автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Разработка математического и программного обеспечения обработки биометрической информации единой системы удостоверяющих документов Социалистической Республики Вьетнам

На правах рукописи

Цг^'^—

Хоанг Чунг Киеи

Разработка математического и программного обеспечения обработки биометрической информации единой системы удостоверяющих документов Социалистической Республики Вьетнам

Специальность: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

Автореферат

диссертации на соискание ученой степени кандидата технических наук

о 5 /ЗЕК 2008

Москва 2008

003456624

Работа выполнена на кафедре «Математическое обеспечение вычислительных систем» в Московском государственном институте радиотехники, электроники и автоматики (техническом университете).

Научный руководитель: д.т.н., профессор

Ткаченко Владимир Максимович

Официальные оппоненты: д.т.н., профессор

Кораблин Юрий Прокофьевич к.т.н.

Кожеватов Руслан Дмитриевич

Ведущая организация:

Вычислительный центр имени А. А. Дородницына Российской академии наук (ВЦ РАН)

Защита диссертации состоится 17 декабря 2008 года в 15-00 часов на заседании диссертационного совета Д212.131.05 в Московском государственном институте радиотехники, электроники и автоматики (технического университета) по адресу:

119454 Москва, проспект Вернадского, д. 78., библиотека

С диссертацией можно ознакомиться в библиотеке Московского государственного института радиотехники, электроники и автоматики (технического университета).

Автореферат разослан «17» ноября 2008 г.

Ученый секретарь диссертационного совета Д212.131.05 кандидат технических наук, доцент

Андрианова Е.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Современную систему идентификации личности невозможно представить без компонента обработки биометрической информации (БИ), позволяющего автоматически удостоверить человека по его биометрическим параметрам. Современные системы биометрического удостоверения личности приобрели широкое распространение во многих сферах человеческой деятельности: от паспортно-визовых документов нового поколения до образования, здравоохранения, финансовых и платежных систем.

До недавнего времени, во Вьетнаме применение биометрических методов удостоверения личности было мало распространено, применялась идентификация по отпечаткам пальцев в криминалистике и для обеспечения безопасности доступа к компьютеру и сети. В 2006 г. компания Hitachi совместно с вьетнамской компанией Hoang Dao построила и применила систему идентификации по венам руки. В этом же году компания ADEL с вьетнамской компанией Vinh Tin выпустила дверные замки, поддерживаемые биометрической системой контроля доступа, позволяющей делать учет рабочего времени и регистрацию посетителей. В 2007г. вьетнамский банк IncomBank применил метод идентификации по венам руки на базе программно-аппаратного комплекса компании Fujitsu. Учитывая, что Социалистическая Республика Вьетнам (СРВ) является экономически и политически активно развивающимся государством, а также, в 2006 году официально вступила во Всемирную торговую организацию, целесообразно включить компонент обработки биометрической информации (КОБИ) в структуру единого центра системы удостоверяющих документов (ЕСУД) СРВ.

Степень изученности проблемы. Проблемы математического и программного обеспечения в обработке биометрической информации нашли отражение в трудах А.И. Иванова, Г.А. Кухарева, М.Е. Масленникова, Е.П. Тумояна, У.О. Станиславовича, О.С. Ушмаева, Ю.А. Брюхомицкого, М.Н. Казарина, В.И. Волчихина и др.

Целью диссертационной работы является разработка математического обеспечения и соответствующего программного компонента обработки биометрической информации ЕСУД СРВ.

Основными задачами диссертационной работы являются:

• исследование биометрических параметров и методов биометрической идентификации с целью выбора контролируемых биометрических параметров (КБП) для создания ЕСУД СРВ;

• исследование алгоритмов удостоверения личности по КБП с целью оценки их эффективности;

• разработка функционала, структуры ЕСУД и спецификаций программного обеспечения КОБИ ЕСУД с учетом особенностей населения СРВ;

• выполнено экспериментальное исследование разработанного математического и программного обеспечения КОБИ.

Методы исследования. Результаты диссертационной работы были получены на основе использования теории системного анализа, теории распознавания образов, теории нейронных сетей и нейрокомпьютеров, методов и технологий обработки изображений, теории оптимизации, методов структурного анализа и проектирования, а также рекомендации действующих отечественных и международных стандартов по биометрическим технологиям.

Научная новизна работы определяется тем, что впервые применительно к контролируемым биометрическим параметрам, выбранных с учетом особенностей населения СРВ, получена математическая модель и по ней разработаны спецификации программного компонента обработки биометрической информации ЕСУД СРВ.

В частности был получен ряд новых научных результатов, позволяющих спроектировать ЕСУД СРВ, а именно:

• выполнен анализ биометрических признаков населения Вьетнама и осуществлен выбор контролируемых биометрических параметров для создания ЕСУД СРВ;

• на основе анализа международных биометрических стандартов, биометрических методов и КБП, определены требования для построения ЕСУД СРВ;

• исследованы математическое и программное обеспечение обработки БИ для создания ЕСУД СРВ.

Праетическая ценность работы состоит в том, что полученные в ней результаты использованы Вьетнамской научно-технической ассоциацией в Российской Федерации при подготовке проекта ЕСУД СРВ, спецификации программного обеспечения компонента обработки БИ применены компанией «VINASTAR» при разработке системы контроля доступа. Также материалы диссертационной работы были использованы в учебном процессе МИРЭА при изучении дисциплин «Технология разработки программного обеспечения», «Системы искусственного интеллекта» и «Нейрокомпьютеры».

Апробация работы. Результаты проведенных в диссертационной работе исследований опубликованы в 6 статьях, из них в журналах из перечня ВАК - 2 статьи. Основные положения работы докладывались и обсуждались: на 56-ой и 57-ой научно-технических конференциях МИРЭА (Москва - 2007, 2008), на IX научном симпозиуме «Вьетнамская научно-техническая ассоциация в Российской Федерации» (Москва, 2007).

