Reconocimiento-De-Huellas-Dactilares-Usando-La-Camara-De-Un Dispositivo Miovil PDF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 90

RECONOCIMIENTO DE HUELLAS DACTILARES USANDO LA CMARA DE UN

DISPOSITIVO MVIL

MEMORIA PARA OPTAR AL TTULO DE INGENIERO CIVIL ELECTRICISTA

FELIPE MANUEL VALDS GONZLEZ

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

RECONOCIMIENTO DE HUELLAS DACTILARES USANDO LA CMARA DE UN


DISPOSITIVO MVIL

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

Verso por Agradecimiento

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.

Nota: Este agradecimiento est escrito en Dcima Espinela, al estilo de la Poesa


Popular, una de las manifestaciones ms ricas y antiguas de nuestra tradicin.

ii
Tabla de Contenido

Captulo 1: Introduccin ............................................................................................................... 1


1.1 Motivacin ....................................................................................................................... 1
1.2 Objetivos Generales......................................................................................................... 2
1.3 Objetivos Especficos ...................................................................................................... 2
1.4 Alcances........................................................................................................................... 2
1.5 Estructura de la Memoria ................................................................................................ 3
Captulo 2: Revisin Bibliogrfica ............................................................................................... 4
2.1 Sistemas de Identificacin Biomtrica ............................................................................ 4
2.2 Caractersticas Principales de una Huella Dactilar .......................................................... 9
2.3 Sistemas de Reconocimiento de Personas en base a Huellas Dactilares ....................... 14
2.3.1 Tcnicas basadas en correlacin .............................................................................. 15
2.3.2 Tcnicas basadas en la imagen ................................................................................ 16
2.3.3 Tcnicas basadas en patrones .................................................................................. 16
2.3.4 Tcnicas basadas en minucias ................................................................................. 16
2.4 Reconocimiento de huellas dactilares usando cmaras como sensor ............................ 24
Captulo 3: Metodologa de Trabajo........................................................................................... 33
3.1 Antecedentes Generales................................................................................................. 33
3.2 Revisin de mtodos, dificultades del problema y simplificaciones ............................. 33
3.2.1 Imgenes para pruebas de funcionamiento y construccin de una base de datos ... 33
3.2.2 Definicin de condiciones de iluminacin .............................................................. 34
3.2.3 Limitaciones de capacidad de enfoque y flash en el dispositivo mvil ................... 35
3.2.4 Necesidad de evaluar la calidad de la imagen capturada ......................................... 35
3.2.5 Normalizacin de distorsiones geomtricas en la imagen ....................................... 38
3.3 Etapas del proyecto y mtodos a utilizar ....................................................................... 40
3.3.1 Deteccin de la presencia de un dedo en la imagen ................................................ 40
3.3.2 Captura, correccin de pose y estimacin de la calidad de la imagen..................... 41
3.3.3 Extraccin de la huella dactilar viva........................................................................ 41
3.3.4 Extraccin de minucias a partir de la huella obtenida ............................................. 42
3.3.5 Comparacin de huellas dactilares obtenidas .......................................................... 43
3.4 Estudio de factibilidad de implementacin en un dispositivo mvil ............................. 43
3.5 Esquema resumen del algoritmo a implementar............................................................ 44
Captulo 4: Resultados y Anlisis............................................................................................... 45
4.1 Antecedentes generales.................................................................................................. 45
4.2 Deteccin dedo y segmentacin del rea de inters ...................................................... 46
4.3 Correccin de rea y pose .............................................................................................. 52
4.4 Medicin de calidad y captura de imagen ..................................................................... 54
4.5 Obtencin huella dactilar viva ....................................................................................... 59
4.6 Extraccin de minucias.................................................................................................. 61
4.7 Comparacin entre huellas dactilares ............................................................................ 65
Captulo 5: Conclusiones y Trabajo Futuro............................................................................... 69
5.1 Discusin Final .............................................................................................................. 69
5.2 Trabajo Futuro ............................................................................................................... 71
Bibliografa .................................................................................................................................... 72
Anexos ........................................................................................................................................... 78
Anexo A: Filtro de Coherencia .................................................................................................. 78
Anexo B: Detalle de resultados para la extraccin de minucias................................................ 80
iii
ndice de Tablas
Tabla 1. Propiedades de un pixel segn su valor de coeficiente CN. ............................................ 21
Tabla 2: Resumen de resultados obtenidos para la medicin de calidad en 30 imgenes de dedos
obtenidas mediante el sistema implementado. .............................................................................. 58
Tabla 3: Resumen de resultados para las 120 imgenes de huellas dactilares obtenidas a partir de
fotos de dedos.. .............................................................................................................................. 63
Tabla 4: Resultados de comparacin de huellas dactilares en procedimiento 1 versus el resto
usando matching de caractersticas obtenidas con SIFT. .............................................................. 67
Tabla 5: Resultados de comparacin de huellas dactilares en procedimiento 1 versus el resto
usando matching de caractersticas obtenidas con SIFT seguido de RANSAC. ........................... 67
Tabla 6: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas.
Parte 1 ............................................................................................................................................ 80
Tabla 7: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas.
Parte 2 ............................................................................................................................................ 81
Tabla 8: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas.
Parte 3 ............................................................................................................................................ 82
Tabla 9: Detalle de resultados para la extraccin de minucias a partir de las huellas obtenidas.
Parte 4 ............................................................................................................................................ 83

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.

En la actualidad, existe una amplia variedad de sistemas basados en la determinacin o


confirmacin de manera confiable y robusta de la identidad de la persona que requiere sus
servicios. Es en este contexto donde surge el reconocimiento biomtrico o biometra, que
corresponde al reconocimiento de personas a partir de sus caractersticas fisiolgicas y/o de
comportamiento, siendo la biometra dactilar una de las ms empleadas, debido a su caracterstica
nica para cada persona y fcil acceso.

Los avances tecnolgicos en el rea de la biometra dactilar permiten su utilizacin en diversos


entornos, adaptndose as a las necesidades de cada momento y de cada persona. Es as que los
sistemas de identificacin y verificacin de identidad basados en huellas dactilares son
empleados desde notaras y bancos hasta por las personas en sus propias casas mediante
dispositivos mviles que cuentan con los sensores adecuados. Sus usos incluyen el control de
acceso a oficinas, el control de acceso a entornos informticos, la firma digital de documentos,
etc., cualquier situacin donde se requiera el reconocimiento de la identidad de una persona o la
verificacin de la misma.

Para la aplicacin de la biometra dactilar, hoy en da se necesita un sensor especializado que


permita obtener la huella dactilar y a partir de esta extraer las caractersticas necesarias para la
identificacin.

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.

Es en este contexto en el que se desarrolla el presente proyecto de ttulo, en el cual se analiza el


proceso de adquisicin mediante la utilizacin de la cmara digital del dispositivo mvil, que
para el caso podra llamarse un sensor alternativo. Y tambin el proceso de anlisis de la huella
obtenida, determinando si para esto es posible utilizar el mismo dispositivo o es necesario un
procesamiento externo.

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.

1.3 Objetivos Especficos


Dentro de los objetivos especficos que persigue la resolucin de este trabajo de ttulo, se listan:

Capturar la huella mediante el uso de la cmara de un dispositivo mvil, ya sea un Smart


Phone o un Tablet.

Identificar la presencia de un dedo dentro de una imagen en movimiento captada mediante


la cmara de un dispositivo mvil.

Medir la calidad de la imagen obtenida para establecer si resulta factible para la


adquisicin de una huella dactilar.

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.

Estudiar la posibilidad de realizar el procesamiento de la huella dactilar en el mismo


dispositivo mvil o la necesidad de que este se haga en otro dispositivo, por ejemplo, un
servidor.

Mejorar la imagen mediante el uso de tcnicas de procesamiento de imgenes, extrayendo


la huella dactilar lista para ser analizada.

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 inters de este trabajo es comprobar la factibilidad de poder lograr la identificacin de un


usuario a partir de una fotografa de su dedo.

1.5 Estructura de la Memoria


Este documento se organiza conforme se indica en los prrafos sucesivos:

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.

El captulo 4 da cuenta de la implementacin de los diferentes mtodos definidos y sus resultados


a partir de los lineamientos entregados en el captulo anterior, es decir, siguiendo las etapas de
trabajo y los mtodos respectivos definidos en el captulo 3.

El captulo 5 cierra el documento y corresponde a las conclusiones. Junto con evaluar el


cumplimiento de los objetivos dentro de los lmites demarcados por los alcances del trabajo, se
plantea algunos desafos para trabajo futuro.

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.

En la seccin 2.1 se presenta el concepto de biometra aplicada al reconocimiento de personas y


se realiza un resumen general de las caractersticas empleadas con este fin, indicando los aspectos
necesarios que se deben satisfacer para que estas califiquen como parte de un sistema biomtrico.
Posteriormente, se indica, brevemente, las ventajas y desventajas de las medidas biomtricas ms
utilizadas.

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.

Finalmente, se indica la relevancia del desarrollo del presente proyecto de ttulo.

2.1 Sistemas de Identificacin Biomtrica


En la actualidad, existe una amplia variedad de sistemas basados en la determinacin o
confirmacin de manera confiable y robusta de la identidad de la persona que requiere sus
servicios. Reconocimiento biomtrico o, simplemente, biometra, se refiere a la identificacin
automtica de personas mediante sus caractersticas fisiolgicas y/o de comportamiento [1]. En
base a su uso es posible confirmar o establecer la identidad de un individuo a travs de quin
es, ms que por lo que posee (por ejemplo, una tarjeta de identificacin) o lo que recuerda
(por ejemplo, una contrasea).

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:

Universalidad: cada persona debera tener la caracterstica.


Diferenciacin: dos personas cualesquiera deben ser lo suficientemente distintas en
trminos de la caracterstica en cuestin.
Permanencia: la caracterstica debera ser suficientemente invariante en el tiempo.
Cuantificabilidad: la caracterstica se debe poder medir cuantitativamente.
Adems, en un sistema biomtrico hay varias caractersticas que deberan ser consideradas, tales
como:

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.

