Algoritmos de comparación mediante huellas dactilares

26 06 2012

Debido a la temprana utilización e implantación de la huella dactilar en diversos ámbitos técnicos específicos (reconocimiento forense y policial) y civiles de amplia utilización (control de acceso), existen multitud de algoritmos de comparación de huellas dactilares. Las principales técnicas de comparación de huellas dactilares se pueden dividir en tres grandes subgrupos:

  • Técnicas basadas en comparación de minucias. Son las más utilizadas y estudiadas. Básicamente consisten en conseguir el alineamiento óptimo de dos huellas para posteriormente realizar correspondencias entre el mayor número de pares de minucias.
  • Técnicas basadas en comparación de características de las crestas. Estas técnicas realizan la comparación en base a otros atributos de las crestas, como pueden ser los poros, el grosor de las crestas, etc.
  • Técnicas de correlación. Realizan la correlación de los píxeles de las imágenes de las huellas dactilares para determinar el grado de similitud de las imágenes. La comparación de huellas dactilares presenta una serie de problemas comunes a todos los tipos de técnicas, ya que están asociados a las imágenes utilizadas y a las técnicas de captura. Estos problemas existentes en las muestras deben ser tratados para minimizar su efecto y se resumen a continuación:
  1.  Desplazamiento relativo de las muestras.
  2.  Rotación relativa de las muestras.
  3. Solapamiento parcial entre las muestras. Debido a los sensores de escasa superficie o a la mala captura de las muestras, pueden llegar a tomarse muestras de un mismo dedo con escaso solapamiento
  4. Distorsión no lineal, debida a la elasticidad de la piel.
  5. Efectos en la imagen debidos a las características de la piel del dedo como pueden ser: presión, humedad, sequedad, etc.
  6. Ruido. Puede ser introducido por el sensor en el proceso de captura

Los algoritmos basados en minucias utilizan la comparación de minucias o puntos singulares de las crestas de las huellas dactilares. Son los más utilizados y estudiados, ya que son una versión automatizada del método que utilizan los expertos de la policía a nivel mundial desde hace décadas para el reconocimiento de criminales.
En este tipo de algoritmos cobra suma importancia la extracción de las minucias. En esta fase, a cada huella se le asocia un conjunto de minucias que estará formado por un vector de información para cada una de las mismas. El contenido del vector varía notablemente de un algoritmo a otro, pero es necesario que contenga la posición de la minucia acompañada por algún tipo de información relevante de la misma, como puede ser el tipo de minucia (bifurcación, terminación, etc.), orientación, parte de la cresta que lo contiene, la posición relativa respecto a otras minucias, etc. La cantidad de información contenida en el vector así como el número de minucias requeridas para cada huella determina el tamaño de la información que debe ser almacenada, lo que es un parámetro crítico para multitud de aplicaciones.


Una vez obtenidos los vectores, el algoritmo alineará los conjuntos de minucias para poder determinar el número de minucias coincidentes y con ello emitir un resultado o “score” sobre la similitud de dos muestras.

 

Debido a las características de la imagen de la huella dactilar, ni la extracción ni la comparación de minucias son triviales. Hay que tener en cuenta y contrarrestar numerosos efectos indeseados descritos anteriormente, como por ejemplo: desplazamiento, rotación, distorsión no lineal, ruido, presión y estado de la piel, etc.
En realidad el problema de la comparación basada en minucias se asemeja a la
comparación de patrones de puntos. En este ámbito existen diferentes técnicas entre las que destaca la comparación con prealineamiento.

 


Acciones

Information




A %d blogueros les gusta esto: