A biometria módszerek használata egyre jobban beleívódik életünkbe. A következőkben ennek egy ágáról, a viselkedésalapú biometriáról olvashatunk és ismerhetjük meg a módszer alkalmazásának pozitív és negatív vonatkozásait.
Korábbi cikkünk a biometrikus azonosító rendszerek elfogadottságával foglalkozott, melynek alapja egy tanulmány volt, amelyet 2006 és 2014 évben elvégzett vizsgálatok eredményeiből állított össze Professzor Dr. Kovács Tibor és Földesi Krisztina, a jelenlegi Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai mérnök karán. A tanulmány meglepő konklúziója szerint, a vizsgált időszak alatt a biometrikus azonosítás elfogadottsága csökkent. Cikkünkben a tanulmány felhasználásával, a jobbító megoldások mikéntjére keressük a válaszokat. (tovább…)
A Facebook arcfelismerő algoritmusa miatt az Egyesült Államokban indított polgári per felveti a kérdést: ha valaki az arcunkról készült képet adattá alakítja, akkor vajon ténylegesen biztonságban vannak-e a személyes és biometrikus adataink? (tovább…)
Az olvasásért és szavak felismeréséért felelős, agyi területet bevonása a biometrikus azonosításba a jelek tisztaságából adódóan sokkal kevesebb feldolgozandó adatot generál, így gyorsabb analizációt tesz lehetővé. A témában végzett érdekes kutatást Spanyolországban, az Agyi, Észlelési és Nyelvi Központban Blair Armstrong.
A magánbiztonsági és a közbiztonsági területen is érzékelhetően egyre nagyobb teret nyernek a biometrikus eljárások. Az alkalmazás gyakorlatának, a fejlesztés irányainak kidolgozásához ugyanakkor fontos képet kapni a módszer társadalmi elfogadottságának helyzetéről, tendenciáiról. A témát 2006-ban, illetve tavaly vizsgálták szakemberek, kutatásaik következtetései habár meglepőek, de tanulságosak. (tovább…)
Az arcot formája és hőképe alapján lehet azonosítani, de érdekes lehetőség lehet a fül alapú azonosítás is a biometriában. (tovább…)
A biometriában több féle kéz alapú azonosítás létezik, ilyenek a tenyérnyomat, a kézgeometria és a tenyérerezet azonosítása (tovább…)
Az ujjnyomat a legszélesebb körben használt biometrikus jellemző. Ma már rutinszerűen használják azonosításra: a kriminalisztikában több mint 100 éve, de az első automatikus ujjnyomat azonosító rendszerek – angol terminológia szerint Automated Fingerprint Identification System, AFIS – több mint 50 éve megjelentek.
Legelső felhasználók a rendvédelmi szervek voltak, majd az egyre nagyobb számban előforduló személyazonossággal való visszaélés miatt szükség lett a nem törvényszéki alkalmazásokra is.
Az ujjnyomat a természetesen síkfelületre helyezett ujj ott maradó, kétdimenziós lenyomata. A digitális feldolgozás alkalmával ezt a lenyomatot leképezik. Az ujjra ránézve a bőr maradandó gyűrődéseiből származó hullámhegyek és völgyek, barázdák láthatók. Ezeket a bőrredőket nevezik a fodorszálaknak, fodorvonalaknak, amelyek három nagy mintát alkotnak, nevezetesen: (1. ábra)
A fodorszálak végét, elágazásait illetve kapcsolódásaik helyét sajátossági pontnak (minutia) nevezzük. Bizonyos azonosítási módszerek ezeknek a pontoknak az elhelyezkedését vizsgálják.
 |
 |
 |
 |
 |
| a | b | c | d | e |
|
A minutiák típusai |
||||
Az automatikus ujjnyomat-azonosítás előtt meg kell említeni a daktiloszkópiát. Ekkor a vizsgáló személy manuálisan hasonlít össze
Jellemzően a két kép összeegyeztethetetlenségét keresik. Ez azt jelenti, hogy az egyik képen a nyom örvényes a másikon pedig hurkos akkor a két kép biztosan különbözik. Amennyiben ezt nem tudják egyértelműen bizonyítani, akkor az ujjnyomon található sajátosságok (minutiák, fodorszálak) megfelelősségeit keresik a jó minőségű ujjlenyomat képén. A megfelelőségi küszöböt a jog szabályozza (USA CSI 8 azonos érték), de tapasztalat alapján már 5 azonosság is elég.
Sorozatunk előző cikkében a rendszermodell tárgyalásakor az adatrögzítési és adatfeldolgozási alrendszer az automatikus ujjnyomat azonosításakor az alábbi módokon valósul meg.
Az ujjnyomat leolvasási technológia több szempont alapján csoportosítható.
Optikai elven működő leolvasás során a feldolgozandó képet optikai rendszeren keresztül CMOS szenzorral vagy CCD-vel elektromos jellé alakítják át.
 |
 |
| Ujjnyomat | |
| Egyetemesség | az embernek általában megvan mind a 10 ujja, de ebből nem értékelhető valamennyi |
| Egyediség | egyedi |
| Állandóság | állandó, de műtét, baleset megváltoztathatja |
| Mérhetőség | az emberek 1–3 százalékának nem értékelhető az ujjnyomata |
| Teljesítmény | egyszerűsége miatt nagyon kiemelkedő |
| Megtéveszthetőség | bizonyos feltételek mellett megtéveszthető |
| Elfogadhatóság | aktív módszer, nem támaszt különleges követelményeket |
[1] Prof. Dr. Kovács Tibor: Biometrikus azonosítás, Digitális jegyzet, Óbudai Egyetem, Budapest, 2010.
A biometrikus azonosítás működésének technikai és technológiai megértéséhez szükség van az alapvető fogalmak tisztázására. Cikksorozatunk következő részében ezeket a fogalmakat tisztázzuk. (tovább…)
Sokféle személyazonosítási módszert használunk a gyakorlatban. De mindegyiknek megvan a maga előnye, hátránya. Ezeket mérlegelve lehet az adott feladatnak legjobban megfelelő módszert kiválasztani. (tovább…)
A térdazonosítás során mágneses rezonanciás képalkotással (Magnetic Resonance Imaging, MRI) vizsgálják a térdet azért, hogy tömegben gyorsan azonosíthassák az embereket. (tovább…)
Számos fejlesztő dolgozik a hiteles azonosítás egyszerűsítésén és mellette a biztonságosságának növelésén. (tovább…)
A biometria elemzésére használt matematikai módszerek közül sorozatunk harmadik részében a Doddington-féle 30-as szabályt és biometrikus rendszerek megbízhatóságának statisztikai elemzését mutatjuk be. (tovább…)
A biometria elemzésére használt matematikai módszerek közül sorozatunk második részében a Bayes-analízis és az intervallumbecslés módszere ujjnyomazonosító-rendszerek vizsgálatában témakörét mutatjuk be. (tovább…)
A binomiális eloszlás alkalmazási lehetőségei ujjnyomat azonosító rendszerek vizsgálatában, a maximum likelihood elv alkalmazásával.
Személyek biometrikus jellemzők alapján történő azonosítása az utóbbi években egyre nagyobb figyelmet von magára. Megkülönböztethetünk számos biometrikus jellemzőt, de több ok miatt az ujjnyomat a leggyakrabban alkalmazott ezek között. Ennek oka, hogy az ujjnyomat könnyen hozzáférhető, viszonylag jó hatásfokkal alkalmazható, és az ujjnyom érzékelő szenzoroknak viszonylag alacsony ára. Habár számos ujjnyomat felismerő rendszer hozzáférhető a kereskedelemben, a publikációk nagy száma mutatja, hogy szükség van további kutatásokra e rendszerek megbízhatóságának és hatékonyságának növelése érdekében. Ebben a cikksorozatban néhány olyan valószínűségelméleti és statisztikai módszert mutatunk be, amelyek alkalmasak lehetnek e rendszerek hatékonyságának és a megbízhatóságának értékelésére és növelésére.
