INTRODUCCIÓN
La idea de utilizar el patrón del iris para identificar a las personas
fue propuesto inicialmente en 1936 por el oftalmólogo Frank Burch.
Sin embargo, no fue hasta la década de los 80, cuando empezó
a ser conocida dicha idea, en forma de diversas películas de ficción
(James Bond, Misión Imposible, etc.). Pero no sería hasta
1987, cuando Leonard Flom y Aran Safir, oftalmólogos americanos,
patentaron el concepto de Burch. Su interés en desarrollar el sistema,
les empujó a contactar con John G. Daugman, profesor por entonces
de la Universidad de Harvard, para que éste desarrollase los algoritmos
necesarios para realizar el reconocimiento biométrico a través
del patrón del iris. Estos algoritmos, patentados por Daugman en
1994, y publicados en parte en [Dau93], son la base de todos los sistemas
de reconocimiento por iris existentes.
En esta introducción se expondrán las características
principales de esta técnica, para que en secciones posteriores se
detallen los algoritmos utilizados y, posteriormente, mostrar los resultados
obtenidos en prototipos desarrollados por el autor.
Para observar detenidamente las ventajas de esta técnica, es necesario
revisar algunos conceptos relacionados con la anatomía del ojo humano,
ya que, precisamente, su constitución anatómica va a influir
notablemente en la dificultad del fraude utilizando esta técnica.
Posteriormente se resumirán las mencionadas ventajas para, por último,
comentar la evolución tecnológica y comercial de los dispositivos
relacionados con esta técnica.
Anatomía del Ojo
Los ojos son los órganos humanos que facilitan el sentido de la visión.
El cuerpo humano consta de dos ojos, lo cual facilita una visión
estereoscópica. Se comienzan a formar en el 25º día de
la fase embrionaria y hacia la octava semana termina la génesis del
esbozo ocular, que seguirá madurando hasta el noveno mes. La estructura
de un ojo, una vez maduro, se puede ver en la Figura 1. De una forma
muy simplificada, puede considerarse como una cavidad esférica recubierta
por tres capas (externa, media e interna). La cavidad esférica, a
su vez, puede considerarse dividida en tres cámaras (anterior, posterior
y vítrea).
Para el tema que nos ocupa, es preciso destacar que la capa externa está
compuesta por la esclerótica (la zona blanca de los ojos), capa que
en su parte exterior se encuentra cerrada por la córnea. La
córnea es una capa que comunica ópticamente al exterior con
el interior del globo ocular, proporcionando una protección frente
a elementos externos. Se puede considerar como una lente externa que posee
el mayor poder refractivo dentro del ojo.
Por su parte, la capa media (denominada úvea) está formada
en su parte anterior (la más cercana a la córnea) por el cuerpo
ciliar y el iris. La parte muscular del cuerpo ciliar se encarga,
fundamentalmente, de la acomodación del cristalino. Por otro
lado, el iris consta de un estroma con células pigmentadas y de un
epitelio que, además de células pigmentadas, contiene los
músculos esfínter y dilatador del iris, actuando como diafragma
ocular. El Iris presenta una apertura en su parte central, que se denomina
pupila, y forma la barrera entre las cámaras anterior y posterior
del glóbulo ocular y, por tanto, se encuentra situado entre la córnea
y el cristalino.
El cristalino se encuentra en el interior del globo ocular. Se trata de
una lente biconvexa transparente, avascular y carente de nervios. El cristalino
sirve de frontera entre la cámara vítrea (rellena del humor
vítreo) y las cámaras anterior y posterior (rellenas de humor
acuoso). |
Figura 1: Estructura anatómica del Ojo |
|
Por
último, la parte del globo ocular que se encuentra en contacto
con el exterior, córnea y parte de la esclerótica, se encuentra
a su vez protegida por los párpados y por segregaciones
de las glándulas lagrimales.
Potencialidad del Iris para Identificación
Vista la anatomía del ojo y centrando el análisis en la
localización del iris dentro de dicho órgano, se concluye
que el iris es un tejido pigmentado de alta movilidad y que se encuentra
visible desde el exterior, debido a la trasparencia de la córnea,
y gracias a ésta, perfectamente protegido de agentes externos.
Todo esto confiere al iris las siguientes características, desde
el punto de vista de su potencial aplicación a la identificación
biométrica:
– Estabilidad frente a cambios originados por accidentes, debido
a la protección que le confiere la córnea.
– Fácil mecanismo de detección de «sujeto vivo».
Pequeñas variaciones en la iluminación producen alteraciones
en la apertura de la pupila. Incluso, con iluminación fija, el
iris no se encuentra estático, sino que presenta pequeñas
y continuas variaciones en su apertura.
– Los datos (en este caso, la imagen) se pueden capturar de forma
no invasiva, al ser visible desde el exterior por la transparencia de
la córnea.
– El intento de falsificar el iris de una persona conllevaría
operaciones quirúrgicas que podrían dañar muy seriamente
la visión.
Todas estas características son, sin duda, muy importantes a la
hora de estudiar la viabilidad de esta técnica. Sin embargo falta
la característica fundamental: la unicidad. Basándose
en diversos estudios recogidos en [Dau93], en el patrón visual
del iris hay más información que identifica unívocamente
a una persona, que en una huella dactilar. De hecho, los dos ojos de una
persona poseen patrones distintos, siendo ésta una característica
muy importante que tiene que ser considerada en el sistema al no ser la
imagen de los dos ojos intercambiables. Estudios más detallados
han llevado a la conclusión de que incluso los hermanos gemelos
poseen patrones de iris bien diferenciados. De todo esto se puede concluir
que esta técnica presenta una unicidad extremadamente alta, lo
que llevaría a unas tasas de falsa aceptación nulas, garantizando,
por tanto, su viabilidad para ser utilizada en identificación en
entornos de alta seguridad.
Evolución de la Técnica
Los tres «padres» de esta técnica, Flom, Safir y Daugman,
fundaron IriScan Corp. (http://www.iriscan.com), empresa que tendría
en su poder la patente y que se encargaría de licenciarla a otras
compañías, tales como integradores de sistemas y desarrolladores
que quieran explotar productos de reconocimiento basados en iris. A partir
de ahí, la evolución ha venido marcada por los progresos
de dos empresas, la propia IriScan y uno de sus primeros licenciados,
Sensar Corp. (http://www.sensar.com).
Esta última empresa lanzó al mercado una cámara especial
para adquirir las imágenes de iris en los cajeros automáticos
y consiguió vender su producto a la multinacional NCR, la cual
integraría esta solución en su línea comercial de
cajeros automáticos bancarios. Actualmente, el producto de NCR
está siendo experimentado por distintas entidades financieras.
En España, Argentaria (http://www.argentaria.es) adquirió
dos unidades con el propósito de ponerlas a prueba en breve.
|
Figura 2:
Sistemas comerciales de captura de iris: a) Sistema para cajeros (Sensar);
b) y c) Sistemas para PCs (Sensar); d) Sistema para PC (IriScan); e) Control
de Accesos (IriScan). |
SISTEMA
DE IDENTIFICACIÓN
Tal y como ya se expuso en el número 39 (abril de 2000) de esta misma
revista ([San00a]), un sistema de Identificación Biométrica
consta de cuatro etapas principales:
1. Captura de los datos biológicos (o de comportamiento).
2. Preprocesado de los datos capturados (para adaptarlos al siguiente bloque).
3. Extracción de características propias del usuario.
4. Verificación (comparación) de las características
extraídas, con el patrón previamente almacenado.
En este apartado, se cubrirán estas cuatro etapas, cada una de ellas
en una sección diferente.
Captura de la Imagen
Este bloque plasma las mayores diferencias entre los sistemas desarrollados
con esta técnica. Así como el autor de este artículo
ha utilizado para su prototipo una cámara digital de alta resolución
con captura manual de cada una de las muestras, los sistemas comerciales
existentes han desarrollado sofisticados métodos de captura (tal
y como se puede ver en la Figura 2).
El más complejo de todos los sistemas es el mostrado en la Figura
2.a, ya que utiliza un sistema de triple cámara (dos de ellas
para localizar el ojo dentro de la imagen y la tercera para capturar la
muestra del usuario). Este sistema es el que está pensado para Cajeros
Automáticos y, por tanto, es el que incorpora NCR en sus equipos
([Neg00]). El alto coste de este sistema llevó a que, tanto IriScan,
como Sensar, buscaran soluciones para poder incorporar el reconocimiento
en controles de acceso convencionales (Figura 2.e) y en identificación
de usuarios en un PC (Figuras 2.b, 2.c, 2.d). Se espera que en un
futuro próximo la reducción de coste y el rendimiento de estos
sistemas hagan viable su implantación masiva.
Desde un punto de vista técnico, la captura se basa en obtener un
cuadro de la secuencia grabada, en la que se obtenga una imagen del iris
clara y de una resolución aceptable. La detección del fraude
(por presentación, por ejemplo, de una foto o de un ojo de plástico
con el iris pintado) se puede realizar de forma sencilla capturando dos
fotogramas consecutivos de la imagen grabada, y comparando que la dilatación
de la pupila es distinta (también se pueden forzar cambios controlados
de la iluminación para analizar la respuesta de la pupila a dichos
cambios).
Un parámetro a tener muy en cuenta a la hora de diseñar un
sistema de captura es, aparte de la calidad de la imagen obtenida, la comodidad
del usuario, ya que si el sistema de captura tiene que acercarse mucho al
ojo, esto puede producir un rechazo por parte de los usuarios, con el consiguiente
fracaso del sistema biométrico. Por tanto es necesario utilizar la
óptica necesaria para facilitar la ampliación (zoom) de la
imagen a capturar.
Con todo esto se obtiene una imagen lista para ser utilizada en la siguiente
etapa del sistema biométrico, tal y como se puede ver en la Figura
3.a. |
|
Figura
3: Distintas etapas en el pre-procesado: a) Imagen original; b) Detección
de borde externo; c) Detección de borde interno; d) Iris aislado
resultante
|
Pre-procesado
del Iris
La etapa de pre-procesado toma una gran importancia en esta técnica,
ya que la labor de adaptar la señal a los requisitos del bloque de
extracción de características va a conllevar:
– La localización del iris dentro de la imagen.
– La detección de los bordes del iris. En este caso hay que
tratar con dos bordes: el exterior (frontera con la esclerótica)
y el interior (límite de la pupila).
– Eliminación de las partes de la imagen no deseadas.
– Compensación del tamaño del iris, debido a la distancia
del sujeto respecto al objetivo, y de la dilatación o contracción
de la pupila.
El primer paso en el pre-procesado, teniendo en cuenta las características
de las imágenes capturadas, es una conversión a blanco y negro,
seguido de un estiramiento del histograma ([Jai89]). Una vez realizada esta
operación, se procederá a la detección de los bordes
del iris. Esto se realizará mediante un algoritmo iterativo de búsqueda
del máximo gradiente de intensidad a lo largo de una circunferencia
(aprovechando la geometría circular del iris). El centro de dicha
circunferencia, así como su radio, irán variando de forma
que se recorra gran parte de la superficie de la imagen, obteniendo así
el máximo.
Es preciso destacar que, debido a que normalmente una persona tiene los
párpados algo cerrados, los sectores superior e inferior del iris,
no se podrán calcular con nitidez. De esta forma, se trabajará
sólo sobre los sectores izquierdo y derecho. Aprovechando el alto
contraste entre la esclerótica y el iris, primero se detectará
el borde externo (Figura 3.b) para, posteriormente, una vez aislado
el iris de todos los objetos exteriores a él, centrar la búsqueda
del borde interno (el de la pupila) en una zona central de la imagen obtenida
anteriormente (Figura 3.c).
Es interesante hacer notar que, contrario a lo que todo el mundo piensa,
la pupila y el iris no son concéntricos, por lo que hay que volver
a realizar una nueva búsqueda del centro. El resultado de esta nueva
búsqueda es el centro de la pupila, el radio de ésta y su
situación dentro del borde externo del iris, obteniendo la imagen
que se muestra en la Figura 3.d.
Una vez aislado el iris de toda la imagen, hay que considerar las variaciones
debidas al tamaño del mismo y a la dilatación de la pupila.
Para simplificar el algoritmo de extracción de características,
se va a realizar una transformación de forma que en los datos que
se le van a pasar a la etapa de extracción:
– estén suprimidos los sectores superior e inferior;
– el tamaño de los datos sea el mismo, independientemente del
tamaño del iris y de la pupila. |
Figura 4:
Transformación efectuada al Iris aislado |
Para la
consecución de estos objetivos, se realiza un muestreo, tanto
en radio como en ángulo, de la imagen del iris obtenida anteriormente.
De una forma visual, la transformación realizada se ilustra en
la Figura 4, donde se puede observar cómo cada uno de
los sectores laterales, mediante muestreo de radio y ángulo,
se convierte en una imagen cuadrada, en la que sus columnas indicarán
fracciones del radio, mientras que las filas serán incrementos
de ángulo. Concatenando ambas imágenes, se obtiene la
matriz rectangular que se utilizará en la siguiente etapa.
Debido a que el muestreo se realiza en función de la separación
entre el borde externo y el borde interno, siempre se elige el mismo
número de puntos y, por tanto, la matriz resultante será
siempre del mismo tamaño, lo cual facilitará el tratamiento
del siguiente bloque.
Extracción de Características
Una vez realizado el pre-procesado de la imagen, se entra en el bloque
de extracción de características. Es en esta etapa donde
están apareciendo las principales discrepancias entre las líneas
de investigación que se encuentran abiertas en la actualidad.
Mientras que unos siguen las ideas introducidas por Daugman (y que se
comentarán a continuación), otros utilizan filtrado mediante
Wavelets, y otros una representación de cruces por cero de la
transformada ondicular en coronas del iris próximas a la pupila
(eliminando por tanto, la transformación última realizada
en el bloque de pre-procesado).
Daugman ([Dau93]) propone el uso de una ponderación de secciones
de la imagen resultante, por la parte imaginaria de un filtro de Gabor.
Es decir, se divide la imagen en un determinado número de secciones
(las cuales pueden, o no, estar solapadas entre sí), y a cada
una de esas secciones se le aplica:
|
|
|
| siendo
c(i,j) el coeficiente resultante de la ponderación para la sección
S(i,j) de la imagen de entrada al bloque de extracción, y g() el
filtro de Gabor, el cual viene dado por la siguiente expresión: |
|
|
donde  es la
orientación, 
es la escala y 
y  son los
parámetros de dispersión de la envolvente del filtro para
las coordenadas x e y respectivamente.
El número de escalas, de orientaciones y de secciones, marcan el
tamaño del vector de características y la fiabilidad de los
coeficientes c(i,j) resultantes, respecto a las propiedades únicas
del sujeto ([San99a]).
Algoritmo de Verificación
Tal y como se puede intuir, las etapas de pre-procesado y de extracción
de características involucran un coste computacional muy elevado.
Sin embargo, ese coste conlleva que los datos que le lleguen al bloque de
verificación sean tan sencillos que los cálculos involucrados
resulten, prácticamente, despreciables.
En concreto, Daugman propone discriminar los coeficientes entre positivos
y negativos, asignando un ‘1’ a los positivos (o nulos) y un ‘0’
a los negativos. Con la secuencia de bits conseguida, se aplica una Distancia
de Hamming para obtener la distancia entre el patrón, previamente
almacenado, y la muestra a verificar.
La Distancia de Hamming ([San00b]) es, simplemente, una medida de los bits
que son distintos, por lo que la operación es realizar un XOR entre
los vectores y contar el número de bits que son ‘1’.
Con el esquema presentado de esta técnica biométrica, Daugman
mostró unos resultados más que satisfactorios, corroborando
todos y cada uno de los puntos fuertes que podía mostrar esta técnica:
prácticamente tasa nula de Falsa Aceptación (FAR), muy bajas
tasas de Falso Rechazo (FRR), discriminación entre hermanos gemelos
y entre ojos de un mismo usuario, etc. |
Figura 5:
Resultados obtenidos en Autenticación |
|
RESULTADOS
OBTENIDOS
El autor, dentro del Grupo Universitario de Tarjeta Inteligente del departamento
de Tecnología Fotónica de la E.T.S.I. de Telecomunicación
de Madrid, ha desarrollado varias técnicas biométricas ([San99b]),
entre ellas un prototipo para el reconocimiento por iris partiendo de
las ideas expuestas por Daugman.
En el prototipo de referencia, la captura se ha realizado mediante una
cámara fotográfica digital de alta resolución, con
un zoom acoplado para facilitar la toma de datos a los usuarios. El pre-procesado
ha sido tal y como ya se ha mencionado, mientras que la extracción
de características se ha realizado mediante una ponderación
por Gabor a una única escala y 4 orientaciones distintas, con diferentes
configuraciones de las secciones tomadas. De esta forma se pueden ver
en la siguiente tabla cuatro dimensiones diferentes del vector de características:
|
|
Dimensión
(en bits)
|
Muestreo
del ángulo
|
Solapamiento
en x
|
Solapamiento
en y
|
|
256
|
1
|
0
|
0
|
|
512
|
0,5
|
0
|
0
|
|
992
|
1
|
0
|
50%
|
|
1860
|
1
|
50%
|
50%
|
Tabla
1: Diferentes configuraciones de los vectores de características
|
Con
estas configuraciones y utilizando la Distancia de Hamming, los resultados
obtenidos en autenticación se pueden observar en la Figura 5.
Estos resultados se han conseguido reclutando a los usuarios con una única
foto, lo cual aumenta la satisfacción de éstos al no tener
que asistir al reclutamiento durante un tiempo elevado. Además, a
cada usuario se le tomaron fotos de los dos ojos, de forma que se consideraran
como dos usuarios distintos, comprobándose la afirmación de
que cada iris de un mismo usuario tiene características únicas.
Lo primero que se observa es que la EER (tasa de Igual Error, es decir cuando
la FAR y la FRR son iguales) siempre se encuentra por debajo del 10% y en
los casos de solapamiento, por debajo del 5%. Sin embargo, el mejor resultado
que se puede mostrar es la viabilidad de crear sistemas de muy alta seguridad,
en los que la FAR sea nula, con unos valores de FRR aceptables. Esto se
puede observar, principalmente, en los dos casos de solapamiento, donde
para obtener una FAR nula, la FRR puede estar por debajo del 15%.
En particular, el caso de 1860 bits, presenta unas gráficas de error
muy próximas entre sí, con un FRR prácticamente constante
y por debajo del 5%. Su EER es del 3,6%, y para una FAR nula, el valor de
su FRR es solamente de 3,51%.
CONCLUSIONES
En este artículo se ha analizado la técnica de Autenticación
Biométrica mediante el Patrón del Iris, además de explicar
el desarrollo realizado por el autor. Los resultados mostrados son más
que satisfactorios, consiguiendo un sistema potencialmente utilizable en
entornos de muy alta seguridad, tal y como se realiza en la actualidad en
los sistemas comerciales.
Esta técnica se ha mostrado muy fiable y cómoda para el usuario.
Sin embargo presenta como principales inconvenientes el coste económico
de sus sistemas de captura, así como el alto coste computacional
de las etapas de pre-procesado y extracción de características.
Se espera que en un futuro esta técnica biométrica elimine
los inconvenientes mencionados y se pueda favorecer su implantación
comercial a gran escala.
Agradecimientos
El autor quiere agradecer Dª. Carmen Sánchez Ávila, su
inestimable ayuda para la consecución de los resultados que se reflejan
en este artículo.
También se quiere agradecer a todos aquellos usuarios que se han
prestado «voluntarios» para formar parte de la Base de Datos
utilizada.
Estos trabajos han sido posibles gracias a la financiación del Plan
Nacional de I+D, bajo el proyecto titulado «Transacciones Seguras
a través de Internet: Autenticación Biométrica de Usuarios»,
y cuyo código es TIC98-1195. |
REFERENCIAS
[Dau93] J. G. Daugman. «High Confidence Visual Recognition of Persons
by a Test of Statistical Independence». IEEE Trans. on Pattern Analysis
and Machine Intelligence, vol. 15, nº 11. Noviembre 1993. pp. 1148-1161.
[Jai89] A. K. Jain. Fundamentals of Digital Image Processing. Prentice Hall,
1989.
[Jai99] A. K. Jain, R. Bolle, S. Pankanti, et al. Biometrics: Personal Identificacion
in Networked Society. Kluwer Academic Publishers. EE.UU. 1999.
[Neg00] M. Negin, T. A. Chmielewski Jr., M. Salganicoff, T. A. Camus, U.
M. Cahn von Seelen, P. L. Venetianer, G. G. Zhang. «An Iris Biometric
System for Public and Personal Use». Computer, IEEE Press, vol. 33,
nº 2. Febrero 2000. pp. 70-75.
[San99a] R. Sanchez-Reillo, C. Sanchez-Avila, J.A. Martin-Pereda. «Minimal
Template Size for Iris-Recognition». Proc. of the First Joint BMES/EMBS
Conference. Atlanta (EE.UU.), 13-16 Octubre, 1999. p. 972
[San99b] R. Sanchez-Reillo, C. Sanchez-Avila, A. Gonzalez-Marcos. «Multiresolution
Analysis and Geometric Measure for Biometric Identification». Secure
Networking - CQRE [Secure]’99. Noviembre/Diciembre, 1999. Lecture Notes
in Computer Science 1740, pp. 251-258. Springer-Verlag.
[San00a] R. Sánchez Reíllo. «Identificación biométrica
y su unión con las tarjetas inteligentes». Revista SIC Seguridad
en Informática y Comunicaciones, nº 39, abril 2000, págs
I-IV
[San00b] R. Sánchez Reíllo. «Mecanismos de Autenticación
Biométrica mediante Tarjeta Inteligente». Tesis Doctoral de
la E.T.S.I. de Telecomunicación, Universidad Politécnica de
Madrid. 2000.
[Wil97] R. P. Wildes. «Iris Recognition: An Emerging Biometric Technology».
Proceedings of the IEEE, vol. 85, nº 9, Septiembre 1997. pp. 1348-1363. |
|
 |
|
Raúl
Sánchez Reíllo
Grupo Universitario de Tarjeta Inteligente
Dpto. Tecnología Fotónica
E.T.S.I. Telecomunicación (U.P.M.)
reillo@tfo.upm.es
|
