Распознавание радужной оболочки глаза

Распознавание радужной оболочки глаза — это биометрическая технология аутентификации и идентификации личности, основанная на анализе уникальных и стабильных во времени текстурных особенностей радужной оболочки глаза. Относится к классу физиологических (статических) биометрических методов.

Радужная оболочка (ирис) — тонкая подвижная диафрагма глаза, расположенная между роговицей и хрусталиком, которая регулирует количество поступающего света. Её сложный рельеф, состоящий из крипт (углублений), борозд, пигментных пятен, радиальных складок и колец, формируется на 8-м месяце внутриутробного развития и остаётся практически неизменным на протяжении всей жизни человека. В отличие от отпечатков пальцев или сетчатки глаза, радужная оболочка имеет ряд преимуществ: она защищена от внешних повреждений прозрачной роговицей, не подвержена возрастным изменениям (за исключением редких патологий), а её структура практически не повторяется даже у однояйцевых близнецов. Вероятность ошибки (ложного совпадения) оценивается как 1 к 10⁶ — 10⁷, что делает этот метод одним из самых точных среди биометрических.

История развития

Ранние наблюдения (XIX — начало XX века)

Первые описания уникальности рисунка радужной оболочки встречаются в работах офтальмологов XIX века. В 1880-х годах французский врач Альфонс Бертильон, разрабатывая систему антропометрической идентификации преступников (бертильонаж), обратил внимание на индивидуальность цвета и структуры радужки. Однако практического применения эта идея тогда не получила.

Научное обоснование (1930–1980-е)

В 1936 году американский офтальмолог Фрэнк Бурш (Frank Burch) впервые предложил использовать радужную оболочку для идентификации пациентов. В 1985 году врачи Леонард Фламм и Барри Раттман (США) зарегистрировали первый патент на систему распознавания по радужной оболочке, но алгоритмы обработки изображений оставались несовершенными.

Алгоритм Джона Даугмана (1990-е)

Ключевой прорыв совершил британский учёный Джон Даугман (John Daugman) из Кембриджского университета. В 1993 году он разработал и запатентовал алгоритм, который лёг в основу большинства современных систем распознавания радужки. Алгоритм Даугмана включает:

Локализацию границ радужной оболочки (внутренней — со зрачком, и внешней — с белком глаза) с помощью интегрально-дифференциального оператора.
Нормализацию — преобразование кольцевой области радужки в прямоугольную форму (метод «развёртки»), что позволяет компенсировать изменения размера зрачка.
Кодирование текстурных признаков с использованием двумерных вейвлет-фильтров Габора, создавая бинарный код (IrisCode) длиной 2048 бит.
Сравнение кодов с помощью вычисления расстояния Хэмминга.

Патент Даугмана (US 5,291,560) стал основой для коммерческих систем, и к началу 2000-х годов технология вышла за пределы лабораторий.

Современный этап (2000-е — настоящее время)

С 2000-х годов системы распознавания радужки начали внедряться в пограничном контроле (ОАЭ, Великобритания, Канада), в программах национальной идентификации (Индия — Aadhaar, крупнейшая биометрическая система в мире с более чем 1,3 млрд зарегистрированных граждан), в банковском секторе и корпоративной безопасности. В 2010-х годах появились мобильные сканеры (например, в смартфонах Samsung Galaxy Note 7, Fujitsu Arrows NX F-04G). Развитие нейросетей и глубокого обучения (свёрточные нейронные сети) позволило повысить точность распознавания в неконтролируемых условиях (дальние дистанции, движение, слабое освещение).

Принцип работы

Этапы процесса

Захват изображения — камера (обычно в ближнем инфракрасном диапазоне, 700–900 нм) делает снимок глаза. Инфракрасное освещение лучше выявляет текстуру радужки и менее чувствительно к бликам от роговицы.
Локализация — алгоритм находит границы зрачка и радужки, а также часто — веки и ресницы, чтобы исключить их из анализа.
Нормализация — кольцевая область радужки «разворачивается» в прямоугольник фиксированного размера (обычно 512×64 пикселя). Это необходимо для сравнения радужек при разном диаметре зрачка.
Извлечение признаков — к нормализованному изображению применяются фильтры (вейвлеты Габора, локальные бинарные шаблоны или свёрточные нейронные сети), выделяющие характерные текстурные элементы. Результат — бинарный вектор (IrisCode).
Сравнение — полученный код сравнивается с хранящимися в базе данных кодами. Мера сходства — расстояние Хэмминга (доля несовпадающих битов). Если расстояние меньше порогового значения (обычно 0,32–0,35), идентификация считается успешной.

Оборудование

Современные сканеры радужки включают:

Камеру высокого разрешения (минимум 640×480 пикселей на область глаза).
Источник инфракрасного излучения (светодиоды).
Систему фокусировки и автонаведения (для работы на расстоянии 10–100 см).
Защитный корпус (для уличных устройств).

Классификация систем

По способу взаимодействия с пользователем

Контактные — пользователь прикладывает глаз к окуляру (устаревшие модели, например, в некоторых банкоматах).
Дистанционные — сканирование на расстоянии 20–50 см (наиболее распространены в современных системах контроля доступа).
На большом расстоянии (stand-off iris recognition) — работа на дистанции до 2–5 метров, часто в движении (используется на границах, в аэропортах).

По типу обработки

Локальные — все вычисления производятся на встроенном процессоре сканера.
Облачные — изображение передаётся на сервер для сравнения с централизованной базой данных.

По области применения

Государственные системы идентификации (Aadhaar в Индии, UIDAI, система пограничного контроля SmartGate в Австралии).
Корпоративная и физическая безопасность (доступ в помещения, на режимные объекты).
Финансовый сектор (подтверждение транзакций, вход в мобильные банки).
Медицина (идентификация пациентов, привязка к электронным медицинским картам).

Преимущества и недостатки

Преимущества

Высочайшая точность — FAR (False Acceptance Rate) и FRR (False Rejection Rate) на уровне 0,0001% и 0,1% соответственно в контролируемых условиях.
Устойчивость к подделке — радужка является внутренним органом, её сложно скопировать или изменить (в отличие от отпечатков пальцев, которые можно снять с поверхности).
Стабильность — структура радужки не меняется с возрастом (за исключением редких заболеваний, таких как аниридия или кератоконус).
Бесконтактность — снижает риск передачи инфекций и не требует физического контакта с устройством.

Недостатки

Чувствительность к условиям съёмки — блики, засветка, отражения от очков или контактных линз, сильное движение глаза могут снизить качество распознавания.
Необходимость кооперации пользователя — для точного сканирования требуется, чтобы человек смотрел прямо в камеру на расстоянии 20–50 см.
Стоимость оборудования — качественные инфракрасные камеры и алгоритмы дороже, чем сканеры отпечатков пальцев.
Проблемы с некоторыми группами населения — у людей с катарактой, аниридией, альбинизмом или после травм глаза радужка может быть повреждена или отсутствовать.
Этические и правовые вопросы — сбор биометрических данных вызывает опасения по поводу конфиденциальности и возможности несанкционированного доступа.

Применение в России

В Российской Федерации технология распознавания радужной оболочки глаза используется в нескольких сферах:

Пограничный контроль — в некоторых пунктах пропуска (например, в аэропортах Москвы и Санкт-Петербурга) применяются автоматизированные системы для ускоренного прохода граждан.
Банковский сектор — ряд российских банков (например, Сбербанк, ВТБ) внедрили биометрическую идентификацию в мобильных приложениях и офисах для подтверждения операций.
Корпоративная безопасность — на режимных объектах, в научно-исследовательских институтах и на предприятиях оборонно-промышленного комплекса.
Государственная информационная система — в рамках Единой биометрической системы (ЕБС), оператором которой является АО «Центр биометрических технологий» (ЦБТ), радужная оболочка глаза является одним из трёх основных биометрических параметров (наряду с лицом и голосом) для удалённой идентификации граждан.

Сбор и обработка биометрических данных в РФ регулируются Федеральным законом № 152-ФЗ «О персональных данных» и Федеральным законом № 572-ФЗ «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных». Хранение биометрических шаблонов осуществляется в защищённой государственной инфраструктуре.

Критика и риски

Основные критические замечания в адрес технологии распознавания радужной оболочки связаны с:

Приватностью — биометрические данные, в отличие от паролей, невозможно сменить в случае утечки. Хранение централизованных баз данных (например, Aadhaar) создаёт риск массового сбора и утечки информации.
Дискриминацией — некоторые исследования (например, работа Национального института стандартов и технологий США — NIST) показывают, что точность распознавания может снижаться для людей с тёмной радужкой (из-за меньшей контрастности текстуры в инфракрасном диапазоне).
Возможностью обмана — хотя подделка радужки сложна, известны случаи использования распечатанных фото высокого качества, контактных линз с нарисованной радужкой или муляжей глаз (в лабораторных условиях).
Медицинскими ограничениями — некоторые глазные заболевания (глаукома, кератоконус, увеит) могут изменять структуру радужки, делая её непригодной для распознавания.

Перспективы развития

Современные направления совершенствования технологии включают:

Мультибиометрические системы — комбинация распознавания радужки с распознаванием лица, отпечатков пальцев или голоса для повышения надёжности.
Использование глубокого обучения — нейросетевые алгоритмы (например, IrisNet, DeepIris) позволяют проводить идентификацию по некачественным изображениям (смазанным, снятым под углом).
Мобильные и носимые устройства — встраивание сканеров радужки в смартфоны, смарт-очки и шлемы дополненной реальности.
Дистанционное распознавание в движении — системы, способные идентифицировать человека на ходу (например, в аэропортах без остановки пассажира).

Источники

Daugman J. «How Iris Recognition Works» // IEEE Transactions on Circuits and Systems for Video Technology, 2004.
Bowyer K.W., Hollingsworth K., Flynn P.J. «Image Understanding for Iris Biometrics: A Survey» // Computer Vision and Image Understanding, 2008.
National Institute of Standards and Technology (NIST). «IREX» (Iris Exchange) reports.
Федеральный закон № 152-ФЗ «О персональных данных» (РФ).
Федеральный закон № 572-ФЗ «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных» (РФ).
Материалы АО «Центр биометрических технологий» (ЦБТ, РФ).

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →