thumb|El sistema biométrico por reconocimiento de iris es una de las ciencias más fiables del mercado.
El reconocimiento del iris es un método de autentificación biométrica que utiliza técnicas de reconocimiento de patrones (los cuales han sido almacenados anteriormente en una base de datos) en imágenes de alta resolución del iris del ojo de un individuo.
No ha de ser confundido con otro, menos frecuente, basado en el escaneo de la retina. El reconocimiento del iris utiliza la tecnología de las cámaras: con una fina iluminación infrarroja se reduce el reflejo que se haya podido producir en la convexa córnea y poder crear detalladas imágenes de las complejas estructuras del iris. Una vez convertidas en plantillas digitales, estas imágenes proporcionan una representación matemática del iris, las cuales coinciden con una identificación positiva e inequívoca de un individuo.
La eficacia del reconocimiento del iris es raramente obstaculizada por gafas o lentes de contacto . La tecnología basada en el iris tiene el valor atípico más pequeño (es decir, hay un número de personas reducido que no lo pueden usar) de todas las tecnologías biométricas. Debido a su velocidad de comparación, el reconocimiento del iris es la tecnología biométrica más adecuada para la identificación de un grupo numeroso de personas. Una ventaja clave del reconocimiento del iris es su estabilidad (el patrón o la plantilla pueden durar muchos años), ya que, salvo un traumatismo, esta “matrícula” individual puede durar toda la vida.
El físico John G. Daugman (del Laboratorio Informático de la Universidad de Cambridge) fue pionero en este campo, desarrollando los procesos de creación de algoritmos de reconocimiento mediante el iris necesarios para la adquisición de la imagen y la puesta en el mercado de instrumentos necesarios para tal fin. Estos algoritmos se utilizaron para iniciar la comercialización de esta tecnología en conjunto con una primera versión del sistema IrisAccess, diseñado y fabricado por LG Electronics, en Corea del Sur. Los algoritmos de Daugman son la base de la mayoría de los sistemas de reconocimiento del iris que se introdujeron en el mercado hasta 2006. En las pruebas, cuando los límites (umbrales) coincidían, para una mejor comparación, se cambiaba la configuración predeterminada para que permitiera una tasa de error situada entre una región de 10-3 a 10-4; a pesar de esto, los porcentajes de los códigos del iris incorrectos o rechazados son comparables con los sistemas de detección mediante la huella dactilar más precisos.
Vale mencionar también que existen diferentes técnicas aparte de la de Daugman, como la de Comparación de histogramas, la de Análisis de texturas o la desarrollada por Wildes, por mencionar algunas.
Principio de funcionamiento
Diagrama de bloques del sistema
El proceso se divide en varias etapas: Captura de la imagen
Se captura una imagen de la capa arbórea del iris en blanco y negro, en un entorno correctamente iluminado, usando una cámara de alta resolución.
Los sistemas más complejos incorporan 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), y están pensados para cajeros automáticos, pero su coste de fabricación es elevado.
Un parámetro a tener en cuenta a la hora de diseñar un sistema de captura es, aparte de la calidad de la imagen obtenida, la comodidad del usuario. Es necesario utilizar la óptica necesaria para facilitar la ampliación (zum) de la imagen a capturar para evitar rechazos por parte de los usuarios.
La imagen obtenida ha de ser procesada para extraer patrones, que a su vez son sometidos a algoritmos matemáticos hasta obtener una cantidad de datos suficiente para los propósitos de identificación. Esa muestra es comparada con otra tomada con anterioridad y almacenada en la base de datos del sistema, de forma que si ambas coinciden el usuario se considera autenticado con éxito. Preprocesamiento de la imagen
A fin de poder extraer la zona de interés (iris) de la imagen capturada, se aplican ciertos filtros sobre la misma.
El primer paso es aplicar un filtro de mediana, el cual uniforma la conjuntiva del ojo. Esto sirve para que los bordes de las pestañas, pupila e iris sean más marcados, de tal forma que puedan ser mejor identificados en las siguientes etapas.
Téngase en cuenta que en esta etapa no se pretende resaltar ningún detalle de la imagen con fines de codificación, tal solo se resaltan los bordes de la zona de interés para su posterior extracción.
El segundo paso es hallar el histograma de la imagen y obtener un valor umbral para binarizar la misma.
La pupila del ojo aparece en el histograma como un pico bien marcado en los valores bajos de intensidad de gris (dado que la pupila es negra). Esto permite ubicar el umbral de binarización un poco más delante de los valores de la pupila.
Por último, la imagen es binarizada y la pupila aparece como un círculo negro sobre un fondo blanco, también aparecen otros objetos, los cuales son eliminados utilizando un algoritmo de etiquetado. A veces el círculo aparece cortado o deforme (por efectos de luz, reflejos, …), pero estos errores se corrigen en la siguiente etapa.
Al etiquetar todos los objetos de la imagen, se elige al más grande, el cual representa a la pupila. Al final de esta etapa se tiene la imagen de la pupila (representada por un círculo negro) sobre un fondo blanco.
Extracción de la zona de interés
Antes de comenzar el siguiente apartado, es importante hacer notar que, al contrario de lo que piensa todo el mundo, la pupila y el iris no son concéntricos.
Hallando el centro y radio de la pupila El algoritmo de detección de círculos consiste en hallar la gradiente de la imagen, los vectores gradientes del círculo buscados apuntan hacia fuera y son perpendiculares al borde la imagen (círculo), por simetría del centro del círculo por cada vector existirán dos vectores en direcciones opuestas, la fase entre estos dos vectores debe ser aproximadamente 180 grados.
Además, el vector que une dos puntos del círculo, separados 180 grados entre sí, debe tener la misma dirección que el vector gradiente.
El segundo paso es aplicado para encontrar todos los pares de vectores que cumplan con las condiciones anteriores. El tercer paso es considerar un círculo candidato por cada par de vectores (cada círculo tiene su propio centro). Finalmente, el círculo correcto es extraído entre todos los círculos candidatos mediante el almacenamiento de las coordenadas del centro de cada (Cx,Cy) círculo y su radio(r), luego se halla el histograma de los valores almacenados(Cx,Cy,r) detectando cuales son los de mayor ocurrencia, los cuales corresponden al círculo correcto. Este algoritmo, también nos otorga las coordenadas de centro de la pupila y el radio de la misma.
Habiendo identificado el círculo de la pupila y sus coordenadas de centro; así como el radio de la misma; la pupila es aislada mediante una máscara de extracción, en la cual el círculo de la pupila es de color negro en un fondo blanco. Hallando el centro y radio del iris
Para extraer el borde externo del iris se aplica un estiramiento del histograma de la imagen en escala de grises original, luego se aplican el filtro de mediana para uniformar las regiones y eliminar falsos contornos, seguidamente se aplican los filtros de Canny con un alfa adecuado que permita resaltar el borde externo del iris y facilitar la detección del mismo.
Luego, considerando la pupila concéntrica con el iris en el eje vertical, pero no en el eje horizontal. Se asume, como coordenada del centro del iris en el eje x, la coordenada del centro de la pupila del eje x y se toma el radio del iris como referencia para hallar la coordenada y del centro del iris.
Conociendo las coordenadas del centro del iris y su radio, se traza una circunferencia de color blanco sobre un fondo negro. Se realiza una operación AND entre la imagen capturada y las dos máscaras de extracción, consiguiendo aislar la zona de interés (el anillo del iris) en la imagen.
Preprocesamiento de imágenes para la codificación
A fin de incrementar la eficiencia de los códigos, se probaron algunos métodos de preprocesamiento de imágenes para poder resaltar bordes, detalles y demás características del iris que aumentaron la certeza de los códigos a probar. Estiramiento de histograma
Las imágenes del iris tienen un histograma centrado en un valor de grises, aproximadamente igual a 150, las componentes de gris de la imagen se extienden de 80 hasta 200 aproximadamente. Es por esto que las bandas comprendidas entre 1-80 y 200-255 son aprovechadas para estirar el histograma de la imagen.
centrado|miniatura|400px|Imagen inicial y la final, tras la aplicación de la técnica de estiramiento de histograma
Incremento de Contraste
Se implementó también un programa que aumenta el contraste de los píxeles que se encuentran entre 80 y 200 en escala de grises, las demás intensidades se hacen cero para que no influyan en el procesamiento.
centrado|miniatura|400px|Imagen inicial y la final, tras la aplicación de la técnica de incremento de contraste
Transformación a coordenadas polares
Una vez extraído el iris de la imagen del ojo, se debe realizar un cambio de coordenadas a fin de poder extraer las características del iris y poder armar un código que lo identifique.
La idea es obtener una representación rectangular del iris.
Algoritmos de codificación
Caracterización de imágenes mediante la wavelet tipo Haar
A partir de la imagen del iris en formato polar, se aplica la transformada Haar a la imagen hasta llegar al nivel 5 del árbol. Se realizan pruebas utilizando diferentes bandas de filtración para construir el código (las bandas que caracterizan a una imagen del iris son las siguientes: 4HL, 4LH, 4HH, 5HL, 5LH y 5HH).
Además se incluyen los valores promedio de cada una de las subimágenes mencionadas. Este tipo de codificación aumenta la eficiencia del código incrementando las diferencias entre códigos de distintas imágenes.
Así mismo, también se modifican ciertos parámetros al momento de convertir el sistema de coordenadas de las imágenes. Otros factores Además del tipo de codificación Haar, también se tienen en cuenta otros factores:
• Región del iris a utilizar: En ciertas imágenes el iris se ve obstruido por el párpado o por alguna pestaña, es por eso que se prueba la codificación del iris utilizando solo ciertas regiones, las cuales están libres de cualquier agente extraño que puede adulterar las características del iris.
Se llegó a la conclusión de que la región que menos problemas presenta es una región trapezoidal de 50° a cada lado del iris.
• Parámetros del algoritmo de cambio de sistema de coordenadas: Se notó que al cambiar los parámetros del algoritmo que convierte la representación del sistema de coordenadas del iris, esto influye de gran manera en los resultados de la posterior codificación.
Si se usa un delta muy pequeño la imagen crece debido a la redundancia de píxeles, pero a la vez se pierden algunas texturas necesarias para que la codificación sea más eficiente. Por el contrario, si el delta es muy grande, se pierde información porque no todos los píxeles de la imagen original son llevados a la nueva representación. Se determinó que el valor apropiado para delta es 0,009. Algoritmo de verificación
En esta etapa se identifica (comparar la plantilla de un individuo con la de muchos) o se verifica (compararla con la de uno mismo) una plantilla creada por proyección de la imagen del iris con una plantilla de valores almacenada en una base de datos.
Las etapas de preprocesado 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.