Структура и объем работы

Работа состоит из введения, 4 глав, заключения, списка литературы (62 наименования). Объем основного текста составляет 145 страниц, 8 таблиц, 29 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выполненного исследования, сформулированы цель, задачи диссертационной работы, научная новизна, практическая ценность, а также представлена аннотация диссертационной работы по главам.

В главе 1 исследованы характеристики биометрических параметров в целях их актуальности для создания удостоверяющих документов личности, рассмотрены задачи и методы биометрической идентификации и верификации, определены основные шаги по решению данной задачи, выполнен анализ биометрических параметров вьетнамцев для выбора КБП, необходимых для построения спецификаций программного компонента обработки биометрической информации ЕСУД СРВ.

Выбор «правильного» КБП для создания ЕСУД СРВ является сложной задачей, т.к. на его выбор влияет не только точность работы системы, но и множество таких факторов: цена, дополнительные расходы, безопасность системы.

Таким образом, определение «правильного» контролируемого биометрического параметра является базовой задачей и имеет большое значение при проектировании системы удостоверяющих документов.

Исследуя свойства биометрических параметров и сенсоров, необходимых для принятия биометрического сигнала, было выполнено сравнение шести традиционных биометрических параметров (табл. 1).

При выборе КБП учитывалось, что:

• наборы параметров биометрических признаков для различных людей не должны пересекаться;

• персонализированные параметры для каждого человека должны быть как можно более устойчивыми;

• параметры для различных людей должны быть неустойчивы; а также учитывались такие особенности среды эксплуатации, как:

о высокие температура и сырость, влияющие на влажность и загрязненность тел и рук, что в свою очередь, влияет на правильность распознавания через кожи и отпечатков пальцев и т.д.; о маленькие глаза; черные волосы; желтая кожа; о после двух войн во Вьетнаме отмечается наличие большого

количества инвалидов (безрукие, слепые, изменяемое лицо); о большое количество генных мутаций после применения напалма (оранжевая болезнь).

• неграмотных 2% населения (примерно 1,68 миллионов);

• существуют 54 народностей, каждая народность имеет свой язык (однозвучный) и из них 24 народностей имеют свою письменность.

1»'(Л1С-ЛинчЛ Пяря- N. м<»р Разработанность Тип сенсора Размер сенсора Цена сенсора Размер шаблон (байты) Масшта бируе-мость Вероят ность неуника льности Универсальность Уникальность Постоянство Собираемость Биометрические особенности населения СРВ

Лалец Очень высокая Контактный Маленький До 3200000 До ьсю Высокая 1:500 Средняя Высокая Высокая Средняя Плюсы: большой опыт использо- -вания, наличие большой БД Минусы: маленькие пальцы, загрязненность пальцев из-за повышенной влажности, наличие большого количества инвалидов

Лицо Низкая Незаметный Маленький До €00000 До -1000 Средняя 1:100 Высокая Низкая Средняя Высокая Плюсы: большой опыт использования, наличие большой БД Минусы: желтое лицо, черные □олосы. изменяемое лицо

Голос Низкая Незаметный Маленький До 80000 2000 Низкая 1:50 Средняя Низкая Низкая Средняя Наличие 54 народностей, каждая из которых имеет свой язык (однозвучный)

Радужная оболомка глаза Низкая Незаметный Средний До 4ЙООООО До 256 Очень высока« 1:131000 Высокая Высокая Высокая Средняя Плюсы: точная идентификация Минусы: маленькие глаза, нет БД, наличие большого количества инвалидов, генетические болезни после применения напалма

Геометрия руки высокая Контактный Большой До ЕОСОООО До 100 Низкая 1:5000 Средняя Средняя Средняя Низкая Плюсы: точная идентификация Минусы: мет БД, наличие большого количества инвалидов

Подпись Низкая Контактный Сролний До 4600000 200 Высо-хая 1:50 Низкая Низкая Низкая Высокая Плюсы: большой опыт использования, наличие большой БД Минусы: из 54 народностей СРВ 24 умеют свою письменность, неграмотных 2% населения (1,68 млн. человек)

н

в>

с в

В качестве КБП для КОБИ ЕСУД были выбраны: отпечатки пальца и геометрия лица, в качестве перспективного КБП также выделена радужная оболочка глаза, но в данный момент этот параметр отвергнут из-за высокой стоимости сенсоров, отсутствия базы данных и большого количества генных модификаций (оранжевая болезнь).

Для решения задачи биометрической идентификации с учетом особенностей населения СРВ и разработки спецификаций программного компонента обработки БИ были решены'следующие задачи (рис. 1):

• выбран вид и способ измерения КБП;

• выбран вид математических преобразований для извлечения биометрических данных из исходной измерительной информации; и определена математическая модель, увязывающая между собой стабильную и нестабильную часть КБП;

• выбран вид решающего правила и заданы его параметры;

• дана статистическая оценка уровней ошибок первого и второго рода для среднестатистического пользователя разрабатываемой биометрической системы.

Измеряемые

биометрические

параметры

Биометрические особенности населения СРВ

' Законы, ! регламенты, ' постановления 'СРВ

Выбор вида и

способа измерения КБП

, Контролируемые < биометрические " /Параметры

Математическое обеспечение обработки биометрической информации

АПК

(сенсоры, программное обеспечение и т.п.)

1

Построение математической модели 2

Вид и параметры

решающего

правила

Спецификации программного

компонента обработки

биометрической информации

Оценка < математического --

обеспечения з I"

БД

биометрической

информации

СРВ

—И-

Аналитики

Специалисты по ¡Т-технологиям

Рис. 1. Основные этапы построения КОБИ

В главе 2 исследованы характеристики моделей представления КБП, выполнена классификация методов обработки КБП, произведено сравнение алгоритмов обработки по их сложности и устойчивости.

Большинство алгоритмов обработки КБП включают следующие основные операции:

1. Ввод и преобразование КБП в цифровую форму представления.

2. Выделение из цифровой формы представления КБП уникальных признаков, необходимых для удостоверения личности.

3. Сопоставление выделенных признаков с зарегистрированными данными в базе данных ЕСУД.

4. Проведение анализа на сопоставимость введенного КБП и зарегистрированного параметра в ЕСУД.

5. Передача результатов анализа на сопоставимость в подсистемы принятия решения.

Информационные модели отпечатков пальцев являются наиболее разработанными, выделяется около 7 основных признаков (гребень, бороздка, конечная точка, точка бифуркации, и т.д.). В ходе исследования было выделено три класса алгоритмов сопоставления отпечатков пальцев (табл. 2).

Таблица 2

Результаты анализа алгоритмов обработки отпечатков пальцев.'

Название Описание Минусы Плюсы

Корреляционное сравнение Полученный со сканера отпечаток пальца накладывается на каждый эталон нз базы данных поочередно, после чего прямо по пикселям изображении осуществляется просчет различий между ними. Учет погрешности приложения пальца под разным углом, большие временные затраты на сопоставление Низкие требо-ва-нпя к качеству изображения отпечатка пальца

1 1 Сравнение по особым | точкам Полученное двухмерное изображение (или цифровое представление) отпечатка пальца сравнивается по особым точкам (обычно это конечные точки и точки бифуркации) Снижение качества сопоставления Быстрота работы

Сравнение по узору Полученное со сканера изображение отпечатка пальца, разбивается на множество мелких ячеек Время сопоставления напрямую зависят от требуемой точности Время сопос-тав-лення напрямую зависят от требуемой точности

Информационные модели геометрии лица человека основываются на следующих признаках: форма лица, соотношение частей лица между собой, форма лба, скуловой области и подбородка, форма и размер ушной раковины, симметрия лица, линии локализации морщин и т.д.

Информационная модель и алгоритм сопоставления зависят от того, какой портрет (в фас, профиль или оба) используется. На сегодняшний день основное развитие при распознавании лиц получили методы, ориентированные на репрезентативный характер исходных данных, уменьшение размерности исходных данных, реализацию процесса распознавания в ре-

дуцированном пространстве признаков, сопоставление распознаваемого образа с эталоном с оценкой меры подобия между ними на основе критерия распознавания.

При всём многообразии различных алгоритмов и методов распознавания изображений лица, большинство методов распознавания состоят из трёх компонент (рис. 2):

Рис. 2. Основные компоненты методов распознавания моделей КБП

1. Преобразование исходного изображения в начальное представление: сначала возможна предварительная обработка полученного изображения (масштабирование, выравнивание яркости, положения и т.п.), затем применение выбранного математического правила преобразования (косинусное, Фурье, и пр.)

2. Выделение ключевых характеристик: главных компонентов, коэффициентов частотного преобразования, ключевых точек области.

3. Применение механизма классификации (обычно нейронная сеть, различные метрики или скрытые Марковские модели).

Для определения наиболее эффективного алгоритма обработки КБП в главе 3 были протестированы алгоритмы распознавания отпечатков пальцев и геометрии лица, сделан анализ результатов тестирования, выбран алгоритм обработки биометрической информации для ЕСУД СРВ.

При удостоверении личности по геометрии лица выполняется преобразование соответствующих биометрических характеристик в вектор v биометрических параметров, представляемый в Л^-мерной ортогональной системе координат:

К = {у,,у2, У = (О

Пусть, область распределения биометрических параметров «своей» личности задана множеством образцов состоящим из Ь векторов

ус, I = 1, нормально распределенных в n -мерном пространстве ортогональной системы координат, а каждый вектор Ус ¡ = 1,1., представлен своими //компонентами:

^ = Щ (2)

Центр распределения векторов Ус находится в точке (£,,£2> которая определяется N математическими ожиданиями "К, = = . Центральные моменты второго порядка распре-

деления векторов Уг образуют квадратную матрицу моментов (ковариационную матрицу):

Яп Я,2 ... А|Л, Л.,, Я22 ... Я„,

£4

А к

(3)

[с,! ир" у =

Функция плотности нормального распределения векторов Кг , 1 = 1,1, имеет вид:

1

гехр

(4)

/(2п)"

где аег([ — определитель ковариационной матрицы 0 = Коэффициенты Лу( составляют матрицу А=|лу1|, обратную ковариационной матрице 0 = ]|яу, ]|

Для вычисления коэффициентов А1к используется стандартная формула:

с1ей

(5)

где М 1к - минор определителя ^Ця^ ||, получаемый из него вычеркиванием

у-й строки и к-го столбца.

Гиперэллипсоид рассеивания имеет равную плотность распределения //-мерных случайных величин, поэтому выражение для него получаем из условия /(у|,у2,...,у„) = сстог. Выражение, фигурирующее в показателе экспоненты функции плотности нормального распределения векторов Ус ,

является положительно-определенной квадратичной формой. Поверхности, на которых эта квадратичная форма постоянна

Й£л>у-£>,-£) = «и,,. (6)

являются поверхностями равных плотностей вероятностей в Л'-мерном пространстве и представляют собой гиперэллипсоиды, которые группируются вокруг точки (£,,¿2,

Обозначая константу в правой части выражения (б) через к2:

<.■»

Константа к задает коэффициент пропорциональности между длинами а1 главных полуосей гиперэллипсоида и соответствующими средне-квадратическими отклонениями а1, а, = к(7,, а2 = ксгг\ .., а,у = ксг„

Для оптимального решения задачи классификации из всех поверхностей равных плотностей вероятностей выберем ту, которая характеризует рассеивание векторов относительно точки с,,<?2,

Эта поверхность соответствует единичному гиперэллипсоиду, у которого главные полуоси равны соответствующим среднеквадратическим отклонениям а-,,сг,, ..,агК. Т.е. для единичного гиперэллипсоида к = 1, и выражение (7) преобразуется к виду:

-(ж!

Начальную границу интегральной области «все чужие» сформируем путем некоторого расширения области «свой».

Для этого зададим величину допуска между областями «свой» и «все чужие» в виде коэффициента Стьюдента, исходя из величины ошибки первого рода (вероятности Р1 ложного отказа «своему» пользователю): Л = , (1 — Р,)], в результате получим новый гиперэллипсоид, соответствующий начальной границе рассеивания векторов Уч .

