AUTENTICAÇÃO DE IMPRESSÕES DIGITAIS

Transcrição

1 AUTENTICAÇÃO DE IMPRESSÕES DIGITAIS Felipe Negreiros Pedrosa- IC Aluno de graduação do curso de Eng. de Computação do Instituto Tecnológico de Aeronáutica Bolsista PIBIC-CNPQ; Brasil; Elder Moreira Hemerly - PQ Professor do Departamento de Controle, Divisão de Eletrônica, Instituto Tecnológico de Aeronáutica Brasil; hemerly@ita.br RESUMO Impressões digitais são únicas. Este artigo descreve uma análise de um algoritmo de autenticação de impressões digitais, isto é, um algoritmo que identifica se uma impressão digital pertence ou não a um indivíduo de um grupo. O grupo é definido por um banco de dados com informações concernentes às impressões de certa quantidade de pessoas. O algoritmo é bastante robusto, pois é capaz de identificar impressões que estejam rotacionadas, transladadas e/ou levemente distorcidas não deformadas. O processamento usado é compatível com o poder de processamento de PC s, não sendo, portanto, um processamento dispendioso. ABSTRACT Fingerprints are unique. This paper describes the analysis of an algorithm for fingerprint matching, witch identifies whether or not someone s fingerprint matches with another in a group. This group is defined as a database with information concerning to fingerprints of an amount of individuals. The algorithm is robust, because it is capable of matching fingerprints, even if they are dislocated, rotated and/or slightly distorted non deformed. The necessary processing can be achieved with the processing power of PC s, being discarded the use of an expensive processor. Palavras-chave Digitais, Impressões Digitais, Autenticação.

2 1. INTRODUÇÃO 1.1. Importância de Impressões Digitais Impressões digitais definem unicamente os seres humanos e podem ser facilmente extraídas e analisadas segundo suas características principais. Também constituem um dos mais viáveis meios de identificação, financeiramente falando. Exatamente por isso são largamente usadas como identificadores. Diversos métodos de autenticação de impressões digitais podem ser empregados, dependendo do banco de dados disponível. Por exemplo, autenticação estatística [1] pode ser mais eficiente para análise de um banco de dados relativamente pequeno, enquanto que a autenticação estrutural [2] é muito mais eficiente em bancos de dados mais extensos. O objetivo deste estudo é desenvolver um algoritmo de autenticação de impressões digitais em um banco de dados relativamente pequeno. Será usado, portanto, o método de autenticação estatística, como proposto por Wahab, Chin e Tan [1]. Este modelo é uma extensão do método de autenticação estrutural proposto por Hrechak e McHugh [2] Características de uma Impressão Digital Uma impressão digital pode ser diferenciada de outra através das diversas características presentes, as chamadas minutae, e suas respectivas posições na digital. A Figura 1 mostra a imagem de uma impressão digital com algumas de suas mais comuns características identificadas. Por exemplo, uma ilha é uma linha com um tamanho pequeno, e uma bifurcação pode ser definida como o encontro de duas linhas que continuam como uma só. A diferenciação entre os diversos tipos de minutiae é definida no processo de tratamento da imagem, de tal modo que para o processo de autenticação são passadas apenas as informações de posição das características, na forma de uma matriz bidimensional, onde a cada tipo de característica está associado um número, que varia de uma classificação para outra. Figura 1: Impressão digital com algumas características identificadas

3 2. RESULTADOS E DISCUSSÃO O método usado é o método de autenticação estatística, onde a partir de uma amostra a ser analisada e de um banco de dados deseja-se verificar se há ou não compatibilidade com alguma amostra do banco de dados. Dividimos o processo de autenticação em dois estágios, que asseguram um reconhecimento confiável Primeiro Estágio Tem-se identificados na digital analisada a posição de cada característica através do processamento da imagem ( image processing ). Para cada característica dessas (características centrais) é definida uma vizinhança contida em um círculo de raio R. As características contidas nessa vizinhança (características da vizinhança) são analisadas segundo o tipo da característica, a distância em relação à característica central e segundo o ângulo relativo entre ela e a próxima característica analisada. Figura 2: Vizinhança de raio R em torno de uma característica em uma impressão digital Esses dados são armazenados na memória e comparados com os dados presentes no banco, que se encontram no mesmo formato. Para cada característica central teremos um vetor que identifica o tipo de característica no centro (vetor v1), unidimensional, e um vetor que identifica os tipos das características da vizinhança (vetor v2), tridimensional: tipo da característica, distância em relação à central e ângulo relativo à central formado com a próxima característica a ser analisada, como mostrado na figura 2 acima. Esses dados são comparados e classificados segundo os dados da Tabela abaixo. São classificados vários níveis de semelhança, como visto na Tabela 1. Quanto mais alto o grau de semelhança, maior a probabilidade de ter-se o reconhecimento ou autenticação (matching). Esta fase pode não ser suficiente para a completa autenticação da impressão digital, pois podem ser identificadas falsas minutiae, como aquelas identificadas erroneamente no processo de tratamento da imagem.

4 Tabela 1: Critérios de reconhecimento (A é a amostra analisada e B é uma amostra do banco de dados) Critério de reconhecimento Grau de Semelhança v 1 (A) = v 1 (B) e v 2i (A) = v 2i (B), para i = 1 1 v 1 (A) = v 1 (B) e v 2i (A) = v 2i (B), para i = 1, 2 2 v 1 (A) = v 1 (B) e v 2i (A) = v 2i (B), para i = 1, 2, 3 3 v 1 (A) = v 1 (B) e v 2i (A) = v 2i (B), para i = 1, 2, 3, 4 4 v 1 (A) = v 1 (B) e v 2i (A) = v 2i (B), para i = 1, 2, 3, 4, Segundo Estágio Nesse estágio são analisadas as minutiae de uma maneira global, enquanto que no outro algoritmo cada característica de uma impressão era analisada como uma característica local. O processo é basicamente o mesmo anterior, só que desta vez consideramos primeiramente a característica para a qual obtivemos um maior grau de similaridade no primeiro estágio. Usamola para alinhar as duas digitais analisadas, e faz-se o restante das características (todas elas) comporem a vizinhança da central. Podemos, então, restringir ainda mais o processo de autenticação associando para cada característica em volta da característica central um vetor contendo quatro informações: o tipo de característica, a direção, o ângulo relativo à central formado com a próxima característica a ser analisada, e distância até a central. Com estas novas configurações de autenticação este estágio remove praticamente todas as falsas minutiae que porventura tenham sido identificadas como características válidas no primeiro estágio do algoritmo. Este método prevê a identificação de amostras que estejam rotacionadas e até mesmo distorcidas, porém não-deformadas, pois são analisadas as características presentes e as suas posições relativas. 3. CONCLUSÕES O algoritmo foi bem entendido e encontra-se em prática a sua implementação. Este algoritmo é base de diversos Sistemas Automatizados de Identificação de Impressões Digitais [3] (AFIS Automated Fingerprint Identification Systems). Tem se mostrado bastante robusto e eficaz, porém em aplicabilidades contendo bancos de dados relativamente pequenos. A maior dificuldade encontrada foi novamente a parte de implementação do algoritmo em nível de programação, considerando-se o background de programação necessário para a correta implementação do projeto e aquele possuído pelo aluno quando da ocasião da realização do projeto. Tendo-se em vista a complexidade de um projeto desse porte em uma iniciação científica, é necessária a continuação do projeto, a qual já está garantida.

5 AGRADECIMENTOS Agradeço meus pais, pelo apoio constante, ao Professor Elder Moreira Hemerly, pela devida orientação ao longo dessa jornada pelo desconhecido, e também ao PIBIC e CNPq pela oportunidade oferecida. REFERÊNCIAS BIBLIOGRÁFICAS [1] WAHAB, A., CHIN, S.H. and TAN, E.C. Novel Approach to Automated Fingerprint Recognition, IEE Proc., Vision, Image Signal Process, 1998, 145, (3), pp [2] HRECHAK, A.K. and MCHUGH, J.A. Automated Fingerprint Recognition Using Structural Matching, Pattern Recognition, 1990, 23, (8), pp [3] KOMARINSKY, P. Automated Fingerprint Identification Systems (AFIS), Elsevier Academic Press, 2005