El
tamaño de esas bases de datos llevó a que no sólo se
impulsara el conocimiento sobre las minucias sino que también se
pusiese muchos recursos en desarrollar sistemas que pudieran clasificar
las huellas de forma eficiente, para que su búsqueda dentro de una
base de datos fuese lo más rápida y exacta posible. Por lo
tanto, si se revisa la literatura existente sobre huellas (que en la actualidad
es muy amplia), aparecen, casi totalmente diferenciados, los siguientes
campos de aplicación:
– Clasificación de huellas
– Identificación de un sujeto mediante su huella
– Obtención de huellas dactilares latentes, es decir, obtener
las huellas en la escena del crimen
En este artículo, el estudio va a estar basado en los Sistemas Automáticos
de Identificación de un sujeto mediante su huella dactilar. Para
ello se estudiarán las distintas fases de que se puede componer cualquier
sistema de identificación biométrica [3]. Primero se tratará
la captura de la huella, es decir, el método de poder tomar una imagen
electrónica de la huella de un usuario. Una vez obtenida esa imagen,
habrá que procesarla para extraer sus características, formando
lo que se denomina vector de características, que se utilizará
para compararlo con un patrón del usuario previamente grabado, es
decir, realizar la verificación de la huella. Como en todo sistema
biométrico, esa comparación dará un porcentaje de éxito,
que, dependiendo del umbral especificado para la aplicación particular,
provocará la aceptación o el rechazo del usuario.
MÉTODOS DE CAPTURA
Cuando se quiere desarrollar un sistema automático de identificación
de personas mediante huella dactilar, es preciso disponer de algún
mecanismo para capturar una imagen de la huella del usuario de forma automática,
fiable y sencilla. Este ha sido uno de los puntos donde esta técnica
ha planteado, durante años, muchos inconvenientes. Éstos han
venido tanto por el coste, como por el tamaño de los métodos
ópticos de captura de la imagen, los cuales, además, requerían
un excesivo mantenimiento.
Debido a que el resto de las partes del sistema de identificación
por huella (extracción de características y verificación),
estaban ofreciendo resultados más que satisfactorios, la industria
del sector impulsó investigaciones que conllevaran a nuevos métodos
de captura. Todo esto ha llevado a que en los últimos años
esta técnica haya vivido una auténtica revolución,
consiguiendo llegar a mercados donde antes no encontraba cabida, ya que
los sensores que se han obtenido son mucho más económicos
y drásticamente inferiores en tamaño. Las estrategias seguidas
para los nuevos sensores han sido de lo más variado: diferencia de
temperatura cuando la piel toca el sensor, efecto capacitivo de la piel,
efecto Doppler en el eco de señales de ultrasonidos, etc.
Además, para reducir el tamaño y coste de los sensores, se
han desarrollado sistemas en los que no hay que posar todo el dedo, sino
deslizarlo longitudinalmente por el sensor, capturando, en cada instante,
una línea de la imagen y haciendo la unión de todas esas líneas
para formar la imagen.
Con todo esto, se han conseguido sensores que pueden ser fácilmente
integrados en todo tipo de dispositivos, desde teclados o ratones en PCs,
hasta teléfonos móviles, y con costes muy inferiores a sus
antecesores. Además, la imagen obtenida es de una alta calidad, siendo
típicas las resoluciones de 500ppp. La diferencia entre cada una
de las tecnologías puede llegar a la hora de ver su comportamiento
frente a situaciones adversas (dedos muy secos, dedos muy húmedos,
huellas desgastadas, detección de dedo vivo, etc.). En este punto
sería aconsejable realizar un análisis serio, por una entidad
independiente, ya que hasta la fecha lo único que se tiene es la
descripción de las bondades de cada uno de los fabricantes de una
tecnología, comentando las deficiencias de las demás.
EXTRACCIÓN DE CARACTERÍSTICAS
Tal y como ocurre con casi todas las técnicas biométricas,
y especialmente en aquellas que llevan mucho tiempo en investigación,
el número y variedad de algoritmos matemáticos para realizar
cualquiera de los procesos involucrados en el sistema, es enorme [4]. En
este caso se van a comentar los dos que más éxito tienen dentro
del mundo científico y de investigación.
Por un lado se va a hablar de cómo se extraen características
siguiendo la metodología expuesta por Anil K. Jain (sin duda uno
de los mayores investigadores en el campo de la huella dactilar, y una obligada
referencia). En este caso, la extracción de características
va a consistir en una serie de procesamientos sucesivos de la imagen completa
de la huella, a la que se le aplican numerosas operaciones.
Por otro lado vamos a exponer el algoritmo diseñado por Dario Maio
y Davide Maltoni, de la Universidad de Bolonia. En este caso se trata de
un algoritmo que realiza un seguimiento de cada una de las crestas a lo
largo de la imagen, por lo que el procesado de la imagen sólo se
hace un par de veces, reduciendo su coste computacional.
Pero ambos procesos requieren de un preprocesado previo de la imagen de
la huella dactilar. Este preprocesado, común para los dos algoritmos,
depende en gran medida del resultado de la huella capturada por el dispositivo
concreto, y del grado de tolerancia al movimientoque se le quiera dar al
usuario final. En concreto, este pre-procesado está compuesto de
los siguientes pasos [2][5][6] :
1. Localización y segmentación de la huella : en la imagen
capturada, no sólo habrá huella, sino que también pueden
haber partes de la imagen que no contengan información sobre la misma
(ya sea porque el área designada por el dispositivo sea mayor que
el tamaño del dedo, o por la incorrecta colocación del dedo
en el sensor. Se analizará dónde se encuentra la huella (localización),
y se tomará de ella aquella área que sea fuente de estudio,
eliminándose todo lo demás (segmentación). Si la zona
segmentada no cumple unas determinadas características (como por
ejemplo, tamaño inferior a uno dado), el sistema puede rechazar dicha
huella, indicándoselo al usuario, y evitando de esta forma realizar
todo el cálculo restante.
2. Enfatización de la huella : se hace una ecualización de
los niveles de grises de la huella, de forma que se pueda aprovechar mucho
mejor, la diferencia de tonalidades entre unos puntos otros, y además,
poder equiparar las zonas donde se ha realizado menor presión del
dedo (más claras en la imagen), con las zonas de más presión
(más oscuras).
3. Cálculo del mapa de orientación : con la imagen resultante
de los dos pasos anteriores, se hace un estudio de gradiente a baja escala,
para poder obtener, de una forma aproximada, la orientación que tienen
las crestas, en cada zona de la imagen. Para ello se hace el estudio en
subimágenes, tomando porciones disjuntas de la imagen anteriormente
obtenida. Esta información servirá de ayuda para los algoritmos
de extracción de características. En algunos sistemas, este
paso se hace al principio, para ser utilizado en la segmentación,
y luego se vuelve a calcular con imagen obtenida tras la ecualización. |
Multiprocesado de la Imagen (Anil K. Jain)
Como se ha comentado, con este algoritmo, detallado en multitud de artículos
publicados por Jain [2][5][7] , se obtienen las minucias después
de todo un procesado sucesivo de la imagen resultante del pre-procesado.
Este proceso se divide en los siguientes pasos:
1. Detección de las crestas : una vez que se ha localizado y enfatizado
la huella, se intentan localizar las crestas, para separarlas de los valles.
En concreto se trata de un proceso de binarización, es decir, de
reducir la imagen de 256 niveles de grises, a una imagen de sólo
blanco y negro. Los métodos para poder conseguir esta binarización
son muchos, desde el uso de umbrales globales o adaptativos (que ofrece
resultados pobres si se tienen que procesar imágenes con una densidad
de ruido alta), hasta la utilización de la propiedad de que una cresta
es aquel punto que obtiene un mínimo local en la dirección
perpendicular a su campo de orientación (que como veremos, es parte
de la técnica utilizada por Maio).
2. Esqueletización: dependiendo del método de detección
de crestas utilizado, será necesario realizar un “adelgazamiento”
de los tramos que representan las crestas, es decir, hacer que estas crestas
estén representadas por líneas de un único píxel
de grosor. A este proceso se le denomina esqueletización, y se suele
realizar fijándose en cada uno de los píxeles de la imagen,
y dependiendo del número de píxeles puestos a 0 (si el 0 representa
cresta) que le rodean (es decir, sus vecinos), eliminar parte de ellos.
Este estudio se hace una y otra vez, hasta alcanzar el esqueleto de la huella.
3. Detección de minucias : con la imagen esqueletizada, se realiza
un proceso de búsqueda de las “potenciales” minucias dentro
de la imagen. Dicho proceso está basado en localizar aquellos píxeles
puestos a 0 en la imagen, que tienen un solo vecino, o más de dos,
siendo el primer caso el de una terminación, y el segundo, el de
una bifurcación.
4. Eliminación de artefactos : en el paso anterior, se ha
conseguido un conjunto de puntos que pueden ser minucias, pero muchos de
ellos no lo serán, ya que estarán formados por artefactos
de la imagen. Por lo tanto, se vuelve a procesar la imagen (post-procesado),
para determinar si cada uno de los puntos anteriormente detectados, puede
ser considerado realmente una minucia o no.
Como se puede ver, este algoritmo realiza una serie grande de procesados
de la misma huella, por lo que su coste computacional es muy elevado.
Seguimiento de Crestas (Dario Maio y Davide Maltoni)
Para intentar evitar ese excesivo coste computacional, los profesores
de la Universidad de Bolonia, Maio y Maltoni, analizaron la posibilidad
de realizar todas las tareas anteriormente descritas, con un único
procesado de la imagen (o como mucho dos), intentado equiparar el algoritmo
a lo que la mente humana hace. La filosofía de este método
es muy sencilla, y en lenguaje coloquial, el algoritmo se puede describir
de la siguiente forma [4][8] :
1. Determinación de puntos de inicio : la imagen de la huella se
cuadricula, estableciendo una serie de puntos, a partir de los cuales se
iniciará el proceso. Simplemente es decidir cada cuántos píxeles
se va a considerar que puede haber una cresta nueva. Es un parámetro
del algoritmo y, por tanto, una decisión del diseñador del
mismo.
2. Búsqueda de una cresta : tomando un punto de inicio, se busca,
en la normal al campo de orientación un mínimo local, que
determine dónde se encuentra una cresta (como ya se ha comentado
antes, esta es la técnica que muy recientemente ha decidido recomendar
Jain, para la detección de crestas).
3. Seguimiento de la cresta hacia la derecha : partiendo de la cresta, se
va siguiendo la trayectoria de la cresta. Esto se realiza dando pequeños
saltos, en la dirección dada por el campo de orientación para
ese punto, y posteriormente, volver a buscar el mínimo local en el
nuevo punto, para volver a reubicar la cresta. Si en el punto al que se
ha saltado no se localiza una huella, se ha detectado una minucia (terminación).
Si, en lugar de eso, chocamos con una cresta que ya hemos estudiado anteriormente,
tenemos otra minucia (bifurcación). Si no se produce ninguno de esos
casos, seguimos dando saltos, hasta que ocurra uno de estos casos o se acabe
la imagen.
4. Seguimiento de la cresta hacia la izquierda : desde el punto de inicio
(mejor dicho, la cresta detectada cerca de éste), se realiza el mismo
proceso que en el paso anterior, pero en lugar de ir hacia la derecha, siguiendo
la cresta, se hace en sentido contrario.
5. Determinación del siguiente punto de inicio : una vez terminada
de procesar la cresta, tanto para la derecha como para la izquierda, se
escoge un nuevo punto de inicio en la imagen, para seguir nuevas crestas.
Evidentemente, este punto se escogerá como el siguiente, que no se
encuentre dentro de una zona ya estudiada. Y una vez teniendo el nuevo punto,
se vuelve al paso 2. Y así hasta que se acaben los puntos de inicio.
6. Eliminación de redundancias: una vez procesada toda la imagen,
se obtendrá un conjunto de minucias, dentro de las cuales se pueden
encontrar muchas idénticas (por repetición de situaciones
en el algoritmo). Por lo tanto se hace unadepuración de las minucias
extraídas, para eliminar las no interesantes.
Como se puede apreciar, este algoritmo es muy parecido a la forma que puede
trabajar nuestro cerebro, si nosotros queremos hacer una búsqueda
sistemática de las minucias en la imagen.
VERIFICACIÓN DE LAS HUELLAS
Una vez que se han obtenido las minucias, se crea con ellas (con su
localización, tipo, orientación, etc.), un vector, que servirá
para identificar al usuario. De la extracción previa de las huellas
del usuario, se creará un vector de características que será
utilizado como patrón del usuario, y será la referencia para
su comparación con las muestras que se obtengan cada vez que el usuario
quiera identificarse.
La comparación de dicho patrón con la muestra, es una de las
tareas más críticas de todo el proceso de identificación.
La problemática viene dada por:
– En las huellas no se dispone de ningún punto de referencia
válido universalmente, es decir, un punto a partir del cual se pueda
llegar a tomar medidas, y que dicho punto sea válido para todas las
huellas. En otras técnicas se tiene un punto claro (el centro de
la pupila en el caso de la técnica de reconocimiento por iris [9]).
Esta falta de referencia, hace que muchos métodos de comparación
propuestos, no sean factibles. Algunos autores intentan utilizar como punto
de referencia el core, pero su localización exacta no es sencilla,
y además, en algunas huellas no se obtiene ese punto singular.
– La elasticidad del dedo hace que, dependiendo de la postura del dedo
y de la presión realizada, se tenga una variabilidad en las medidas
de un mismo usuario, que haga bastante difícil la comparación
de las huellas obtenidas. De hecho, el problema puede llegar a ser más
grave, ya que, dependiendo del grado de rotación que se haya dado
al dedo, pueden llegar a capturarse un elevado número de minucias
en la muestra, que no se encuentran consideradas en el patrón.
De todos los algoritmos que se han llegado a proponer existe una tendencia
generalizada a utilizar el algoritmo de comparación elástica
de A. K. Jain [2][7]. Este algoritmo comienza con la búsqueda de
una minucia de referencia. Esto se realiza analizando tanto el vector resultante
de la muestra, como el del patrón, de forma que se pueda obtener
una minucia cuya semejanza entre los dos vectores sea tan alta, que pueda
ser considerada como idéntica.
Posteriormente se hace un cambio de coordenadas de los dos vectores, para
pasarlo a polares (radio y ángulo), con el centro en esa minucia
de referencia. Una vez realizado esto, se comparan, uno a uno, todos los
pares de minucias susceptibles de estar en el mismo sitio. Para considerar
que están en el mismo sitio, se crea un área de influencia
de cada minucia del patrón, que permita la tolerancia dada por la
elasticidad del dedo. Si la minucia de la muestra está en la zona
de influencia de la minucia del patrón, y su tipo y orientación
son compatibles, entonces se podrá determinar que la minucia es la
misma.
Realizando esto para todos los pares de minucias, y aplicando unas fórmulas
de medida de proximidad, con factores de penalización para los casos
en los que la comparativa haya sido infructuosa, se consigue un resultado
numérico que dará la probabilidad de que las huellas sean
idénticas.
Como en todo sistema biométrico, dependiendo del umbral que ponga
el diseñador del sistema, la probabilidad hará que la huella
sí que se considere idéntica (aceptando al usuario), o falsa
(rechazándolo). Se estudiarán entonces las posibles tasas
de error: Falsa Aceptación (FAR) o Falso Rechazo (FRR), para indicar
la calidad del sistema de identificación en la aplicación
dada.
ÚLTIMAS TENDENCIAS
La gran madurez de esta técnica biométrica, con casi un
siglo de experiencia, y, sobre todo, la drástica mejora de los sistemas
de captura, han llevado a que en la actualidad se proponga esta técnica
biométrica para multitud de aplicaciones. La idea fundamental es
intentar evitar que una persona tenga que recordar varios números
de identificación (PIN), a la hora de utilizar un Sistema de Información.
Por tanto, toda aplicación con sistema de verificación, está
siendo susceptible de aceptar la huella dactilar como método de autenticación
de los usuarios.
En esta línea, la telefonía móvil está interesada
en poder sustituir el PIN del teléfono, y los códigos de validación
de operaciones (por ejemplo, una compra), por la verificación de
la huella dactilar. De la misma forma, el acceso a redes de datos o a terminales,
está cada vez más sujeto a la identificación segura
del usuario del sistema, y el uso de contraseñas, aparte de ser continuamente
violado, conlleva molestia y dejadez del usuario, que, o bien se tiene que
acordar de numerosas contraseñas –y muchas veces las apunta
cerca del terminal–, o utiliza la misma para todos los sistemas.
Sin embargo, aunque la biometría puede ser una solución muy
efectiva, su coste (aunque ahora mucho más reducido) y la mentalidad
del usuario, que muchas veces ve, sin ningún motivo, en la utilización
de la huella, un problema policial o judicial, llevan a que no se termine
de implantar dicha técnica.
Además, al utilizar cualquier parámetro biométrico,
hay que prestar especial atención para que no sufra ataques ni
robos, por lo que la transmisión de la huella (de sus parámetros,
y mucho menos de la imagen en sí) no debe realizarse de forma libre.
Esto lleva a plantear dispositivos de identificación, que puedan
llevar a cabo la verificación interna de la huella. En esta línea,
el Grupo Universitario de Tarjeta Inteligente (GUTI) , ubicado en la Universidad
Carlos III de Madrid, está trabajando para poder realizar la verificación
del patrón de la huella dentro de una Tarjeta Inteligente, y así
facilitar su uso en sistemas distribuidos y multi-aplicación. Estos
trabajos continúan los ya realizados con otras técnicas biométricas,
y expuestos en [10][11][12]. Se espera encontrar soluciones en un futuro
muy cercano.
CONCLUSIONES
En este artículo se ha analizado la técnica de autenticación
biométrica mediante huella dactilar. Esta técnica lleva mucho
tiempo en estudio, por lo que puede considerarse una técnica madura.
Los sistemas de identificación automáticos, presentan peculiaridades
que se van solucionando gracias a los trabajos de distintos investigadores
a nivel mundial, tales como Jain o Maio. Se han descrito los algoritmos
fundamentales para estos sistemas de identificación biométrica.
La gran mejora y abaratamiento de los sistemas de captura, pueden hacer
que en un futuro muy cercano, nos encontremos utilizando esta técnica
para multitud de aplicaciones.
REFERENCIAS
[1] A. K. Jain, R. Bolle, S. Pankanti. Biometrics: Personal
Identification in Networked Society. Kluwer Academic Publishers. 1999.
[2] H. C. Lee, R. E. Gaensslen. Advances in Fingerprint Technology. CRC
Press LLC. 1994.
[3] R. Sánchez Reíllo. “Identificación biométrica
y su unión con las tarjetas inteligentes”. Revista SIC, Seguridad,
Informática y Comunicaciones, nº 39, abril 2000, págs
I-IV.
[4] L. C. Jain, U. Halici, I. Hayashi, S. B. Lee, S. Tsutsui. Intelligent
Biometric Techniques in Fingerprint and Face Recognition. CRC Press LLC.
1999.
[5] A. K. Jain, L. Hong, S. Pankanti, R. Bolle. “An Identity-Authentication
System Using Fingerprints”. Proceedings of the IEEE, vol. 85, no. 9,
September 1997.
[6] A. K. Jain. Fundamentals of Digital Image Processing. Prentice Hall,
1989.
[7] A. K. Jain, L. Hong, R. Bolle. “On-Line Fingerprint Verification”.
IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 19, no. 4,
April 1997.
[8] D. Maio, D. Maltoni. “Direct Gray-Scale Minutiae Detection in Fingerprints”.
IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 19, no. 1,
January 1997.
[9] R. Sánchez Reíllo. “El Iris Ocular como parámetro
para la Identificación Biométrica”. Revista SIC, Seguridad,
Informática y Comunicaciones, nº 41, septiembre 2000, págs
I-IV.
[10] R. Sánchez-Reillo, A. Gonzalez-Marcos. «Access Control
System with Hand Geometry Verification and Smart Cards». IEEE Aerospace
and Electronic Systems Magazine, vol. 15, nº 2, febrero 2000. pp. 45-48.
[11] R. Sanchez-Reillo. “Securing Information and Operations in a Smart
Card through Biometrics”. IEEE Aerospace and Electronic Systems Magazine,
vol. 16, nº 4, April 2001, pp. 3 - 6
[12] 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. |
