SE517024C2 - Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag - Google Patents

Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag

Info

Publication number
SE517024C2
SE517024C2 SE9903684A SE9903684A SE517024C2 SE 517024 C2 SE517024 C2 SE 517024C2 SE 9903684 A SE9903684 A SE 9903684A SE 9903684 A SE9903684 A SE 9903684A SE 517024 C2 SE517024 C2 SE 517024C2
Authority
SE
Sweden
Prior art keywords
data
biometric data
current
point
class
Prior art date
Application number
SE9903684A
Other languages
English (en)
Other versions
SE9903684L (sv
SE9903684D0 (sv
Inventor
Linus Wiebe
Maarten Oebrink
Jerker Bergenek
Fredrik Kahl
Original Assignee
Precise Biometrics Ab
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Precise Biometrics Ab filed Critical Precise Biometrics Ab
Priority to SE9903684A priority Critical patent/SE517024C2/sv
Publication of SE9903684D0 publication Critical patent/SE9903684D0/sv
Priority to AU11825/01A priority patent/AU1182501A/en
Priority to PCT/SE2000/001997 priority patent/WO2001026549A1/en
Publication of SE9903684L publication Critical patent/SE9903684L/sv
Publication of SE517024C2 publication Critical patent/SE517024C2/sv

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction
    • G06V40/1359Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/117Identification of persons
    • A61B5/1171Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1172Identification of persons based on the shapes or appearances of their bodies or parts thereof using fingerprinting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Psychiatry (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

lO 15 20 25 30 35 517 024 ==z a: 2 egentligen har behörighet. Eftersom de flesta personer har behov av att lägga ett stort antal koder/lösenord på minnet, föreligger det risk att koderna eller lösenorden skrivs ner på papper eller att en person använder samma kod för flera ändamål. Detta gör att det blir enklare för obehöriga personer att komma åt koden/lösenordet. På så sätt minskas naturligtvis säkerheten i ett system av ovan beskrivet slag. Dessutom finns det ingen kontroll av att personen som uppger rätt kod/lösenord är en av de perso- ner som ursprungligen erhållit koden eller lösenordet, dvs accessrätten. Således kan den grupp personer som faktiskt ges tillträde till känslig information eller byggnader/lokaler snabbt utökas med obehöriga personer till vilka kod eller lösenord “lånats ut”.
För att undvika ovanstående problem kan en persons accessrätt verifieras med hjälp av biometri. Personen be- höver då inte komma ihåg någon kod eller något lösenord utan istället verifieras någon slags kroppsspecifik och individspecifik eller -unik egenskap eller parameter hos personen i fråga. Exempelvis kan ett system som bygger på denna teknik använda sig av biometrisk information av något av de slag som angivits ovan. Metoden bygger på att man i ett första steg med en insamlingsmetod av något slag läser in biometrisk data i form av exempelvis bild- eller ljuddata för ett antal personer. Data förbehandlas och därefter appliceras en algoritm av något slag på för- behandlad biometrisk data, så att det för varje person genereras en första referensdata eller ett första templat (eng. template) från insamlad biometrisk data. Sådan referensdata utgörs vanligen av en reducerad mängd ur- sprunglig data. Vid verifiering av en persons accessrätt samlas aktuell biometrisk data in med hjälp av samma eller någon annan insamlingsmetod. Därefter förbehandlas sådan insamlad aktuell biometrisk data, och en algoritm (samma som tidigare eller annan) appliceras på sådan för- behandlad aktuell biometrisk data för bildande av en andra referensdata från nämnda aktuell biometrisk data. 10 15 20 25 30 35 3 För jämförelse av nämnda första och andra referensdata eller templat, vilka kan ha samma eller olika format, appliceras en andra algoritm pá sà sätt att ett mätt pà hur väl dessa två referensdata eller templat korrelerar erhålles. Detta mått jämförs slutligen med ett förutbe- stämt tröskelvärde. Pà sà vis avgörs huruvida det kan anses att nämnda första och andra referensdata, vilka representerar tidigare insamlad biometrisk data respek- tive aktuell biometrisk data, kommer från samma person eller inte.
Ett problem med kända biometriska system är att de från tvá set av biometrisk information, dvs biometrisk data frän olika insamlingar/inläsningar fràn samma person (såsom två med samma insamlingsmetod tagna bilder av sam- ma finger) inte genererar samma referensdata eller temp- lat. se eller matchning av två olika referensdata. Utgàngen av Således sker exempelvis vid verifiering en jämförel- jämförelsen bestäms med hjälp av ett tröskelvärde. Om ett tröskelvärde exempelvis sätts till 90% anses de tvà refe- rensdata komma fràn samma person om de stämmer överens till minst 90%. Detta är således en komplicerad process, som inte låter sig utföras exempelvis i miljöer som är väldigt begränsade vad gäller minne, processorkapacitet etc. Ytterligare en nackdel med kända biometriska system är att ursprunglig biometrisk data skulle kunna äter- skapas fràn referensdata, vilket minskar säkerheten.
Idag används ofta smartcard (intelligenta kort) som databärare för känslig information. En del av informa- tionen som finns lagrad pà ett smartcard utgörs av ett templat eller referensdata, vilket kan beskrivas som en i förväg lagrad referensinformation avseende kortanvända- ren. Det är med detta templat som en jämförelse sker varje gäng kortanvändaren önskar verifiera sin rätt att använda kortet. Om kortet är avsett att användas som ett passerkort eller nyckelkort, exempelvis för fysisk access till en lokal eller byggnad, behöver ingen annan informa- tion än templatet vara lagrad på kortet. Accessrätt till 10 15 20 25 30 35 517 024 2:: aa 4 smartcards av standardtyp kontrolleras idag genom att man på något vis presenterar en PIN-kod, som vanligtvis ut- görs av fyra siffror mellan O och 9. Om man vill undvika ovan beskrivna problem med koder och istället använda biometri för att nå access till ett vanligt smartcard, sker detta vanligen genom att den erforderliga PIN-koden lagras någonstans utanför kortet i mjukvara eller hård- vara_ Om jämförelsen eller matchningen av referensdata från biometrisk data ger ett positivt resultat presen- teras därefter PIN-koden för kortet. Lagringen av PIN- koden utanför kortet minskar säkerheten i ett sådant system.
När man vill kontrollera om aktuell biometrisk data från en person finns med i en databas, vilken innefattar i förväg registrerad biometrisk data för ett flertal per- soner, jämförs referensdata motsvarande aktuell biomet- risk data med respektive av ett antal i databasen inne- fattade referensdata. Med vilka biometriska data jämför- elser ska genomföras bestäms av hur databasen är upp- byggd. Ett sätt är att genomsöka databasen hierarkiskt.
Ett problem med hierarkisk genomsökning ligger emellertid i att det erfordras många jämförelser, vilket gör pro- cessen tidskrävande. Dessutom kan ett förfarande enligt ovan leda till att eventuellt relevanta delar av data- basen missas vid genomsökningen.
Sammanfattning av uppfinningen Det är ett generellt ändamål med föreliggande upp- finning att helt eller åtminstone väsentligt övervinna ovan beskrivna problem enligt känd teknik. Närmare be- stämt är det ett generellt ändamål att anvisa ett i för- hållande till känd teknik förbättrat sätt att generera referensdata från aktuell biometrisk data från en person.
Ett annat generellt ändamål med uppfinningen är att åstadkomma en anordning för generering av sådan referens- data. Närmare bestämt ska det uppfinningsenliga sättet respektive den uppfinningsenliga anordningen möjliggöra en hög sannolikhet för att samma referensdata genereras ~.~«-. 10 15 20 25 30 35 517 024 fw s: 5 för två set av biometrisk information avseende samma individspecifika egenskap för en och samma person. Vidare ska genererad referensdata utgöras av information som gör det svårt eller omöjligt att återskapa ursprunglig bio- metrisk data. Dessutom ska det uppfinningsenliga sättet respektive den uppfinningsenliga anordningen ställa låga krav avseende minnesutrymme och processorskapacitet.
Ett annat ändamål med föreliggande uppfinning är att anvisa ett sätt att baserat på aktuell biometrisk data från en person kontrollera accessrätt till känslig infor- mation. Detta sätt ska vara snabbt, säkert och enkelt, och sannolikheterna för att någon med accessrätt nekas access respektive att någon utan accessrätt ges access ska vara låga.
Ytterligare ett ändamål med uppfinningen är att tillhandahålla ett system för kontroll av sådan access- rätt. Systemet ska vara säkert och enkelt till sin ut- formning.
Dessutom har uppfinningen till ändamål att till- handahålla en behandlingsenhet för kontroll av accessrätt till känslig information, som finns lagrad på en portabel databärare, vilken kontroll är baserad på aktuell bio- metrisk data från en person.
Föreliggande uppfinning har också till ändamål att anvisa ett sätt att kontrollera om aktuell biometrisk data från en person finns representerad i en databas.
Närmare bestämt har uppfinningen till ändamål att anvisa ett sätt att på ett enkelt vis möjliggöra att endast del- ar av en databas behöver genomsökas utan att man riskerar att relevanta delar av databasen missas.
Dessa ändamål uppnås helt eller delvis med ett sätt och en anordning för generering av referensdata enligt efterföljande krav 1 respektive 18, ett sätt, ett system och en behandlingsenhet för kontroll av accessrätt enligt efterföljande krav 30, 38 respektive 45, samt ett sätt att kontrollera om aktuell biometrisk data från en person finns representerad i en databas enligt efterföljande 10 15 20 25 30 35 5 17 0 2 4 ;:f= ;::- 6 krav 49. Föredragna utföringsformer anges i efterföljande underordnade patentkrav.
Genom att man, i överensstämmelse med det uppfin- ningsenliga sättet att generera referensdata, utgående från ett antal särdragsvärden väljer en klass för aktuell biometrisk data och sätter dess referensdata lika med klassbeteckningen för vald klass medges en mycket hög sannolikhet för att samma referensdata ska genereras för upprepade insamlingar av samma biometriska parameter eller egenskap hos en och samma person. Detta följer av att särdragsvärdena skulle kunna skilja sig àt något för upprepade insamlingar av biometrisk data och ändå gene- rera samma referensdata eftersom de kan anses tillhöra samma klass.
Företrädesvis indelas aktuell biometrisk data i en eller flera datadelmängder innan särdragsvärdena genere- ras, för möjliggörande av att ett antal av varandra obe- roende variabler eller särdrag definieras. Vidare medges ett optimalt utnyttjande av informationen i nämnda ak- tuell biometrisk data eftersom det således är möjligt att exempelvis tillmäta de mest relevanta eller informations- täta datadelmängderna större betydelse.
En fördel med att definiera en startpunkt är att, om startpunkten är konsekvent lokaliserbar, exakt samma in- delning av biometrisk data kan göras och därmed samma särdragsvärden genereras fràn olika insamlingar av samma biometriska parameter hos en och samma person.
Genom att låta särdragsvärdena för både aktuell bio- metrisk data och varje i förväg insamlad biometrisk data företrädesvis utgöra koordinater för en respektive punkt i en rymd som är indelad i delrymder, som svarar mot klasserna, erhålles en lättfattlig representation av data. Därigenom medges användandet av enkla algoritmer för att exempelvis avgöra klasstillhörighet för aktuell biometrisk data.
En fördel med att låta delrymderna inbördes motsvara väsentligen lika stor mängd i förväg insamlad biometrisk 10 15 20 25 30 35 517 024 7 data ligger i att en bättre upplösning och därmed säker- het medges exempelvis då man vill utnyttja från aktuell biometrisk data genererad referensdata för verifiering.
Vardera klassbeteckning utgörs företrädesvis av en kombination av tecken, såsom enbart siffror, enbart bok- stäver eller siffror och bokstäver. Eftersom referensdata sätts lika med en klassbeteckning av detta slag erhålls referensdata utan någon redundant information och en exakt matchning kan göras vid jämförelse av två referens- data. Jämförelsen kan göras snabbt och enkelt då den inte kräver någon komplicerad algoritm. Man behöver endast matcha siffror och/eller bokstäver mot varandra. Antingen är de lika eller inte. Resultatet av en sådan jämförelse kan således endast bli ”ja, lika" eller ”nej, inte lika” och därför erfordras heller inte något tröskelvärde för detta avgörande. Vidare erfordrar både referensdata och jämförelsealgoritm litet lagringsutrymme. En ytterligare fördel är att data inte med lätthet kan återskapas från referensdata/templat.
Det faktum att referensdata företrädesvis utgörs av exempelvis en kombination av siffror medger att man direkt från aktuell biometrisk data kan generera refe- rensdata som fungerar som en kod, såsom en PIN-kod, för exempelvis ett smartcard.
Den uppfinningsenliga anordningen för generering av referensdata från biometrisk data uppvisar motsvarande fördelar som det uppfinningsenliga sättet att generera referensdata.“ Den portabla databäraren, som ingår i det uppfin- ningsenliga systemet för kontroll av accessrätt, kan ha en enkel signalbehandlingsanordning eftersom jämförelsen av referensdata är enkel. Likaså tar den enkla jämfö- relsealgoritmen för databärarens signalbehandlingsanord- ning liten plats i databärarens minne. Således kan enkla portabla databärare, såsom smartcard av standardtyp, an- vändas, vilket medger ett billigt system. En fördel med att den känsliga informationen avseende databärar- . os... _ 10 15 20 25 30 35 oo: uno c o n oo o .n o nano o u o o o o o o o o o o oo o o oo o oo wo I I I i I I i I o n o o I 9 ef! : 2 E :se o.. a o .oo voro n o no o n. o 0 o o n x s o o o n o o o o f 0 0 n H fe so: no o o 8 användaren/-ägaren, dvs referensdata eller templat, ligger lagrad i databäraren och inte i exempelvis syste- mets behandlingsenhet, ligger i att systemet blir säkrare eftersom nämnda information då följer med den portabla databäraren och dess ägare. Det uppfinningsenliga syste- met kan också göras enkelt tack vare att endast små in- formationsmängder avseende kontroll av accessrätt behöver skickas mellan systemets delar. Ett sådant system medger också att en databärare kan ge flera användare accessrätt genom att flera templat finns lagrade på databäraren.
Genom att, vid det uppfinningsenliga sättet att kontrollera om aktuell biometrisk data från en person finns representerad i en databas, för nämnda aktuell bio- metrisk data välja en klass av ett flertal klasser, som har en respektive klassbeteckning, och genom att låta databasens poster ha postbeteckningar som svarar mot en respektive klassbeteckning, kan vid kontrollen klass- beteckningen för den för nämnda aktuell biometrisk data valda klassen användas för att välja ut en lämplig del av databasen. På så sätt kan en jämförelse med mest rele- vanta biometriska data göras på ett snabbt vis utan att risk föreligger för att relevanta delar av databasen missas, som vid exempelvis hierarkisk genomsökning av en databas.
Kort beskrivning av ritninqarna Uppfinningen och dess fördelar kommer att beskrivas närmare i det följande under hänvisning till bifogade schematiska ritningar, som i exemplifierande syfte visar för närvarande föredragna utföringsformer.
Fig 1 visar schematiskt ett uppfinningsenligt system för kontroll av accessrätt.
Fig 2 är ett blockschema som åskådliggör ett uppfin- ningsenligt sätt att kontrollera accessrätt.
Fig 3 visar schematiskt en rymd, vilken används för att representera biometrisk data för ett flertal perso- ner. Rymden är indelad i delrymder till vilka tillordnats en respektive attraktionspunkt. lO 15 20 25 30 35 noe w 024 9 Fig 4 visar schematiskt en rymd, vilken represen- teras av enbart attraktionspunkter.
Fig 5-13 visar ett sätt att lokalisera en startpunkt i en tvàdimensionell representation av ett fingeravtryck, där fig 5 är en vektoriserad bild av ett fingeravtryck, fig 6 visar möjliga underomrädesorienteringar enligt en utföringsform av uppfinningen med åtta möjliga orien- teringar, fig 7 visar acceptabla takstrukturer, fig 8 visar kandidatunderomràden för nedátriktad sökning, fig 9 visar möjliga acceptabla slutpunkter till vänster för en acceptabel horisontallinjestruktur, fig 10 visar möjliga acceptabla slutpunkter till höger för en acceptabel horisontallinjestruktur, fig 11 är ett blockschema som åskådliggör en första horisontallinjestruktursökning, fig 12 är ett blockschema som åskådliggör en nedát- riktad sökning efter en startpunkt, och fig 13 är ett blockschema som åskådliggör en avsök- ning av en struktur för att bestämma om strukturen är acceptabel.
Fig 14 visar ett för närvarande föredraget sätt att dela in en tvàdimensionell representation av ett finger- avtryck för generering av särdragsvärden.
Fig 15-16 visar alternativa sätt att generera sär- dragsvärden.
Beskrivning av föredragna utföringsformer I fig 1 visas schematiskt ett föredraget utförande av ett uppfinningsenligt system för kontroll av access- rätt till känslig information, vilken kontroll är baserad på biometrisk data från en person vars accessrätt till den känsliga informationen ska kontrolleras. Systemet om- fattar en portabel databärare 1 och en behandlingsenhet 2. I regel omfattar systemet ett flertal portabla data- bärare 1, eftersom varje person med accessrätt vanligen 10 15 20 25 30 35 517 024 nun-on o u n un 10 har en egen databärare 1. Databäraren 1 innefattar ett minne 3, en signalbehandlingsanordning 4 och en kommuni- kationsanordning 5. Behandlingsenheten 2, som kan vara en PC (Personal Computer), innefattar en signalbehandlings- anordning 6, en kommunikationsanordning 7 och en sensor 8 för insamling/inläsning av biometrisk data i form av en digital representation, såsom en digital bild. Signal- behandlingsanordningen 6 innefattar i sin tur ett minne 9 och ett behandlingsorgan 10.
Databäraren 1 utgörs av ett intelligent kort, smart- card, av standardtyp, exempelvis ett Java- eller MULTOS- kort. Kortets 1 kommunikationsanordning 5 är anordnad att kommunicera med kommunikationsanordningen 7 i PCn 2. Kom- munikationsanordningarna 5, 7 kan vara utformade antingen för kommunikation av kontakttyp eller för kontaktlös kom- munikation. Exempel på den senare typen är kommunikation medelst infrarött ljus (IR) och medelst radiosignaler. I kortets 1 minne 3 finns lagrat dels den känsliga informa- tion som den aktuella användaren vill erhålla accessrätt till, dels ett templat, dvs referensdata från biometrisk data fràn den person som har accessrätt. Sådan aktuell biometrisk data kan utgöras av en digital bild av en individ- och kroppsspecifik egenskap eller parameter, sà- som ett fingeravtryck. Flera templat kan lagras i minnet 3, exempelvis då flera personer önskar samsas om ett kort. Ett system vid vilket den känsliga informationen, till vilken access önskas, finns lagrad pà någon enhet utanför kortet l är också möjligt.
PCn 2 är anordnad att via sensorn 8 mottaga aktuell biometrisk data fràn personen, vars accessrätt ska kont- rolleras. Sensorn 8 utgörs i denna utföringsform av en kapacitiv sensor. Emellertid kan även andra typer av sen- sorer som kan registrera fingeravtryck användas, såsom värmesensorer och optiska sensorer. Sensorn 8 kan vara" anordnad skild fràn behandlingsenheten 2. Vidare är PCn 2 anordnad att medelst signalbehandlingsanordningen 6 ut- föra en förbehandling av den digitala bilden, och ut- lO 15 20 25 30 35 517 0 24 ' saa vu ll gàende fràn den förbehandlade bilden medelst behand- lingsorganet 10 generera ett aktuellt templat, dvs refe- rensdata fràn nämnda aktuell biometrisk data, och att överföra detta aktuella templat till kortets 1 signal- behandlingsanordning 4 via kommunikationsanordningarna 5, 7. Förbehandlingen kan omfatta binärisering och vek- torisering. Signalbehandlingsanordningen 4 är utformad att jämföra detta mottagna, aktuella templat med det i kortets l minne 3 i förväg lagrade templatet för att avgöra om accessrätt till den känsliga informationen föreligger. Detta i förväg lagrade templat utgörs av referensdata för exempelvis ett fingeravtryck. Signal- behandlingsanordningen 4 är vidare utformad att vid överensstämmelse mellan detta mottagna, aktuella templat och det i förväg lagrade templatet bestämma vilka opera- tioner som PCn 2 tilläts utföra på den känsliga informa- tionen. PCns 2 signalbehandlingsanordning 6 är utformad att utföra operationer pà den känsliga informationen, ba- serat pà de rättigheter som PCn 2 tilldelas av kortet 1.
Jämförelsen av det aktuella templatet och det i förväg lagrade templatet skulle kunna utföras utanför kortet 1, exempelvis i PCn 2.
Det i PCns 2 signalbehandlingsanordning 6 innefatta- de minnesorganet 9 innehåller en datauppsättning som mot- svarar i förväg insamlad biometrisk data för ett antal personer. Denna datauppsättning används vid genereringen av det aktuella templatet från aktuell biometrisk data medelst signalbehandlingsanordningen 6, såsom kommer att beskrivas närmare nedan i anslutning till fig 3 och 4.
I fig 2 visas en utföringsform av ett uppfinnings- enligt sätt att baserat på aktuell biometrisk data, i form av ett fingeravtryck, fràn en person kontrollera accessrätt till känslig information. I steget 20 insamlas med hjälp av sensorn 8 i PCn 2 en bild av ett fingerav- tryck hos den person vars accessrätt ska kontrolleras.
Därefter följer steget 21 att utgående fràn bilden av fingret generera det aktuella templatet. Detta sker i 10 15 20 25 30 35 :oo ooo c o oo oo o oo o oooo o o o o o o o o o o o o oo o o oo o oo oo o I o o o n o u o o o o o o :== a o o saa ooo o o .oo .oo o n o o o o o o n o o o o o o o o 0 I o o n- == ooo o n :ao oo 12 PCns 2 signalbehandlingsanordning 6. I steget 22 jämförs det aktuella templatet med det templat som finns lagrat pà kortet 1 i dess minne 3. Om jämförelsen i steget 22 genererar resultatet att det aktuella templatet och det på kortet 1 lagrade templatet är lika ges accessrätt till den i databärarens 1 minne 3 lagrade känsliga informa- tionen.
Steget 21 vid vilket det aktuella templatet från den med sensorn 8 insamlade bilden genereras innefattar ett antal delsteg. Först definieras en startpunkt eller refe- renspunkt i bilden. Hur denna definition kan gà till kom- mer att närmare beskrivas nedan. Utgående från start- punkten delas därefter bilden in i delområden eller data- delmängder. Baserat pà dessa datadelmängder genereras särdragsvärden. Ett föredraget sätt att göra indelningen av bilden i datadelmängder och att generera särdrags- värdena kommer att beskrivas närmare nedan.
Utifrån särdragsvärdena väljs därefter en av ett flertal klasser, varvid varje klass motsvarar en mängd i förväg insamlad biometrisk data fràn ett antal personer.
Varje klass har en klassbeteckning. Klasserna är definie- rade med utgångspunkt i särdragsvärden, vilka represen- terar den respektive klass tillhörande mängden i förväg insamlad biometrisk data. För att välja klass låter man särdragsvärdena fràn nämnda aktuell biometrisk data rep- resentera koordinater, vilka kombineras sà att de defi- nierar en punkt i en n-dimensionell rymd. Antal dimen- sioner, n, bestäms av det antal särdragsvärden som gene- reras från varje biometrisk data. I fig 3 och 4 visas en tredimensionell rymd, dvs antalet särdragsvärden är i detta fall tre. Närmare förklaringar till fig 3 och 4 ges nedan. Den n-dimensionella rymden är indelad i delrymder, vilka svarar mot nämnda klasser med tillhörande klass- beteckningar. En klass kan därefter väljas genom att man avgör vilken delrymd som den aktuella punkten tillhör.
Slutligen sätts det aktuella templatet lika med klass- beteckningen för den valda klassen. Ett föredraget sätt 10 15 20 25 30 35 517 024 u | 0 wno4an 0 fu Q u u como 13 att dela in den n-dimensionella rymden i delrymder be- skrivs också nedan.
Definition av startpunkt i en bild av ett fingeravtryck: Det har traditionellt varit extremt komplext att definiera en konsekvent lokaliserbar startpunkt eller referenspunkt i en bild av ett fingeravtryck pà grund av de många olika förekommande typerna av fingeravtryck. Även vid traditionell, manuell fingeravtrycksklassifice- ring, utgàende från en stor uppsättning regler för iden- tifiering av startpunkterna för många typer av fingerav- tryck, kan startpunkter inte definieras för vissa typer av fingeravtryck.
I en utföringsform av föreliggande uppfinning erfor- dras emellertid endast tvà procedurer. Den första proce- duren är baserad pà en vektorisering av gràskalebilden.
Den andra proceduren, som endast används om den första proceduren inte klarar av att lokalisera en startpunkt, lokaliserar bildens geografiska centrum. Alternativt kan den andra proceduren vara baserad pà att antalet àsar i en binäriserad bild beräknas, eller pà att snabba fou- riertransformationer (FFT) beräknas för fingeravtrycks- bilden och att punkten väljes i motsvarighet till de dominanta frekvenserna.
Den första proceduren lokaliserar en startpunkt från en vektorrepresentation av gråskalebilden, dvs en vekto- riserad bild 300. Fig 5 visar en sådan vektoriserad bild.
Vektoriseringen utförs genom att bilden indelas i under- områden och genom att varje underomràde 305 tilldelas en orientering. Fig 6 visar de möjliga orienteringarna av underomràdena enligt utföringsformen i fig 5. Med denna första procedur definieras startpunkten som antingen det centrala bildelementet (pixel) i det sista av det längst till vänster av två underomràden i bilden vilka definie- rar en "takstruktur”, eller som det centrala bildelemen- tet i det sista mittersta underomràdet 360 (eller, om det finns tvâ mittersta underomràden, det vänstra av dessa) i en horisontallinjestruktur som påträffas vid nedàtriktad aou«oo o u -non-0 10 15 20 25 30 35 III IIO O I II OI I II O I IIO U n un o: n u Oo n nu n w nu n n. ..
I 00 lo n n on n n n a n n" , , ; .nu »nn n n "n nnnn n n nn n n n = a n n n n n n n ß I I a :u > - iso a-a c n 14 sökning fràn den vektoriserade bildens 300 överdel. Fig 7 visar de acceptabla takstrukturerna. En takstruktur defi- nieras helt enkelt som två underomráden som pekar uppåt dvs 2, omrâde till vänster och 6, och snett mot varandra, 3 eller 4 som ett under- 7 eller 8 som ett underomràde till höger. Fig 8 visar en acceptabel horisontallinje- struktur enligt en utföringsform av föreliggande uppfin- ning. Även fig 9-10 visar acceptabla slutpunkter till vänster respektive höger för en acceptabel horisontal- linjestruktur enligt en utföringsform av föreliggande uppfinning. De acceptabla slutpunktsmönster till vänster som visas i fig 9 har orienteringsvärdena 2; 3; 1 som 3 eller 4; följs av 4; eller 4 som till vänster följs av l. De till vänster följs av 2, 4 som till höger acceptabla slutpunktsmönster till höger som visas i fig 10 har orienteringsvärdena 7; 8; 7 eller 8; l som till höger följs av 6, 6 som till vänster följs av 6; eller 6 som till höger följs av 1.
Nedanför multipla horisontalàsar har de flesta fingeravtryck takstrukturàsar, vars krökning gradvis ökar i riktning mot fingeravtryckets centrum tills en ås är så krökt att den inte anses vara vare sig en takstruktur eller en horisontallinjestruktur. Med andra ord är den startpunkt som lokaliseras med denna första procedur den översta punkten av den innersta uppàtkrökta àsen, dvs där äsen nästan, eller verkligen, kröker sig tillbaka mot sig själv.
Vid lokaliseringen av startpunkten i den vektori- serade bilden 300 inleds den första proceduren med en sökning efter en första horisontallinjestruktur med slutpunkter vars orienteringar pekar uppåt och inàt.
Därefter söker proceduren nedàt tills acceptabla hori- sontallinjestrukturer och takstrukturer övergår i andra typer av strukturer, vanligen nästan vertikala sådana. Om inte denna övergång fràn horisontallinjestrukturer och takstrukturer hittas, antas startpunktunderomràdet 360 ha missats. Den första proceduren indikerar att den nedàt- 10 15 20 25 30 35 517 024 15 gående sökningen har passerat startpunkten när de accep- tabla horisontallinjestrukturerna börjar förlängas igen, dvs bli mycket längre. Vid uppåtriktad sökning görs av- för att söka efter en takstruktur, men sökningen fortsätter tills sökningen, liksom i den nedåtriktade sökningen, den nästkommande horisontallinjestrukturen påträffas innan startpunkten väljs.
Den startpunkt som lokaliseras enligt den första proceduren är stabil över varje antal bilder av samma fingeravtryck och är lokaliserad i ett område med en hög grad av informationsinnehåll, dvs ett område med lite redundant information såsom parallella åsar. Vidare lokaliserar denna procedur samma startpunkt även om fingeravtrycket presenteras vid olika vinklar relativt sensorn. Exempelvis kommer samma startpunkt att lokali- seras även om en bild av fingeravtrycket vrids i20° rela- tivt en annan bild av samma fingeravtryck.
Lokaliseringen av startpunkten upprepas för ett flertal bilder av samma fingeravtryck för att verifiera att startpunkten är stabil över dessa bilder och för att säkerställa att samma startpunkt lokaliseras när finger- avtrycket senare avbildas för identifiering/verifiering.
I en utföringsform befanns tio bilder vara ett tillräck- ligt antal. Även om föreliggande uppfinning kan fungera med en vektorisering som använder N orienteringar, med ett mini- mum av N=2, har utföringsformen enligt fig 5 àtta möjliga orienteringar, dvs N=8. I utföringsformen enligt fig 5 representerar varje vektor den förhärskande orienteringen hos ett underomràde med storleken 8 gånger 8 bildelement.
Storleken av underomrádet som används för val av en orientering svarar väsentligen mot upplösningen i bilden.
Exempelvis är ett underområde om 8 gånger 8 bildelement tillräckligt för en digital bild med en upplösning av 500 punkter per tum. I fig 5 är de åtta orienteringarna jämnt fördelade, men riktningen för orienteringarna är inte 10 15 20 25 517 024 16 särskiljda. Exempelvis har vektorerna för 90° och 270° samma orientering.
Sàsom visas i fig 6 kan var och en av orienteringar- na tilldelas ett tal: Vektor (grader) Orienteringstal 90 och 270 (vertikal) 67,5 och 247,5 45 och 225 (snedställd vänster) 22,5 och 202,5 0 och 180 (horisontell) 157,5 och 337,5 135 och 315 (snedställd höger) 112,5 och 292,5 Oædmwtßh-INP odefinierad, bakgrund De flesta konventionella vektoriseringsförfaranden genererar en god representation av den ursprungliga bilden när väl trösklarna för bildens förgrund och bak- grund har bestämts. För definiering av denna gräns sätts, enligt en utföringsform av föreliggande uppfinning som visas i fig 5, gränserna för vektorbildens förgrund en- ligt nedanstående regler, som används i tur och ordning: 1. Orienteringen vid botten av varje kolumn är ver- tikal 370; 2. Orienteringen vid toppen av varje kolumn är hori- sontell 375; 3. Orienteringen längst till höger i varje rad är snedställd höger 380; och 4. Orienteringen längst till vänster i varje rad är snedställd vänster 385.
Dessa gränsförhàllanden tillåter sökningen efter en startpunkt att börja praktiskt taget var som helst i den vektoriserade bilden och att iterativt följa en bestämd procedur för lokalisering av samma startpunkt. 10 15 20 25 517 024 17 Den nedàtriktade sökningen enligt en utföringsform av föreliggande uppfinning beskrivs närmare nedan, som stegen A, B, C och D och med hänvisning till fig 5-13.
Steg A (Start): Börja i något underområde i för- grunden av den vektoriserade bilden. I en utföringsform ligger utgångspunkten 310 vid korsningen mellan den vertikala kolumnen hos bildens geografiska centrum och den horisontella raden vid 1/3 av vägen mot toppen i bilden från det geografiska centrat.
Steg B struktur): Leta genom att följa orienteringen för varje (Sökning efter en första horisontallinje- underområde i bilden väsentligen uppåt från underområde till underområde tills en första horisontallinjestruktur 320 påträffas. En första horisontallinjestruktur 320 har en vänsterslutpunkt 330 med ett orienteringstal om 2, 3 eller 4 och en högerslutpunkt 340 med ett orienteringstal om 6, 7 eller 8. Denna första horisontallinjestruktur- sökning 500 visas i fig ll och genomförs enligt följande: Innevarande underområde Nästa underområde 1, 2 eller 8 Gå upp en rad 3 eller 4 Gå upp en rad, gå en kolumn ät höger 5 Utför en sökningen efter vänsterslutpunkt hos en första horisontallinjestruktur 6 eller 7 Gå upp en rad, gå en kolumn åt vänster O Gå ner tio rader Orienteringstalet 0 innebär att det innevarande underomràdet ligger i bakgrunden 350 av bilden, vilket i sin tur innebär att sökningen har rört sig alltför långt upp i bilden. Därför förflyttas sökningen tio rader nedåt innan den fortsätter. När ett underområde med en hori- sontell orientering, dvs med orienteringstalet 5, på- träffas görs en sökning för att bestämma huruvida den 10 15 20 517 024 18 första horisontallinjestrukturen har hittats. Om ingen första horisontallinjestruktur hittas efter exempelvis 100 iterationer av steg B, har denna första procedur misslyckats med att lokalisera en startpunkt och den andra proceduren används.
Sökningen 510 efter vänsterslutpunkt hos en första horisontallinjestruktur genomförs enligt följande: Innevarande underområde Nästa underområde 1, 6, 7, 8 eller 0 Gà en kolumn åt vänster, àtervänd till sökningen efter första horisontallinjestruktur 2, 3 eller 4 Gå en kolumn ät höger, genomför sökning efter högerslutpunkt hos första horisontallinjestruktur 5 Gà en kolumn åt vänster Sökningen 520 efter högerslutpunkt hos en första horisontallinjestruktur genomförs enligt följande: Innevarande underområde Nästa underområde 1, 2, 3, 4 eller 0 Gà en kolumn àt höger, àtervänd till sökning efter första hori- sontallinjestruktur 5 Gà en kolumn àt höger 6, 7 eller 8 Pàbörja nedàtriktad sökning Steg C (Nedàtriktad sökning): Söker nedåt från den första horisontallinjestrukturen 320 tills startpunkten hittas, eller tills sökningen har hoppat över startpunkt- en. En överhoppad startpunkt påvisas av längden av de acceptabla horisontallinjestrukturerna eftersom de accep- tabla horisontallinjestrukturerna ovanför startpunkten blir mindre i nedàtgàende riktning, medan de acceptabla horisontallinjestrukturerna nedanför startpunkten blir längre i nedåtgående riktning. Denna nedàtriktade sök- procedur visas i fig 12. Takstrukturer, såsom visas i ...vv «- .'1- 10 15 20 25 30 517 024 19 fig 7, kan anses vara de kortaste acceptabla horisontal- linjestrukturerna och är acceptabla strukturer. Dessutom, eftersom den första horisontallinjestrukturen 320 är en typ av acceptabel horisontallinjestruktur, omfattar acceptabla horisontallinjestrukturer en större grad av variation, se fig 8 och 13.
Det första steget i den nedàtriktade sökningen är att bestämma längden 810 av den innevarande acceptabla strukturen 600 genom räkning av antalet underomráden hos den acceptabla strukturen. Därefter, såsom visas i fig 8, 12 och 13, väljs 820 det mittersta underomràdet 605 hos den acceptabla strukturen som det möjliga referensunder- området och undersöks 830 de följande kandidatunderom- ràdena, i följande ordning: (1) ned en rad 610; (2) ned en rad, en kolumn àt vänster 620; (3) ned en rad, en kolumn àt höger 630; (4) ned en rad, två kolumner åt vänster 640; (5) ned en rad, tvâ kolumner àt höger 650.
Om någon av dessa kandidatunderomràden utgör en del av en acceptabel struktur 845, 847, väljs 850 denna acceptabla struktur för bestämning av nästa mittersta underomràde för nästa iteration av steg C. Om längden av den acceptabla strukturen 600 är mycket större, exempel- vis sex gànger större, än den kortaste längden av de acceptabla strukturerna som påträffats så långt 815, anses emellertid startpunkten ha överhoppats, och en uppätriktad sökning mäste utföras 860, se steg D.
Om ingen acceptabel struktur, dvs en horisontal- linjestruktur eller en takstruktur, har lokaliserats bland kandidatunderomràdena 847, är det aktuella refe- rensunderomràdet 360 i själva verket det möjliga refe- rensunderomrädet, och det centrala bildelementet hos det aktuella referensunderomràdet är startpunkten.
Sökningen 846 efter acceptabel horisontallinje- struktur genomförs enligt följande: lO 15 20 517 024 ~- li. s: 20 Innevarande underområde Nästa underområde l, 2, 3, 7 eller 8 Välj nästa kandidatunderomràde 4, 5 eller 6 Utför sökning efter acceptabel vänsterslutpunkt Sökningen 882, 884 efter acceptabel vänsterslutpunkt genomförs enligt följande: Innevarande underområde Nästa underområde 4, 5 eller 6 Gà en kolumn åt vänster, kontrollera om acceptabel vänsterslutpunkt finns 1, 2, 3, 7 eller 8 Välj nästa kandidatunderomràde Om en acceptabel vänsterslutpunkt hittas genomförs sökningen 886, 888 efter acceptabel högerslutpunkt enligt följande: Innevarande underområde Nästa underområde 4, 5 eller 6 Gå en kolumn àt höger, kontrollera om acceptabel högerslutpunkt finns 1, 2, 3, 7 eller 8 Välj nästa kandidatunderomràde Om bàde en acceptabel högerslutpunkt och en accepta- bel vänsterslutpunkt hittas 892, är horisontallinjestruk- turen acceptabel, och det mittersta underomràdet hos denna acceptabla horisontallinjestruktur används för bestämning av nästa kandidatunderomràde.
Steg D (Uppàtriktad sökning): Söker uppåt enligt liknande regler som i steg C, förutom att sökningen efter acceptabla strukturer genomförs i uppåtriktningarna.
Således kan, enligt en utföringsform av föreliggande uppfinning, en stabil startpunkt identifieras genom lokalisering av den första punkten i fingeravtrycksbil- den, vid nedåtriktad avsökning, som har en större krök- ~ var: ~ 10 15 20 25 30 35 517 024 21 ning än till och med takstrukturerna, exempelvis en underomrädesorientering om 1 till vänster och en under- omrádesorientering om 8 till höger. Eftersom strukturerna ovanför denna punkt är gemensamma för väsentligen alla slags fingeravtryck, d v s huvudsakligen parallellt sig slingrande àsar, kommer identifieringen av en utgångs- punkt och därefter nedåtriktad sökning nästan alltid att lokalisera en stabil startpunkt.
Den andra proceduren, enligt en utföringsform av föreliggande uppfinning, används för lokalisering av det geografiska centrat endast när den första proceduren misslyckas med att lokalisera startpunkten.
Det geografiska centrat hos den förbehandlade fingeravtrycksbilden definieras som det bildelement i bildens förgrund i vilket samma antal bildelement är belägna ovanför som nedanför och samma antal bildelement är belägna till höger som till vänster. Således måste bildens förgrund identifieras separat fràn dess bakgrund.
I en utföringsform av föreliggande uppfinning be- stäms gränsen för förgrunden med hjälp av variansen hos bildelementens värden. Bildelementens värden varierar endast obetydligt över hela bakgrunden, medan bildelemen- tens värden i förgrunden kan uppvisa betydande variation- er eftersom àsstrukturerna har en betydande variation mellan dalarna, vilka i en utföringsform av föreliggande uppfinning är vita, och àsarna, vilka i en utföringsform av föreliggande uppfinning är svarta. Sàledes kan gränsen mellan förgrunden och bakgrunden bestämmas genom beräk- ning av variansen hos bildelementen.
En alternativ procedur för lokalisering av för- grundsgränsen i bilden är att hitta det första bildele- ment i varje rad och kolumn som motsvarar en del av en às vid sökning mot den förbehandlade bildens centrum frän varje kant hos bilden. I en utföringsform av föreliggande uppfinning har ett sådant bildelement ett värde som är högre än en särskild tröskel, medan bakgrunden har bild- element med värden som är lägre än den särskilda trös- 10 15 20 25 30 35 517 024 gi? s§e f; 22 keln. Eftersom åsarna finns i förgrunden definierar de så lokaliserade bildelementen förgrundsgränsen.
När väl förgrundsgränsen har fastställts, räknas antalet förgrundsbildelement i varje rad och kolumn, och den kolumn som har lika många förgrundsbildelement till vänster som till höger och den rad som har lika många förgrundsbildelement ovanför som nedanför väljs som koor- dinater till startpunkten i bilden.
En alternativ första eller andra procedur som är avsedd att hitta en startpunkt baseras på àsräkning med användning av den binäriserade bilden. I denna alterna- tiva procedur fastställs antalet åsar som korsar varje vertikal och horisontell stödlinje i bilden. Den punkt i vilken raden respektive kolumnen med de högsta àstalen skär varandra väljs som en startpunkt. Denna rad väljs som startpunktraden. Från denna utgångspunkt följer en sökning längs tre angränsande äsar till den översta punkten (lägsta radnummer), och denna kolumn väljs som startpunktkolumnen. Dessa två steg beskrivs närmare nedan som steg A och B.
A. Längs varje rad och kolumn sker vid sökningen en räkning av alla övergångar från svart till vitt och vitt till svart. Därefter väljer sökningen punkten (rad, kolumn) med det högsta åsantalet, dvs det största antalet övergångar, som en utgångspunkt, eller om tre eller flera rader/kolumner har samma àsantal väljs den mittersta raden/kolumnen.
B. Med användning av radvärdet hos utgångspunkten väljer därefter sökningen startpunktkolumnen genom att följa àsen närmast utgångspunkten och de två närmast an- gränsande åsarna uppåt till de respektive toppunkterna.
Medelvärdet av dessa tre àstoppunkter väljs som start- punktkolumn.
En mer uttömmande beskrivning av hur en startpunkt kan definieras finns i sökandens internationella patent- ansökan med ansökningsnummer PCT/SE99/00553 och med in- lämningsdatum 6 april 1999, vilken ansökan inte var 10 15 20 25 30 35 oc: un: n o o. nu a gu o :once o n oo nu oo ru v oo u c nu u u o u u: nu nu nu v v u u o :oo n n .no nu; a n .nu uno. n | no o f s s s s a n o s n a r v 1 g :f a, :æa n; ef: se* 1 23 offentligt tillgänglig vid inlämningen av aktuell patent- ansökan.
Ovan har beskrivits ett föredraget sätt att lokali- sera eller definiera en startpunkt i en bild av ett fingeravtryck. Det inses att det finns många olika sätt utföra denna lokalisering eller definition och att det väsentliga inte är var i fingeravtrycket startpunkten lokaliseras eller hur strukturerna ser ut i dess omgiv- ning utan att den lokaliseras på samma ställe i varje insamling av samma fingeravtryck. Begreppet startpunkt ska således tolkas som en position i någon mening som i varje insamling är den samma relativt andra positioner i bilden. I andra typer av biometrisk data representerar startpunkten naturligtvis något annat än den gör i en bild av ett fingeravtryck. Exempelvis kan startpunkten vid ansiktsigenkänning utgöras av exempelvis näsan och vid röstigenkänning av en frekvens.
Ett föredraget sätt att generera särdraqsvärden Enligt en föredragen utföringsform delas bilden in i mindre områden, vilket ger ett antal datadelmängder, genom att man med startpunkten S i origo lägger åtta koncentriska cirklar 41 med allt större radie kring startpunkten S (se fig 14). Därefter delas bilden in ytterligare genom att tio radier 42 läggs utgående från startpunkten S, lika fördelade över 360 grader. Detta ger 8*l0=80 mindre områden 43 eller datadelmängder. När in- delningen är klar appliceras ett antal, t ex åtta, fil- ter, exempelvis Gabor-filter, på varje område 43. För varje filter och område 43 erhålls ett särdragsvärde i form av ett tal. Det inses att det finns ett stort antal möjliga sätt att utföra indelningen av bilden eller data- mängden. Gabor-filtret är ett vanligt filter i bildbe- handlingssammanhang och finns allmänt beskrivet i exem- pelvis Granlund, Knutsson, “Signal Processing for Com-“ puter Vision", Kluwer, 1995, och i samband med finger- avtrycksidentifiering i Jain et al, “A FingerCode: A Filterbank for Fingerprint Representation and Matching”, h. .-. 10 15 20 25 30 35 517 024 =jj= 24 IEEE Conference on CVPR, Colorado, USA, 1999. Filtret kan appliceras på tvàdimensionella bilder för att identifiera kant- och linje-strukturer. Applicerat på bilder av fingeravtryck erhålls en karaktärisering av utbredningen av àsar och dalar i avtrycket. Då man ungefärligen känner till hur breda (i pixlar) àsarna och dalarna är i bilden, kan man ställa in Gabor-filtren så att de reagerar spe- ciellt på dessa strukturer, medan andra strukturer inte påverkar resultatet i lika hög grad. Gabor-filtret är riktningsberoende, vilket innebär att ett filter bara ger utslag för strukturer i en riktning (t ex vertikala) i bilden. I praktiken används därför Gabor-filter med 4-8 olika riktningar för att täcka in alla riktningar.
Alternativa sätt att qenerera särdragsvärden Enligt en alternativ utföringsform av uppfinningen, och såsom visas i fig 15, kan särdragsvärden genereras från en tvàdimensionell bild av ett fingeravtryck genom att en flerhörning 51, exempelvis en kvadrat, överlagras på bilden i ett i förhållande till startpunkten S bestämt läge. Området innefattar typiskt l00*10O pixel. Fyra sär- dragsvärden erhålles genom att antalet àsar, alternativt antalet övergångar från svart till vitt och vitt till svart, längs respektive kantlinje 52-55 hos kvadraten 51 räknas. I exemplet i fig 15 återfinns 11, 13, 9 och 6 àsar för respektive kantlinje 52-55.
Enligt en annan alternativ utföringsform av upp- finningen kan steget att generera särdragsvärden från nämnda aktuell biometrisk data utföras med hjälp av Principal Component Analysis (PCA), som även benämns Karhunen-Loëve och Hotelling transform och som finns beskriven i Gonzales-Woods, 1993. Detta är ett känt sätt att identi- fiera de mest signifikanta särdragen i tvàdimensionella “Digital Image Processing', Addison Wesley, bilder. Med ett antal 2-dimensionella exempelbilder av' fingeravtryck (med origo lämpligen i startpunkten) kan man beräkna hur dessa varierar genom att skatta deras kovariansmatris. Egenvektorerna, tillhörande de största 10 15 20 25 30 35 nnn nnn n n nn nn n .n n nnnn n n n n n n n n n n n n nn n n nn n nn n n n n n n n n n n n n n n n nnn n n nnn nn n n nnn nnnn n n nn n nn n s n n n n n n n n n n n n n n n n; a: aan :f 2:a e== n 25 egenvàrdena, till kovariansmatrisen beskriver de mest signifikanta variationerna i den ursprungliga exempel- serien av bilder. Dessa egenvektorer kan benämnas v1,'vh M, vfi, där m är antalet egenvektorer. En ny bild av ett fingeravtryck (med origo i startpunkten), kallad f, kan då approximeras med linjärkombinationer av egenvektorer- na, dvs f ~ a1*v1+a2*v2+m+am*vh, där a1,a2,m,am är m st skalärer (tal). De m st skalärerna (a1,a2,m,am) bildar särdragsvärden.
Ett besläktat sätt att generera särdragsvärden är att applicera ett antal statistiskt genererade màlbilder, principialkomponenter, på aktuellt fingeravtryck och därefter undersöka hur bra dessa korrelerar med denna.
Exempel på hur detta går till åskådliggörs i fig l6.
Bilden delas in i exempelvis fyra màlomràden 61-64. Varje màlbild 65-68 jämförs med varje målområde 61-65 för undersökning av med vilken del av målområdet 61-65 som màlbilden 65-68 korrelerar bäst. Dessa ”bästa korrela- tionsvärden” bildar särdragsvärden och i det aktuella exemplet erhålles således sexton särdragsvärden (= antal mälbilder * antal màlomràden).
Enligt ytterligare en alternativ utföringsform kan särdragsvärden genereras med utgångspunkt i mått i bilden, såsom genomsnittlig bredd på linjerna (àsarna) i avtrycket, kurvaturen på linjen närmast ovanför start- punkten och det genomsnittliga avståndet mellan linjerna.
Definition och indelning av rvmden Enligt en föredragen utföringsform av uppfinningen definieras den n-dimensionella rymden genom att stegen att definiera start- eller referenspunkt och att generera särdragsvärden utförs på i förväg insamlad biometrisk data från ett stort antal personer. För varje persons biometriska data bildar särdragsvärdena koordinater.
Dessa koordinater kombineras så att de representerar en datapunkt för respektive person i den n-dimensionella rymden. Varje person kan även representeras av mer än ett data. I fig 3 àskàdliggörs en sådan representation för 10 15 20 25 30 35 26 n=3. I den tredimensionella rymden 31 finns ett stort antal datapunkter 32. Utifrån mängden datapunkter 32 indelas den n-dimensionella rymden 31 i delrymder 33, på ett sådant sätt att varje delrymd 33 företrädesvis inne- håller en lika stor mängd datapunkter 32. Om man exem- pelvis har samlat in biometriska data för 100 000 perso- ner, vilket ger 100 000 datapunkter 32, och vill ha 100 delrymder 33 skall varje delrymd 33 således innefatta ca 1 000 datapunkter 32. Därefter anvisas till varje delrymd 33 en “typisk punkt” eller attraktionspunkt 34 på så vis att varje datapunkt 32 inom delrymden 33 ligger närmare denna attraktionspunkt 34 än de till övriga delrymder 33 hörande attraktionspunkterna 34. Ett sätt att indela den n-dimensionella rymden 31 är att använda sig av någon klusteringsteknik (eng. clustering), såsom “Self- organizing Maps' som beskrivs i exempelvis Kohonen, “Self-organizing Maps", Springer, 1995. En indelning av detta slag tillgår på så vis att man antar, liksom tidigare, att det finns 100 000 datapunkter 32 i den n- dimensionella rymden 31. I rymden 31 placeras därefter 100 attraktionspunkter 34 ut, så att summan av avstånden mellan varje attraktionspunkt 34 och de respektive ca 1 000 närmsta datapunkterna 32 blir så liten som möjlig.
Avstånd kan exempelvis bestämmas som Euklidiskt avstånd.
Var och en av de 100 attraktionspunkterna 34 är således i någon mening den “typiska punkten” för respektive delrymd 33 eller klass och brukar benämnas prototyp. Varje att- raktionspunkt 34 eller delrymd/klass 33 kan representeras av en klassbeteckning, vilken utgörs av en numerisk siffra (alternativt alfanumerisk, eller av en bitföljd), i ovan beskrivna exempel 0-99.
En fackman på området inser att när indelningen av den n-dimensionella rymden 31 är gjord erfordras endast koordinaterna för attraktionspunkterna 34 för att defi- niera delrymderna 33 och därmed klasserna (se fig 4).
Således behöver inte särdragsvärden lagras, vilket sparar mycket minnesutrymme. Klass/delrymd 33 för nämnda aktuell 10 15 20 25 30 35 no con o o nu oc o oo o coon o u o o o o o o o o o ao o 0 o! | oo oo o oo oo o o to o u o o »oo o 1 o no :nu n o no n y o o u o o o o x o o o a o o o o o o o o o = a en s: = *s x »u ooo 27 biometrisk data väljs således genom att avståndet mellan motsvarande nämnda aktuella datapunkt 35 och attraktions- punkterna 34 bestäms, varvid den klass/delrymd 33 vars attraktionspunkt 34 ligger på kortast avstånd D från den aktuella punkten 35 väljs.
Indelningen av den n-dimensionella rymden 31 skulle kunna vara adaptiv, så att indelningen justeras varje gång man studerar ny biometrisk data för en person som man vill ska ingå bland kända data.
Alternativt sätt att representera delrvmder i den n- dimensionella rymden Enligt ett alternativt utförande av uppfinningen kan delrymderna 33 i den n-dimensionella rymden 31 beskrivas med hjälp av koordinaterna för deras avgränsning 36. I den schematiska rymden 31 i fig 3 och 4 skulle således inte attraktionspunkterna 34 behövas och man skulle kunna ta reda pá vilken delrymd 33 den aktuella punkten 35 tillhör genom att undersöka i vilken delrymd 33 den ligger. Varje delrymd 33 skulle i detta fall represen- teras av en klassbeteckning. Enligt detta utförande bör antingen delrymderna 33 tillsammans uppfylla hela rymden 31 eller måste särskilda åtgärder vidtagas om den ak- tuella datapunkten 35 ligger mellan de definierade del- rymderna 33.
Uppfinningen har ovan beskrivits med hänvisning till som exempel valda utföringsformer, men variationer och modifikationer är möjliga inom ramen för uppfinningen.
Exempelvis kan den portabla databäraren som ovan exempli- fierats med ett smartcard även utgöras av exempelvis en javaring, en palmpilot (PDA), eller ett SIM-kort. Behand- lingsenheten kan som ovan nämnts vara en dator av något slag, såsom en PC, men det finns ett stort antal andra tillämpningar. Exempelvis skulle behandlingsenheten kunna vara en kontantuttagsautomat, en mobiltelefon, ett dörr- lås, en tv-box som ger access till vissa kabel-tv-kanaler OSV . 10 15 20 25 30 35 51 7 Û24 :gu .- 28 Minnesorganen i den portabla databäraren och i be- handlingsenhetens signalbehandlingsanordning har inte närmare specificerats, men kan utgöras av exempelvis RAM, ROM, Flash, eller EPROM. Vidare kan signalbehandlings- anordningarna i databäraren och i behandlingsenheten^ omfatta exempelvis en processor, en FPGA, eller en ASIC.
Behandlingsenhetens behandlingsorgan kan omfatta exempelvis en algoritm, hårdvara, såsom en processor, en FPGA, eller en ASIC, eller exempelvis en optisk lins.
Kommunikationen mellan ovan beskrivna systems en- heter kan ske som redan nämnts antingen kontaktlöst eller med hjälp av någon typ av fysiska ledningar, såsom Ethernet, Bluetooth, eller Firewire, och någon typ av IP, eller RF232 seriellt.
Vidare inses det att avstånd mellan punkter i den n- protokoll, såsom USB, dimensionella rymden kan bestämmas på ett flertal sätt.
Det geometriska avståndet kan exempelvis bestämmas genom att använda Pythagoras teorem eller n-dimensionella okta- goner, vilket ger det ovan omnämnda Euklidiska avståndet.
I beskrivningen har endast ett ortogonalt system beskri- vits, men uttrycket ”avstånd” är avsett att tolkas brett och att gälla även för rymder i icke-ortogonala system.
I ovan beskrivna för närvarande föredragna utfö- ringsformer av uppfinningen har biometrisk data repre- senterat ett fingeravtryck. Uppfinningen fungerar emel- lertid även för andra typer av biometrisk data, dvs för representationer av andra typer av kropps- och individ- specifika egenskaper eller parametrar. Den biometriska informationen kan exempelvis utgöras av mönstret på en persons handflata, ögonbotten, iris, eller ansikte, eller någon annan information som inte är utseenderelaterad, såsom personens röst. Det inses att sensorn för insamling av biometrisk data måste väljas och anpassas efter typen av biometrisk parameter. Indelningen av bilderna och genereringen av särdragsvärden kan ske på liknande sätt för de biometriska data som representeras av bilder. För uanaao 10 29 ett röstprov kan indelning och identifiering av särdrag istället ske med avseende på exempelvis frekvenser.
Klassbeteckningarna tillordnas ”en kombination av siffror och/eller bokstäver” eller en ”numerisk alterna- tivt alfanumerisk siffra". Dessa uttryck är avsedda att tolkas mycket brett, såsom en kombination av tecken av något slag. Med siffror menas siffror med någon talbas, vilken som helst.
Sammanfattningsvis avser uppfinningen således att omfatta alla sådana alternativ, modifikationer och variationer som faller inom ramen för de bifogade patentkraven. nun u mannen