Un sistema biomtrico es esencialmente un sistema de reconocimiento de patrones que opera


adquiriendo datos de un individuo de los que se extrae un set de caractersticas que se comparan
con un modelo o una base de datos [2]. Dependiendo del contexto de la aplicacin, un sistema
biomtrico puede actuar para realizar verificacin o identificacin [4] [5]:

Para la verificacin, el sistema acta validando la identidad de una persona comparando


los datos capturados con su propio template biomtrico conocido previamente, por
ejemplo, mediante algn documento de identificacin. La verificacin de identidad es,
normalmente, utilizada para reconocimiento positivo, donde el objetivo es prevenir que
varias personas usen la misma identidad.
Cuando se trata de identificacin, el sistema acta buscando las caractersticas del
individuo entre las contenidas para un nmero determinado de usuarios en una base de
datos, realizando mltiples comparaciones para establecer la identidad del individuo. Se
trata de un componente crtico en aplicaciones de reconocimiento negativo, cuyo objetivo
es prevenir que una sola persona utilice mltiples identidades. Esta lnea de
funcionamiento tambin puede ser empleada para realizar reconocimiento positivo.
En la Figura 1 se observan diagramas de bloques que resumen el funcionamiento de los
sistemas de verificacin e identificacin, los cuales poseen como elemento comn el
enrolamiento de los usuarios, que tambin se presenta en mdulos en la misma figura.

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.

DNA: El cido desoxirribonucleico es un cdigo unidimensional nico para cada


individuo (salvo para los mellizos idnticos, que poseen el mismo DNA). Se usa
mayoritariamente en el contexto de aplicaciones forenses para el reconocimiento de
personas. Su uso se ve limitado debido a que es fcil contaminar o robar una muestra, no
se puede realizar en tiempo real y por cuestiones de privacidad [7].

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].

Rostro: Se trata de un mtodo no invasivo y uno de los ms utilizados, desde aplicaciones


estticas hasta dinmicas en ambientes no controlados. Se suelen basar en la localizacin
y forma de atributos faciales como ojos, cejas, nariz, labios y mentn, y sus relaciones
espaciales, o en el anlisis global de la imagen del rostro como una combinacin de
rostros cannicos [9] [10]. Estos sistemas presentan dificultades al reconocer rostros
desde imgenes capturadas con vistas distintas y bajo diferentes condiciones de
iluminacin, lo cual debe ser compensado para influir de menor medida en el rendimiento
de los sistemas de reconocimiento [11].

Termografa infrarroja facial, de la mano y de las venas de la mano: El patrn de calor


irradiado por el cuerpo humano es una caracterstica individual y se puede capturar
mediante una cmara infrarroja. Este tipo de sistemas son no invasivos y no requieren
contacto directo con la persona, pero la adquisicin de la imagen es cambiante en
ambientes no controlados en que otras fuentes de calor se encuentran cerca de los cuerpos.
Otra aplicacin de las imgenes infrarrojas se utiliza para determinar la estructura de las
venas de la mano a partir de la parte trasera de un puo cerrado [12] [13]. Un factor que
impide el uso masivo de estas tcnicas biomtricas es el costo elevado de los sensores
trmicos.

Modo de andar: Es una compleja medida biomtrica espacio-temporal. A simple vista, no


parece ser muy distintiva, pero es suficientemente discriminatoria para aplicaciones de
baja seguridad. Se trata de una medida conductual y puede no ser invariante,
especialmente en el largo plazo. Requiere de secuencias de video por lo que un manejo
intensivo de datos y una alta complejidad computacional. En [14] muestra un mtodo
desarrollado con estos fines.

Geometra de manos y dedos: Sistemas basados en medidas tomadas de la mano,


incluyendo su forma, tamao de la palma, y largo y ancho de los dedos [15]. Se trata de
una tcnica simple, relativamente fcil de usar y poco costosa, donde factores ambientales
como la humedad del clima o anomalas individuales como la sequedad de la piel no
parecen tener efectos negativos sobre la precisin de la verificacin. El nivel de
diferenciacin de esta caracterstica hace que no se pueda utilizar en aplicaciones que
involucran poblaciones grandes y adems presenta variaciones en el proceso de
crecimiento de los nios. Tambin, el uso de accesorios como anillos y la presencia de
7
deterioros como la artritis presentan dificultades extra a la hora de obtener caractersticas
a partir de esta medida biomtrica. Hay sistemas de verificacin basados slo en algunos
dedos en vez de la mano completa.

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].

Digitacin en teclados: Hipotticamente cada persona tipea en un teclado de una forma


distintiva. Se trata de una medida conductual quizs no nica para cada persona, pero s
ofrece informacin suficientemente distintiva para permitir la verificacin de la identidad
[18].

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.

Huella de la mano: La palma de la mano contiene patrones de valles y crestas parecidos a


las huellas dactilares, pero el rea de la huella de la mano es mucho mayor que la del
dedo, por lo que es esperable que esta caracterstica sea an ms distintiva. La desventaja
es que por esto mismo, los sensores de captura deben ser ms grandes y, por lo mismo,
ms costosos. Sin embargo, esta huella contiene caractersticas como lneas principales y
arrugas que pueden ser capturadas con un escner de menor resolucin. Si se usan
sensores de alta resolucin, tanto las caractersticas principales como aquellas que son
ms detalladas podran ser usadas para obtener un sistema biomtrico ms robusto [20].

Escner retinal: La vasculatura de la retina es rica en estructuras y es caracterstica de


cada individuo y cada ojo, y, debido a la dificultad para cambiarla o replicarla, podra ser
la medida biomtrica ms segura. La adquisicin de la imagen requiere que la persona
mire a travs de un lente y fije su vista en un punto especfico, de tal forma que una parte
predeterminada de la retina pueda ser reflejada, lo que involucra un alto grado de
cooperacin y esfuerzo por parte del usuario, razones que pueden ser causa del rechazo
del pblico [21].

Firma: La forma en que una persona escribe su nombre es caracterstica de cada


individuo. Es una mtrica conductual que cambia en el tiempo y se ve influenciada por
condiciones fsicas y emocionales. Tiene como dificultad extra que una misma persona
puede tener variaciones en su firma inclusive en impresiones sucesivas. Adems, un
experto puede replicar una firma para engaar al sistema [22].

Voz: Es una combinacin de biometra fsica y conductual. Las caractersticas de la voz


de un individuo se basan en la forma y tamao de las estructuras biolgicas que son
usadas en la sntesis del sonido, que son particulares para cada persona. Sin embargo los
8
aspectos conductuales del habla cambian en el tiempo de acuerdo a la edad, la condicin
de salud, el estado emocional, etc. El reconocimiento de voz dependiente de un texto se
basa en la pronunciacin de una frase determinada. Mientras que el reconocimiento
independiente del texto es ms difcil de disear, pero es ms robusto al fraude. Una
desventaja del reconocimiento basado en la voz es que las caractersticas del habla son
sensibles a factores como el ruido ambiente. Es ms apropiado en aplicaciones
telefnicas, pero la calidad de la seal de voz se ve degradada por el micrfono y el canal
de comunicacin [23].

Huella dactilar: Se ha utilizado por siglos y su precisin se ha demostrado ampliamente


[24]. Una huella dactilar es el patrn de valles y crestas en la superficie de un dedo, que se
forma durante los primeros siete meses de desarrollo fetal. Se trata de una caracterstica
nica, que no se repite inclusive entre mellizos idnticos. Que los sensores utilizados sean
de bajo costo y la precisin alcanzada del reconocimiento en base a la huella dactilar,
hacen que sea adecuado para sistemas de verificacin e identificacin que involucran a
una gran cantidad de personas [5].

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].

2.2 Caractersticas Principales de una Huella Dactilar


Las huellas dactilares son los parmetros biomtricos ms ampliamente utilizados para la
identificacin de personas. Corresponden a una representacin de la epidermis de los dedos
9
caracterizada por un conjunto de lneas que forman un patrn nico de crestas y valles en la
superficie del dedo. Una cresta se define como un segmento de curva, y un valle como la regin
entre dos crestas adyacentes [5] [25]. Es posible ver ambos componentes de una huella en la
Figura 3.

Figura 3: Crestas y valles de una huella dactilar. Imagen tomada de [26].

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.

Figura 5. Minucias de bifurcacin y trmino en una muestra de huella dactilar. De izquierda a


derecha: (a) Una minucia de terminacin, (b) minucia de bifurcacin, (c) minucia de terminacin
(en blanco) y de bifurcacin (en gris) en una muestra de huella dactilar. Los puntos ( , )
representan las coordenadas de las minucias, mientras que es el ngulo formado por la tangente a
la minucia con la direccin horizontal en el punto de trmino de la minucia. Imagen tomada de [26].

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.

Figura 6. Algunos tipos de minucias: 1 empalme o cruce, 2 convergencia, 3 laguna u ojal, 4


desviacin, 5 transversal, 6 fragmento o borde independiente, 7 abrupta o terminacin, 8
bifurcacin, 9 interrupcin, 10 punto o isla. Imagen tomada de [3].

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].

El centro de una singularidad se denomina baricentro.

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].

Mishra y Shandilya [31] introdujeron una tcnica basada en el gradiente y la optimizacin de un


vecindario promedio para generar una orientacin de campo suavizada para la deteccin del
punto central.

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.).

2. Sensores de estado slido: miden caractersticas fsicas de la huella dactilar y las


transforman a una imagen digital. Pueden ser de tipo capacitivo, los cuales son arreglos
bidimensionales de micro-capacitores que producen cargas elctricas variables al estar en
contacto con las crestas de la huella dactilar, pudindose medir de esta forma la capacidad
elctrica del circuito resultante del contacto directo y formar as la imagen de la huella.
Tambin pueden ser sensores de campo elctrico que consisten en un anillo de
accionamiento que genera seales de radio frecuencia de baja amplitud que son
moduladas por la estructura de la epidermis, siendo captadas estas diferencias por un
conjunto de antenas que forman la imagen digital realizando mediciones para cada pixel.

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].

Una vez obtenida la imagen de la huella dactilar, se realiza el proceso de reconocimiento de la


identidad del usuario. Es posible agrupar los mtodos existentes en funcin del elemento de la
huella en el que basan su aplicacin. Es as como las tcnicas de matching de huellas dactilares se
pueden agrupar en cuatro categoras: basadas en correlacin, basadas en la imagen, basadas en
patrones y basadas en minucias [25] [34].
2.3.1 Tcnicas basadas en correlacin
Dos imgenes de huellas dactilares son superpuestas y se calcula la correlacin entre distintas
regiones para diferentes alineaciones, por ejemplo, para varios desplazamientos y rotaciones.
Estos mtodos usan la informacin de los niveles de gris de la imagen en vez de slo la posicin
de los puntos, son ms robustos a imgenes de baja calidad y a cambios menores en la
orientacin de las imgenes. Tienen como desventaja que la comparacin de modelos requiere
altos niveles de clculo, lo cual hace que no sean del todo aplicables en tiempo real debido al alto
costo computacional. Adems, cuando la rotacin de las imgenes es mayor a 10 es necesario
girarlas, lo cual requiere de ms recursos computacionales. Si las imgenes quedan mal
emparejadas, el rendimiento se reduce considerablemente [34].

