Reconocimiento-De-Huellas-Dactilares-Usando-La-Camara-De-Un Dispositivo Miovil PDF
Reconocimiento-De-Huellas-Dactilares-Usando-La-Camara-De-Un Dispositivo Miovil PDF
Reconocimiento-De-Huellas-Dactilares-Usando-La-Camara-De-Un Dispositivo Miovil PDF
DISPOSITIVO MVIL
PROFESOR GUA:
JAVIER RUIZ DEL SOLAR SAN MARTN
MIEMBROS DE LA COMISIN:
HCTOR AGUSTO ALEGRA
LEONARDO CAMENT RIVEROS
SANTIAGO DE CHILE
2015
RESUMEN DE LA MEMORIA
PARA OPTAR AL TTULO DE
INGENIERO CIVIL ELECTRICISTA
POR: FELIPE VALDS GONZLEZ
FECHA: 29/08/2015
PROF. GUA: DR. JAVIER RUIZ DEL SOLAR SAN MARTN
La seguridad es un aspecto siempre presente en la vida cotidiana, ya sea como parte del mbito
laboral o de los propios hogares, en cualquier situacin donde exista un flujo de informacin
personal. Dentro de la amplia gama de sistemas basados en la determinacin o confirmacin de la
identidad de una persona, se encuentran los que hacen uso del reconocimiento biomtrico, es
decir, emplean caractersticas fisiolgicas, siendo una de las ms utilizadas la biometra dactilar.
Por otro lado, los avances de la tecnologa de los dispositivos mviles, permiten que cada persona
pueda disponer de una poderosa herramienta que podra ser usada para ser parte de un sistema de
reconocimiento o verificacin de identidad.
En este contexto, el objetivo general de este trabajo de ttulo corresponde a estudiar, disear e
implementar un sistema capaz de usar la cmara de un dispositivo mvil como sensor biomtrico,
adquiriendo imgenes de dedos y analizndolas para reconocer su huella dactilar y extraer las
caractersticas necesarias para la identificacin o verificacin de la identidad de una persona.
Se implementa, en un Smarth Phone marca Huawei, modelo G-Play Mini, con Sistema Operativo
Android, el cual cuenta con una cmara de 13 M.P. y una capacidad de enfoque adecuada, las
etapas de: adquisicin de imgenes; reconocimiento de la presencia del dedo; segmentacin del
objeto de inters; correccin de su pose; determinacin de rea factible de extraer una huella
dactilar; y verificacin de la calidad de la captura. En el entorno Matlab se desarrollan las etapas
posteriores del sistema, correspondientes a la obtencin de la huella dactilar a partir de la imagen
capturada y verificada previamente, y la extraccin de puntos caractersticos o minucias.
Adicionalmente, se lleva a cabo una comparacin de huellas dactilares en base a la transformada
SIFT. Los resultados son presentados en base a la realizacin de pruebas ad hoc a cada etapa y a
la construccin de una coleccin de huellas obtenidas mediante el algoritmo implementado.
El estudio resulta positivo, pudindose extraer huellas dactilares y sus caractersticas a partir de
imgenes de dedos. Se concluye que el anlisis de color de la imagen aplicando un filtro de piel
resulta efectivo para la deteccin del rea de inters; que la valoracin de la calidad de la imagen
es un paso fundamental para la extraccin de una huella; que la aplicacin del algoritmo filtro de
coherencia permite obtener la huella dactilar; y que es posible extraer caractersticas que permitan
el reconocimiento o verificacin de identidad. Adems, se sientan las bases para un trabajo futuro
con miras al desafo de mejorar cada etapa logrando un proceso ms robusto ajustndose a
distintas condiciones y su desarrollo por completo en un dispositivo mvil.
i
Agradecimientos
I IV
Tantos para agradecer Tambin a quienes formaron
en este largo camino. mi profesional futuro,
Porque si hoy da culmino a los que el trabajo duro
este paso en el crecer, desde siempre me inculcaron.
es por quien supo creer Los que el saber regalaron,
y as ser el causante. qu labor ms importante.
Lo afirmo, en este instante, Con Profesores vibrantes,
humilde y agradecido, del Colegio y Facultad,
desde siempre lo he sabido: a esta y a toda edad:
voy en hombros de gigantes. voy en hombros de gigantes.
II Despedida
A mi padre, que de arriba El homenaje refuerzo,
seguro siempre me mira. refuerzo el homenaje.
A mi madre que me inspira. De esfuerzo ha sido el viaje,
A mi hermana que me aviva. el viaje ha sido de esfuerzo.
La familia que afectiva Con este sentido verso,
siempre da apoyo constante. con este verso sentido:
Empujndome adelante ya me voy y me despido,
desde mi primer aliento, ya me despido y me voy.
ayer y en todo momento Muy agradecido estoy,
voy en hombros de gigantes. estoy muy agradecido.
III
Cmo olvidar los amigos,
que siempre ah estn,
esos que nunca se irn
y han sabido ser testigos.
A los que vivieron conmigo
en mis aos de estudiante.
Con ellos; los hoy distantes;
los hermanos "rastrojinos"
y los queridos "sobrinos",
voy en hombros de gigantes.
ii
Tabla de Contenido
iv
ndice de Figuras
Figura 1. Diagrama de bloques de las tareas de enrolamiento, verificacin e identificacin en un
sistema biomtrico.. ......................................................................................................................... 6
Figura 2. Ejemplos de caractersticas biomtricas........................................................................... 9
Figura 3: Crestas y valles de una huella dactilar. .......................................................................... 10
Figura 4: Zonas o regiones de una huella dactilar. ........................................................................ 10
Figura 5: Minucias de bifurcacin y trmino en una muestra de huella dactilar........................... 11
Figura 6. Algunos tipos de minucias. ............................................................................................ 11
Figura 7: Distintos tipos de singularidades en una huella dactilar. ............................................... 12
Figura 8. Los cinco tipos de clases de huellas dactilares ms utilizados. ...................................... 13
Figura 9. Esquema del funcionamiento de diversos tipos de sensores .......................................... 15
Figura 10. Arquitectura general de los mtodos de reconocimiento de identidad en base al
anlisis de puntos caractersticos o minucias. ............................................................................... 17
Figura 11. Ejemplo de la aplicacin de la tcnica de segmentacin.. ........................................... 18
Figura 12. Clasificacin de Tcnicas de Extraccin de Minucias. ................................................ 18
Figura 13. Ejemplo binarizacin de una huella dactilar. ............................................................... 19
Figura 14. Localizacin de minucias en un contorno representado como una cadena. ................. 20
Figura 15. Diagrama de bloques del mtodo de extraccin de minucias en base a la codificacin
RLC ............................................................................................................................................... 20
Figura 16. Procesamiento estndar de una huella dactilar............................................................. 21
Figura 17. Ejemplo de adelgazamiento de huella dactilar binarizada usando operador
morfolgico. .................................................................................................................................. 22
Figura 18. Seguimiento de una lnea correspondiente a una cresta de una huella dactilar. .......... 23
Figura 19: Imgenes de distint calidad para la extraccin de huella datilar y la medida de ensidad
de borde. ........................................................................................................................................ 26
Figura 20: Procedimiento paso a paso de la determinacin de la regin que contiene al dedo o
Regin de inters ........................................................................................................................... 27
Figura 21: Puntos y distancias utilizadas para calcular el ngulo de correccin de las imgenes
que contienen dedos....................................................................................................................... 27
Figura 22: Curvas DET con diferentes parmetros de comparacin con una tolerancia de 45
para el ngulo de orientacin entre minucias de referencia y prueba. ........................................... 29
Figura 23: A lTtiempo promedio para el proceso de captura en enrolamiento y autentificacin
para dos dispositivos mviles, y tiempos promedio de cada etapa de procesamiento para los
mismos dos dispositivos. ............................................................................................................... 30
Figura 24: Distintas etapas del procesamiento de la imagen que contiene la huella dactila ......... 31
Figura 25: Imagen conformante de la Base de Datos Inicial para valorar los mtodos a emplear
junto con un acercamiento a la misma imagen .............................................................................. 34
Figura 26: Tres imgenes con distinto valor de GCF. ................................................................... 38
Figura 27: Esquema resumen de las etapas del algoritmo a implementar en el desarrollo del
proyecto. ........................................................................................................................................ 44
Figura 28: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral
0.1, 0.2 y 0.3. ................................................................................................................................. 47
Figura 29: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral
0.4, 0.5 y 0.6.. ................................................................................................................................ 48
Figura 30: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral
0.7, 0.8 y 0.9.. ................................................................................................................................ 49
v
Figura 31: Ejemplos de deteccin del dedo en la imagen, segmentacin mediante el
enmascaramiento con el resultado del detector, recuadro mostrado al usuario como referencia y
enfoque del dedo encontrado.. ....................................................................................................... 50
Figura 32: Acercamiento de la figura anterior, imagen 1d, donde se observa el detalle logrado al
capturar la imagen con la presencia de un dedo. ........................................................................... 51
Figura 33: Esquema general de la bsqueda de los lmites del dedo en la imagen segmentada.. . 52
Figura 34: Etapa de correccin de rea y pose del dedo encontrado en la imagen.. ..................... 53
Figura 35: Etapa de determinacin de la calidad de la imagen midiendo su nitidez. Caso en que
la imagen no resulta lo suficientemente clara. ............................................................................... 55
Figura 36: Etapa de determinacin de la calidad de la imagen midiendo su nitidez. Caso en que
la imagen s resulta lo suficientemente clara. ................................................................................ 55
Figura 37: Serie de imgenes que permiten calcular el Factor Global de Contraste (GCF). ........ 56
Figura 38: Ejemplos de valoracin de calidad de la imagen en forma visual.. ............................. 57
Figura 39: ndices indicadores de la calidad de la imagen vistos en forma grfica. ..................... 59
Figura 40: Huella dactilar obtenida a partir de una foto de un dedo. ............................................ 60
Figura 41: Minucias extradas de la huella dactilar viva.. ............................................................. 61
Figura 42: Extraccin de minucias de una huella dactilar considerando la regin exterior y sin
hacerlo.. ......................................................................................................................................... 62
Figura 43: Ejemplos de extraccin de minucias. ........................................................................... 64
Figura 44: Matching de huellas dactilares. .................................................................................... 66
Figura 45: Curva ROC comparacin usando el algoritmo SIFT.......68
Figura 46: Curva ROC comparacin usando el algoritmo SIFT seguido de RANSAC ...68
vi
Captulo 1: Introduccin
1.1 Motivacin
Hoy en da la seguridad es un aspecto que forma parte de la vida cotidiana, ya sea como parte del
mundo laboral o en los propios hogares. La necesidad de contar con un ambiente confiable se
encuentra presente en cualquier situacin de la vida donde exista un flujo de informacin
personal.
Los continuos avances tecnolgicos de los dispositivos mviles han abierto nuevas posibilidades
para la biometra dactilar, pues es posible encontrar dispositivos que incluyen sensores para la
adquisicin de huellas. El problema surge cuando el dispositivo no cuenta con este tipo de
sensores especializados incorporados, caso en que es necesario conectar uno en forma externa
para realizar el proceso de adquisicin.
Por otro lado, una vez realizado el proceso de adquisicin de la huella dactilar, se debe realizar el
procesamiento y anlisis de la misma, ya sea en el mismo dispositivo o en algn servidor
enviando los datos mediante una conexin a internet.
1
1.2 Objetivos Generales
El objetivo general de este trabajo de ttulo es estudiar, disear e implementar un sistema capaz
de llevar a cabo los procesos de adquisicin y anlisis de huella dactilar mediante el uso de la
cmara de un dispositivo mvil, ya sea un Smart Phone o un Tablet. Esto para dispositivos que
usen Android como Sistema Operativo.
Realizar una segmentacin del dedo con respecto al fondo de la imagen para discriminar
cules son las zonas factibles de contener una posible huella dactilar y cules no.
Extraer las caractersticas necesarias para la identificacin usando huellas dactilares. Estas
corresponden a la posicin, orientacin y tipo para los distintos puntos caractersticos
(llamados minucias) presentes en la huella.
Efectuar una comparacin de huellas dactilares obtenidas con el dispositivo mvil para
verificar la identidad de una persona mediante algn mtodo alternativo al uso de
minucias.
1.4 Alcances
En este documento se describe el estudio de la posibilidad de expandir el uso de las cmaras
digitales que forman parte de los dispositivos mviles como sensor para obtener una huella
dactilar a partir de una imagen.
En particular el anlisis efectuado no busca ser un estudio de factibilidad que permita crear una
lista de dispositivos habilitados para este uso considerando la amplia gama de aparatos y
caractersticas de hardware y software disponibles en el mercado. Sino ms bien, cindose al
uso de un dispositivo en particular, representa un estudio de la posibilidad de lograr los resultados
2
esperados, vale decir, obtener una huella dactilar a partir de una imagen y realizar su anlisis. No
obstante, las caractersticas del dispositivo acotan las posibilidades disponibles, puesto que no
todos poseen una cmara que permita obtener fotos de la calidad esperada, por lo que, como se
ver un primer y preliminar paso es encontrar un dispositivo que permita desarrollar el trabajo en
cuestin.
El captulo 2 sienta las bases tericas para este trabajo mediante una revisin bibliogrfica. En l
se entregan estos conceptos desde un campo general hacia el caso particular de las huellas
dactilares. De esta forma, en una primera parte se entrega el concepto de biometra y se indican
ventajas y desventajas de las medidas biomtricas ms utilizadas, junto con los requisitos que
estas deben cumplir para ser utilizadas como parte de un sistema biomtrico. Posteriormente se
presentan los conceptos bsicos involucrados en la biometra dactilar como lo son los distintos
elementos que las conforman. Luego se indican diferentes mtodos usados para la verificacin de
identidades en base al anlisis de huellas dactilares indicando las distintas formas de adquisicin
de la huella y clasificndolos segn su objeto de estudio. Por ltimo se realiza una resea de las
distintas formas de procesamiento de huellas dactilares a partir del uso de sus puntos
caractersticos o minucias.
El captulo 3 presenta la metodologa utilizada para el desarrollo del proyecto. En primer lugar se
describen las dificultades propias del problema, las limitaciones con respecto al hardware
utilizado y las simplificaciones necesarias para su resolucin, indicando tambin los pasos que
permitirn normalizar las imgenes respecto a la ubicacin de la huella a ser extrada. En este
apartado tambin se indican las etapas en las que se subdivide el proyecto, sealando los mtodos
que permiten su realizacin.
3
Captulo 2: Revisin Bibliogrfica
El presente captulo tiene por objetivo ubicar al lector en el entorno en el cual se desarrolla este
trabajo de ttulo, entregando los antecedentes previos y necesarios para su contextualizacin.
El apartado 2.2 presenta los conceptos bsicos involucrados en la biometra dactilar, definiendo
los elementos que caracterizan a una huella, las agrupaciones particulares de las curvas
conformantes y tambin la clasificacin de las huellas dactilares en funcin de la presencia de
estas.
La seccin 2.3 resume los mtodos empleados para verificar la identidad de las personas en base
al anlisis de las huellas dactilares, comenzando por las distinta formas de adquisicin de la
imagen a ser procesada. Se realiza una clasificacin de los mtodos existentes en funcin su
objeto de estudio y, posteriormente, se hace una resea de las diferentes tcnicas para procesar
huellas dactilares a partir de los puntos caractersticos o minucias.
Tal como se seala en [2] y [3], existe una serie de caractersticas que pueden usarse en un
sistema biomtrico. Para que estas califiquen como medidas factibles de aplicar en biometra,
deben satisfacer las siguientes propiedades:
4
Rendimiento: se refiere a la factibilidad de los recursos requeridos para efectuar un
reconocimiento preciso y rpido, as como tambin a los factores operacionales y
ambientales que afectan la precisin y velocidad.
Aceptacin: corresponde a la actitud de las personas hacia la utilizacin del sistema
particular. Su disponibilidad hacia la extraccin de la caracterstica biomtrica utilizada.
Vulnerabilidad: refleja qu tan fcilmente el sistema puede ser burlado usando mtodos
fraudulentos.
Es as como un sistema biomtrico prctico debera cumplir con una precisin especfica de
reconocimiento, velocidad de ejecucin, contar con los recursos necesarios para su buen
funcionamiento, no causar rechazo en los usuarios y ser suficientemente robusto al fraude.
5
Figura 1. Diagrama de bloques de las tareas de enrolamiento, verificacin e identificacin en un
sistema biomtrico (de arriba hacia abajo). En el proceso de enrolamiento, comn a ambas tareas de
reconocimiento, se identifican cuatro etapas: sensado, determinacin de la calidad de los datos
tomados, extraccin de caractersticas e ingreso a la base de datos; mientras que para la verificacin
e identificacin, tambin se distinguen cuatro etapas: sensado, extraccin de caractersticas,
matching e interaccin con la base de datos. Imagen tomada de [2].
Como se indica en [2] y [6], existe una serie de caractersticas biomtricas que son estudiadas en
la actualidad y son usadas en varias aplicaciones, cada una con ventajas y desventajas
6
dependiendo de la aplicacin en que se empleen. Por esto mismo, no existe un sistema biomtrico
ptimo. Algunos ejemplos de caractersticas biomtricas utilizadas son las siguientes y se
pueden observar en la Figura 2.
Oreja: Se ha sugerido que la forma de la oreja y la estructura del tejido cartilaginoso del
pabelln de la oreja son distintivas. Esta tcnica biomtrica se basa en el matching de la
distancia de puntos salientes del pabelln desde un punto de referencia de la oreja [8].
Iris: Es la regin anular del ojo limitada por la pupila y la esclera. Su textura compleja,
formada durante el desarrollo fetal, resulta muy distintiva y, por ende, til para el
reconocimiento de personas, pues no hay dos que posean idntico iris. Adems, es
extremadamente difcil modificarlo quirrgicamente y muy fcil detectar iris artificiales.
Su desventaja radica en que estos sistemas requieren un alto grado de participacin del
usuario [16] [17].
Aroma: Es sabido que cada objeto exuda un olor caracterstico de su composicin qumica
y que podra ser usado para distinguir varios objetos. As mismo, el aroma del cuerpo
humano podra tener componentes que hacen distintivo a un individuo particular [19]. No
es claro si estos componentes aromticos podran ser detectados a pesar de olores
artificiales y variando la composicin qumica del ambiente que rodea al cuerpo.
Figura 2. Ejemplos de caractersticas biomtricas: (a) DNA, (b) oreja, (c) rostro, (d) termografa
facial, (e) termografa de la mano, (f) venas de la mano, (g) huella dactilar, (h) modo de andar, (i)
geometra de la mano, (j) iris, (k) huella de la mano, (l) retina, (m) firma, y (n) voz. Imagen tomada
de [2].
Al analizar la huella en forma general, esta se divide en tres regiones o zonas: Ncleo, Zona
Marginal y Zona Basal [3], que se muestran en la Figura 4.
Figura 4: Zonas o regiones de una huella dactilar. Con la letra A se denota la Zona Marginal, con la
letra B la Zona del Ncleo de la huella y con la letra C la Zona Basal. Imagen tomada de [3].
El punto ms interno de las curvas de la Zona del Ncleo, producido generalmente por la curva
ms interna de la huella dactilar, se denomina Punto Central o Ncleo.
En estas regiones crestas y valles se encuentran dispuestos, generalmente, en forma paralela. Sin
embargo, pueden bifurcarse o terminar abruptamente, dando origen a los Puntos Caractersticos o
Minucias, puntos invariantes en el tiempo y nicos para cada individuo que son utilizados por los
10
mtodos clsicos de identificacin [26]. En la Figura 5 se puede ver una representacin de los
tipos bsicos de minucias: puntos terminales y puntos de bifurcacin.
Adems de los dos tipos bsicos de minucias existen otros tipos menos frecuentes y que pueden
representarse como una combinacin de bifurcaciones y terminaciones. La Figura 6 muestra
algunos de estos tipos.
11
En la huella dactilar pueden existir reas donde las crestas crean formas especiales llamadas
singularidades. Ests, en forma bsica, se pueden dividir en dos tipos: delta y ncleo, donde estos
ltimos, a su vez, se pueden clasificar en vuelta (loop) y espiral (whorl) (Figura 7) [26].
Figura 7: Distintos tipos de singularidades. Estas pueden ser delta o ncleo, los cuales a su vez se
subdividen en vuelta (loop) y espira (whorl). Imagen tomada de [26].
Las singularidades han sido usadas tradicionalmente para clasificar las huellas dactilares [27].
Segn el esquema de clasificacin de Galton-Henry [28], existen 5 clases de huellas ms
comunes: Arco, Arco Tendido, Vuelta Izquierda, Vuelta Derecha, y Espira, que se pueden
observar en la Figura 8. De [29] se pueden definir los distintos tipos de huella dactilar como
sigue:
Arco: Tienen crestas que entran desde un lado, se elevan levemente y salen por el lado
opuesto. No poseen singularidades.
Arco tendido: Son similares a las de tipo arco, excepto que algunas lneas exhiben una
curvatura mayor y hay una vuelta y una delta, normalmente alineadas verticalmente.
Vuelta izquierda (o derecha): tienen una o ms crestas que entran desde el lado izquierdo
(derecho), dan la vuelta y salen por el mismo lado en que entraron. Presentan una vuelta y
una delta, donde la vuelta est tpicamente localizada a la izquierda (derecha) de la delta
con respecto al eje vertical.
Espira: contienen dos singularidades de tipo vuelta (o una espira que puede ser
considerada como dos vueltas opuestas a la misma ubicacin) y dos deltas.
12
Figura 8. Los cinco tipos de clases de huellas dactilares ms utilizados. En cada tipo se encuentran
marcadas las singularidades que los definen. Imagen tomada de [24].
La singularidad principal de una huella dactilar se define considerando que una huella no puede
contener ms de una singularidad en espiral y no puede contener ms de dos vueltas. Si la huella
contiene una singularidad de tipo espiral, esta se considera como principal. Si no, la singularidad
de tipo vuelta tiene la prioridad ms alta para ser la singularidad principal. Las dems
singularidades se consideran secundarias. Para la huella de tipo Arco, que no tienen ninguna de
las tres singularidades bsicas, se define la singularidad principal como el punto donde la
concavidad es mxima [30].
Basak, Islam y Amin [32] formulan un nuevo mtodo de deteccin de un punto central virtual
basado en el cambio de gradiente de puntos mximos y mnimos, obteniendo as una regin de
inters para el posterior procesamiento.
13
2.3 Sistemas de Reconocimiento de Personas en base a Huellas Dactilares
Estos sistemas hacen uso de la imagen de la huella dactilar obtenida mediante sensores
especializados o fotografas, haciendo una comparacin de parmetros o caractersticas con otra
imagen o un conjunto de ellas en una base de datos.
Una primera etapa de los sistemas de reconocimiento que usan huellas dactilares corresponde a la
etapa de adquisicin de la huella, proceso que se puede realizar mediante el escaneo de un
impreso o marcando el dedo con tinta en un papel, o mediante su contacto directo con un sensor.
Estos sensores pueden ser [33]:
1. Sensores pticos: son los ms comunes. Pueden basarse en el mtodo de reflexin interna
total frustrada de la imagen (FTIR), en el cual el dedo se presiona contra un prisma de
manera que las crestas entran en contacto directo, pero los valles no; posteriormente, se
induce una luz que se refleja en los valles y se dispersa en las crestas, captndose luego
con un sensor CMOS al pasar por otra cara del prisma, de manera que en la imagen de la
huella los valles parecen brillar y las crestas aparecen oscuras por la falta de reflexin.
Otra opcin de este tipo de sensores es captar la imagen en forma directa mediante una
cmara, lo cual puede llegar a ser ms robusto, pero presenta el reto de obtener una
imagen de buena calidad y un buen enfoque. Muchas veces este ltimo tipo se acompaa
de alguna estructura mecnica que permita estandarizar la captura de la huella a ciertas
condiciones (distancia, cantidad de luz, etc.).
3. Sensores de barrido: se trata de sensores de menor tamao, normalmente del ancho del
dedo y muy delgados. Requieren que el usuario mueva su dedo sobre el sensor y la huella
es construida por un algoritmo de reconstruccin a partir de mltiples cortes formados
mientras el dedo se mueve.
La Figura 9 presenta un esquema general del funcionamiento de los distintos tipos de sensores
utilizados para la adquisicin de huellas dactilares.
14
Figura 9. Esquema del funcionamiento de diversos tipos de sensores. (a) sensores pticos basados en
reflexin de luz. (b) sensores pticos de imagen directa. (c) sensores de estado slido de tipo
capacitivo. (d) sensores de barrido. Imagen tomada de [33].
La ecuacin anterior rara vez otorga un resultado aceptable al ser aplicada directamente debido a
imprecisiones por distorsiones no lineales en las imgenes, diferencias en las condiciones de la
imagen y costo computacional. Es necesario usar medidas de correlacin ms sofisticadas para
soslayar estos problemas.
En [38] Kekre, Sarode y Vig propusieron un mtodo para extraer vectores de caractersticas luego
de realizar la sectorizacin del cepstrum de la imagen (transformada de Fourier del logaritmo del
espectro de una imagen).
Otros ejemplos de la aplicacin de la tcnica basada en patrones son los trabajos presentados en
[40] y [41].
16
guardadas o extradas de otra huella u otra fuente de informacin, dando como resultado la mayor
cantidad de coincidencias encontradas [34].
La estructura general de los mtodos basados en minucias se presenta en la Figura 10, donde es
posible observar sus etapas principales. Se puede distinguir las etapas de preprocesamiento para
mejorar la calidad de la imagen, la etapa de mejoramiento de la huella en s, la extraccin de
minucias y la aplicacin de mtodos de matching entre la huella dactilar de entrada y las
guardadas en una base de datos o una segunda huella.
Figura 10. Arquitectura general de los mtodos de reconocimiento de identidad en base al anlisis
de puntos caractersticos o minucias.
17
Figura 11. Ejemplo de la aplicacin de la tcnica de segmentacin. A la izquierda la huella original,
a la derecha la imagen segmentada eliminando el fondo.
Existe una gran variedad de mtodos de extraccin de minucias en la literatura. Estos mtodos se
pueden clasificar en dos categoras (Figura 12) [25]:
18
Figura 13. Ejemplo binarizacin de una huella dactilar. A la izquierda la huella original y a la
derecha la huella binarizada.
19
Figura 14. Localizacin de minucias en un contorno representado como cadena. Imagen de [25].
Figura 15. Diagrama de bloques del mtodo de extraccin de minucias en base a la codificacin
RLC. Imagen tomada de [25].
20
2.3.4.1.2 Mtodos que utilizan la huella dactilar adelgazada o esqueletizada.
En estos mtodos la imagen es segmentada y binarizada. Posteriormente, las lneas de la huella
dactilar son adelgazadas removiendo pixeles hasta que quedan de un ancho igual a uno (un pixel).
Un ejemplo de huella esqueletizada o adelgazada se observa en la Figura 16, donde de izquierda a
derecha se presentan la huella dactilar original, su versin binarizada y el esqueleto o huella con
lneas de ancho uno.
Figura 16. A la izquierda una huella dactilar en escala de grises, al centro la huella binarizada, a la
derecha la huella dactilar con sus lneas adelgazadas. Imagen tomada de [45].
Dentro de esta clase de tcnicas, se encuentran las siguientes categoras de mtodos [25].
= . = | + | (2.2)
Donde 1 = 9.
Usando este valor, cada pixel se puede clasificar como una minucia de trmino, una
minucia de bifurcacin o un punto no correspondiente a una minucia de acuerdo a los
valores indicados en la Tabla 1.
Tabla 1. Propiedades de un pixel segn su valor de coeficiente CN.
CN Propiedad
0 Punto aislado
1 Punto de trmino de lnea
2 Punto de continuidad de una lnea
3 Punto de bifurcacin
4 Punto de cruce
21
Esta metodologa puede introducir la deteccin de falsas minucias, por lo que se suelen
introducir tcnicas de postprocesamiento como el uso de umbrales o ciertas reglas
heursticas para eliminar tipos especficos de minucias falsas.
Un ejemplo de un trabajo que utiliza este coeficiente para extraer las minucias de la huella
dactilar se presenta en [53].
Figura 17. Ejemplo de adelgazamiento de huella dactilar binarizada usando operador morfolgico.
Las imgenes de la izquierda (a y c) corresponden a huellas adelgazadas sin haber aplicado el
operador morfolgico Hit and Miss, mientras que las imgenes de la derecha (b y d) son las mismas
huellas dactilares, pero habiendo realizado el proceso de adelgazamiento en forma posterior a la
aplicacin del operador. Imagen tomada de [55].
22
2.3.4.2 Deteccin de minucias a partir de huellas dactilares en escala de grises
La deteccin de minucias tambin se puede hacer directamente a partir de la imagen en escala de
grises, sin realizar los procesos de binarizacin y adelgazamiento. Estos mtodos se pueden
clasificar en dos categoras:
Figura 18. Seguimiento de una lnea correspondiente a una cresta de una huella dactilar. A la
izquierda el esquema de seguimiento mediante cortes transversales sucesivos, a la derecha el detalle
de algunos de estos cortes donde es posible ver los distintos niveles de gris desde donde se escoge el
mximo local. Imagen tomada de [45].
23
2.3.4.2.2 Tcnicas difusas para la extraccin de minucias desde la imagen de niveles de gris
En [56] se propone la existencia de dos tipos de niveles de gris: oscuros y brillantes, los cuales se
modelan usando lgica difusa para definir reglas que permitan encontrar minucias. Con este
propsito se obtienen lneas estructurales toscas y adelgazadas, tanto para las crestas como para
los valles, que se van siguiendo para testear cada punto junto a sus vecinos y as determinar
membresas a cada conjunto (oscuro o brillante). Para la deteccin de una minucia de trmino se
debe encontrar una membresa al conjunto oscuro seguida de una membresa al conjunto brillante
en una cresta, y lo opuesto para una minucia de bifurcacin, la cual se busca en las lneas
estructurales correspondientes a los valles.
No todas las cmaras estn habilitadas para enfocar a una distancia suficiente para distinguir los
patrones de lneas conformantes de las huellas dactilares. Si la distancia del dedo a la cmara es
muy grande, la resolucin efectiva de la imagen se reduce considerablemente y no se distinguen
detalles suficientes. La baja cantidad de configuraciones posibles en los dispositivos mviles
restringe las posibilidades para realizar reconocimiento en base a fotos de huellas dactilares. Otro
problema es que los sensores de las cmaras normalmente son pequeos para tener un diseo
compacto, lo que tiende a producir altos niveles de ruido en las fotos. Adems, se debe tener en
cuenta que estos dispositivos presentan recursos de clculo limitados.
Al ser sistemas porttiles, las condiciones de iluminacin en las que se pueden utilizar son
diversas, lo que influye directamente en la capacidad de las soluciones propuestas para poder
extraer las caractersticas de la imagen. El flash del dispositivo se puede usar para estandarizar y
mejorar las condiciones de iluminacin en la toma de una fotografa, sin embargo, este, adems
de contribuir para crear una imagen de alta calidad, tambin, dependiendo del fondo de la
imagen, puede producir que esta no sea aceptable para poder extraer minucias.
Fondo de la imagen y capacidad de enfoque del dispositivo.
24
Si el fondo de la imagen es uniforme, es decir, no contiene texturas, y de color blanco, con o sin
flash, la fotografa tiene altas posibilidades de resultar de buena calidad. Si vara a un patrn no
uniforme, como por ejemplo madera, la imagen disminuye su calidad. Si el fondo es complejo, es
decir, presenta mltiples objetos, es ms difcil obtener una imagen de buena calidad, lo cual
depender exclusivamente de la capacidad de enfoque del dispositivo.
Podra darse que el usuario presente su dedo en una posicin distinta a la definida para el correcto
funcionamiento del sistema o que ste rote su dedo involuntariamente durante el proceso de
captura. Otra distorsin geomtrica se puede dar por imgenes tomadas a distintas distancias del
dedo a la cmara. As, existen varias poses potenciales segn la variacin del ngulo de
orientacin, el ngulo de inclinacin y la posicin, por lo que es necesario realizar un proceso de
normalizacin.
Adems de las limitaciones anteriores, es necesario sealar que an con una buena imagen la
huella a extraer se puede ver afectada por factores como imperfecciones de la piel, desgaste del
dedo y presencia de suciedad.
Si bien esta dificultad no es parte del problema en s mismo, s resulta fundamental poder medir
el rendimiento de los sistemas desarrollados para decidir cul funciona de mejor forma bajo
determinadas condiciones. Si bien no existe una base de datos estandarizada, en algunos sistemas
desarrollados tambin se construye una base de datos para futuros desarrollos. Tal es el caso de
[57], donde se construye una base de datos que contiene 6 imgenes de cada dedo (10) de 22
sujetos, con un total de 1320 imgenes; y de [58], donde se construye una base de datos con 6
imgenes de cada dedo ndice de 41 sujetos.
Proceso de captura
Se fija el foco de la cmara en el modo ms cerrado posible y se enciende el LED realizando un
sistema de doble flash que permite estabilizar las condiciones de luz, hacer resaltar el dedo por
sobre el fondo, reducir el ruido de la cmara y disminuir el riesgo de imgenes borrosas. Junto
con estos ajustes de hardware, se establecen criterios de verificacin de calidad, lo cuales, si se
cumplen, permiten realizar el proceso de captura en forma automtica.
25
Verificacin de calidad
Se establece que el criterio ms importante para determinar la calidad de una foto dactilar es el
nivel de nitidez. Para hacer esto, en este trabajo se utiliz un filtro Sobel que permite crear una
imagen de bordes (magnitud del gradiente) del dedo donde, si la imagen es ntida, aparecern las
lneas de la huella. Este filtro se aplica sobre el canal rojo de la imagen en formato RGB y se
define una mtrica denominada densidad de bordes, indicada en la ecuacin 2.3, que se calcula
en una porcin central de la imagen (50x50 pixeles) para disminuir el costo computacional. La
foto se toma cuando la densidad de bordes excede un valor umbral fijado en forma emprica y se
calcula nuevamente en la imagen ya capturada para verificar la posibilidad de que hay existido un
movimiento durante el disparo de la cmara. La Figura 19 da muestra del clculo de esta mtrica
tanto en una imagen ntida como en una imagen borrosa.
=
= = (, ) (2.3)
Dnde:
(, ): (, ) .
: .
: .
Figura 19: A la izquierda, imagen de buena calidad para la extraccin de la huella dactilar, a la
derecha imagen borrosa. Ambas acompaadas de su anlisis de borde, donde se observa claramente
que para la imagen borrosa, estos no aparecen. La medida de densidad de bordes es calculada en las
pareas remarcadas en rojo. Imagen tomada de [58].
Reconocimiento de dedo
En primer lugar se debe detectar el dedo en la imagen de previsualizacin de la cmara, lo que se
hace a partir de la informacin del color de los pixeles. Slo se analiza el canal rojo para reducir
el esfuerzo computacional debido a que el color piel es mayoritariamente de este color. El
anlisis se hace desde los bordes de la imagen hacia el centro realizando la comparacin de los
valores con un umbral, el cual, si es superado, determina el lmite en cada direccin, resultando
as un rectngulo que contiene el dedo, denominado regin de inters (ROI). Este proceso se
observa grficamente en la Figura 20.
26
Figura 20: Procedimiento paso a paso de la determinacin de la regin que contiene al dedo o regin
de inters. Imagen tomada de [58].
Como es posible tener rotaciones del dedo frente a la cmara, se aplica a la imagen un ngulo de
correccin para obtener una orientacin uniforme. Para esto se determinan dos puntos cercanos al
centro de la imagen, se analizan los pixeles rojos ubicados horizontalmente a estos puntos,
hallando los puntos donde se termina el dedo. Finalmente, se encuentra el ngulo de correccin
usando las distancias entre estos puntos encontrados y los puntos fijados inicialmente. La forma
de determinar los puntos y distancias con los que se calcula el ngulo de correccin se observa en
la Figura 21.
Figura 21: Puntos y distancias utilizadas para calcular el ngulo de correccin de las imgenes que
contienen dedos. Imagen tomada de [58].
Dnde:
1 2 .
1 2 .
1 1 .
27
2 .
.
Una vez capturada la imagen, se vuelve a verificar la regin de inters del mismo modo utilizado
anteriormente verificando el color de la imagen, sin embargo, esta vez el anlisis de hace desde el
centro hacia los bordes. Los pixeles que se determinan como parte del fondo se fijan en color
negro, segmentando as el dedo.
Adicionalmente, se debe cumplir el supuesto de que tanto largo como ancho deben superar una
medida que permita extraerla informacin suficiente para hacer la verificacin de identidad.
Evaluacin y resultados
La evaluacin de los algoritmos se hizo en dos dispositivos mviles en forma de una aplicacin
para el Sistema Operativo Android. Se us como usuarios de prueba a 41 sujetos en dos sesiones,
la primera de las cuales sirvi para realizar el proceso de enrolamiento de ambos ndices de cada
sujeto, esto es, el proceso mediante el cual se extrajeron las caractersticas de las huellas de los
dedos y se guardaron como referencia para la futura comparacin, seleccionando siempre las
imgenes de mayor calidad (mayor densidad de bordes) entre 6 capturas hechas para cada dedo.
En una segunda sesin se realiz el proceso de autenticacin, en el cual se compara cada minucia
encontrada en la imagen de prueba con las de la imagen de referencia. Los criterios para aceptar
una minucia son que sea del mismo tipo que la presente en el template y que su distancia
Euclideana y orientacin no excedan el valor de tolerancia definido.
Las mediciones de resultados fueron hechas para dos dispositivos mviles usando la Falsa Tasa
de Coincidencia (FMR) y Falsa Tasa de No-Coincidencia (FNMR), definidas en [57] . Si se
toman N muestras de cada uno de M sujetos, es posible calcular puntajes de similitud entre dos
1
FingerJetFX es un software de cdigo abierto desarrollado por la compaa DigitalPersona. Su utilidad es convertir
imgenes de huellas dactilares en una representacin matemtica codificada, es decir, conteniendo las minucias de la
huella. La empresa desarrolladora del software cambi su nombre a Crossmatch y su sitio web a
http://www.crossmatch.com, donde no es posible encontrar FingerJetFX. Sin embargo, este se encuentra disponible
en la direccin web https://github.com/FingerJetFXOSE/FingerJetFXOSE.
28
muestras. Un puntaje de similitud entre dos muestras de la misma fuente es llamado puntaje
genuino, mientras que un puntaje impostor es el puntaje de similitud entre dos muestras de
(1)
diferentes instancias. Entonces, a partir de N*M muestras, se pueden calcular = 2
(1)
puntajes genuinos diferentes y = puntajes impostores distintos. Luego, para
2
un umbral T, se puede calcular las tasas FMR y FNMR como:
#
() = (2.5)
#
() = (2.6)
Es posible encontrar un punto en el cual FNMR y FMR son iguales, denominado Equal Error
Rate (EER). La Figura 22 muestra las curvas de trade-off de deteccin (DET) para distintos
valores de tolerancia de la distancia euclideana entre las minucias de prueba y las de referencia y
tambin usando como parmetro la distancia modificada de Hausdorff (MHD) [60].
Figura 22: Curvas DET con diferentes parmetros de comparacin con una tolerancia de 45 para
el ngulo de orientacin entre minucias de referencia y prueba. Imagen tomada de [58].
29
Figura 23: A la izquierda tiempo promedio para el proceso de captura en enrolamiento y
autentificacin para dos dispositivos mviles. A la derecha tiempos promedio de cada etapa de
procesamiento para los mismos dos dispositivos. Imagen tomada de [58].
Figura 24: Distintas etapas del procesamiento de la imagen que contiene la huella dactilar. De
arriba hacia abajo y de izquierda a derecha la imagen original, el resultado del proceso de
normalizacin de la iluminacin, la imagen segmentada luego de la eliminacin del fondo, la imagen
resultante de la aplicacin de filtros gaussianos, la aplicacin del filtro de coherencia, el resultado
del proceso de mejoramiento de contraste, la imagen binarizada, la imagen con las lneas
adelgazadas, la determinacin de la orientacin de la imagen, la extraccin de minucias y la
eliminacin de falsas minucias. Foto tomada de [61].
32
Captulo 3: Metodologa de Trabajo
3.1 Antecedentes Generales
A partir de los antecedentes entregados en el captulo anterior, en el presente se describir la
metodologa que permitir desarrollar el proyecto.
El objetivo principal de este trabajo de ttulo corresponde a lograr capturar una huella dactilar sin
la necesidad de contar con un sensor especializado, sino, ms bien, reemplazarlo por una imagen
capturada con un dispositivo Android, ya sea un Smart Phone o un Tablet. Posteriormente se
plantea la necesidad de realizar el procesamiento de la imagen y extraer las caractersticas
necesarias para un subsecuente reconocimiento de la identidad de un individuo. A partir de esto,
es posible definir, en forma general, los siguientes 3 pasos:
1. Realizar una revisin de los mtodos que emplean una cmara como sensor para capturar
huellas dactilares, comprobando cules son las principales dificultades del problema y las
simplificaciones que se deben realizar.
33
Se define la construccin de una coleccin de 120 imgenes correspondientes a 24 dedos, con 5
muestras de cada uno. No se establece una condicin ambiente estndar para las imgenes
capturadas, pudiendo tener cualquier fondo, mientras el dedo aparezca en primer plano. As
mismo, tampoco se establece una condicin de iluminacin estndar, ni una distancia fija
(depender de la factibilidad de poder fijar el foco a determinada distancia) a la cmara, la cual
corresponder, a priori, a una cmara con resolucin de 13 M.P. Cada imagen es capturada
tomando en cuenta las etapas del proyecto correspondientes a la adquisicin de fotografas y
haciendo uso de un Smart Phone con el led (flash del dispositivo) encendido en forma constante
y con el dedo en una posicin distinta cada vez. Estas imgenes servirn para presentar resultados
del trabajo realizado y no obedecen al cumplimiento de un objetivo relacionado con la confeccin
de una base de datos estndar. Por ahora no se contempla la ampliacin de esta coleccin de
imgenes para crear una base de datos. La Figura 25 muestra un ejemplo de las imgenes
capturadas.
Figura 25: A la izquierda imagen conformante de la Base de Datos Inicial para valorar los mtodos
a emplear. A la derecha un acercamiento a la misma imagen, donde es posible observar la huella
dactilar viva de la persona.
34
3.2.3 Limitaciones de capacidad de enfoque y flash en el dispositivo mvil
Tanto el flash, que permite de cierta forma estandarizar las condiciones de iluminacin siempre y
cuando el fondo de la imagen no sea muy complejo (caso en el que puede tener el efecto de
empeorarla), como la capacidad de enfoque, corresponden a los factores que permiten establecer
en qu dispositivos es factible o no implementar los mtodos para resolver el problema.
La capacidad de enfoque corresponde al factor ms importante, pues un dispositivo con una baja
capacidad de enfoque no podr tomar fotografas de calidad suficiente, independiente de la
complejidad de la imagen o las condiciones de iluminacin. Existe una gran cantidad de
dispositivos mviles disponibles en el mercado y no es tema del presente trabajo realizar una
investigacin de sus caractersticas ni un estudio comparativo de su idoneidad en lo que respecta
a la solucin del problema planteado. Por simplicidad y disponibilidad, se escoge, para la
realizacin de pruebas, el uso de un Smart Phone marca Avvio, modelo 792, un Smart Phone
marca Samsung, modelo Galaxy S3 y un Smart Phone marca Huawei, modelo G-Play Mini.
Con respecto al uso de flash, se establece como parte del hardware necesario para poder realizar
las pruebas de funcionamiento. Es as como tambin se usa en el proceso de captura de las
imgenes conformantes de la Base de Datos citada en la seccin 3.2.1.
Tanto los tipos de flash, como los modos de enfoque disponibles dependern del hardware del
dispositivo y de la versin de Android con la que cuenta. Luego, considerando esto, las
posibilidades son cuantiosas, por lo tanto se manejan 3 opciones de enfoque, las cuales parecen
ser las ms comnmente presentes en los dispositivos: autoenfoque de imagen, enfoque continuo
de imagen y enfoque fijo a una distancia previamente determinada, opcin menos comn que las
anteriores, por lo que, si bien resultara ideal utilizarla a una distancia de, por ejemplo, unos 15
cm. para evitar problemas en la captura de la huella, se maneja como una alternativa poco factible
de emplear. Con respecto al flash, las posibilidades son menos variadas que con el enfoque y para
este se establece como requisito que el led pueda encenderse, mantenerse encendido por un
tiempo (torch2) y luego apagarse, para lo cual se necesita nicamente la presencia del led dentro
del hardware disponible.
2
Dentro de los nombres predefinidos de Android para los modos de flash, mantener el led encendido por un tiempo
se denomina Torch. Esta es la opcin que utilizan, por ejemplo, las aplicaciones que usan el flash como una
linterna.
35
previamente con un detector de bordes del tipo Sobel. Como se indica en la ecuacin 2.3, la
expresin matemtica de la densidad de bordes es:
=
= = (, ) (2.3)
Dnde:
(, ): (, ) .
: .
: .
Para aceptar o rechazar una imagen, se fijar, mediante la experimentacin, un valor umbral de
esta mtrica que permitir objetar imgenes donde no sea posible extraer una huella dactilar.
Denotando al valor del pixel de la imagen como con {0, 1, , 255}, se define la
Luminancia lineal de dicho pixel como:
=( ) (3.1)
Dnde:
: .
: 2.2.
= = () (3.2)
Dnde:
: .
36
b) Utilizando estos conceptos y en un proceso iterativo, se calcula el Contraste local de la
imagen en diferentes resoluciones, la cual se reduce en cada paso tomando, cada 4
pixeles, el promedio de su valor y asignndolo al nuevo pixel de la imagen de resolucin
reducida, de manera que cada vez la imagen reduce a la mitad su resolucin. A partir de la
imagen original y en cada una de estas imgenes de menor resolucin se realiza el
siguiente procedimiento:
: .
1 :
.
+1 :
.
: .
+ : .
: Contraste local del pixel i.
Dnde:
: .
=
= (3.5)
Dnde:
: .
: .
: .
37
Tanto el valor de los factores de ponderacin como el nmero de resoluciones
empleadas para cada imagen son determinados en forma emprica en [64],
llegando a un ptimo de = 9 y para los factores de ponderacin:
= (. + . ) + . (3.6)
El valor del Factor Global de Contraste depende del problema a resolver y, de lo que se puede
observar en el trabajo citado, no tiene un rango de valores definido. A modo de ejemplo, se
presenta Figura 26, con tres imgenes totalmente distintas y su respectivo GCF.
Figura 26: Tres imgenes con distinto valor de GCF. De izquierda a derecha sus GCF corresponden
a 0.711, 3.511 y 8.493. Imagen tomada de [64].
Con la imagen aceptada segn el criterio de nitidez, se abordarn dos problemas en la pose del
dedo: variaciones en el ngulo de orientacin y rea del dedo a utilizar para extraer la huella
dactilar.
Una primera alternativa es calcular el ngulo de orientacin segn lo indicado en la ecuacin 2.4
de la seccin 2.4. El procedimiento empleado para su determinacin corresponde a la aplicacin
de los siguientes pasos:
Se fijan dos puntos dentro del dedo previamente encontrado: 1 y 2 , estando este ltimo
en la misma coordenada horizontal, pero abajo en la coordenada vertical. La distancia
entre ambos puntos se denomina .
38
Se hace un seguimiento de color horizontalmente desde 1 hasta el lmite de la piel
encontrada. A la distancia entre 1 y el punto de interseccin encontrado, se le denomina
1 .
= () ( 3.7)
Como opcin al mtodo anterior se establece un procedimiento alternativo de carcter ms
exhaustivo con respecto al anlisis efectuado en la imagen. Dicho procedimiento considera los
siguientes pasos aplicados sobre la imagen en escala de grises:
Se establecen los puntos medios entre los bordes de la izquierda y su respectivo borde
derecho, y entre los bordes superiores y los respectivos bordes inferiores.
Para la coleccin de puntos medios de los bordes izquierdo y derecho se realiza una
regresin lineal de manera tal que se obtengan ecuaciones de la recta que aproximen
dichos puntos. Lo mismo para los puntos medios de los bordes superior e inferior.
Una vez obtenidas estas ecuaciones se calcula el error de ambas rectas respecto a las
coordenadas de los puntos medios.
3
La denominacin de borde a la izquierda, derecha, superior o inferior, obedece a la forma en la que se encuentra
dicho borde al analizar los cambios de blanco a nivel de gris. En dicho sentido, si durante el anlisis horizontal la
imagen se revisa de izquierda a derecha y se encuentra un cambio de blanco a gris, este se denominar borde
izquierdo, y si el cambio es de gris a blanco, este se denominar como borde derecho; en cambio, si los puntos se
encuentran en el recorrido vertical, de arriba hacia abajo, si el cambio detectado es de blanco a gris el punto se marca
como un borde superior, mientras que si el cambio es de gris a blanco, este se enlista como borde inferior. Lo
anterior siempre conservando como puntos de borde los encontrados ms externamente, considerando que la
superficie del dedo corresponde a una superficie cerrada, es decir, cncava (esto por si hubiese existido un problema
en el paso de enmascarar la imagen utilizando la piel encontrada, derivado de no haber obtenido la totalidad de la
piel en el proceso de deteccin).
39
Teniendo como base el hecho de que los dedos presentan una simetra aproximada
respecto a un eje situado longitudinalmente, se considera que la recta que presenta un
menor error de aproximacin corresponder a dicho eje de simetra.
= () (3.8)
Dnde:
:
.
Se realiza una nueva estimacin del ngulo y, si este presenta una diferencia sustancial
(valor sealado en la seccin de implementacin y resultados) respecto al eje vertical
(ngulo de 90), se vuelve a realizar la correccin.
Junto con lo anterior, debido a que el dedo puede ser ubicado a una distancia variable desde la
cmara, se considera la aplicacin de un escalamiento de la imagen de manera de dejar el dedo
encontrado de un tamao estndar.
Donde 0 < < 1 es un valor umbral que se puede ajustar segn los requerimientos del sistema,
y tanto (| ) como (| ) son probabilidades estimadas mediante modelos de
mltiples gaussianas entrenados para ambas clases. Esta funcin de densidad de probabilidad es
expresada como la suma de kernels gaussianos segn la siguiente ecuacin:
( )
() =
= ( )
(3.10)
() ||
41
seguido en [61] y que fue descrito en la seccin 2.4. As, el procedimiento a realizar es el
siguiente:
1. Transformacin de la imagen a escala de grises (realizada en el proceso de correccin de
ngulo de rotacin del dedo), si no ha sido transformada previamente. Esto permite
disminuir el procesamiento de la imagen al reducir los canales de la misma de 3 a slo 1.
4. Mejora de la huella obtenida. La aplicacin del Filtro de Coherencia produce una huella
notoria, pero un tanto difusa, por lo que resulta necesario utilizar otra herramienta en
forma posterior para obtener una imagen binaria, es decir, en blanco y negro. Para estos
afectos se realizar un umbralizado adaptivo consistente en la comparacin de cada pixel
con un valor determinado como el promedio de la vecindad de pertenencia del pixel
suavizada con un filtro gaussiano.
42
3.3.5 Comparacin de huellas dactilares obtenidas
En la mayor parte de los sistemas de verificacin de identidad donde se utilizan huellas
dactilares, el paso posterior a la adquisicin de la huella corresponde a la comparacin con otra
huella, normalmente perteneciente a una base de datos.
Debido que las caractersticas encontradas son invariantes tanto a rotaciones como a diferentes
escalamientos de la imagen, es posible realizar este proceso de comparacin sin usar las
minucias. En el presente trabajo se realizar la comparacin de huellas dactilares usando esta
tcnica.
A grandes rasgos, el algoritmo SIFT consta de 4 pasos: deteccin de posibles puntos de inters
invariantes a escala y orientacin mediante la aplicacin de la diferencia gaussiana sobre la
imagen en diferentes tamaos; localizacin de los puntos que se mantienen en los cambios de
escala de la imagen analizando cada pixel comparndolo con sus pixeles vecinos, parte de este
paso es la eliminacin de los bordes de la imagen; se asigna una direccin a cada punto de inters
encontrado mediante el clculo de la magnitud y direccin del gradiente de su zona vecina; para
el rea a la que pertenece el punto de inters se crean descriptores que contienen la orientacin de
sub bloques del vecindario de pertenencia. La correspondencia entre dos puntos de inters de dos
imgenes se obtiene buscando el punto ms cercano en el espacio de los descriptores. El criterio
de decisin de aceptar o rechazar el reconocimiento se tomar a partir del nmero de
coincidencias encontradas.
As mismo, tambin se debe establecer si el dispositivo mvil resulta til para obtener una
imagen lo suficientemente detallada para encontrar la huella dactilar. Previo a la medicin de los
ndices previamente explicados para evaluar la calidad de una imagen, resulta necesario hacer un
anlisis exploratorio de las caractersticas de la cmara del dispositivo observando las imgenes
que se pueden obtener con ella con sus distintos modos de enfoque y resoluciones disponibles, y
as determinar si resulta factible de emplear para los usos requeridos.
43
3.5 Esquema resumen del algoritmo a implementar
El esquema de la Figura 27 resume las distintas etapas conformantes del sistema diseado, de
cuya implementacin en forma secuencial se da cuenta a continuacin, en el Captulo 4:
Resultados y Anlisis
Figura 27: Esquema resumen de las etapas del algoritmo a implementar en el desarrollo del
proyecto.
44
Captulo 4: Resultados y Anlisis
De acuerdo a lo planteado en el captulo previo, el objetivo de este apartado es presentar los
detalles y resultados de la implementacin de cada una de las etapas definidas en este trabajo. As
mismo, se analizan estos resultados.
El ttulo 4.3 describe las modificaciones que se deben realizar a la imagen para posicionar el dedo
encontrado en la forma preestablecida para su anlisis.
El apartado 4.4 describe la medicin de calidad de la imagen para establecer si es factible extraer
una huella dactilar de ella y su aceptacin para pasar a las etapas siguientes.
El punto 4.6 da cuenta de la etapa de extraccin de minucias a partir de la huella dactilar viva
encontrada en la etapa previa.
Por ltimo, en la seccin 4.7 se observan los detalles de implementacin y resultados del proceso
de comparacin entre huellas dactilares obtenidas mediante el sistema implementado.
Los algoritmos dispuestos para funcionar fuera del dispositivo mvil fueron desarrollados en el
entorno Matlab para Windows 7 debido a las facilidades en la depuracin de cdigos y manejo de
imgenes de este entorno.
45
4.2 Deteccin dedo y segmentacin del rea de inters
Como se mencion en el captulo correspondiente a la metodologa de trabajo, la deteccin del
dedo en la imagen y el proceso de segmentacin del mismo para separarlo del fondo presente en
la foto, se realizan en base a la aplicacin de un algoritmo detector de piel a partir del anlisis del
color de la imagen.
Un primer paso es fijar el led de la cmara del dispositivo en posicin de encendido constante
para estandarizar en la mayor medida posible las condiciones de iluminacin del ambiente. Un
factor en contra de este procedimiento es la posibilidad de producir reflejos que eliminen detalles
en algunas zonas del dedo.
En forma previa a la aplicacin del algoritmo de deteccin de piel, como resultado del proceso de
experimentacin, se determin la necesidad de desenfocar la imagen para difuminar el color de la
misma y as obtener una deteccin ms pareja. Esto se debe a que la forma del dedo no es plana,
sino que es una superficie tridimensional y rugosa, lo cual, como resultado del reflejo de la luz,
ya sea ambiente o del led, produce oclusiones que no son detectadas como piel por el algoritmo
implementado. Estas se producen mayoritariamente al centro de la yema del dedo.
Como medida extra de seguridad para evitar disminuir el rechazo de zonas que s pertenecen al
dedo buscado, debido al hecho de que la forma del dedo es una forma cerrada, es decir, sin
espacios internos que no correspondan a l, se establece que si existe alguna deteccin de color
interior que no es reconocida como piel, esta se debe omitir.
Otro problema posible a resolver es que dentro del cuadro de imagen visualizado por la cmara
pueden aparecer ms objetos semejantes a la piel por su color. Para esto se aplica el supuesto de
que el objeto ms grande captado corresponder al dedo, pensando en que el usuario dispondr de
l en primer plano frente a la cmara.
Teniendo las consideraciones antes descritas y a partir de la imagen a color en formato RGB, el
algoritmo implementado, correspondiente a la Aplicacin de Modelos Estadsticos de Color a la
Deteccin de Piel y que fue descrito en la seccin 3.3.1, requiri establecer un valor umbral para
decidir, en base a la ecuacin 2.9, si cada pixel es o no piel. Dicho valor umbral se fij en 0.7
probando distintos valores y observando el resultado obtenido.
La Figura 28 muestra la deteccin de piel realizada con valores umbral de 0.1, 0.2 y 0.3, en la
Figura 29 se observa la deteccin considerando los umbrales 0.4, 0.5 y 0.6, mientras que en la
Figura 30 se observa un ejemplo de la deteccin usando umbrales con valores de 0.7, 0.8 y 0.9.
En las tres figuras se mantuvo el fondo de la imagen, donde adems se presentan elementos de
46
colores que resultan conflictivos en la deteccin, como lo son el amarillo, el rojo y el caf. A
medida que se aumenta el umbral, es posible notar como va disminuyendo el rea detectada como
piel. Es posible notar tambin cmo slo se encierra en rojo la regin con el rea mayor
encontrada. Posteriormente, las regiones de menor rea son eliminadas. A partir de diversas
pruebas como la ejemplificada en las figuras siguientes, se fij el umbral con un valor de 0.7,
como se mencion anteriormente.
Figura 28: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral 0.1,
0.2 y 0.3. De izquierda a derecha, las imgenes marcadas con el nmero 1 corresponden al valor
umbral 0.1, las marcadas con el nmero 2 corresponden al valor umbral 0.2 y aquellas con el
nmero 3 corresponden al valor umbral 0.3. De arriba a abajo, con la letra a se presenta l imagen
captada originalmente por la cmara del dispositivo mvil, con la letra b el resultado de la
deteccin de piel con el respectivo umbral y con la letra c la imagen visualizada inmediatamente
despus en la pantalla con el recuadro rojo demarcando la zona con la piel encontrada.
