Зачем компьютеру зрение

Часть 3. Биометрические технологии и системы безопасности

Юрий Морзеев

Биометрия и безопасность

Распознавание по отпечаткам пальцев

Распознавание по радужной оболочке глаза

Распознавание по геометрии лица

Распознавание по сетчатке глаза

Биометрические системы: pro et contra

Биометрия и безопасность

В предыдущей части статьи был дан анализ истории развития систем машинного зрения, рассмотрены основные направления разработки программного и аппаратного обеспечения в данной области информационных систем. Следует особо отметить, что большинство современных разработчиков компьютерного интеллекта делают ставку на разработку приложений для использования их на персональных компьютерах или устройствах, близких к ним по вычислительным характеристикам. Вычислительные мощности современных персональных компьютеров позволяют моделировать большинство процессов обработки и анализа двухмерной цифровой информации (к которой относятся и изображения), включая системы реального времени. Поэтому многие коммерческие системы машинного зрения построены на базе персональных компьютеров.

Одним из ключевых направлений, активно использующих технологию компьютерного зрения, являются биометрические системы идентификации личности. Понятие «биометрия» — так называется раздел биологии, занимающийся количественными биологическими экспериментами с привлечением методов математической статистики — появилось лишь в конце XIX века, хотя сама наука имеет древнее происхождение. В середине 70-х годов ХХ века интерес к биометрии вновь возрос в связи с созданием так называемых биометрических систем безопасности, основанных на измерении уникальных биологических, физиологических и поведенческих характеристик, индивидуальных для каждого человека. Иногда эти характеристики еще называют биологическим кодом человека.

Преимущество биометрических систем идентификации, по сравнению с традиционными (например, PIN-кодовыми системами или системами доступа по паролю), заключается в том, что идентифицируется не какой-то внешний предмет, принадлежащий человеку, а собственно сам человек. Анализируемые характеристики неразрывно связаны с человеком, их невозможно потерять, передать, забыть и крайне сложно подделать. К тому же эти характеристики практически не подвержены износу и не требуют замены или восстановления.

Первоначально такие измерительные системы были весьма дорогими из-за высокой стоимости регистрирующей и вычислительной техники. Совершенствование технологии производства регистрирующей аппаратуры и последние достижения в области микропроцессоров существенно удешевили и расширили рынок биометрических систем. Поэтому уже сейчас многие организации за рубежом частично или полностью перешли на биометрические системы для обеспечения физической и информационной безопасности. Физическую безопасность гарантируют системы идентификации личности и контроля доступа, информационную — системы безопасности компьютерных сетей, персональных компьютеров и т.п. Об актуальности разработки систем второго типа хочется сказать особо. Современные коммуникационные технологии, к которым относится и Интернет с видеоконференциями, делают многих ответственных лиц, а следовательно, и специалистов доступными для каждого, у кого есть компьютер, подключенный к Глобальной сети. Сейчас консультации врачей или юристов, конференции бизнес-партнеров вполне могут проходить в режиме online в виртуальном информационном пространстве, в то время как клиенты или партнеры по бизнесу находятся за тысячи километров друг от друга. В этом случае одну из ключевых ролей начинают играть конфиденциальность и полномочия по оказанию консультационных услуг или ведению переговоров. А участившиеся в последнее время попытки взломов, фальсификаций событий, хищений информации и пр., предпринимаемые хакерами, делают эти проблемы особенно злободневными. Поэтому радует, что биометрические технологии позволяют преодолеть эти сложности.

С позиции технологии машинного зрения распознавание личности может проходить на двух различных по сложности уровнях — это верификация и идентификация. Верификация, или, как ее еще называют, аутентификация, — это процесс признания или непризнания подлинности определенной личности, основанный на том, что система заранее знает личность, подлинность которой она должна подтвердить. Иначе говоря, перед системой ставится простой вопрос: «Я — это именно тот, кто я есть?» В вышеописанном контексте задачей идентификации является ответ на вопрос: «Кто я такой?», то есть установление личности. Даже из такого упрощенного объяснения понятно, что задача идентификации гораздо сложнее в решении. Из практики известно, что ее сложность возрастает нелинейно по мере роста количества пользователей в системе распознавания.