Длины его полуосей определятся с учетом введенного допуска как а, =к'аг

Выражение (8) теперь преобразуется к виду:

Используем полученное выражение (9) для формирования дискрими-нантной функции

В этом случае знак функции g(v) - принадлежность входного векто-

ра v к одному из двух классов: «свой» или «чужой» (попадание в область «все чужие»):

ё{у)< О, еслиУеУс, §(К)>0, если У еК,.

Таким образом, процедура удостоверения сводится теперь к проверке: попадает ли предъявленный пользователем вектор биометрических параметров У в область, описываемую, выражением (9).

По сравнению с геометрическими методами распознавания точность идентификации возрастает вследствие более точной аппроксимации области распределения векторов Ус.

Повышение точности требует увеличения объема вычислений, связанных с получением функции (9). Однако, эти вычисления производятся по стандартным, фиксированным по времени выполнения процедурам, и могут быть реализованы в масштабе времени, близкому к реальному.

По сравнению с методами распознавания на основе искусственной нейронной сети исчезает необходимость обучения распознающей системы в классическом его понимании (как подбор весов н>|, ц;2, ..., дискрими-нантной функции ^(У)).

Как следствие, исчезают проблемы возникновения тупиков, состояния «паралича» сети, а также обучение нейронной сети на всех возможных «чужих» пользователей.

На рис. 3 приведена структурная схема алгоритма согласования размера выделяемого образа с использованием параметра Я ("расстояние между центрами глаз).

Исходным здесь является изображение с камеры, а выделяемый образ - средняя часть лица. Необходимо выбрать размер выделяемого образа, для которого расстояние между центрами глаз будет равно величине 5 с ошибкой не большей некоторой т.

Для размера изображения с сенсора 240x320 пикселей, а изображения всего лица размещено 112x92 пикселя, параметр гп обычно выбирается равным 1.

Первая оценка # дается по рассмотренному выше методу, вычисляется положение оси симметрии лица, относительно которого будет формироваться новая рамка, и в ее поле выбирается новое изображение лица.

Таким образом, эталон 1 используется один раз при первой оценке величины Л. Результаты первого вычисления расстояния Я для трех разных изображений с камеры.

Второй и третий случай здесь отличаются от первого сильным приближением и соответственно удалением лица от сенсора. Нормальное положение лица у объектива камеры соответствует первому случаю, при котором Л = 5 = 25.

Для анализа эффективности алгоритма распознавания геометрии ли-

ца большую роль играет оценка абсолютных значений ошибок распознавания, т.е. количество участков изображений, ошибочно принятых за лица (ошибки второго рода), и количество не найденных лиц (ошибки первого рода). На базе метрик, определяемых выражением:

sgn

dl_ dx.

-sgn

dl_ dx.

(10),

где:

I, J- полутоновые изображения размером яхт;

в- функция Хэвисайда;

и^.л,- положительные весовые коэффициенты.

Возможно оценить такие качественные параметры, как искажение яркостной составляющей изображения, наличие теней и бликов, характер изменения яркости. Данная метрика меры близости удовлетворяет следующему набору аксиом:

1- p.V.J)* 0

2. При 1 = J=> p„(l,J) = 0

3. pm,j) = p„vj)

4. pj;,j)<pjj,x)+pjx,j)

По результатам тестирования изображений лиц из базы изображений Вьетнамской научно-технической ассоциации в Российской Федерации значение абсолютной ошибки распознавания равно 4,7%, что соответствует аналогичным исследованиям по базам данных изображений ORL, Yandex и Libor Spacek.

Тестирование современных алгоритмов распознавания лиц (метод главных компонент, линейный дискриминант Фишера, одномер-ная\двумерная Марковская модель, вейвлеты Габора, матрица изменений яркости) дает приблизительно одинаковые результаты надежности от 80% до 95,5%.

В качестве базового алгоритма для ЕСУД СРВ выбран линейный дискриминант Фишера, позволяющий минимизировать ошибки классификации, путем перевода многомерного пространства признаков в одномерное, в котором проведение классификации возможно путем оценки значения линейной комбинации компонент тестового вектора.

В главе 4 определены функции КОБИ, разработана его архитектура, структура программной реализации КОБИ для КБП, построены спецификации для программного обеспечения КОБИ.

Компонент обработки биометрической информации ЕСУД СРВ

должен интегрировать две технологии удостоверения личности по отпечатку пальца и по геометрии лица.

КОБИ должен поддерживать следующие функции:

1. Ввод данных с сенсоров по снятию отпечатков пальцев.

2. Ввод данных с сенсоров по формированию изображений лица.

3. Ввод, вывод и хранение библиотеки биометрических образцов.

4. Оперативная обработка запросов на удостоверение личности.

5. Блок принятия решений по удостоверению личности при несовпадении данных, полученных с различных сенсоров.

6. Поддержка обмена данными с хранилищами биометрической информации населения (гражданские органы, органы правопорядка и т.п.)

Компонент обработки биометрической информации построен по

клиент-серверной архитектуре (рис. 4).

Рис. 4. Архитектура КОБИ

Клиентская часть, отвечающая за ввод/вывод данных, включает набор различных сенсоров, автоматизированное рабочее место оператора и

модули связи с внешними информационными системами.

Серверная часть, осуществляющая хранение биометрической информации, содержит базу данных (на базе средств MS SQL Server 2005), модули обработки различных типов биометрической информации и автоматизированное рабочее место администратора.

На рис. 5 представлена модульная структура и основные функции программного обеспечения КОБИ, включающая:

Рис. 5. Структура ПО КОБИ

• блок обучения нейронной сети (НС) предназначен для обучения нейронной сети на распознавание пользователей заданного класса. Для обучения берутся наборы, находящиеся в папке соответствующего класса.

Дополнительно реализован режим обучения на случайных наборах.

• блок тестирования наборов предназначен для дополнительного тестирования наборов на принадлежность пользователю при дополнительном обучении НС.

• блок идентификации запускается при регистрации на компьютере пользователя, состоящего в любой группе, производится соответствие статистических характеристик изображения характеристикам пользователя, и, в случае соответствия проверку набора на НС. В противном случае выполняется повторная идентификация.