47
Figura 29: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral 0.4,
0.5 y 0.6. De izquierda a derecha, las imgenes marcadas con el nmero 4 corresponden al valor
umbral 0.4, las marcadas con el nmero 5 corresponden al valor umbral 0.5 y aquellas con el
nmero 6 corresponden al valor umbral 0.6. De arriba a abajo, con la letra a se presenta l imagen
captada originalmente por la cmara del dispositivo mvil, con la letra b el resultado de la
deteccin de piel con el respectivo umbral y con la letra c la imagen visualizada inmediatamente
despus en la pantalla con el recuadro rojo demarcando la zona con la piel encontrada.
48
Figura 30: Deteccin del dedo frente a la cmara mediante deteccin de piel con valores umbral 0.7,
0.8 y 0.9. De izquierda a derecha, las imgenes marcadas con el nmero 7 corresponden al valor
umbral 0.7, las marcadas con el nmero 8 corresponden al valor umbral 0.8 y aquellas con el
nmero 9 corresponden al valor umbral 0.9. De arriba a abajo, con la letra a se presenta l imagen
captada originalmente por la cmara del dispositivo mvil, con la letra b el resultado de la
deteccin de piel con el respectivo umbral y con la letra c la imagen visualizada inmediatamente
despus en la pantalla con el recuadro rojo demarcando la zona con la piel encontrada.
Posterior a la deteccin del dedo, se realiza el proceso de enfoque. Se opt por usar el enfoque
automtico del dispositivo aprovechando el ambiente de luminosidad creado por efecto del flash,
el cual provoca una iluminacin del primer plano (en este caso el dedo), y un oscurecimiento del
fondo.
En la siguiente imagen es posible observar 3 ejemplos donde primero se encuentra el dedo (con
un valor umbral de 0.7 para la deteccin de piel) y posteriormente se logra su enfoque. El
proceso, en resumen, consiste en detectar la piel presente en la imagen (dedo), mostrar al usuario
el rea donde esta fue encontrada, enfocar el dedo, y segmentar la imagen capturada
enmascarndola con el resultado del proceso de deteccin.
49
Figura 31: Ejemplos de deteccin del dedo en la imagen, segmentacin mediante el
enmascaramiento con el resultado del detector, recuadro mostrado al usuario como referencia y
enfoque del dedo encontrado. De arriba abajo los ejemplos 1, 2 y 3. De izquierda a derecha una
captura de la imagen en movimiento (imagen de previsulizacin) captada por el dispositivo, el
resultado del proceso de deteccin de piel, el rectngulo rojo que encierra el dedo encontrado y que
es mostrado como referencia al usuario, y el resultado del enfoque y segmentacin de la regin de
inters.
La Figura 32 corresponde a una ampliacin del caso 1 de la Figura 31 con el fin de poder notar
con claridad el detalle del dedo encontrado y enfocado.
50
Figura 32: Acercamiento de la figura anterior, imagen 1d, donde se observa el detalle logrado al
capturar la imagen con la presencia de un dedo.
Previo a pasar al anlisis y procesamiento de la imagen para lograr obtener la huella dactilar, se
llevan a cabo la correccin de rea y pose del dedo encontrado, y medicin de calidad.
51
4.3 Correccin de rea y pose
La etapa de correccin de rea y pose, como se indica en la seccin 3.2.5, es efectuada como
respuesta a la libertad de uso por parte del usuario producto de la utilizacin de un dispositivo
mvil, pudiendo disponer su dedo frente a la cmara de diversas maneras. El procedimiento
elegido para la implementacin de la rotacin de la imagen para disponer el dedo en posicin
vertical, correspondi al segundo mtodo expuesto en la seccin 3.2.5.1. Al considerarse
satisfactorio, no se prosigui con la implementacin del otro mtodo propuesto.
La Figura 33 presenta un esquema de la bsqueda de los lmites del dedo en la imagen, la cual se
implement desde los bordes hacia dentro buscando el fin de los blancos en la imagen
segmentada. En los casos en los que el dedo se encuentra pegado al borde (en la Figura 33 la
bsqueda desde abajo hacia arriba indicada por la flecha fuera del recuadro), no se encuentra el
color blanco al inicio de la bsqueda y esta inmediatamente termina, fijndose aquellos pixeles
como parte de los lmites.
Figura 33: Esquema general de la bsqueda de los lmites del dedo en la imagen segmentada. Las
flechas indican las direcciones de las bsquedas hechas, las cuales fueron implementadas en dos
etapas: primero las bsquedas de arriba hacia abajo y de abajo hacia arriba, y luego de izquierda a
derecha y de derecha a izquierda. Los colores de las flechas son referenciales a los mostrados en la
Figura 34.
La Figura 34 muestra en detalle un ejemplo del proceso efectuado para lograr la rotacin y el
ajuste del rea. La bsqueda de los lmites se efecta en la imagen en escala de grises, de manera
que se hace un seguimiento del color blanco hasta que este cambie a gris, momento en el que se
determina un lmite del dedo como encontrado.
52
Figura 34: Etapa de correccin de rea y pose del dedo encontrado en la imagen. De izquierda a
derecha y de arriba a abajo: con la letra (a) la imagen capturada; con la letra (b) el dedo
segmentado; con la letra (c) los bordes superior (en rojo) e inferior (en azul) encontrados haciendo
un barrido de la imagen, en verde el punto medio entre cada punto superior e inferior encontrado,
en negro la estimacin de estos puntos usando un modelo de regresin lineal de los mismos; con la
letra (d) los bordes izquierdo (en rojo) y derecho (en azul) encontrados, en verde el punto medio
entre estos, en negro la estimacin de dichos puntos con el modelo lineal encontrado; con la letra (e)
el dedo rotado usando el ngulo de la lnea con menor error encontrada; con la letra (f) la primera
porcin del dedo ya escalada al tamao determinado.
En base a los resultados obtenidos se pudo observar que pueden existir casos en los que no
siempre se logra la posicin vertical del dedo en la imagen de inmediato, por lo que se dispuso de
un proceso iterativo hasta llegar a un ngulo de menos de 10 respecto del eje vertical. Los casos
en los que se debe realizar el proceso iterativo corresponden a aquellos en los que el dedo
presenta una inclinacin tal que la estimacin del ngulo se realiza con la recta incorrecta, por lo
que la rotacin efectuada en la primera iteracin no es la suficiente. Se dispuso este ngulo de
diferencia porque el dedo puede no ser completamente recto y presentar una forma levemente
curva o el usuario puede disponer de l frente a la cmara en una posicin que no resulte
53
completamente derecha y frontal (puede flectar el dedo). Se observ que un ngulo de 10 no
provoca la prdida de la huella en el proceso de recorte del rea que la contiene.
Se fij el escalamiento de la imagen de manera tal que su resolucin final corresponda a 300x200
pixeles.
En la Figura 35 es posible observar el resultado de la aplicacin del filtro Sobel sobre una imagen
con una evidente baja cantidad de detalles. Se demarca en rojo el rea donde se calcula la
densidad de bordes de la imagen. La Figura 36, por otro lado, corresponde a un ejemplo donde la
imagen presenta un grado de detalle mayor, pudindose observar la presencia de una huella
dactilar en el dedo observado en la previsualizacin de la cmara del dispositivo mvil. La
diferencia entre ambas secciones de cada imagen demarcadas en rojo se observa claramente.
El valor a partir del cual una imagen es aceptada, se fij en forma experimental a travs de la
realizacin de pruebas de funcionamiento.
En lo que respecta a la segunda alternativa propuesta, es decir, al clculo del Factor Global de
Contraste de la imagen, se implement de acuerdo a la secuencia de pasos indicados en la seccin
3.2.4.2 sobre la imagen previamente convertida a escala de grises. Si bien en el trabajo citado se
fijan en 9 las iteraciones de submuestreo de la imagen para calcular el ndice en cuestin, este
54
nmero depende directamente del tamao de la imagen, por lo que es necesario determinarlo para
este trabajo. As como para el clculo de la densidad de bordes se utiliz una porcin interior de
la imagen, en este caso tambin, correspondiendo esta a una seccin de 200x130 pixeles, lo que
permite realizar 6 iteraciones sin incluir los lmites del dedo. Adems, se debe fijar un valor
umbral de decisin para aceptar o rechazar una imagen como factible para encontrar su huella
dactilar.
56
servirn para luego obtener el Factor Global de Contraste. La disminucin de la resolucin es
perceptible a la vista desde la imagen 1 a la 6. La resolucin de cada etapa corresponde a la mitad
de la anterior.
Como se indic anteriormente, los umbrales de decisin para ambos mtodos expuestos se fijaron
en funcin de la realizacin de pruebas de funcionamiento en un procedimiento de dos etapas:
captura de imagen y observacin de detalles presentes junto con los valores de los ndices de
calidad.
Para 30 imgenes se calific su calidad mediante la observacin de qu tan clara es la huella que
contienen, asignndoles un valor entre 0 y 7, donde 0 indica la menor calidad encontrada (imagen
completamente borrosa) y 7 indica la mejor nitidez obtenida. La siguiente figura muestra un
ejemplo de diferentes imgenes con diferentes valoraciones. A partir de la valoracin con un 5 es
posible distinguir la huella dactilar.
Figura 38: Ejemplos de valoracin de calidad de la imagen en forma visual. El nmero en cada foto
indica su valoracin. Progresivamente la nitidez de la imagen va a aumentando.
57
Tabla 2: Resumen de resultados obtenidos para la medicin de calidad en 30 imgenes de dedos
obtenidas mediante el sistema implementado.
Factor Global de
Valoracin Factor Global de
Densidad de Contraste (GCF)
Imagen visual de Contraste (GCF) sin
Bordes (ED) con ajuste de
Calidad ajuste de contraste
contraste
1 0 5,2768 1,5237 5,9794
2 0 5,2951 1,5317 5,9682
3 0 3,1494 1,2215 6,2138
4 0 7,0808 1,4598 6,0464
5 0 6,3578 1,9348 5,8883
6 0 1,7758 1,0276 6,1413
7 0 1,8198 1,0340 6,0735
8 0 0,6189 0,6554 7,0503
9 1 0,7123 0,6957 7,2230
10 1 2,4372 1,0961 6,2925
11 1 1,8566 1,0421 6,5398
12 2 6,9250 1,0438 6,4634
13 2 5,9083 1,0622 6,9521
14 2 6,1988 1,0646 7,1073
15 3 6,3096 1,0818 8,0467
16 3 7,4461 1,2040 7,9912
17 3 8,0592 1,8709 8,1603
18 4 8,7907 0,9939 8,8537
19 4 6,2831 1,1223 8,5381
20 4 8,5058 1,0723 9,3355
21 5 5,1651 0,9199 9,9337
22 5 5,9555 1,2394 10,3250
23 5 4,5016 1,0821 10,3249
24 6 6,6014 1,0101 11,3021
25 6 8,1395 2,2580 9,6172
26 7 8,8747 1,9241 11,3448
27 7 9,2396 1,9917 11,4972
28 7 7,9320 1,8429 11,1537
29 7 8,5134 1,4206 10,1343
30 7 9,6278 1,9234 11,0644
Al analizar los resultados anteriores, es posible notar que para los casos de la medicin de la
Densidad de Bordes y del Factor Global de Contraste sin la etapa previa de mejoramiento del
contraste, no resultan separables a partir de la determinacin de un valor umbral. Separacin que
s se puede hacer mediante el clculo del Factor Global de Contraste considerando una etapa
previa de mejora de contraste mediante una ecualizacin de histograma. El siguiente grfico hace
ms evidente este hecho.
58
Figura 39: ndices indicadores de la calidad de la imagen vistos en forma grfica. La lnea naranja
se ubica a la altura de la primera imagen correspondiente a la valoracin 5 (establecida como la
mnima para aceptar una imagen).
A partir de los valores encontrados, se acepta una imagen si su Factor Global de Contraste es
mayor o igual a 9.5.