Bimetrikus beléptetőrendszereket számos módon lehet jellemezni. A gyártók valamint az üzemeltetők és felhasználók szempontjából azonban különlegesen fontos jelentősége van néhány valószínűségi jellemzőnek.
Ebben a cikksorozatban elsősorban ennek a két valószínűségi jellemzőnek a vizsgálatával foglalkozunk, de a sort lehet folytatni.
Az alábbi vizsgálatokat elvileg tetszőleges biometrikus azonosító rendszer esetében el lehet végezni. A konkrétum érdekében azonban mi kiválasztottunk egyet a több lehetőség közül, az ujjnyom azonosító rendszereket. Tettük ezt azért, hogy a felhasznált matematikai módszerek alkalmazását konkrét formában is be tudjuk mutatni. Az elv amelyet alkalmazunk az, hogy kiválasztunk egy, a problémához jól illeszkedő valószínűségeloszlás t, majd alkalmazzuk a maximum likelihood elvet, ezek után pedig általános statisztikai módszereket, pont és intervallumbecsléseket, annak érdekében, hogy az azonosító rendszerekre megállapított, már említett valószínűségi adatok statisztikailag szignifikánsak legyenek. Ezt a gondolatsort mutatjuk be részletesen ujjnyom azonosító rendszerekre.
Ez a dolgozat egy három részes cikksorozat első része.
A biometrikus azonosító rendszerek statisztikai elemzésének lehetőségét konkrét példán, egy meghatározott valószínűségeloszlás alkalmazásán keresztül szeretnénk bemutatni. Az általunk választott eloszlás a binomiális eloszlás. Azért választjuk ezt, mert ez az eloszlás a vizsgált témakörben számos szituációban alkalmazható. Ennek lehetőségét az alábbiakban konkrétan az ujjnyomat azonosító rendszerek vizsgálata során részletezzük.
A binomiális eloszlás a Bernoulli-féle feladatra adott válaszként definiálható.
A Bernoulli féle feladat a következő [1, 2, 3]: Adott egy p valószínűségű A esemény, amelyre vonatkozólag végzünk n darab független megfigyelést.
A kérdés a következő: Mi a valószínűsége annak, hogy az n megfigyelés során a vizsgált A jelű esemény pontosan r alkalommal következik be (r = 0, 1, 2, …, n).
Definiáljuk a ξ valószínűségi változót a következő módon: az A esemény bekövetkezéseinek a száma.
Ekkor a ξ valószínűségi változó definíció szerint binomiális eloszlású. Az eloszlás a következő:
(2.1) képlet
A binomiális eloszlást tehát két paraméter határozza meg, a megfigyelések n száma és a p valószínűség. Ezért szokás az eloszlásra egyszerűen a Bin(n, p) jelöléssel hivatkozni. Hangsúlyozzuk, hogy az eloszlás alkalmazhatóságának alapvető kritériuma a függetlenség, amely konkrétan azt jelenti, hogy ha végeztünk egy megfigyelést, akkor a következő megfigyelés eredményét, amelyet szigorúan azonos feltételek mellett kell elvégezni, az előző megfigyelés eredménye nem befolyásolja. Az alábbiakban mutatunk néhány példát, amikor biometrikus rendszerek vizsgálata során ez az eloszlás alkalmazható. A binomiális eloszlás a (2.1) képlet alapján közvetlenül számítható: Egy lehetőség ennek számítására a minden számítógépen telepített Excel szoftver, amelyben „függvény beszúrása” utasítással kiválasztható a binomiális eloszlás értékeit kiszámító alprogram, de léteznek előre gyártott táblázatok is [1].
Tegyük fel, hogy egy cég biometrikus azonosító rendszerek gyártásával foglalkozik. Tegyük fel továbbá, hogy n darab üzemeltető vásárol egyazon típusú azonosító rendszerből és – jó közelítéssel – azonos körülmények között működteti azt. Világos, hogy ezek a rendszerek egymástól függetlenül működnek, és az is, hogy mivel azonos rendszerekről van szó, mindegyik meghibásodásának a valószínűsége ugyanaz a p érték.
A kérdés lehet a következő: Mi a valószínűsége, hogy az n darab üzemelő rendszer közül pontosan r darab meghibásodik például egy éven belül. Ez a kérdés példaként garanciális okok miatt felmerülhet a gyártó szempontjából. Világos, hogy a probléma Bernoulli-féle feladat. Ha tehát a ξ valószínűségi változót úgy értelmezzük, hogy az n darab értékesített beléptetőrendszer között az egy éven belül meghibásodott rendszerek száma, akkor a ξ binomiális eloszlású, tehát (2.1) képlet adja meg a választ a kérdésre.
Tegyük fel, hogy egy biometrikus beléptetőrendszer üzemel n darab regisztrált felhasználóval. Az üzemeltető és a felhasználók szempontjából egyaránt lényeges kérdés, hogy milyen valószínűséggel következik be egy téves elutasítás, tehát egy olyan esemény, amely során a regisztrált, tehát belépésre jogosult felhasználót a rendszer nem engedi át, elutasítja. Ez a jellemző a téves elutasítási arány (FRR), amely az ilyen beléptetőrendszerek egyik legfontosabb paramétere. Világos, hogy ez nem csak a felhasználók szempontjából lényeges kérdés, hanem a gyártó cég szempontjából is, hiszen minél kisebb ennek az értéke, annál jobban működik a rendszer, könnyebb magas áron értékesíteni. A kérdés, hogyan lehet ezt az arányt kiszámítani.
A konkrétum kedvéért tegyük fel, hogy egy ujjnyomat-azonosításon alapuló beléptetőrendszert vizsgálunk. Ebben az esetben minden felhasználónak az elsődleges ujjnyomata szerepel a rendszer adatbázisában. Belépéskor az olvasófej beolvas egy másodlagos ujjnyomatot. Ezt a másodlagos ujjnyomatot hasonlítja össze a szoftver az adatbázisban levő elsődleges nyomatokkal [4, 5, 6, 7]. Első megközelítésben induljunk ki abból, hogy az egyes felhasználók másodlagos ujjnyomatának szoftveres elemzése egymástól független. Ez világos, hiszen egy ujjnyomat elemzése semmilyen módon nem befolyásolja egy következő ujjnyomat azonosítását. Továbbá tegyük fel, hogy a másodlagos ujjnyomat azonosítása ugyanazzal az 1 – p valószínűséggel történik minden felhasználóra, tehát p annak valószínűsége, hogy egy regisztrált felhasználót a rendszer elutasít. (Ezen a ponton lehet vitatkozni azon, hogy ez valóban ugyanaz a valószínűség vagy sem. Ha figyelembe vesszük azt, hogy minden ember ujjnyomata más, akkor biztosan vannak különbségek, de ha szeretnénk matematikai módszerekkel leírni a problémát, akkor ezzel az idealizációval élnünk kell.)
Definiáljuk a ξ valószínűségi változót a következő módon: Legyen egy adott napon az n darab regisztrált felhasználó egyszeri belépése esetén azok száma, akiket a rendszer elutasít. Ez ugyancsak Bernoulli-féle feladat, tehát a ξ binomiális eloszlású.
Ha ugyanilyen feltételek mellett az η valószínűségi változót úgy értelmezzük, hogy egy adott felhasználó esetén azon esetek száma egy év alatt, amikor a rendszer nem engedi át az adott felhasználót, akkor ez ugyancsak binomiális eloszlású. Ebben az esetben viszont nyilván nem kérdéses, hogy minden egyes belépés esetén az esemény bekövetkezésének valószínűsége ugyanaz a p érték.
Ugyanilyen logikával leírható az az esemény, amikor egy nem regisztrált felhasználó, tehát egy „imposztor” át akar jutni a beléptetőrendszeren. Ezek aránya a téves elfogadási arány (FAR). Ez ugyancsak binomiális eloszlással modellezhető. Ez a paraméter ugyancsak nagyon fontos jellemzője a beléptetőrendszernek. Egy rendszer annál jobb, minél kisebb ez az érték. Az FRR és FAR értékek részletes vizsgálatára a későbbiekben visszatérünk.
Foglalkozzunk részletesebben az ujjnyomat azonosító rendszerekkel. Hogyan is azonosít egy ujjnyomat érzékelő és kiértékelő szoftver [4, 5, 6, 7]. Az elsődleges ujjnyomat alapján azonosítanak úgynevezett minutiákat, amelyek az ujjnyom jól azonosítható pontjai. Az 1. ábrán – amely sematikus kép, nem valódi ujjnyom – láthatunk példát ilyenekre.
Az ujjnyom-azonosítás minutiák alapján történik – 1. ábra
Az ábrán látható minutiák neve fentről lefelé haladva: végződés, szem, elágazás, sziget. A lényeg, hogy a „sima”, „hibátlan” barázdarendszer nem eléggé karakteres, nem használható azonosításra. Ehelyett az ábrán látható jellegzetes pontokat használják úgy, hogy figyelembe veszik ezek távolságát, valamint irányát, hiszen ezekhez a pontokhoz rendelhető irány is, amely irány a pontból induló vagy oda érkező barázdának az iránya, vagy egy barázdaszakasznak az iránya. A szoftver az elsődleges ujjnyomatok alapján ezeket regisztrálja és a másodlagos ujjnyomatot ezekhez hasonlítja.
A rendszer általában két vizsgálatot végez:
1. lépés: Meghatározza az adott típusú minutiák – ez azt jelenti, hogy a szoftver referencia minutiákat vesz alapul a vizsgálathoz (1. ábra) – egymástól mért távolságát egy bizonyos távolsági tolerancia figyelembe vételével. Ugyanis bőrünknek van annyi rugalmassága, hogy két különböző alkalommal a minutiák nem kerülnek egzaktul ugyanolyan relatív távolsági helyzetbe. Ha azonban bizonyos okok miatt a távolsági toleranciát áthágjuk, akkor a rendszer természetesen elutasít bizonyos eséllyel. A 2. ábrán láthatunk példákat ilyen távolsági vizsgálatra.
Minutiák távolsági azonosítása – 2. ábra
2. lépés: Miután a távolsági vizsgálat megtörtént, következik az irány szerinti vizsgálat. Azt kell tekintetbe venni, hogy a helyileg és típus szerint azonosított minutiák iránya is megegyezik-e az elsődleges ujjnyomaton található minutiák irányával. Természetesen, ugyancsak a bőr rugalmassága miatt, meg kell engedni egy bizonyos szög szerinti toleranciát is. A 3. ábrán a minutiákhoz rendelt irányok láthatók.
Minutiákhoz rendelt irányítás (pontosan egy végződéshez kék nyílat és egy elágazáshoz piros nyilat rendeltek a képet) 3. ábra
A minutiák szög szerinti azonosítása ugyancsak modellezhető binomiális eloszlással. A pozíció szerinti eloszlás közvetlenül azonban nem, majd a 4. példában megadjuk azt a módosítást, amely már leírható a Bernoulli-féle feladattal.
A minutiák pozíció szerinti azonosítása ismétlés nélküli mintavételi modellel írható le [1, 2, 3]. Ennek oka az, hogy a minutiák pozíció szerinti azonosítása nem független, ha egy minutiát már helyileg azonosítottunk, akkor a következő esetében az azonosítás valószínűsége különbözik az előző lépésétől, mert már kevesebb minutia maradt. Ez tehát nem Bernoulli-feladat. Tegyük fel tehát, hogy a sablon tartalmaz N darab referencia minutiát. Ezek között S darab olyan van, amelyek az adott másodlagos ujjnyomat értékelhető, feldolgozható területén belül vannak. Ezek után a kiértékelhető területen belül következik az összehasonlítás műveletsora. Tegyük fel, hogy a vizsgált területen található u darab minutia amelyek közül a szoftver m darabot tud pozíció szerint azonosítani. Mi ennek az eseménynek a valószínűsége? Az ismétlés nélküli mintavétel, vagy más néven a hipergeometriai eloszlás [1, 2, 3] szerint ez a következő
(2.2) képlet
Ha már azonosított a rendszer m darab minutiát típus és hely szerint, akkor következik az irány szerinti azonosítás. Az irány szerinti azonosítás azonban már Bernoulli-féle feladat, ugyanis az egyes pozícióhelyes minutiák esetén egymástól függetlenül ugyanakkora p valószínűséggel következik be, hogy egy adott minutia iránya egy adott szögtolerancia figyelembe vételével adott szögtartományba esik.
Ha tehát a ξ valószínűségi változót úgy értelmezzük, hogy a hely és típus szerint azonosított m darab minutia között azok száma, legyen ez r, amelyek irány szerint is megfelelőek, akkor ez a valószínűségi változó binomiális eloszlású. Ezek szerint a (2.1) és (2.2) képletek felhasználásával azt mondhatjuk, hogy annak valószínűsége, miszerint egy másodlagos ujjnyomaton r darab minutia azonosítható a következő
(2.3) képlet
Ebben a szituációban is alkalmazható tehát a binomiális eloszlás.
Módosíthatjuk a 3. példabeli távolság szerinti azonosítás problémáját úgy, hogy alkalmazható legyen a Bernoulli-féle feladat és így a binomiális eloszlás. Tegyük fel, hogy a rendszer felismer n darab minutiát a másodlagos ujjnyomaton. Ha ezeket párosítjuk, vagyis vizsgáljuk a kölcsönös távolságokat akkor világos, hogy összesen 
darab minutiapárt tudunk kiválasztani. A távolsági azonosítás abból áll, hogy mindezeket a távolságokat a rendszer „megméri”. Azonban nyilvánvaló, hogy ezek a távolságok nem mind függetlenek. Válasszunk ki ugyanis egy tetszőleges minutiát, és rögzítsük vonatkoztatási pontként. Ha ettől a ponttól mérjük a távolságokat, akkor nyilván elég a többi n – 1 darab minutia távolságát és ezen minutiák vonatkoztatási ponthoz viszonyított irányát meghatározni, a többi pár távolsága ezekből az adatokból már következik.
Független minutiapárok távolsága – 4. ábra
A 4. a) ábrán látható, hogy n = 3 esetén, amikor 
elég 3 – 1 = 2 független távolságot meghatározni (a piros színű szakaszok), a b) ábrán, tehát n = 4 esetén, amikor, 
elég 4 – 1 = 3 független távolságot meghatározni (piros színű szakaszok), a többi távolság ezekből már következik, mondhatjuk úgy is, ezekkel együtt a távolságok már nem függetlenek. De n – 1 darab távolság független rendszert alkot.
Módosítsuk tehát a 3. példabeli távolsági azonosítást az alábbi módon.
Rögzítünk egy minutiát vonatkoztatási pontként, és definiáljuk a ξ valószínűségi változót úgy, hogy azon minutiák száma a maradék n – 1 darab minutia között, amelyek távolsága megfelel a sablonbeli távolságoknak. Ekkor – mivel a mondottak szerint ezek a megfigyelések függetlenek – a ξ valószínűségi változó binomiális eloszlású. Ha p jelöli annak valószínűségét, hogy egy adott minutia a vonatkoztatási ponttól megfelelő távolságban van, akkor ezen független megfigyelések eloszlása Bin(n –1, p) Bernoulli eloszlás.
Mivel a későbbiek szempontjából fontos szerepe van, ezért ismét felírjuk annak az eseménynek a valószínűségét, hogy a biometrikus rendszer a vázolt módon azonosít r darab minutiát, a következő
(2.4) képlet
Előrevetítve a későbbi vizsgálatokat, ezzel a formulával lehet meghatározni a téves elutasítási arányt is és a téves elfogadási arányt is. Mindössze annyit kell tenni, hogy p helyére rendre annak az eseménynek a valószínűségét írjuk, hogy a rendszer nem azonosít egy adatbázisban szereplő minutiát, illetve hogy a rendszer elfogad egy adatbázisban nem szereplő minutiát. Ezek részletes vizsgálatára visszatérünk a cikksorozat 3. részében.
A témakör lezárásaképpen tehát elmondhatjuk, hogy a binomiális eloszlás valóban fontos szerepet játszik egy ujjnyomat azonosító rendszer matematikai leírásában. Ezzel az eloszlással lehet leírni, hogy bekövetkezik-e az 5. ábrán látható ujjnyomat azonosítás vagy nem. Az ábrán valódi ujjnyomatok digitalizált, vékonyított képe látható [4, 5, 6, 7]. Az azonosítás minutiapárok segítségével történik, amelyet a mondottak szerint távolsági és szög szerinti összehasonlítás alapján hajt végre egy szoftver. Felmerül a kérdés, hogy hány minutia egyezése esetén tekintünk két ujjnyomatot azonosnak. Ez is egy sarkalatos kérdés, a későbbiekben ennek a kérdésnek a vizsgálatára is visszatérünk.
Elsődleges és másodlagos ujjnyomat azonosítása – 5. ábra
A maximum likelihood elv széleskörűen alkalmazott eljárás a paraméterekkel adott eloszlások paramétereinek meghatározásában [8]. Lényegében optimalizálási elv, amely a következő módon fogalmazható meg:
függvényt, vagyis a likelihood függvényt maximálissá teszi. A likelihood függvény nem más, mint egy X valószínűségi változó megfigyelése során kapott X1, X2, … Xn statisztikai minta együttes sűrűségfüggvénye. Ha feltesszük, hogy a megfigyelések függetlenek – a gyakorlatban általában ezzel a feltevéssel élünk -, akkor a likelihood függvény az egyes sűrűségfüggvények szorzata:
(3.1) képlet
A maximum likelihood elv alkalmazása abból áll, hogy ennek a függvénynek meghatározzuk a maximumhelyét, azt a Q értéket, amely az 
függvényt maximalizálja. Ez azt jelenti, hogy ennek a Q paraméternek az alkalmazásával lesz az 
függvénnyel adott valószínűség maximális.
Mivel a szorzat nehézkesen kezelhető, a likelihood függvény természetes logaritmusát szokás alapul venni az optimalizálásnál, valamint azt a tényt, hogy egy függvénynek és a logaritmusának a szélsőértékhelye megegyezik. A maximum likelihood elv tehát a
(3.2) képlet
úgynevezett log-likelihood függvény szélsőértékhelyének meghatározását jelenti. A szélsőértékhely meghatározása a matematikai analízisből megismert módon történik. Első lépésben megoldjuk a 
egyenletet. Ezek után alkalmazunk a 
elégséges feltételt annak eldöntésére, hogy valóban maximumhelyet kaptunk.
Alkalmazzuk most a maximum likelihood elvet a binomiális eloszlás Q = p paraméterének becslésére. Tegyük fel, hogy n darab független megfigyelést végeztünk egy p valószínűségű eseményre vonatkozóan. Ha a valószínűségi változó az esemény bekövetkezéseinek r száma, akkor az eloszlás Bin(n, p)-vel jelölt binomiális eloszlás. Ebben a p valószínűséget tekinthetjük ismeretlen paraméternek. A 
likelihood függvény ekkor az
(3.3) képlet
alakban írható. Ennek természetes logaritmusa a log-likelihood függvény:
(3.4) képlet
Képezve a p-paraméter szerinti parciális deriváltat, a következő egyenletet kapjuk:
(3.5) képlet
Amelynek megoldása: 
. Tehát a p paraméter maximum likelihood becslése éppen a megfigyelésekből adódó relatív gyakoriság. Ez valóban a maximumhelye a log-likelihood függvénynek, hiszen
(3.6) képlet
Kaptunk tehát egy pontbecslést a binomiális eloszlás p paraméterének értékére. Erről a pontbecslésről még két fontos tulajdonságot érdemes megemlíteni [9, 10]. Ez a becslés egyrészt torzítatlan, azaz várható értéke éppen a p paraméter
(3.7) képlet
másrészt konzisztens, ez azt jelenti, hogy tetszőleges ε pozitív szám mellett n → ∞ esetén nullához tart annak az eseménynek a valószínűsége, hogy a relatív gyakoriságnak a p-től való eltérése nagyobb, mint ε, azaz
(3.8) képlet
Ezt az összefüggést úgy szokás megfogalmazni, hogy a relatív gyakoriság sztochasztikusan konvergál a p valószínűséghez, ha a megfigyelések n száma minden határon túl növekszik.
A mondandónk lényege az, hogy ha a binomiális eloszlás p paraméterét szeretnénk becsülni, akkor a „legjobb” becslés a vizsgált esemény relatív gyakorisága. Minden további becslő értéket, mérőszámot, jellemzőt, amelyet a továbbiakban a binomiális eloszlással kapcsolatban a vizsgálatok eredményének birtokában megfogalmazunk, célszerűen a maximum likelihood becsléshez (a továbbiakban ML-becslés) fogjuk viszonyítani.
Bemutattuk egy konkrét esetben, ujjnyom érzékelő biometrikus azonosító rendszer esetén egy valószínűségeloszlás, konkrétan a binomiális eloszlás alkalmazásának lehetőségét. Az elvi lehetőség azonban megvan arra, hogy az [1, 2, 3, 8] szakirodalmakban tanulmányozható bármely eloszlást alkalmazzunk egy alkalmas szituációban. Minden egyes ilyen esetben célszerű alkalmazni a 3. pontban vázolt maximális valószínűség elvét, hogy az eloszlás optimális paramétereit megkapjuk. A továbbiakban, a cikksorozat 2. részében az 1. részben vizsgált binomiális eloszlás részletes statisztikai vizsgálata következik annak fényében, hogy az elméletet ujjnyom azonosító rendszerek vizsgálatára alkalmazzuk.
Dr. Hanka László PhD., Óbudai Egyetem, Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar, Mechatronikai Intézet
hanka.laszlo@bgk.uni-obuda.hu
1. Denkinger Géza: Valószínűségszámítás, Tankönyvkiadó. Budapest. 1989.
ISBN: 963 18 1552 8
2. William Feller: Bevezetés a valószínűségszámításba és alkalmazásaiba, Műszaki Könyvkiadó. Budapest. 1978. ISBN: 963 10 2070 3
3 Rényi Alfréd: Valószínűségszámítás, Tankönyvkiadó. Budapest, 1981.
ISBN: 963175931 8
4. Tsai-Yang Jea,Venu Govindaraju: A minutia-based partial fingerprint recognition system, Pattern Recognition 38 (2005) 1672 – 1684
5. Jin Qi,YangshengWang: A robust fingerprint matching method, Pattern Recognition 38 (2005) 1665 – 1671
6. Hemlata Patel, Pallavi Asrodia: Fingerprint Matching Using Two Methods. International Journal of Engineering Research and Applications, Vol. 2, Issue 3, May-Jun 2012, pp.857-860
7. Joseph N. Pato, Lynette I. Millett: Biometric Recognition: Challenges and Opportunities, National Academic Press. Washington, D.C. ISBN 978-0-309-14207-6
8. Jánossy Lajos: A valószínűségelmélet alapjai és néhány alkalmazása, Tankönyvkiadó. Budapest. 1965
9. Bolla Marianna, Krámli András: Statisztikai következtetések elmélete, Typotex Kiadó Budapest, ISBN 9639548413.
10. Prékopa András: Valószínűségelmélet műszaki alkalmazásokkal, Műszaki Könyvkiadó. Budapest. 1965
Évente rendezik meg Londonban a biometriával foglalkozó szakemberek egyik legjelentősebb találkozóját a Biometrics Londont. A kiállításon és konferencián megjelennek a világ legjelentősebb kutatói, fejlesztői, gyártói és a témához kapcsolódó szervezetek, szövetségek, oktatási intézményeinek képviselői.
