RECONOCIMIENTO BIOMÉTRICO DEL IRIS (REBDI) 2.0
DANIEL STEPHEN RUIZ OVALLE
COD: 20152383007
UNIVERSIDAD DISTRITAL “FRANCISCO JOSÉ DE CALDAS”
FACULTAD TECNOLÓGICA
INGENIERÍA EN CONTROL
BOGOTÁ D.C.
RECONOCIMIENTO BIOMÉTRICO DEL IRIS (REBDI) 2.0
DANIEL STEPHEN RUIZ OVALLE
COD: 20152383007
MONOGRAFIA PARA OPTAR POR EL TÍTULO DE INGENIERO EN
CONTROL
DIRECTOR:
ING. MIGUEL RICARDO PEREZ PEREIRA
UNIVERSIDAD DISTRITAL “FRANCISCO JOSÉ DE CALDAS”
FACULTAD TECNOLÓGICA
INGENIERÍA EN CONTROL
BOGOTÁ D.C.
Nota de aceptación
__________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________ __________________________________________________
______________________________________ Tutor
______________________________________
Jurado 1
1. TABLA DE CONTENIDO
1. TABLA DE CONTENIDO ... 4
2.ÍNDICE DE TABLAS ... 6
3. LISTA DE FIGURAS... 7
4. INTRODUCCIÓN ... 8
4.1. Planteamiento del problema ... 9
4.2. Justificación ...11
4.3 Objetivos...12
4.3.1 Objetivo general ...12
4.3.2 Objetivos Específicos. ...12
5. MARCO DE REFERENCIA ...13
5.1. Estado del arte ...13
5.2. Marco teórico ...16
5.2.1 Patrones ...16
5.2.2 Fisiología del ojo ...17
5.2.3 Inseguridad Informática ...19
5.2.4 Adquisición de la imagen ...21
5.2.5 Segmentación del iris ...22
5.2.6 Procesamiento digital de imágenes ...23
5.2.7 Funcionamiento de la cámara ...31
6. METODOLOGIA...33
6.1. Captura de la Imagen ...35
6.2 Segmentación de la imagen. ...38
6.3 Normalización de la imagen. ...40
6.4 Extracción de características. ...44
6.4.1 Filtros de imagen. ...45
6.4.2 Histograma de una imagen. ...48
6.5.1 Proceso adquisición y manejo base de datos...53
6.6 Implementación de Algoritmo ...56
6.6.1 Funcionamiento y descripción de la interfaz de usuario. ...59
7. ANALISIS DE RESULTADOS ...63
7.1. Prueba de captura ...63
7.1.2 Prueba de Comparación ...66
7.1.3 Prueba Realizada con algoritmo de comparación...68
7.2. Relación de costos ...69
7.3. Alcance ...70
7.4. Desarrollo Futuro ...75
8. CONCLUCIONES ...77
10. RECOMENDACIONES ...80
2.ÍNDICE DE TABLAS
3. LISTA DE FIGURAS
Figura 1. Anatomía del ojo ...17
Figura 2. Desarrollo del modelo Flom y Aran. [19] ...22
Figura 3.Identificacion de bordes internos y externos del iris [33] ...23
Figura 4.Representacion de la matemática morfológica (dilatación) [39]. ...25
Figura 5.Representación de la matemática morfológica (Erosión) [39] ...26
Figura 6.Representación de la matemática morfológica (Apertura) [39] ...27
Figura 7. Representación de la matemática morfológica (Cierre) [39]...27
Figura 8. Diagrama de bloques de la solución propuesta. ...34
Figura 9. Diagrama de flujo de solución ...35
Figura 10. Cámara Iriscopio [48]...37
Figura 11. Detección de círculos ...39
Figura 12.Normalización del iris [10] ...40
Figura 13. Imagen normalizada del iris ...42
Figura 14. Imagen normalizada del iris con recorte de selección ...43
Figura 15. Resultado de los filtros aplicados a la imagen normalizada. ...46
Figura 16. Resultado de la aplicación de filtros de imagen al proceso de detección de círculos ...48
Figura 17. Histograma del iris normalizado...50
Figura 18. Histograma del iris usuario 1 ...51
Figura 19. Histograma del iris usuario 2 ...51
Figura 20. Histograma del iris usuario 3 ...52
Figura 21. Recuadro captación imagen del ojo. ...54
Figura 22. Interfaz de usuario REDBI 2.0...60
Figura 23. Imagen tomada de usuarios prueba. ...64
Figura 24. Imagen falla a la toma del iris ...65
Figura 25. Lámpara de hendidura ...71
Figura 26. Falla en la captación de iris ...73
Figura 27. Gafas de realidad aumentada ...74
4. INTRODUCCIÓN
El reconocimiento biométrico es el estudio de la aplicación y uso de las características físicas y comportamentales del ser humano, como medio de identificación veraz y contundente de cada individuo, buscando su implementación en la seguridad, tomando una característica eficiente de cada individuo, de manera rápida y sin afectar su integridad [1]. El reconocimiento biométrico del iris ha sido estudiado a lo largo del desarrollo de la biometría, por ser de las características físicas más importantes que sufren menor variación a lo largo del tiempo de la vida del ser humano, y ser de las características propias de la persona con menor posibilidad de copiar, según el método que se use para su clasificación, siendo un estudio realizado por numerosos científicos a lo largo del tiempo, entre los cuales se encuentra y destaca J. Daugman, quien propone una técnica basada en la captura de la imagen del iris para su posterior normalización a través de una conversión a coordenadas polares[2].
momento de obtener estas coordenadas se realiza su conversión a polar[4],se recorta la imagen respectiva, para la separación y clasificación de las características adecuadas para el reconocimiento, como lo pueden ser los patrones de la imagen binarizada, el histograma que genera la imagen, los promedios tomados de los histogramas entre otros.
Siendo todo integrado en una interfaz de usuario desarrollada en software libre, capaz de ser implementada en cualquier dispositivo que permita el uso de este, y el uso de una cámara diseñada para la captación de imágenes del iris, denominada iriscopio.
4.1. Planteamiento del problema
4.2. Justificación
Al momento de la creación de un prototipo de seguridad o un algoritmo
de protección de archivos, la implementación de los patrones
adecuados de reconocimiento ayuda a mejorar la eficiencia de la
seguridad, permitiendo así un desarrollo claro sobre los aplicativos y
prototipos que se realizan. En el proyecto REDBI realizado por el autor
en tecnología electrónica que se desarrolló en el software MATLAB, un
algoritmo con interfaz de usuario, capaz de realizar el proceso de
análisis y comparación de imágenes para tomar una decisión acerca
de la identidad de un usuario, este proyecto tenía como finalidad dejar
una base de conocimiento en el análisis de imágenes vinculado con un
proceso especifico como lo es el reconocimiento de personas, el uso
del software para su distribución estaba condicionado por la licencia
de desarrollo asociada al software MATLAB, así como la falta de
imágenes en tiempo real por la falta de un medio de captación de
imágenes, sea cámara o iriscopio.
Teniendo en cuenta las características propias del iris, su invariancia
en el tiempo, y la base de conocimiento planteada en el proyecto
REDBI, se busca hacer un dispositivo que permita la captura de
imágenes en tiempo real de una persona específica, realizando el
análisis y la comparación respectiva de la imagen con una base de
datos, en un software libre que permita la distribución del dispositivo
sin costos asociados a licencia, y desarrollos futuros que permitan
4.3 Objetivos
4.3.1 Objetivo general
Diseñar un sistema portátil de reconocimiento biométrico del iris, utilizando algoritmos de clasificación de características implementados en software y hardware libre.