Si la notacin (, , ) representa una rotacin de la imagen de entrada en un ngulo


desde el origen (normalmente el centro de la imagen) y un desplazamiento de x y pixeles en
las direcciones x e y respectivamente. Entonces, la similitud entre dos imgenes e puede ser
medida como [25]:
15
(, ) = ,, (, (,,)) (2.1)

Donde (, ) es la correlacin cruzada entre e .

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.

Ejemplos del uso de la correlacin para el reconocimiento de personas en base a la correlacin


son los trabajos desarrollados en [35], [36] y [37].

2.3.2 Tcnicas basadas en la imagen


Estos mtodos intentan hacer el matching en base a caractersticas globales de la imagen
completa de la huella dactilar. Son tiles para resolver algunos problemas que resultan intratables
en la primera aproximacin [25].

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).

2.3.3 Tcnicas basadas en patrones


Los algoritmos basados en patrones comparan los patrones bsicos de una huella dactilar (arcos,
espiras y vueltas) entre un modelo previamente guardado y una huella candidata. Esto requiere
que las imgenes estn alineadas en la misma orientacin, para lo cual los algoritmos encuentran
un punto central de la imagen de la huella dactilar y se centran en l. En un algoritmo basado en
patrones, el modelo contiene el tipo, tamao y orientacin de los patrones en la huella alineada
[34].

La extraccin de caractersticas y generacin del modelo se basan en series de crestas en lugar de


puntos discretos. La ventaja de estas tcnicas en lugar de usar puntos caractersticos es que estos
ltimos pueden ser afectados por el deterioro de la imagen, y la desventaja es que son sensibles a
la colocacin correcta de los dedos y almacenar grandes cantidades de datos [25].

En [39] se propone un mtodo en el que se detectan puntos locales de inters y posteriormente se


calculan descriptores mediante la Transformada de Caractersticas de Escala Invariante (SIFT) en
el vecindario de estos puntos, los cuales se comparan usando procedimientos de matching local y
global.

Otros ejemplos de la aplicacin de la tcnica basada en patrones son los trabajos presentados en
[40] y [41].

2.3.4 Tcnicas basadas en minucias


Se trata de la tcnica ms popular y ms ampliamente utilizada. Estas tcnicas tienen dos etapas
fundamentales: primero la extraccin de minucias y, en segundo lugar, el matching de minucias.
De esta forma, se extraen las minucias de una huella y se comparan con las previamente

16
guardadas o extradas de otra huella u otra fuente de informacin, dando como resultado la mayor
cantidad de coincidencias encontradas [34].

La deteccin automtica de puntos caractersticos o minucias es un proceso crtico, especialmente


cuando las imgenes son de baja calidad o existe una gran cantidad de ruido en la captura
(imgenes degradadas), lo cual puede provocar que aparezcan pixeles semejantes a minucias o
que las escondan. Es por esto que existen muchos trabajos relacionados con el mejoramiento de
las imgenes de huellas dactilares, con distintos grados de eficiencia y robustez. OGonnan y
Nickerson [42] propusieron un mtodo de filtrado contextual para el realce de las huellas
dactilares. Greenberg [43] presenta dos mtodos de mejoramiento de imgenes, el primero
usando ecualizacin local del histograma, filtro de Wiener y binarizacin; el segundo mediante
un nico filtro anisotrpico en la escala de grises. En [44] Hong realiz el mejoramiento de las
imgenes en base a la normalizacin de la imagen, la estimacin de la orientacin y frecuencia
locales de las crestas, y usando filtros de Gabor debido a sus propiedades de selectividad de
frecuencia y orientacin. En [45] Maio us mscaras de forma gaussiana para filtrar secciones
seleccionadas pasa a paso, siguiendo las curvas en funcin del nivel de la escala de grises. Wag
[46] propuso un mtodo llamado filtro de Log-Gabor que corresponde a una adaptacin de los
filtros Gabor. En [47] avuolu expone un mtodo de filtrado rpido basado en una mscara de
referencia con coeficientes parablicos con la finalidad de ser utilizado en aplicaciones de tiempo
real.

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.

Uno de los mtodos utilizados en el mejoramiento de la calidad de la imagen corresponde al


proceso de segmentacin, cuyo objetivo es separar el rea de la huella dactilar del fondo de la
imagen, un ejemplo se muestra en la Figura 11.

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]:

Los mtodos que trabajan con imgenes de huellas binarizadas.


Los mtodos que trabajan directamente en las imgenes en niveles de grises.

Figura 12. Clasificacin de Tcnicas de Extraccin de Minucias. Imagen tomada de [25].

2.3.4.1 Deteccin de minucias a partir de huellas dactilares binarizadas


Estos mtodos realizan una binarizacin de la imagen (paso de la imagen a blanco y negro, ver
Figura 13) y, en su mayora, posteriormente adelgazan las lneas obtenidas para dejarlas con un
solo pixel de ancho. Es as como estos mtodos se pueden clasificar en dos clases: los que
trabajan con la imagen binarizada sin adelgazar y los que trabajan con la imagen binarizada y
adelgazada.

18
Figura 13. Ejemplo binarizacin de una huella dactilar. A la izquierda la huella original y a la
derecha la huella binarizada.

La mayora de los mtodos de extraccin de minucias se basan en el adelgazamiento de la imagen


donde el proceso de esqueletizacin convierte cada cresta a un ancho de un pixel. Los puntos
finales son seleccionados si tienen un solo vecino en la lnea de la huella y los puntos de
bifurcacin son encontradas si tienen ms de dos puntos vecinos en las crestas adelgazadas
(esqueleto), criterios que usualmente conllevan encontrar una gran cantidad de minucias falsas,
para lo cual se debe realizar un postprocesamiento basado en informacin estructural y estadstica
luego de la deteccin.

Esta familia de mtodos presentan los siguientes problemas [45]:

Prdida de informacin al aplicar la binarizacin.


Consumo de tiempo en los procesos de binarizacin y adelgazamiento.
Los operadores de binarizacin y adelgazamiento pueden introducir minucias falsas.
Baja performance en imgenes de baja calidad.

2.3.4.1.1 Mtodos que no utilizan la huella dactilar adelgazada


Dentro de los mtodos que no utilizan la imagen adelgazada, justamente para evitar los
problemas antes sealados, se encuentran:

Mtodos basados en el procesamiento de cdigo de cadena.


En [48] se presenta un mtodo de extraccin de caractersticas mediante la representacin
de los contornos de las crestas de las huellas dactilares, lo cual permite mejorar la calidad
de una imagen en forma eficiente y detectar minucias finas. En este mtodo la imagen es
escaneada de arriba hacia abajo y de derecha a izquierda detectando las transiciones de
blanco a negro, con lo cual se traza el contorno en la direccin de los punteros del reloj y
se expresa como un arreglo de elementos de contorno, donde cada uno de estos elementos
representan un pixel que contiene las coordenadas x e y, y la direccin. Una minucia de
trmino se encuentra cuando el trazado presenta una vuelta significativa (determinada
usando un valor umbral) hacia la izquierda, mientras que si es hacia la derecha esta
minucia corresponde a una bifurcacin.

19
Figura 14. Localizacin de minucias en un contorno representado como cadena. Imagen de [25].

Mtodos basados en recorridos.


Ejemplos de esta metodologa son [49] y [50]. La estructura de crestas de una huella
dactilar se representa como un cdigo denominado Run Length Code (RLC) donde se
buscan las minucias. En primer lugar la imagen es segmentada para extraerla del fondo, y
normalizada. Posteriormente, se calcula la orientacin y frecuencia de las crestas
alrededor de cada pixel, para, con esa informacin, realizar una convolucin con un filtro
Gabor que incrementa el contraste entre las lneas y el fondo, reduciendo a la vez el ruido.
Luego la imagen es binarizada eligiendo un valor umbral del nivel de gris. La
codificacin se realiza definiendo pixeles sucesivos horizontales de color negro como un
recorrido y guardando la localizacin de su inicio y su largo o fin. En base a la presencia
de recorridos adyacentes se define la existencia de minucias de terminacin y bifurcacin.
Tambin se busca recorridos en el eje vertical para detectar falsas minucias. Un esquema
general de estos mtodos se observa en la Figura 15.

Figura 15. Diagrama de bloques del mtodo de extraccin de minucias en base a la codificacin
RLC. Imagen tomada de [25].

Mtodos basados en flujos de crestas y anlisis de pixeles locales.


Estos mtodos utilizan pequeas mscaras para recorrer la imagen calculando promedios
locales que son comparados con valores umbral para determinar la presencia de minucias
de trmino o bifurcacin. Ejemplos de esta implementacin son [51] y [52].

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].

Extraccin de minucias usando el valor Crossing Number


Para la huella adelgazada, se calcula, en cada pixel, un valor denominado Crossing
Number (CN), el cual toma en cuenta una vecindad de ocho pixeles alrededor del pixel en
estudio. Con estos valores, el coeficiente CN se calcula como la mitad de la suma de la
diferencia entre pixeles adyacentes en el vecindario de estudio:

= . = | + | (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].

Extraccin de minucias en base a morfologa.


Se trata de tcnicas de extraccin de minucias basadas en operadores de morfologa
matemtica que preprocesan la imagen para reducir los clculos en la etapa de
postprocesamiento. Los operadores morfolgicos buscan encontrar algunas formas
particulares, por lo que se desarrollan diferentes elementos estructurales para distintos
tipos de minucias y tambin para evitar algunos errores conocidos, esto mediante
combinaciones de la imagen con dichos elementos. Ejemplos de la aplicacin de esta
metodologa son los trabajos presentados en [54] y [55]. En [54] se utilizan los
operadores morfolgicos bsicos de erosin y dilatacin para reducir y expandir formas,
mientras que en [55] se emplea el operador Hit and Miss, el cual pretende encontrar
patrones de fondo y objeto a la vez en una imagen, siendo til, por ejemplo, para
encontrar estructuras de tipo esquina. Es posible realizar el adelgazamiento de un objeto
en una imagen calculando sus partes sobrantes con el operador Hit and Miss, y luego
restndolas al objeto original. La Figura 17 muestra el adelgazamiento de una huella
dactilar con y sin la aplicacin del operador morfolgico Hit and Miss, donde se observa
una imagen esqueletizada ms limpia en el segundo caso.

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:

2.3.4.2.1 Extraccin de minucias por seguimiento de lneas de flujo de las crestas


Se basan en la observacin de que las lneas de las crestas se componen por un conjunto de
pixeles con mximos locales en una direccin que pueden ser encontrados y seguidos. Estos
mtodos realizan una etapa de preprocesamiento simple en base a un filtrado gaussiano para
luego realizar un seguimiento de las curvas en base a niveles de gris detectando sus
discontinuidades y almacenando las caractersticas principales. El seguimiento se realiza
analizando sucesivos cortes transversales de las lneas y ubicando los mximos locales, tal como
se observa en la Figura 18 [45] [3].

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.

2.4 Reconocimiento de huellas dactilares usando cmaras como sensor


Se han realizado diversos estudios, con mayor o menor xito, para extraer la huella dactilar
usando ya sea la cmara de un telfono o una cmara digital conectada a un computador. Antes
de lograr este objetivo, se deben sortear una serie de dificultades inherentes al problema. Estas
dificultades se resumen en forma general en [57], trabajo en el cual se realiza el proceso de
reconocimiento de huella dactilar a partir del uso de una cmara de telfono celular como sensor
de captura de huellas dactilares. Estos problemas comunes a todos los sistemas de extraccin de
huellas dactilares a partir de fotografas de un dedo se pueden resumir de la siguiente forma:

Los dispositivos mviles no estn diseados para un uso biomtrico.

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.

Valoracin de la calidad de la imagen.

Es un factor importante en el rendimiento de un sistema de reconocimiento de huellas dactilares


que incluya un dispositivo mvil. Esto porque las imgenes de alta calidad requieren de un menor
procesamiento y mejoras que las de baja calidad. As, la imagen se denomina como corrupta si
las crestas y valles no son visibles y no es posible extraer de ellas las minucias.

Condiciones de iluminacin y presencia de un flash en el dispositivo mvil.

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.

Distorsiones angulares y en la posicin.

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.

Otros factores que afecten la calidad de la huella.

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.

Ausencia de una base de datos estndar

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.

En lo que respecta a la captura de huellas dactilares y reconocimiento de identidad usando un


dispositivo mvil, el trabajo ms completo se presenta en [58], donde se realiza la captura de las
fotos de huellas dactilares usando la cmara de un Smartphone en forma automtica, es decir, sin
la necesidad de presionar un botn o usar un sistema touch para hacer la captura. En este trabajo,
adems, se analizan varios mtodos de preprocesamiento de las imgenes capturadas evaluando
diferentes parmetros y configuraciones de los algoritmos, seleccionando estas operaciones en
base al esfuerzo computacional que involucran para garantizar que se puedan ejecutar en un
Smartphone con capacidad de memoria limitada. El prototipo obtenido fue evaluado en 2
Smartphones diferentes. A continuacin se resume paso a paso el sistema desarrollado en el
estudio citado.

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].

Con estas distancias se calcula el ngulo de correccin usando la ecuacin 2.4.



= ( ) ( 2.4)

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.

Preprocesamiento del rea encontrada para el dedo


Si el largo es mucho mayor que el ancho, se remueve el extremo inferior de la imagen
manteniendo una proporcin definida. Adems, se escala la imagen para tener un ancho estndar.
Posteriormente, se aplica un filtro de mediana para reducir el ruido de la cmara y se hace un
proceso de binarizacin local en el que se compara el valor del canal rojo de cada pixel con el
promedio de los pixeles vecinos en un bloque de cierto tamao. As la imagen queda en blanco y
negro

Las minucias se extraen de la imagen dactilar usando el motor de bsqueda de minucias de


cdigo abierto FingerJetFX1 generndose templates que se guardan acorde con el formato
estndar ISO/IEC 19794-2 [59], con la informacin de la posicin, ngulo de orientacin, tipo de
minucia y puntaje de calidad de cada minucia. Se justifica el uso de este extractor debido a su
bajo costo computacional, si bien se reconoce la aparicin de un alto nmero de falsas minucias y
errores en la determinacin de los ngulos de orientacin, lo que podra deberse a que fue
diseado para el anlisis de huellas dactilares tomadas mediante otro tipo de sensores.

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].

En cuanto a los tiempos de procesamiento, se calcul un promedio de 50[s] para el proceso de


enrolamiento y 22[s] promedio para el proceso de autentificacin. El primero se indica como ms
largo debido a que cada template se determina a partir del anlisis de dos imgenes. En cuanto al
tiempo de preprocesamiento de las imgenes, se seala con un promedio de 1.7 [s]. Es posible ver
el detalle de los tiempos de procesamiento del algoritmo en la Figura 23 para los dos
Smartphones empleados en el estudio.

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].

Como se mencion previamente, el proceso de extraccin de minucias en [58] presenta un gran


nmero de errores.

En [61] se presenta un mtodo en el que el hardware utilizado no corresponde a un dispositivo


mvil, sino una webcam conectada a un computador por una interfaz USB 2.0 con un enfoque
fijo a 8 [cm] del lente de la cmara. Luego de la captura de la imagen, se efecta un proceso de
normalizacin de la iluminacin a travs del algoritmo Retinex [62]. La imagen de entrada se
convierte al espacio de color HSV y se extrae el componente V correspondiente a la
Luminancia de la imagen, luego el algoritmo actualiza la estimacin de la luminosidad actual
para cada pixel de la componente V usando la operacin ratio-producto-reset-promedio. Este
algoritmo primero calcula las interacciones de larga distancia entre pixeles y luego las
interacciones de corta distancia. Los canales H, S y V normalizado se concatenan
nuevamente para continuar procesando la imagen posteriormente. Usando el componente V de
la imagen HSV, el canal Cr de la imagen YCbCr, junto con las componentes R, G y B
normalizadas de la imagen RGB se determinan umbrales que permitan eliminar el fondo
manteniendo slo el color piel correspondiente al dedo.
Posteriormente, con la imagen enmascarada (con el fondo eliminado) se realiza una
normalizacin local de la imagen en escala de grises en base a filtros gaussianos. Luego de la
normalizacin local, se aplica un Filtro de Coherencia [63], mediante el cual se realiza un proceso
de difusin anisotrpica de la imagen en escala de grises eliminando el ruido de la imagen y
preservando los bordes conformantes de la huella, removiendo tambin cortes inesperados en las
lneas. El proceso es iterativo, obteniendo cada vez imgenes ms suaves. Cada una de estas
imgenes es el resultado de la convolucin de la imagen y un filtro Gaussiano isotrpico
bidimensional. Para extraer las crestas de la huella perfectamente, la imagen debe ser binarizada
30
mediante un algoritmo de umbralizacin adaptiva que, en la imagen dividida en bloques, compara
los valores de los pixeles en escala de grises con el valor promedio del bloque de pertenencia. La
orientacin de la huella dactilar se estima calculando la orientacin del flujo local en pequeos
bloques de la imagen, calculando los gradientes verticales y horizontales de cada pixel.
Posteriormente, se realiza un proceso de adelgazamiento de las lneas, dejndolas de un ancho de
un pixel y luego se extraen las minucias de la huella. Eliminando posteriormente las minucias
falsas encontradas. La Figura 24 muestra los distintos pasos por los que pasa la imagen capturada
para extraer sus minucias.

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].

En base a los aspectos mencionados anteriormente en la contextualizacin del proyecto de ttulo,


es posible sealar la importancia del trabajo a desarrollar. En primer lugar, se utilizar como
sensor para capturar la huella un tipo muy poco empleado en la bibliografa, como lo es una
31
cmara digital. Ms an, el sistema se intentar implementar completamente en un dispositivo
mvil, minimizando los equipos utilizados actualmente para la identificacin de personas, pues el
contar con varios de ellos funcionando a la vez produce un mayor consumo energtico y resulta
poco prctico.

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.

2. Subdividir el proyecto en etapas de implementacin. Definiendo adems las herramientas


a utilizar para su resolucin.

3. Estudiar la factibilidad de implementar el desarrollo completo en un dispositivo mvil o


apoyar el desarrollo con la utilizacin de un computador. Esto, validando la
implementacin mediante criterios simples.

3.2 Revisin de mtodos, dificultades del problema y simplificaciones


La revisin planteada es la presentada en la ltima parte del Captulo 2: Revisin Bibliogrfica,
en la seccin 2.4 Reconocimiento de huellas dactilares usando cmaras como sensor. En ella se
definen una serie de dificultades propias del proyecto a desarrollar, que tienen que ver tanto con
las condiciones del ambiente de trabajo como con las limitaciones del hardware a utilizar, las
cuales de una u otra forma enmarcan la metodologa empleada. Considerando dichos factores
(para mayor detalle revisar la seccin 2.4) se establecen los siguientes aspectos:

Imgenes para pruebas de funcionamiento y construccin de una base de datos de trabajo.


Definicin de condiciones de iluminacin.
Limitaciones de la capacidad de enfoque y flash en el dispositivo mvil.
Necesidad de valorar la calidad de la imagen capturada.
Normalizacin de distorsiones geomtricas en la imagen.
3.2.1 Imgenes para pruebas de funcionamiento y construccin de una base de datos de
trabajo
Para la realizacin de pruebas de funcionamiento, como no se dispone de una base de datos
estndar para la resolucin de este tipo de problemas, se define que para cada etapa se efectuarn
diversas pruebas ad-hoc a ellas, es decir, dependiendo de las necesidades de la misma. Sin
embargo, para efectos de poder presentar resultados de la etapa de comparacin de huellas, se
debe construir una coleccin de imgenes.

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.

3.2.2 Definicin de condiciones de iluminacin


Independiente del dispositivo a utilizar, el hecho de ser un sistema mvil implica la posibilidad
de ser empleado por el usuario bajo diversas condiciones de iluminacin, aspecto crtico para
todo sistema de reconocimiento basado en imgenes. Esta gran cantidad de condiciones influyen
directamente en el desempeo de cualquier solucin propuesta. Como se ver en las secciones
posteriores de este documento, para realizar la deteccin del dedo en la imagen, es necesario fijar
parmetros que dependen de la iluminacin ambiente, por lo que ser un factor importante a
considerar.

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.

3.2.4 Necesidad de evaluar la calidad de la imagen capturada


Para poder extraer la huella dactilar, la imagen debe tener un detalle que permita observar las
crestas y valles conformantes de dicho patrn biomtrico. Con esta consideracin es que se
estudiarn dos mtodos que permitan evaluar la calidad de la imagen capturada: la medicin del
nivel de nitidez de la imagen a partir de su densidad de bordes (seccin 2.4) y la medicin del
Factor Global de Contraste (GCF) de la imagen [64].

3.2.4.1 Medicin del nivel de nitidez de la imagen usando la densidad de bordes


A partir de la revisin hecha en la seccin 2.4, se utilizar la medicin del nivel de nitidez a
travs de la densidad de bordes para aceptar o rechazar una imagen. Esta densidad de bordes se
calcula en una porcin central (50x50 pixeles) sobre el canal Rojo de la imagen RGB, filtrada

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.

No se tienen antecedentes de rangos de valores de la densidad de bordes que permitan aceptar o


rechazar una imagen.

3.2.4.2 Medicin del Factor Global de Contraste (GCF) de la imagen


Una alternativa a la medicin anterior corresponde al mtodo presentado en [64]. Si bien en el
procesamiento de imgenes se entiende el concepto de contraste como una relacin entre los
tonos oscuros y tonos claros observados, en dicho trabajo se introduce el concepto de Factor
Global de Contraste (GCF) ms bien ligado a la percepcin del contraste de la imagen en
distintas resoluciones. Para el clculo de este factor se definen los conceptos de contraste local,
referido al contraste de cualquier porcin (recuadro interior) de una imagen, y de contraste
global, que no es otra cosa que el promedio de los contrastes locales de distintas fracciones de la
imagen. El procedimiento indicado para el clculo del GCF es el siguiente:
a) En primer lugar se introducen los conceptos de Luminancia lineal y Luminancia
perceptiva:

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.

A partir de la Luminancia lineal, se define la Luminancia perceptiva del pixel de valor


mediante la siguiente ecuacin:


= = () (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:

Considerando una imagen de pixeles de ancho y pixeles de alto, la imagen se


reordena como un arreglo unidimensional que contiene todas las filas
concatenadas y sin traslape. Luego, el contraste local del pixel estar dado por:
| |+| + |+| |+|+ |
= (3.3)

Dnde, si nos remontamos a la imagen previa al reordenamiento, se toman en


cuenta los pixeles ubicados a la izquierda, a la derecha, arriba y abajo del pixel :

: .
1 :
.
+1 :
.
: .
+ : .
: Contraste local del pixel i.

Entonces, el Contraste promedio local de la imagen se calcula como:



=
= (3.4)

Dnde:

: .

El procedimiento se repite veces para la imagen con una resolucin reducida,


cada vez, a la mitad de la resolucin anterior, lo cual se obtiene tomando el valor
del nuevo pixel como el promedio de bloques de 4 pixeles de la resolucin
anterior.

De esta forma es posible calcular el Factor de Contraste Global segn la siguiente


ecuacin:

=
= (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].

3.2.5 Normalizacin de distorsiones geomtricas en la imagen


El usuario puede disponer el dedo a capturar con cualquier ngulo de orientacin, con cualquier
ngulo de inclinacin y en cualquier posicin. Como existen muchas poses potenciales, esto
puede constituir un problema y se debe hacer un proceso de normalizacin, una vez encontrado el
dedo dentro de la imagen (la secuencia de pasos a seguir para llegar a la etapa de correccin de la
pose se indica en la seccin 3.3 Etapas del proyecto y mtodos a utilizar).

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.

3.2.5.1 Variaciones en el ngulo de orientacin


Se considera la aplicacin de un ngulo de correccin sobre la imagen, de manera que el dedo
capturado quede en posicin vertical. Para esto se analizan dos opciones, explicadas a
continuacin.

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 .

Se hace un seguimiento de color horizontalmente desde 2 hasta el lmite de la piel


encontrada. A la distancia entre 2 y el punto de interseccin encontrado, se le denomina
2 .

El ngulo de correccin se calcula segn la ecuacin 2.4, presentada en la Seccin 2.4.



= ( ) (. )

La correccin de la orientacin se efecta utilizando como Factor de Correccin ():

= () ( 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:

Recorrido horizontal de los pixeles de la imagen enmascarada utilizando la piel


encontrada, es decir, sin el fondo y slo con el dedo, para determinar los bordes del
mismo. Un pixel se determina como parte del borde de la imagen si existe un cambio de
color blanco (fondo) a nivel de gris (dedo) o viceversa. De esta forma se encuentran los
bordes tanto a la izquierda como a la derecha del dedo. El mismo recorrido se realiza en
forma vertical para hallar los ubicados en la parte superior e inferior del dedo3.

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.

Considerando el eje de simetra encontrado, se calcula su ngulo

= () (3.8)
Dnde:
:
.

Se aplica el factor de correccin sobre la imagen en relacin al ngulo encontrado.

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.

3.2.5.2 rea del dedo que contiene la huella dactilar


El rea el dedo que contiene la huella dactilar slo corresponde al primer tercio de este. Sin
embargo, dentro de la imagen puede aparecer un rea mucho mayor, ya sea por el
posicionamiento que hace el usuario o por las limitaciones de distancia de enfoque del dispositivo
mvil. Por esto, si el largo es mucho mayor que el ancho, se remueve el extremo inferior de la
imagen manteniendo una proporcin definida entre ambas medidas.

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.

3.3 Etapas del proyecto y mtodos a utilizar


Para llevar a cabo el proyecto en forma completa, este se puede dividir en distintas etapas:

Deteccin de la presencia de un dedo en la imagen.


Captura, correccin de pose y estimacin de la calidad de la imagen.
Extraccin de la huella dactilar viva.
Extraccin de minucias a partir de la huella dactilar obtenida.
Con la finalidad de obtener resultados comparativos, se define una quinta etapa del
proyecto, correspondiente a la aplicacin de un algoritmo de comparacin de imgenes
que permita aceptar o rechazar la identidad de un individuo en base a la imagen de huella
dactilar obtenida mediante el dispositivo mvil. Esto en forma independiente a la
extraccin de minucias.

3.3.1 Deteccin de la presencia de un dedo en la imagen


En forma previa a la captura de la imagen, el sistema a implementar deber ser capaz de detectar
la presencia de un dedo en la escena y ubicarlo en la misma. Esto en la imagen de
previsualizacin de la cmara. En la seccin 2.4 se hace referencia a mtodos que emplean el
anlisis del canal Rojo de la imagen en formato RGB con estos fines, sin embargo se decide
40
implementar un mtodo ms robusto para la deteccin de piel en la imagen, y que a la vez no
requiere una gran cantidad de recursos computacionales, pensando en su implementacin en el
dispositivo mvil.

El mtodo considerado corresponde a la Aplicacin de Modelos Estadsticos de Color a la


Deteccin de Piel [65], el cual permite clasificar cada pixel como piel o no piel en base a modelos
probabilsticos obtenidos para ambas clases. Este mtodo recibe como entrada una imagen a color
de 3 canales en formato RGB y cada pixel es etiquetado como piel si se cumple que:
(|)
( 3.9)
(| )

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)
() ||

Donde es un vector de color RGB y la contribucin de la gaussiana es determinada


por un peso escalar , el vector de medias y la matriz de covarianza diagonal .
3.3.2 Captura, correccin de pose y estimacin de la calidad de la imagen
Con el dedo ya detectado en la imagen de previsualizacin de la cmara, se debe pasar a la
captura de la imagen. Los pasos a seguir son los siguientes:
1. Se crea una mscara de imagen a partir del resultado de la deteccin de piel previamente
realizada. Sobreponiendo esta mscara en la imagen original es posible eliminar el fondo.

2. Se aplican los procedimientos de correccin de la pose del dedo, es decir, la correccin


del ngulo de rotacin (ver seccin 3.2.5.1) y la seleccin del rea que contiene la huella
dactilar junto con el escalamiento de tamao (ver seccin 3.2.5.2). Para realizar la
correccin del ngulo de rotacin, primeramente se transforma la imagen de colores en
formato RGB a escala de grises.

3. Se debe efectuar la valoracin de la calidad de la misma analizando su nitidez, como se


indica en la seccin 3.2.4. En esta medicin de nitidez tendr influencia directa la calidad
del enfoque.

4. Si se encontr la presencia de un dedo frente a la cmara y si la imagen es lo


suficientemente clara, esto es, permite realizar el procesamiento necesario para extraer la
huella dactilar, se acepta la imagen y se pasa a las etapas siguientes, de lo contrario es
necesario volver a capturar una nueva imagen.

3.3.3 Extraccin de la huella dactilar viva


Con la imagen capturada, recortada y enmascarada conteniendo el dedo en posicin vertical, se
debe extraer la huella dactilar presente en el dedo (huella dactilar viva). El mtodo a utilizar es el

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.

2. Normalizacin de la imagen en escala de grises para reducir las diferencias en la


iluminacin. Esto porque, inclusive bajo condiciones controladas, la forma del dedo
produce diferencias en la iluminacin de sus distintas reas, las cuales se pueden ver
acentuadas debido a la utilizacin del flash de la cmara del dispositivo mvil.

3. Aplicacin del algoritmo Filtro de Coherencia. Consistente en un proceso de difusin


anisotrpica de la imagen en escala de grises eliminando el ruido de la imagen y
preservando los bordes conformantes de la huella, removiendo tambin cortes inesperados
en las lneas. El proceso es iterativo, obteniendo cada vez imgenes ms suaves. Cada una
de estas imgenes es el resultado de la convolucin de la imagen y un filtro Gaussiano
isotrpico bidimensional. En forma iterativa y fijando previamente un tiempo de difusin,
los pasos a seguir son:

a) La imagen se suaviza mediante la aplicacin de un Filtro Gaussiano.


b) Clculo del Hessiano de la imagen suavizada.
c) Suavizado Gaussiano del Hessiano y clculo de sus valores y vectores propios.
d) Los vectores propios son usados como direcciones de los tensores de difusin. La
amplitud de la difusin se basa en los valores propios y se determina mediante la
ecuacin de Weickerts [66].
e) Se usa un esquema de diferencias finitas para hacer la difusin.
f) Se regresa al punto (a) hasta que se cumpla con el tiempo de difusin fijado
previamente.
Ms detalles de este mtodo se pueden observar en el Anexo A: Filtro de Coherencia.

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.

3.3.4 Extraccin de minucias a partir de la huella obtenida


Con la huella dactilar viva ya obtenida a partir de la imagen, se deben extraer las caractersticas
utilizadas para el reconocimiento de identidad, es decir, las minucias. En la seccin 2.3.4 se
describen algunos mtodos utilizados para la deteccin de minucias. Se opta en este proyecto por
trabajar sobre la imagen binarizada, a la cual se le realiza un proceso de adelgazamiento que
permite dejar las lneas de la huella con un ancho de 1 pixel, para luego, usando el mtodo de
Crossing Number (ver seccin 2.3.4.1.1), identificar las minucias presentes.

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.

En la seccin 2.3 se present una clasificacin de diferentes tcnicas utilizadas para el


reconocimiento de personas en base a huellas dactilares. Dentro de los mtodos basados en
patrones se mencion el uso de la Transformada de Caractersticas de Escala Invariante (SIFT)
[67] la cual permite detectar puntos de inters y calcular descriptores en el vecindario de dichos
puntos, que se utilizan para efectuar una comparacin entre huellas.

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.

3.4 Estudio de factibilidad de implementacin en un dispositivo mvil


Resulta necesario discernir acerca de la posibilidad de implementar el sistema completo en el
dispositivo mvil o, si es necesario, implementar slo una parte de los algoritmos en l y el resto
en un computador. La metodologa para tomar esta decisin consiste en la implementacin de los
algoritmos primero en forma separada (cada etapa por separado) en el dispositivo para analizar su
factibilidad. El criterio principal corresponde al tiempo de ejecucin, aspecto fundamental en
aplicaciones en dispositivos mviles.

Es as como, segn se ver en el Captulo 4: Resultados y Anlisis, del presente documento, el


mtodo escogido para la segmentacin de la huella dactilar a partir de la imagen del dedo, resulta
de un alto costo computacional y, por ende, con un tiempo de procesamiento prohibitivo para
aplicaciones en dispositivos mviles.

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.

En primer lugar se presentan los antecedentes generales donde se enmarcan la implementacin


descrita y los resultados obtenidos.

La seccin 4.2 da cuenta de la etapa inicial del sistema desarrollado, correspondiente a la


deteccin del dedo frente a la cmara del dispositivo mvil y la eliminacin del fondo de la
imagen.

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 acpite 4.5 presenta la implementacin y resultados de la obtencin de la huella dactilar a


partir de la imagen preprocesada.

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.

4.1 Antecedentes generales


Los algoritmos aplicados para funcionar en el dispositivo mvil con Sistema Operativo Android
son programados en lenguaje Java mediante el SDK de Android y el entorno de desarrollo
Eclipse. As mismo, dentro de este mismo entorno se utiliza el paquete de herramientas para el
procesamiento de imgenes de OpenCV para Android.

De los dispositivos disponibles, mencionados en la seccin 3.2.3, se determin que el Smart


Phone marca Avvio, modelo 792 (cmara de 8 MP y baja capacidad de enfoque), no cuenta con
las caractersticas suficientes para el desarrollo de este proyecto, pues todas las pruebas
preliminares de uso de su cmara mostraron imgenes de una calidad insuficiente, sin llegar a
lograr el enfoque necesario; mientras que los Smart Phones Samsung, modelo Galaxy S3
(cmara de 8MP y capacidad de enfoque en modo autofoco y enfoque tctil) y Huawei, modelo
G-Play Mini (cmara de 13 MP y capacidad de enfoque en modo autofoco y enfoque tctil),
resultaron factibles de usar en las pruebas preliminares, es decir, las huellas resultaron notorias en
las imgenes tomadas con estos dispositivos. Se utiliz este ltimo Smart Phone para la
implementacin aqu descrita.

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.

Posterior a la deteccin de piel se aplican sucesivamente la operacin morfolgica de dilatacin 5


veces y luego la operacin morfolgica de erosin otras 5 veces, con el fin de recuperar pequeas
zonas tiles que se hayan eliminado, y tambin para cerrar formas que hayan quedado abiertas
(esto apuntando al hecho de que los dedos presentan superficies cerradas, sin aperturas o huecos).

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.

Como referencia para el usuario, en la pantalla del dispositivo mvil se muestra la


previsualizacin de la cmara (imagen en movimiento) con un recuadro de color rojo que
encierra la zona detectada como piel.

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.

La principal dificultad observada es el tiempo que transcurre entre la deteccin y creacin de la


mscara, y la captura de la imagen enfocada, pues un movimiento brusco durante estos pasos
provoca la prdida del rea correcta del dedo. Esto depende directamente del usuario, lo que pudo
notarse en el proceso de construccin de la coleccin de imgenes mencionada en la seccin
3.2.1, en el que se debi repetir la captura en, aproximadamente, un 10% de las imgenes.

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.

Una vez colocado el dedo en posicin vertical se selecciona un segmento correspondiente a su


primer tercio, sector donde se encuentra la huella dactilar. Se mantiene el supuesto de que el
extremo ms alejado del borde de la imagen corresponde a la punta del dedo (determinado con
anterioridad a la rotacin). El ancho del dedo se determin como la distancia entre sus lmites
izquierdo y derecho en la zona media. Con la posicin de la punta del dedo y su ancho, se fij el
largo conservado como 1.5 veces la medida del ancho. El rea seleccionada corresponde,
entonces, a aquella que va, en la horizontal, desde el eje central vertical del dedo menos la mitad
del ancho medido hasta el eje central vertical ms la mitad del ancho medido; y, en la direccin
vertical, desde la altura de su lmite superior hasta una distancia equivalente a 1.5 veces el ancho
encontrado, medido hacia abajo.

Se fij el escalamiento de la imagen de manera tal que su resolucin final corresponda a 300x200
pixeles.

Se plantea la realizacin de esta etapa con anterioridad a la medicin de calidad de la imagen


debido a que esta medicin requiere de la seleccin de un rea interior del dedo, lo que se asegura
si el dedo se encuentra en una posicin preestablecida.

4.4 Medicin de calidad y captura de imagen


En la seccin 3.2.4 se plantean dos opciones para medir la calidad de la imagen a capturar:
medicin de su nivel de nitidez usando la densidad de bordes y medicin del Factor Global de
Contraste de la imagen. A continuacin se da cuenta de los resultados obtenidos con ambos
mtodos.

En relacin a la medicin de la nitidez de la imagen, esta se calcul posterior a la aplicacin de


un filtro detector de bordes del tipo Sobel en el canal R de la imagen RGB. El rea utilizada
para su determinacin, como se indica en la seccin 3.2.4.1, corresponde a una porcin central-
superior del dedo de 50x50 pixeles, encontrada buscando los lmites del dedo en la imagen que
presenta su segmentacin respecto al fondo (eliminacin del fondo). Para la medicin se emplea
la ecuacin 1.3.

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.

Figura 35: Etapa de determinacin de la calidad de la imagen midiendo su nitidez. De izquierda a


derecha la imagen captada mediante la cmara del dispositivo, deteccin de bordes usando filtro
Sobel sobre la imagen enmascarada (resultado de la segmentacin usando un detector de piel), y
acercamiento de los bordes encontrados mostrando en rojo el rea sobre la cual se calcula la
densidad de bordes. Caso en que la imagen no resulta lo suficientemente clara.

Figura 36: Etapa de determinacin de la calidad de la imagen midiendo su nitidez. De izquierda a


derecha la imagen captada mediante la cmara del dispositivo, deteccin de bordes usando filtro
Sobel sobre la imagen enmascarada (resultado de la segmentacin usando un detector de piel), y
acercamiento de los bordes encontrados mostrando en rojo el rea sobre la cual se calcula la
densidad de bordes. 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). Del 1 al 6
la imagen va disminuyendo su resolucin a la mitad de la anterior asignando a cada pixel un valor
igual al promedio de 4 pixeles de la imagen de la etapa previa. De cada imagen se obtiene un Factor
Local de Contraste, resultados que son usados para calcular el GCF. El algoritmo se realiza sobre la
imagen en escalada de grises.

La Figura 37 da cuenta del proceso iterativo de disminucin de la resolucin de la imagen que


permite calcular el Contraste Promedio Local para cada una de dichas resoluciones, medidas que

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.

A partir de la observacin de resultados obtenidos mediante el mtodo del Factor Global de


Contraste, se consider la opcin de aplicar en forma previa un aumento de la diferencia de tonos
de la imagen mediante una Ecualizacin por Histograma. Si bien tambin se observaron
resultados preliminares con este paso previo para el mtodo de Densidad de Bordes, no se
notaron cambios relevantes en los resultados. La Tabla 2 presenta los resultados obtenidos para
30 imgenes con distintos grados de calidad.

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.

Si la imagen es aceptada, el rectngulo de color rojo dispuesto en la imagen de previsualizacin


de la cmara para indicar la regin donde se encontr el dedo, se cambia a color verde. Adems,
entonces se realiza la captura de la imagen para continuar el procesamiento con miras a obtener la
huella dactilar. Es necesario mencionar que la resolucin de una fotografa tomada (captura) es
mayor a la resolucin de la imagen en movimiento presentada en la pantalla del dispositivo mvil
(imagen de previsualizacin), por lo que el detalle puede aumentar.

4.5 Obtencin huella dactilar viva


Posterior a la seleccin y escalamiento del rea de inters y a la medicin de la calidad, si la
imagen es aceptada, sigue el proceso que permite obtener la huella dactilar que, como ha sido
mencionado anteriormente, se puede denominar como huella dactilar viva al ser extrada
directamente desde la imagen del dedo, sin un sensor especializado.

Como se indica en la seccin 3.3.3, la primera etapa consiste en la normalizacin de la imagen en


escala de grises del dedo, para posteriormente aplicar un Filtro de Coherencia sobre la imagen
normalizada. Finalmente, se obtiene una imagen binarizada, es decir, en blanco y negro, como
resultado de la implementacin de un proceso de umbralizacin adaptiva. La Figura 40 da cuenta
de este proceso.

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.

Para detallar resultados de esta etapa y la siguiente, se construy la coleccin de imgenes


descrita en la seccin 3.2.1. La Tabla 3 muestra los resultados promedio de la extraccin de
minucias para estos 24 dedos, considerando las 5 muestras distintas para cada uno. Se presentan
el promedio de minucias del tipo bifurcacin y del tipo trmino, y se agrega tambin el promedio
del GCF calculado. Un detalle de los resultados obtenidos para cada muestra se presenta en el
Anexo B: Detalle de resultados para la extraccin de minucias.

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.

Posterior a la extraccin de minucias, se procede a la comparacin de huellas dactilares. A


continuacin se da cuenta de esta etapa, pero considerando una alternativa distinta al uso de
minucias.

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.

SIFT involucra tanto un detector de caractersticas como un descriptor de dichas caractersticas.


El detector extrae de la imagen un nmero de frames o regiones de inters, mientras que el
descriptor asocia a estas regiones informacin que identifica su apariencia compacta y
robustamente. De esta forma la implementacin utilizada permite encontrar frames y su
correspondiente descriptor.

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.

La Figura 44 presenta el resultado de la aplicacin del algoritmo sobre un par de huellas


dactilares. La imagen 1 de la figura muestra la aplicacin directamente sobre la huella dactilar. La
imagen 2 muestra el resultado sobre la huella adelgazada, observndose un notorio aumento de
matchings (lneas azules) respecto del caso de la imagen 1. La imagen 3 presenta la misma
aplicacin de SIFT sobre la huella adelgazada, pero aadiendo la eliminacin de matches
mediante RANSAC. En este ltimo caso es posible notar la eliminacin de emparejamientos
errneos.

Mediante la comparacin de las 120 huellas obtenidas anteriormente, en un proceso de 1 versus


el resto, lo que da un total de 14280 pareos, se determin la aceptacin o rechazo del matching en
funcin del nmero de matches entre caractersticas encontradas. Los resultados se muestran en
la Tabla 4 y la Tabla 5, adems de la Figura 45 y la Figura 46. La primera tabla y primera figura
resumen los resultados usando la transformada SIFT, mientras que la segunda tabla y segunda
figura resumen los resultados usando la transformada SIFT seguida de RANSAC. Se presentan
los resultados en trminos de Verdaderos Positivos (TP), Falsos Positivos (FP), Verdaderos

Negativos (TN) y Falsos Negativos (FN), adems de los ndices de Sensibilidad (+),
+
Especificidad (+) y Exactitud ( ). Ambas figuras corresponden a las respectivas curvas
ROC, construidas usando la Tasa de Verdaderos Positivos (equivaente a la Sensibilidad) y la
Tasa de Falsos Positivos (calculada como 1-Especificidad). En ambas tablas se observan bajas
tasas de Sensibilidad y Especificidad y, si bien la aplicacin de RANSAC para reducir matches
efectivamente lo hace, el resultado final no produce mejoras sustanciales respecto de usar slo
SIFT. Si se establece una alta sensibilidad, es a costa de una baja especificidad y viceversa. La
exactitud se presenta alta al ser alto el rechazo, pues en las imgenes utilizadas los casos de
comparaciones entre huellas distintas son la mayora. Si se debe elegir un resultado, manteniendo

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

Tasa de Verdaderos Positivos


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 45: Curva ROC mtodo de comparacin usando el algoritmo SIFT.

Curva ROC SIFT-RANSAC


1,00
Tasa de Verdaderos Positivos

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.

El proceso en cuestin se separ en diferentes etapas, estudiando su factibilidad y dificultades e


implementando soluciones a las mismas. De esta forma, se procedi a realizar un estudio del
estado del arte para encontrar mtodos que permitieran detectar el dedo en la imagen y realizar la
segmentacin para separarlo del fondo, corregir su posicin y seleccionar el rea de inters,
medir la calidad de la imagen para decidir si es factible o no obtener una huella dactilar (huella
viva), hacerlo si es posible, extraer sus puntos caractersticos o minucias y, adicionalmente,
comparar las huellas.

Un paso previo necesario fue determinar la factibilidad de desarrollar el sistema completo en el


dispositivo mvil o slo la etapa de adquisicin de la imagen. Las pruebas realizadas permitieron
concluir que, si bien los dispositivos mviles hoy en da tienen amplias capacidades de cmputo,
an no es posible desarrollar un sistema robusto y completo con el objetivo planteado
funcionando cien por ciento en el dispositivo. Lo anterior debido a que la carga computacional y,
por ende, el tiempo de cmputo de los mtodos implementados resultan altos para el uso
cotidiano en el dispositivo mvil, pensando tambin en que estos se encuentran ejecutando en
forma continua procesos que exigen al mximo sus recursos. Con este hecho, se implement una
parte del sistema en el entorno Matlab.

Adems, se reconoce como un requisito crtico la consideracin de las caractersticas del


hardware contenido en el dispositivo mvil, ms especficamente de su cmara, siendo el
factor ms importante la capacidad de enfoque. Se concluye que una cmara que no
permita enfocar el dedo de manera correcta (que la huella resulte visible en la captura
realizada), independiente de su resolucin, no permitir extraer una huella dactilar. No es
posible obtener mayores conclusiones acerca de los equipos debido a que los considerados
en este estudio no representan una muestra significativa del universo existente.

Se desarrollaron las etapas de adquisicin, de la imagen, deteccin del dedo, segmentacin,


correccin de pose y rea, y medicin de calidad para ser ejecutadas en el dispositivo mediante el
SDK de Android y las libreras de OpenCV para Android.

Con respecto a la etapa de adquisicin y deteccin del dedo en la imagen, se implement un


sistema en base al anlisis de color apoyado del hardware de un Smart Phone. El sistema en
cuestin permiti obtener imgenes a partir de la cmara en interaccin con la pantalla y usando
el flash para estandarizar de la mejor manera posible las condiciones de iluminacin. Sin
embargo, este presenta las dificultades propias del uso de los dispositivos mviles: el usuario no
se encuentra fijo y puede mover su dedo justo en el momento en el que se obtiene la imagen a
69
analizar y su portabilidad permite el uso en cualquier condicin de iluminacin. Si bien el flash
ayuda a mejorar esta ltima, no es una mejora absoluta. Se observ tambin, como se mencion
anteriormente, la influencia de la capacidad de enfoque de la cmara, la cual tiene implicancia
directa en la adquisicin de una imagen de calidad suficiente. Considerando estas dificultades,
fue posible obtener imgenes detectando la presencia del dedo en la misma mediante el anlisis
de color y un detector de piel.

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 aplicaron los algoritmos de Normalizacin Local, para compensar las diferencias de


iluminacin en la imagen; Filtro de Coherencia, el cual permite rellenar los espacios y hacer
notoria una huella suavizada; y binarizacin mediante la aplicacin de un umbral adaptivo para
cada pixel de la imagen. Estos pasos permitieron obtener huellas dactilares a partir de las
fotografas. Se estableci que si la imagen cumple con las condiciones de la etapa anterior al
medir su calidad, resulta posible extraer la huella con surcos y valles, y por ende minucias,
visibles.

El paso natural posterior a la obtencin de la huella en los mtodos clsicos de verificacin de


identidad corresponde a la extraccin de puntos caractersticos o minucias. Estos puntos se
utilizan de manera estndar estando inclusive incluidos como parte del cdigo de las cdulas de
identidad, por lo que podra compararse una huella dactilar obtenida con un sensor o, en este
caso, con una cmara, con la informacin presente en las cdulas de identidad, verificacin de
identidad que permitira obviar la necesidad de una base de datos. Por esto, en este trabajo se
implement un mtodo de extraccin de minucias mediante el seguimiento de las lneas
adelgazadas al ancho de 1 pixel, eliminando falsas minucias presentes en los bordes del dedo. El
mtodo aplicado sobre las huellas vivas permiti extraer minucias del tipo bifurcacin y trmino
que permitiran comparar estas huellas con huellas dactilares guardadas en una base de datos y
obtenidas mediante sensores especializados.

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.

5.2 Trabajo Futuro


Existen diversas aristas que merecen ser estudiadas en profundidad para mejorar la precisin de
los algoritmos y sobrepasar obstculos de la implementacin. Parte de estos aspectos se
relacionan con las etapas de adquisicin, extraccin de minucias y comparacin de huellas
dactilares.

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.

En la extraccin de minucias, queda propuesto el estudio de la eliminacin de aquellas que


correspondan a minucias falsas, enfocndose en aquellas que se detectan a una distancia muy
pequea entre s.

Acerca del proceso de comparacin de huellas, quedan como problemas propuestos: la


construccin de una base de datos an mayor que presente un equilibrio entre los casos de
comparacin positiva y negativa y con ms muestras para el estudio; la construccin paralela de
una base de datos con huellas a partir de sensores clsicos para compararlas con las obtenidas con
la cmara; y la implementacin de nuevos mtodos de comparacin en base a patrones de la
imagen. Inclusive podra mejorarse el uso de la transformada SIFT implementando el sistema
propuesto en [39].

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

D. Maio, D. Maltoni y C. Rizzi, An Efficient Approach to On-Line Fingerprint


[1] Verification, de VIII Int. Symp. on Artificial Intelligence, Mexico, 1995.

A. K. Jain, A. Ross y S. Prabhakar, An Introduction to Biometric Recognition, IEEE


[2] Transactions on Circuits and Systems for Video Technology, vol. 14, n 1, pp. 4-20, 2004.

E. Morales, Memoria para Optar al Ttulo de Ingeniero Civil Electricista: Deteccin


[3] Automtica de Vectores de Caractersticas en Huellas Dactilares, Santiago: Universidad de
Chile, acultad de Ciencias Fsicas y Matermticas, Departamento de Ingeniera Civil
Elctrica, 2000.

J. L. Wayman, Fundamentals of Biometric Authentication Technologies, Int J. Image


[4] Graphics, vol. 1, n 1, pp. 93-113, 2001.

J. Shea, Handbook of Fingerprint Recognition, Electrical Insulation Magazine, IEEE, 2004.


[5]
Z. Singhal, P. Gupta y K. Garg, Biometric Recognition: Personal Identification
[6] Technique, IJCEM International Journal of Computational Engineering & Management,
vol. 15, n 3, pp. 6-10, 2012.

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.

B. Victor, K. Bowyer y S. Sarkar, An Evaluation of Face and Ear Biometrics, de


[8] Proceedings of International Conference on Pattern Recognition, 2002.

R. Brunelli y T. Poggio, Face Recognition: Features Versus Templates, Pattern Analysis


[9] and Machine Intelligence, IEEE Transactions, vol. 15, n 10, pp. 1042-1052, 1993.

E. Bagherian y R. Rahmat, Facial Feature Extraction for Face Recognition: a Review,


[10] Information Technology, 2008. ITSim 2008. International Symposium on, vol. 2, pp. 1-9, 26-
28 Aug. 2008.

C. Perez y L. Castillo, Illumination Compensation for Face Recognition by Genetic


[11] Optimization of the Self-Quotient Image Method, Optomechatronic Technologies, 2009.
ISOT 2009. International Symposium, pp. 322-327, 21-23 Sept. 2009.

Sanchit, M. Ramalho, P. Correia y L. Soares, Biometric Identification Through Palm and


[12] Dorsal Hand Vein Patterns, EUROCON - International Conference on Computer as a Tool
(EUROCON), 2011 IEEE, pp. 1-4, 27-29 April 2011.

