ES2306153T3

ES2306153T3 - Identificacion de caracteristicas de imagenes.

Info

Publication number: ES2306153T3
Application number: ES05747352T
Authority: ES
Inventors: Donald Martin Monro
Original assignee: Individual
Current assignee: Individual
Priority date: 2004-06-01
Filing date: 2005-06-01
Publication date: 2008-11-01
Anticipated expiration: 2025-06-01
Also published as: DK1751695T3; EP1751695A1; WO2005119581A1; US20080187183A1; PT1751695E; EP1751695B1; GB0412175D0; PL1751695T3; SI1751695T1; US7650020B2; DE602005007735D1; ATE399346T1

Abstract

Un método para identificar una característica de una imagen que comprende las etapas de: a) obtener, a partir de la imagen, una pluralidad de secuencias de muestras digitalizadas (44, 54), representativas, cada una, de una o más muestras de imágenes lineales (32, 36; 22, 24, 26, 28); b) generar, a partir de las secuencias de muestras (44, 54), un código de variación (70) indicativo de la variación entre las secuencias de muestras; e c) identificar una característica de la imagen en función del código de variación (70).

Description

Identificación de características de imágenes.

La presente invención se refiere a un método y un aparato para la identificación de características de imágenes. En particular, aunque no exclusivamente, se refiere a la identificación biométrica de un individuo usando una imagen identificadora, por ejemplo del iris, de la cara, de una oreja o de una huella dactilar.

Se han propuesto una pluralidad de técnicas biométricas para la identificación de individuos, muchas de las cuales se basan en reconocimiento de iris. Las patentes existentes en este campo incluyen las siguientes: US-A-4641349, de Flom & Safir; US-A-5572596, de Wildes et al; US-A-5751836, de Wildes et al; US-A-5901238, de Matsushita; US-A-5956122, de Doster; US-A-6229906, de Pu & Psaltis; US-A-6247813, de Kim & Ryoo; US-A-6526160, de Ito. El documento WO-A-02/065782 no está relacionado con el iris, pero describe un método para generar y comparar contenido multimedia usando funciones de picado.

El documento US-A-5631971 describe un sistema de reconocimiento y recuperación de huellas dactilares por el que las posiciones de puntos de minucia de una huella dactilar y un número de índice por cada punto se registran en un medio de almacenamiento. El documento US-A-3845466 describe un sistema de reconocimiento de caracteres que usa una función de densidad de probabilidad de longitudes de intersección de líneas aleatorias. El documento US-A-4817183 describe un sistema de reconocimiento de huellas dactilares que usa una línea de escaneo que es hecha rotar de acuerdo con diferentes características topológicas. El documento EP-A-1403811 describe un método de autenticación de huellas dactilares por el que la validación de imágenes de entrada se basa en el análisis de la distribución especial de la luminosidad.

Lograr una tasa de aceptaciones falsas admisible comercialmente (en caso de que un individuo sea identificado, de manera incorrecta, como conocido por el sistema), mediante técnicas de reconocimiento de iris convencionales, en la práctica, no es excesivamente difícil, desde el punto de vista técnico.

Pero lo que es mucho más difícil es lograr una tasa de rechazos falsos aceptable (en caso de que un individuo conocido sea rechazado, de manera incorrecta, por el sistema). Tasas de rechazos falsos elevadas en un sistema comercial no contribuyen a que el consumidor acepte fácilmente la tecnología, por la indignación y la vergüenza que pueden provocarse fácilmente cuando a una persona que tendría que ser conocida por el sistema se le niegue el acceso de manera incorrecta.

La presente invención se refiere a un aparato y un método tal como se establece en las reivindicaciones independientes acompañantes.

La presente invención se refiere, también, a un programa informático previsto para ejecutar el método definido en lo que antecede. Se refiere, además, a un medio informático que pueda usar cualquier programa informático de este tipo.

La aplicación preferida de la presente invención se encuentra en el campo del reconocimiento de iris. Como es conocido en el campo en primer lugar se prepara una forma normalizada de la imagen del iris. A continuación se aplica una transformada de tratamiento de señales estándar en posiciones seleccionadas de toda la imagen, con longitud, orientación y separación variables. La transformación podría realizarse mediante una transformada rápida de Fourier, pero pueden ser otras. Luego, las transformadas se comparan de acuerdo con algún criterio de ordenación, y se convierten en señales de 1 bit, por ejemplo, 0 para mayor, y 1 para menor o igual. Esta serie de fragmentos de señal binarios se comparan, entonces, con fragmentos almacenados. Si se encuentra un número suficiente de coincidencias, dentro de una distancia Hamming especificada, entonces se obtiene una coincidencia. En otro caso, no hay coincidencia.

La realización preferida es más simple que los métodos de clasificación existentes, de modo que funciona más rápidamente. Es también "graduable", lo que significa que su comportamiento puede ajustarse de acuerdo con toda una gama de tasas de aceptaciones falsas y de tasas de rechazos falsos. El método de clasificación permite tasas de aceptaciones falsas excelentes, por ejemplo, efectivamente cero, comparable con la huella dactilar y el ADN. Es decir, en caso de identificación, la persona no autorizada (casi) nunca es admitida. Puede afirmarse que ello es no es necesario en lo que se refiere a verificación de identidad; una razón 1/10.000 sería aceptable. El algoritmo preferido de la presente invención permite tasas de aceptaciones falsas muy adecuadas para casi todas o todas las aplicaciones, mientras que, al mismo tiempo, permite tasas de rechazos falsos mejoradas significativamente.

La invención puede ponerse en práctica de diferentes maneras, y, en lo que sigue, se describirá, a modo de ejemplo, una realización específica de reconocimiento de iris, con referencia a los dibujos adjuntos, en los que:

la figura 1 es un dibujo esquemático del iris de una persona o un animal, que ilustra una realización preferida de la invención;

la figura 2 muestra el iris transformado en un sistema de coordenadas cartesianas rectangular;

la figura 3 muestra una imagen más general que puede ser o no una transformada de un iris; y

la figura 4 muestra, en forma de diagrama de bloques, el modo en que se identifican las características del iris de la figura 1, o la imagen más general de la figura 3.

La realización principal que se describirá en lo que sigue será la de identificación de iris, aunque, desde luego, se entenderá que un enfoque idéntico puede usarse para identificar características específicas o singulares de cualquier imagen, biométrica o no. Las imágenes biométricas adecuadas para ser usadas en caso de identificación biométrica incluyen imágenes de la cara, de una mano, de una oreja, de una huella dactilar, o, de hecho, cualquier otra imagen identificadora de un individuo.

La figura 1 muestra, de manera esquemática, un ojo 10 de una persona. El ojo presenta un iris anular 12, definido, en general, mediante una periferia exterior 14 y una periferia interior 16, representando esta última el límite entre el iris 12 y la pupila 18. Como se muestra, un párpado 20 puede ocluir parte del iris.

El proceso de identificar a un individuo y/o de caracterizar de manera única el iris se inicia con una imagen fotográfica, o de otro tipo, del ojo, preferiblemente en color. Se usan medios convencionales, tales como, por ejemplo, los descritos en el documento US-A-5291560, para identificar la parte de interés, es decir, el iris 12. Se realizan, al menos, dos escaneos unidimensionales 32, 36 en la parte del iris, registrando cada escaneo la intensidad y/o el color de la parte del iris definida por la línea de escaneo. Se prefiere que cada línea de escaneo sea recta, aunque ello no es en modo alguno esencial, y, en esta memoria descriptiva, el término "lineales" en la expresión "muestras de imágenes lineales" indica, simplemente, que se toman muestras de imágenes a lo largo de una línea, que no es necesario que sea una línea recta.

La figura 4 ilustra, a modo de diagrama de bloques esquemático, el método y/o el aparato mediante los cuales la imagen se caracteriza de modo único, merced al uso de dichos escaneos unidimensionales 32, 36. Se entiende que cada uno de los elementos mostrados en la figura 4 puede ponerse en práctica mediante equipos o mediante lógica.

En una realización, los escaneos 32, 36 definen secuencias de datos unidimensionales 32', 36' respectivas, que se alimentan a transformadas 42, 52 respectivas. Típicamente, la transformada usada puede ser una transformada de frecuencia, tal como, por ejemplo, una transformada de ondita, una transformada rápida de Fourier o una transformada de coseno discreta. Las salidas respectivas 44, 54 de las transformadas se diferencian durante la etapa 60, y, opcionalmente, se transforman de nuevo durante la etapa 62, con el fin de generar una salida 64 de variación. En la realización preferida, la transformada de la etapa 62, simplemente, convierte la salida de la etapa 60 de diferenciación en binaria, de modo que las salidas 64 de variación adopten la forma de secuencia binaria unidimensional. Alternativamente, la cuantificación podría llevarse a cabo a cualquier otro nivel necesario, definiéndose entonces la secuencia 64 de salida mediante una secuencia de números, módulo N.

Después, el proceso se repite en el iris con otro par de líneas de escaneo (no mostradas), con el fin de generar una segunda secuencia de salida 66 de variación. Este proceso se repite de nuevo tantas veces como se desee para construir un código de variación bidimensional 70. Cuando las salidas individuales 64, 66 sean binarias, se entenderá que el código de variación bidimensional 70 global tendrá un aspecto (si se representa mediante marcas y espacios) un tanto similar al de un código de barras bidimensional.

El código de variación 70 representa una caracterización única de la imagen del iris original, y, por tanto, una caracterización/identificación biométrica única del individuo de cuyo iris se trate.

Cuando se requiera determinar si el individuo es conocido por el sistema, puede realizarse una comparación entre el código de variación 70 y códigos de variación similares registrados previamente a partir de individuos conocidos. Cualquier algoritmo de coincidencia adecuado puede ser usado para este fin: por ejemplo, el código desconocido puede compararse con el código de un individuo conocido, bit por bit, y realizarse un recuento del número de bits que coincidan. Entonces, se declara que existe coincidencia si el número de bits que difieran es inferior a un umbral definido, tanto por número absoluto de discrepancias y coincidencias como por la razón entre ellas. Con el fin de garantizar independencia en rotación, puede ser deseable verificar una coincidencia empezando por cualquier posición arbitraria del código de variación almacenado. Cuando el código de variación 70 esté representado mediante píxeles que puedan presentar más de dos valores, puede declararse que existe coincidencia si la distancia Hamming es inferior a un umbral definido. De manera más general, se puede definir la fuerza de una coincidencia en función de cualquier métrica requerida por los dos códigos que se estén comparando.

En una realización alternativa, ilustrada también mediante la figura 4, pueden omitirse las transformadas 42, 52 y considerarse la diferencia 60 entre las secuencias escaneadas digitalizadas 44, 54 en bruto (o mejoradas). Normalmente, en tal caso será deseable que la transformada 62 sea una transformada de tratamiento de señales basada en la frecuencia, por ejemplo una transformada de ondita, una transformada rápida de Fourier o una transformada de coseno discreta.

En las realizaciones mostradas en la figura 4, la variación entre las secuencias 44, 54 se determina por medio del diferenciador 60. Ciertamente, se entenderá que el diferenciador puede reemplazarse por cualquier otro dispositivo del equipo o una función de lógica cuya entrada esté constituida por dos o más corrientes de datos individuales y proporcione, como salida, una secuencia indicativa de las variaciones entre las entradas. Podría ser perfectamente posible, por ejemplo, que existan tres o más entradas similares, determinando el dispositivo o la función de variación la diferencia, bit por bit, entre bits similares en todas las secuencias de entrada. Sin duda, a los expertos podrán ocurrírseles otros enfoques para determinar variaciones.

Con el fin de reducir los efectos del ruido en un escaneo unidimensional individual, cada escaneo individual 32, 36 puede reemplazarse por escaneos múltiples 24, 22. Cada escaneo múltiple comprende varios escaneos individuales 30, separados en una pequeña distancia en la imagen. Para mayor claridad, los escaneos individuales 30 de los escaneos múltiples 22, 24 se muestran separados en una distancia mayor que en un caso real.

Ahora, en lugar de las secuencias de datos 32', 36' de la figura 4, que representan escaneos individuales, puede representarse un promedio o una media ponderada de cada escaneo individual, por cada escaneo múltiple 22, 24. De manera ventajosa, ello puede lograrse en la práctica, opcionalmente, merced a la provisión del equipo o de la lógica adicional que se muestra a la izquierda de la línea discontinua 72 en la figura 4. Los escaneos individuales de cada secuencia de escaneo múltiple 74, 76 se suman, o, en otro caso, se promedian mediante el sumador 78, cuya salida es alimentada a los algoritmos 42 de tratamiento de señales digitales, como se ha descrito en lo que antecede. Se entenderá que, en la práctica, la entrada de cada una de las transformadas individuales puede ser representativa de la suma o de una combinación promediada o filtrada de dos o más escaneos individuales, muy próximos entre sí. La disposición de la figura 4 es sólo ilustrativa, no mostrándose todas las posibilidades.

Volviendo de nuevo a la figura 1, los escaneos individuales 32, 36 o los escaneos múltiples 22, 24 pueden estar situados y formar ángulo del modo deseado en la imagen del iris. Por ejemplo, aunque puedan preferirse escaneos radiales, son posibles, también, escaneos concéntricos 26, así como, desde luego, escaneos 28 con cualquier posición, dirección o longitud arbitrarias. Estos parámetros pueden seleccionarse de acuerdo con la aplicación y/o de acuerdo con el nivel de precisión de comparación requerida, mediante ensayos, en caso necesario. Puede preverse un ajuste adicional de la precisión de comparación merced al ajuste de la distancia Hamming requerida, con carácter previo a la aceptación de una coincidencia.

Cuando se realicen escaneos múltiples 22, 24, las zonas de cada escaneo múltiple pueden estar separadas completamente o puede existir cierto grado de solapamiento entre los escaneos individuales de un escaneo múltiple determinado y los del escaneo múltiple siguiente de la secuencia.

En una realización alternativa, los escaneos pueden realizarse no directamente a partir de la imagen del iris, como se muestra en la figura 1, sino a partir de alguna imagen mejorada y/o transformada y/o normalizada. Un ejemplo de una imagen transformada de esta clase se muestra en la figura 2, en la que una transformación radial/cartesiana ha convertido la imagen 12 del iris original en una imagen 12' "desplegada", con partes excluidas 20' que corresponden a la zona ocluida por el párpado 20. Los escaneos individuales o múltiples 22', 24' se realizan en esta imagen transformada.

Una realización práctica más general se ilustra, esquemáticamente, en la figura 3. En este caso se presenta una imagen genérica 80, posiblemente, con una o más partes excluidas 82. Una imagen de este tipo podría ser representativa de un iris o de cualquier otra imagen biométrica, en bruto o transformada, tal como, por ejemplo, de una cara, una mano, una oreja o una huella dactilar. De manera más general, ni siquiera es necesario que la imagen 80 represente una imagen biométrica: puede representar, simplemente, cualquier imagen que, únicamente, se desee caracterizar y/o comparar con imágenes caracterizadas previamente. El código de variación de esta imagen 80 se obtiene, como antes, mediante una secuencia de líneas de escaneo individuales o mediante escaneos múltiples 84, 86, 88.

Claims

1. Un método para identificar una característica de una imagen que comprende las etapas de:

a): obtener, a partir de la imagen, una pluralidad de secuencias de muestras digitalizadas (44, 54), representativas, cada una, de una o más muestras de imágenes lineales (32, 36; 22, 24, 26, 28);

b): generar, a partir de las secuencias de muestras (44, 54), un código de variación (70) indicativo de la variación entre las secuencias de muestras; e

c): identificar una característica de la imagen en función del código de variación (70).

2. Un método de acuerdo con la reivindicación 1, por el que las secuencias de muestras (64, 66) se obtienen merced a la determinación del promedio de una pluralidad respectiva de muestras de imágenes lineales individuales (30).

3. Un método de acuerdo con las reivindicaciones 1 o 2, por el que se aplica una transformada digital (42, 52) a las secuencias de muestras respectivas antes de la etapa de generación del código de variación (70).

4. Un método de acuerdo con la reivindicación 3, por el que la transformada digital (42, 52) consiste una transformada de frecuencia.

5. Un método de acuerdo con la reivindicación 3, por el que la transformada digital (42, 52) consiste en una transformada de ondita, una transformada rápida de Fourier o una transformada de coseno discreta.

6. Un método de acuerdo con cualquiera de las reivindicaciones precedentes, por el que el código de variación (70) se determina por diferenciación de dos de las secuencias de muestras (44, 54).

7. Un método de acuerdo con cualquiera de las reivindicaciones 1 a 5, por el que el código de variación se determina merced a la aplicación de un operador vectorial a las secuencias de muestras, con el fin de generar un código de variación en forma de secuencia.

8. Un método de acuerdo con cualquiera de las reivindicaciones precedentes, por el que las etapas (a) y (b) se repiten con el fin de generar una pluralidad de códigos de variación, definiendo dichos códigos de variación, conjuntamente, un código de variación global, aplicándose la etapa (c) al código de variación global.

9. Un método de acuerdo con la reivindicación 8 cuando dependa de la reivindicación 7, por el que el código de variación global presenta forma de agrupación.

10. Un método de acuerdo con cualquiera de las reivindicaciones 1 a 5, por el que los etapas de generación del código de variación incluyen aplicar una transformada digital (62) a una medición indicativa de la variación entre las secuencias de muestras (44, 54).

11. Un método de acuerdo con la reivindicación 10, en el que la transformada digital (62) consiste en un cuantificador.

12. Un método de acuerdo con las reivindicaciones 1 o 2, por el que las etapas de generación del código de variación (70) incluyen aplicar una transformada digital a una medición indicativa de la variación entre las secuencias de muestras.

13. Un método de acuerdo con la reivindicación 12, en el que la transformada digital (62) consiste en una transformada de frecuencia.

14. Un método de acuerdo con la reivindicación 12, en el que la transformada digital (62) consiste en una transformada de ondita, una transformada rápida de Fourier o una transformada de coseno discreta.

15. Un método de acuerdo con cualquiera de las reivindicaciones precedentes, en el que la imagen consiste en una imagen biométrica.

16. Un método de acuerdo con la reivindicación 15, en el que la característica identificada consiste en la identidad de una persona o un animal.

17. Un método de acuerdo con la reivindicación 16, en el que la etapa de identificación comprende comparar el código de variación (70) con códigos de variación conocidos de individuos conocidos respectivos.

18. Un método de acuerdo con la reivindicación 16, en el que la etapa de identificación comprende determinar la distancia Hamming entre el código de variación (70) y un código de variación conocido, e identificar una coincidencia si la distancia es inferior a un valor de umbral.

19. Un método de acuerdo con cualquiera de las reivindicaciones 1 a 14, en el que la imagen consiste en la del iris de una persona o un animal.

20. Un método de acuerdo con la reivindicación 19, en el que las secuencias de muestras (44, 54) se obtienen, directamente, a partir de la imagen del iris, sin la aplicación previa de ninguna transformada de cambio de forma.

21. Un aparato para identificar una característica de una imagen, que comprende:

a): medios para obtener, a partir de la imagen, una pluralidad de secuencias de muestras digitalizadas (44, 54), representativas, cada una, de una o más muestras de imágenes lineales (32, 36; 22, 24, 26, 28);

b): medios para generar, a partir de las secuencias de muestras, un código de variación (70) indicativo de la variación entre las secuencias de muestras; y

c): medios para identificar una característica de la imagen en función del código de variación (70).

22. Un programa informático destinado a ejecutar el método reivindicado mediante cualquiera de las reivindicaciones 1 a 20.

23. Un medio informático capaz de usar el programa informático reivindicado mediante la reivindicación 22.