Claims (64)

10 15 20 25 30 35 517 024 30 PATENTKRAV
1. Sätt att generera referensdata fràn aktuell bio- metrisk data frán en person, innefattande stegen: att baserat pà nämnda aktuell biometrisk data gene- rera ett antal särdragsvärden, att utifràn nämnda särdragsvärden välja en av ett flertal klasser, varvid varje klass motsvarar en mängd i förväg insamlad biometrisk data fràn ett antal personer och har en respektive klassbeteckning, och att sätta nämnda referensdata lika med klassbeteck- ningen för den valda klassen.
2. Sätt enligt krav 1, vid vilket steget att gene- rera särdragsvärden vidare innefattar stegen: att definiera en startpunkt i nämnda aktuell bio- metrisk data, att utgående frän startpunkten dela in nämnda aktuell biometrisk data i minst en datadelmängd, att behandla nämnda aktuell biometrisk data för generering av minst ett särdragsvärde för varje data- delmängd.
3. Sätt enligt krav 2, vid vilket steget att be- handla nämnda aktuell biometrisk data innefattar steget att applicera en algoritm pà nämnda aktuell biometrisk data.
4. Sätt enligt krav 2 eller 3, vid vilket nämnda aktuell biometrisk data utgörs av en tvàdimensionell representation av en individspecifik egenskap.
5. Sätt enligt något av kraven 2-4, vid vilket steget att behandla nämnda aktuell biometrisk data vidare innefattar stegen: att i nämnda datadelmängd undersöka förekomst av minst ett särdrag, och att baserat pä nämnda förekomst av varje särdrag anvisa ett motsvarande särdragsvärde.
6. Sätt enligt krav 5, vid vilket nämnda aktuell biometrisk data utgörs av en tvàdimensionell representa- 10 15 20 25 30 35 517 Û24š3¥§šï¥¥-" 31 tion av ett fingeravtryck och vid vilket steget att gene- rera särdragsvärden vidare innefattar stegen: att utgående frän nämnda startpunkt (S) överlagra en flerhörning (51) pä den tvädimensionella representation- en, att räkna antal fingeravtrycksäsar som skär fler- hörningens respektive sidor (52-55), och (51) (52- 55) generera ett särdragsvärde som svarar mot respektive att för var och en av flerhörningens sidor antal fingeravtrycksäsar.
7. Sätt enligt krav 4, vid vilket steget att dela in nämnda aktuell biometrisk data vidare innefattar stegen: att i nämnda tvädimensionella representation anordna (41) (42), vilka sträcker sig frän nämnda start- (41) en koncentriska cirklar kring nämnda startpunkt (S) samt linjer punkt (S) gäng, varigenom nämnda aktuell biometrisk data indelas i och vilka vardera skär varje cirkel nämnda datadelmängder.
8. Sätt enligt krav 7, vid vilket ett eller flera filter appliceras pä nämnda datadelmängder för generering av minst ett särdragsvärde för varje datadelmängd.
9. Sätt enligt nägot av kraven 1-3, vid vilket nämnda aktuell biometrisk data utgörs av en tvädimensio- nell representation av en individspecifik egenskap och vid vilket steget att generera särdragsvärden vidare innefattar stegen: att jämföra ett antal mälbilder (65-68) med nämnda tvädimensionella representation och generera ett respek- tive korrelationsvärde, och att för varje mälbild (65-68) generera ett särdrags- värde, vilket svarar mot nämnda respektive korrelations- värde.
10. Sätt enligt nägot av föregående krav, vid vilket nämnda klasser är definierade med utgångspunkt i sär- dragsvärden som representerar den respektive klass till- hörande mängden i förväg insamlad biometrisk data. 10 15 20 25 30 35 517 024 32
11. Sätt enligt något av föregående krav, vid vilket valet av klass innefattar stegen: att läta särdragsvärdena för nämnda aktuell bio- metrisk data bilda koordinater, att kombinera koordinaterna, att låta de kombinerade koordinaterna definiera en aktuell punkt (35) i en rymd (31), vilken rymd (31) är (33), med tillhörande klassbeteckningar, indelad i delrymder vilka svarar mot nämnda klasser och att avgöra vilken delrymd (33) den aktuella punkten (35) tillhör och därmed vilken klass nämnda aktuell bio- metrisk data tillhör.
12. Sätt enligt krav 11, vid vilket nämnda delrymder (33) förväg insamlad biometrisk data. inbördes motsvarar väsentligen lika stor mängd i
13. Sätt enligt krav 11 eller 12, vid vilket varje delrymd (33) åtminstone representeras av en attraktions- (31).
14. Sätt enligt något av kraven 11-13, vid vilket (31) delrymd (33) tillordnas en respektive attraktionspunkt (34) så, tionspunkt (34) och datapunkter (32), som representerar punkt (34) i nämnda rymd indelningen av nämnda rymd sker genom att varje att summan av avstànden mellan nämnda attrak- nämnda mängd i förväg insamlad biometrisk data och som är avsedda att omfattas av delrymden (33), minimeras.
15. Sätt enligt något av kraven 11-14, vid vilket valet av klass vidare innefattar stegen: (33) bestämma (35) att för var och en av nämnda delrymder ett avstånd (D) mellan den aktuella punkten och (34), att välja den klass som svarar mot den delrymd (33) (34) respektive attraktionspunkt och till vars attraktionspunkt nämnda avstånd (D) år minst.
16. Sätt enligt krav 11 eller 12, vid vilket valet av klass vidare innefattar stegen: 10 15 20 25 30 35 517 024 33 att jämföra koordinaterna för den aktuella punkten (35) med koordinater för en avgränsningsyta (36) hos nämnda delrymder (33), och att välja den klass som svarar mot den delrymd (33) inom vilken den aktuella punkten (35) ligger.
17. Sätt enligt nägot av föregående krav, vid vilket vardera av nämnda klassbeteckningar utgörs av en kombina- tion av tecken, företrädesvis siffror och/eller bokstä- ver.
18. Anordning, som är avsedd för generering av referensdata fràn aktuell biometrisk data fràn en person, (9), datauppsättning vilken är indelbar i ett flertal klasser, innefattande ett minnesorgan vilket innehåller en som var och en motsvarar en mängd i förväg insamlad bio- metrisk data fràn ett antal personer och som är tilldelad en respektive klassbeteckning, och ett behandlingsorgan (10) metrisk data generera ett antal särdragsvärden, att uti- som är anordnat att baserat på nämnda aktuell bio- fràn nämnda särdragsvärden välja en av nämnda klasser och att sätta nämnda referensdata lika med klassbeteckningen för den valda klassen.
19. Anordning enligt krav 18, vid vilken behand- lingsorganet (10) är utformat att definiera en startpunkt (S) i nämnda aktuell biometrisk data, att utgàende från startpunkten (S) dela in nämnda aktuell biometrisk data i minst en datadelmängd, och att behandla nämnda aktuell biometrisk data för generering av minst ett särdragsvärde för varje datadelmängd.
20. Anordning enligt krav 19, vid vilken behand- lingsorganet (10) är utformat att applicera en algoritm pà nämnda aktuell biometrisk data.
21. Anordning enligt krav 19 eller 20, vid vilken nämnda aktuell biometrisk data är en tvàdimensionell representation av en individspecifik egenskap.
22. Anordning enligt nàgot av kraven 18-21, vid vilken datauppsättningen i minnesorganet (9) är indelbar i nämnda klasser med utgångspunkt i särdragsvärden som lO 15 20 25 30 35 517 024 | u u ø ro 34 representerar den respektive klass tillhörande mängden i förväg insamlad biometrisk data.
23. Anordning enligt något av kraven 18-22, vid (10) särdragsvärdena för nämnda aktuell biometrisk data bilda att làta de vilken behandlingsorganet är utformat att làta koordinater, att kombinera koordinaterna, (35) i en rymd (31), vilken rymd (31) är indelad i delrymder (33), klassbeteckningar, och att avgöra vilken delrymd (33) den (35) nämnda aktuell biometrisk data tillhör. kombinerade koordinaterna definiera en aktuell punkt vilka svarar mot nämnda klasser med tillhörande aktuella punkten tillhör och därmed vilken klass
24. Anordning enligt krav 23, vid vilken dataupp- sättningen i minnesorganet (9) är indelbar i nämnda del- rymder (33) sä att dessa inbördes motsvarar väsentligen lika stor mängd i förväg insamlad biometrisk data.
25. Anordning enligt krav 23 eller 24, vid vilken datauppsättningen i minnesorganet (9) är indelbar i (33), (33) åtminstone är representerad av en attraktionspunkt (34) (31).
26. Anordning enligt något av kraven 23-25, vid (34) att summan av avstànden (34) (32), som representerar nämnda mängd i förväg insamlad bio- nämnda delrymder varvid var och en av delrymderna i nämnda rymd vilken nämnda attraktionspunkt är tillordnad respektive delrymd (33) sà, mellan nämnda attraktionspunkt och datapunkter metrisk data och som är avsedda att omfattas av delrymden (33), minimeras.
27. Anordning enligt något av kraven 23-26, vid (10) är utformat att för var (33) bestämma ett avstånd (D) (35) och att välja den klass som svarar mot (34) vilken behandlingsorganet och en av nämnda delrymder mellan den aktuella punkten tionspunkt (34), den delrymd (33) avstånd (D)
28. Anordning enligt krav 23 eller 24, vid vilken och respektive attrak- till vars attraktionspunkt nämnda är minst. behandlingsorganet (10) är utformat att jämföra koor- 10 15 20 25 30 35 517 024 35 (35) hos nämnda delrymder dinaterna för den aktuella punkten med koordinater (36) (33), och att välja den klass som svarar mot den delrymd (33) för en avgränsningsyta inom vilken den aktuella punkten (35) ligger.
29. Anordning enligt något av kraven 18-28, vid vilken behandlingsorganet (10) är utformat att bilda varje klassbeteckning som en kombination av tecken, företrädesvis siffror och/eller bokstäver.
30. Sätt att baserat pà aktuell biometrisk data fràn en person kontrollera accessrätt till känslig informa- tion, omfattande stegen: att insamla nämnda aktuell biometrisk data, att utgående från nämnda aktuell biometrisk data generera första referensdata genom ett sätt i enlighet med nàgot av kraven 1-17, att jämföra nämnda första referensdata med andra (l), att vid överensstämmelse mellan nämnda första och referensdata som finns lagrad pà en databärare och andra referensdata ge personen accessrätt till den käns- liga informationen.
31. Sätt enligt krav 30, vidare innefattande steget att bestämma vilka operationer som personen med access- rätt tilläts utföra pà den känsliga informationen vid en överensstämmelse mellan nämnda första och andra referens- data.
32. Sätt enligt krav 30 eller 31, vid vilket steget att jämföra nämnda första referensdata med nämnda andra referensdata innefattar steget att jämföra tvâ kombina- tioner av tecken, företrädesvis siffror och/eller bok- stäver.
33. Sätt enligt något av kraven 30-32, vid vilket nämnda aktuell biometrisk data utgörs av ett finger- avtryck.
34. Sätt enligt nàgot av kraven 30-33, vid vilket den känsliga information är lagrad pà databäraren (1).
35. Sätt enligt krav 34, vid vilket nämnda jämförelse sker pà databäraren (1). 10 15 20 25 30 35 517 024 36
36. Sätt enligt krav 34 eller 35, vid vilket nämnda generering av referensdata sker i ett frán databäraren (1) àtskilt behandlingsorgan (10), och att nämnda första referensdata överförs från behandlingsorganet (10) till databäraren (1) inför nämnda jämförelse.
37. System för kontroll av accessrätt till känslig information, vilken kontroll är baserad pà aktuell bio- metrisk data fràn en person vars accessrätt till den känsliga informationen skall kontrolleras, varvid syste- met omfattar en portabel databàrare (1) innefattande ett minnesorgan (3) som innehåller den känsliga informatio- nen, en signalbehandlingsanordning (4) och en kommunika- (5), (2), anordnad att mottaga nämnda aktuell biometrisk data från tionsanordning och en behandlingsenhet som är personen och som innefattar en kommunikationsanordning (7) och en signalbehandlingsanordning (6) enligt något av kraven 18-29, varvid behandlingsenheten (2) är anordnad att medelst signalbehandlingsanordningen (6) generera aktuell referensdata fràn nämnda aktuell biometrisk data, att överföra nämnda aktuell referensdata till databära- rens (1) signalbehandlingsanordning (4) via kommunika- tionsanordningarna (5, 7), och varvid databärarens (1) signalbehandlingsanordning (4) är anordnad att jämföra nämnda aktuell referensdata med i förväg lagrad referens- data i databärarens (1) minnesorgan (3) för att avgöra om accessrätt till den känsliga informationen föreligger.
38. System enligt krav 37, varvid nämnda aktuell biometrisk data utgörs av en tvàdimensionell representa- tion av en individspecifik egenskap.
39. System enligt krav 38, varvid nämnda tvàdimen- sionella representation utgörs av en digital bild.
40. System enligt något av kraven 37-39, varvid databärarens (1) signalbehandlingsanordning (4) vidare är utformad att vid överensstämmelse mellan nämnda aktuella referensdata och nämnda i förväg lagrad referensdata bestämma vilka operationer som behandlingsenheten (2) tilläts utföra pà den känsliga informationen. 10 15 20 25 30 35 :ne n: 37
41. System enligt något av kraven 37-40, varvid nämnda aktuell biometrisk data utgörs av ett finger- avtryck.
42. System enligt krav 41, varvid databärarens (1) minnesorgan (3) vidare innehåller i förväg lagrad referensdata för ett fingeravtryck.
43. System enligt nàgot av kraven 37-42, varvid databäraren (1) utgörs av ett smartcard.
44. Behandlingsenhet för kontroll av accessrätt till känslig information som finns lagrad pá en portabel data- bärare (1), vilken kontroll är baserad pà aktuell bio- metrisk data från en person, varvid behandlingsenheten (2) innefattar en kommunikationsanordning (7) och en signalbehandlingsanordning (6) enligt något av kraven 18- 29, varvid behandlingsenheten (2) är anordnad att medelst signalbehandlingsanordningen (6) generera aktuell refe- och att överföra nämnda aktuell referensdata till databärarens rensdata fràn nämnda aktuell biometrisk data, (1) signalbehandlingsanordning (4) via kommunikations- anordningarna (5, 7).
45. Behandlingsenhet enligt krav 44, varvid signalbehandlingsanordningen (6) vidare är utformad att utföra operationer pà den känsliga informationen, baserat på rättigheter som behandlingsenheten (2) tilldelas av databäraren (1).
46. Behandlingsenhet enligt något av kraven 44 eller 45, varvid behandlingsenheten (2) vidare är försedd med en sensor (8) för insamling av nämnda aktuell biometrisk data från personen.
47. Behandlingsenhet enligt krav 46, varvid nämnda aktuell biometrisk data utgörs av en digital bild.
48. Sätt att kontrollera om aktuell biometrisk data fràn en person finns representerad i en databas, vilken innehåller kombinationer av särdragsvärden, varvid varje kombination av särdragsvärden är tillordnad en postbe- teckning och svarar mot i förväg insamlad biometrisk data fràn en respektive person, omfattande stegen: lO 15 20 25 30 35 517 024 :ff 1:: e a 38 att insamla nämnda aktuell biometrisk data, att baserat pà nämnda aktuell biometrisk data generera ett antal aktuella särdragsvärden, att utifrân nämnda aktuella särdragsvärden välja en av ett flertal klasser, varvid varje klass motsvarar en mängd i förväg insamlad biometrisk data fràn ett antal personer och har en respektive klassbeteckning, att jämföra nämnda aktuella särdragsvärden med minst en av de kombinationer av särdragvärden som är tillordnad en postbeteckning som svarar mot den valda klassens klassbeteckning.
49. Sätt enligt krav 48, vid vilket steget att gene- rera aktuella särdragsvärden vidare innefattar stegen: att definiera en startpunkt (S) i nämnda aktuell biometrisk data, att utgående från startpunkten (S) dela in nämnda aktuell biometrisk data i minst en datadelmängd, och att behandla nämnda aktuell biometrisk data för generering av minst ett särdragsvärde för varje data- delmängd.
50. Sätt enligt krav 49, vid vilket steget att be- handla nämnda aktuell biometrisk data innefattar steget att applicera en algoritm pà nämnda aktuell biometrisk data.
51. Sätt enligt nàgot av kraven 48-50, vid vilket nämnda aktuell biometrisk data utgörs av en tvädimen- sionell representation av en individspecifik egenskap.
52. Sätt enligt nàgot av kraven 49-51, vid vilket steget att behandla nämnda aktuell biometrisk data vidare innefattar stegen: att i nämnda datadelmängd undersöka förekomst av minst ett särdrag, och att baserat pà nämnda förekomst av varje särdrag anvisa ett motsvarande särdragsvärde.
53. Sätt enligt krav 52, vid vilket nämnda aktuell biometrisk data utgörs av en tvàdimensionell represen- lO 15 20 25 30 35 j! oo ooo o o oo lo o o oo o ao o o o o oo o oo ua o o o oo o o o o oo o o n o o so; :oo :o n ao :o i o oo n f o 1 :o o =o o o 0 v o I oo v: o = o o o o oo 39 tation av ett fingeravtryck och vid vilket steget att generera särdragsvärden vidare innefattar stegen: att utgående frán nämnda startpunkt (S) överlagra en flerhörning (51) pà den tvädimensionella representation- en, att räkna antal fingeravtrycksàsar som skär fler- (51) att för var och en av flerhörningens (51) hörningens respektive sidor (52-55), och (52- 55) generera ett särdragsvärde som svarar mot respektive sidor antal fingeravtrycksàsar.
54. Sätt enligt krav 51, vid vilket steget att dela in nämnda aktuell biometrisk data vidare innefattar stegen: att i nämnda tvàdimensionella representation anordna (41) samt linjer (42), vilka sträcker sig fràn nämnda start- punkt (S) (41) en gäng, varigenom nämnda aktuell biometrisk data indelas i koncentriska cirklar kring nämnda startpunkt (S) och vilka vardera skär varje cirkel nämnda datadelmängder (43).
55. Sätt enligt krav 54, vid vilket ett eller flera filter appliceras pà nämnda datadelmängder (43) för generering av minst ett särdragsvärde för varje data- (43).
56. Sätt enligt nàgot av kraven 48-50, vid vilket delmängd nämnda aktuell biometrisk data utgörs av en tvàdimensio- nell representation av en individspecifik egenskap och vid vilket steget att generera aktuella särdragsvärden vidare innefattar stegen: att jämföra ett antal màlbilder (65-68) med nämnda tvàdimensionella representation och generera ett respek- tive korrelationsvärde, och att för varje màlbild (65-68) värde, vilket svarar mot nämnda respektive korrelations- generera ett särdrags- värde.
57. Sätt enligt nàgot av kraven 48-56, vid vilket nämnda klasser är definierade med utgångspunkt i sär- 10 15 20 25 30 35 ua os' o I ao nu n I o: n o u o Lo p: I u wo n I» nn v n oo nu nu v nu n u o n p: a n a n n o n s 1 A n: x sn o a u» a n n s g g H- e =§ 1 ; . ; ; I I n n r e» s; s v 40 dragsvärden som representerar den respektive klass tillhörande mängden i förväg insamlad biometrisk data.
58. Sätt enligt något av kraven 48-57, vid vilket valet av klass innefattar stegen: att låta de aktuella särdragsvärdena bilda koor- dinater, att kombinera koordinaterna, att låta de kombinerade koordinaterna definiera en aktuell punkt (35) indelad i delrymder i en rymd (31), vilken rymd (31) är (33), med tillhörande klassbeteckningar, vilka svarar mot nämnda klasser och att avgöra vilken delrymd (33) den aktuella punkten (35) tillhör och därmed vilken klass nämnda aktuell biometrisk data tillhör.
59. Sätt enligt krav 58, vid vilket nämnda delrymder (33) förväg insamlad biometrisk data.
60. Sätt enligt krav 58 eller 59, vid vilket varje delrymd (33) (34)
61. Sätt enligt något av kraven 58-60, vid vilket (31) inbördes motsvarar väsentligen lika stor mängd i åtminstone representeras av en attraktions- punkt i nämnda rymd (31). indelningen av nämnda rymd sker genom att varje delrymd (33) tillordnas en respektive attraktionspunkt (34) så, att summan av avstånden mellan nämnda attrak- tionspunkt (34) och datapunkter (32), som representerar nämnda mängd i förväg insamlad biometrisk data och som är (33),
62. Sätt enligt något av kraven 58-61, vid vilket avsedda att omfattas av delrymden minimeras. valet av klass vidare innefattar stegen: (33) bestämma (35) och att för var och en av nämnda delrymder ett avstånd (D) mellan den aktuella punkten (34), att välja den klass som svarar mot den delrymd (33) (34) respektive attraktionspunkt och till vars attraktionspunkt nämnda avstånd (D) är minst.
63. Sätt enligt krav 58 eller 59, vid vilket valet av klass vidare innefattar stegen: mn...- ~ 41 att jämföra koordinaterna för den aktuella punkten (35) med koordinater för en avgränsningsyta (36) hos nämnda delrymder (33), och att välja den klass som svarar mot den delrymd (33) inom vilken den aktuella punkten (35) ligger.
64. Sätt enligt nàgot av kraven 48-63, vid vilket vardera av nämnda klassbeteckningar utgörs av en kombina- tion av tecken, företrädesvis siffror och/eller bok- stäver.
SE9903684A 1999-10-13 1999-10-13 Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag SE517024C2 (sv)

Priority Applications (3)

Application Number Priority Date Filing Date Title
SE9903684A SE517024C2 (sv) 1999-10-13 1999-10-13 Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag
AU11825/01A AU1182501A (en) 1999-10-13 2000-10-13 Method and device for processing biometric data, by determining features and classifying the data
PCT/SE2000/001997 WO2001026549A1 (en) 1999-10-13 2000-10-13 Method and device for processing biometric data, by determining features and classifying the data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE9903684A SE517024C2 (sv) 1999-10-13 1999-10-13 Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag

Publications (3)

Publication Number Publication Date
SE9903684D0 SE9903684D0 (sv) 1999-10-13
SE9903684L SE9903684L (sv) 2001-04-14
SE517024C2 true SE517024C2 (sv) 2002-04-02

Family

ID=20417338

Family Applications (1)

Application Number Title Priority Date Filing Date
SE9903684A SE517024C2 (sv) 1999-10-13 1999-10-13 Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag

Country Status (1)

Country Link
SE (1) SE517024C2 (sv)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180204080A1 (en) * 2002-08-20 2018-07-19 Fusionarc, Inc. System for multiple algorithm processing of biometric data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180204080A1 (en) * 2002-08-20 2018-07-19 Fusionarc, Inc. System for multiple algorithm processing of biometric data

Also Published As

Publication number Publication date
SE9903684L (sv) 2001-04-14
SE9903684D0 (sv) 1999-10-13

Similar Documents

Publication Publication Date Title
Prabhakar et al. Decision-level fusion in fingerprint verification
US7599530B2 (en) Methods for matching ridge orientation characteristic maps and associated finger biometric sensor
US6021211A (en) Method and related apparatus for fingerprint indexing and searching
JP5574515B2 (ja) 生体認証デバイス及び方法
EP1471458B1 (en) FIngerprint authentication system and method
ES2973497T3 (es) Método de extracción de características de una huella dactilar representada por una imagen de entrada
CA2230279A1 (en) Method of gathering biometric information
EP2549432A1 (en) Identification device, identification method and program
Uz et al. Minutiae-based template synthesis and matching for fingerprint authentication
JP6197613B2 (ja) 生体情報抽出装置、生体情報抽出方法、および生体情報抽出プログラム
Barman et al. An efficient fingerprint matching approach based on minutiae to minutiae distance using indexing with effectively lower time complexity
Liang et al. Distorted fingerprint indexing using minutia detail and delaunay triangle
EP1563446B1 (en) Method, device and computer program for detecting point correspondences in sets of points
Conti et al. An advanced technique for user identification using partial fingerprint
Tahmasebi et al. Robust intra-class distance-based approach for multimodal biometric game theory-based rank-level fusion of ear, palmprint and signature
Kumar Hand image biometric based personal authentication system
Sanches et al. A single sensor hand biometric multimodal system
SE517024C2 (sv) Sätt och anordning för att bearbeta biometriska data, särdrag känns av och data klassas efter dessa särdrag
Badrinath et al. An efficient multi-algorithmic fusion system based on palmprint for personnel identification
Kisku et al. Feature level fusion of biometrics cues: human identification with Doddington’s caricature
KR100670244B1 (ko) 양쪽 동시 지문입력기 및 그 지문 매칭 방법
Prabhakar et al. Decision-level fusion in biometric verification
Choudhury et al. Vector quantization and multi class support vector machines based fingerprint classification
Szczepanik et al. Security lock system for mobile devices based on fingerprint recognition algorithm
Ribarić et al. A novel biometric personal verification system based on the combination of palmprints and faces