Достоверное распознавание личности является критичным во многих повседневных ситуациях. Например, если нужно контролировать права доступа пользователей к определенной информации, чтобы предотвратить их порчу или потерю.

Для оценки степени надежности биометрических систем используют такие понятия, как ошибки первого и второго рода. Ошибка первого рода, или FAR (false acception rate), характеризует вероятность того, что незарегистрированный или неавторизованный пользователь сможет быть распознан биометрической системой как зарегистрированный. Ошибка второго рода, или FRR (false rejection rate), характеризует вероятность того, что зарегистрированный в биометрической системе пользователь не будет пропущен этой системой. Как правило, все биометрические системы сравниваются в плане надежности именно по этим характеристикам.

На сегодняшний день биометрия является одной из быстро развивающихся отраслей информационных технологий, где активно работают около сотни частных фирм (www.biometricgroup.com), правительственных организаций и лабораторий. Их деятельность координируется Биометрическим консорциумом (http://www.biometrics.org/). Сформировался специфический рынок биометрических аппаратных устройств и программных продуктов, а также услуг по их поддержке, тестированию и адаптации. Созданы многочисленные эталонные базы данных для сравнения надежности технологий.

К основным биометрическим технологиям, имеющим в своем арсенале машинное зрение, относят распознавание личности по отпечаткам пальцев, геометрии лица, геометрии кисти руки, радужной оболочке или сетчатке глаза, геометрии рисунка вен, по подписи и др. Биометрия на современном этапе может решать проблемы, связанные с ограничением доступа к информации и обеспечением персональной ответственности за ее сохранность, обеспечением допуска только сертифицированных специалистов, предотвращением проникновения злоумышленников на охраняемые территории и в помещения вследствие подделки, кражи документов (карт, паролей), организацией учета доступа и посещаемости сотрудников, а также ряд других проблем. Рассмотрим далее, на каких основных принципах построены наиболее популярные биометрические системы, а также выясним, как обучают компьютер видеть и различать людей.

В начало В начало

Распознавание по отпечаткам пальцев

Метод распознавания личности, основанный на анализе отпечатков пальцев, является самой старой методикой биометрической идентификации. Упоминание об определении личности путем сравнения отпечатков пальцев относится к концу XIV века. Генри Фаулд предложил в 1880 году научно обоснованную методику идентификации личности на основе сопоставления папиллярных рисунков пальцев рук. Это открытие легло в основу современной теории и практики идентификации человека по отпечаткам пальцев. Метод прижился в криминалистике и до сих пор широко используется в наши дни. В основе метода лежат особенности структуры кожи человека, состоящей из двух слоев. Самым интересным с точки зрения криминалистов является нижний слой, который образован множеством папилляров (от лат. papilla — сосок) с отверстиями потовых желез наверху. Папилляры располагаются по всему телу человека хаотично, а на пальцах образуют папиллярные узоры — уникальную упорядоченность в виде рельефных линий.

Отпечатки, как правило, регистрируют одним из двух способов: с помощью чернил с последующей оцифровкой изображений или с помощью специального сканера. В основе системы распознавания личности по отпечаткам пальцев лежит сравнение папиллярных узоров пальцев с эталонными, хранящимися в базе данных. И если раньше такое сравнение делали вручную, то теперь эта задача передана компьютеру. Технология распознавания, которую закладывают в компьютер, заключается в отыскании характерных признаков (особенностей) рисунков папиллярных линий. К таким особенностям, в частности, относятся начала и окончания папиллярных линий, узлы их слияния и разветвления. Выделяют три типа папиллярных рисунков: дуги, завитки и петли — и два типа макроособенностей: дельты и центры. Папиллярные линии обладают индивидуальностью, устойчивостью и восстанавливаемостью. Индивидуальность состоит в том, что совокупность папиллярных линий, образующих узор, по их конфигурации, местоположению, взаиморасположению является уникальной и не повторяется в другом узоре. Устойчивость папиллярных линий заключается в неизменности внешнего строения узора от рождения до смерти. Замечательно свойство восстанавливаемости папиллярных линий, согласно которому при поверхностном нарушении кожного покрова папиллярные линии восстанавливаются в прежнем виде. Данные свойства позволяют осуществлять практически 100-процентную идентификацию личности по отпечаткам пальцев рук.

