Reconocimiento de iris: Perspectivas esclarecedoras sobre el reconocimiento del iris en la visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
¿Qué es el reconocimiento del iris?
El reconocimiento del iris es un método automatizado de identificación biométrica que utiliza técnicas matemáticas de reconocimiento de patrones en imágenes de vídeo de uno o ambos iris de un individuo. ojos, cuyos patrones complejos son únicos, estables y pueden verse desde cierta distancia. Los poderes de discriminación de todas las tecnologías biométricas dependen de la cantidad de entropía que sean capaces de codificar y utilizar en la comparación. El reconocimiento del iris es excepcional en este sentido, ya que permite evitar "colisiones" incluso en comparaciones cruzadas entre poblaciones masivas. Su principal limitación es que la adquisición de imágenes desde distancias superiores a uno o dos metros, o sin cooperación, puede resultar muy difícil. Sin embargo, la tecnología está en desarrollo y el reconocimiento del iris se puede lograr incluso desde una distancia de hasta 10 metros o mediante una transmisión de cámara en vivo.
Cómo se beneficiará usted
(I) Ideas y validaciones sobre los siguientes temas:
Capítulo 1: Reconocimiento del iris
Capítulo 2: Exploración de la retina
Capítulo 3: John Daugman
Capítulo 4: Puntos biométricos
Capítulo 5: Verificación de venas oculares
Capítulo 6: Dispositivo biométrico
Capítulo 7: Biometría privada
Capítulo 8: Aadhaar
Capítulo 9: Biometría en las escuelas
Capítulo 10: Ley Aadhaar
(II) Respondiendo a las principales preguntas del público sobre el reconocimiento del iris.
(III) Ejemplos del mundo real sobre el uso del reconocimiento del iris en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de reconocimiento de iris.
Relacionado con Reconocimiento de iris
Títulos en esta serie (100)
Mapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEstimación de la postura del cuerpo articulado: Desbloqueando el movimiento humano en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de gradientes orientados: Revelando el ámbito visual: explorando el histograma de gradientes orientados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificacionesCampo de movimiento: Explorando la dinámica de la visión por computadora: campo de movimiento revelado Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Detección de objetos: Avances, aplicaciones y algoritmos Calificación: 0 de 5 estrellas0 calificacionesRed de sensores visuales: Explorando el poder de las redes de sensores visuales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRealidad aumentada: Explorando las fronteras de la visión por computadora en realidad aumentada Calificación: 0 de 5 estrellas0 calificacionesReconocimiento óptico de Braille: Potenciando la accesibilidad a través de la inteligencia visual Calificación: 0 de 5 estrellas0 calificacionesSistema de reconocimiento facial: Liberando el poder de la inteligencia visual Calificación: 0 de 5 estrellas0 calificacionesLa IA curso de Inteligencia Artificial de principiante a experto Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCámara inteligente: Revolucionando la percepción visual con la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesALGORITMOS Y CEREBROS: El Papel de la Inteligencia Artificial en la Sociedad Calificación: 0 de 5 estrellas0 calificacionesImplantación de aplicaciones web en entornos internet, intranet y extranet. IFCD0210 Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial y medicina Calificación: 0 de 5 estrellas0 calificacionesExplorando el Poder de la Inteligencia Artificial Calificación: 0 de 5 estrellas0 calificacionesReconocimiento de gestos: Desbloqueando el lenguaje del movimiento Calificación: 0 de 5 estrellas0 calificacionesComputación Física: Explorando la visión por computadora en la computación física Calificación: 0 de 5 estrellas0 calificacionesReconocimiento automático de objetivos: Avances en técnicas de visión por computadora para el reconocimiento de objetivos Calificación: 0 de 5 estrellas0 calificacionesProgramación de Inteligencia Artificial. Curso Práctico Calificación: 0 de 5 estrellas0 calificacionesVisión de máquina: Información sobre el mundo de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesResumen del libro "Alquimia, cómo los datos se están transformando en oro" de Juan Manuel López Zafra: Una crónica sobre el nacimiento del Homo Algorithmus Calificación: 0 de 5 estrellas0 calificacionesResumen de Inteligencia artificial de Pablo Rodríguez Calificación: 3 de 5 estrellas3/5Reconocimiento óptico de caracteres: Liberando el poder de la visión por computadora para el reconocimiento óptico de caracteres Calificación: 0 de 5 estrellas0 calificacionesSistema operativo, búsqueda de información: Internet/Intranet y correo electrónico. ADGG0208 Calificación: 0 de 5 estrellas0 calificacionesSistema operativo, búsqueda de información: Internet/Intranet y correo electrónico. ADGN0210 Calificación: 0 de 5 estrellas0 calificacionesLa ética de la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesAI en los Negocios: Guía Práctica para Aplicar la Inteligencia Artificial en Diferentes Industrias Calificación: 0 de 5 estrellas0 calificacionesReconocimiento de señales de tráfico: Liberando el poder de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Robots, aplicaciones y aprendizaje automático en pocas palabras Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Análisis de datos e innovación para principiantes Calificación: 4 de 5 estrellas4/5IA Desmitificada: ciencia y tecnología, #1 Calificación: 0 de 5 estrellas0 calificacionesOperaciones auxiliares con Tecnologías de la Información y la Comunicación. IFCT0108 Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Dominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Mecatrónica Calificación: 0 de 5 estrellas0 calificacionesFundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesResumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesMetodología de la programación Calificación: 0 de 5 estrellas0 calificacionesMáquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Introducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesMi Asistente IA Calificación: 0 de 5 estrellas0 calificacionesUML: Modelado de Software para Profesionales Calificación: 0 de 5 estrellas0 calificacionesBusiness Intelligence: Técnicas herramientas y aplicaciones Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5Inteligencia Artificial Calificación: 4 de 5 estrellas4/5Diseño de algoritmos y su programación en C Calificación: 0 de 5 estrellas0 calificacionesKlara y el Sol Calificación: 5 de 5 estrellas5/5El mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Aprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesPHP: Programación web avanzada para profesionales Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Programacion Orientada a Objetos y Estructura de Datos a Fondo Calificación: 0 de 5 estrellas0 calificacionesPython fácil Calificación: 4 de 5 estrellas4/5Introducción a la Ingeniería Industrial Calificación: 0 de 5 estrellas0 calificacionesHistoria y evolución de la Inteligencia Artificial Calificación: 3 de 5 estrellas3/5Laravel: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificaciones
Comentarios para Reconocimiento de iris
0 clasificaciones0 comentarios
Vista previa del libro
Reconocimiento de iris - Fouad Sabry
Capítulo 1: Reconocimiento del iris
El reconocimiento de iris es un método automatizado de identificación biométrica que hace uso de técnicas matemáticas de reconocimiento de patrones en imágenes de video de uno o ambos iris de los ojos de un individuo. Los intrincados patrones del iris de un individuo son únicos, permanecen consistentes y se pueden observar desde una distancia razonable. El nivel de entropía es directamente proporcional a las capacidades discriminatorias de toda la tecnología biométrica. Uno de sus inconvenientes más importantes es que puede ser muy difícil adquirir una imagen a una distancia de más de uno o dos metros o en ausencia de colaboración.
El reconocimiento del iris y el escaneo de la retina, dos tipos distintos de tecnologías biométricas basadas en el ojo, a menudo se confunden entre sí. El reconocimiento del iris emplea los patrones únicos en el iris de una persona, mientras que el escaneo de la retina utiliza los patrones únicos en los vasos sanguíneos de una persona. La identificación del iris hace uso de la tecnología de la cámara de vídeo combinada con una suave luz infrarroja cercana para recopilar fotos de las estructuras complicadas y ricas en detalles del iris que son visibles para el mundo exterior. Una persona, o alguien que pretende ser ese individuo, puede ser identificado utilizando plantillas digitales que se codifican mediante técnicas matemáticas y estadísticas. Estas plantillas se generan a partir de los propios patrones. Los motores de emparejamiento analizan las bases de datos de plantillas inscritas a velocidades medidas en millones de plantillas por segundo por CPU (de un solo núcleo) y con tasas muy bajas de coincidencias de plantillas incorrectas.
Al menos 1.500 millones de personas en todo el mundo (incluidos 1.200 millones de ciudadanos de la India, en el programa UIDAI / Aadhaar) se han inscrito en sistemas de reconocimiento de iris para identificación nacional, servicios de gobierno electrónico, distribución de beneficios, seguridad y fines de conveniencia, como cruces fronterizos automatizados sin pasaporte. del iris como un órgano interno y protegido, pero visible, externamente del ojo.
A pesar de que John Daugman desarrolló y patentó los primeros algoritmos reales para realizar el reconocimiento del iris, publicó los primeros artículos al respecto y dio las primeras demostraciones en vivo del mismo, la idea que condujo a esta invención tiene una historia mucho más larga, y actualmente se beneficia de las contribuciones de un gran número de otros colaboradores científicos activos. En un libro de texto clínico publicado en 1953, F.H. Adler, que había sido autor de él en 1949, dijo que: La arquitectura diminuta del iris exhibe variaciones en cada tema que se estudia, al igual que las huellas dactilares son únicas para cada persona individual. [Sus características] se componen de una serie de elementos variables diferentes, y las posibles permutaciones y combinaciones de estos componentes son casi ilimitadas
. Más tarde, en la década de 1980, dos oftalmólogos estadounidenses llamados L. Flom y Aran Safir lograron patentar la conjetura de Adler y Doggart de que el iris podría servir como identificador humano. Sin embargo, debido a que carecían de un algoritmo o implementación real para realizar la tarea, su patente siguió siendo conjetural a pesar de su éxito. Esta teoría se remonta a 1892, cuando un francés llamado A. Bertillon publicó un libro titulado Tableau de l'iris humain
, en el que relataba varias sutilezas. Los patrones de iris se usaban en el antiguo Egipto, Caldea en Babilonia y la antigua Grecia, como lo demuestran las inscripciones en piedra, los artefactos de cerámica pintados y los escritos de Hipócrates. Los patrones de iris se utilizaron para adivinar una amplia variedad de cosas, incluido el futuro, el pasado y varios aspectos del presente. (La práctica de la adivinación del iris todavía se practica hoy en día bajo el nombre de iridología
).
El concepto fundamental que subyace a los algoritmos de Daugman es la proposición de que el fracaso de una prueba de independencia estadística puede servir como una base sólida para el reconocimiento de patrones en situaciones en las que hay una cantidad adecuada de entropía (suficientes grados de libertad de variación aleatoria) presente en los datos recogidos de diferentes clases de muestras. En 1994, presentó una solicitud de patente para la fundación del reconocimiento de iris, así como sus algoritmos de visión por computadora subyacentes para el procesamiento de imágenes, la extracción de características y la coincidencia. Publicó estas técnicas en un artículo al mismo tiempo. IriScan, Iridian, Sarnoff, Sensar, LG-Iris, Panasonic, Oki, BI2, IrisGuard, Unisys, Sagem, Enschede, Securimetrics y L-1, que ahora es propiedad de la empresa francesa Morpho, son solo algunas de las empresas que han licenciado estos algoritmos para su uso generalizado. IriScan fue una start-up fundada por Flom, Safir y Daugman.
Estos algoritmos siguen siendo la base de todas las implementaciones públicas importantes de reconocimiento de iris en la actualidad, y se encuentran rutinariamente entre los de mejor desempeño en las pruebas del NIST, a pesar de haber experimentado una variedad de mejoras a lo largo de los años (implementaciones presentadas por L-1, MorphoTrust y Morpho, para quienes Daugman se desempeña como científico jefe de Iris Recognition). Pero la investigación sobre muchas facetas de esta tecnología y sobre métodos alternativos se ha disparado, y ahora hay una literatura académica en rápida expansión sobre óptica, fotónica, sensores, biología, genética, ergonomía, interfaces, teoría de la decisión, codificación, compresión, protocolo, seguridad, matemáticas y facetas de hardware de esta tecnología. Esta tecnología también ha sido objeto de un gran debate.
La gran mayoría de estos algoritmos se han utilizado en los aeropuertos como alternativa a la presentación de un pasaporte y con el fin de realizar controles de seguridad utilizando listas de vigilancia. En los primeros años de este siglo, los principales despliegues de un programa llamado IRIS, que significa Sistema de Inmigración de Reconocimiento de Iris
, comenzaron en el aeropuerto Schiphol de Ámsterdam y en diez terminales aeroportuarias del Reino Unido. Estos despliegues hicieron posible que los viajeros frecuentes presentaran su iris en lugar de su pasaporte. A lo largo de la frontera entre Estados Unidos y Canadá, así como en muchas otras fronteras, existen sistemas similares. Los 32 aeropuertos, 32 puertos terrestres y 32 puertos marítimos de los Emiratos Árabes Unidos utilizan estos algoritmos para realizar controles de seguridad a los visitantes que necesitan un visado para entrar en el país. El número de comparaciones cruzadas de iris aumentó a 62 billones en solo diez años como resultado de un análisis exhaustivo de una lista de vigilancia masiva que fue desarrollada por los Estados del CCG. Más de 1.200 millones de códigos de iris y huellas dactilares de ciudadanos indios se han almacenado en una base de datos mantenida por la Autoridad de Identificación Única de la India (UIDAI) con el fin de crear una tarjeta de identificación nacional y reducir los casos de fraude relacionados con la distribución de beneficios gubernamentales.
La melanina del iris, que también se conoce como cromóforo, consiste principalmente en dos macromoléculas heterogéneas distintas llamadas eumelanina (marrón-negro) y feomelanina (amarillo-rojizo). La siguiente comparación entre estas dos modalidades de diagnóstico por imágenes proporciona más información sobre estos dos tipos de melanina. Además, se presentó una nueva técnica para la extracción de características para codificar imágenes de iris de VW, que puede proporcionar una estrategia alternativa para los sistemas biométricos multimodales.
Para comenzar, el sistema primero debe ubicar los bordes interno y externo del iris en una imagen de un ojo, así como la pupila y el limbo. Las subrutinas adicionales buscan y eliminan cualquier obstrucción, incluso como párpados, pestañas y reflejos especulares, que a menudo pueden ocultar partes del iris. Una vez que el conjunto de píxeles, incluido únicamente el iris, se ha normalizado utilizando un modelo de lámina elástica para tener en cuenta cualquier cambio en el tamaño de la pupila, se procesa a continuación para extraer un patrón de bits que codifique la información necesaria para comparar las dos imágenes del iris.
Una transformada wavelet de Gabor se utiliza siempre que se procesa una de las técnicas de Daugman. El producto final es una colección de números enteros complejos que transmiten información sobre la amplitud y la fase del patrón del iris en cada ubicación local. La mayor parte de la información de amplitud se desecha en los algoritmos desarrollados por Daugman, y los 2048 bits que se utilizan para describir un patrón de iris se componen de información de fase (bits de signo complejos de las proyecciones de ondículas de Gabor). La eliminación de la información de amplitud ayuda a garantizar que la plantilla no se vea alterada significativamente por cambios en la iluminación o la configuración de ganancia en la cámara, lo que a su vez aumenta la capacidad de la plantilla biométrica para usarse durante un período de tiempo más largo.
A continuación, se compara una plantilla que se formó mediante la creación de imágenes de un iris con las plantillas que se han guardado en una base de datos. Esto se puede hacer para la identificación (coincidencia de plantillas de uno a varios) o la verificación (coincidencia de plantillas de uno a uno). Si la distancia de Hamming es menor que el umbral de decisión, se ha hecho una identificación positiva de manera efectiva porque es estadísticamente extremadamente improbable que dos personas diferentes puedan estar de acuerdo por casualidad en tantos bits, dada