БИОМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ ПО НЕСКОЛЬКИМ ПАРАМЕТРАМ

Статья посвящена разработке системы биометрической идентификации человека по лицу, отпечаткам пальца и голосу. В качестве информативных признаков биометрической идентификации человека по лицу использованы двумерные и трехмерные характеристики лица человека, учитывающие площадь и объем. Для учета таких явлений, как сдвиг портрета, разный масштаб фотографий и наклон идентифицируемого лица разработан сложный алгоритм идентификации.

Для биометрической идентификации человека по отпечаткам пальцев использован сканер FPM10A и микроконтроллер Arduino. Идентификационные признаки основаны на анализе строения папиллярных узоров на пальца: тип и вид папиллярного узора; направление и крутизна потоков папиллярных линий; строение центрального рисунка узора; строение дельты; количество папиллярных линий между центром и дельтой и множество других признаков.

Другой тип признаков — локальные. Их также называют минуциями (особенностями или особыми точками) — уникальные признаки присущие только конкретному отпечатку, определяющие пункты изменения структуры папиллярных линий (окончание, раздвоение, разрыв и т.д.), ориентацию папиллярных линий и координаты в этих пунктах. Каждый отпечаток может содержать до 70 и более минуций.

Для биометрической идентификации человека по голосу использованы алгоритмы MFCC и PLP для цифровой обработки и анализа аудиозаписей. Для акустического анализа речи применены различные алгоритмы: скрытые марковские модели, модель смеси гауссовских распределений. Получен результат определения тональности речи и содержательности речи для целей идентификации по голосу. На СУБД Visual FoxPro разработана «Многопараметрическая автоматизированная система биометрической идентификации личности».

1. G.A. Buzov. Practical guide to identifying special technical means of unauthorized obtaining of information. – М.: Hot line – Telecom, 2010. – 240 p.

2. U.F. Katorin, A.V. Razumovskiy, A.Y. Spivak. Protection of information by technical means. Saint Petersburg: NRU ITMO, 2012. – 416 p.

3. R.M. Bolle, J.H. Connel, S. Pankanti, N.K. Ratha, A.W. Senior. Guide to Biometrics, SprinterVerlag New York, 2004.

4. S. Crihalmeanu, A. Ross. Multispectral sclera patterns for ocular biometric recognition, Pattern Recognition. Lett. 33 (2012)1860–1869.

5. V.B. Klepinin, T.P. Agafonov. Visual FoxPro 9.0. The most complete guide. – Saint Petersburg.: BHV-Petersburg, 2007. – 1216 p.

6. S. A. Ayvazyan, V. M. Buchberger, I. S. Enyukov, L. D. Meshalkin. Applied statistics. Classification and dimensionality reduction. – М.: Finance and statistics, 1989. – 607 p.

7. V. A. Petin. Projects using the Arduino controller. – Saint Petersburg.: BHV-Petersburg, 2016. – 464 p.

8. Tan and B. Bhanu. Robust fingerprint identification, in International Conference on Image Processing 2002. – Vol. 1. – IEEE. Р. 1-277.

9. Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski: «ORB: an efficient alternative to SIFT or SURF», Computer Vision (ICCV), IEEE International Conference on IEEE, 2011. – Р. 2564-2571.

10. Dzmitry Bahdanau, Kyunghyun Cho, and Yoshua Bengio. Neural machine translation by jointly learning to align and translate. CoRR, abs/1409.0473, 2014.