• блок управления пользователями предназначен для создания групп и перевода пользователей из одной группы в другую.

В программе предусмотрено 3 режима: ввод примеров, работа и обучение, переключение между которыми осуществляется посредством выбора нужного режима.

В заключении приведены результаты работы:

1. Исследованы принципы работы, структуры, характеристики систем обработки БИ с целью актуальности их применении в СРВ.

2. По результатам исследований особенностей населения СРВ определены контролируемые биометрические параметры ЕСУД СРВ.

3. Выполнено экспериментальные исследование алгоритмов обработки КБП с целью оценки их эффективности.

4. Разработаны математическое и алгоритмическое обеспечение распознавания геометрии лиц с учетом особенностей населения СРВ.

5. Результаты диссертации использованы Вьетнамской научно-технической ассоциацией в Российской Федерации при подготовке проекта ЕСУД СРВ, спецификации программного обеспечения компонента обработки БИ применены компанией «УГЫАЗТАЯ» при разработке системы контроля доступа.

На защиту выносится:

1. Набор контролируемых биометрических параметров, выбранных по результатам исследования и анализа биометрических характеристик населения СРВ.

2. Алгоритм обработки контролируемых биометрических параметров, составляющий основу единой системы удостоверения документов СРВ.

3. Математическая постановка задачи обработки бйометриче-ской информации по контролируемым биометрическим параметрам.

4. Программный компонент обработки биометрической информации ЕСУД СРВ.

Основные публикации по теме диссертации

1. Хоанг Чунг Киен. Обзор структуры систем биометрической идентификации личности. Доклады IX научного симпозиума, Вьетнамская научно-техническая ассоциация в РФ.- Москва 3-2007. - с. 334-343.

2. Хоанг Чунг Киен. Методы биометрической идентификации, преимущества и области применения биометрических систем. Сборник научных трудов по материалам 56-ой научно-технической конференции. - М.: МИРЭА, часть 1- 2007.-е. 80-84.

3. Хоанг Чунг Киен. Рассмотрение атак на биометрическую систему. Сборник научных трудов по материалам 56-ой научно-технической конференции. - М.: МИРЭА, часть 1- 2007. - с. 84-89.

4. Хоанг Чунг Киен. Нейронные сети в системах биометрической идентификации личности. Сборник научных трудов по материалам 57-ой научно-технической конференции. -М.: МИРЭА, часть 3- 2008.-е. 41-46.

5. Хоанг Чунг Киен. Применения биометрических методов для создания единой системы удостоверяющих документов с учетом особенностей их использования в СРВ. Труды ИСАРАН. 2007 г. Динамика неоднородных систем. Под реакцией чл - корр. РАН Попкова Ю.С. Т31(2). - с. 197-204.

6. Хоанг Чунг Киен. Анализ и выбор биометрических параметров для создания единой системы удостоверяющих документов с учетом особенностей их использования в СРВ. М.: Наукоёмкие технологии. - №12,2008. - с. 61-69.

Подписано в печать 11.11.2008. Формат 60x84 1/16.

Бумага офсетная. Печать офсетная. Усл. печ. л. 0,93. Усл. кр.-отт. 3,72. Уч.-изд. л. 1,0. Тираж 100 экз. Заказ 630

Государственное образовательное учреждение высшего профессионального образования "Московский государственный институт радиотехники, электроники и автоматики (технический университет)" 119454, Москва, пр. Вернадского, 78

Введение.

Глава 1. Методы биометрической идентификации, анализ и выбор контролируемых биометрических параметров для создания удостоверяющих документов личности во Вьетнаме.

1.1. Обзор биометрических параметров.

1.1.1. Общие понятия удостоверения личности.

1.1.2. Основные биометрические параметры.

1.1.3. Принцип организации биометрических систем удостоверения личности.

1.1.4. Основные проблемы проектирования биометрических систем удостоверения личности.

1.1.5. Требования к биометрической системе удостоверения личности.

1.1.6. Биометрическая идентификация и верификация.

1.2. Методы биометрического удостоверения личности.

1.2.1. Статические методы.

1.2.2. Динамические методы.

1.3. Обзор современных стандартов биометрии.

1.3.1. Группа М1 и подкомитет БС37.

1.3.2. Стандарты, определяющие прикладной программный интерфейс для разработки биометрических систем.

1.3.3. Национальные стандарты Российской Федерации.

1.4. Обзор применения современных биометрических документов.

1.4.1. Биометрический паспорт в Мире и Вьетнаме.

1.4.2. Водительское удостоверение.

1.4.3. Электронные транспортные документы.

1.4.4. Электронные платежные пароли.

1.4.5. Электронные медицинские документы.

1.5. Анализ и выбор контролируемых биометрических параметров для создания единой системы удостоверяющих документов.

1.6. Преимущества и области применения биометрических систем удостоверения личности.

1.7. Методы биометрической идентификации во Вьетнаме.

Выводы.

Глава 2. Анализ информационных моделей контролируемых биометрических параметров и алгоритмов их обработки.

2.1. Технология, использующая распознавание отпечатков пальцев.

2.1.1. Информационные признаки отпечатков пальцев.

2.1.2. Классификация отпечатков пальцев.

2.1.3. Классы алгоритмов сравнения отпечатков пальцев.

2.1.4. Методы распознавания отпечатков пальцев.

2.2. Технология, использующая распознавание геометрии лица.

2.2.1. Информационные знаки лица человека.

2.2.2. Методы распознавания лиц.

Выводы.

Глава 3. Математическое обеспечение обработки биометрической информации для единой системы удостоверяющих документов СРВ.

3.1. Математическое обеспечение для обработки биометрической информации

3.1.1. Классификация и сравнение алгоритмов сложности и устойчивости

3.1.2. Измерение близости образа к биометрическому эталону мерой Хэмминга.

3.1.3. Аутентификация пользователя на основе контроля попадания в область распределения эталонных образцов.

3.2. Алгоритм согласования размера выделяемого образа.

3.3. Алгоритм распознавания лиц.

