SEMINARIO DE TITULACIÓN
“PROCESAMIENTO DIGITAL DE SEÑALES”
FNS19493/16/2009
IMPLEMENTACION DE RECONOCIMIENTO DE HUELLAS DACTILARES EN EL PRESTAMO DE LIBROS DE UNA BIBLIOTECA
T E S I N A
Que para obtener los grados de:
INGENIERO EN COMUNICACIONES Y ELECTRONICA E
INGENIERO EN COMPUTACION
PRESENTAN:
GERARDO CORTES GONZALEZ ERIK MARTIN TELLEZ PEREZ.
ASESORES:
M. en C. ORLANDO BELTRÁN NAVARRO.
M. en C. BRAULIO SANCHEZ ZAMORA.
México, D. F. Junio de 2009.
INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACAN
INGENIERÍA EN COMUNICACIONES Y ELECTRÓNICA
INSTITUTO POLITECNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA ELÉCTRICA
UNIDAD CULHUACAN
TESINA
QUE PARA OBTENER EL TITULO DE: INGENIERO EN COMUNICACIONES Y ELECTRONICA, E
INGENIERO EN COMPUTACION
POR LA OPCIÓN: SEMINARIO DE TITULACIÓN
PROCESAMIENTO DIGITAL DE SEÑALES
FNS19493/16/2009
PRESENTAN: CORTES GONZALEZ GERARDO.
TELLEZ PEREZ ERIK MARTIN.
IMPLEMENTACION DE RECONOCIMIENTO DE HUELLAS DACTILARES EN EL PRESTAMO DE LIBROS DE UNA BIBLIOTECA.
El presente trabajo describe el funcionamiento de un sistema para el uso diario en una biblioteca, la cual usa el reconocimiento de huellas dactilares y en consecuencia identificación de usuarios de manera eficiente y segura. Los sistemas de reconocimiento de huella dactilar, son considerados fácil en su manejo y adquisición. Adicionalmente toman ventaja de que las huellas dactilares son perennes, inmutables e infinitamente diversas.
CAPITULADO INTRODUCCION
CAPITULO I PROCESAMIENTO DIGITAL DE SEÑALES CAPITULO II BIOMETRIA Y DACTILOSCOPIA
CAPITULO III DESARROLLO-IMPLEMENTACION DE LA BASE DE DATOS
CAPITULO IV RESULTADOS OBTENIDOS Y CONCLUSIONES GLOSARIO
REFERENCIAS BIBLIOGRAFICAS ANEXOS
México D.F, Junio de 2009
M en C. Orlando Beltrán Navarro Coordinador del seminario
M. en C. Braulio Sánchez Zamora.
Asesor
Ingeniero Ignacio Monroy Ostria Jefe del Departamento de Ingeniería en
Comunicaciones y Electrónica
AGRADECIMIENTOS
Padre, a tu estilo, a tu forma de ser, en tus términos, me apoyaste incondicionalmente para poder terminar mi carrera. Y aun instante de finalizar tu andar, me diste la lección más valiosa de la vida “jamás te rindas y siempre lucha hasta el final”…………
Gracias por todo.
Madre, por tu apoyo incondicional, tu valor que has impuesto a lo largo de mi vida con gran sentimiento. Se que puedo contar contigo en los momentos difíciles, eres el faro que me permite encontrar tierra firme cuando me encuentro a la deriva. Gracias por todo el amor y apoyo que me has brindado.
A mi pequeña hermana del alma, gracias por estar a mi lado en los tiempos más difíciles de mi vida y hablarme con la fuerza de la verdad para poder salir adelante. Gracias por todo Montse.
A Tres hermosas mujeres de apellido Castillo, las cuales me dieron lecciones de vida entera, cosas que me ayudaron a construir para tener una formación emocional sólida, de tal forma que lograron mover mi vida 180 grados. Gracias por todo el amor, la amistad y el apoyo brindado.
A todas aquellas personas que por una razón, por una estación o por una vida entera, tocaron mi vida y fueron parte de ella. Por la crítica, apoyo, orientación, ayuda física, emocional o espiritual y amistad brindada; me ayudaron a repartir, crecer y aprender se los agradezco de corazón.
¡Gracias a todos por ser parte de mi vida!
Gerardo Cortés González
A Dios Por permitirme llegar a este día, Gracias, por cuidar de mi familia y amigos…
A mi padre Mariano, por tu apoyo, tus consejos, tu tiempo, tu amor y tu confianza, por que han sido y siguen siendo invaluables para mí. Gracias Papá…
A mi madre Guadalupe, por ese amor incondicional, tu entrega y cariño.
por enseñarme el camino y a luchar, por lo que quiero en la vida.
por la confianza y la comprensión. Gracias Mama…
A mi esposa Roselli, por tu amor, comprensión y entrega.
gracias por apoyarme cada día, acompañarme en mis victorias y seguir siendo tan maravillosa. Te amo…
A mi hija Valeria, por lo que significa en mi vida tu existencia.
porque sin saberlo eres el motor de mi vida.
Te amo “goli-goli”…
A mis hermanos Alex, Julio, Elena, Ceci, Brenda y Eduardo por su amor,
apoyo, paciencia y comprensión.
gracias por acompañarme en este camino.
los quiero mucho, deseo que se cumplan todos tus sueños y metas...
A todas aquellas personas especiales, que han hecho posible este trabajo de investigación, entre ellas:
A mis suegros Osvaldo y Araceli. A Manuel por su acertada asesoría.
y a todos los demás, familia y amigos que han estado a mi lado de una ú otra manera apoyándome…Gracias.
Erik Martín Téllez Pérez
INDICE GENERAL
INTRODUCCIÓN... 12
Planteamiento del problema ... 12
Justificación... 13
Objetivo ... 13
Resultados esperados... 13
CAPITULO 1 PROCESAMIENTO DIGITAL DE SEÑALES ... 15
1.1 El procesamiento digital de señales... 15
1.1.1 Procesamiento digital de imágenes... 16
1.1.2 Pasos fundamentales para el procesamiento digital de imágenes... 18
1.1.3 Modelo sencillo de la formación de imágenes ... 18
1.2 Muestreo de imágenes y cuantificación... 19
1.2.1 Los conceptos básicos para el muestreo y cuantificación ... 19
1.3 Representación de imágenes digitales ... 21
1.4 Espacio y resolución de niveles de gris... 23
1.5 Jean-Baptiste-Joseph Fourier... 28
CAPITULO 2 BIOMETRIA Y DACTILOSCOPIA ... 30
2.1 Biometría ... 30
2.1.1 Características de las huellas ... 31
2.1.2 Que es la biometría... 33
2.1.3 Sistemas biométricos ... 33
2.2 Dactiloscopia ... 34
2.2.1 Historia de la dactiloscopia ... 34
2.2.1.1 Base de la clasificación de Galton... 36
2.2.1.2 El sistema Testut... 37
2.2.2 Introducción al estudio de la dactiloscopia ... 40
2.2.2.1 Definición de dactiloscopia ... 40
2.2.2.2 Bases de la dactiloscopia ... 40
2.2.3 Características de la huella dactilar ... 46
2.2.3.1 Sistemas papilares ... 46
2.2.3.2 Delta ... 50
2.2.3.3 Corazón... 58
2.2.3.4 Puntos característicos ... 60
2.3 Extracción... 62
2.3.1 Reconocimiento de huellas dactilares... 62
2.3.2 Adquisición digital de la huella... 64
2.3.3 Preprocesado de la imagen ... 64
2.3.4 Adelgazamiento... 67
2.3.5 Depuración ... 68
2.3.6 Extracción de características ... 69
2.3.7 Reconocimiento... 70
2.3.8 Algoritmo de alineamiento ... 70
CAPITULO 3
DESARROLLO DEL SISTEMA E IMPLEMENTACION
DE LA BASE DE DATOS DACTILAR ... 75
3.1 Antecedentes técnicos... 75
3.1.1 El sistema de clasificación de la biblioteca Dewey... 77
3.1.2 Guía del sistema decimal Dewey ... 78
3.1.3 Código de barras... 81
3.1.3.1 El código de barras para libros: ISBN ... 82
3.2 Desarrollo de la base de datos. ... 82
3.2.1 Depuración de la base de datos y su correlación... 83
3.3 Implementación del sistema con Visual Basic 6 ... 86
3.3.1 Sistema informático... 87
3.3.2 Ciclo de vida del sistema ... 88
3.4 Puesta en marcha y operación del sistema de altas de usuarios y préstamos de libros .. 91
3.4.1 Proceso para el alta de nuevos usuarios... 92
3.4.2 Proceso para el préstamo de libros ... 96
CAPITULO 4 RESULTADOS OBTENIDOS Y CONCLUSIONES ... 101
4.1 Resultados obtenidos ... 101
4.2 Justificacion económica... 102
4.3 Trabajo a futuro ... 102
4.4 Conclusiones... 103
GLOSARIO... 104
REFERENCIAS BIBLIOGRAFICAS Y ELECTRONICAS ... 106
ANEXO A EL SISTEMA DACTILOSCOPICO DE VUCETICH ... 107
A.1 Juan Vucetich Kovacevich ... 107
A.2 Su sistema ... 107
A.3 Los cuatro tipos fundamentales ... 108
A.4 La clasificación... 109
A.5 El dactilograma... 109
A.6 La formula dactiloscópica... 110
A.7 La individual dactiloscópica... 110
ANEXO B TECNICA DACTILOSCOPICA: LA POROSCOPIA ... 111
ANEXO C FILTROS BIDIMENSIONALES ... 115
C.1 Introducción ... 115
C.2 Propiedades de los filtros... 115
C.3 Convolución... 117
C.4 Máscaras de convolución espacial... 118
C.5 Máscaras de convolución discretas a partir de funciones continuas... 121
INTRODUCCIÓN
En la actualidad se requieren sistemas de seguridad confiables para el préstamo de libros y servicios en las bibliotecas. Los sistemas de control de préstamo existentes, que por lo general utilizan credenciales, no son muy confiables debido a que dichas credenciales pueden ser falsificadas o extraviadas.
Los sistemas de reconocimiento de huella dactilar, son considerados fácil en su manejo y adquisición. Adicionalmente toman ventaja de que las huellas dactilares son perennes, inmutables e infinitamente diversas.
Uno de los sistemas biométricos es el Reconocimiento de individuos por medio de la huella dactilar. Este sistema es de fácil manejo y adquisición y las huellas dactilares son perennes, inmutables e infinitamente diversas
El presente trabajo describe el funcionamiento de un sistema para el uso diario en una biblioteca, la cual usa el reconocimiento de huellas dactilares y en consecuencia identificación de usuarios de manera eficiente y segura.
Se ha desarrollado una base de datos en Visual Basic, en la cual se implementa la identificación y reconocimiento de los usuarios, por medio de sus huellas dactilares, para lo cual se utilizó el sistema SDK.
Planteamiento del problema
Hoy en día el préstamo de libros en las bibliotecas se realiza por medio de credenciales de la biblioteca. Este método de prestamos es ineficiente debido a que el usuario puede sufrir perdida de la credencial ocasionando con ello el no poder utilizar los servicios de la biblioteca y no tener acceso al préstamo de libros hasta reponer dicha credencial. La credencial puede ser falsificada provocando perdidas de libros a la biblioteca los cuales tardaran en ser repuestos.
Justificación
Esta tesina propone una base de datos para uso diario de una Biblioteca, la cual tenga la capacidad de implementar el reconocimiento e identificación de los usuarios por medio de sus huellas dactilares. Con lo cual se elimina el tramite de credenciales y se eficiente la seguridad en el servicio y préstamo de libros
Objetivo
Crear una base de datos en Visual Basic 6 con la información de los alumnos de una escuela y la información de los libros de la misma. Se implementara en la base de datos el reconocimiento de los alumnos por medio de su huella dactilar usando el sistema SDK para la extracción y análisis de la misma.
Resultados esperados
Se espera una base de dato de fácil manejo, con los datos y huellas dactilares de 50 alumnos, como muestra. Se implementara el reconocimiento de las huellas dactilares y la base de datos en el préstamo de libros de una biblioteca.
15 Figura 1.1 Gráfica de una señal analógica
CAPITULO 1 PROCESAMIENTO DIGITAL DE SEÑALES
1.1 El procesamiento digital de señales
El Procesamiento Digital de Señales (DSP) es una de las más poderosas tecnologías que dan forma a la ciencia y la ingeniería en el siglo XXI. Cambios revolucionarios ya han sido realizados en una amplia gama de campos: las comunicaciones, imágenes médicas, de radar y sonar, la reproducción de música de alta fidelidad, y la investigación de petróleo, por nombrar sólo algunos. Cada una de estas áreas se ha desarrollado profundamente en la tecnología DSP, con sus propios algoritmos, matemáticas y técnicas especializadas. Esta combinación de amplitud y profundidad hace que, sea imposible para cualquier persona dominar todas las tecnologías DSP que se han desarrollado. En éste anexo se intenta describir de manera general dichas técnicas DSP y su impacto en el tratamiento de imágenes bidimensionales, para su implementación y aplicación en este proyecto.
El Procesamiento Digital de Señales se distingue de otras áreas de las ciencias computacionales, por el único tipo de datos que utiliza: señales. En la mayoría de los casos, dichas señales son originadas por datos del mundo real: vibraciones sísmicas, imágenes visuales, ondas sonoras, etc. El DSP involucra algoritmos, matemáticas y técnicas que al integrarse y usarse de forma adecuada, manipulan estas señales analógicas que serán transformadas en una forma digital. Dentro de la amplia variedad de los objetivos del DSP, se encuentra el mejoramiento visual de imágenes.
Una señal analógica es un tipo de señal generada por algún tipo de fenómeno electromagnético y que es representable por una función matemática continua en la que es variable su amplitud y periodo (representando un dato de información) en función del tiempo, ver figura 1.1 Algunas magnitudes físicas comúnmente portadoras de una señal de este tipo son eléctricas como la intensidad, la tensión y la potencia, pero también pueden ser hidráulicas como la presión, térmicas como la temperatura, mecánicas, etc. La magnitud también puede ser cualquier objeto medible como los beneficios o pérdidas de un negocio.
En la naturaleza, el conjunto de señales que percibimos son analógicas, así la luz, el sonido, la energía etc., son señales que tienen una variación continua. Incluso la descomposición de la
16
luz en el arcoiris vemos como se realiza de una forma suave y continúa, tal como se ilustra en la figura 1.2
Una onda senoidal es una señal analógica de una sola frecuencia. Los voltajes de la voz y del video son señales analógicas que varían de acuerdo con el sonido o variaciones de la luz que corresponden a la información que se está transmitiendo.
Figura 1.2 Espectro Electromagnetico
1.1.1 Procesamiento digital de imágenes
Las imágenes son señales con características especiales. En primer lugar, las imágenes son una medida de un parámetro en el espacio (distancia), mientras que la mayoría de las señales son una medida de un parámetro en el tiempo. En segundo lugar, contienen una gran cantidad de información. Para ejemplo, más de 10 megabytes en ocasiones, llegan a ser necesarios para almacenar un segundo de vídeo de televisión, o una imagen con una alta resolución. Esto es más de mil veces mayor que para la misma longitud de señal de voz. Estas características han hecho que el procesamiento de imágenes sea un subgrupo distintivo del DSP.
El gran contenido de información en imágenes es un problema para los sistemas vendidos en masa al público en general. Los sistemas comerciales en este rubro deberían ser baratos, y esto no es posible, debido a los grandes volúmenes de almacenamientos y a la alta tasa de transferencia de datos. Una solución a este dilema es la compresión de imágenes. Al igual que con las señales de voz, las imágenes contienen una enorme cantidad de información redundante, y se puede ejecutar a través de algoritmos que reducen el número de bits necesarios para que los representen. La televisión y otras imágenes en movimiento son especialmente adecuados para la compresión, ya que la mayor parte de estas imágenes siguen
17
siendo las mismas, marco a marco (frame to frame). Algunos productos comerciales de imágenes que se aprovechan de esta tecnología son: los videoteléfonos, programas de computadoras que muestran imágenes en movimiento y la televisión digital.
Fotografías: La mayoría de las cámaras todavía hacen uso de películas que tienen un recubrimiento de haluros de plata para grabar imágenes. Sin embargo, el incremento en la densidad de los microcircuitos o "chips" de memoria digital ha permitido el desarrollo de cámaras digitales que graban una imagen como una matriz de 640 x 480, o incluso arreglos más extensos de pixeles donde cada pixel almacena las intensidades de sus componentes de color rojo, verde y azul de 8 bits cada uno. Esta gran cantidad de datos, alrededor de siete millones de bits en este ejemplo puede ser procesada y comprimida en un formato denominado JPEG y reducirse a un tamaño tan pequeño como el equivalente al 5% del tamaño original de almacenamiento dependiendo de la cantidad de detalle de la imagen. De este modo las cámaras digitales dependen tanto del almacenamiento como del procesamiento digital.
Una imagen puede ser definida por una función bidimensional f(x, y), donde x e y son coordenadas espaciales (plano) y la amplitud de f es cualquier par de coordenadas (x, y) es llamado intensidad o nivel de gris de la imagen en ese punto. Cuando x, y; y el valor de la amplitud de f son todos finitos, cantidades discretas. Nosotros llamamos a esa imagen como imagen digital. El campo de procesamiento digital de imágenes referido al proceso digital de imágenes por medio de una computadora. Esa imagen digital está compuesta por un número finito de elementos, que tiene una localización y valor particular. Estos elementos son referidos al cuadro de elementos, elementos de la imagen, pels y píxeles. El término Píxel es el elemento más ampliamente usado para denotar los elementos de una imagen digital.
La visión es la más avanzada de nuestros sentidos, así que no está sorprendiendo que las imágenes jueguen un papel importante en la percepción humana. Sin embargo, los seres humanos son limitados por la banda visual de espectros electromagnéticos (EM) las máquinas de la proyección de imagen casi cubren el espectro entero del EM, el extenderse de las ondas gamma a las ondas de radio. Pueden operar en las imágenes generadas por fuentes que los seres humanos no están acostumbrados a asociarlos con imágenes. Estos incluyen ultrasonidos, microscopio de electrones, e imágenes generadas por computadoras. Así, el procesamiento de imagen digital abarca un amplio y variado campo de aplicaciones. No hay consenso general entre autores con respecto a donde detener el procesamiento de imagen y otras áreas relacionadas, tal como el análisis de la imagen y empezar la visión de la computadora. El área de análisis de imagen está entre el procesamiento de imagen y la visión de la computadora.
Se deben considerar tres tipos de procesos computarizados: bajo nivel, medio nivel, y los procesos de alto nivel. Los procesos de bajo nivel implican las operaciones primitivas tales como preprocesamiento de imagen para reducir el ruido, el aumento del contraste, y afilando de una imagen. El proceso de bajo nivel es caracterizado por el hecho que sus entradas y salidas son las imágenes. El procesamiento del medio-nivel en imágenes implica las tareas tales como la segmentación (dividiendo una imagen en regiones u objetos), la descripción de esos objetos para reducirlos a una forma conveniente para procesamiento de computadora, y para la clasificación (reconocimiento) de un de objeto individual. El nivel medio de proceso
18
es caracterizado por el hecho que sus entradas generalmente son las imágenes, pero sus salidas son los atributos extraídos de esas imágenes (por ejemplo, las orillas, los contornos, y la identidad de objetos individuales). Finalmente, procesamiento de alto nivel implica "tener sentido" de un conjunto de objetos reconocidos, como en el análisis de la imagen, y, realizar las funciones cognoscitivas normalmente asociadas con la visión.
Basado en los comentarios anteriores, podemos ver que un lugar lógico de la superposición entre procesamiento de imagen y análisis de imagen es el área del reconocimiento de regiones individuales u objetos en una imagen. Así, lo que llamamos procesamiento digital de imagen abarca los procesos cuyas entradas y salidas son las imágenes y, además, abarca los procesos que extraen los atributos de imágenes, incluyendo el reconocimiento de objetos individuales.
1.1.2 Pasos fundamentales para el procesamiento digital de imágenes I. Adquisición de Imagen
II. Aumento de la imagen III. Restauración de la Imagen
IV. Procesamiento del color de la Imagen V. Compresión
VI. Procesamiento morfológico VII. Segmentación
VIII. Representación y Descripción.
IX. Reconocimiento.
1.1.3 Modelo sencillo de la formación de imágenes
Las imágenes, las podemos denotar por funciones de dos dimensiones de la forma f (x, y). El valor o la amplitud de F en coordenadas espaciales (x, y) es una cantidad escalar positiva cuyo significado físico es determinado por la fuente de la imagen. La mayor parte de las imágenes en las que estamos interesados son las imágenes monocromáticas, cuyos valores son de la escala gris. Cuándo una imagen es engendrada de un proceso físico, sus valores son proporcionales a la energía irradiada por una fuente física (por ejemplo, ondas electromagnéticas). Como resultado, f(x, y) debe ser:
1) - (1.1 )
, ( 0
< f x y <∞
La función f(x, y) puede ser caracterizada por dos componentes: (1) la cantidad de iluminación de la fuente incidente y (2) la cantidad de la iluminación reflejada por los objetos apropiadamente, éstos se llaman los componentes de la iluminación y reflectante y son denotados por i(x, y) y r(x, y), respectivamente. Estas dos funciones se combinan como un producto para formar f(x, y):
2) - (1.1 ) , ( ) , ( ) , (
f x y =i x y r x y en donde:
19 3)
- (1.1 )
, ( 0
<i x y <∞ y:
4) - (1.1 1 ) , ( 0
<r x y <
La ecuación (1.1-4) indica la reflexión dada por 0 (la absorción total) y 1 (reflectante total). La naturaleza de i(x, y) es determinado por la fuente de la iluminación, y por r(x, y) es determinado por las características del imagen del objeto. Estas expresiones son también aplicables a imágenes formadas por la transmisión de la iluminación por un medio, tal como una radiografía toráxica. En este caso, nosotros trataríamos con un transmisor en vez de una función de índice de reflexión, pero los límites serían igual que en eq. (1.1-4), y la función de la imagen formada serían modelados como el producto en eq. (1.1-2).
1.2 Muestreo de imágenes y cuantificación
Hay numerosas maneras de adquirir las imágenes, pero el objetivo es el mismo: generar las imágenes digitales de datos. La salida de la mayoría de los sensores es una forma de ondas continua del voltaje cuya amplitud y comportamiento espacial son relacionados al fenómeno físico a ser sensado. Para crear una imagen digital, nosotros necesitamos convertir los datos sensados continuos en una forma digital. Esto, implican dos procesos: muestreo y cuantificación.
1.2.1 Los conceptos básicos para el muestreo y cuantificación
La idea básica detrás de muestreo y cuantificación es ilustrada en Fig. 1.3. La figura 1.3(a) muestra una imagen continua, f(x, y), que queremos convertir a la forma de imagen digital.
Una imagen puede ser continuo con respecto a las coordenadas x e y, y también en amplitud.
Para convertirlo a la forma digital, tenemos que probar la función en coordenadas y en la amplitud. Digitalizando los valores de las coordenadas son llamados muestreados.
Digitalizando los valores de la amplitud son llamados cuantificación.
La función unidimensional mostrada en Fig. 1.3 (b) es una grafica de la amplitud (el nivel gris) los valores de la imagen continua por el segmento AB en Fig. 1.3(a). Las variaciones aleatorias son debidas al ruido de la imagen. Para probar esta función, tomamos espacios iguales a las muestras de la línea AB, como es mostrado en la Fig. 1.3(c). La localización de cada muestra es dada por una marca vertical en la parte inferior al de las muestras de figura.
Las pruebas son mostradas en pequeños cuadrados blancos sobrepuestos en la función. El conjunto de estas ubicaciones distintas da las muestras de la función. Sin embargo, los valores de las muestras atraviesan todavía (verticalmente) una gama continua de valores de niveles de gris. Para formar una función digital, los valores del nivel de gris deben ser convertidos también (cuantificación) en cantidades discretas. A un lado de la Fig. 1.3(c) muestra la escala de niveles de grises dividida en ocho niveles distintos, recorriendo de negro a blanco. Las marcas verticales indican el valor específico asignado a cada uno de los ocho niveles de gris.
Los niveles grises continuos son cuantificados simplemente asignando uno de los ocho niveles grises distintos a cada muestra. La tarea es hecha dependiendo de la proximidad vertical de una muestra a una marca vertical. Las muestras digitales que resultan de tanto el muestreo como la cuantificación son mostradas en Fig. 1.3(d).
20
Muestreando de manera solamente descrita asumimos que tenemos una imagen continua en ambas direcciones de coordenada así como en la amplitud. En la práctica, el método de muestreo es determinado según el arreglo del sensor usado para generar la imagen. Cuando una imagen es generada por un elemento sensor solo combinado con el movimiento mecánico, como en la Fig. 1.4, la salida del sensor es cuantificada de manera descrita anteriormente. Sin embargo, el muestreo es logrado por la selección del número de incrementos individuales mecánicos en los cuales activamos el sensor para recoger datos. El movimiento mecánico puede ser hecho muy exacto en principio. Sin embargo, los límites prácticos son establecidos por imperfecciones en la óptica enfocaba en el sensor de la iluminación que es contradictorio con la resolución factible con desplazamientos mecánicos.
Cuándo un sensor es utilizado para la adquisición de la imagen, el número de sensores establece las limitaciones de muestreo en una dirección de la imagen. El movimiento mecánico en la otra dirección puede ser controlado más exactamente, pero no tiene sentido para tratar de lograr la densidad de muestreo en una dirección que excede el límite de muestreo establecido por el número de sensores en el otro. La cuantificación del sensor de salida completa el proceso para generar una imagen digital. Cuándo un arreglo de sensores es utilizada para la adquisición de la imagen, no hay movimiento y el número de sensores en el arreglo establecen los límites de muestreo en una y otra dirección.
La cuantificación de los sensores de salida es como los anteriores. La figura 1.4, ilustra este concepto. La figura 1.4(a) muestra una imagen continua proyectada en el plano de un arreglo de sensor. La figura 1.4(b) muestra la imagen después de muestrear y cuantificar. Claramente, la calidad de una imagen digital es determinada a en gran medida por el número de muestras y niveles discretos de grises utilizado en el muestreo y cuantificación.
Figura 1.3: Generando una imagen digital: (a) Imagen Continua. (b) Una línea de A hacia B en imagen continua, usada para ilustrar los conceptos de Muestreo y Cuantificación. (c) Muestreo y Cuantificación.
(d) Línea Digital.
21
(a) (b)
Figura 1.4: (a) Proyecto de una imagen continua en un arreglo de sensor.
(b) Resultado de muestreo de imagen y cuantificación.
1.3 Representación de imágenes digitales
El resultado del muestreo y cuantificación es una matriz de números reales. Utilizaremos dos maneras para representar imágenes. Asumiendo que una imagen f(x, y) es muestreado por lo que la imagen digital resultante tiene M filas y N columnas. Los valores de las coordenadas (x,y) ahora llega a ser cantidades distintas. Para la claridad y la conveniencia de marcaje, utilizaremos los valores entero (x, y) = (0, 0). Los siguientes coordenadas de valores para la primera fila de la imagen son representados como (x, y) = (0, 1). Es importante tener presente que la notación (0, 1) es utilizado para significar la segunda muestra para la primera fila. No significa que éstos son los valores verdaderos de las coordenadas físicas cuando la imagen fue muestreada. La figura 1.5, muestra la convención valores utilizadas la notación (0, 1) es utilizado para significar la segunda muestra para la primera fila. No significa que éstos son los valores verdaderos de las coordenadas físicas cuando la imagen fue muestreada. La figura 1.5 muestra la convención valores utilizadas.
Figura 1.5: Coordenadas convencionales para el procesamiento digital de imágenes.
22
La notación introducida en el párrafo anterior nos permite escribir la completa M*N imagen digital en el siguiente comprime la matriz formando:
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
−
−
−
=
) 1 , 1 ( ....
) 1 , 1 ( ) 0 , 1 (
) 1 , 1 ( ....
) 1 , 1 ( ) 0 , 1 (
) 1 , 0 ( ....
) 1 , 0 ( ) 0 , 0 ( ) , (
N M
f M
f M
f
N f f
f
N f f
f y
x
f (1.3-1)
El lado correcto de esta ecuación está por la definición por una imagen digital. Cada elemento del arreglo matricial es llamado un elemento de la imagen, el elemento del retrato, píxel o pel.
Los términos imagen y píxel será utilizado para denotar una imagen digital y sus elementos.
En algunas discusiones, es ventajoso utilizar una anotación más tradicional de matriz para denotar una imagen digital y sus elementos:
(1.3-2)
Claramente, , Ec. (1.3-1) y (1.3-2) son matrices idénticas.
Expresando el muestreo y la cuantificación en términos matemáticos más formales puede ser útil a veces. Dónde Z y R denota el conjunto de enteros reales y el conjunto de números reales, respectivamente. El proceso del muestreo puede ser visto en particiones del plano xy en una cuadrícula, con las coordenadas del centro de cada cuadrícula que es un par de elementos del producto cartesiano Z2, que es el conjunto de todos pares ordenados de elementos (zi, zf), con zi
y zf que son enteros de Z. De ahí, f(x, y) es una imagen digital si (x, y) son enteros de Z2 y f si la función que una función que asignada al nivel de grises (esto o es, un número real del conjunto de números reales, R) a cada par de coordenadas distintos (x, y). Esta tarea funcional obviamente el proceso de cuantificación descrito anteriormente. Si los niveles grises son también enteros (como es generalmente el caso), Z reemplaza R, y una imagen digital entonces llega a ser una función de 2D cuyas coordenadas y los valores de la amplitud son enteros.
Este proceso de digitalización requiere las decisiones acerca de valores para M, N, y para el número, L, de niveles grises discretos tomando en cuenta cada píxel. Allí no hay requerimientos en M y N, de otra manera que ellos tienen que ser enteros positivos. Sin embargo, debido a procesamiento, almacenamiento, y a las consideraciones de hardware, el número de niveles grises es típicamente un número de entero de 2:
3) - (1.3 2k L=
Asumimos que los niveles discretos se espacian igualmente y que ellos son enteros en el intervalo [0, L-1]. A veces el rango de valores atravesados por la escala gris se llama rango dinámico de una imagen, y nosotros nos referimos a imágenes cuyos niveles grises
23
conforman una porción significativa de la escala gris teniendo como un alto rango dinámico.
Cuándo un número apreciable de píxeles exhibe esta propiedad, la imagen tendrá contraste alto. El número, b, de pedacitos requeridos a almacenar para digitalizar la imagen es:
Donde M=N puede ser la ecuación:
4) - (1.3
2k N b=
La tabla 1. 1 muestra el número de bits requeridos a almacenar las imágenes con varios valores de N y de K. El número de los niveles grises que corresponde a cada valor de K son mostrados en la tabla. Cuando que una imagen puede tener 2k los niveles grises, es una práctica muy extendida referirse a la imagen de k.bit. "Por ejemplo, una imagen con 256 valores de niveles de grises posibles es llamada a una imagen de 8 bits. Requisitos de almacenamiento para imágenes de 8 bits del tamaño 1024x1024 y más alto no son insignificantes.
Tabla 1.1 Número de rangos de bits para valores de N y k
1.4 Espacio y resolución de niveles de gris
El muestreo es el factor principal que determina la resolución espacial de una imagen.
Básicamente, la resolución espacial es el más pequeño detalle discernible en una imagen.
Suponga que construimos un gráfico con líneas verticales de anchura W, con el espacio entre las líneas tienen anchura W. Un par de líneas consiste en una línea y su espacio adyacente.
Así, la anchura de un par de la líneas es 2W, y ahí los pares de la línea 1/2W por unidad de distancia. Una definición extensamente utilizada de la resolución es simplemente el más pequeño número de pares discernibles de línea por la distancia de la unidad; por ejemplo, 100 pares de líneas por milímetro.
24
La resolución plano-gris se refiere semejantemente al más pequeño cambio discernible en el nivel gris. Tenemos que considerar el número de muestras usadas para generar una imagen digital, pero esto no es verdad para el número de niveles grises. Debido a consideraciones de hardware, el número de niveles grises generalmente es un valor entero de 2. El número más común es de 8 bits, con de 16 bits para ser utilizado en algunas aplicaciones donde aumento de el rango de nivel de gris específicas es necesario. A veces encontramos sistemas que pueden digitalizar los niveles grises de una imagen con 10 o 12 bits de certeza, pero éstos son excepciones.
La figura 1.6 muestra una imagen del tamaño 1024 x 1024 píxeles cuyos niveles grises son representados por de 8 bits. Las otras imágenes mostradas en Fig. 1.6 son los resultados de submuestreo de la imagen 1024x1024. La imagen 512 x 512 fue obtenida borrando cada dos filas y la columna de la imagen 1024x1024. El número de niveles grises permitidos se mantuvo en 256.
Figura 1.6 1024x1024, imagen muestreada 8-bits
hasta el tamaño 32x32 píxeles.
El nivel de grises se mantuvo en 256.
Estas imágenes muestran las dimensiones proporcionales entre varias densidades de muestreo, pero sus diferencias del tamaño lo hacen difícil ver los efectos que resultan de una reducción en el número de muestras. La manera más sencilla de comparar estos efectos será trayendo todas las imágenes submuestreadas del tamaño 1024x1024 por la fila y columna de cada píxel de réplica. Los resultados son mostrados en Fig. 1.7 (b) hasta (f). Figure 1.7(a) es el mismo 1024x1024, de 256 niveles imagen mostrado en Fig. 1.6.
Comparando Fig. 1.7(a) con la imagen 512x512 en Fig. 1.7 (b) es casi imposible notar las diferencias. El nivel de detalle perdido puede ser visto en una página impresa en la escala en la que estas imágenes son mostradas. L a imagen siguiente 256x256 en Fig. 1.7(c) muestra una pauta fina muy leve del tablero en las fronteras entre los pétalos de la flor y el fondo negro. Los efectos son mucho más visibles en la imagen 128x128 en Fig. 1.7 (d), y ellos llegan a ser pronunciados en la imagen de 64x64 e imágenes de 32x32 en las Fig. 1.7 (e) y (f), respectivamente.
25 Figura 1.7 (a) 1024x1024, imagen de 8 bits. (b) 512x512 imágenes resamblada de 1024x1024 píxeles por fila y columnas duplicados. (c) hasta (f) 256x256, 128x128, 64x64, y 32y 32 imágenes resambladas de 1024x1024
píxeles.
En este ejemplo, se mantiene el número de muestras constantes y reducimos el número de niveles de grises de 256 a 2, en valores de entero de 2. La Figura 1.8(a) es una imagen de la proyección de 452x374, tomando una k=8 (256 los niveles grises). Las imágenes tales como esto es obtenido fijando en una posición una fuente de rayos X, así se produce una imagen de 2D en alguna dirección deseada. Las imágenes de la proyección son utilizadas como guías para establecer los parámetros para un escáner de CAT, inclusive la inclinación, el número de rendijas, y el rango.
En la figura 1.8 (b) hasta (h) fueron obtenidos reduciendo el número de bits de k=7 a k=1 manteniendo la constante espacial de la resolución en 452x 374 píxeles. El 256-, 128-, y las imágenes de 64 niveles son visualmente idénticas para todo propósito práctico. La imagen de 32 niveles mostrado en Fig. 1.8 (d), sin embargo, tiene un conjunto casi imperceptible de estructuras muy finas en áreas de niveles grises lisos (especialmente en el cráneo). Este efecto, causado por el uso de un número insuficiente de niveles grises en áreas de la imagen digital, es llamado falso Contorno, así se llamó porque las aristas se parecen a contornos topográficos de un mapa. Falso Contorno es generalmente bastante visible en imágenes que utilizan 16 o menos espació uniformemente de los niveles de grises, como las imágenes en las Fig. 1.8 (e) hasta (h) mostradas.
26 Figura 1.8 (a) 452x374, imagen de 256 niveles. (b) hasta (d) la Imágenes mostradas en 128, 64, y 32 niveles de
grises, al manteniendo la constante espacial de la resolución.
Figura 1.8 (Continuación) (e) hasta (g) Imágenes mostradas en 16, 8, 4, y 2 niveles de grises. (La cortesía del Dr. David R. Pickens, el Departamento de la Radiología & las Ciencias Radiológicas, la Universidad de Vanderbilt, Centro Médico).
27
Los resultados de los ejemplos anteriores ilustran los efectos producidos en la calidad de la imagen variando N y K independientemente. Sin embargo, estos resultados sólo contestan parcialmente que la pregunta de cómo variar N y K afecta las imágenes y porque nosotros no hemos considerado ninguna relación que quizás exista entre estos dos parámetros. Un estudio temprano por Huang [1965] procuró cuantificar experimentalmente los efectos en la calidad de la imagen producida por el experimento de varía N y K simultáneamente. El experimento consistió en un conjunto de pruebas subjetivas. Las imágenes semejantes son mostradas en la Fig. 1.9. La cara de una mujer es representante de una imagen con detalles relativamente pequeños; el retrato del fotógrafo contiene una cantidad de detalle intermedio; y el retrato de la multitud contiene, por la comparación, una cantidad grande de detalles.
Los conjuntos de estos tres tipos de imágenes fueron engendrados variando N y K, y varios observadores los situaron según su calidad subjetiva. Los resultados fueron resumidos en forma de curvas llamadas de isopreferencia en el plano Nk (Fig. 1.10 mostradas por medio de la curva de isopreferencia correspondiente a las imágenes mostradas en Fig. 1.9). Cada punto en el plano Nk representa una imagen que tiene los valores de N y K iguala a las coordenadas de ese punto. Los puntos corresponden a la curva de isopreferencia de la calidad de imágenes subjetiva iguales. Fue encontrado en el transcurso de los experimentos que las curvas de isopreferencia tendieron a cambiar de derecha hacia arriba, pero sus formas en cada una de las tres categorías de la imagen fueron semejantes a los mostrados en la Fig. 1.10. Esto no es un cambio inesperado de arriba hacia la derecha en la curvas lo que significa los valores más grandes para N y K, que implican mejor calidad del retrato.
Figura 1.9 (a) Imagen con un nivel bajo de detalles. (b) La Imagen con un nivel medio de detalles.
(c) la Imagen con una cantidad relativamente grande de detalle.
El punto interesante clave en el contexto de la discusión son las curvas de isopreferencia que tienden a llegar a ser más vertical como el incremento de detalle de la imagen. Este resultado sugiere que para imágenes con una cantidad grande de detalle sólo pocos niveles grises pueden ser necesitados. Por ejemplo, la curva de isopreferencia en Fig. 1.10 corresponder a la multitud es casi vertical. Esto indica eso, para un valor fijo de N, la calidad percibida para este tipo de la imagen es casi independiente del número de niveles de grises utilizados (para el rango de niveles de grises mostrados en Fig. 1.10). Es también de interés notar que la calidad percibida en las otras dos categorías de la imagen se quedó en el mismo intervalo en los que la resolución espacial fue aumentada, pero el número de niveles de grises disminuyó realmente. La razón más probable para este resultado es que una disminución en K tiende a aumentar el contraste aparente de una imagen, un efecto visual que humanos a menudo perciben la calidad como mejorada en una imagen.
28 Figura 1.10 Curva representativa de isopreferencia para los tres tipos de imágenes de la Fig. 1.9
1.5 Jean-Baptiste-Joseph Fourier
El procesamiento de imágenes tiene como objetivo mejorar el aspecto de las imágenes y hacer más evidentes en ellas, ciertos detalles que se desean hacer notar. La imagen puede haber sido generada de muchas maneras, por ejemplo, fotográficamente, o electrónicamente, por medio de monitores de televisión. El procesamiento de las imágenes se puede en general hacer por medio de métodos ópticos, o bien por medio de métodos digitales, en una computadora. En la siguiente sección describiremos muy brevemente estos dos métodos, pero antes se hará una síntesis brevísima de los principios matemáticos implícitos en ambos métodos, donde el teorema de Fourier es el eje central.
El matemático Jean-Baptiste-Joseph Fourier (1768-1830) nació en Auxerre, alrededor de 160 km al sureste de París. Perdió a sus padres a la temprana edad de ocho años, quedando al cuidado del obispo de Auxerre, gracias a la recomendación de una vecina. Desde muy pequeño mostró una inteligencia y vivacidad poco comunes. Siguió una carrera religiosa en una abadía, al mismo tiempo que estudiaba matemáticas, para más tarde dedicarse a impartir clases. Sus clases eran muy amenas, pues constantemente mostraba una gran erudición y conocimientos sobre los temas más variados.
Fourier estaba muy interesado en la teoría del calor, y además tenía una gran obsesión práctica por él. Se dice que mantenía su habitación tan caliente que era muy incómoda para quienes lo visitaban, y que aparte de eso, siempre llevaba puesto un grueso abrigo. Algunos historiadores atribuyen esta excentricidad a los tres años que pasó en Egipto con el ejército de Napoleón Bonaparte. La teoría de Fourier se consideró tan importante desde de sus inicios, que lord
29
Kelvin dijo de ella: "El teorema de Fourier no solamente es uno de los resultados más hermosos del análisis moderno, sino que además se puede decir que proporciona una herramienta indispensable en el tratamiento de casi todos los enigmas de la física moderna."
El teorema de Fourier afirma que una gráfica o función, cualquiera que sea su forma, se puede representar con alta precisión dentro de un intervalo dado, mediante la suma de una gran cantidad de funciones senoidales, con diferentes frecuencias. Dicho de otro modo, cualquier función, sea o no sea periódica, se puede representar por una superposición de funciones periódicas con diferentes frecuencias. El teorema nos dice de qué manera se puede hacer esta representación, pero hablar de él va más allá del objeto de este proyecto. La variación de la irradiancia o brillantez de una imagen, medida a lo largo de una dirección cualquiera es entonces una función que se puede representar mediante el teorema de Fourier, con una suma de distribuciones senoidales de varias frecuencias. Sin entrar en detalles técnicos innecesarios, simplemente afirmaremos aquí que atenuar o reforzar individualmente algunas de estas componentes senoidales puede tener un efecto dramático en la calidad de una imagen, mejorándola o empeorándola, según el caso. Este es el fundamento del procesamiento de imágenes, tanto por medios ópticos como digitales.
30
CAPITULO 2 BIOMETRIA Y DACTILOSCOPIA
2.1 Biometría
Las huellas dactilares son características exclusivas de los primates. En la especie humana se forman a partir de la sexta semana de vida intrauterina y no varían en sus características a lo largo de toda la vida del individuo. Son las formas caprichosas que adopta la piel que cubre las yemas de los dedos. Están constituidas por rugosidades que forman salientes y depresiones.
Las salientes se denominan crestas papilares y las depresiones surcos interpapilares. En las crestas se encuentran las glándulas sudoríparas. El sudor que éstas producen contiene aceite, que se retiene en los surcos de la huella, de tal manera que cuando el dedo hace contacto con una superficie, queda un residuo de ésta, lo cual produce un facsímil o negativo de la huella.
Las huellas digitales se toman de los dedos índices de ambas manos, tanto por la comodidad al capturarlas, como porque estos dedos están menos propensos que los pulgares a sufrir accidentes que dejen cicatriz. Son únicas e irrepetibles aún en gemelos idénticos, debido a que su diseño no está determinado estrictamente por el código genético, sino por pequeñas variables en las concentraciones del factor del crecimiento y en las hormonas localizadas dentro de los tejidos. Cabe señalar que en un mismo individuo la huella de cada uno de sus dedos es diferente.
La intención de la tecnología de huella dactilar es identificar de manera precisa y única a una persona por medio de su huella dactilar. Certificando la autenticidad de las personas de manera única e inconfundible por medio de un dispositivo electrónico que captura la huella dactilar y de un programa que realiza la verificación.
Las huellas dactilares ofrecen medios infalibles de Identificación Personal. El uso de huellas dactilares es una de las formas más conocidas para la identificación de individuos, ya que se cree que cada huella digital es única para cada persona.
31
2.1.1 Características de las huellas
La estructura de crestas y valles de la epidermis de cada individuo es única y representa su identidad. La estructura de crestas y valles de un individuo, aunque puede variar, lo hace dentro de limites reducidos que hace posible una clasificación sistemática.
Los detalles de las estructuras de crestas y valles, así como las minucias, son particulares de cada individuo e invariables en el tiempo.
Algo tan distintivo como las huellas dactilares, son ya diferentes en los gemelos desde el nacimiento. Nos damos cuenta entonces de que el ambiente ya juega un papel muy importante incluso desde nuestra estancia en el útero materno.
Lo que en realidad son diferentes son las crestas papilares y surcos que, por su impresión en una determinada superficie, producen huellas dactilares diferentes.
Figura 2.1 Capas de la piel
La piel consta de tres capas básicas. La epidermis, la capa más externa de la piel, la dermis y la hipodermis. Es en la epidermis donde vamos a encontrar las crestas papilares que hemos mencionado anteriormente. Estas crestas se producen por la alineación de unas protuberancias en forma de dedo llamadas papilas y que se encuentran de forma más profunda, en la dermis.
Más abajo, podemos ver una imagen al microscopio óptico donde se pueden ver esas papilas en la dermis, de color más claro y con forma de dedos. La capa de más arriba (con una E) es la epidermis.
Sólo se encuentran organizadas de forma lineal en manos y pies, por tanto, sólo se encontrarán crestas papilares en esas zonas. Mientras que las papilas, de forma desorganizada, se encontrarán por todo el resto de la piel.
Aquí se observan las crestas papilares en un dedo, consecuencia de la alineación de papilas dérmicas en un plano más profundo.
32 Figura 2.2 Crestas Papilares.
La zona deprimida que queda entre dos crestas papilares se llama surco interpapilar. Es el conjunto de las crestas y de los surcos lo que da a la huella dactilar característica:
Figura 2.3 Huella Dactilar.
La función de las crestas y los surcos es la de hacer la piel rugosa en manos y pies para agarrar objetos y que sea mucho más difícil que éstos se deslicen. De hecho, los monos y los koalas tienen también huellas dactilares.
Las crestas papilares se forman desde muy temprano, entre el tercer y cuarto mes de embarazo ya están presentes. Y su patrón va a depender tanto del genoma como del ambiente. El genoma determina las características más generales de las crestas papilares en una fase más temprana mientras que el ambiente determina los detalles del patrón. ¿Y cual es ese ambiente que hace que dos individuos que genéticamente son iguales tengan unas huellas dactilares distintas?
El útero materno. Al formarse la piel en el feto, ésta queda expuesta al mismo tiempo al líquido amniótico, la presión otras partes del cuerpo del feto, los movimientos y la posición de éste en el útero, la nutrición, la presión sanguínea…
Mientras la piel se está formando es como cemento fresco, todo aquello que venga de fuera e interaccione con ella terminará dando un dibujo final único e irrepetible. Por esa razón, no existe en el mundo dos personas con las mismas huellas dactilares ya que es imposible que se reproduzcan las mismas circunstancias que dieron el dibujo final.
33
Y, al igual que el cemento fresco, una vez que este se ha secado (en el caso de la piel, se ha terminado de formar) las huellas son permanentes. Es decir, que permanecerán sin ningún cambio hasta un tiempo después de nuestra muerte o incluso puede que más: Se han encontrado algunas momias humanas que conservaban las crestas papilares. Sólo se modificarán estas huellas en vida, cuando existan cortes, lesiones o enfermedades que afecten a las capas más profundas de la piel.
Aunque que no existan huellas dactilares idénticas no significa que no existan errores a la hora de identificarlas. Cuando la policía identifica las huellas, no tiene en cuenta todo el dibujo (lo cual sería engorroso, difícil de clasificar, complejo y muy lento) sino que sólo se registran una serie de puntos identificativos en la huella. Lo cual hace la tarea muy rápida pero también con más probabilidades de error.
2.1.2 Que es la biometría
La biometría es el estudio de métodos automáticos para el reconocimiento inequívoco de seres humanos basados en una o más características que estos poseen. El término surge de las palabras griegas bios y metron, lo que literalmente significa medir la vida.
En las tecnologías de la información, la autentificación biométrica se refiere a las tecnologías para medir y analizar las características físicas y del comportamiento humanas con propósito de autenticación. Esto es posible dado que todos los seres humanos poseemos características morfológicas únicas que nos diferencian que bien pueden ser estáticas (huellas dactilares, retina, iris, patrones faciales, venas de la mano o la geometría de la palma de la mano) o dinámicas (firma, paso o tecleo).
2.1.3 Sistemas biométricos
Un sistema biométrico consta de elementos tanto hardware como software que permiten el proceso de reconocimiento. Los elementos hardware mas importantes en un sistema biométrico son los censores, cuya función principal es la extracción de una característica determinada sobre la cual se realizara un procesado utilizando distintas técnicas, dependiendo del sistema utilizado.
¾ Reconocimiento de la firma
¾ Autentificación de la voz
¾ geometría de dedos/mano
¾ Reconocimiento de la cara
¾ Reconocimiento de iris/retina
¾ Reconocimiento de la huella dactilar
Actualmente existen una gran variedad de sistemas biométricos capaces de identificar a las personas a partir de la información de alguna parte de su cuerpo como las manos, la retina, el iris, los dedos, las huellas dactilares, la voz o la firma. Incluso se esta investigando en la posibilidad de crear un sistema basado en el ADN aunque de momento se presenta un
34
inconveniente difícil de salvar con la tecnología actual y es que, de momento, no se dispone de un dispositivo capaz de reconocerla. En pocos segundos la estructura molecular de un individuo simplemente con tenerlo enfrente. Gracias a la aparición de sistemas biométricos se pueden evitar fraude en la banca, en el sistema de salud por suplantación de pacientes, controlar el acceso en el desplazamiento de seres humanos al interior de las empresas, accesos no deseados; todo ello sin tener que recurrir a la utilización de contraseñas, carnets, tarjetas magnéticas u otros medios de autenticación vulnerables.
2.2 Dactiloscopia
2.2.1 Historia de la dactiloscopia
El conocimiento de la Dactiloscopia se remonta a los más lejanos tiempos y es imposible el poder determinar su punto de partida y quien fue el primero en ver los dibujos de la mano humana. El hombre de Aurignac acostumbraba a reproducir especialmente su propia mano.
Más tarde en el período neolítico, se observa impresiones palmares y digitales perfectas.
En China, Japón e India se utilizaron las manchas digitales de uno o dos dedos para con ellas sellar documentos oficiales y privados; pero desde luego, que no respondían a los fines identificativos, como pudo probar Vucetich con documentos que obtuvo en Pekín en su viaje de investigación alrededor del mundo en el año de 1913.
Este procedimiento se consideraba se consideraba como un acto solemne, procedimiento de nuestros antepasados de poner al final de los documentos el otorgante analfabeto una señal de la cruz.
En la Babilonia antigua, las huellas digitales fueron utilizadas en las tablas arcilla para las transacciones de negocio. En China antigua, las impresiones del pulgar fueron encontradas en los sellos de arcilla.
En el siglo XIV en Persia, varios papeles oficiales del gobierno tenían las huellas digitales (impresiones), y un oficial del gobierno, doctor, había observado que no hay dos huellas digitales exactamente semejantes.
Marcello Malpighi en 1686, profesor de anatomía, en la universidad de Bolonia, dio a conocer en su tesis, la diferencia entre los cantos, espirales y lazos de las huellas digitales. Él no hizo ninguna mención de su valor como herramienta para la identificación individual. Una capa de piel fue nombrada después de su presentación, capa de "Malpighi", que es aproximadamente 1.8 mm de espesor.
35 Figura 2.4 Marcelo Malpigui
Juan Evangelista Punkinje, “el padre de la Dactiloscopia”, nació en, Bohemia, en 1787.
Publico la primera obra que contiene una descripción y una clasificación de los dibujos digitales, “Comentatio de examine physiologice organi visus et systmatiscutanei”.
William James Herschel, siendo administrador general del Distrito de Hoogly, Bengala, empleo el sistema de estampar la impresión digital en los documentos contractuales y más tarde lo extendio al servicio de pensiones, registros carcelarios, etc.
Sir Francis Galton, Antropólogo Británico y primo de Charles Darwin, comenzó sus investigaciones, sobre las huellas digitales como medio de identificación en 1880. En 1892, publicó su libro, "huellas digitales", estableciendo la individualidad y personalidad, de huellas digitales. El libro incluyó el primer sistema de clasificación para las huellas digitales.
El mayor interés de Galton sobre las huellas digitales, estaba basado en la ayuda para la determinación de la herencia y orígenes de razas. Al poco tiempo descubrió, que las huellas digitales no ofrecían ninguna pista firme, para determinar la inteligencia o la historia genética de un individuo, si pudo afirmar, que las huellas digitales no cambian en el transcurso de la vida de un individuo, y que la posibilidad de encontrar dos huellas digitales exactamente iguales era imposible Según sus cálculos, las probabilidades de dos huellas digitales individuales iguales eran 1 en 64 mil millones.
Francis Galton intento crear un sistema eficaz de clasificación de las impresiones digitales, sin exito; le dio a esta ciencia una base científica de principios inacatables y demostró que las impresiones digitales son perennes, inalterables y distintas de un individuo a otro.
36 Figura 2.5 Francis Galton.
La clasificación natural o teórica es debida a Galton; comienza en él el ciclo de la clasificación y termina el de la investigación científica.
Este ciclo de clasificación se divide en dos clases: la clasificación natural, científica o teórica y la clasificación práctica. La primera corresponde a las combinaciones resultantes de las líneas nucleares de la impresión aislada de los pulgares; la segunda corresponde las combinaciones resultantes de los tipos o figuras nucleares de todos los dedos de cada persona.
La clasificación natural no tiene en mira la identificación, la otra persigue exclusivamente ese objeto.
La clasificación natural es debida a Galton; la práctica pertenece originariamente a Vucetich.
Es el principio de la solución del gran problema de la identificación puesto que en ella se dan a conocer elementos esenciales o naturales de los relieves. Es la obra de la experiencia ajena y la propia.
2.2.1.1 Base de la clasificación de Galton
Las líneas papilares de la cara palmar o plantar de las falanges presentan una posición general constante. Primeramente hay en la base de la falange, paralelamente al pliegue articular, líneas papilares transversales; después, todo el contorno de la falange esta recorrido por líneas elípticas que presentan, las posteriores una concavidad menos pronunciada, de modo que algunas veces van a confundir su dirección con la de las líneas paralelas a la base. Galton llama a esta disposición forma primaria. Siempre es rara esta forma; pero frecuentemente las líneas transversales y las líneas elípticas dejan entre si un intervalo ocupado por las líneas papilares que afectan formas diversas y que son las que se utilizan para establecer la nomenclatura.
37
Cuando el espacio es simétrico, esta limitado lateralmente por dos ángulos que responden a los puntos de encuentro de las líneas transversales. Sobre la existencia de estos dos ángulos reposa toda la clasificación de Galton.
