ЖУРНАЛ СТА 1/2021

● FeatureExtraction: большинство ло- кальных функций извлечения объ- ектов; ● FeatureLevelFusion: инструменты для выполнения процедуры слияния объ- ектов и оценки полученных результа- тов слияния; ● Matching: различные функции срав- нения; ● Preprocessing: различные функции предварительной обработки изобра- жений вен; ● Quality Assessment: несколько общих метрик для контроля контрастности и качества изображения вен; ● ScoreLevelFusion: инструменты и функ- ции для упрощённого вычисления баллов; ● UtilityFunctions: несколько вспомога- тельных функций, например, для об- работки ini-файлов, плюс индикатор процесса выполнения, построение сплайна ключевых точек и многие другие. Каждый шаг выполнения программы можно вызвать вручную. Чтобы запу- стить сразу всю последовательность ин- струментов распознавания, включая чтение изображения вен, препроцес- синг, распаковку, сравнение и опреде- ление производительности, необходи- мо запустить скрипт automatMatcher () с указанием пути к исходным изображе- ниям и файлу настроек. После выполне- ния всех этапов отображаются результа- ты и вычисленные значения EER/FMR (ERR – Equal Error Rate, FMR – Fastest Medium Rare). И НТЕГРИРОВАННЫЕ СХЕМЫ РАСПОЗНАВАНИЯ ВЕН И ПОДДЕРЖИВАЕМЫЕ НАБОРЫ ДАННЫХ Несколько файлов настроек для под- держиваемых наборов данных находят- ся в подкаталоге Settings . В нём есть при- мер файла настроек под названием settingsExample.ini, в котором перечисле- ны все возможные параметры с кратки- ми комментариями (за исключением па- раметров сторонних методов предвари- тельной обработки, извлечения функ- ций и сравнения). Помимо биометриче- ской информации, получаемой непо- средственно с устройства захвата, дан- ные можно читать из файлов изобра- жений. Обработка файлов изображений (получение всех файлов в каталоге, чтение изображений и сохранение их в массиве ячеек памяти для дальней- шего использования) выполняется в readImages.m . Анализ имён файлов (тема, палец/ладонь и идентификатор образца) основан на регулярных выра- жениях. Новые наборы данных можно легко обработать путём добавления ещё одного выражения для анализа имени файла в readImages.m . Далее проводится предварительная обработка файлов изображений, например, сгруппирован- ных по венам, – сначала индивидуаль- ные методы, а затем и общие. Все схемы предварительной обработки можно ком- бинировать в любом порядке и не один раз (список методов и параметров ука- зывается в файле настроек). Далее при- меняются различные методы фильтра- ции и улучшения изображений вен, сре- ди которых можно отметить следующие: LeeRegion – распознавание вен с ис- пользованием выравнивания по мелким точкам и извлечённым признакам на ос- нове локальных двоичных образов; HuangNormalise – аутентификация по вене на основе выделения базовых ли- ний рисунка вен и их нормализации и компенсация вращения; Zhang09 и Zhao09 – улучшение изображения вен на основе комбинации методов группи- ровки по уровню серого и кругового фильтра Габора, DTFPM – аутентифи- кация по вене, основанная на сопостав- лении устойчивых к деформации харак- терных точек, и многие другие методы. По завершении фильтрации изобра- жений проводится их сравнение с су- ществующими шаблонами рисунков вен. Для сравнения используют различ- ные методы, но их можно отнести к ме- тоду сравнения двоичных шаблонов и гистограмм. Очень часто для сравнения бинарных шаблонов вен используется подход, предложенный Наото Миура (Naoto Miura) [1]. Этот подход пред- ставляет собой простой метод корреля- ции между входным и эталонным изоб- ражением. Изображения вен пальца или ладони не полностью накладывают друг на друга, а только грубо сравни- вают. При этом вращение или неболь- шое смещение сравниваемых изобра- жений впоследствии компенсируются математическими методами. Таким об- разом вычисляется соотношение сдвига между входным и эталонным изображе- нием, а также смещение в направлении осей X и Y относительно версии эталон- ного изображения. Максимальное из этих значений корреляции нормализу- ется, а затем используется в качестве окончательной оценки сравнения. Вы- ходная оценка – это оценка сходства в диапазоне 0,0…0,5, где 0,5 означает иде- альное совпадение. Эта схема сравне- ния названа методом сравнения Миура. Для сравнения гистограмм в основном используют набор характеристик, зало- женных в основу метода LBP (Local Binary Pattern – распознавание вен с ис- пользованием выравнивания по мел- ким точкам и с выделением признаков на основе локальных двоичных обра- зов). Но наряду с этим для сравнения используют и другие методы: измере- ния расстояний пересечения гисто- грамм, критерий хи-квадрат, расстоя- ние Бхаттачарьи, расхождение Дженсе- на–Шеннона, расстояние Колмогоро- ва–Смирнова и расхождение Кульба- ка–Лейблера. Можно выбрать любой из этих методов вычисления расстоя- ния, если сравниваются не шаблоны, а гистограммы. П РОТОКОЛЫ СРАВНЕНИЯ И ОЦЕНКИ КАЧЕСТВА Чтобы рассчитать частоту ложных совпадений (FMR – False Match Rate) и частоту ложных несовпадений (FNMR – False Non Match Rate), как установлено стандартом ISO/IEC 19795-1, до опре- деления дополнительных показателей производительности, таких как равная частота ошибок (EER), включены не- сколько различных протоколов. Для сравнения взят за основу протокол FVC (Fingerprint Verification Competition), поскольку он ранее уже использовался для проверки отпечатков пальцев (FVC2004). С его помощью выполняют- ся все возможные достоверные сравне- ния, то есть каждый образец сравнива- ется со всеми оставшимися образцами того же биометрического экземпляра пальцев или ладоней. Симметричные сравнения не осуществляются, другими словами, если выполняется сравнение [изображение A – изображение B], то сравнение [изображение B – изображе- ние A] не делается, поскольку боль- шинство биометрических показателей симметричны, и оба сравнения приведут к одинаковому результату. Для удобства проведения сравнения каждый входной файл ладони был преобразован в мо- дель, состоящую из следующих полей: идентификатор пользователя, иденти- фикатор ладони, номер изображения и шаблон ладони. Сравнение проводится следующим образом: входной биомет- рический слепок преобразуется в мо- дель, описанную ранее, далее из моде- ли берётся шаблон отпечатка и сравни- вается со всеми шаблонами отпечатков ладоней из эталонной выборки. В про- цессе сравнения используется основной ОБ ЗОР / Т Е Х НОЛОГ ИИ СТА 1/2021 8 www.cta.ru