Silmaiirisepõhine tuvastamine

Iirise tuvastamine

Silmaiirisepõhine tuvastamine on üks biomeetrilise tuvastuse meetodeid, mille puhul kasutatakse matemaatilisi mustritundmismeetodeid selleks, et töödelda fotot iirisest ja hiljem identifitseerimiseks kasutada seda ülesvõtet võrdluses mõne teise fotoga ja vaadelda nende töötlemisel saadud bitivektoreid. Süsteem võimaldab võrrelda suure hulga andmeid väga kiiresti ja väikese eksimisprotsendiga.

Peamiselt aitab see lahendus lihtsustada näiteks piiriületust, võidelda illegaalsete immigrantide ja terrorismi vastu ning kiirendada muid identifitseerimisprotsesse.

Geenid iirise arengule mõju ei avalda. Iiris areneb välja kolmandal raseduskuul ja lõplik struktuur on välja kujunenud kaheksandaks raseduskuuks. Pärast inimese sündi muutub iirisel olev muster vaid füüsilise sekkumise tagajärjel, näiteks silmaoperatsiooni või füüsilise kahjustuse tõttu.

Ajalugu

Aastal 1936 esitas silmateadlane Frank Burch idee tuvastada inimesi silmaiirisemustri abil . 1985. aastal väitsid Leonard Flom ja Aran Safir, et erinevate inimeste iirised ei ole kunagi samasugused ning seega on tegemist ideaalse biomeetrilise identifitseerimisvariandiga ja said patendi iirisepõhise autentimise põhimõtete eest. 2 aastat hiljem paluti Harvardi ülikooli matemaatikul John Daugmanil välja töötada ülesandeks sobiv algoritm, millega viimane tuli avalikkuse ette 1993. aastal ning kohe pärast seda ilmusid turule ka esimesed laiatarbeseadmed.

Protsess

Tuvastusprotsessi etapid on järgmised:

• ülesvõtte tegemine
• iirise tuvastamine fotolt
• pilditöötlus
• verifitseerimine.

Ülesvõtte tegemine

Iirisest ülesvõtte tegemiseks kasutatakse tänapäeval tavaliselt CCD-kaamerat lainepikkustel 700–900 nanomeetrit , mis annab enamasti piisavalt hea kontrastsuse silmaiirise, skleera ehk kõvakesta ja silmapupilli vahel.

Kuigi foto tegemiseks on võimalik kasutada ka tavalist kaamerat, saab infrapunalähedasi lainepikkusi kasutades vähendada probleeme, mis tekivad sarvkesta peegeldamisest. Et iirisele värvust andev melaniin neelab suurema osa infrapunalähedasest valgusest, siis on lainepikkustel 700–900 nanomeetrit iirise mustrit näha märgatavalt halvemini kui nähtava valguse käes (lainepikkustel 400–700 nanomeetrit).

Iirise tuvastamine fotolt

Tegemist on kogu protsessi kõige keerulisema osaga, mille lõppeesmärgiks on silmaiirise ja -pupilli kontuuride tuvastamine ning iirisest väljapoole jäävate müraallikate mõju (nahk, silmalaud, silmavalge) vähendamine.

Esialgu kasutati iirise tuvastamiseks Hough' teisendust, mille peamiseks puuduseks oli ressursinõudlikkus, mis raskendab selle lahenduse kasutamist reaalses elus, kus arvutuskiirus on määrava tähtsusega.

1993. aastal pakkus John Daugman välja omanimelise algoritmi, mida loetakse tänapäeval kõige paremini töötavaks lahenduseks. Daugmani algoritm rakendab pildile Gaussi filtrit ja järgmise sammuna otsib ringikujulist kontuuri, kus pikslite väärtused erinevad kõige rohkem. Algoritmi esimesel kasutamisel saadakse iirise välispiir koos pupilliga ja teist korda kasutamisel ainult silmaiiris. Edukaks identifitseerimiseks peab silmaiirise raadius olema vähemalt 70 pikslit, kuid tavaliselt on see 100–140 pikslit.

Pilditöötlus

Järgmise sammuna teisendatakse saadud foto 2D Gabori filtriga vektoriks, mis on üldiselt kirjeldatud 256 või 512 baidiga. Bitivektori hulka kuuluvad ka kontrollbaidid erinevate müraallikate eemaldamiseks.

Verifitseerimine

Identifitseerimisel saadud vektori võrdlemisel andmebaasis leiduvate kirjetega kasutatakse Hammingi kaugust, mis väljendab erinevust kahe jada vahel. Mida väiksem on erinevusprotsent, seda suurema tõenäosusega on tegemist samade bitivektoritega. Kui erinevus kahe foto vahel on väiksem kui ettemääratud piir (tavaliselt on kolmandik või vähem), siis võib väita, et tegemist on samade silmaiiristega.

Eelised

Iirisepõhise identifitseerimise üheks suurimaks eeliseks on täpsus, sest uuringute järgi on kahe kattuva silmaiirisega inimese leidmise tõenäosus 0,1% ja valenegatiivse tulemuse saab ainult ühel juhul 1,2 miljonist. Võrdluseks: sõrmejälje tuvastusel on sama näitaja 3%.

Lisaks on iiris enamasti ringikujuline ja see annab näiteks näotuvastuse ees suure eelise, kuna näo kuju on märgatavalt raskem ennustada kui silmaiirise kuju.

Samuti on silmaiirise kopeerimine märgatavalt raskem kui näiteks sõrmejälje kopeerimine, sest iiris on siseelund, mille muutmine on raskendatud.

Samuti on iga inimese silmaiiris väga unikaalne: Daugmani algoritmiga töödeldud iirise pildil on kuni 250 vabadusastet, mida on rohkem kui näo- või sõrmejäljetuvastusel . Lisaks suudab keskmine koduarvuti analüüsida pilti 30 millisekundiga ja otsida sobivat vastet 3 GHz taktsagedusega protsessori abil ühes sekundis kuni miljoni kirje seast, mis on väga hea tulemus ja soodustab süsteemi kasutuselevõttu. Kogu identifitseerimisprotsess võtab tavaliselt aega 10–15 sekundit (sõltub otseselt andmebaasis olevate kirjete arvust ja süsteemi suutlikkusest andmeid töödelda) ja seega ei ole tegemist märgatavalt aeglasema tuvastusmeetodiga kui näiteks passikontrolliga.

Puudused

Üks suuremaid puudusi on kulukus ja peamiselt seetõttu ongi tegemist vähelevinud biomeetrilise identifitseerimismeetodiga ning seetõttu on näiteks RFID-kaardid ja paroolid populaarsemad.

Kuigi tegemist on ühe kõige turvalisema tuvastusviisiga, siis ka iiriseid on siiski võimalik jäljendada ja skannereid petta. Samas on võltsimise vastu võitlemiseks mõeldud välja mitu meetodit, alustades näiteks pildi tegemisel ereda valgusallika sisselülitamisest ja pupilli reaktsiooni jälgimisest, silma liikumise uurimisest ning lõpetades silmast kolmemõõtmelise pildi tegemisega ning selle kuju ja positsiooni täpsema uurimisega.

Suureks probleemiks on ka fakt, et alkoholi tarbinud inimesel on pupill suurem ja iirise pindala väiksem kui tavaliselt ja seetõttu võib olla identifitseerimine raskendatud.

Süsteemi usaldusväärsust võib kahandada ka ebakvaliteetne ülesvõte, mis on omakorda põhjustatud näiteks iirise liigutamisest, liiga kaugelt tehtud ülesvõttest, kontaktläätsedest, segavatest ripsmetest ja silmalaugudest, mistõttu on iirise leidmine ja mustrite tuvastamine märgatavalt raskendatud. Seetõttu ei pruugi see olla parim tuvastusmeetod, kui inimene ei soovi enda tuvastamist (näiteks kurjategijad).

Rakendused

• Araabia Ühendemiraatide piirivalves kasutatakse aastast 2001 illegaalsete riikisisenejate tuvastamiseks iirisepõhist identifitseerimissüsteemi. Süsteem töötab riigi kõikides piiripunktides. Andmebaasi on kantud 420 000 isikut, kellest 9500 on üritanud ka illegaalselt riiki siseneda. Ühendemiraatides kasutusel olev süsteem koosneb kolmest komponendist: LG kaameratest, Daugmani algoritmist ja üleriigilisest andmebaasivõrgust IrisFarm. Süsteemil on mitu paralleelselt töötavat otsingumootorit, millest igaüks suudab sekundis võrrelda kuni 500 000 kirjet .
• Schipoli lennujaam Amsterdamis annab registreerunutele võimaluse ületada piiri passivabalt .
• Sarnaselt Amsterdami Schipoliga pakkusid ka suuremad Suurbritannia lennujaamad kuni 16. septembrini 2013 inimestele võimalust läbida piiripunktid ilma passikontrollita. Süsteem suleti, kuna selle käigushoidmine oli liiga kulukas .
• Lisaks lennujaamadele kasutati silmaiirisepõhist tuvastamist ka Londoni suveolümpiamängudel turvalisuse tagamiseks .
• Hoyos Group tõi 2011. aastal turule seadme nimega EyeLock, mis püüab asendada paroolid iirisetuvastusega.
• Üks suuremaid projekte, kus kasutatakse iirisepõhist tuvastust, on UIDAI, mis käivitus 2011. aastal Indias ning millega loodetakse identifitseerida märgatav osa hindudest. 2012. aasta lõpuks oli selle projekti raames ennast identifitseerinud 270 miljonit inimest ning 2014. aastaks loodetakse seda arvu kasvatada vähemalt kaks korda.