Se llama a C al ángulo que tiene el vértice dirigido hacia el borde cubital de la falange, y R al que lo dirige hacia el borde radial; A es la ultima cresta elíptica que limita el espacio hacia delante y P a la primera línea transversal que lo limita hacia atrás. Estas dos líneas pueden tener con C y R relaciones diversas. La diferencia de las clasificaciones de Galton y Fere descansa en un cambio en las letras A y PRC en lugar de S.B.W.V.
Figura 2.6 Sistema de Fere y Galton
2.2.1.2 El sistema Testut
Estableció L. Testut un nuevo método de clasificación de las impresiones digitales, simplificando la nomenclatura de sus antecesores. Al Angulo cubital o interno le llama i, o sea, la C de Fere y la W de Galton. Al ángulo radial o externo, o sea la R de Fere y la V de Galton, lo denomina e.
El sistema intermediario lo limita por la línea curva mas estrecha en la parte inferior, a la que titula C, y por la parte transversal mas baja en la parte superior, que designa con la letra T.
Hay analogías fundamentales entre las divisiones de Galton, Fere y Testut, que a continuación se expresan:
GALTON FERE TESTUT W (wothout) C (cubital) i (interno)
V (verge) R (radial) a (externo)
S (Jummit) A (anterior) C (curvo) B (base) P (posterior) T (transverse).
Fue el sistema de Icnofalangometría la primera faz de los cuatro tipos fundamentales inventado por Vucetich en 1896 y adoptando oficialmente y de un modo definitivo en 1899.
El sistema de Icnofalangometría sólo se diferencia del de los cuatro tipos fundamentales en el cambio de la clave de clasificación, siendo éste infinitamente superior al primero. La
38
originalidad del primer método de Vucetich consiste, pues, en la absoluta diferencia en la disposición u orden de colocación de los dactilogramas y en la también absoluta diferencia de el modo de clasificarlas. Vucetich fue el creador de dos sistemas dactiloscópicos de identificación humana.
También por la misma época en que Vucetich hacía su descubrimiento, E. R. Henry, funcionario inglés con ubicación en la India continúa los trabajos de Galton y logra confeccionar una clasificación dactiloscópica basada en tres tipos fundamentales. Fue Henry creador del segundo sistema de clasificación de las impresiones digitales. El sistema Henry tuvo inmediata aplicación en la India a partir de julio de 1897. Este sistema está basado en los trabajos de Herschel y en los de Galton.
Se han ideado distintos sistemas dactiloscópicos después de los iniciados por Vucetich y Henry, muchos de ellos variantes de éstos con el objeto de hacer más práctico y sencillo el procedimiento de identificación. La Dactiloscopia es una ciencia de verdadera utilidad a los intereses del hombre como componente de la sociedad civilizada.
Figura 2.7 Nomenclaturas de Galton, Fere, Testut y Forgeot.
En 1882, Gilbert Thompson de la Universidad Geológica "ESTADOS UNIDOS” en nuevo México, utilizó sus propias huellas digitales en un documento para prevenir la falsificación.
Éste es el primer uso sabido de huellas digitales en los Estados Unidos.
39
En el libro de Mark Twain en 1883, (Samuel L. Clemens) "vida en el Missisipi", el uso de la identificación de la huella digital permitió identificar a un asesino. En un libro posterior,
"Pudd'n Wilson principal", habla de la identificación a través de la huella digital. Hay una película reciente, que fue basada en este libro.
En 1892, Juan Vucetich hizo la primera identificación criminal con la huella digital. Él pudo identificar a una mujer de Apellido Rojas, que había asesinado a sus dos hijos, y cortado su propia garganta en una tentativa de culpar en otra persona.
Su impresión digital sangrienta, fue dejada en el marco de la puerta, probando su identidad como la asesina. En 1901 comenzaron a utilizar las huellas digitales para la identificación criminal en Inglaterra y el País de Gales, usando las observaciones de Galton, evaluadas por Sir Edward Richard Henry.
En 1902 comenzó el uso sistemático de huellas digitales en los Estados Unidos por la Comisión de la función pública de New York.
El Dr. Henry P. De Forrest inicia el uso de la huella dactilar de los Estados Unidos.
En 1903 el sistema Penitenciario del estado de Nueva York comenzó el primer uso sistemático de huellas digitales en los Estados Unidos para los criminales.
En 1904 la identificación por huellas digitales, comenzó a utilizarse en la “Federal Penitentiary Leavenworth” en Kansas, en el departamento de Policía de St. Louis, asistidos por un Sargento de la Policía Británica.
En 1905 comienza el uso de las huellas digitales en el Ejército de los E.E.U.U. Dos años más tarde, la Marina de los ESTADOS UNIDOS comenzaba también el uso de las huellas dactilares y a partir de ese año, 1907, durante los próximos 25 años más Agencias de Seguridad y Estado fueron incorporando el uso de huellas digitales como medios de la identificación personal. Muchas de estas agencias comenzaron a enviar las copias de las huellas digitales a la oficina Nacional de Identificación Criminal, que fue establecida por la Asociación Internacional de Jefaturas de Policía.
En 1918 el Sr. Edmond Locard escribió que si 12 puntos (detalles de Galton - Minucias) fueran iguales, entre dos huellas digitales, sería suficiente como identificación positiva. De ahí nace el número requerido de puntos necesarios para una identificación positiva. Algunos países han fijado sus propios estándares, que incluyen un número mínimo de puntos, pero no en los Estados Unidos.
En 1924 en una Ley del Congreso, se aprobó la división de Identificación del F.B.I. a través de la huella digital, formando el primer archivo de huellas dactilares de los EEUU. Antes de 1946, el F.B.I. había procesado 100 millones de tarjetas de huellas digitales en archivos manualmente mantenidos; y antes de 1971, 200 millones de tarjetas.
40
Con la introducción de la tecnología de AFIS, los archivos fueron clasificados en archivos criminales automatizados, de 25 a 30 millones de huellas dactilares y los archivos civiles eran mantenidos manualmente. En el futuro no muy lejano, el FBI espera dejará de usar las tarjetas de papel de la huella digital, y generando una Base de Datos Central totalmente Digitalizada, dentro de un sitio integrado con las nuevas variantes de AFIS (IAFIS). WV IAFIS tendrá inicialmente expedientes automatizados individuales de la huella digital de aproximadamente 33 millones de criminales. Las viejas tarjetas de papel de huellas digitales de archivos civiles, todavía se mantienen manualmente en un modo de “almacén” (espacio alquilado en el centro de compras) en Fairmont, WV.
2.2.2 Introducción al estudio de la dactiloscopia
2.2.2.1 Definición de dactiloscopia
Juan Vucetich, define a la Dactiloscopia como:
“La ciencia que se propone la identificación de la persona físicamente considerada por medio de la impresión o reproducción física de los dibujos formados por las crestas papilares en las yemas de los dedos de las manos.”
El Dr. Luis Reyna Almandos, la define diciendo:
“La Dactiloscopia es la ciencia que trata de la identificación de la persona humana por medio de las impresiones digitales de los diez dedos de las manos.”
Origen del vocablo Dactiloscopia.
El Dr. Francisco Latzina, propuso el uso de la palabra DACTILOSCOPIA, que se compone de DAKTILOS; dedo y SKOPEIN; examinar, vocablo que esta actualmente en uso.
2.2.2.2 Bases de la dactiloscopia
La Dactiloscopia se basa en la impresión o reproducción física de los dibujos formados por las crestas papilares de las yemas de los dedos de las manos.
La identificación papilar se basa en que los dibujos formados por las crestas digitales, palmares y plantares son perennes, inmutables e infinitamente diversas. La perennidad e inmutabilidad del dibujo papilar digital fueron demostradas prácticamente por Hershel mediante dos impresiones de su dedo índice derecho tomadas con 28 años de intervalo y comprobadas científicamente por el antropólogo ingles Francis Galton, quien llega a precisar que los dibujos digitales se hallan formados en sexto mes de vida intrauterina.
