Dobór elementów sprzętowo-programowych w systemie akwizycji

dr inż. Tomasz Marciniak
mgr inż. Agnieszka Krzykowska
dr inż. Paweł Pawłowski
mgr inż. Agata Chmielewska
prof. dr hab. inż. Adam Dąbrowski
Wydział Informatyki
Katedra Sterowania i Inżynierii Systemów
Pracownia Układów Elektronicznych i Przetwarzania Sygnałów
Politechnika Poznańska
ul. Piotrowo 3, 60-965 Poznań
Dobór elementów sprzętowo-programowych
w systemie akwizycji obrazu tęczówki
do celów identyfikacji osób
Słowa kluczowe: biometria, rozpoznawanie tęczówki, akwizycja w podczerwieni
STRESZCZENIE
Artykuł przedstawia badania dotyczące analizy zagadnień związanych z akwizycją zdjęcia tęczówki oka
ludzkiego. Prawidłowy obraz tęczówki jest kluczowym elementem systemu identyfikacji biometrycznej.
Pokazano problemy pojawiające się przy wykonywaniu zdjęć z zastosowaniem prostych i stosunkowo
niedrogich rozwiązań, dokonujących akwizycji zarówno w świetle dziennym, jak i bardziej popularnym
rozwiązaniu, które wykorzystuje podczerwień. Odniesiono się do wymagań określonych w normach
europejskich ISO/IEC WD 19794-6 oraz IEC EN 60825-1.
1.
WPROWADZENIE
Rozpoznawanie osób na podstawie tęczówki jest jedną ze stosunkowo najmłodszych
technik identyfikacji biometrycznej. W porównaniu do innych biometrycznych cech
fizycznych, zaletą tęczówki jest niezmienność jej wyglądu praktycznie przez całe życie danej
osoby, a także stosunkowo dobre zabezpieczenie przez wpływem otaczającego środowiska –
oko jest zawsze czyste. Pierwsze propozycje wykorzystania obrazu tęczówki zostały
zaproponowane już w 1936 roku [1]. Niestety w tamtych czasach możliwości technologiczne
nie pozwalały na praktyczne zastosowanie takich propozycji. Pierwszy automatycznie
działający system został opracowany i opatentowany przez J. Daugmana w 1994 r. [2, 3].
Aktualnie na rynku dostępnych jest kilka systemów komercyjnych, które umieszczane są
m.in. na lotniskach, przejściach granicznych, parkingach strzeżonych, ambasadach, czy
w innych obiektach objętych szczególną ochroną.
Komercyjne systemy akwizycji tęczówki wymagają od użytkownika współpracy
polegającej na ustawieniu głowy, a tym samym oka, w odpowiedniej odległości od kamery.
Sygnalizacja prawidłowego ustawienia odbywa się za pomocą diody informacyjnej lub
komunikatu słownego. Przykładowo, system [4] dokonuje akwizycji obrazu z odległości 315–
345 mm. Jednym z problemów przy akwizycji jest precyzyjny pomiar odległości tęczówki od
X Krajowa Konferencja Elektroniki
—1—
obiektywu oraz uzyskanie dużej głębi ostrości [5], choć już niezbyt odległą przyszłością
wydają się systemy pozwalające na detekcję tęczówki u osób, które są w ruchu [6].
Akwizycji obrazu tęczówki dokonuje się typowo w świetle podczerwonym o długości fali
0.75–1.4 µm – przy takim oświetleniu, nawet przy ciemnej pigmentacji tęczówki
otrzymujemy cechy dystynktywne. Typowo w systemach automatycznej klasyfikacji kolor
tęczówki nie jest brany pod uwagę [7].
2.
WYMAGANIA DOTYCZĄCE AKWIZYCJI OBRAZU TĘCZÓWKI
ORAZ BAZY DANYCH
Międzynarodowa Organizacja Standaryzująca (ISO) opisała w [8] cyfrowy zapis tęczówki,
dwóch formatów danych biometrycznych BDB (ang. biometric data block) oraz definicję
struktury danych. Standard ten określa także sposób akwizycji zdjęcia tęczówki i konwersję
do formatu cyfrowego. Pierwszy z formatów bazujący na bezstratnym zapisie zdjęcia (np.
RAW, JPEG2000), zajmuje dużo pamięci, ale proces przetwarzania obrazu jest prosty. Drugi
format, wykorzystujący transformację biegunową uzyskuje wyniki o wyższym stopniu
kompresji, ale równocześnie jest bardziej złożony. Według [8] minimalna średnica tęczówki
obrazu niskiej jakości powinna wynosić 100 pikseli oraz powyżej 200 pikseli dla obrazu
o wysokiej jakości. Obraz powienien zawierać co najmniej 70 pikseli pomiędzy zewnętrzną
krawędzią tęczówki a każdą krawędzią obrazu (Rys. 1). W [9] przedstawiono wzorcowe
obrazy tęczówki do testów biometrycznych.
Należy zaznaczyć, że standard [8] nie definiuje algorytmów kodowania cech tęczówki.
Metody ekstrakcji oraz porównania cech charakterystycznych tęczówki leżą w gestii firm
produkujących systemy biometryczne.
Rys. 1. Specyfikacja obrazu tęczówki
Jak wspomniano wcześniej, lepszą widoczność tekstury tęczówki uzyskują zdjęcia oka
wykonane w podczerwieni. Do najbardziej popularnych baz zdjęć tęczówek należą CASIA
oraz IrisBath, obie wykonane przy oświetleniu w bliskiej podczerwieni.
CASIA [10], jest dostępna w czterech wersjach. Baza ta zawiera ponad 54.6 tysiąca
obrazów tęczówek pochodzących od ponad 1800 osób. Przykładowo, obrazy z bazy CASIAIris-Interwal zostały wykonane specjalistyczną kamerą wyposażoną w oświetlacz w kształcie
koła z bardzo jasnych diod NIR (ang. Near InfraRed). Zdjęcia oka są wykonywane
z rozdzielczością 320x280, w bardzo bliskiej odległości od oka w warunkach wewnętrznych.
W bazie CASIA-Iris-Distance akwizycja obu oczu i wzorca twarzy odbywa się z odległości 3
metrów za pomocą kamery o wysokiej rozdzielczości (2352x1728).
Kolejną bazą zawierającą zdjęcia oczu w podczerwieni jest IrisBath [11]. Baza danych
zawiera po 20 zdjęć zarówno lewego jak i prawego oka dla 800 osób. Obrazy te wykonano
kamerą o wysokiej rozdzielczości (1280x960) i zapisano w standardzie JPEG2000.
Bezpośrednio pod kamerą znajdowała się macierz diod LED umieszczonych pod kątem tak,
by wyeliminować refleksy znajdujące się na tęczówce i skierować je na źrenicę oraz
zmniejszyć jej rozmiar (by informacja o tęczówce była jak największa). Dodatkową funkcją
oświetlacza umieszczonego od dołu jest uniknięcie cienia rzęs na tęczówce oka. W systemie
—2—
akwizycji wykorzystano filtr podczerwieni. Zastosowano dwie nakładki powiększające, żeby
powierzchnia oka zajmowała całą powierzchnię zdjęcia.
Należy pamiętać, że istotnym aspektem przy akwizycji obrazu tęczówki jest energia
promieniowania oświetlacza, która, w skrajnym przypadku, może być szkodliwa.
Odpowiednie wartości ekspozycji w stosunku do promieniowania optycznego można określić
w oparciu o [12].
3.
SYSTEM AKWIZYCJI OBRAZÓW
Na rys. 2 przedstawiono system akwizycji obrazów tęczówki z zastosowaniem stolika
okulistycznego. Poprzez dwupunktowe oparcie głowy (broda, czoło) wpływa on w znaczący
sposób na stabilność głowy, a jednocześnie na jakość (a w szczególności ostrość)
pozyskiwanych zdjęć.
Rys. 2. Układ akwizycji tęczówki z zastosowaniem stolika okulistycznego
Tab.1. Parametry kamer wykorzystanych w eksperymantach
Parametry
Standard
Przetwornik obrazowy
Właściwości
w zakresie p
odczerwieni (IR)
Sony
DCR-TRV33E
MiniDV
1Mpix
przełączany filtr
i oświetlacz
podczerwieni,
duża czułość
Sony
HDR-XR200 VE
HD
2.3Mpix
przełączany filtr
i oświetlacz
podczerwieni,
duża czułość
Panasonic
NV-GS500
MiniDV
3xCCD, 3x1Mpix
wbudowany filtr
podczerwieni
Modecom
Venus Web Cam
USB
1.9Mpix
wbudowany
oświetlacz LED,
niewrażliwa w IR
Tab.2. Przykłady obrazów teczówek wykonanych przy pomocy badanych kamer w różnych warunkach
Sony HDR-XR200 VE
Panasonic NV-GS500
Modecom Venus Web
Cam
Prześwietlenie zdjęcia
(podczerwień, mono)
Duża ilość szumów oraz
refleksy na tęczówce
(podczerwień, mono)
Zbyt słabe warunki
oświetlenia, brak ostrości,
refleksy na tęczówce
Zbyt słabe warunki
oświetlenia, duży cień
górnych rzęs
Niepoprawne
Poprawne
Sony DCR-TRV33E
Precyzyjne ustawianie parametrów akwizycji (głównie ostrość i ekspozycja) wspomaga
duży monitor prezentujący obraz w czasie rzeczywistym. W zrealizowanym systemie oko jest
oświetlane przez zestaw diod w bliskiej podczerwieni (940 nm) ułożonych w formie okręgu,
X Krajowa Konferencja Elektroniki
—3—
który znajduje się bardzo blisko obiektywu kamery i nie zasłania jego pola widzenia.
Oświetlacz może pracować w dwóch trybach: ciągłym i impulsowym. Podczas pracy
impulsowej błysk diod oświatlacza jest zsynchronizowany z migawką kamery (tryb
pojedynczych zdjęć) za pomocą mikroprocesorowego interfejsu sterującego. Dodatkowo,
w trybie tym, jasność diod jest około 10x większa niż w trybie ciągłym.
Przetestowano 4 kamery cyfrowe. Zestawienie ich najważniejszych parametrów prezentuje
Tabela 1. W celu zobrazowania problemów podczas akwizycji obrazów tęczówki
zarejestrowano bazę zdjęć wykonanych w różnych warunkach oświetleniowych i za pomocą
różnych kamer. Przykładowe obrazy pokazano w Tabeli 2.
Wśród przedstawionych przykładowo zdjęć w Tabeli 2 najwyższą jakość mają dwa
środkowe zdjęcia w pierwszym wierszu tabeli. Najgorszą zaś ma zdjęcie w prawym dolnym
narożniku.Aktualnie trwają badania nad określeniem parametrów jakości zdjęć, które
zapewniają prawidłową segmentację.
4.
ALGORYTMY SEGMENTACJI I KODOWANIA CECH
Poprawność funkcjonowania procesu akwizycji można stwierdzić na etapie programowej
segmentacji, a następnie kodowania cech tęczówki [8]. Algorytmy segmentacji tęczówki
polegają na zlokalizowaniu na zdjęciu obszaru tęczówki oraz źrenicy i określeniu ich
parametrów, tj. pozycji i promienia. W badaniach wykorzystano metodę zaproponowaną
w [13]. Wyszukuje ona okręgi tworząc mapę krawędzi oraz dopsowując jej do poszukiwanego
wzorca. Proces znajdowania okręgu będącego zewnętrzną krawędzią tęczówki wykonywany
jest za pomocą transformaty Hougha [14]. Następnym krokiem jest normalizacja
(przekształcenie obrazu kołowego do współrzędnych biegunowych) oraz kodowanie cech
charakterystycznych. Dużą rolę odgrywają tu parametry opisujące zakres obszaru badanej
tęczówki. Parametry te określają rozdzielczość kątową oraz promieniową tęczówki i zostały
zilustrowane na rys. 3.
Przykładowy obraz wynikowy omówionych etapów został zilustrowany na rys. 4, gdzie
w środkowej części okna programu zaimplementowanego w środowisku MATLAB znajdują
się trzy obrazy [15, 16]. Lewy górny obraz przedstawia zdjęcie oka wykonane
w podczerwieni i przekonwertowane do skali odcieni szarości. Zdjęcie prawe przedstawia
obraz po segmentacji, a dolne – fragment tęczówki przetransformowany do współrzędnych
biegunowych.
Rys. 3. Rozdzielczość kątowa (z lewej) oraz promieniowa (z prawej) tęczówki.
Metody ekstrakcji cech, w ogólności, można podzielić na trzy grupy: metody fazowe
(np. [3]), metody polegające na analizie tekstury (np. [13]) oraz tzw. metody „zero-crossing”
(np. [17]). W końcowym etapie identyfikacji następuje porównywane są cechy danej osoby
z danymi w bazie. Obliczana jest wartość określająca różnicę między badanymi schematami
cech charakterystycznych dla tęczówki. Stosowanych jest tu kilka miar odległości, m.in.
Hamminga, Euklidesowa lub ważona Euklidesowa, używa się też metod bazujących na
korelacji sygnałów.
Ze względu na specyfikę przetwarzania (segmentacji) zdjęć tęczówek w celu
wyekstrahowania cech, akwizycja obrazów musi spełniać odpowiednie warunki:

Brak refleksów lub refleksy tylko w źrenicy. Refleksy otoczenia na powierzchni
—4—
oka, które można zaobserwować na zdjęciach w tabeli 2 powodują szum oraz utratę
użytecznych danych o teksturze tęczówki. Ponieważ jednak nie jesteśmy w stanie całkowicie
usunąć odblasków z oka (zbyt małe oświetlenie utrudnia wykonanie dobrego zdjęcia,
tj. zawierającego wystarczające informacje) istotna jest minimalizacja odblasków lub
skupienie ich w obszarze źrenicy. Jeśli refleksy utrudniają dokonanie segmentacji, a skupiają
się w obszarze źrenicy, możliwe jest ich usunięcie w dalszym etapie przetwarzania. W [18]
zaproponowano metodę usuwania refleksów opartą na badaniu histogramu obrazu.
W prezentowanym systemie autorzy rozwinęli tę metodę o badanie histogramu nie tylko
całego obrazu, lecz również fragmentu obrazu przedstawiającego obszar tęczówki i źrenicy.
Rys. 4. Interejs użytkownika programu do rozponawania tęczówki w środowisku MATLAB [15]

Oko wycentrowane w obrazie (najlepiej zajmujące jak największą powierzchnię).
Im większą powierzchnię zdjęcia zajmuje obraz oka, tym więcej informacji o teksturze można
wydobyć (przy stałej rozdzielczości). Przydatnym jest też, aby oko na obrazie zajmowało jego
centralną część, dzięki czemu można zoptymalizować algorytm lokalizacji tęczówki, co
znacząco skróci czas wykonywania algorytmu.

Mała lub średnia rozdzielczość obrazu (do około 1Mpix). Pomimo, iż większy
obraz powinien dostarczać więcej informacji, zdjęcie o rozdzielczości od 0.3 do 1 Mpix
zawiera dostateczną ilość danych o teksturze tęczówki i jest wystarczające do dokonania
poprawnej identyfikacji badanego. Złożoność obliczeniowa proponowanego algorytmu
segmentacji rośnie z kwadratem rozmiarów liniowych obrazu (segmentacja obejmuje większy
obszar), co znacznie wydłuża czas identyfikacji osób. Jest to bardzo istotny parametr
w przypadku systemów pracujących w czasie rzeczywistym. Jednym z pomysłów jest
ograniczenie obszaru wykorzystywanego do poszukiwań tęczówki. W skonstruowanym przez
autorów systemie akwizycji tęczówki znana jest odległość badanego od obiektywu.
Dodatkowo znana jest średnica oka, która wynosi w przybliżeniu 24 mm, natomiast tęczówka
ma ok. 10–12 mm średnicy. Na tej podstawie wiadomo w jakim obszarze obrazu znajduje się
tęczówka (jeżeli jest wycentrowana w obrazie). Dzięki temu możemy zawęzić obszar
poszukiwań za pomocą wzoru:
Im = Image(dOy:Y-dOy; dOx:X-dOx),
gdzie Im to nowy obszar, Image to obraz początkowy, X – szerokość obrazu, Y – wysokość
obrazu, dOx = min(R,X/2-R), a dOy = min(R,Y/2-R).
Po prawidłowym zlokalizowaniu tęczówki źrenica poszukiwana jest w granicach
wyodrębioniego już obszaru tęczówki. Ponieważ średnica źrenicy to ok. 2–8 mm
(w zależności od oświetlenia), można na tej podstawie również zawęzić obszar poszukiwań
okręgu określającego źrenicę (zostawiając odpowiedni margines błędu dla przypadków gdy
badany jest usytułowany pod kątem lub gdy stosunek średnicy źrenicy do średnicy tęczówki
jest duży – np. 8–10 mm).

Dobra ostrość obrazu. W procesie ekstrakcji cech niezbędne jest, aby obraz
X Krajowa Konferencja Elektroniki
—5—
tęczówki był ostry, gdyż dostarczy on wtedy maksymalną ilość informacji o teksturze
tęczówki, a więc i wartości będących własnością indywidualną danego człowieka.
Otrzymanie zdjęcia o dobrej ostrości nie jest prostym zadaniem ze względu na mimowolne
ruchy gałki ocznej, drgania układu pomiarowego, niewielką głębię ostrości przy ekspozycjach
makro, a także ograniczoną precyzję nastaw w aparacie/kamerze.
5.
PODSUMOWANIE
Opacowane stanowisko jest pierwszym etapem badań umożliwiającym przeprowadzenie
szerokiego programu eksperymentów związanych z akwizycją a następnie testowaniem
prawidłowości tego procesu. Wykonywanie zdjęć tęczówki bez współpracy osoby badanej
jest problemem technicznym wymagającym szukania nowych rozwiązań. Celem autorów jest
zbadanie potencjalnych możliwości rozpoznawania tęczówki na podstawie nagrań
wykonywanych przez kamery systemu monitoringu.
Aktualnie autorzy pracują nad optymalizacją stanowiska pomiarowego do wykonywania
fotografii tęczówek oczu, a zwłaszcza nad właściwym oświetleniem impulsowym w zakresie
światła podczerwonego. Trwają również badania eksperymentalne, które mają na celu
określenie parametrów jakościowych zdjęć zapewniających prawidłową segmentację
tęczówki. Wyniki tych badań zostaną przestawione podczas obrad Krajowej Konferencji
Elektroniki.
BIBLIOGRAFIA
[1]
Iris Recognition, The NSTC Subcommittee on Biometrics and Identity Management,
http://www.biometrics.gov/Documents/IrisRec.pdf
[2] Daugman J., “Biometric Personal Identification System Based on Iris Analysis”, U.S. Patent, No. 5, 1994,
pp. 291-560.
[3] Daugman J., “How iris recognition works”, IEEE Trans. Circuits and Systems for Video Technology, 14,
1, 2004, pp. 21–30.
[4] Park K., A Study on Fast Iris Image Acquisition Metho, Computer Analysis of Images and Patterns (Book
Series: Lecture Notes in Computer Science), Springer Berlin / Heidelberg, pp.33-40, 2005.
[5] IrisStationR 2000, http://www.smartsensors.co.uk/information/iris-station%C2%AE-2000.
[6] Iris on the Move® Product Guide - Iris Recognition at a Distance and on the Move,
http://sarnoff.com/files/IOM_Product_Family_Brochure_20110616_WEB.pdf
[7] Marciniak T., Dąbrowski A., Chmielewska A., Krzykowska A., “Selection of parameters in iris recognition
system”, Multimedia Tools Appl, DOI 10.1007/s11042-012-1035-y.
[8] ISO/IEC 19794-6:2005, Biometric data interchange formats – Part 6: Iris image data
[9] Biometric Ideal Test website http://biometrics.idealtest.org/
[10] CASIA Iris Image Database: http://www.cbsr.ia.ac.cn/china/Iris%20Databases%20CH.asp
[11] IrisBath: http://www.smartsensors.co.uk/information/bath-iris-image-database/
[12] Dyrektywa Parlamentu Europejskiego i Rady nr 2006/25/EC z dnia 05.04.2006r.
[13] Wildes R., “Iris Recognition: an emerging biometric technology”, Proceedings of the IEEE, vol. 85, no. 9,
november 1997.
[14] Żorski W., „Metody segmentacji obrazów oparte na transformacie Hougha”, Instytut Automatyki
i Robotyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna, Warszawa 2000.
[15] Rogowski M., „Analiza etapów identyfikacji osób na podstawie tęczówki”, praca dyplomowa magisterska,
promotor: Marciniak T., Politechnika Poznańska, 2012.
[16] Kaminski T., „Implementacja i analiza skuteczności identyfikacji osób na podstawie tęczowki”, praca
dyplomowa magisterska, promotor: T. Marciniak, Politechnika Poznańska, 2007.
[17] Boles W.W. i Boashash B., “A Human Identification Technique Using Images of the Iris and Wavelet
Transform”, IEEE Trans. Signal Processing, vol. 46, no. 4, ss. 1185-1188, 1998.
[18] Sankowski W., Grabowski K., Zubert M., Napieralska M., Iris Finder – “Program for reliable iris
localization in images taken under visible light”, XI Conference "Medical Informatics & Technologies, ss.
88-95, 2006.
—6—
Selection of hardware and software elements
of iris image acquisition system for people
identification
Keywords: biometry, iris recognition, image acquisition in infrared
SUMMARY
This paper presents an analysis of issues related to the acquisition of human iris images. Proper acquisition of
iris picture is a key element of the biometric identification system. We analyse problems that arise when taking
photos using simple and relatively inexpensive solutions, which can be widely used as popular biometric test
standard. We have designed and built an experimental iris acquisition system with impulsive infrared lightining.
In our experiments we performed acquisitions both in daylight and infrared light. The experiments and the
investigations were prepared according to the requirements of the European standards ISO / IEC WD 19794-6
and IEC EN 60825-1.
X Krajowa Konferencja Elektroniki
—7—