Az idei Biometrics 2012-n Londonban részt vett Fehér András, az Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kara Alkalmazott Biometria Intézetének munkatársa is. A háromnapos konferencián és a kétnapos kiállításon számos előadás hangzott el a biometria újdonságairól, bemutattak új eszközöket, technológiákat és a még tesztelés alatt álló fejlesztéseket is – kezdte beszámolóját Fehér András. Szeptember 11-e hatása ma is érezhető a biztonsági ipar és ezen belül a biometria fejlődésén. Tapasztalatai szerint a gazdaság fejlődését messze meghaladja a tudás, a tudomány fejlődése. Napjainkban a biometriában a technológiák közül az arcfelismerés és a DNS-azonosítás fejlődése a legjelentősebb. Bár a DNS-azonosításának fizikai korlátai vannak, már megközelítik a 90 perces határidőt.
A biometria fő felhasználói a rendészeti szervek, az eszközök terén pedig a mobileszközök: a tabletek és az okostelefonok kerültek az első helyre. A gyakorlatban az azonosítás úgy történik, hogy a rendőr vagy a katona kezében a mobil eszközzel, amelyhez ujjnyomatolvasót csatlakoztattak, lefényképezi a vizsgálni kívánt személyt, ujjnyomatot vesz tőle, beírja az adatait a mobileszközbe az okmányai alapján. Majd online módon vagy offline adatbázisával kiszűri, hogy az illetőt körözik-e, akár a rendőrség akár mondjuk a bevándorlási hivatal. De van olyan bonyolult készülék is, amely ellenáll az időjárás viszontagságainak, és három-négyféle biometriai adatot is képes vizsgálni: arcfelismerő, ujjnyomatolvasó és íriszszkenner is kapcsolódik hozzá. Tehát a technika fejlődésének iránya, hogy mobil eszközökkel a helyszínen, minél többféle módon ellenőrizzék az embereket.
Az arcfelismerés nagyon sokat fejlődött az utóbbi időben, egyszerre nagy tömeg vizsgálatára képes berendezést is bemutattak a kiállításon. A kamerát nagy forgalmú helyre teszik ki, például repterekre, forgalmas városi csomópontokba, áruházakba, ahol is gyakorlatilag minden egyes embert képes ellenőrizni az arcfelismerő-rendszer, aki a látóterébe kerül.
De van olyan alkalmazási lehetősége is az arcfelismerő-rendszernek, hogy áruházláncok fölviszik az adatbázisba a kétezer, általuk ismert áruházi tolvaj képét, és a rendszer figyelmezteti a biztonsági személyzetet, ha közülük valaki megjelenik az üzletben, így külön figyelmet kaphat az őröktől. De használható ez VIP személy felismerésére is.
Az arcfelismerésben a nehézséget az jelenti, hogy egyszerre sok embert rövid idő alatt kell azonosítani, és ha elfordítja a fejét, akkor is felismerhető legyen. Dollár milliárdokat ölnek a fejlesztésekbe, a finanszírozók pedig a bevándorlási hivatalok, a rendőrség, katonaság, határőrség.
Az amszterdami Schiphol repülőtéren már működik az az automatikus beléptetőrendszer, amelyben maga a felhasználó helyezi a biometriai adatait tartalmazó chipes útlevelét a szkennerbe. Automatikusan fényképet készít róla a rendszer, majd összeveti a három képet: a frissen készültet, az útlevélből szkenneltet és a chipen szereplőt. Ezzel kapcsolatban Fehér András kifejtette az aggályait is, minél inkább automatikus a rendszer, annál könnyebb becsapni. Ha valaki egyszer hamis adatokkal már sikeresen átment az ellenőrzésen, akkor azon túl mindenhol azonosítani fogják. Erre megoldás, ha több ponton, több ember vesz részt az ellenőrzés folyamatában, mert akkor kisebb a hibázási lehetőség.
A biometria története az ókorig nyúlik vissza, a XIX. században kezdtek újra érdeklődni iránta, de tömeges elterjedése már inkább a XXI. századra tehető.
A 2000-ben megjelent Biometrikus Fehérkönyv szerint:
„Sokan úgy vélekednek a biometriáról, hogy az tudományos-fantasztikus jövőbeli technológia, amelyet a napenergiával hajtott autókkal, élelmiszertablettákkal és egyéb ördögi eszközökkel együtt fogunk használni valamikor a jövőben.”
Azóta már jobban beépült az életünkbe a biometria gondolata, elsősorban az ujjnyomatazonosítás, az arcfelismerés és a DNS-azonosítás témakörében. Egyre több ujjnyomat azonosítóval találkozunk a mindennapjainkban: laptopok, autók indításakor, de főként beléptetőrendszerekben. Világszerte terjednek a térfigyelőrendszerek is, a megfelelő filmsorozatokból pedig tudhatjuk, hogy bárhol is járjunk az „arcfelismerő” rendszer megtalál bennünket.
Így azután több féle következménye is lehet a biometria alkalmazásának
Történeti áttekintés
A történelem során a biometriai ellenőrzés alapelveit jóval korábban ismerték, mint azt gondolnánk, és tették a mindennapos gyakorlat részévé. Már évezredekkel ezelőtt Nílus-völgyi eleink, a babilóniaiak vagy a kínaiak rutinszerűen alkalmaztak biometriai ellenőrzést mindennapi üzleti helyzetekben. Jó néhány utalást találunk arra, hogy egyéneket formálisan azonosítottak egyedi fizikai, fiziológiai paraméterek alapján, mint sebhelyek, mért fizikai jellemzőkkel, mint arcvonások, szem színe, magasság és így tovább. Ez előfordulhatott a mezőgazdaságban végrehajtott tranzakciók során, ahol gabonát és egyéb élelmiszereket szolgáltattak be a központi tároló helyekre, valamint különböző jogi eljárásokkal kapcsolatban. Tudomásunk szerint elődeink nem rendelkeztek automatizált elektronikus biometriai olvasókkal és számítógépes hálózatokkal, sőt nem olyan nagyszámú személlyel foglalkoztak, mint ma, de az alapelvek azonosak voltak.
Később, a XIX. században megnőtt az érdeklődés a terület iránt, a kriminológiai kutatások megpróbálták a fizikai jellegzetességeket összekapcsolni a bűnügyi irányzatokkal. Ennek érdekében különféle mérőeszközöket állítottak elő és nagyszámú adatot gyűjtöttek össze. Az eredmények alapján nem lehetett végső következtetéseket levonni, de az egyén fizikai jellemvonásainak mérése gyakorlat maradt: az ujjnyomat-ellenőrzés gyakorlattá vált a rendőrségen.
Gyakran vitatják az ujjnyomatok abszolút egyediségét vagy különbözőségét. A különböző államok által az ujjnyomatok ellenőrzésére használt kritériumok az egyes országokban különböznek. Az eltérés abban mutatkozik meg, hogy több vagy kevesebb minutia-pont szükséges az azonosításhoz. (Minutia-pontokban az ujjnyomat redői elágaznak vagy megszűnnek.) Ennek ellenére annak idején ez volt a legjobb rendelkezésre álló módszer, és még ma is az elsődleges eljárás a rendőrhatóságok számára. Napjainkban a fejlettebb országokban az ujjnyomatok azonosítási eljárását már automatikus módszerekkel végzik.