A. Yuksel, L. Akarun y B. Sankur, Hand Vein Biometry Based on Geometry and


[13] Appearance Methods, Computer Vision, IET, vol. 5, n 6, pp. 398-406, 2011.

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.

O. Ayurzana, B. Pumbuurei y H. Kim, A Study of Hand-Geometry Recognition System,


[15] Strategic Technology (IFOST), 2013 8th International Forum, vol. 2, pp. 132-135, 2013.

R. Wildes, Iris Recognition: An Emerging Biometric Technology, Proceedings of the


[16] IEEE, vol. 85, n 9, pp. 1348-1363, 1997.

J. Daugman, How iris recognition works, Circuits and Systems for Video Technology,
[17] IEEE Transactions, vol. 14, n 1, pp. 21-30, 2004.

S. Venkatachalam, P. Kannan y V. Palanisamy, Combining Cryptography with Biometrics


[18] for Enhanced Security, Control, Automation, Communication and Energy Conservation,
2009. INCACEC 2009. 2009 International Conference, pp. 1-6, 4-6 June 2009.

C. Wongchoosuk, M. Lutz, T. Puntheeranurak, T. Youngrod, H. Phetmung y T.


[19] Kerdcharoen, Identification of People from Armpit Odor Region Using Networked
Electronic Nose, Defense Science Research Conference and Expo (DSR), 2011, pp. 1-4, 3-5
Aug. 2011.

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.

L. Latha, M. Pabitha y S. Thangasamy, A Novel Method for Person Authentication Using


[21] Retinal Images, Innovative Computing Technologies (ICICT), 2010 International
Conference, pp. 1-6, 12-13 Feb. 2010.

A. A. M. Abushariah, T. Gunawan, J. Chebil y M. A. M. Abushariah, Automatic Person


[22] Identification System Using Handwritten Signatures, Computer and Communication
Engineering (ICCCE), 2012 International Conference, pp. 560-565, 3-5 July 2012.

P. Phillips, A. Martin, C. Wilson y M. Przybocki, An Introduction Evaluating Biometric


[23] Systems, Computer, vol. 33, n 2, pp. 56-63, 2000.

R. Cappelli, D. Maio, D. Maltoni, J. L. Wayman y A. K. Jain, Performance Evaluation of


[24] Fingerprint Verification Systems, IEEE transactions on pattern analysis and machine
intelligence, vol. 28, n 1, pp. 3-18, 2006.

R. Bansal, P. Sehgal y P. Bedi, Minutiae Extraction from Fingerprint Images - a Review,


[25] IJCSI International Journal of Computer Science Issues, vol. 8, n 3, 2011.

L. H. Thai y H. N. Tam, Fingerprint Recognition Using Standardized Fingerprint Model,


[26] IJCSI International Journal of Computer Science, vol. 7, n 7, pp. 11-17, 2010.

R. Cappelli y D. Maio, The State of the Art in Fingerprint Classification, de Automatic


[27] Fingerprint Recognition Systems, New York, Springer, 2004, pp. 183-205.

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.

E. Newham, The Biometric Report, New York: SJB Services, 1995.


[30]
A. Mishra y M. Shandilya, Fingerprints Core Point Detection Using Gradient Field
[31] Mask, International Journal of Computer Applications, vol. 2, n 8, pp. 19-23, 2010.

S. Basak, I. Islam y M. R. Amin, Detection of a Virtual Core Point a Fingerprint: a New


[32] Approach, International Journal of Soft Computing and Engineering (IJSCE), vol. 2, n 2,
pp. 2231-2307, 012.

S. Prabhakar, A. Ivasinov y A. Jain, Biometric Recognition: Sensor Characteristics and


[33] Image Quality, IEEE Instrumentation and Measurement Magazine, vol. 14, n 3, pp. 10-16,
2011.

V. M. Agrawal, V. H. Shah y A. P. Patel, Review of Three Categories of Fingerprint


[34] Recognition, nternational Journal of Management Research and Development (IJMRD),
vol. 4, n 1, pp. 85-89, 2014.

K. Nandakumar y A. K. Jain, Local Correlation-Based Fingerprint Matching, Proceedings


[35] of ICVGIP, pp. 503-508, 2004.

A. Lindoso, L. Entrena, C. Lopez-Ongil y J. Liu, Correlation-Based Fingerprint Matching


[36] Using FPGAs, Field-Programmable Technology, 2005. Proceedings. 2005 IEEE
International Conference, pp. 87-94, 2005.

D. Karna, S. Agarwal y S. Nikam, Normalized Cross-Correlation Based Fingerprint


[37] Matching, Computer Graphics, Imaging and Visualisation, 2008. CGIV '08. Fifth
International Conference, pp. 229-232, 2008.

H. Kekre, T. Sarode y R. Vig, Fingerprint Identification Using Sectorized Cepstrum,


[38] International Journal of Computer Applications, vol. 8, n 1, pp. 12-15, 2010.

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.

K. Ito, A. Morita, T. Aoki, H. Nakajima, K. Kobayashi y T. Higuchi, A Fingerprint


[40] Recognition Algorithm Combining Phase-Based Image Matching and Feature-Based
Matching, Proc. of International Conference on Biometrics (ICB), pp. 316-325, 2005.

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.

S. Greenberg, M. Aladjem, D. Kogan y I. Dimitrov, Fingerprint Image Enhancement Using


[43] Filtering Techniques, Pattern Recognition, 2000. Proceedings. 15th International
Conference , vol. 3, pp. 322-325, 2000.

L. Hong, Y. Wan y A. Jain, Fingerprint Image Enhancement: Algorithm and Performance


[44] Evaluation, Pattern Analysis and Machine Intelligence, IEEE Transactions, vol. 20, n 8,
pp. 777-789, 1998.

D. Maio y D. Maltoni, Direct Gray-Scale Minutiae Detection in Fingerprints, Pattern


[45] Analysis and Machine Intelligence, IEEE Transactions, vol. 19, n 1, pp. 27-40, 1997.

W. Wang, J. Li, F. Huang y H. Feng, Design and Implementation of Log-Gabor Filter in


[46] Fingerprint Image Enhancement, Pattern Recognition Letters, vol. 29, n 3, pp. 301-308,
2008.

A. avuolu y S. Grgnolu, A Fast Fingerprint Image Enhancement Algorithm Using a


[47] Parabolic Mask, Computers & Electrical Engineering, vol. 34, n 3, pp. 250-256, 2008.

V. Govindaraju y Z. Shi, A Chaincode Based Scheme for Fingerprint Feature Extraction,


[48] Pattern Recognition Letters, vol. 27, n 5, p. 462468, 2006.

S. Di Zenzo, L. Cinque y S. Levialdi, Run-Based Algorithms for Binary Image Analysis


[49] and Processing, Pattern Analysis and Machine Intelligence, IEEE Transactions, vol. 18, n
1, pp. 83-89, 1996.

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.

M. Gamassi, V. Piuri y F. Scotti, Fingerprint Local Analysis for High-Performance


[51] Minutiae Extraction, Image Processing, 2005. ICIP 2005. IEEE International Conference,
vol. 3, pp. 265-268, 2005.

E. Alibeigi, M. Rizi y P. Behnamfar, Pipelined Minutiae Extraction from Fingerprint


[52] Images, Electrical and Computer Engineering, 2009. CCECE '09. Canadian Conference,
pp. 239-242, 2009.

R. Kaur, P. Sandhu y A. Kamra, A Novel Method for Fingerprint Feature Extraction,


[53] Networking and Information Technology (ICNIT), 2010 International Conference, pp. 1-5,
2010.

V. Humbre, S. Gornale, R. Manza y K. V. Kale, Mathematical Morphology Approach for


[54] Genuine Fingerprint Feature Extraction, Vikas Humbe, S. S. Gornale, Ramesh Manza & K.
V. Kale International Journal of Computer Science and Security, vol. 1, n 2, pp. 53-59,
2007.

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. O. Derawi, B. Yang y B. Christoph, Fingerprint Recognition With Embedded Cameras


[57] on Mobile Phones, Security and privacy in mobile information and communication systems.
Lecture notes of the Institute for Computer Sciences, Social Informatics and
Telecommunications Enginnering, vol. 94, pp. 136-147, 2012.

C. Stein, C. Nickel y C. Busch, Fingerphoto Recognition with Smartphones Cameras, de


[58] Biometrics Special Interest Group (BIOSIG), 2012 BIOSIG - Proceedings of the
International Conference of the, Darmstadt, 2012.

(. International Organization for Standarization, Information Technology. Biometric Data


[59] Interchange Formats. Part 2: Finger Minutiae Data. Norma ISO/IEC 19794-2:2011, 2011.

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.

H. Ravi y S. Kuduwa Sivanath, A Novel Method for Touch-Less Fingerprint


[61] Authentication, de Technologies for Homeland Security (HST), 2013 IEEE International
Conference on, Waltham, MA, 2013.

K. E Ikeuchi, Retinex Algorithm, de Computer Vision, Springer US, 2014, p. 677.


[62]
D. Kroon y C. Slump, Coherence Filtering to Enhance the Mandibular Canal in Cone-Beam
[63] CT Data, Signal and Systems, University of Twente, Netherlands, IEEE-EMBS Benelux
Chapter Symposium, Nov 2009.

K. Matkovic, L. Neumann, T. Psik y W. Purgathofer, Global Contrast Factor - a New


[64] Approach to Image Contrast, Computational Aesthetics in Graphics, Visualization and
Imaging, pp. 159-168, 2005.

M. J. Jones y J. M. Rehg, Statistical Color Models with Application to Skin Detection, de


[65] Computer Vision and Pattern Recognition, 1999. IEEE Computer Society Conference on.
(Volume 1), Fort Collins, CO, 1999.

J. Weickert y H. Scharr, A Scheme for Coherence-Enhancing Diffusion Filtering with


[66] Optimized Rotation Invariance, Journal of Visual Communication and Image
Representation, vol. 13, n 1-2, pp. 103-118, 2002.

D. G. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International


[67] Journal of Computer Vision, vol. 60, n 2, pp. 91-110, 2004.

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.

L. Hong y A. Jain, Fingerprint Enhancement, de Automatic Fingerprint Recognition


[69] Systems, Springer New York, 2004, pp. 127-143.

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.

El tensor estructural est dado por:

( ) = ( ) (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)

Y su primer vector propio (cos , sin ) satisface:


(

)=( ) (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.

De esta forma, los elementos del tensor e difusin son:

= + (0.8)
= ( ) (0.9)
= + (0.10)

El procedimiento se repite en forma iterativa segn el tiempo fijado por el usuario.

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

También podría gustarte