Professional Documents
Culture Documents
Introduccin
La identificacin por huella dactilar es una de las biometras ms conocidas y publicitadas.
Gracias a su unicidad y constancia en el tiempo las huellas dactilares han sido usadas para
la identificacin por ms de un siglo, mas recientemente volvindose automatizada (ej.
biomtrica) debido a los avances en las capacidades de computacin. La identificacin por
huellas dactilares es popular por su inherente comodidad de adquisicin, las numerosas
fuentes disponibles para recoleccin (diez dedos), y su establecido uso y recoleccin por
parte del orden pblico e inmigracin.
Resumen
Por ms de un siglo, las huellas dactilares han sido uno de los mtodos ms usados para el
reconocimiento humano; los sistemas biomtricos automatizados han estado disponibles
solamente en estos ltimos aos. La determinacin y compromiso de la industria, las
evaluaciones y las necesidades del gobierno, y los cuerpos organizados de los estndares
han conducido a la siguiente generacin en reconocimiento de huellas dactilares, que
promete dispositivos ms rpidos y de ms alta calidad de adquisicin para producir una
exactitud ms alta y mayor confiabilidad. Porque las huellas dactilares tienen una
aceptacin generalmente amplia entre el pblico en general, el orden pblico, y la
comunidad de ciencia forense, continuarn siendo utilizadas por los sistemas legados de
muchos gobiernos y sern utilizadas en los nuevos sistemas para los usos y aplicaciones
que requieren una biometra confiable.
Historia
El uso prctico de huellas dactilares como mtodo de identificacin de individuos ha sido
utilizado desde finales del siglo 19 cuando Sir Francis Galton defini algunos de los
puntos o caractersticas desde las cuales las huellas dactilares podan ser identificadas.
Estos "puntos Galton" son la base para la ciencia de identificacin por huella dactilar, la
cual se ha expandido y efectuado una transicin en el pasado siglo. La identificacin por
huella digital comienza su transicin a la automatizacin a finales de los aos 60 junto con
la aparicin de las tecnologas de computacin. Con la llegada de las computadoras, un
subconjunto de los puntos Galton, de aqu en ms minucias (rasgos especficos), ha sido
utilizado para desarrollar la tecnologa de reconocimiento automatizado de huellas
dactilares. En 1969, hubo un empuje mayor por parte del Bur Federal de Investigaciones
(FBI) para desarrollar un sistema para automatizar sus procesos de identificacin por
huellas dactilares, el cual rpidamente se haba vuelto abrumador y requera de muchas
horas hombre para el proceso manual. El FBI contrato al Bur Nacional de Estndares
(NBS), ahora Instituto Nacional de Estndares y Tecnologa (NIST), para estudiar el
proceso automatizacin de la clasificacin, bsqueda y concordancia de la huellas
dactilares. El NIST identifico dos cambios clave:
1. escanear las tarjetas con huellas dactilares y extraer las minucias de cada huella y
2. buscar, comparar y combinar las listas de minucias contra grandes repositorios de
huellas dactilares [1].
En 1975, El FBI fundo el desarrollo de escneres de huella dactilar para clasificadores
automatizados y tecnologa de extraccin de minucias, lo cual condujo al desarrollo de un
lector prototipo. Este primer lector usaba tcnicas capacitivas para recoger las minucias
[2]. En ese momento solo los datos biogrficos de los individuos, la clasificacin de los
datos de huellas dactilares y las minucias eran almacenados a causa de que el costo de
almacenamiento de las imgenes digitales de las huellas dactilares era prohibitivo.
Durante las pocas prximas dcadas, el NIST se enfoc y condujo a desarrollos en los
mtodos automticos para digitalizar las huellas dactilares en tinta y los efectos de
compresin de imagen en la calidad de la imagen, la clasificacin, extraccin de minucias,
y concordancia [3]. EL trabajo del NIST Condujo el desarrollo delalgoritmo M40, el primer
algoritmo operacional utilizado en el FBI para estrechar la bsqueda de humanos. Los
resultados producidos por el algoritmo M40 fueron provistos a tcnicos humanos
entrenados y especializados quienes evaluaron el significantemente ms pequeo grupo
de imgenes candidatas.
La tecnologa de huellas dactilares disponible continu mejorando y para el ao 1981,
cinco sistemas automatizados de identificacin por huella dactilar fueron desplegados.
Varios sistemas estatales en los Estados Unidos y otros pases haban implementado sus
propios sistemas autnomos, desarrollados por un nmero de diferentes proveedores.
Durante esta evolucin, la comunicacin y el intercambio de informacin entre sistemas
fueron pasados por alto, significando que una huella digital recogida con un sistema no
poda ser buscado en otro sistema. Estos descuidos llevaron a la necesidad y al desarrollo
de estndares para huellas digitales.
Conforme a la necesidad de un sistema de identificacin integrado en la comunidad de la
justicia criminal de los Estados Unidos se volvi rpidamente evidente, la prxima fase en
la automatizacin de huellas dactilares ocurri al finalizar la competencia de sistemas
automatizados de identificacin de huellas dactilares (Automated Fingerprint
Identification System, IAFIS). La competencia identific e investig tres desafos
principales:
1. Adquisicin de huellas dactilares digitales,
2. extraccin de caractersticas de crestas locales, y
3. concordancia de patrones de caractersticas de crestas [4].
Los sistemas modelo demostrados fueron evaluados en base a requerimientos de
rendimiento especficos. Lockheed Martin fue seleccionado para construir el segmento AFIS
del proyecto IAFIS del FBI y los componentes principales de IAFIS estuvieron operacionales
para 1999. Tambin en este plazo, los productos comerciales de verificacin de huellas
dactilares comenzaron a aparecer para varios controles de acceso, para logeo, y para
beneficio de las funciones de verificacin.
Concepto
Una huella dactilar usualmente aparece como una serie de lneas oscuras que representan
los relieves, la porcin saliente de las crestas de friccin, mientras los valles entre estas
crestas aparecen como espacio en blanco y estn en bajo relieve, la porcin subyacente de
las crestas de friccin.
La identificacin por huella dactilar est basada principalmente en las minucias, o la
ubicacin y direccin de los finales y bifurcaciones (separaciones) de las crestas a lo largo
su trayectoria.
Las imgenes debajo presentan ejemplos de caractersticas de huellas dactilares: (a) dos
tipos de minucias y (b) ejemplos de otras caractersticas algunas veces utilizadas durante
la clasificacin automtica y procesos de extraccin de minucias:
Las dos categoras principales de las tcnicas de coincidencia de huellas dactilares son:
basada en minucias o por patrones. La coincidencia por patrones simplemente compara
dos imgenes para ver cun similares son. La coincidencia por patrones es utilizada en
sistemas de huellas dactilares para detectar duplicados. La tcnica de reconocimiento ms
ampliamente utilizada, la basada en minucias, reside en los puntos de minucias descritas
ms arriba, especficamente la ubicacin y la direccin de cada punto [4].
Perspectiva de los estndares
En los niveles actuales nacionales e internacionales, el desarrollo de los estndares en
huellas dactilares, es un elemento esencial en el reconocimiento de huellas debido a la
vasta variedad de algoritmos y sensores disponibles en el mercado.
La interoperabilidad es un aspecto crucial de la implementacin del producto, lo que
significa que las imgenes obtenidas por un dispositivo debe ser capaz de ser interpretada
por una computadora que utilice otro dispositivo. Los mayores esfuerzos en los estndares
se enfocan en la estandarizacin del contenido, el significado y la representacin de los
formatos de datos de intercambio de huellas dactilares e incluyen las normas [9]:
ISO/IEC 19794-2 formato de minucias del dedo para intercambio de dato, ISO/IEC
FCD 19794-3 formato de intercambio basado en patrones del dedo, y
dactilares (IAFIS) basado en el estndar NIST ITL 1-2000 del ANSI. El propsito de este
documento es especificar ciertos requisitos a los cuales las agencias deban adherir para
comunicarse electrnicamente con el IAFIS.
Para ms informacin, ver: http://www.fbi.gov/filelink.html?
file=/hq/cjisd/iafis/efts71/efts71.pdf
EBTS v1.0 Especificaciones de transmisin electrnica de biometra.
Esta especificacin describe arreglos de las transacciones de las Especificaciones
transmisin electrnica de huellas dactilares (EFTS) del FBI, que son necesarias para
utilizar el sistema de identificacin biomtrica automatizada (ABIS) del Departamento de
Defensa (DoD).
FBI- WSQ (Wavelet Scalar Quantization, WSO) Compresin de imgenes de
huellas dactilares por Cuantizacin de Ondeletas Escalares
Es una compresin con perdida de informacin (Lossy)que es capaz de preservar los
detalla de alte resolucin de una imagen en escala de grises que son usualmente
descartados por otros algoritmos de compresin del tipo Lossy. Alcanza un alto cociente de
compresin, por medio 15:1 dependiendo de los parmetros. Para ms informacin, ver el
documento No.
IAFIS-IC-0110 (V3), 19 de diciembre de 1997."Servicios de informacin de la
justicia criminal (CJIS)
Especificacin de compresin de imgenes en escala de grises de huellas dactilares WSO"
del FBI
JPEG2000 (Joint Photographic Experts Group 2000)
La compresin de imgenes de huellas dactilares del Grupo de Expertos de la Asociacin
Fotogrfica 2000 es un nuevo sistema de codificacin de la imagen que utiliza tcnicas
avanzadas de compresin basadas en tecnologa de ondeletas. Su arquitectura debe
prestarse a una amplia gama de aplicaciones desde cmaras fotogrficas digitales
portables hasta avanzadas como la pre impresin (para las industrias de imprenta y
publicacin), diagnostico por imgenes en medicina y otro sectores clave.
-------------------------------------------------------------------------------Referencias:
[1] John D. Woodward, Jr., Nicholas M. Orlans, and Peter T. Higgins, Biometrics (New York:
McGraw Hill Osborne, 2003).
[2] Nalini Ratha and Ruud Bolle, Automatic Fingerprint Recognition Systems (Springer: New
York, 2004).
[3] James Wayman, et al, Biometric Systems Technology, Design and Performance
Evaluation (London: Springer, 2005).
[4] Maltoni, Davide, Maio, Jain, and Prabhakar, Handbook of Fingerprint Recognition
(Springer: New York, 2005).[4] Maltoni, Davide, Maio, Jain, and Prabhakar, Handbook of
Fingerprint Recognition (Springer: New York, 2005).
[5] Secugen Biometrics Solutions
http://www.secugen.com/images/faq02.gif.
El problema con estas soluciones previas era que se computaban manualmente. En 1988
Kirby & Sirobich aplicaron anlisis de componentes principales, una tcnica estndar del
lgebra lineal, al problema del reconocimiento facial. Esto fue considerado algo as como
un hito al mostrar que eran requeridos menos de 100 valores para cifrar acertadamente la
imagen de una cara convenientemente alineada y normalizada [2].
En 1991 Turk & Pentland utilizando las tcnicas Eigenfaces, el error residual poda ser
utilizado para detectar caras en las imgenes [3] - un descubrimiento que permiti
sistemas automatizados de reconocimiento facial en tiempo real fidedignos. Si bien la
aproximacin era un tanto forzada por factores ambientales, cre sin embargo un inters
significativo en posteriores desarrollos de stos sistemas.
La tecnologa inicialmente captur la atencin del pblico a partir de la reaccin de los
medios a una prueba de implementacin en el Super Bowl de la NFL en enero de 2001, la
cual captur imgenes de vigilancia y las compar con una base de datos de fotoarchivos
digitales. Esta demostracin inici un muy requerido anlisis sobre cmo usar la tecnologa
para satisfacer necesidades nacionales, mientras se tomaban en consideracin las
preocupaciones sociales y de privacidad del pblico. Hoy la tecnologa de reconocimiento
facial est siendo utilizada para combatir el fraude de pasaportes, soporte al orden pblico,
identificacin de nios extraviados y minimizar el fraude en las identificaciones.
Enfoques predominantes
Hay dos enfoques predominantes en el problema de reconocimiento facial:
El geomtrico (basado en rasgos) y el fotomtrico (basado en lo visual). Conforme a que el
inters investigador en reconocimiento facial continu, fueron desarrollados muchos
algoritmos diferentes, tres de los cuales han sido bien estudiados en la literatura del
reconocimiento facial:
La ventaja primaria de esta tcnica es que puede reducir los datos necesarios para
identificar el individuo a 1/1000 de los datos presentados [5].
Figura 1: Eigenfaces estndar. Los vectores de los rasgos son derivados utilizando
Eigenfaces [6]
EBGM tiene en cuenta que las imgenes faciales reales tienen muchas caractersticas no
lineales que no son tratadas en los mtodos lineales de anlisis discutidos previamente,
tales como variaciones en la iluminacin (Iluminacin de exteriores vs. Interior
fluorescente), postura (frontal vs. inclinada) y expresin (sonrisa vs. ceo fruncido).
Una ondeleta de transformacin Gabor crea una arquitectura de enlace dinmico que
proyecta el rostro sobre la planilla elstica. El Jet Gabor es un nodo en la planilla elstica,
manifestado por crculos en la imagen debajo. El cual describe el comportamiento de la
imagen alrededor de un pxel.
Este es el resultado de una convulsin de la imagen con un filtro Gabor, el cual es usado
para detectar formas y extraer caractersticas utilizando procesamiento de imagen.(Una
convulsin expresa la suma de solapamientos de las funciones en la mezcla de funciones
entre si) El reconocimiento esta basado en la similitud de la respuesta del filtro Gabor a
cada nodo Gabor [4].
Este mtodo biolgicamente basado utilizando filtros Gabor es un proceso ejecutado en la
corteza visual de los mamferos ms grandes. La dificultad con este mtodo es el
requerimiento de la precisa localizacin del punto de referencia el cual puede ser algunas
veces logrado combinando los mtodos PCA y LDA [4].
analizar resultados apropiadamente. FRVT 2002 [12] fue diseado para medir progresos
tcnicos desde el ao 2000, para evaluar el rendimiento en bases de datos a gran escala
de la vida real, y para introducir nuevos experimentos para ayudar a entender mejor el
rendimiento del reconocimiento facial. El FRVT 2002 incluy experimentos con barras de
error mostrando radiaciones en los rendimientos al intercambiar imgenes similares. Son
resultados clave del FRVT 2002:
La iluminacin de interiores razonable controlada dada, la tecnologa de punta de
reconocimiento facial es de verificacin del 90% a una tasa de falsa aceptacin de 1%.El
uso de modelos moldeables, los cuales mapean una imagen 2D sobre una grilla 3D en un
intento de superar radiaciones posturales y de iluminacin, puede mejorar
significantemente el reconocimiento facial no frontal. El rendimiento de la lista de
vigilancia decrece como funcin del tamao de una galera- el rendimiento utilizando listas
de vigilancia mas pequeas es mejor que utilizando las ms grandes.
En aplicaciones de reconocimiento facial, las ubicaciones deben ser hechas para la
informacin demogrfica ya que caractersticas como la edad y sexo pueden afectar
significativamente el rendimiento.La meta del Gran Desafo del Reconocimiento Facial
(Face Recognition Grand Challenge, FRGC) - el prximo paso en el proceso gubernamental
de evaluacin y desarrollo- es promover y adelantar la tecnologa de reconocimiento facial
diseada para dar soporte a los esfuerzos existentes de reconocimiento facial del Gobierno
de los Estados Unidos [13].
El FRGC procurar desarrollar nuevas tcnicas de reconocimiento facial y desarrollar
sistemas prototipo mientras que aumenta el rendimiento mediante un orden de magnitud.
EL FRGC esta abierto a compaas investigadores y desarrolladoras, academias e
instituciones de investigacin de reconocimiento facial.
Pronto despus de la finalizacin del FRGC, el gobierno realizar una evaluacin en
profundidad del reconocimiento facial - el FRVT 2006*.
* El documento original de donde se tradujo este texto data de agosto de 2006
NIST ITL 1-2000 est siendo tambin actualizada para incluir ms y mejor informacin para
imgenes faciales del tipo 10. Hay tambin trabajo relacionado con el nivel internacional,
para proveer de una gua a los fotgrafos sobre cmo capturar mejor las imgenes faciales
para reconocimiento automatizado. Estos estndares tambin facilitan el uso de
informacin de rostros en aplicaciones que tienen capacidad de almacenamiento limitada
(Ej. Pasaportes, visas, licencias de conducir). Otros estndares como INCITS 398-2005
(Common Biometric Exchange Formats Framework, CBEFF), o Marco de trabajo de
Formatos para Intercambios Comunes de Biometra, tratan especficamente con los
elementos utilizados para describir los datos de biometra de forma comn.
La especificacin INTCITS 358-2002 BioAPI (Application Programming Interface) define la
interfase de programacin de la aplicacin y la interfase del proveedor del servicio para
una interfase de tecnologa biomtrica estndar.
Las organizaciones estndar nacionales e internacionales continan trabajando en la
progresin de los estndares en un sentido que facilite el crecimiento, el avance y la
interoperabilidad.
Referencias
[1] A. J. Goldstein, L. D. Harmon, and A. B. Lesk, "Identification of Human Faces," Proc. IEEE,
May 1971, Vol. 59, No. 5, 748-760.
[2] L. Sirovich and M. Kirby, "A Low-Dimensional Procedure for the Characterization of
Human Faces," J. Optical Soc. Am. A, 1987, Vol. 4, No.3, 519-524.
[3] M. A. Turk and A. P. Pentland, "Face Recognition Using Eigenfaces," Proc. IEEE, 1991,
586-591.
[4] D. Bolme, R. Beveridge, M. Teixeira, and B. Draper, "The CSU Face Identification
Evaluation System: Its Purpose, Features and Structure," International Conference on Vision
Systems, Graz, Austria, April 1-3, 2003. (Springer-Verlag) 304-311.
[5] "Eigenface Recognition" http://et.wcu.edu/aidc/BioWebPages/eigenfaces.htm.
[6] MIT Media Laboratory Vision and Modeling Group, "Photobook/Eigenfaces Demo" 25 July
2002.
http://vismod.media.mit.edu/vismod/demos/facerec/basic.html.
[7] J. Lu, K.N. Plataniotis, and A.N. Venetsanopoulos, "Regularized Discriminant Analysis For
the Small Sample Size Problem in Face
Recognition," Pattern Recognition Letters, December 2003, Vol. 24, Issue 16: 3079-3087.
[8] Juwei Lu, "Boosting Linear Discriminant Analysis for Facial Recognition," 2002.
[9] Laurenz Wiskott, "Face Recognition by Elastic Bunch Graph Matching, " 24 April 1996.
http://www.neuroinformatik.ruhrunibochum.de/ini/VDM/research/computerVision/graphMatching/identification/faceRecogniti
on/contents.html.
[11] D. M. Blackburn, J. M. Bone, and P. J. Phillips, "Facial Recognition Vendor Test 2000