Ezzel a háttérrel már egyáltalán nem meglepő, hogy az elektronika és a mikroproceszszorok teljesítményének kihasználásával a személyazonosítás automatizálására mind a katonai mind a polgári szektorban számos elgondolás született. Különböző projekteket kezdeményeztek a biometria lehetőségeinek kutatására, és ezek közül az egyik végül 1974-ben – az első kereskedelmi forgalomba állított – egy nagy, és meglehetősen ormótlan kézgeometria-olvasó elkészítéséhez vezetett. Ez nem volt túl szép berendezés, de működött, és tervezőit arra ösztönözte, hogy az eszközt tovább tökéletesítsék. Végül néhány specializálódott vállalat alakult, és sokkal kisebb és jóval többet tudó kézgeometriai olvasót fejlesztettek ki. Ez az eszköz jól működött, és kedvező fogadtatásra talált számos biometriai projektben szerte a világon. Ezzel párhuzamosan egyéb biometriai módszereket, például az ujjnyomat-ellenőrzést addig javították, amíg megbízható, könnyen alkalmazható eszközöket kaptak.
Az 1900-as évek utolsó évtizedében a biometrikus azonosító rendszerek ipara az egyetemek és a tudományos kutatóintézetek laboratóriumainak fellegváraiban működő, termékei eladásával küszködő marginális ágazatból jelentékeny alkalmazások tekintélyes mennyiségű eszközét szállító globális iparággá fejlődött.
Történelem
2001 Tampa, Florida, Super Bowl
A 2001. januári Super Bowl mérkőzésre a stadionba arcfelismerő rendszert telepítettek annak érdekében, hogy kiszűrjék a körözött személyeket. Az összes szurkoló, mintegy 100 ezer fő képét rögzítették, és a tampai rendőrség elektronikus rendszere automatikusan átvizsgálta azt. Egyetlen körözött személyt sem találtak, azonban a tucatnyi téves azonosítás ahhoz vezetett, hogy számos szabadságjogi szervezet a biometrikus rendszerek betiltását követelje.
2001. szeptember 11. „9/11”
Az ikertornyok elleni támadások után az amerikai hatóságok biometrikus azonosító rendszerekkel látták el a repülőtereket. Ennek az eseménynek meghatározó szerepe van a biometrikus rendszerek fejlődésében.
2004. Elindul azUS-Visit program
Ennek lényege, hogy bárkinek, aki vízumot kap, digitálisan rögzítik az ujjnyomatát és a fényképét. Ezután bárhol, bármely irányba átlépi az államok határát ellenőrzik a személyazonosságát, illetve azt, hogy megsértette-e a szabályokat, tehát növelvte-e a biztonsági kockázatot.
2005. július 7. London, Nagy-Britannia „7/7”
A jól megtervezett terrorista támadás során a reggeli csúcsforgalomban négy bombát robbantottak a londoni tömegközlekedési eszközökön. Ez után az a brit bűnüldöző szervek a terrorizmus elleni harc részeként bevezették a biometrikus arcfelismerő rendszer használatát a teljes londoni kamerarendszeren. Ez több mint 200 ezer biztonsági és térfigyelő kamerát jelent.
2006
Az EU az újonnan kiadott útlevelekbe bevezeti a digitális úton tárolt biometrikus mintákat. Az útlevélben elhelyezett chip digitális fényképet, a tulajdonos nevét, születési idejét, állampolgárságát és egyéb adatokat, valamint 2009-től két ujjlenyomatot tartalmaz.
2011
Az EU bizonyos feltételek mellett engedélyezi a repülőtereken a teljes alakos testszkennerek használatát.
A mindennapokban egyre több helyen alkalmaznak biometrikus azonosítást, főként ujjnyomat-azonosítást. A beléptetőrendszerektől kezdve a munkavédelmen át a számítógépek védelméig számos alkalmazási területe van a hétköznapokban a biometriának.
A biometria méri és rögzíti valakinek egyedi fizikai, testi jellemzőit, viselkedésbeli jellemvonásit, és ezeket azonosítás és hitelesítés céljára használja fel. A biometrikus felismerés alkalmazható
A biometria nyújtotta lehetőségeket az élet számos területén kihasználhatjuk.
Páncéltermek, páncélszekrények, magas biztonságú objektumok
Ezen a területen a leginkább elterjedt a biometria alkalmazása, mivel ez az egyik legbiztonságosabb megoldás. A korszerű ujjnyomat-olvasókat nehéz kijátszani, mert felismerik, hogy élő ujjat helyeztek-e rájuk. A hagyományos kártyás vagy kódos beléptetőrendszerek esetében fennáll a veszélye, hogy ellopják a kártyát vagy kifigyelik a kódot. Tehát a hagyományos rendszerek nem személyt hanem (ellopott) kártyát vagy (kilesett) kódot azonosítanak.
Épületek, irodák
Irodaházakban a sok kártya okozhatja a gondot. Dolgozók folyamatos változása – új belépő vagy kilépő –, valamint az ideiglenes belépők – takarítók, karbantartók – miatt nehézkes ez a megoldás, nem is szólva az elhagyott kártyákról. Ezzel szemben a biometrikus beléptetőrendszer kényelmes, egyszerű megoldás, és kizár számos manipulációt, mint például a kártya odaadása másnak Az eszköz több kimenettel rendelkezik, így különböző ujjhoz különböző funkciót is rendelhetünk, például a mutatóujjunkat használjuk a ki- és belépéshez, a középső ujjunkkal kezelhetjük a riasztórendszert.
Fontos irodai alkalmazás még, hogy a biometrikus beléptetőrendszer is összekapcsolható a munkaidő-nyilvántartással.
Autók, pénz- és értékszállítók
A pénz- és értékszállító járművek védelmi rendszere is ötvözhető ezzel a technológiával. Megoldható például, hogy csak a jogosult személy vezetheti a járművet: először azonosítja magát a sofőr, majd csak utána indítható az autó. Előfordul, hogy kényszer hatása alatt kell beindítani a járművet. Az ilyen esetekre is van megoldás: különböző ujjakhoz különböző funkciót rendelhető, így második funkcióként a kényszer indítást meghatározhatjuk. A vezető normál esetben a megadott ujjával indítja az autót, de amennyiben kényszer hatása alatt kell ezt tennie, akkor másik, előre felprogramozott ujját használja. Hogy ez után mi történjen, arra több lehetőség is van. Például egyszerűen csak annyi, hogy az autó ugyan elindul, de emellett csendes vészjelzést küld a diszpécsernek, aki meghatározza az autó helyzetét, útvonalát, és értesíti rendőrséget. Ugyan ez a megoldás használható az autó rakterének nyitásához is, arra az esetre, ha az autót nem elvinni akarják, hanem a helyszínen kifosztani. A lehetőségek szinte végtelenek, az adott cégen, gyártón múlik, hogy milyen funkciót szeretne aktiválni támadás esetén.
A hagyományos személyautók védelmi rendszere is kiegészíthető ezzel a technológiával, hozzá köthető akár riasztó, akár immobiliser. Az autót csak a regisztrált felhasználók tudják indítani és használni.
Veszélyes munkagépek, eszközök, technológiák
A biometrikus azonosítás a munkavédelem területére is betört. Veszélyes technológiák esetén megoldható, hogy a gépeket, berendezéseket, járműveket csak az arra jogosult, képzett dolgozó használhassa. Így például az atomerőműben rendkívül fontos, hogy az egyes területekre csak a megfelelő képzésben részt vett dolgozók léphessenek be, vagy az adott munkagépet csak vizsgával rendelkező személy indíthassa el.
Őrjáratellenőrző-rendszer
Hatékonyan alkalmazható őrjáratellenőrző-rendszereknél is a biometria. Például. ahol az őrnek óránként körül kell járni az objektumban, általában nyomógombos vagy kártyás ellenőrzést használnak arra, hogy meggyőződjenek, valóban körbejárt-e. Ennek a technológiának az a hátránya, hogy nem lehet tudni, valóban az őr nyomta-e meg a gombot vagy húzta le a kártyát, esetleg a csoportos őrjáratnál valóban körbe ment-e mindenki vagy csak az egyik őr húzta le a többiek kártyáját.
Alkalmazás a felhasználók szemszögéből
Ha biometrikus rendszer bevezetése és alkalmazása mellett döntünk, hangsúlyt kell fordítani a felhasználói pszichológiára is. Ha a felhasználó nem örül a biometriai eszköznek, akkor azt valószínűleg nem is rendeltetésszerűen fogja használni, és ez az átlagnál nagyobb hibaarányt eredményezhet. Ezzel ellentétben, ha a felhasználó el van ragadtatva az eszköztől, nagy valószínűséggel be fogja tartani a használatára vonatkozó szabályokat, és így kisebb hibaszázalékot fogunk kapni. A két véglet között vannak azok, akiknek nincsenek előítéleteik, csak egyszerűen idegesebbek, vagy épp ellenkezőleg túl magabiztosak és, akiknek nehézséget okoz az eszköz használata. A telepítőnek arra kell törekednie, hogy minél jobban képzett és minél elégedettebb legyen a felhasználó a rendszer nyújtotta előnyökkel.
Ezért tehát a leendő felhasználókat:
Annál fontosabb ez, minél nagyobb felhasználói bázist akarunk kezelni, mert annál nagyobb a szokatlan kívánalmak és félreértések lehetősége. Törekednünk kell tehát arra, hogy a rendszert érdekes és izgalmas kísérletté tegyük, ezzel párhuzamosan pedig minden felhasználó számára világosan meg kell fogalmazni a rendszer hasznosságát. Ha a legkisebb kétség is felmerül, a rendszer valószínűleg nem lesz sikeres. Ezért a felhasználónak kell a rendszer középpontjában állni és nem a technológiának.
A vállalat szemszögéből
Érdemes-e bevezetnünk a biometrikus eszközök használatát? Végiggondolva egy vállalat osztályait, kevés olyan hely van, ahol ne lehetne alkalmazni a biztonságos személyazonosság-ellenőrzést: pénzügy, kutatás, eladás, értékesítés. A mai gyakorlatban erősen támaszkodunk a jelszavakra és a PIN-kódokra.
Számos kérdés merül fel ezzel kapcsolatban:
Mindenki számára ismerős kérdések. Ha végigmegyünk a vállalat termein, vajon hány számítógép előtt ül alkalmazott? Lezárják-e személyi számítógépüket, amikor távol vannak tőle akár csak egy percre is? A hosszadalmas bejelentkezési folyamat elijeszt ettől. Vannak, akik csak akkor gondolkoznak el ezen, ha már megtörtént a baj. A biometrikus bejelentkezési eljárás jelentősen leegyszerűsíti és felgyorsítja ezt a folyamatot.
A biometria gyógyír mindenfajta személyazonosítással kapcsolatos gondra, de nagy érdeklődésre számot tartó új technika napjaink eszköztárában, ha jól alkalmazzuk.
Forrás: Aspectis
A csőbe rejtett, fejmagasságban elhelyezhető kamerák készítette éles képek megbízható arcfelismerésre alkalmasak. Méretükből adódóan akár az arcát takarni próbáló személy is könnyen azonosítható velük.
A sorozat tagjai az Axis P8513 és az Axis P8514 hálózati kamerákat az épületek kijáratánál, olyan magasságban kell elhelyezni, hogy közvetlenül az emberek arcát vegye fel. Ezzel megbízható arcazonosítást lehet végezni, még abban az esetben is, ha az adott személy kapucnit vagy baseballsapkát visel. A rejtett kamerákat szinte lehetetlen felismerni, így védettek a rongálástól, és kiváló képeket készítenek köszönhetően a szemmagasságú telepítésnek.
 |
|
| Megbízható az arcfelismerés, abban az esetben is, ha valaki baseball sapkával takarja el az arcát | |
Az Axis P85 sorozat két készüléke
Mivel teljesen észrevehetetlenek a kamerák, bárhol elhelyezhetők. Több egyidejű H.264 és Motion JPEG videojelfolyam továbbítására képesek teljes, 30 fps képsebesség mellett. A kamerák széles látószöggel rendelkeznek, a P8514 57°-os, amíg a P8513 48°-os vízszintes látósávját a +/– 90°-os forgatás, a digitális PTZ funkciók és az előre beállítható járőrútvonal teszi teljessé.
Főként kiskereskedelmi üzlethelységek, bankok beltéri megfigyelésére ajánljuk a 0–50 Celsius-fok között működőképes kamerát.
| A készülékek csőbe szerelve érkeznek, ami úgy néz ki, mint a „magasugró léc”. A kamerát 160 cm magasságra optimalizálták, fix fokális tűlyuk optikával rendelkeznek, és széles látószögű képeket továbbítanak. Fehér, fekete és króm színben kerülnek a piacra, így kiválasztható, melyik szín illik legjobban a felhasználási környezetbe. Magassági mércével ellátott matrica is kapható a fekete, illetve a króm színű kamerákhoz, amíg a fehér modellt előre felszerelt magassági mércével együtt árulják. Ez az eszköz hasznos segítsége lehet a rendőrségnek és a szemtanúknak abban, hogy meghatározzák az elkövető magasságát. A kamerák széria készülékei formájuknak és a beépített három méteres Ethernet kábelnek köszönhetően könnyen telepíthetők. Mivel csőről van szó, a kamera irányát úgy tudjuk beállítani, hogy elforgatjuk a csövet és olyan irányt állítunk be, ahonnan a lehető legjobb képeket tudjuk készíteni az elhaladó vevők arcáról. |
 |
|
A kamera jellemző tulajdonságai
|
 |
A biometria egyre inkább elismert és elfogadott azonosítási mód, így új rendszerek tervezésekor vagy régiek frissítése során ajánlott megfontolni az alkalmazását.
A biometria fogalma az élőlények fizikai és kémiai paramétereihez kapcsolódik. Olyan azonosítási mód, amely méri és rögzíti valamely személy egyedi fizikai, testi jellemzőit és ezeket az adatokat azonosításra és hitelesítésre használja fel.
Forrás: zejoaorafael.blogspot.com
A biometrikus azonosításhoz először is rögzítik a felhasználók valamely tulajdonságát, majd a személyazonosítás során az egész adatállományból kiválasztja a rendszer az adott személyt. A biometrikus azonosítás előnye, hogy az emberek valódi, tőlük elválaszthatatlan tulajdonságán alapul. Mivel a hagyományos azonosítási eljárásokban a különféle tárgyak, mint például a chipkártyák, a proximity- vagy mágneskártyák, kulcsok elveszthetők, ellophatók, másolhatók, de egyszerűen csak otthon felejthetők. A jelszavakkal pedig az a gond, hogy elfelejtjük, elmondjuk valakinek, vagy épp kilesik. Ezektől a hátrányoktól a biometrikus eljárás mentes: az ujjunkat mindenhova magunkkal visszük, és a hangunkat sem tudjuk kölcsönadni. A gyakorlati tapasztalatok szerint nem okoz nehézséget az embereknek azonosításkor egy szenzor megérintése vagy a nevük kimondása. A technika fejlődésének és a sorozatgyártásnak köszönhetően egyre olcsóbbak lesznek a szükséges eszközök, egyre elérhetőbbé válnak a felhasználók számára. Ma már nem csak a nagyvállalatok és állami intézmények számára elérhető a technológia, hanem kisebb vállalkozások és lakossági felhasználók is alkalmazhatják.
Kézgeometria-elemzés
A biometrikus azonosítás típusai
Arcgeometria (Forrás: ebanking.cl)
Az ujjnyomat-azonosítás a biometria legelterjedtebb azonosítási módja, beléptetőrendszerek tervezésekor érdemes megfontolni a használatát.
Az ujjnyomaton alapuló rendszerek különböző felszínt letapogató technológiát alkalmaznak, például optikai, kapacitás és hő. A hővonal szenzorral működő megoldás lényege, hogy a letapogatott ujjnyomatból annak aprólékos részleteinek különleges tulajdonságait lokalizálja, és tárolja vagy összehasonlítja az elektronikus kulcskód mintával, amely egyedileg azonosítja a szkennelt ujjal. A rendszer nem tárol képet csak titkosított bináris kódmintát, amelyet nem lehet felcserélni vagy arra felhasználni, hogy rekonstruáljunk az eredeti ujjnyomat képét, így nem kell tartani a személyiségi jogok megsértésétől sem. Az ujjnyomat egyedi és állandó, a rendelkezésre álló technológia a személyek pontos azonosítására alkalmasak ujjnyomatuk képe alapján. Csak mintegy negyven-hatvan jellemző pontot rögzít, így gyors a teljes adatbázisban való keresés és az azonosság megállapítása.
Magánszemélyek esetében az eszköz vezérelheti a családi ház bejárati ajtaját, agarázskaput, a riasztót, a belső terek közötti átjárhatóságot, illetve bármely olyan egységet, amelynek vezérlése elektronikus úton történik. Sőt mindezek nyitását-zárását külön ujjhoz lehet rendelni. Az eszköz üzembe helyezése szükségtelenné teszi a kapukulcsok használatát, megszűnik a kulcsok elvesztése okozta gond, amely különösen gyermekek esetében jelent kockázatot.
A vállalkozói körben lehet egyszerűen egy ajtó nyitását biztosító eszköz, beléptetőrendszer, munkaidő-nyilvántartó rendszer eleme, illetve belső helyiségek elkülönítését szabályozó egység. A nagyobb biztonság érdekében az élő ujj detektálása a fejlődés alapköve. Az eszközök nagytöbbsége már különbséget tud tenni az élő ujj és az ujjnyomat másolata között. Ezt az ujj valamilyen elektrodinamikus, optikai, termikus vagy biológiai jellemzőjének a vizsgálatával vagy ezek kombinációjával érik el. Jellemző adat a hőmérséklet, a szívlüktetés érzékelése, továbbá a bőrszín spektrumának analizálása.
Az ujjnyomat-olvasó biztonságtechnikai eszköz is, ezért szabotázsvédelemmel is ellátott. Olcsóbb típusoknál ezt általános mikrokapcsoló oldja meg: a falra rögzítéskor egy rugó ellenében a mikrokapcsoló felhúzott állásba kerül. Ha az olvasót eltávolítják a falról, akkor a mikrokapcsoló alaphelyzetbe kerül, és a riasztórendszernek jelet ad. Komolyabb eszközöknél általában rezgés-, fényérzékelők is megtalálhatók, továbbá a falon kívüli szerelés helyett a süllyesztett kivitel kerül előtérbe. Az ujjnyomat-azonosító rendkívül biztonságos, és a legelterjedtebb az egész világon.
Mindenkinek egyéni jellemzője az írisz rajzolata, ezen alapul az íriszazonosítás, mint biometrikus azonosítási módszer. Az íriszazonosítás biometrikus azonosításra használt matematikai mintafelismerési technika, amely során videoképet készítenek a szemről, és abból egyedi jellemzők alapján állítják össze az azonosításra szolgáló adatsort. Létezik egy másik, kevésbé elterjedt szemalapú technológia is, a retinaszkennelés.
Az íriszazonosítás során infravörös megvilágítás mellett készítenek képet kamerával a részletgazdag, bonyolult szerkezetű szivárványhártyáról. Majd digitálisan kódolt minták alapján, matematikai és statisztikai algoritmusokkal készíti el az íriszazonosító berendezés az egyénre jellemző adatsort. Utána azt összeveti az adatbázisában tárolt íriszadatokkal, és azonosítja az egyént. Ez a módszer az egyik legnagyobb a pontosságú azonosítás, gyakorlatilag egyértelműen képes megállapítani, hogy az egyén szerepel-e az adatbázisában. Az íriszazonosítás legfontosabb előnye a gyorsaság mellett a pontossága – a szivárványhártya stabilitásának köszönhetően –, mivel a szem belső, védett, mégis kívülről látható szervünk.
Számos ország használja az íriszt polgárai azonosítására. Sőt szerte a világon kényelmi okokból már több millióan szerepelnek egy íriszazonosítási rendszerben, amely segítségével útlevél nélkül átkelhetnek határokon.
Az íriszazonosítás alapjául szolgáló algoritmust John Daugman professzor (University of Cambridge Computer Laboratory) fejlesztettek ki az 1990-es években. Bár az íriszazonosítás nagyon aktív kutatási téma a számítástechnika, a műszaki tudományok, a statisztika és az alkalmazott matematika területén, a mai napig Daugman algoritmusát használják a gyártók az íriszazonosító rendszerekben.
Látható fény (VW) vagy közeli infravörös hullám (NIR)?
A legtöbb íriszazonosító kamera infravörös fénnyel működik (NIR – tartománya: 750–1050 nm). Azért ezzel, mert a sötét barna szem – ilyen van az emberek többségének –, ebben a fénytartományban mutatja meg gazdag szerkezetét, miközben sokkal kevésbé látszik a látható fény tartományában (400–700 nm), De az is fontos szempont, hogy az infravörös fény láthatatlan és kevésbé tolakodó. Másik fontos ok még, hogy a környezet visszaverődő fényei nen befolyásolják a szivárványhártya mintáit.
 |
 |
|
| Az írisz látható fényben | Az írisz képe infravörös fényben (Forrás: en.wikipedia.org) |
Működési elv
A szivárványhártya-felismerési algoritmus először lokalizálja a belső és külső határait az írisznek. További szubrutinok észlelik és kizárják szemhéjakat, szempillákat, illetve a tükröződéseket.
A szoftver az íriszen meghatározott képpontok keres, miközben ellensúlyozza a pupilla tágulását, szűkülését, azután elemezni majd kódolja a megtalált pontokat, hogy majd összehasonlítsa kapott íriszképet a tároltakkal. Esetenként a Daugman-algoritmusok Gábor Dénes hullám transzformációját használják, az eredmény pedig egy sor komplex szám, amely tartalmazza az íriszminta szakaszait és szélsőértékeit. A Daugman-algoritmus a szélsőértékeket elhagyja, ez biztosítja, hogy a kapott mintát kevéssé befolyásolják a megvilágítás vagy a kamera kontrasztjának változásai, és ezzel válik hosszú távon használhatóvá a biometrikus minta. Az azonosításkor (egy a sokhoz mintaillesztés), illetve annak ellenőrzése során (egy az egyhez mintaillesztés) az íriszmintát összehasonlítja a készülék a tárolt mintával az adatbázisban. Ha a döntési küszöb Hamming-távolság alatt van (Hamming-távolság – két azonos hosszúságú bináris jelsorozat eltérő bitjeinek száma), a jelsorozat hossza garantálja, hogy két különböző személy íriszmintája különböző legyen.
Előnyök
Az írisz több okból is ideális az emberi test biometrikus azonosítására:
Forrás
en.wikipedia.org
