel, S., Bruno, A., &
Mazzeo, P. L. (2023). Enhancing fingerprint liveness detection accuracy using
deep learning: A comprehensive study and novel approach. Journal of Imaging,
9(8), 158. https://doi.org/10.3390/jimaging9080158
9. Джаноянц, В. О. (2023). Спосіб розпізнавання емоційних станів у
зображеннях людини. (Master's thesis, КПІ ім. Ігоря Сікорського).
Retrieved from https://ela.kpi.ua/server/api/core/bitstreams/e5b27ff3-bcfc-
418da3a3-3a15e545784d/content
10. Liu, J., Wang, X., Wu, S., Wan, L., & Xie, F. (2023). Wind turbine fault
detection based on deep residual networks. Expert Systems with Applications,
213, 119102. https://doi.org/10.1016/j.eswa.2022.119102. 12.
11. Dong, Y., Jiang, Z., Tao, F., & Fu, Z. (2023). Multiple spatial residual
network for object detection. Complex & Intelligent Systems, 9(2), 1347–1362.
https://doi.org/10.1007/s40747-022-00859-7
12. Minaee, S., Abdolrashidi, A., Su, H., Bennamoun, M., & Zhang, D. (2023).
Biometrics recognition using deep learning: A survey. Artificial Intelligence
Review. https://doi.org/10.48550/arXiv.1912.00271
13. Sun, Y., Tang, Y., & Chen, X. (2023). A neural network-based partial
fingerprint image identification method for crime scenes. Applied Sciences,
13(2), 1188. https://doi.org/10.3390/app13021188
14. Яковенко, О. О., Кушніренко, Н. І., Дорофєєва, І. С., & Євтушенко, А.
Р. (2019). Розробка системи розпізнавання осіб на основі згорткової
нейронної мережі. Інформатика та математичні методи в моделюванні,
81

9(№ 1–2), 77–87. Retrieved from http://nbuv.gov.ua/UJRN/Itmm_2019_9_1-
2_10
15. Milner, R. (1997). The definition of standard ML: revised. MIT Press.
https://doi.org/10.7551/mitpress/2319.003.0001
16. Gustisyaf, A. I., & Sinaga, A. (2021). Implementation of convolutional
neural network to classification gender based on fingerprint. International
Journal of Modern Education & Computer Science, 13(4). DOI:
10.5815/ijmecs.2021.04.05
17. Nazarkevych, M., Logoyda, M., Dmytruk, S., & Voznyi, Y. (2019).
Identification of biometric images using latent elements. CEUR Workshop
Proceedings. Retrieved from https://ceur-ws.org/Vol-2488/paper8.pdf
18. Nazarkevych, M., & Nazarkevych, H. (2019). Ateb-Gabor filtering method
in fingerprint recognition. Procedia Computer Science, 160, 30–37.
https://doi.org/10.1016/j.procs.2019.09.440
19. Al-Wajih, Y., Hamanah, W. M., Abido, M. A., Al-Sunni, F., & Alwajih, F.
(2022). Finger type classification with deep convolution neural networks.
Retrieved from
https://www.scitepress.org/PublishedPapers/2022/113271/113271.pdf
20. Zong, L., Xu, C., & Yuan, H. (2020). A RF fingerprint recognition method
based on deeply convolutional neural network. In 2020 IEEE 5th Information
Technology and Mechatronics Engineering Conference (ITOEC), Chongqing,
China (pp. 1778–1781). DOI: 10.1109/ITOEC49072.2020.9141877
21. Top authentication methods in selected countries 2023. Statista. URL:
https://www.statista.com/statistics/1448883/preferred-securityauthentication-
methods-in-selected-countries (дата звернення: 19.09.2024)
22. Quynh Anh A. Ranking 4 Most Popular Authentication Methods Today.
VinCSS. URL: https://blog.vincss.net/what-is-the-bestauthentication-method
(дата звернення: 19.09.2024).
82

23. Mascellino A. Cisco report: 81 percent of all smartphones have biometrics
enabled. Biometric Update. URL: https://www.biometricupdate. com/202211
/cisco-report-81-percent-ofall-smartphones-have-biometrics-enabled (дата
звернення: 19.09.2024).
24. Naden C. The rise and rise of biometric authentication. IEC e-tech. URL:
https://etech.iec.ch/issue/2023-04/the-rise-and-rise-of-biometricauthentication
(дата звернення: 19.09.2024).
25. Biometric Authentication & Identification Market Size, Share 2031.
Business Research Insights. URL: https://www.businessresearchinsights.
com/marketreports/biometric-authentication-identification-market-110643
(дата звернення: 19.09.2024).
26. Kosinski M. What is Authentication?. IBM - United States. URL:
https://www.ibm.com/think/topics/authentication (дата звернення:
19.09.2024).
27. What Is Authentication? Definition and Methods. Microsoft | Microsoft
Security. URL: https://www.microsoft.com/en-us/security/business/
security101/ what-is-authentication (дата звернення: 20.09.2024).
28. The 5 factors of authentication, and what you should know about them -
New York, Westchester, White Plains | Red Key Solutions. Red Key Solutions.
URL: https://www.redkeysolutions.com/2019/11/the-5-factors-
ofauthentication-and-what-you-should-know-about-them (дата звернення:
20.09.2024). 76
29. Marshall-Heyman T. What is Authentication? Factors, Types, and
Examples. Criipto. URL: https://www.criipto.com/blog/what-isauthentication
(дата звернення: 01.11.2024).
30.Multi-factor authentication - Glossary. NIST Computer Security Resource
Center. URL: https://csrc.nist.gov/glossary/term/multi_factor_authentication
(дата звернення: 21.09.2024).
83

31. Kiennert C., Bouzefrane S., Thoniel P. Authentication Systems. Digital
Identity Management. 2015. С. 95–135. URL: https://doi.org/10.1016/b978- 1-
78548-004-1.50003-1 (дата звернення: 21.09.2024).
32. FIDO Alliance Overview - Changing the Nature of Authentication. FIDO
Alliance. URL: https://fidoalliance.org/overview (дата звернення:
21.09.2024).
32. Біометричні технології в XXI столітті та їх використання
правоохоронними органами: посібник / В. П. Захаров, В. І. Рудешко;
Львів. держ. ун-т внутр. справ. — 2-ге вид., допов. — Львів: ЛьвДУВС,
2015. — 491 c.
33. Godil, A.; Grother, P.; Ressler, S. Human identification from body
shape (англ.). IEEE: 386—392. doi:10.1109/IM.2003.1240273. ISBN 978-0-
7695-1991-3. Звернення 22 вересня 2024.
Fingerprints Pay For School Lunch - CBS News. www.cbsnews.com (англ.).
Звернення 24 січня 2024.
84

ChSTU repository

ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets