Sistema de Reconocimiento de Iris Implementado en un

Sistema de Reconocimiento de Iris Implementado en un Procesador Digital de Señales

Arles Felipe García Maya

Juan Camilo Moreno Ruiz

Director

MSc. Edwin Andrés Quintero Salazar

Ing. Electrónica

Orden del Día

• Problema

• Justificación

• Objetivos

• Estado del Arte

• Sistema de Reconocimiento de Iris

• Resultados

• Conclusiones

• Trabajos Futuros

• Bibliografía

• Agradecimientos

Problema

• Seguridad

• Validación de Identidad

• Alta Confiabilidad

Justificación

• Alta Confiabilidad

• Sistema Embebido

• Velocidad de Procesamiento

• Portabilidad

• Tamaño

• Eficiencia Energética

• Impulso al Desarrollo e Investigación sobre los Sistemas Biométricos

Objetivos

Objetivo General

• Desarrollar un sistema de reconocimiento de iris usando un DSP ADSP-BF533 de Analog Devices.

Objetivos Específicos.

• Desarrollar y simular en MatLab® un software de reconocimiento de iris que realice el filtrado, segmentación del iris, verificación y la validación de la identidad.

• Implementar y probar el software desarrollado en el DSP ADSP-BF533.

• Realizar pruebas estadísticas de confiabilidad del sistema.

Estado del Arte

Implementación en DSP

DSP-Based Implementation and Optimization of an Iris Verification Algorithm using Textural Feature.

Implementación en FPGA

FPGA Implementation for an Iris Biometric Processor.

Patentes

Security System and Method by Iris Key System for Door Lock.

Sistema de Reconocimiento de Iris

Características Generales

• Desarrollado en MatLab® 2013b

• Implementado en el ADSP BF533 EZ Kit Lite de Analog Devices

• CASIA Iris Database 4.0

Técnicas Usadas

• Operador Sobel

• Filtros Espaciales tipo Pillbox

• Interpolación Bilineal

• Normalización del Iris

• Algoritmo de Bresenham

• Transformada Wavelet de Haar 2D

Análisis de Identidad

• Distancia de Hamming

• Distancia Euclidiana

Diagrama de Bloques

Imagen Inicial

Imagen de CASIA Iris Database 4.0

Casia Iris Lamp

MatLab® ADSP BF533 EZ Kit Lite®

Recorte 1

Recorte Estático

MatLab® ADSP BF533 EZ Kit Lite®

Banco de Filtros 1

Filtro 1

Filtro 2

Filtrado Espacial

Filtro de Promedio Circular Pillbox

MatLab® ADSP BF533 EZ Kit Lite®

Detector de Bordes

Operador Sobel

MatLab® ADSP BF533 EZ Kit Lite®

Segmentado de la Pupila

Envolvente Convexa

Crecimiento de Región

MatLab® ADSP BF533 EZ Kit Lite®

Recorte 2

Recorte Dinámico

MatLab® ADSP BF533 EZ Kit Lite®

Banco de Filtros 2

Filtrado Espacial

Filtro de Promedio Circular Pillbox

MatLab® ADSP BF533 EZ Kit Lite®

Detector de Bordes 2

Operador Sobel

MatLab® ADSP BF533 EZ Kit Lite®

Segmentado del Iris

Algoritmo de Bresenham

MatLab® ADSP BF533 EZ Kit Lite®

Normalización del Iris

Interpolación Bilineal

Cambios de Coordenadas Polares-Cartesianas

MatLab® ADSP BF533 EZ Kit Lite®

Transformada Wavelet de Haar 2D

1° Nivel

ADSP BF533 EZ Kit Lite®MatLab®

1° Nivel

Resultados

• Ejecución en el ADSP BF-533 EZ Kit Lite del Sistema de Reconocimiento de Iris Implementado en un Procesador Digital de Señales.

• Pruebas de Falsa Aceptación.

• Pruebas de Falso Rechazo.

• Confiabilidad.

Falsa Aceptación

0,00%

2,00%

4,00%

6,00%

8,00%

10,00%

12,00%

Falsa Aceptación

Comparación de Falsa Aceptación

ADSP BF533 EZ Kit Lite® vs MatLab®

ADSP BF533 EZ Kit Lite MatLab®

Falso Rechazo

0,00%

1,00%

2,00%

3,00%

4,00%

5,00%

6,00%

7,00%

8,00%

9,00%

10,00%

Falso Recahzo

Comparación de Falso Rechazo

ADSP BF533 EZ Kit Lite® vs MatLab®

ADSP BF533 EZ Kit Lite MatLab®

Confiabilidad

84,00%

86,00%

88,00%

90,00%

92,00%

94,00%

96,00%

98,00%

100,00%

102,00%

Confiabilidad

Comparación

Confiabilidad

ADSP BF533 EZ Kit Lite vs MatLab®

ADSP BF533 EZ Kit Lite MatLab®

Conclusiones

1Después de exponer los algoritmos desarrollados y los resultados obtenidosde las pruebas realizadas, se puede concluir que se puede implementar unSistema de Reconocimiento de Iris en la tarjeta de desarrollo ADSP-BF533EZ-Kit Lite® capaz de ofrecer un rendimiento respecto a confiabilidad yaceptabilidad comparables con los sistemas descritos en la literatura.

2La implementación de un sistema de control de acceso usando el Sistema deReconocimiento de Iris desarrollado en este trabajo e implementado en elADSP-BF533 EZ-Kit Lite® ofrece ventajas significativas de costos y licenciasfrente a este mismo sistema implementado en MatLab®, ya que la tarjeta dedesarrollo cuesta US450 mientras que la implementación en MatLab®,requiere un computador personal de alrededor US500, más la licencia delsoftware para uso comercial que cuestas alrededor de US1000.

3Observando los resultados obtenidos en confiabilidad y aceptabilidad delSistema de Reconocimiento de Iris, el algoritmo de comparación de Distanciade Hamming es mejor que el algoritmo de Distancia Euclidiana paradiscriminar entre un usuario registrado y uno no registrado; de este modo latécnica de emparejamiento de Distancia de Hamming es lo suficientementerobusta como para ser la única técnica para validación de identidad que seimplemente en un sistema de reconocimiento de iris. Lo cual aumentaría elrendimiento del sistema (si se usa sólo Hamming).

4La diferencia entre los porcentajes de falsa aceptación y falso rechazo entrela implementación en MatLab® y el ADSP-BF533 EZ-Kit Lite® se debe a doselementos básicamente. Primeramente, los valores de intensidad de lospixeles de las imágenes al ser cargadas al sistema, difieren en ambasplataformas, de este modo, siendo estrictos, la imagen procesada no esexactamente la misma en ambos sistema. Finalmente, en MatLab® semanejaron las imágenes en formato double, el cual ofrece una precisión de64 bits, mientras que en DSP, se manejaron las imágenes en formato float, elcual tiene una precisión de 32bits. De este modo, MatLab® ofrece mayorpresión a la hora de leer la imagen y de realizar los cálculos.

5Otro factor influyente en la divergencia de los resultados entre laimplementación en MatLab® y el ADSP-BF533 EZ-Kit Lite® es la diferenciaen los procesadores que realizaron los cálculos. MatLab® fue ejecutado enun procesador Intel® Core i5-3317U con un set de instrucciones de 64bits,mientras que el DSP posee un procesador ADSP-BF533 Blackfin® Processorcon un set de instrucciones de 32bits.

6MatLab es una excelente herramienta de desarrollo para los algoritmos deprocesamiento digital de imágenes, ya que ofrece un entorno de desarrollo ybancos de herramientas los suficientemente robustos y amigables con elprogramador, lo que permite probar y depurar los algoritmos antes de serimplementados directamente en el procesador ADSP-BF533 EZ-Kit Lite®.

7El Sistema de Reconocimiento de Iris desarrollado en este trabajo puede serimplementado como parte de un sistema de control de acceso basado en elreconocimiento de iris, tanto en su implementación en un computadorpersonal usando los algoritmos desarrollados en MatLab®, como suimplementación en el sistema embebido ADSP-BF533 EZ-Kit Lite®.

Trabajos Futuros

• Implementación en el ADSP BF-533 EZ Kit Lite® de técnicas de Aprendizaje Automático (Machine Learning) en el módulo de Análisis de Identidad.

• Implementación de un cámara para la adquisición de las imágenes del iris en tiempo real en el ADSP BF-533 EZ Kit Lite®.

• Acople de un sistema de control de acceso físico al Sistema de Reconocimiento de Iris.

Agradecimientos

• A nuestros padres por permitir llegar hasta este punto.

• A nuestros profesores de Ingeniería Electrónica por enseñarnos todo lo que aplicamos en este proyecto.

• A nuestro director Ing. Edwin Andrés Quintero por guiarnos en todos este proceso.

Bibliografía

• Frase Steve Jobs. En Línea. Disponible en:[http://wasanga.com/airuegas/files/2013/04/FrasesSteveJobs.jpg]

• Daugman John. Professor of Computer Vision and Pattern Recognition. En Línea.Disponible en [http://www.cl.cam.ac.uk/~jgd1000/Daugman_college.jpg]