59
Figura 40: Huella dactilar obtenida a partir de una foto de un dedo. En (1) la porcin del dedo que
contiene la huella ya segmentado, enderezado, recortado y escalado; en (2) el resultado del proceso
de normaliacin de la imagen; en (3) la imagen resultante de la aplicacin del Filtro de Coherencia;
en (4) el resultado de la umbralizacin adaptiva de la imagen.
La etapa de Normalizacin Local incluye el uso de 2 filtros gaussianos, ambos con parmetro
sigma igual a 3. Su aplicacin, como se observa en la imagen anterior, permite la compensacin
de la iluminacin de la imagen. El Filtro de Coherencia utilizado considera un tiempo de difusin
igual a 15, un sigma igual a 1 para la suavizacin gussiana previa al clculo del Hessiano de la
imagen, un sigma igual a 15 para el suavizado del Hessiano y un de discretizacin no-negativa
para realizar la difusin. La binarizacin se implement mediante un proceso de umbralizacin
adaptiva que compara el valor de cada pixel con la media de su vecindad aplicando un filtro
gaussiano de sigma 4.
60
4.6 Extraccin de minucias
Ya obtenida la huella dactilar, se implementa la extraccin de minucias. Para esto primero se
adelgazan las lneas de la huella dejndolas de un ancho de 1 pixel. Luego se recorren las lneas
encontrando los puntos en los cuales estas terminan (minucias de tipo trmino) o se dividen en 2
nuevas lneas (minucias de tipo bifurcacin).
Figura 41: Minucias extradas de la huella dactilar viva. Con el nmero (1) la porcin del dedo que
contiene la huella ya segmentado, enderezado, recortado y escalado; con el nmero (2) el resultado
del proceso de obtencin de la huella dactilar viva; con el nmero (3) el proceso de adelgazamiento o
esqueletizacin de la huella dactilar; con el nmero (4) l huella dactilar adelgazada mostrando las
minucias encontradas, mostrndose en rojo las minucias del tipo trmino y en azul las del tipo
bifurcacin.
61
La Figura 41 muestra los pasos seguidos y las minucias encontradas en la foto presentada. Se
observan en ella la porcin de dedo previamente recortada y escalada, la huella dactilar viva y las
minucias encontradas en ella. En azul se muestran las minucias del tipo bifurcacin y en rojo las
minucias del tipo trmino.
Considerando que todas las huellas son extradas de fotografas y estas presentan de forma ms
clara los centros de las yemas que las reas cercanas a los bordes debido a la forma de los dedos,
la bsqueda de minucias se hace dentro de un rea rectangular interior de la imagen, dejando 30
pixeles arriba y 30 pixeles abajo, y otros 20 a la derecha y 20 a la izquierda, donde no se buscan
estos puntos caractersticos. Esto se debe a que las huellas obtenidas pueden presentar lneas con
falsas minucias en dichas reas, afirmacin que se apoya en la observacin de los resultados del
algoritmo. Otra razn para obviar estas secciones en la bsqueda de minucias, corresponde al
hecho de que las huellas capturadas mediante sensores especializados no alcanzan esas reas. La
siguiente figura muestra el resultado de la extraccin de minucias considerando el rea de los
bordes de la imagen y tambin excluyndola, obtenindose, en el ejemplo, ms de 300 minucias
de diferencia.
Figura 42: Extraccin de minucias de una huella dactilar considerando la regin exterior y sin
hacerlo. A la izquierda la huella dactilar viva; al centro las minucias encontradas considerando el
borde exterior y en la que se hallaron 378 minucias de bifurcacin y 187 de trmino; a la derecha las
minucias encontradas slo haciendo la bsqueda al centro de la imagen (excluyendo el borde
exterior), encontrndose 122 minucias del tipo bifurcacin y 65 del tipo trmino.
En la Figura 43 es posible ver las minucias encontradas para una serie de ejemplos de imgenes.
Se muestran en ella el recorte del dedo, la huella dactilar viva y las minucias encontradas.
De los resultados obtenidos es posible notar la deteccin de una alta cantidad de minucias muy
pegadas unas de otras, principalmente entre las del tipo bifurcacin. No se dispone de la
62
estadstica al respecto, pero se plantea la necesidad de incorporar una etapa de reduccin de
minucias falsas como trabajo futuro. En la Figura 43 esto se puede notar en que suelen aparecer
minucias de bifurcacin muy juntas unas a otras, visibles en color azul. De todas formas este es
un hecho discutible considerando los procesos de reconocimiento de huellas adquiridas mediante
sensores especializados, debido a que en ellos suelen utilizarse la mayor cantidad de minucias
posibles. En dichos casos, ms minucias en la extraccin de caractersticas representan mayor
probabilidad de reconocimiento en la comparacin con otra huella dactilar.
Tabla 3: Resumen de resultados para las 120 imgenes de huellas dactilares obtenidas a partir de
fotos de dedos. Se muestran los valores promedio del Factor Global de Contraste, nmero de
minucias del tipo bifurcacin y nmero de minucias del tipo trmino. Cada valor se calcul como el
promedio de 5 muestras para cada dedo.
Minucias Minucias
Dedo GCF
Bifurcacin Trmino
1 11,14698 109 70
2 10,68662 130 90
3 10,97706 125 72
4 11,25104 115 69
5 10,81406 120 59
6 10,95962 116 47
7 11,01680 108 66
8 10,55482 124 91
9 11,07314 135 73
10 11,02974 87 59
11 10,60390 121 82
12 11,14240 100 65
13 10,47836 93 54
14 10,52064 99 58
15 10,88890 112 59
16 10,46660 95 47
17 10,53252 128 75
18 10,92460 69 37
19 11,12460 104 52
20 10,77432 113 58
21 10,77366 111 64
22 10,93030 80 36
23 10,67434 107 61
24 10,73188 97 50
63
Figura 43: Ejemplos de extraccin de minucias. De izquierda a derecha cada imagen, su respectiva
huella dactilar y las minucias encontradas.
64
4.7 Comparacin entre huellas dactilares
Como se indic en la seccin 3.3.5, la comparacin de huellas dactilares se llev a cabo mediante
el algoritmo SIFT. La implementacin utilizada correspondi a la disponible en [68], donde se
presenta una librera de cdigo abierto que contiene, entre otras herramientas, el algoritmo SIFT.
El matching entre dos huellas dactilares se realiza encontrando los pares de descriptores ms
semejantes entre los presentes en cada una de las imgenes, calculando la norma L2 entre ellos.
El matching entre dos descriptores D1 (descriptor en imagen 1) y D2 (descriptor en imagen 2) se
realiza slo si la distancia euclidiana entre D1 y D2, multiplicada por un valor umbral fijado en
1.5 (valor por defecto del algoritmo), no es mayor que la distancia de D1 a todos los dems
descriptores de la segunda imagen Se incorpor una etapa de eliminacin de falsos matches
mediante el algoritmo RANSAC 4.
4
El algoritmo RANSAC (Consenso de Muestreo Aleatorio) consiste, a grande rasgos, en la creacin, en forma
iterativa, de un modelo matemtico a partir de un conjunto de datos, decidiendo si estos se ajustan o no a dicho
modelo, lo que permite eliminar outliers.
65
el equilibrio entre Sensibilidad y Especificidad, corresponde a la obtencin de al menos 5
matches para aceptar una comparacin como correcta, con una sensibilidad del 59%, una
especificidad del 76% y una exactitud del 75%.
Figura 44: Matching de huellas dactilares. De arriba abajo: matching usando la huella y SIFT,
matching usando SIFT sobre la huella adelgazada, matching usando SIFT y RANSAC. En amarillo
los frames encontrados por el algoritmo SIFT con su respectiva escala y orientacin (tamao y lnea
interior de cada circunferencia) y en azul los matches entre ellos.
66
Tabla 4: Resultados de comparacin de huellas dactilares en procedimiento 1 versus el resto usando matching de
caractersticas obtenidas con SIFT. El nmero de matches presentado corresponde al nmero de estos a partir del cual se
acepta como correcta la comparacin. Se presentan el nmero de Verdaderos Positivos (TP, Falsos Positivos (FP),
Verdaderos Negativos (TN), Falsos Negativos (FN) y los ndices de Sensibilidad, Especificidad y Exactitud para cada caso.
Nro matches : 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TP 449 411 371 329 282 245 206 179 145 119 93 76 61 48 28
FP 10938 8722 6563 4757 3312 2288 1571 1074 756 524 371 267 197 130 93
TN 2862 5078 7237 9043 10488 11512 12229 12726 13044 13276 13429 13533 13603 13670 13707
FN 31 69 109 151 198 235 274 301 335 361 387 404 419 432 452
Sensibilidad 0,94 0,86 0,77 0,69 0,59 0,51 0,43 0,37 0,30 0,25 0,19 0,16 0,13 0,10 0,06
Especificidad 0,21 0,37 0,52 0,66 0,76 0,83 0,89 0,92 0,95 0,96 0,97 0,98 0,99 0,99 0,99
Exactitud 0,23 0,38 0,53 0,66 0,75 0,82 0,87 0,90 0,92 0,94 0,95 0,95 0,96 0,96 0,96
Tabla 5: Resultados de comparacin de huellas dactilares en procedimiento 1 versus el resto usando matching de
caractersticas obtenidas con SIFT seguido de RANSAC. El nmero de matches presentado corresponde al nmero de estos
67
a partir del cual se acepta como correcta la comparacin. Se presentan el nmero de Verdaderos Positivos (TP, Falsos
Positivos (FP), Verdaderos Negativos (TN), Falsos Negativos (FN) y los ndices de Sensibilidad, Especificidad y Exactitud
para cada caso.
Nro matches : 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TP 447 405 360 272 199 128 94 61 41 31 26 18 14 8 5
FP 10893 8358 6031 3480 1917 1175 747 516 360 251 197 140 103 69 58
TN 2907 5442 7769 10320 11883 12625 13053 13284 13440 13549 13603 13660 13697 13731 13742
FN 33 75 120 208 281 352 386 419 439 449 454 462 466 472 475
Sensibilidad 0,93 0,84 0,75 0,57 0,41 0,27 0,20 0,13 0,09 0,06 0,05 0,04 0,03 0,02 0,01
Especificidad 0,21 0,39 0,56 0,75 0,86 0,91 0,95 0,96 0,97 0,98 0,99 0,99 0,99 1,00 1,00
Exactitud 0,23 0,41 0,57 0,74 0,85 0,89 0,92 0,93 0,94 0,95 0,95 0,96 0,96 0,96 0,96
Curva ROC SIFT
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
Tasa de Falsos Positivos
Figura 46: Curva ROC mtodo de comparacin usando el algoritmo SIFT seguido de RANSAC.
68
Captulo 5: Conclusiones y Trabajo Futuro
5.1 Discusin Final
Los continuos avances en la tecnologa de los dispositivos mviles inteligentes y su uso masivo
ya no slo en telefona, sino que tambin en diferentes aspectos de la vida cotidiana reflotan el
tema siempre presente de la seguridad, tanto en el acceso de los dispositivos como en su uso
como una herramienta para lograrla. En este contexto se desarroll el presente trabajo con el
objetivo principal de estudiar la posibilidad de utilizar la cmara de un dispositivo mvil para
adquirir huellas dactilares, esto sin la necesidad de contar con un sensor desarrollado para estos
fines, y posteriormente poder extraer las caractersticas necesarias para el reconocimiento de la
identidad de un individuo.
Fue posible tambin realizar de manera efectiva la correccin de la posicin y rea del dedo
mediante una estimacin de su ngulo de inclinacin y un escalamiento a un tamao estndar. La
estimacin del ngulo presenta como dificultad principal que el usuario pueda disponer frente a la
cmara no slo el dedo, sino tambin otras reas de la mano, lo que podra provocar un clculo
errneo.
Ya ubicado el dedo y separado del fondo se estudiaron dos mtodos para medir la calidad de la
imagen: el clculo de la densidad de bordes usando un detector de bordes del tipo Sobel y la
determinacin del Factor Global de Contraste, resultando este ltimo efectivo para cumplir el
objetivo deseado.
Las etapas de obtencin de la huella dactilar, extraccin de minucias y comparacin entre huellas
dactilares fueron implementadas en Matlab.
Se extrajo la huella viva de 120 imgenes correspondientes a 24 dedos distintos (5 muestras por
dedo) y se obtuvieron minucias de cada una de ellas. A partir de las huellas binarizadas y
adelgazadas se implement el proceso de comparacin, pero no mediante la comparacin de
minucias, sino mediante el anlisis de patrones de las imgenes a travs de la aplicacin de la
transformada SIFT para realizar el matching de caractersticas, considerando tambin la
eliminacin de matches incorrectos mediante el algoritmo RANSAC. El proceso de matching de
huellas con este mtodo arroj resultados con bajas tasas de Sensibilidad y Especificidad y, si
70
bien la aplicacin de RANSAC sirvi para reducir matches, el resultado final no produce
mejoras sustanciales respecto de usar slo SIFT. Se estableci que si se requiere una alta
sensibilidad, esta sera a costa de una baja especificidad. As, equilibrando ambos indicadores, se
lleg a una sensibilidad del 59%, una especificidad del 76% y una exactitud del 75%. Una
mejora y cumplimiento cabal del objetivo de poder comparar favorablemente dos huellas son
parte de un trabajo futuro del cual se hace mencin a continuacin.
Respecto a la etapa de adquisicin, al desarrollarse un sistema que puede ser utilizado por un
usuario en distintas condiciones de iluminacin, es necesario explorar nuevos mtodos para poder
estandarizar este aspecto. As mismo, podra acelerarse el proceso de deteccin-enfoque y
captura, para evitar movimientos involuntarios.
El desafo est en mejorar el sistema implementado, pudiendo hacerse esto en cada una de sus
etapas y tambin, a futuro, implementarlo completamente en un dispositivo mvil.
71
Bibliografa
Hashiyada, Masaki. DNA biometrics, Biometrics, Dr. Jucheng Yang (Ed.), ISBN: 978-953-
[7] 307-618-8, InTech, 2011. [En lnea]. Available:
http://www.intechopen.com/books/biometrics/dna-biometrics.
72
M. Hofmann y G. Rigoll, Exploiting Gradient Histograms for Gait-Based Person
[14] Identification, Image Processing (ICIP), 2013 20th IEEE International Conference, pp.
4171-4175, 15-18 Sept. 2013.
J. Daugman, How iris recognition works, Circuits and Systems for Video Technology,
[17] IEEE Transactions, vol. 14, n 1, pp. 21-30, 2004.
E.-S. Saad, M. Eladawy y R. Aly, Person Identification Using Palmprint, Radio Science
[20] Conference, 2008. NRSC 2008. National, pp. 1-9, 18-20 March 2008.
73
F. Galton, Finger Prints, Mc Millan, 1892.
[28]
R. Cappelli y D. Maltoni, On the Spatial Distribution of Fingerprint Singularities, Pattern
[29] Analysis and Machine Intelligence, IEEE Transaction, vol. 31, n 4, pp. 742-748, 2009.
J. Ruiz del Solar, P. Loncomilla y C. Devia, A New Approach for Fingerprint Verification
[39] Based on Wide Maseline Matching Using Local Interest Points and Descriptors, D. Mery
and L. Rueda (Eds.): PSIVT 2007, LNCS 4872, pp. 586-599, 2007.
A. Jain, Y. Chen y M. Demirkus, Pores and Ridges: Fingerprint Matching Using Level 3
[41] Features, Pattern Recognition, 2006. ICPR 2006. 18th International Conference, vol. 4, n
2006, pp. 477-480.
74
L. O'Gonnan y J. Nickerson, Matched Filter Design for Fingerprint Image Enhancement,
[42] International Conference on Acoustics, Speech, and Signal Processing, pp. 916-919, 1988.
J.-H. Shin, H.-Y. Hwang y S.-I. Chien, Detecting Fingerprint Minutiae by Run Length
[50] Encoding Scheme, Pattern Recognition, vol. 39, n 6, pp. 1140-1154, 2006.
75
R. Bansal, P. Sehgal y P. Bedi, Effective Morphological Extraction of True Fingerprint
[55] Minutiae based on the Hit or Miss Transform, International Journal of Biometrics and
Bioinformatics(IJBB), vol. 4, n 2, pp. 71-85, 2010.
V. Sagar y K. Alex, Hybrid Fuzzy Logic and Neural Network Model for Fingerprint
[56] Minutiae Extraction, Neural Networks, 1999. IJCNN '99. International Joint Conference,
vol. 5, pp. 3255-3259, 1999.
M.-P. Dubuisson y A. Jain, A Modified Hausdorff Distance for Object Matching in Pattern
[60] Recognition, de Conference A: computer vision and image processing, proceedings of 12th
IAPR, Israel, 1994.
76
A. Vedaldi y B. Fulkerson, VLFeat: An Open and Portable Library of Computer Vision
[68] Algorithms, 2008. [En lnea]. Available: http://www.vlfeat.org.
77
Anexos
Anexo A: Filtro de Coherencia
Le mtodo de filtrado mediante una difusin anisotrpica [63] consiste en dos pasos. El primero
es la descripcin de la estructura de la imagen con un tensor estructural o matriz de momentos de
segundo orden. El segundo paso es transformar el tensor estructural en un tensor de difusin
mediante un filtro de difusin que permite mejorar los bordes.
( ) = ( ) (0.1)
Donde la funcin denota una Gaussiana con desviacin estndar , y es una versin
regularizada de la imagen , definida como = . Los vectores propios de dan
orientaciones locales preferenciales y los correspondientes valores propios denotan el contraste
local a lo largo de esas direcciones.
11 12
Los valores propios de = ( ) estn dados por:
12 22
= ( + + ( ) + ) (0.2)
= ( + ( ) + ) (0.3)
(
)=( ) (0.4)
+( )+
Es posible ver el filtrado de difusin anisotrpica con un tensor de difusin como una evolucin
de la imagen inicial mediante una ecuacin del tipo:
= () (0.5)
12
Donde (, ) es la imagen en evolucin, denota el tiempo de difusin, y = ( 11 ) es el
12 22
tensor de difusin, una matriz simtrica definida positiva que se puede adaptar a la estructura
local de la imagen.
78
Los elementos conformantes de la matriz se pueden determinar a partir de los valores y
vectores propios de , pues hace uso de sus mismos vectores propios y es posible obtener sus
valores propios mediante la llamada ecuacin de Weickert de 2 dimensiones:
= (0.6)
=
= { (0.7)
+ ( ) ( ( )
)
Donde 1 (0,1) es una constante de suavizado global, y 2 > 0 una constante de mejoramiento
de los bordes suavizados.
= + (0.8)
= ( ) (0.9)
= + (0.10)
79
Anexo B: Detalle de resultados para la extraccin de minucias
La siguiente tabla muestra los resultados de minucias encontradas en las imgenes conformantes
de la base de datos construida.
Tabla 6: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas. Se
indican, de izquierda a derecha el dedo capturado, la muestra tomada del respectivo dedo, su
respectivo valor del Factor Global de Contraste y las minucias encontradas, del tipo bifurcacin y
trmino. Parte 1
Minucias Minucias
Dedo Muestra GCF
Bifurcacin Trmino
1 11,6163 122 65
2 11,1783 124 71
1 3 11,1517 108 75
4 10,9567 87 69
5 10,8319 105 70
1 11,5115 98 68
2 10,3942 132 76
2 3 10,6638 135 90
4 10,0618 168 133
5 10,8018 119 85
1 11,2523 141 109
2 11,2156 110 58
3 3 10,4027 99 50
4 11,1003 106 48
5 10,9144 168 94
1 11,8486 115 76
2 11,3933 98 50
4 3 10,9226 145 76
4 11,1980 121 89
5 10,8927 96 52
1 11,2586 81 63
2 10,3091 139 53
5 3 10,6061 98 45
4 11,1067 195 89
5 10,7898 88 46
1 11,5656 109 32
2 11,0551 144 54
6 3 10,1579 122 52
4 11,4167 110 49
5 10,6028 95 49
80
Tabla 7: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas. Se
indican, de izquierda a derecha el dedo capturado, la muestra tomada del respectivo dedo, su
respectivo valor del Factor Global de Contraste y las minucias encontradas, del tipo bifurcacin y
trmino. Parte 2
Minucias Minucias
Dedo Muestra GCF
Bifurcacin Trmino
1 11,1708 80 55
2 11,2840 130 51
7 3 11,0548 72 70
4 10,2794 152 88
5 11,2950 104 65
1 10,6260 137 83
2 10,8693 133 88
8 3 10,0226 127 99
4 10,2106 122 116
5 11,0456 100 68
1 11,3172 80 57
2 11,3538 114 71
9 3 11,1844 161 93
4 11,5847 129 47
5 9,9256 193 97
1 11,2977 91 64
2 11,0587 66 51
10 3 11,2289 99 64
4 10,7265 89 53
5 10,8369 90 65
1 10,8388 96 55
2 10,5082 136 107
11 3 11,0145 126 72
4 10,0229 115 100
5 10,6351 132 78
1 11,0064 96 60
2 10,6897 69 36
12 3 10,9489 86 58
4 11,1737 69 49
5 11,8933 180 121
81
Tabla 8: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas. Se
indican, de izquierda a derecha el dedo capturado, la muestra tomada del respectivo dedo, su
respectivo valor del Factor Global de Contraste y las minucias encontradas, del tipo bifurcacin y
trmino. Parte 3
Minucias Minucias
Dedo Muestra GCF
Bifurcacin Trmino
1 10,5154 75 44
2 10,7246 115 55
13 3 10,1690 63 48
4 10,9587 82 46
5 10,0241 131 79
1 10,2567 166 66
2 10,5629 79 71
14 3 10,7118 82 53
4 10,6624 100 49
5 10,4094 67 49
1 10,7122 80 45
2 11,1586 103 50
15 3 10,7858 135 72
4 11,2696 113 61
5 10,5183 129 68
1 11,0842 86 36
2 10,9162 81 52
16 3 10,1321 127 54
4 10,1194 84 43
5 10,0811 97 48
1 10,8410 127 87
2 10,4074 126 78
17 3 10,0609 128 63
4 10,3212 172 86
5 11,0321 89 60
1 11,1415 55 34
2 11,0138 59 33
18 3 10,5776 93 42
4 10,4336 71 36
5 11,4565 68 39
82
Tabla 9: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas. Se
indican, de izquierda a derecha el dedo capturado, la muestra tomada del respectivo dedo, su
respectivo valor del Factor Global de Contraste y las minucias encontradas, del tipo bifurcacin y
trmino. Parte 4
Minucias Minucias
Dedo Muestra GCF
Bifurcacin Trmino
1 10,6836 104 55
2 11,2607 77 50
19 3 10,7100 111 52
4 10,5013 125 58
5 12,4674 101 47
1 11,0212 103 58
2 11,0735 101 59
20 3 10,9746 99 60
4 10,9667 93 68
5 9,8356 169 47
1 10,3714 130 57
2 10,7272 133 80
21 3 11,1530 86 80
4 10,9958 116 51
5 10,6209 90 51
1 10,7457 72 36
2 11,4831 102 40
22 3 11,1140 75 36
4 10,8268 85 35
5 10,4819 64 34
1 10,9615 104 57
2 10,0780 105 68
23 3 11,1028 108 71
4 10,4742 121 72
5 10,7552 96 39
1 10,2976 112 48
2 11,1512 72 50
24 3 11,0341 104 71
4 10,5879 99 35
5 10,5886 100 47
83