Примерная схема работы алгоритмов компьютерного зрения по анализу папиллярных линий для решения задачи распознавания пользователей приведена на следующем рисунке:

При построении современных систем распознавания личности по отпечаткам пальцев возникают две важные и неоднозначные проблемы: проблема больших объемов данных, с которыми приходится работать, и проблема удешевления технологии, что неизбежно ведет к снижению качества регистрируемых данных.

Для пояснения первой проблемы рассмотрим простой пример. По разным оценкам, база отпечатков ФБР США содержит около 70 млн. отпечатков пальцев. Такие объемы данных приводят к значительным вычислительным затратам и могут снизить общую надежность системы, поэтому разработчики систем компьютерного зрения ввели классификацию отпечатков пальцев по типам. Существует алгоритм, классифицирующий отпечатки пальцев по пяти типам, а именно: завиток, правая петля, левая петля, арка и дуга. Алгоритм также способен разделять папиллярные линии по четырем направлениям: 0°, 45°, 90° и 135° — посредством фильтрования центральной части отпечатка пальца с помощью банка Gabor-фильтров (осевых фильтров). После такой обработки полученная информация сохраняется в виде определенной структуры, в результате чего получается так называемый код отпечатка, который используется для классификации. Такой подход значительно упрощает работу алгоритмов принятия решения и существенно повышает надежность распознавания.

Проблема снижения качества исходных данных свойственна не только системам распознавания отпечатков пальцев, но и многим другим системам, однако именно здесь ее актуальность не вызывает сомнений. Производители биометрических систем стремятся максимально снизить себестоимость предлагаемых решений, причем легче всего это сделать за счет снижения затрат на аппаратуру ввода и регистрации информации. При этом снижение качества исходных данных обусловлено как снижением затрат на аппаратуру регистрации, так и степенью чувствительности самой аппаратуры к загрязнению пальцами оптических каналов ввода цифровой информации. Поэтому все современные системы этого класса включают так называемые алгоритмы повышения качества исходных изображений. Целью этих алгоритмов является повышение четкости (резкости) папиллярной структуры и устранение различного рода помех. В настоящее время разработаны алгоритмы повышения качества отпечатка пальца, которые могут адаптивно улучшать четкость папиллярных линий и структуру борозд изображения исходного отпечатка. Эти алгоритмы основаны на оценке локальной ориентации папиллярной линии и пространственной частоте структуры борозд. Экспериментальные результаты показывают, что включение алгоритмов повышения качества позволяет значительно улучшить точность идентификации.

Говоря о надежности современных коммерческих систем распознавания личности по отпечаткам пальцев, можно привести следующие среднестатистические характеристики: FAR — 0,001%, FRR — около 0,01%.

Каковы же недостатки столь надежной, как кажется на первый взгляд, технологии? Оказывается, эти системы не только весьма чувствительны к загрязнениям, но и плохо распознают отпечатки при сухой коже, а также у определенной категории лиц со слабо выраженными папиллярными рисунками, в частности у людей азиатского происхождения. При включении этой категории лиц в оценочную базу данных ошибки первого рода составляют уже от 10 до 20%, что характеризует данные системы не с лучшей стороны. Кроме того, отпечатком пальца можно легко завладеть, нанести его на пленку и предъявить системе для распознавания. Иными словами, эти системы являются слабо защищенными, уязвимыми и требуют комплексирования информации с другими методами распознавания личности в составе общей биометрической системы. Также хочется отметить еще один, скорее субъективный, недостаток этих систем, доставшийся им в наследство от криминалистики. Большинство населения (особенно это касается России) негативно относится к предъявлению своих отпечатков пальцев, считая это нарушением права на частную жизнь.

Завершить обзор данных систем хочется на оптимистической ноте. В настоящее время это наиболее дешевые системы на рынке биометрии — от 100 до 1000 долл. К тому же цены продолжают достаточно быстро снижаться, что делает эти системы по соотношению «цена/качество» весьма привлекательными.

В начало В начало

Распознавание по радужной оболочке глаза

Етот вид биометрического распознавания является одним из самых надежных. Причиной тому — генетически обусловленная уникальность радужной оболочки глаза, которая различается даже у близнецов. Изначально радужную оболочку глаза рассматривали в качестве инструмента для диагностики различных заболеваний, а также для определения предрасположенности к ним человека. В частности, было обнаружено, что при определенных заболеваниях на радужной оболочке глаза появляются так называемые пигментные пятна. Именно поэтому для уменьшения влияния этого фактора на результат распознавания при построении биометрических систем пользуются черно-белыми (полутоновыми) изображениями.

Основным источником информации для идентификации этим способом служит специфическая ткань, которая окончательно формируется у плода к 8-му месяцу беременности и делает видимым деление радужной оболочки на радиальные сектора. Другие визуальные характеристики включают такие признаки, как кольца, борозды, веснушки и область короны. Из радужной оболочки 11-миллиметрового диаметра современные алгоритмы обработки и анализа информации позволяют получить в среднем 3,4 бит информации на 1 мм2 площади. Плотность извлекаемой информации такова, что радужная оболочка имеет 266 уникальных точек идентификации по сравнению с 10-60 точками для других биометрических методов.

Характерным преимуществом указанных систем, например по сравнению с системами идентификации по геометрии лица, является еще и то, что последние в большей степени зависят от многих косвенных факторов, в частности от мимики, прически, макияжа, грима и пр.

Возвращаясь к рассматриваемой технологии, можно с уверенностью сказать, что уникальность рисунка радужной оболочки глаза позволяет создавать высоконадежные системы для биометрической идентификации личности.

Попробуем представить, как работает этот класс систем с точки зрения алгоритмов компьютерного зрения. Захват видеоизображения глаза осуществляется регистрирующей аппаратурой на расстоянии до одного метра. Далее, не вдаваясь глубоко в детали алгоритмического построения такой системы, обработку и анализ информации можно условно разделить на следующие элементы: подсистему захвата радужной оболочки, подсистему выделения зрачка, подсистему сбора и подсчета признаков радужной оболочки и подсистему принятия решения. Первые две подсистемы в своей работе опираются на два фактора: круглую форму радужки и зрачка и хороший уровень контраста радужки на фоне белка глаза. В настоящее время существует несколько способов быстрого обнаружения окружностей на изображении. К наиболее известным из них относится метод, построенный на преобразовании Hough. Основной проблемой, с которой можно столкнуться при распознавании по радужной оболочке глаза, является загораживающий эффект верхнего века, которое может закрывать часть глаза, что приводит к частичной потере информации. Для принятия решения в таких системах используют предварительно построенные эталоны авторизованных пользователей, с которыми полученные данные сравниваются в соответствующем признаковом пространстве в зависимости от поставленной задачи верификации или идентификации.

Как уже отмечалось выше, системы, построенные на распознавании радужной оболочки глаза, являются одними из самых надежных. Приведем некоторые наиболее показательные статистические данные, свидетельствующие о точности этого метода, полученные автором из научных информационных источников. Равная норма ошибки (ERR) — точка, в которой вероятность пропуска незарегистрированного пользователя равна вероятности ложного отказа в допуске зарегистрированному пользователю, — для систем этого класса составляет 1 к 1,2 млн.

Существующие алгоритмические решения могут идентифицировать пользователя даже при условии затенения (или повреждения) радужной оболочки, но не более, чем на 2/3, то есть по оставшейся 1/3 изображения возможна идентификация с ошибкой 1 к 100 тыс.

Задача всех биометрических технологий — определить поддельные образцы, предъявленные для идентификации. В данном случае технология сканирования радужной оболочки имеет несколько «степеней защиты», а именно: обнаружение изменения/замены зрачка, считывание информации, отраженной от роговицы, обнаружение контактных линз на роговице, использование инфракрасного освещения, чтобы определить состояние ткани глаза. Может, именно поэтому автору не удалось найти описания случаев взлома вышеописанной технологии.

Следует отметить, что ввиду высокой степени точности и надежности данный тип систем является весьма дорогостоящим. Цена системы может доходить до 10 тыс. долл.

В начало В начало

Распознавание по геометрии лица

Одним из бурно развивающихся в настоящее время технологических направлений в биометрии является распознавание по геометрии лица. Действительно, вряд ли кто оспорит тот факт, что лицо является одним из наиболее доступных и естественных для идентификации объектов. Человек постоянно использует этот биометрический метод, позволяющий ему без труда отыскивать среди толпы знакомое лицо. Понять биометрическую логику человека и построить систему на схожих принципах — такую задачу ставят перед собой алгоритмисты этих систем.

К преимуществам таких систем можно отнести: дистанционное функционирование (не требуется физический контакт пользователя с системой), естественность предъявления лица для большинства людей, гигиеничность (например, по сравнению со снятием отпечатков пальцев), скрытность (при необходимости) и т.п. Следует отметить и такое преимущество, как доступность данных для подобной системы идентификации. Так, для системы, обеспечивающей безопасность аэропорта или банка, возможно, достаточно будет ввести в ее базу данных одну фотографию лица разыскиваемого человека или даже его фоторобот. При таких же условиях обеспечить безопасность на базе других биометрических систем невозможно в принципе. Например, процесс сбора отпечатков пальцев либо сканирование радужной оболочки глаза в условиях вокзала или аэропорта потребует целого штата сотрудников с высокотехнологичным оборудованием, а кроме того отнимет много времени у проверяемых пассажиров.

С позиции машинного зрения технология сканирования лица основана на том, что некоторые части лица менее других изменяются со временем. К ним относятся верхние края глазниц, скулы и уголки рта. Иными словами, большинство существующих методов анализируют центральную часть лица, оставляя без внимания такие изменяющиеся части, как прическа или борода.

Точность и надежность систем, использующих геометрию лица в качестве источника информации для принятия решения, во многом определяется как выбором аппаратной платформы, так и методикой принятия решения. Рассмотрим эти два аспекта подробнее.

Различают два принципиально разных подхода к аппаратной реализации данного типа систем — это построение систем монокулярного и бинокулярного зрения. Первый тип систем дешевле в реализации, предусматривает наличие одной регистрирующей камеры и работает с двухмерной цифровой информацией. В настоящее время в связи с бурным развитием Интернет-технологий рынок буквально завален так называемыми Web-камерами, стоимость которых варьируется в диапазоне от 40 до 100 долл. Многие разработчики биометрических систем опираются только на информацию, получаемую от этих камер. Как показывает опыт, на базе данных камер можно успешно построить систему, которая при формате входного изображения 320Ѕ240 будет достаточно надежно распознавать от 10 до 100 человек в задачах идентификации (с FAR = 0,01% и FRR = 0,2%), что весьма неплохо для различного рода бытовых или игровых приложений типа биометрического screensaver или для системы доступа к закрытым, например для детей, директориям на компьютере. Помимо относительной дешевизны, преимуществом данного типа устройств ввода является наличие цвета, который зачастую используется разработчиками как признак для быстрого поиска лица на изображении. Кроме описанных устройств, на рынке существует большое количество полупрофессиональных и профессиональных камер стоимостью от 100 до 3000 долл. Построенные на таких устройствах ввода (камера плюс фреймграббер) программы биометрической идентификации гораздо надежнее по причине более высокого качества оптики и разрешающей способности аппаратуры регистрации. Однако стоимость таких систем достаточно высока, так как только за оборудование нужно заплатить до 5000 долл. Второй тип систем предусматривает наличие двух камер полупрофессионального или профессионального класса. Основная цель таких систем — восстановление пространственной формы объектов, в частности поверхности лица, и решение задачи измерений в полученном трехмерном пространстве. К сожалению, Web-камеры не обеспечивают хоть сколько-нибудь пригодного качества для восстановления трехмерной формы. Системы бинокулярного зрения априори достаточно дорогие, но их высокая стоимость обусловлена качеством, которое значительно превосходит качество, предлагаемое системами монокулярного зрения. Системы данного типа, согласно опубликованным результатам научных исследований, могут обеспечить FAR = 0,001% и FRR = 0,01%. Однако следует отметить, что на данный момент автору не известна ни одна стереоскопическая биометрическая система, построенная на алгоритмах машинного зрения.

Как и во всех биометрических технологиях, в технологии сканирования лица можно выделить четыре основных этапа: регистрацию (сканирование) объекта, извлечение индивидуальной информации из объекта, формирование шаблона и сравнение текущего шаблона с базой данных.

Процедура сканирования лица зависит от используемой системы. Одни биометрические системы требуют предъявления лица с разных сторон для подробного его изучения. При этом пользователю предлагается повертеть головой в поле зрения камеры. Другие биометрические системы предлагают пользователю поместить лицо внутрь специальной полупрозрачной маски. Третьи используют различные ухищрения типа системы зеркал для обеспечения строгой ориентации лица. Как правило, процедура сканирования лица сильно коррелирует со степенью конфиденциальности системы. В результате сканирования лица формируется последовательность изображений.

После завершения процедуры сканирования происходит извлечение признаковой информации о регистрируемом лице. Иными словами, индивидуальные особенности каждого лица описываются на языке шаблонов. Этот способ позволяет значительно снизить размерность пространства признаков и тем самым значительно ускорить поиск и уменьшить размеры базы данных.

Установление подлинности происходит следующим образом. Пользователь становится (или садится) перед камерой на несколько секунд. Происходит сканирование лица, данные обрабатываются, и выдается разрешение или отказ на вход. Последняя операция тесно связана с поставленной задачей верификации или идентификации.

Анализируя надежность таких систем, следует отметить их слабую защищенность. Зачастую их можно обмануть, предъявив фотографию зарегистрированного пользователя или его трехмерную модель. Поэтому системы данного класса, как правило, используются в совокупности с другими биометрическими системами.

В начало В начало

Распознавание по сетчатке глаза

Наряду с технологией распознавания по радужной оболочке, просмотр сетчатки глаза также является наиболее точной и надежной биометрической технологией. Несмотря на относительную сложность технологии просмотра сетчатки глаза (необходимо наличие специальной инфракрасной аппаратуры для подсветки глазного дна), этот биометрический метод идентификации давно известен. Саймон и Голдштейн в 1935 году доказали уникальность дерева кровеносных сосудов глазного дна для каждого индивидуума. Дальнейшие исследования подтвердили, что эти узоры сосудов отличаются даже у близнецов. За исключением некоторых типов дегенеративных болезней глаза или случаев серьезной травмы головы, рисунок распределения кровеносных сосудов достаточно устойчив в течение всей жизни человека.

Принцип регистрации глазного дна не прост, что является одним из недостатков, ограничивающих применение этого метода. Согласно публикациям, лишь 80-90% пользователей могут с первого раза пройти процедуру регистрации, заключающуюся в сканировании через зрачок информации о сетчатке. Для этого пользователь должен приблизить глаз к регистрирующему устройству на расстояние не более чем 1-1,5 см. При сканировании пользователь видит вращающийся зеленый свет. Рисунок сетчатки измеряется в более чем 400 точках. Для сравнения: в идентификации по отпечатку пальца используется не более 30-40 точек-миниатюр, что достаточно для регистрации, создания шаблона и процесса проверки. Это объясняет высокую точность технологии сканирования сетчатки по сравнению с другими биометрическими методами.

Вероятность пропуска незарегистрированного пользователя (вероятность ошибки первого рода) при сканировании сетчатки глаза составляет 0,0001%. При этом вероятность ошибки второго рода достаточно высока — порядка 0,1%. Это объясняется тем, что первоначально данные системы были разработаны по военному заказу, где к ошибкам первого рода предъявляют самые жесткие ограничения. При этом подразумевается, что пользователи могут повторить процедуру аутентификации несколько раз. Видимо ввиду указанных обстоятельств данные системы в настоящее время не имеют широкого распространения в невоенных сегментах рынка охранных систем.

Так же как и системы распознавания по радужной оболочке глаза, устройства распознавания по сетчатке являются одними из самых дорогих — их средняя стоимость составляет 4000 долл. Кроме того, непопулярными их делает сложная процедура регистрации.

Список биометрических систем, использующих компьютерное зрение, не заканчивается рассмотренными технологиями. Идет поиск новых информационных источников для создания более надежных систем распознавания личности. Так, распознавание может производиться по походке, по динамическим характеристикам почерка и т.п. Главное, что объединяет все подобные методы, — это то, что компьютер способен не только видеть человека, его образ, но и узнавать его и служить ему. Причем зачастую это по силам простому персональному компьютеру, который сейчас стоит недалеко от читателя и ждет, когда его научат видеть мир глазами человека.

В начало В начало

Биометрические системы: pro et contra

Б иометрия, как и многие другие современные технологии, имеет своих сторонников и противников. Основным доводом противников этих технологий является тот факт, что биологический код человека может использоваться различными силовыми ведомствами в целях, напрямую не связанных с вопросами доступа и системами безопасности. «Таким образом, — заявляют противники, — практически любой человек или организация, имеющая доступ к базе данных, будет владеть информацией о каждом из нас, что нарушает гражданские права и свободу личности. Известно, что любой биологический код несет в себе избыточную информацию о его владельце. Имея доступ к такой информации, можно с легкостью организовать систему тотальной слежки за населением со всеми вытекающими отсюда последствиями. Все это может привести к созданию глобальной сети наблюдения». Опасение вызывает и тот факт, что биометрические сканеры не могут, например, распознавать, по своей воле человек снимает, например, деньги со счета или ему угрожают.

Подведем итог всему вышесказанному. Как видно из этого обзора основных типов биометрических систем, биометрический код человека является уникальным. Несмотря на это неоспоримым остается тот факт, что его сложно уберечь от подделок, а тем более сохранить в тайне. Использование биометрических систем может стать успешным только при соблюдении следующих условий. Во-первых, необходимо, чтобы входные информационные потоки поступали от определенного лица в реальном масштабе времени с целью их проверки, то есть необходима защита от подделки или фальсификации исходных данных. Во-вторых, обязательно наличие в базе данных информации о персоне, с которой предполагается вести сравнение. Последнее условие справедливо как для задачи идентификации, так и для задачи верификации пользователя. Его невыполнение, особенно в случае идентификации, будет означать абстрактный поиск максимально близкого к предъявляемому лицу пользователя, что может приводить к ошибкам. Эти условия являются обязательными для успешной работы любой биометрической системы.

Безусловно, биометрические устройства продолжают совершенствоваться, становясь по мере развития технологии все более точными и надежными. Поскольку биометрические технологии уже получили достаточно широкое распространение, можно надеяться, что спрос на них будет расти, начнется их использование в различных областях повседневной жизни человека. В частности, многие фирмы, работающие на рынке систем безопасности, уже ведут работы по включению алгоритмов машинного зрения в функциональность своих систем. Сейчас весьма сложно делать какие-либо прогнозы о глубине проникновения технологии машинного зрения в нашу повседневную жизнь. Скорее всего, прежде чем войти в наш быт, биометрия будет шлифоваться на уровне технологий рынка систем безопасности, промышленных и домашних роботов, различных приложений для Интернета и пр. И только когда станет ясно, что этим технологиям можно доверять, а их надежность и конфиденциальность достигнут высокого уровня, биометрические системы станут повсеместно используемыми и незаменимыми в нашей жизни.

КомпьютерПресс 8'2002

1999 1 2 3 4 5 6 7 8 9 10 11 12
2000 1 2 3 4 5 6 7 8 9 10 11 12
2001 1 2 3 4 5 6 7 8 9 10 11 12
2002 1 2 3 4 5 6 7 8 9 10 11 12
2003 1 2 3 4 5 6 7 8 9 10 11 12
2004 1 2 3 4 5 6 7 8 9 10 11 12
2005 1 2 3 4 5 6 7 8 9 10 11 12
2006 1 2 3 4 5 6 7 8 9 10 11 12
2007 1 2 3 4 5 6 7 8 9 10 11 12
2008 1 2 3 4 5 6 7 8 9 10 11 12
2009 1 2 3 4 5 6 7 8 9 10 11 12
2010 1 2 3 4 5 6 7 8 9 10 11 12
2011 1 2 3 4 5 6 7 8 9 10 11 12
2012 1 2 3 4 5 6 7 8 9 10 11 12
2013 1 2 3 4 5 6 7 8 9 10 11 12
Популярные статьи
КомпьютерПресс использует