4.3.2 Objetivos Específicos.
I. Determinar y evaluar las características necesarias que permitan el reconocimiento biométrico de personas por medio del iris.
II. Diseñar el algoritmo que permita el reconocimiento biométrico del iris que pueda ser implementado en hardware y software libre.
III. Realizar pruebas objetivas del sistema para determinar su eficiencia con mínimo 4 usuarios.
5. MARCO DE REFERENCIA
5.1. Estado del arte
Para el desarrollo de este proyecto se debe tener en cuenta los conceptos de verificación, identificación, morfología, biometría, como bases de conocimiento para la obtención de características específicas que permiten el funcionamiento del aplicativo diseñado y la creación de un prototipo de la manera más adecuada, abordando los problemas de seguridad informática e identificación efectiva de personas.
Biometría: el concepto hace referencia a la capacidad que se tiene para medir e identificar alguna característica propia de un ser humano, la biometría es una tecnología basada en reconocer una característica física, haciéndola única e intransferibles en una persona.
colágeno la piel comienza su proceso de envejecimiento y la cara comienza a arrugarse por lo cual delimita el reconocimiento facial.
Las cuerdas vocales comienzan con otro proceso de deterioro y cambio a lo largo de tiempo y es variable a enfermedades externa como gripas, catarros, enfermedades pulmonares; por lo cual también es delimitado por muchos factores, Al contrario de estos dos la huella dactilar no se altera tanto por los cambios en las células y su envejecimiento natural, pero si es alterable por los factores externos como lo son: cortadas, quemaduras, o enfermedades como dermatitis [7].
La identificación es el proceso base del desarrollo, ya que se busca demostrar que un cierto, acción, objeto es igual a otro, mediante la comparación de una base de datos contra una muestra actual, utilizando las características morfológicas como proceso mismo de identificación para la realización del proceso; Siendo que el estudio morfológico del ser humano es quien determina los cambios y formas que se presentan en los órganos de los mismos, así como sus características únicas, como lo son las huellas, el iris, la voz entre otros.
5.2. M arco teórico 5.2.1 Patrones
Los patrones que se emplearon para establecer las respectivas magnitudes de nuestro proyecto se describen a continuación:
Verificación
La verificación es el proceso por el cual se obtiene un patrón, una característica o un rasgo propio de un objeto o persona y se compara con otros para comprobar su similitud y repetitividad en un lapso de tiempo o circunstancias controladas.
Morfología
La morfología es la rama de la biología que se encarga del estudio de la estructura o forma de los seres vivos, tomando en cuenta su desarrollo y características físicas.
Biometría del iris
contiene células que están pigmentadas y se encuentran ubicadas entre la retina neural y la coroides [16]. La capa estromas se encuentra por encima de la del epitelio, esta contiene, vasos sanguíneos, células pigmentos y dos músculos del iris, haciendo que la apariencia aleatoria del iris humano un órgano con un gran uso en los análisis biométricos [17]
5.2.2 Fisiología del ojo
La Figura 1 es un esquema del ojo humano que viene a ser un cuerpo
esférico de 2.5cm de diámetro; el orificio donde entra la luz se llama
pupila y tiene un diámetro entre 2 y 8 mm esta puede autor regularse según el enfoque que se tenga frente a la luz, la siguiente capa se llama esclerótica la cual contiene a la córnea la cual produce casi toda la convergencia de los haces de luz incidentes , de ahí comienza a refractarse de varias maneras mientras procesa la luz que entra actuando como una lente biconvexa que provoca una segunda convergencia que realiza los ajustes para la percepción y las distancias.
IRIS Ubicado en la parte anterior del globo oculares, es la estructura coloreada que se ve a través de la córnea y el musculo ciliar, está formado por cinco capas dos de las cuales son músculos (epitelio pigmentado, musculo dilatador, musculo esfínter, estroma, epitelio anterior), según la pigmentación se generan colores y rasgos diferentes que hacen que difieran de persona a persona [2], sus funciones son dar color al ojo y controlar el tamaño de la pupila reduciendo o expandiendo sus músculos.
Cambios y alteraciones del iris:
Iris de niño: Su observación es muy compleja puesto que hasta los 5 años presentan la primera pigmentación siendo en su mayoría clara y después de esta edad adquieren una pigmentación definitiva [2].
Iris senil: En la edad adulta el tono neurovegetativo suele ser
Cataratas: Es la perdida de transparencia del cristalino del ojo
causando una disminución gradual de la vista, cuando esta lente esta opaca la luz no pasa de forma adecuada y la visión disminuye volviéndose borrosa, el cristalino se encuentra detrás del iris y la pupila formando enfocando la luz [2].
Retinopatía diabética: Es una complicación ocular de la diabetes causada por el deterioro de vasos sanguíneos que irrigan el fondo de la retina del ojo, al estar debilitados estos vasos pueden dejar salir liquido o sangre, formar ramas frágiles en forma de cepillo y agrandarse en ciertos lugares; al salir sangre o liquido lesiona o forma tejidos fibrosos que afectan la vista [3].
5.2.3 Inseguridad Informática
encender y grabar en cualquier momento sin que el dueño del equipo lo identifique.
Se debe observar cual es la información más buscada entre la red como lo es datos bancarios, emails, teléfonos, contraseñas, o información personal que se va agrupando sin un fin específico [11].
Hay que tener en cuenta la definición de seguridad informática como medio de protección, esta consta de un método de proteger información de los ordenadores individuales; uno de los métodos de protección seria el quemar o cortar la información impresa de modo que resulte más difícil su uso para quien no debe conocerlo, mantener claves de usuario exclusivas, y mantener fuera de las áreas de uso los documentos sensibles,
Hay métodos de protección como lo son: tolerante a fallos donde dos o más ordenadores funcionan a la vez y si uno falla la otra toma el control, todos los procesos tienden a mejorarse e implementarse con dispositivos biométricos basados en características personales únicas [12].
5.2.4 Adquisición de la imagen
La toma o captura de la imagen inicial del ojo humano es la parte más importante en el desarrollo biométrico, sea por reconocimiento facial o reconocimiento del iris, el resultado final y el proceso depende enteramente de este detalle, la resolución e iluminación de la imagen teniendo en cuenta que la dilatación de la pupila depende enteramente del método de captura, dando un desarrollo acertado al algoritmo implementado.
Se debe identificar que apartados se buscan en la imagen para definir el medio de captura, se debe tener en cuenta la resolución, la agudeza y un buen nivel de contraste en el modelo del iris interior con una iluminación que no afecte al usuario [18]. Los esquemas de adquisición de imágenes tradicionales datan de Leonard Flom y Aran Safir quienes lo patentaron en 1987, consistía en un sistema que controlaba la iluminación mediante 4 puntos de enfoque 3 de ellos que formaban 120 grados alrededor del ojo y el restante frontal al mismo la reflexión producida por el ojo daba la imagen deseada. [19], [20], [21], [22], [23], en la Figura 2 se observa el funcionamiento grafico de la
5.2.5 Segmentación del iris
La buena selección de algoritmos para segmentar la imagen es muy importante ya que si el iris no se ubica correctamente las siguientes etapas tomarían datos falsos [19].
Hay varios algoritmos que se encargan de hacer esto, como lo puede ser el algoritmo de Daugman, este puede ser el más estudiado y conocido a fondo [24].
Hay otras formas similares para realizar la segmentación del iris [27] como la propuesta por Camus y Wildis [28] este método es usado para encontrar los bordes de la imagen es un método muy similar a el Daugman.
La metodología propuesta en este también opera de forma similar a la de Daugman, este recibe la imagen en escala de grises, aplica el histograma máximo el promedio de intensidades en cinco círculos consecutivos. [29]
La determinación de los bordes de la pupila y el iris en un nivel de representación gráfica, que se describen en GAC (Geodesic Active Contours), basándose en el cálculo de los contornos activos y cálculos geodésicos (longitud mínima) pueden verse en la Figura 3. [30][31][32]
Figura 3.Identificacion de bordes internos y externos del iris [33]
5.2.6 Procesamiento digital de imágenes
pasa-bajos o pasa-bandas [35] el inconveniente es que la señal puede presentarse borrosa después de la aplicación de los filtros, por esto existe una contradicción entre la eliminación de ruidos o la identificación de los bordes. Mientras que el análisis de Wavelet ha demostrado ser una gran herramienta para el procesamiento de imágenes ya que este aplica varias frecuencias al filtro pasa-banda, este análisis puede ser utilizado en muchos otros procesos como la compresión de imágenes, eliminación de ruido [36], etc.
Después del proceso de filtrado, el siguiente proceso se puede realizar de muchas maneras, la detección de bordes [24], por cuantificación bien sea de un solo color o por R.G.B (rojo, verde, azul) [37] por este método la imagen se divide en líneas horizontales y luego en puntos o pixeles. Por histograma este método permite ver si la imagen se puede comprimir, comparar contrastes e intensidades entre imágenes, este es utilizado para binarizar la imagen es decir convertirla a blanco y negro de tal manera que conserve las características iníciales de la misma [38], este último siendo el método utilizado tras las pruebas realizadas.
Método para el procesamiento de las imágenes
casos más factible su análisis de ciertos puntos y no toda la imagen en conjunto que puede llevar a cabo un proceso más engorroso u/o complicado, En la Figura 4 se muestra unos de los procesos para abordar este concepto, como lo es la descripción de la Matemática morfológica.
Figura 4.Representacion de la matemática morfológica (dilatación) [39].
La morfología matemática representa la forma y la estructura de un objeto, está basada en teoría de conjuntos:
1. Imágenes binarias. Sub conjuntos Z²
La manera de construcción es simplificar la imagen y tomar las principales características de forma de los objetos, extrayendo los componentes útiles de la imagen para representar y describirlas. Los procesos morfológicos son descritos a continuación:
Dilatación: agregar pixeles a un objeto haciéndolo más grande, como se observa en la Figura 4.
Erosión: extrae los outlayers del objeto reduciéndolo, como se observa en la siguiente Figura 5.
Apertura:
Aplica una erosión seguida de una dilatación permitiendo abrir pequeños huecos, la cual apreciamos en la Figura 6.
Figura 6.Representación de la matemática morfológica (Apertura) [39]
Clausura: aplica una dilatación seguida de una erosión permitiendo cerrar huecos, como se ve en la Figura 7.
Sus aplicaciones varían desde el pre-procesamiento de imágenes que puede suprimir ruidos y simplificar formas; destacar la estructura de los objetos como detección de objetos, ampliación, reduc ción; y la descripción del objeto tales como área y perímetro [39], [40].
Análisis de imagen
El análisis de imágenes hace referencia a la implementación de transformaciones, restauraciones y mejoramiento de las imágenes; consiste en extraer las propiedades y características de la imagen así como la clasificación, identificación y su respectivo reconocimiento de patrones, una imagen digital puede considerarse como una matriz cuyos índices de fila y de columna identifica un punto de la imagen y el valor correspondiente de la matriz indica el nivel de gris de ese punto; a cada uno de estos puntos o también conocidos como niveles se les denomina pixeles[4].
Aplicación de algoritmos de clasificación.
Los algoritmos de clasificación, permiten de una manera jerárquica analizar un dato, mediante diferentes procesos como lo son: acondicionamiento, segmentación, extracción de características y clasificación; Cada uno de los algoritmos pueden ser usados para diferentes propósitos específicos según el tipo de característica que se elige seleccionar para su posterior análisis. El procesamiento se lleva a cabo por algoritmos de varios tipos entre los que se encuentran: [1]
Algoritmos supervisados (algoritmos de clasificación con aprendizaje): tienen una base sobre la cual se define a cuál algoritmo
pertenece [51].
Cada algoritmo de reconocimiento puede apoyarse en una herramienta de análisis, clasificación u/o extracción de características como lo son Weka, Prtools entre muchos otros que son de gran ayuda para el análisis.
WEKA: Es una librería de algoritmos de maquina desarrollados por la universidad waikato (nueva Zelanda) capaces de ser implementados en java, útiles para aplicarlos en interfaces o usarlos en una aplicación, permitiendo realizar transformaciones de los datos, clasificaciones, regresión, clustering, asociación y visualización [52].
PRTOOLS: Permite tomar un conjunto de objetos ofreciendo rutinas
Comparación y base de datos
Se busca verificar un dato teniendo en cuenta que se quiere reconocer a una persona identificándola con la mayor exactitud posible, para ello se debe tener claridad de la información previamente guardada y almacenada de la mismas puesto que este es el único recurso que se tiene para analizar.
Se debe buscar la imagen adecuada y buscar la alineación adecuada de los parámetros a localizar, visualizar si la extracción de características tiene la exactitud que se requiere, evaluar la bondad de la comparación (su similitud) y por último se tomara una decisión de si se acepta o no la imagen.
El uso individual del aplicativo es una condición primaria para su desarrollo puesto que el tener más de cierto número de usuarios, significa una base de datos que no puede ser albergada en un dispositivo portátil de uso corriente, haciendo que el proceso de análisis tarde más por la búsqueda entre los archivos correspondientes a todos los usuarios, que en condiciones ideales debe ser constantemente realimentada y monitoreada, tomando así los cambios que puede sufrir la estructura del ojo con el paso del tiempo.
comparación y con la capacidad del mismo de extraer las características requeridas para la base de datos que consigan diferenciar a cada persona [18], [41], [42], [43], [44].
5.2.7 Funcionamiento de la cámara
Las características propias de la cámara que se usara para el desarrollo del aplicativo, permite definir la resolución adecuada que se necesita para obtener la información necesaria para el procesamiento, almacenamiento y tratamiento de la imagen, definiendo la manera en que se debe captar (tomar la foto). Se debe encontrar el formato adecuado y el formato que nos puede brindar la cámara como lo son: raw, tiff, jpg ; la resolución más baja nos permite manejar un procesamiento más rápido pero la calidad puede que no sea la indicada, se puede comprimir la imagen pero se perdería información que es vital , también se puede organizar más datos para tener la mejor información tales como nitidez, saturación, contraste con la mejor adecuación de estos datos la información captada puede ser más eficiente .
que resulta de una resolución tan baja que es casi inaceptable en muchos casos (65000 pixeles) , hasta cámaras con 4064x2704 que pueden generar imagen de gran tamaño sin perder la calidad llegando las cámaras profesionales hasta unos 20millones de pixeles lo cual para este uso ya es una imagen demasiado pesada para un procesamiento normal, tal vez sea estética o no pero se debe tomar en cuenta que tomar una buena foto que sirva requiera un proceso adecuado, buscar la fuente de luz eficaz , la dirección y las difusiones entre otras[45],[46],[47],[48],[49],[50].
El Pixel: al tomar una imagen con una cámara fotográfica, al aumentarle el zoom se puede observar que las imágenes están divididas en líneas y cada línea tiene una serie de puntos que se superponen unos a otros y están compuestos por 3 colores (rojo, verde, azul) combinando esas intensidades se pueden obtener millones de colores diferentes; con su máxima luminosidad obteniendo el blanco y su mínima el negro.
resolución se mide en mega pixeles (1.048.576pixeles) donde se puede concluir que cada mega pixel es una unidad de medida de superficie. [5]
6. METODOLOGIA
Figura 8. Diagrama de bloques de la solución propuesta.
En la Figura 8 se puede observar el diagrama de bloques de funcionamiento general del proyecto REDBI 2.0, en la Figura 9
se ve el
Figura 9. Diagrama de flujo de solución
6.1. Captura de la Imagen
La resolución de la cámara, debe ser lo suficientemente alta
para poder capturar todos los detalles del iris y de manera correcta.
El usuario debe colocarse siempre en la misma posición, siendo
un proceso mecánico que permita el análisis más acertado posible.
Al ser cada usuario diferente se debe asegurar que la imagen capturada coincida con los diámetros especificados de la imagen para hallar el centro de la misma, siendo que el usuario se pueda alejar o acerca un poco enfocando la cámara.
Se crea un cuadro de captura de imagen para darle al usuario la posibilidad de recordar la posición en la que estaba al momento de tomar la imagen y ayudar al proceso.
Al realiza el desarrollo y pruebas específicas el problema sobre el dispositivo de captura se solvento realizando pruebas con usuarios específicos y bases de datos de imágenes de iris.
las especificaciones y con las adecuaciones necesarias para facilitar una captura adecuada de la imagen del iris.
La cámara o iriscopio es usado en procesos de análisis de iris para verificar el estado físico y fisiológico de las personas mediante el análisis del mismo y la esclerótica, detectando manchas o posibles alteraciones en las formas del ojo, tiene un costo aproximado de 300 USD (dólares), se buscó usar una cámara que tuviera la capacidad de captura y verificación del iris como funcionamiento principal, ya que al usar un microscopio común no se tiene la lente ni la manera de captura especifica por lo que el diseño físico entraría a ser un problema en el planteamiento, sin dejar de lado la opción del microscopio ya que por costo y beneficio puede mejorar un futuro desarrollo o una etapa posterior de funcionamiento, así como la
vinculación de cámaras especiales en el hardware como la cámara de la raspberry pi 3.
La cámara es un dispositivo de verificación del iris de 5MP, con conexión USB, 2 LEDs de iluminación y un software propio de análisis de patrones médicos del iris, y un activador de funcionamiento.
6.2 Segmentación de la imagen.
Después de haber dado solución a la captura de imágenes del iris, el paso a seguir fue la segmentación de la imagen; este proceso divide la imagen en regiones u objetos cuyos pixeles poseen características similares. Este proceso es una de las partes más importantes en un sistema de visión artificial ya que esto permite la separación de objetos para su posterior análisis. Para realizar este proceso se inició con la detección de círculos, usando la función de la librería cv “HoughCircles” esta función usa la transformada de círculos de
La detección y grafica de los círculos no es un proceso que determine el funcionamiento final del algoritmo ya que no es necesario mostrar el circulo de la pupila o el iris para su funcionamiento, La variable a considerar es el centro de la imagen, sabiendo por las pruebas realizadas que al hallar el centro de la imagen, siempre y cuando se detecte un circulo que corresponda a los umbrales de la pupila o el iris, la imagen normalizada resultante será una que permitirá la continuación del proceso, de lo contrario lo interrumpirá, de allí que cada usuario debe realizar un número de pruebas para identificar el punto exacto en el que funciona su iris, y memorizarlo.
6.3 Normalización de la imagen.
Después de encontrar los círculos del iris y la pupila se pasa a la normalización, este proceso también es muy importante ya que si no se hace una correcta normalización de la imagen mucha información se perderá, Este proceso facilita el reconocimiento biométrico ya que las imágenes pueden venir en varios tamaños que dependen de la distancia a la cámara, la posición del ojo o la dilatación de la pupila, lo que hace esta función es tomar esas imágenes y pasarlas de coordenadas rectangulares a polares haciendo así que la imagen del iris tome un tamaño constante[10] como se muestra en la Figura 12.
Figura 12.Normalización del iris [10]
Esta función está basado en el Ruber Sheet Model (imagen3) de J. Daugman.
A cada punto de la región del iris se le asigna un par de coordenadas polares [r,θ], donde r está en el intervalo [0,1] y θ es el ángulo que está entre [0,2π] con estas coordenadas se convierte cualquier imagen del
A cada par de puntos se le asignan un par de coordenadas de la como se ve a continuación:
( ( ) ( )) ( ) (1)
Donde:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) (2,3)
Siendo:
( ) La región del iris.
( ) Las coordenadas cartesianas originales.
( ) Las coordenadas polares normalizadas.
El indicador amarillo Señala el iris del usuario
El indicador de color verde señala la pupila del usuario
El indicador de color rojo señala la parte de la esclerótica del ojo.
La imagen normalizada del iris resultante muestra todo el componente de la misma, siendo la esclerótica, y la pupila tomadas aparte y parte de las pestañas vinculadas al iris de comparación, se realizara un recorte de la imagen tomando la parte menos afectada por la iluminación interna y externa, así como la que tenga menos vinculación de las partes del ojo, el resultado de esta imagen depende de la captura inicial, ya que se tiene un tamaño fijo para el circulo a capturar sea de la pupila o el iris siendo que si no se toman esas medidas la imagen resultante producirá una falla y el reconocimiento será nulo, al momento de realizar la captura de la imagen del ojo, se tiene una dimensión especifica de la ventana de funcionamiento, se
especifican las coordenadas del iris y se realiza un recorte de la imagen por medio de la función “rezise” el recorte de la imagen normalizada en la Figura 13 el resultado se aprecia en la Figura 14.
Figura 14. Imagen normalizada del iris con recorte de selección
6.4 Extracción de características.
Después de realizar la normalización de la imagen del iris se pasa a la extracción de características, a partir de estas se realiza la comparación y posterior clasificación. Por la naturaleza del iris y su apariencia aleatoria hace de este órgano perfecto para el reconocimiento biométrico. Con el fin de lograr la mayor f idelidad de este programa se procede a conseguir la mayor cantidad de información posible, de manera que puedan realizarse comparaciones confiables entre plantillas, Los procesos para realiza la comparación depende de la toma de la imagen, sabiendo que se tiene una base de datos por cada usuario presente en el aplicativo, se tiene en cuenta que aun cuando el usuario tenga clara la posición para la toma de la imagen esta no será igual, y puede que tampoco sea parecida, la imagen puede moverse un poco a la derecha o a la izquierda, un poco arriba o abajo y de esta manera ya habría tomado nuevas características o nueva información que harían que la fiabilidad de la imagen disminuyera, por lo cual se debe tomar características que estén presentes de manera general en el análisis y no de manera particular.
La extracción de características depende de los filtros o métodos utilizados para administrar o aprovechar la información de nuestra imagen normalizada, véase la Figura 14, a continuación se muestra el
componentes de cada imagen y obtener una selección y método adecuado para la captación de características.
6.4.1 Filtros de imagen.
Los filtros en las imágenes permiten obtener características específicas mediante la segmentación, la creación de umbrales, la verificación de puntos para rellanar o vaciar dejando formas específicas, tomando un resultado para una comparación final, en el proceso de análisis de la imagen del iris se verifico el funcionamiento de los filtros y el resultado de las imágenes, así como la comparación respectiva entre una y obteniendo así el mejor método para el análisis respectivo.
Se puede ver en la Figura 15 el resultado de los filtros y el tratamiento que realiza a las imágenes respectivas, el proceso de prueba para cada filtro se realizó de la siguiente manera.
1) Se toma cada coordenada de la imagen y se almacena en un arreglo, según el número de 1 o ceros lógicos y se guarda para su posterior comparación.
manera automática el filtro respectivo y se guarda su valor para su respectiva comparación.
3) Se realiza la mezcla de filtros, tomando el filtro de erosión o dilatación respectivamente y binarizado su información, tomando los 1 lógicos, las partes blancas de la imagen y los ceros lógicos y adquiriendo un promedio resultante.
4) Se guardan los datos directos de filtros como el Canny, el Tophat, la binarizacion con acumulación de puntos y se guarda como datos de comparación, asumiendo que la cantidad de datos no se presentara de la misma manera en dos usuarios.
Para en análisis de la imagen y la toma de muestra de características se determinó que los filtros no permitían obtener la información adecuada tras las pruebas, ya que los métodos de uso no daban una respuesta adecuada que permitiera aprovechar los métodos propuestos, por lo cual se planteó la idea del análisis del histograma de la imagen.
6.4.2 Histograma de una imagen.
o gráfico con una serie de datos que van de un umbral respectivo de 0 a 255 en el eje x y el número de pixeles correspondiente en el eje y, al mirar el histograma de una imagen se puede extraer características propias como el brillo, el contraste , la intensidad y su respectiva distribución, a partir de análisis respectivo de la imagen se pueden ver las regiones más oscuras y claras con el fin de limpiar las sombras, analizar y comparar los colores, para el caso de REDBI 2.0 se usó el histograma como método de comparación de imágenes, tomando un análisis estadístico en el resultado del respectivo histograma, para este proceso se toma una imagen recortada de la normalización como lo es la Figura 14. Y se aplica el filtro CalcHist, de python el cual pide un
Teniendo en cuenta que la imagen sobre la cual se va a aplicar el filtro es una imagen a escala de grises, se busca que el resultado sea la cantidad de intensidad de fondo y sombras en la respectiva imagen obteniendo el siguiente resultado.
En la Figura 18 se observa el resultado del cálculo del histograma de la imagen normalizada del iris con un previo recorte, obteniendo así una gráfica de intensidad entre las sombras de la imagen a escala de grises, siendo que el promedio de la imagen da un valor
correspondiente a un usuario especifico, de lo cual se realizaron pruebas para verificar los promedios así como las representaciones visuales de los diferentes iris analizados durante las pruebas y el desarrollo el resultado fue el siguiente:
Figura 18. Histograma del iris usuario 1
El resultado del análisis con diferentes usuarios visto en las figuras anteriores muestra la intensidad de las sombras en cada una de las imágenes normalizadas del iris respectivamente, asumiendo que las partes más oscuras del iris serán los rasgos más profundos y las partes más claras serán los rasgos sobresalientes que se mezclan con el color natural del iris, dando así una gráfica de número total de pixeles contra la intensidad de las sombras.
6.5 Base de Datos.
El proceso de comparación de los respectivos usuarios viene condicionado a una base de archivos de imagen tomada al momento de su vinculación con el dispositivo, generando una serie de imágenes, se tiene en cuenta que las imágenes de los usuarios no serán las mismas aunque cada usuario memorice y mecanice el proceso de captura para comparación, por lo cual se toma una cantidad de imágenes asociadas al número de identificación del usuario, su nombre y su apellido, siendo datos adquiridos para la selección especifica al momento de su comparación, se tiene en cuenta que el desarrollo de una base de datos implica el guardar en archivo planos o extraíbles una información asociada al ID del usuario, al tener una comparación dinámica con los histogramas el proceso a realizar es el siguiente.
6.5.1 Proceso adquisición y manejo base de datos.
Figura 21. Recuadro captación imagen del ojo.
En la Figura 21se ve un cuadro color naranja, creado para delimitar la zona de captura de la imagen de muestra, en el lugar donde se tiene una mejor precisión en la captura y posterior análisis de las imágenes.
un botón del teclado, por defecto con la tecla „a‟ minúscula ejecuta la toma de la imagen.
3) Al momento de la toma de la imagen el usuario debe permanecer a lo largo de 30 segundos promedio mirando fijo al punto seleccionado, cumpliendo con las características de diámetro del iris, en lo cual el software toma una cantidad N de imágenes del iris que se guardan en una sub carpeta de la imagen.
4) La captura y separación de las imágenes se lleva a cabo mediante el código, el cual toma la imagen del usuario, las imágenes de los ojos del usuario y las guarda en sub carpetas.
5) Las imágenes de los ojos del usuario son procesadas y se toma de cada una el iris normalizado y recortado y se guarda en una sub carpeta que contiene los iris de todos los usuarios asociados a su ID ingresado al momento de la inscripción en el aplicativo.
usuario, realizara el cálculo de histogramas, promediara cada uno y hará un promedio con esos resultados, el cual comparara con la muestra o la imagen actual que se busca identificar, este tratamiento permite que el usuario tenga una serie de imágenes que se pueden parecer a su iris pero habrá un número mayor que cumplan con la condición de promedio de su iris.
6.6 Implementación de Algoritmo
Los algoritmos de reconocimiento biométrico manejan un proceso general de captura, selección, segmentación, segregación, extracción, comparación, y muestra de la identificación respectiva, siendo que se realice una identificación de persona o patrón respectivo, tienen la posibilidad de ejecutarse como clases o scripts de códigos independientes según la forma de uso y tomar los resultados de cada una de esas clases creando una interfaz de proceso final que solo implementa el llamado de datos y comparación, dando un resultado.
Se observa el funcionamiento en paralelo del código implementado en donde cada una de las clases de captura, comparación y base están definidas como funciones independientes que se ejecutaran al momento de realizar la obturación deseada sea con botón de interfaz o con el botón predeterminado de funcionamiento y al final la creación de la interfaz gráfica, con las respectivas cajas de texto y los botones, así como sus dimensiones, esta interfaz se crea en el „if‟ de la parte
„”__main__”, como método común de funcionamiento, el no usar este
main o incorporarlo a la respectiva interfaz limita o impide el funcionamiento completo del script cíclico.
El proceso paralelo toma las variables creadas al inicio como medio de funcionamiento, una variable que asocia la clase Multiprocessing para vincular un proceso y la variable p seleccionada o igualada a un vacío, su funcionamiento se basa en el uso de dos clases una que cuenta con el desarrollo de la información o el aplicativo a ejecutar y el otro que lo ejecuta en el momento que se desee, sea desde la creación de la interfaz o mediante la obturación o ejecución de un botón, o la secuencia respectiva de una gráfica.
6.6.1 Funcionamiento y descripción de la interfaz de usuario.
F
i
g
u
r
a
2
3
.
La interfaz de usuario en la Figura 22 presenta 3 cajas de texto y 3 botones que permiten un funcionamiento fácil y amigable con el usuario final, sin que este necesite un conocimiento en programación, bases de datos, o algoritmos de procesamiento de imagen. Las cajas de texto piden datos específicos para crear un ID de usuario que se acopla a la base de datos de manera automática.
El aplicativo no requiere rutas de extensión especiales o instalaciones, se puede activar de manera típica al abrir un archivo con doble clic o desde el desarrollador de python. Permite su uso en cualquier sistema
operativo de libre distribución derivado de Linux y en W indows que tenga los respectivos controladores de Python, y librerías de procesamiento de imagen.
El usuario debe asignar una carpeta donde se guardará el archivo y darle ejecutar y el programa guardará automáticamente en la carpeta y sub carpetas los archivos correspondientes, en la distribución de un dispositivo con el aplicativo correspondiente el usuario tendrá una pantalla de indicación para los usuarios así como el ejecutable y solo tendrá que ejecutar el procedimiento e indicar la memorización de la posición y la mecanización de cada nuevo usuario de la toma para hacer más pronta y mejor la toma y reconocimiento de personas.
BOTON CAPTURA
BOTON NUEVO
Tiene como función tomar la base de datos del ojo de usuario nuevo, este proceso es posterior a la captura de la imagen del rostro y la asignación del ID y permite tener siempre en la base dinámica y en las subcarpetas la información respectiva a cada uno de los usuarios.
BOTON COMPARAR
El botón comparar busca tomar una foto nueva del usuario y comparar con la base de datos dando una respuesta efectiva al reconocimiento de la persona, cada vez que el usuario necesite reconocerse o identificarse según sea la aplicación designada para el dispositivo.
CAJAS DE TEXTO
7. ANALISIS DE RESULTADOS
La prueba de funcionamiento del aplicativo (software y cámara) se llevó a cabo en un computador con el sistema operativo Ubuntu 16.0 con los driver de la librería opencv, tk, scipy, numpy, os que permiten el funcionamiento de la creación de la interfaz gráfica, el uso de periféricos y la generación de paralelismos en el desarrollo de mismo aplicativo. Se tomó una muestra de 4 usuarios para realizar la respectiva comparación y verificación de funcionamiento, se le indico a cada usuario donde ubicar el ojo y la cantidad de fotos que se debían tomar.
(a. (b.
(c. (d.
Figura 23. Imagen tomada de usuarios prueba.
como se observa en la figura b y d, mientras que las imágenes más cercanas al diámetro de funcionamiento especifico del iris tiene un iris normalizado que presenta menor deformación como se puede ver en la imagen a y c .
Este proceso tiene que realizarse en varias ocasiones hasta que el usuario pueda ser reconocido en el software y tomar una base de datos específicos por lo que se debe realiza un proceso mecanizado.
Figura 24. Imagen falla a la toma del iris
información clara de clasificación, hace inútil el proceso de identificación y tiene que repetirse o desecharse la asignación de usuario.
7.1.2 Prueba de Comparación
En las líneas de código se muestra la diferencia que tiene la imagen nueva con los ojos del usuario „2‟ y el usuario „1‟, siendo que los dos
ojos son de la misma persona la diferencia será aproximadamente la misma, la cual corresponde a „7.22868061‟, indicando que no toda
persona con el iris de ciertos rasgos, sea familiares o cercanos tendrán la posibilidad de encajar y ser reconocidos sin estar en la base de datos.
7.1.3 Prueba Realizada con algoritmo de comparación
Se realizaron una serie de pruebas de funcionamiento con el algoritmo implementado, utilizando una mezcla de base de datos de usuarios, 4 usuarios falsos, 2 usuarios captados con la cámara y el dispositivo, 20 usuarios tomados de base de datos de iris gratuita tomada de internet, teniendo en cuenta que para cada usuario se crearon 30 imágenes base, comparado con una imagen nueva y diferente 40 veces y luego 26.
En la tabla 1 se muestran los resultados de las pruebas indicando:
Porcentaje de aciertos en la identificación
Porcentaje de errores en la identificación
Porcentaje de identificación sin error pero no correcta.
40 Pruebas
aciertos errores persona diferente total
34 3 3 40
85,00% 7,50% 7,50% 99,00%
26 Pruebas
22 2 2 26
84,6154 7,6923076 7,69231 99,00%
Tabla 1. Relación de Funcionamiento
7.2. Relación de costos
DISPOSITIVOS
Iris Recognition Device PIER
2.4 3M™ CSD330 Single-digit Optical Scanner
SAMSUN GALAXY S9
COSTOS US $974.33 US $2.500.00 US $900.00
Tabla 2. Costo dispositivos de reconocimiento de iris
Los dispositivos que se encuentran en el mercado tienen costos alrededor de los $800 a $5.000 mil dólares, su método de captura y su algoritmo se basa en cámaras con iluminación infrarroja, procesadores dedicados para el reconocimiento especifico y en análisis de la imagen sin tener que sobre cargar el procesador de desarrollo de interfaz propia del dispositivo, realizando ejecuciones en segundos, con tamaños medianos con capacidad de ubicación cómoda según el uso.
La mayoría de las compañías venden el software aparte del dispositivo así como el soporte del dispositivo y el mantenimiento de base de datos del software todo con costos incluidos directamente en la compra o costos adquiridos por la compra que no viene con el dispositivo ni software, a pesar que el software puede ser vinculado en diferentes equipos de desarrollo y computo.
uso y distribución del software MATLAB tiene un costo aproximado de 3.000 dólares, como primera instancia es un ahorro inmediato.
El uso del software libre permite el acceso al desarrollador de compartir parcial o completamente en la web su algoritmo si lo desea y si no encriptarlo de la manera que considere adecuada, siendo que si no lo patenta como producto intelectual no puede tomar acciones legales al respecto.
El desarrollo del dispositivo tiene un costo aproximado de 300 dólares por compra de cámara y del dispositivo de computo sea raspberry, sea computador, su ventaja radica en la expansión del uso, puede usarse para identificar usuarios para una aplicación de recepción y vinculación empresarial, para apertura de puertas y vigilancia de hogares o empresas, para generar control de ingresos mediante el uso de correos con bases de datos de ingreso tomando horas y recepción, mejora en el método de captura usando cámaras de bajo costo e iluminaciones infrarrojas con pruebas respectivas verificadas que permitan el menor o nulo daño a la retina.
7.3. Alcance
12.Normalización del iris [10]Figura 12 , el cual se obtiene mediante un
análisis de la imagen, obteniendo el centro y el área de los círculos de la pupila y el iris para hallar el centro de la imagen, teniendo en cuenta que usa para su funcionamiento datos estáticos para el posible radio mínimo y el radio máximo, limita el funcionamiento a cierta cantidad de individuos o usuarios con diámetros de iris y pupilas similares.
Teniendo en cuenta que la dilatación de la pupila depende de las condiciones físicas de cada individuo, el método propuesto para la normalización sufre constantes fallas de funcionamiento entre usuarios, al realizar el procedimiento tomando en cuenta la base de datos de imágenes URIBIS desarrollada en la universidad Beira Interior de Portugal, el funcionamiento del aplicativo tiene una respuesta y eficacia del 90% al 100% tomando un radio minino y máximo estático para su verificación, teniendo en cuenta que las imágenes adquiridas se tomaron con una lámpara de hendidura como la mostrada en la Figura 25.
El diámetro utilizado para su verificación fue el del bombillo de iluminación, como se puede apreciar en la Figura 3 se tiene un circulo de la pupila y uno del iris, para el funcionamiento en el aplicativo REBDI 2.0 se tomó el radio mínimo y máximo de la luz que se puede observar en el centro de la pupila, dando como resultado un funcionamiento del proceso en 19 de 20 imágenes, donde la imagen que no funciono presentaba contrastes diferentes por luces externas teniendo en cuenta esta base de datos.
Cuando se realiza el proceso de captura de imagen con el iriscopio (véase la Figura 10) se trata de tomar el led propio de la cámara como
base para el procesamiento, pero al ser tan pequeño el método presenta fallas como las que se ven en la Figura 26 generando múltiples círculos en la imagen lo cual afecta el proceso de normalización generando mucho centros para una sola imagen dando como resultado el que se puede observar en la Figura 25 haciendo que
El uso del dispositivo está condicionado a las pruebas de verificación, al depender de las condiciones lumínicas del dispositivo, se genera un daño al usuario en el método de captura al tener que usar el dispositivo en repetidas ocasiones para hacer las respectivas pruebas, el daño a corto plazo en la pupila se observa después de un tiempo de verificación de 5 minutos, al finalizar este periodo de tiempo la pupila comienza a dilatarse menos haciendo que el proceso de captura sea ineficaz, el uso de la base de datos permite un desarrollo claro del funcionamiento pero no real del dispositivo siendo que su funcionamiento con la base de datos es del 100% pero con imágenes reales puede bajar al 50% o inferior teniendo en cuenta el método de análisis de imágenes basado en la normalización de Daugman y en las condiciones de ubicación del usuario, siendo que se realizó un prototipo basado en gafas parecidas a las que se ven en la Figura 27,
No se puede asegurar que en las capturas de verificación el usuario recuerde exactamente el punto donde estaba al momento de la captura de sus imágenes base, o abra de manera correcta el ojo respectivo, siendo que si el método de normalización funciona y el usuario no se posiciona de la manera adecuada el reconocimiento fallara, teniendo en cuenta que se tiene un umbral de reconocimiento con respecto de las imágenes base que se le tomaron al usuario al principio de la verificación si las condiciones físicas cambian de manera drástica el reconocimiento fallara, condiciones como la apertura de parpados, dilatación por condiciones externa o enfermedades adquiridas recientemente.
7.4. Desarrollo Futuro
según el diámetro del rostro, y puede cerrar los ojos más de lo adecuado.
La vinculación de cámaras NIR (Near Infrared) usadas en la captación de imágenes en el espectro infrarrojo, permitiría que la vinculación de luces led, o lámparas de hendiduras fuese reemplazada, permitiendo así la captación de las características del iris sin el daño o la incidencia directa de la luz, realizando las pruebas específicas de funcionamiento del algoritmo.
Por último la verificación de la forma de captación de características del iris depende en la mayoría de sus desarrollos de la normalización basada en el tratamiento de Daugman con posteriores algoritmos de captación, extracción y segmentación para su posterior clasificación, basándose en los diámetros de la pupila y el iris, buscando obtener la información entre estos dos, el método ha probado su funcionamiento en imágenes con características muy similares, siendo de diferentes usuarios y con contrastes de luz y sombras diferentes aplicados a bases de datos estáticas, la mejora o cambio de este algoritmo como método de obtención de características permitiría un desarrollo sin las fallas de funcionamiento por luminosidad o radios variables en la imagen del iris, el acople de algoritmos de suavizado de imagen, binarizacion, y eliminación de ruido tienen antecedentes de funcionamiento con imágenes tomadas de bases de datos, que se deben probar en imágenes reales.
8. CONCLUCIONES
mejorando con el paso del desarrollo y la vinculación de diferentes dispositivos , la mejora de la técnica y el ensayo y repetición de los diferentes archivos, el primer dispositivo o los dispositivos previos a su desarrollo final presentarán fallas que deben ser corregidas tomando en cuenta las características físicas y la manera en la que se comportan frente a los método de captura, en el caso de las condiciones biométricas se toma como ejemplo la captura de la huella digital, el empañamiento del dispositivo genera fallas, la captura del iris presenta problemas si no se ajusta al usuario a una toma especifica de la imagen o si no se le permite una foto de fácil mecanización vinculando su uso y ejecución en actividades repetitivas que permitan la prueba constante de su funcionamiento, el mejoramiento respectivo de este tipo de capturas es vinculado directamente al desarrollo del software usado , siendo las mejoras del algoritmo y su anális is constante la más importante de las etapas de los desarrollos posteriores que llevan a la creación de un dispositivo de desarrollo fiable y con capacidad de comercialización.
verificación, la toma de las imágenes se ve sesgada por la dilatación de la pupila y el tamaño del iris, puede aumentar o disminuir su radio dependiendo de las personas y sus respectivas reacciones a la luz, así como antecedentes patológicos o médicos que procedan en enfermedades visuales, estas características se pueden solventar alejando o acercando el iris de la persona hasta que el radio deseado sea capturado permitiendo el desarrollo, la limitación de pruebas debido a la molestia visual por la iluminación limita el atronamiento o caracterización de los promedios de los iris tomados de cada persona, son pruebas que requieren tiempo y el daño o el malestar puede afectar al ojo, por la exposición prolongada a luces directas sin la mayor protección posible, el desarrollo posterior de la comparación es un proceso que es susceptible a mejoras según el medio de captura, los filtros que pueden usarse en el desarrollo de las imágenes tienen la capacidad de mejora en su análisis, vinculado mejor resolución y captura, siendo las líneas de hough un valor a tomar y el filtro de gabor wavelet un posible desarrollo.
cualquier tipo de uso, y tiene la posibilidad de un desarrollo a futuro produciendo un dispositivo de bajo costo y gran eficiencia.
10. RECOMENDACIONES
El desarrollo del dispositivo se realizó en un computador portátil, con una capacidad de procesamiento propio y procesamiento grafico extendido, permitiendo que el proceso de apertura de la cámara y funcionamiento de la interfaz fuera dinámico y rápido, siendo un dispositivo portátil en su conjunto, el uso de dispositivos que cuentan con desarrollo de software libre, conexión a periféricos y un menor tamaño permite el desarrollo futuro final de un dispositivo de menor tamaño, que puede ser vinculado de manera más sencilla a cualquier proceso que se requiera o designe, dispositivos como se ven en la
Figura 28. Se debe tener en cuenta la capacidad del procesador, la capacidad de la RAM y el uso de procesadores gráficos para tener una mejor velocidad de proceso.
11. BIBLIOGRAFIA [1] Centro de Enseñanza Secundaria de la ciudad de Alicante, “Fisiología del ojo.” [Online]. Available:
http://intercentres.edu.gva.es/iesleonardodavinci/Fisica/Vision/Luz -vision08.htm.
[2] J. GUIDONI, “Iridologia.”
[3] Anónimo, “Diabetes: cómo afecta al ojo.” [Online]. Available: http://opticamendez.es.tl/DIABETES-d--Cmo-afecta-al-ojo.htm.
[4] R. De Rosa, “Procesamiento de imágenes digitales,” pp. 1–5, 2007.
[5] Anónimo, “Análisis de las imágenes digitales.” [Online]. Available: http://personales.upv.es/rmullor/Digitales.html.
[6] Http: //www.homini.com/new_page_5.htm, “Plataforma Biométrica Homini.” [Online]. Available:
http://www.homini.com/new_page_5.htm.
http://www.mapfre.com/salud/es/cinformativo/cambios-bilogicos-introduccion.shtml.
[8] Shauntelle Hamlett, “Las causas de la decoloración del ojo.” [Online]. Available: http://www.ehowenespanol.com/causas-decoloracion-del-ojo-lista_117026/.
[9] D. G. Rowe, “Ojos envejecidos impiden reconocimiento por el iris.” [Online]. Available:
http://www.losandes.com.ar/notas/2012/7/1/ojos-envejecidos-impiden-reconocimiento-iris-652125.asp.
[10] C. Platero, “Procesamiento morfológico,” pp. 163–189.
[11] http: //www.ocu.org, “Chema Alonso: „El futuro es hackear la sociedad‟.”[Online]. Available:
http://www.ocu.org/tecnologia/antivirus/noticias/entrevista-hacker.
[12] “Definición de Seguridad Informática.” [Online]. Available: http://www.mastermagazine.info/termino/6638.php.
[13] “Cámaras Y Sistemas Biométricos Para Reconocimiento Del Iris.” [Online]. Available: http://sistemasbiometricos.co/blog/camaras-y-sistemas-biometricos-para-reconocimiento-del-iris-2.
[15] L. Masek, “Recognition of Human Iris Patterns for Biometric Identification,” 2003.
[16] R. D. Universitaria, “El epitelio pigmentario retiniano como componente de la barrera hemato-retiniana : implicación en la retinopatía diabética,” pp. 1–13, 2011.
[17] A. Thomas and A. Theodore, “An Iris Biometric System for Public and Personal Use The human iris promises to deliver a level of uniqueness to identification,” 2000.
[18] J. O. García, A. De Imagen, L. Iris, C. D. P. De Iris, L. Estructura, and F. Iris, “Reconocimiento Automático de Patrones de Iris.”
[19] R. D. E. L. Iris, U. N. D. E. Trujillo, and T. Perú, “Reconocimiento del iris,” pp. 1–12, 2006.
[20] 14/abril/2013 http:
//redyseguridad.fi-p.unam.mx/proyectos/biometria/clasificacionsistemas/capturairis. html, “Captura de la imagen del iris.”
[21] V. E. Duró, “Evaluación de Sistemas de Reconocimiento Biométrico,” pp. 58–61.
[22] Da. S. Ortega, “RECONOCIMIENTO BIOMÉTRICO. RECONOCIMIENTO FACIAL.” [Online]. Available:
[23] J. Manuel, P. Gaspar, V. Dirigida, and M. Fa, “Tesis doctoral : Uso
de la Firma Manuscrita Dinámica para el Reconocimiento Biométrico de Personas en Escenarios Prácticos.”
[24] Z. He, T. Tan, Z. Sun, and X. Qiu, “Toward accurate and fast iris segmentation for iris biometrics.,” IEEE transactions on pattern analysis and machine intelligence, vol. 31, no. 9, pp. 1670–84,
Sep. 2009.
[25] R. P. Wildes, “Iris recognition: an emerging biometric technology,” Proceedings of the IEEE, vol. 85, no. 9, pp. 1348–1363, 1997.
[26] Q. Tjan, “FAST ALGORITHM AND APPLICATION OF HOUGH TRANSFORM IN IRIS,” no. August, pp. 26–29, 2004.
[27] H. Proenc and L. A. Alexandre, “Iris segmentation methodology for non-cooperative recognition,” pp. 199–205.
[28] T. A. Camus and R. Wildes, “Reliable and Fast Eye Finding in Close-up Images,” 2002.
[29] D. D. M. - Roche, E. E. S. A, D. S. Engineering, and C. Ombu, “Iris Recognition for Biometric Identification using Dyadic Wavelet Transform Zero-Crossing I „.”
[31] J.A. Sethian, “HYPERSURFACES MOVING WITH CURVATURE-DEPENDENT SPEED: HAMILTON-JACOBI EQUATIONS,
CONSERVATION LAWS AND NUMERICAL ALGORITHMS,”
1989.
[32] R. Kimmel, “Geodesic Active Contours,” pp. 694–699, 1995.
[33] “Iris recognition by fusing different representations of multi-scale Taylor expansion.”
[34] F. Cui and L. Zou, “Edge Feature Extraction Based on Digital Image Processing Techniques,” no. September, pp. 2320–2324,
2008.
[35] C. Pinilla and A. A. F. J. Ariza, “Filtrado de imágenes en el dominio de la frecuencia,” pp. 1–5, 1997.
[36] Z. Xizhi, “The Application of Wavelet Transform in Digital Image Processing,” 2008 International Conference on MultiMedia and Information Technology, pp. 326–329, Dec. 2008.
[37] Anonimo, “Introducción a las imágenes digitales Primera parte.”
[38] C. E. Hernandez Sosa, “FUNDAMENTOS EN LA
DIGITALIZACIÓN Y PROCESAMIENTO DE UNA IMAGEN,”
[39] Anonimo, “Introduccion al procesamiento de imágenes.” [Online]. Available:
http://www.slideshare.net/balfier/operaciones-morfologicas.
[40] T. De Hough, “Segmentación. Transformada de Hough.”
[41] “Reconocimiento biométrico: la nueva revolución tecnológica.” [Online]. Available:
http://www.diariosigloxxi.com/texto- diario/mostrar/90112/reconocimiento-biometrico-la-nueva-revolucion-tecnologica. [Accessed: 14-Jul-2013].
[42] “UMANICK: EFECTIVIDAD Y EFICACIA DE LOS SISTEMAS BIOMÉTRICOS.” [Online]. Available:
http://www.umanick.com/index.php/tecnologia/efectividad-y-eficacia. [Accessed: 14-Apr-2013].
[43] “SISTEMAS BIOMÉTRICOS: MATCHING DE HUELLAS DACTILARES MEDIANTE TRANSFORMADA DE HOUGH GENERALIZADA.” [Online]. Available:
http://www2.ing.puc.cl/~iing/ed429/sistemas_biometricos.htm. [Accessed: 14-Apr-2013].
[44] I. Ocular, C. Autom, J. G. Daugman, F. Rechazo, and F.
[45] “El uso de la cámara fotográfica.” [Online]. Available:
http://www.foto13.com/funcionamiento_camara.htm. [Accessed: 14-Apr-2013].
[46] “Como funciona la cámara digital: Funciones y ajustes.” [Online]. Available:
http://www.digitalfotored.com/imagendigital/menucamaradigital.ht m.
[47] “Cómo ajustar la cámara para disparar en RAW (I).” [Online]. Available: http://altfoto.com/2012/10/como-ajustar-la-camara-para-disparar-en-raw-i. [Accessed: 14-Apr-2013].
[48] Anonimo, “Resolución cámara digital - funcionamiento básico.” [Online]. Available: http://www.electronica-basica.com/resolucion-camara-digital.html. [Accessed: 14-Apr-2013].
[49] Anonimo, “Adiós cámaras de seguridad de baja resolución, hola vídeo vigilancia en HD a 29 MP.” [Online]. Available:
http://www.xatakahome.com/seguridad-en-el-hogar/adios- camaras-de-seguridad-de-baja-resolucion-hola-video-vigilancia-en-hd-a-29-mp. [Accessed: 14-Apr-2013].
[50] Anonimo, “Cómo Conseguir una Buena Fotografía en tan solo Tres Pasos.” [Online]. Available:
[51] Sergio Bernabé García, “Escuela Politécnica MÁSTER
UNIVERSITARIO EN COMPUTACIÓN GRID Y PARALELISMO Trabajo Fin de Máster disponibles en la herramienta Google Maps Sergio Bernabé García Septiembre, 2010,” 2010.
[52] D. G. Morate, “Manual de Weka.”
[53] Prtools, “PRTools.” [Online]. Available: http://prtools.org/.
[54] G. S. Pérez and I. R. González, “Leyes de protección de datos personales en el mundo y la protección de datos biométricos – Parte I.”
![Figura 2. Desarrollo del modelo Flom y Aran. [19]](https://thumb-us.123doks.com/thumbv2/123dok_es/7262601.344745/22.918.277.643.241.486/figura-desarrollo-modelo-flom-aran.webp)
![Figura 3.Identificacion de bordes internos y externos del iris [33]](https://thumb-us.123doks.com/thumbv2/123dok_es/7262601.344745/23.918.332.591.588.814/figura-identificacion-bordes-internos-externos-iris.webp)
![Figura 4.Representacion de la matemática morfológica (dilatación) [39].](https://thumb-us.123doks.com/thumbv2/123dok_es/7262601.344745/25.918.317.600.466.659/figura-representacion-matemática-morfológica-dilatación.webp)
![Figura 6.Representación de la matemática morfológica (Apertura) [39]](https://thumb-us.123doks.com/thumbv2/123dok_es/7262601.344745/27.918.336.581.218.390/figura-representación-matemática-morfológica-apertura.webp)
![Figura 10. Cámara Iriscopio [48]](https://thumb-us.123doks.com/thumbv2/123dok_es/7262601.344745/37.918.330.587.344.561/figura-cámara-iriscopio.webp)