3.3.1. Мера близости на изображениях.

3.3.2. Представление изображения в виде матрицы изменения яркостей.

3.4. Тестирования алгоритма детекции лиц.

3.4.1. Детекция лиц на изображениях.

3.4.2. Результаты тестирования алгоритма распознавания лиц.

Выводы.

Глава 4. Разработка программного компонента обработки контролируемых биометрических параметров единой системы удостоверяющих документов СРВ.

4.1. Актуальность создания государственного сертификационного центра удостоверяющих документов.

4.2. Требования к качеству систем обработки биометрических параметров.

4.2.1. Параметры качества.

4.2.2.Этапы построения компонента обработки БИ.

4.3. Основные функции компонента обработки биометрической информации

4.4. Архитектура КОБИ.

4.5. Программное обеспечение КОБИ.

4.5.1. Выбор средств разработки.

4.5.2. Структура ПО КОБИ.

4.5.3. Структура базы лиц.

Выводы.

Современную систему удостоверения личности невозможно представить без программного обеспечения обработки биометрической информации, позволяющего автоматически удостоверить личность по его физиологическим или поведенческим характеристикам.

Системы биометрической идентификации приобрели широкое распространение во многих сферах человеческой деятельности: от паспортно-визовых документов нового поколения до образования, здравоохранения, финансовых и платежных систем. Мировой рынок биометрических систем сегодня представлен десятками известных фирм (IBM, DEC, HP, Intel, Motorola, Hitachi, Toshiba, Mitsubishi, Siemens, Fujitsu).

До недавнего времени, во Вьетнаме применение биометрических методов удостоверения личности было мало распространено, применялась идентификация по отпечаткам пальцев в криминалистике и для обеспечения безопасности доступа к компьютеру и сети.

В 2006 г. компания Hitachi совместно с вьетнамской компанией Hoang Dao построила и применила систему идентификации по венам руки. В этом же году компания ADEL с вьетнамской компанией Vinh Tin выпустила дверные замки, поддерживаемые биометрической системой контроля доступа, позволяющей делать учет рабочего времени и регистрацию посетителей.

В 2007г. вьетнамский банк IncomBank применил метод идентификации по венам руки на базе программно - аппаратного комплекса компании Fujitsu. Учитывая, что Социалистическая Республика Вьетнам (СРВ) является экономически и политически активно развивающимся государством, а также, в 2006 году официально вступила во Всемирную торговую организацию, целесообразно включить компонент обработки биометрической информации (КОБИ) в структуру единого центра системы удостоверяющих документов (ЕСУД) СРВ.

Целью диссертационной работы создание математического обеспечения и соответствующего программного компонента обработки биометрической информации ЕСУД СРВ.

Основными задачами диссертационной работы являются:

• исследование биометрических параметров и методов биометрической идентификации с целью выбора контролируемых биометрических параметров (КБП) для создания ЕСУД СРВ;

• исследование алгоритмов удостоверения личности по КБП с целью оценки их эффективности;

• разработка функционала, структуры ЕСУД и спецификаций программного обеспечения КОБИ ЕСУД с учетом особенностей населения Вьетнама;

• выполнено экспериментальное исследование разработанного математического и программного обеспечения КОБИ.

Методы исследования. Результаты диссертационной работы были получены на основе использования теории системного анализа, теории распознавания образов, теории нейронных сетей и нейрокомпьютеров, методов и технологий обработки изображений, теории оптимизации, методов структурного анализа и проектирования, а также рекомендации действующих отечественных и международных стандартов по биометрическим технологиям.

Научная новизна работы определяется тем, что в работе впервые применительно к контролируемым биометрическим параметрам, выбранных с учетом особенностей населения СРВ, были получена математическая модель и разработаны по ней спецификации программного компонента обработки биометрической информации для ЕСУД СРВ.

В частности был получен ряд новых научных результатов, позволяющих спроектировать ЕСУД в интересах государственного управления СРВ, а именно:

• на основе анализа международных биометрических стандартов, биометрических методов и особенностей биометрических параметров населения СРВ, определены требования для построения ЕСУД СРВ;

• выполнен анализ и выбор контролируемых биометрических параметров для создания ЕСУД в СРВ;

• исследованы математическое и программное обеспечение в обработке биометрической информации для создания ЕСУД использования в СРВ.

Практическая ценность работы состоит в том, что полученные в ней результаты использованы Вьетнамской научно-технической г ассоциацией в Российской Федерации при подготовке проекта ЕСУД СРВ, спецификации программного обеспечения компонента обработки БИ применены компанией «УМАЗТАЛ» при разработке системы контроля доступа.

Также материалы диссертационной работы были использованы в учебном процессе МИРЭА при изучении дисциплин «Технология разработки программного обеспечения», «Системы искусственного интеллекта» и «Нейрокомпьютеры».

Апробация работы. Результаты проведенных в диссертационной работе исследований опубликованы в 7 статьях, из них в журналах из перечня ВАК - 3 статьи. Основные положения работы докладывались и обсуждались: на 56-ой и 57-ой научно-технических конференциях МИРЭА (Москва - 2007, 2008), на IX научном симпозиуме «Вьетнамская научно-техническая ассоциация в РФ» (Москва, 2007).

Основные положения, выносимые на защиту:

1. Набор контролируемых биометрических параметров, выбранных по результатам исследования и анализа биометрических характеристик населения СРВ.

2. Алгоритм обработки контролируемых биометрических параметров, составляющий основу единой системы удостоверяющих документов СРВ.

3. Математическая постановка задачи обработки биометрической информации по контролируемым биометрическим параметрам.

4. Программный компонент обработки биометрической информации ЕСУД СРВ.

Структура и объем работы

Работа состоит из введения, 4 глав, заключения, списка литературы (62 наименования) и 3 приложений. Объем основного текста составляет 145 страниц, 8 таблиц, 28 рисунков.

В главе 1 исследованы характеристики биометрических параметров в целях их актуальности для создания удостоверяющих документов личности, рассмотрены задачи и методы биометрической идентификации и верификации, определены основные шаги по решению данной задачи, выполнен анализ биометрических параметров вьетнамцев для выбора КБП, необходимых для построения спецификаций программного компонента обработки биометрической информации ЕСУД СРВ.

В главе 2 исследованы характеристики моделей представления КБП, выполнена классификация методов обработки КБП, произведено сравнение алгоритмов обработки по их сложности и устойчивости.

Большинство алгоритмов обработки КБП включают следующие основные операции:

1. Ввод и преобразование КБП в цифровую форму представления.

2. Выделение из цифровой формы представления КБП уникальных признаков, необходимых для удостоверения личности.

3. Сопоставление выделенных признаков с зарегистрированными в базе данных ЕСУД.

4. Проведение анализа на сопоставимость введенного КБП и зарегистрированного в ЕСУД.

5. Передача результатов анализа на сопоставимость в подсистемы принятия решения.

Для определения наиболее эффективного алгоритма для обработки КБП в главе 3 были протестированы алгоритмы распознавания отпечатков пальцев и геометрии лица, сделан анализ результатов тестирования, выбран алгоритм обработки биометрической информации для ЕСУД СРВ.

В главе 4 определены функции КОБИ, разработана его архитектура, структура программной реализации КОБИ для КБП, построены спецификации для программного обеспечения КОБИ.

Выводы

В данной главе определены функции КОБИ, разработана его архитектура, определена структура программной реализации КОБИ для КБП.

Компонент обработки биометрической информации ЕСУД СРВ должен интегрировать две технологии удостоверения личности по отпечатку пальца и по геометрии лица.

Компонент обработки биометрической информации построен по клиент-серверной архитектуре.

Клиентская часть, отвечающая за ввод/вывод данных, включает набор различных сенсоров, автоматизированное рабочее место оператора и модули связи с внешними информационными системами.

Серверная часть, осуществляющая хранение биометрической информации, содержит базу данных (на базе средств MS SQL Server 2005), модули обработки различных типов биометрической информации и автоматизированное рабочее место администратора.

Разработанные спецификации программного обеспечения компонента обработки БИ применены компанией «VINASTAR» при разработке системы контроля доступа.

Получены следующие результаты:

1. Исследованы принципы работы, структуры и характеристики систем обработки биометрической информации с целью актуальности их применении в СРВ.

2. По результатам исследованиям особенностей населения СРВ определены контролируемых биометрических параметров для единого центра системы удостоверяющих документов.

3. Выполнено экспериментальные исследование алгоритмов обработки контролируемых биометрических параметров с целью определения наиболее эффективного.

4. Определены требования и построены результаты классификация и сравнение алгоритмов обучения по их сложности и устойчивости, тестирования алгоритма детекции лиц и распознавания лиц выбор алгоритмы использования в биометрических системах.

5. Разработаны математическое и программное обеспечение в обработке информационных признаков отпечатков пальцев и распознавания лиц для создания ЕСУД с учетом особенностей их использования в СРВ.

6. Результаты диссертации использованы при подготовке проекта разработки единой системы удостоверяющих документов СРВ.

1. В. Miller. Vital signs of identity. IEEE Spectrum, 31(2):22-30, 1994.

2. Ben-Arie J., Nandy D.A. Volumetric/Iconic Frequency Domain Representation for objects With Application for Pose Invariant Face Recognition. Analysis and Machine Intelligence. 1997.

3. Bruneli R., Poggio T. Face Recognition: Features versus Templates// IEEE Trans. 1993.

4. DARPA. Human ID at a Distance (Human ID). http ://www. darpa. mi 1/iao/HID .htm.

5. Galuskin A.I., Utjamishev R.I., Kalashikov V.P. Requirements for planning and testing of equipment for automatic medical diagnosis. Dresden, 1973.

6. Kirby M., Sirovich L. Application of the Karhunen Loeve Procedure For Characterized on of Human face. 1997.

7. Likhovidov V. Variational Approach to Unsupervised Learning Algorithms of Neural Networks. Neural Networks, vol. 10, No 2, 1997, p.p. 273-289.

8. Ruud M. Bolle, Jonathan H. Connell, Sharath Pankati, Nalini K. Ratha, Andrew W. Senior. Guide to Biometrics, 2004.

9. R. Clarke. Human identification in information systems: Management challenges and public policy issues. Information Technology and people. December 1994.

10. Turk M., Pentland A. Eigenfaces for Recognition/ Journal of Cognitive Neuroscience. 1991.

11. Аутентификация с использованием биометрических xapaicTepHCTHKhttp://www.free-lance.ru/user/shupruta/upload/f 48185e 99a0145.pdf.

12. Болл P.M., Коннел Дж.Х., Панкати Ш., Ратха Н.К., Сеньор Э.У. Руководство по биометрии. Техносфера, 2007.

13. Бочкарев C.JL, Спецификация BioAPI v 1.00: особенности ,и возможности применения: http://www.bezpeka.com/ru/lib/spec/art297.html.

14. Борзяк Э. И., Бочаров В. Я., Волкова JI. И. И др. Анатомия человека / Под ред. М. П. Сапина. М. : Медицина, т.1.

15. Брюхомицкий Ю.А., М.Н. Казарин Тестирование биометрических систем контроля доступа Россия, г. Таганрог, ТРТУ.

16. Брюхомицкий Ю.А., Казарин М.Н. Метод обучения нейросетевых биометрических систем на основе копирования областей / Электронный журнал "Перспективные информационные технологии и интеллектуальные системы". 2003. № 3 (15), С. 17-23 http://pitis.tsure.ru.

17. Брюхомицкий Ю.А., Казарин М.Н. «Исследование биометрических систем динамической аутентификации пользователей ПК по рукописному и клавиатурному почеркам» -Таганрог: Изд-во ТРТУ, 2004. 38с.

18. В. Соколов, М. Попов. Оценка обеспечение эффективности функционирования биометрического контроля в СКУД Системы безопасности №5, 2006.

19. Волчихин В.И., Иванов А.И. Биометрия: быстрое обучение искусственных нейронных сетей. -Пенза: Из-во ПензГУ-2000, 40с.

20. Vladimir Lobantsov, Ekaterina Kubysheva. Новое поколение биометрических паспортов н решений для охраны границ. Biometrics in Aviation Security 2005 Conference Moscow, Russia. http://police.sko.kz/rus/udp/driverslicense.htm.

21. Горбань A.H. Обучение нейронных сетей M.: СП Параграф, 1990,156с.

22. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьюторе. Новосибирск: Наука, 1996, 276с.

23. Жури а л "Системы безопасности" №4-2007 С. 122-124.25.3адорожный В. Иерархия биометрических стандартов 27.

24. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Изд-во Пенз. гос. ун-та, 2000.- 188 с.

25. Иванов А.И. Биометрические и нейросетевые механизмы связи с криптографическими механизмами информационной безопасности / Труды научно-технической конференции «Безопасность информационных технологий. Том 4. С. 3-6, Пенза, 2003.

26. Иванов А.И. Биометрические идентификация личности по динамике подсознательных движений. Пенза. Издательство ПГУ, 2000г, 188с.

27. Иванов А.И. Нейросетевые алгоритмы биометрической идентификации личности книга 15, 2004.

28. Иванов А.И. Объединение протоколов аутентификации / Защита информации. Конфидент. М., 2002 г. № 1.

29. Иванов А.И., Сапегин J1.H., Щигунова Е.А. Прогноз качества обучения нейроподобных алгоритмов биометрической идентификации личности. Новые промышленные технологии. 1999, №3, с.88-93.

30. Иванов А.И., Сапегин J1.H., Щигунова Е.А. Синтез таблиц предсказания качества обучения технических систем. Пенза, ПНИЭИ, октября 1998г, с.65.

31. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Изд-во Пенз. гос. ун-та, 2000. 188 с.

32. Иерархия биометрических стандартов http://www.pcweek.ru/themes/detail.php?ID=65984.

33. Климакпн С.П., Петруненков A.A., Черномордик О.М. Эра биометрики www.biometricsguide.ru.

34. Кухарев Г.А. Биометрические системы: Методы и средства идентификации личности человека, 2001.

35. Леви Дж.Р., Бароки К. Секреты Internet Киев: Диалектика, 1996, 544с.

36. Маккаллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной деятельности. Автоматы М: ИЛ -1956г.

37. Мельников B.B. Защита информации в компьютерных системах-М: Финансы и статистика; Электроинформ, 1997, 368с.

38. Национальные стандарты Российской Федерации http://1 gost.net.ru/doc-7928.html.

39. Общая характеристика биометрических технологий http://www.biolinkusa.com/teclinology/biomctric.php.45.0совский С. Нейронные сети для обработки информации. М., Финансы и статистика, 2002. - 344 с.

40. Поллард Дж. Справочник по вычислительным методам статистики / Пер. с англ. B.C. Занадворова; Под ред. и с предисл. Е.М. Четыркина. М.: Финансы и статистика, 1982. - 344 с.

41. Рао С.Р. Линейные статистические методы и их применения. М., Наука, 1968. 548 с.

42. Розенблатт Ф. Принципы нейродинамики М: Мир, 1965

43. Стандарты биометрии. http://mvw.guardinfo.ru/tech/normatives/reglament/reglament6712.html.

44. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практикаМ.: Мир, 1992, 240с.

45. Хайкин С. Нейронные сети: полный курс. М.: Издательский дом "Вильяме", 2006.-1104 с.

46. Хоанг Чунг Киен. Методы биометрической идентификации, преимущества и области применения биометрических систем. Сборник научных трудов по материалам 56-ой научно-технической конференции. -М.: МИРЭА, часть 1- 2007. — с. 80-84.

47. Хоанг Чунг Киен. Нейронные сети в системах биометрической идентификации личности. Сборник научных трудов по материалам 57-ой научно-технической конференции. М.: МИРЭА, часть 3- 2008. - с. 41-46.

48. Хоанг Чунг Киен. Обзор структуры систем биометрической идентификации личности. Доклады IX научного симпозиума, Вьетнамская научно-техническая ассоциация в РФ.- Москва 3-2007.-с. 334-343.

49. Хоанг Чунг Киен. Рассмотрение атак на биометрическую систему. Сборник научных трудов по материалам 56-ой научно-технической конференции. М.: МИРЭА, часть 1- 2007. - с 84-89.

50. Хоанг Чунг Киен. Анализ и выбор биометрических параметров для создания единой системы удостоверяющих документов с учетом особенностей их использования в СРВ. М.: Наукоёмкие технологии. №12,2008. - с. 61-69.

51. Хоанг Чунг Киен, Чан Конг Тан. Математическое обеспечение в обработке биометрической информации для создания биометрических паспортов в СРВ. Труды Т32(1) 2008 ИСАРАН с. 267-283.

52. Хоффман. Л.Дж., Современные методы защиты информации. М: Радио и связь, 1980.

53. Щербаков М.А. Искусственные нейронные сети: Конспект лекций. Пенза, Издательство ПГУ, 1996, 44с.

54. Филлипс П. Д., Мартин Эл., Уилсон C.JI. Пржибоски М. Введение в оценку биометрических систем. // Открытые системы. 2000

55. Электронный учебник StatSoft http://www.statistica.ru.

56. HIÊP HÖI KHOA HOC Kl THUÂT VIÊT NAM TAI LIEN BANG NGA

57. ВЬЕТНАМСКАЯ НАУЧНО ТЕХНИЧЕСКАЯ АССОЦИАЦИЯ в РФ

58. THE SCIENTIFIC AND TECHNOLOGICAL ASSOCIATION OF VIETNAM IN RUSSIA

59. Россия 117647 Тел. 8903 250 4446 Москва ул. Акад. Капицы 288925 970 8898

60. Москва «11» ноября 2008 г.1. АКТ

61. Вьетнамской научно-технической ассоциации в РФ

62. Москва « 10» ноября 2008 г.11. Директор1. Нгуиен Ван Минь

63. Ученый секретарь каф. МОВС1. Скворцова Л.А.