Как работает сканер сетчатки глаза. Распознавание радужки глаза против сканирования сетчатки – HOMTOM HT10 раскрывает различия Что уникального в такой технологии
Рис. 1. Результат движения головы и глаза при сканировании сетчатки.
Влияние изменения масштаба на сравнение сетчаток не так критично, как влияние других параметров, поскольку положение головы и глаза более или менее зафиксировано по оси, соответствующей масштабу. В случае, когда масштабирование всё же есть, оно столь мало, что не оказывает практически никакого влияния на сравнение сетчаток. Таким образом, основным требованием к алгоритму является устойчивость к вращению и смещению сетчатки.
Алгоритмы аутентификации по сетчатке глаза можно разделить на два типа: те, которые для извлечения признаков используют алгоритмы сегментации (алгоритм, основанный на методе фазовой корреляции; алгоритм, основанный на поиске точек разветвления) и те, которые извлекают признаки непосредственно с изображения сетчатки (алгоритм, использующий углы Харриса).
1. Алгоритм, основанный на методе фазовой корреляции
Суть алгоритма заключается в том, что при помощи метода фазовой корреляции оцениваются смещение и вращение одного изображения относительно другого. После чего изображения выравниваются и вычисляется показатель их схожести.В реализации метод фазовой корреляции работает с бинарными изображениями, однако может применяться и для изображений в 8-битном цветовом пространстве.
Пусть и – изображения, одно из которых сдвинуто на относительно другого, а и – их преобразования Фурье, тогда:
Где – кросс-спектр;
– комплексно сопряженное
Вычисляя обратное преобразование Фурье кросс-спектра, получим импульс-функцию:
Найдя максимум этой функции, найдём искомое смещение.
Теперь найдём угол вращения при наличии смещения , используя полярные координаты:
Данная техника не всегда показывает хорошие результаты на практике из-за наличия небольших шумов и того, что часть сосудов может присутствовать на одном изображении и отсутствовать на другом. Чтобы это устранить применяется несколько итераций данного алгоритма, в том числе меняется порядок подачи изображений в функцию и порядок устранения смещения и вращения. На каждой итерации изображения выравниваются, после чего вычисляется их показатель схожести, затем находится максимальный показатель схожести, который и будет конечным результатом сравнения.
Показатель схожести вычисляется следующим образом:
2. Алгоритм, использующий углы Харриса
Данный алгоритм, в отличие от предыдущего, не требует сегментации сосудов, поскольку может определять признаки не только на бинарном изображении.В начале изображения выравниваются при помощи метода фазовой корреляции, описанного в предыдущем разделе. Затем на изображениях ищутся углы (рис. 2).
Рис. 2. Результат поиска углов Харриса на изображениях сетчатки.
Пусть найдена M+1 точка, тогда для каждой j-й точки её декартовы координаты преобразуются в полярные и определяется вектор признаков где
Модель подобия между неизвестным вектором и вектором признаков размера N в точке j определяется следующим образом:
Где – константа, которая определяется ещё до поиска углов Харриса.
Функция описывает близость и похожесть вектора ко всем признакам точки j.
Пусть вектор – вектор признаков первого изображения, где размера K–1, а вектор – вектор признаков второго изображения, где размера J–1, тогда показатель схожести этих изображений вычисляется следующим образом:
Нормировочный коэффициент для similarity равняется
Коэффициент в оригинальной статье предлагается определять по следующему критерию: если разница между гистограммами изображений меньше заранее заданного значения, то = 0.25, в противном случае = 1.
3. Алгоритм, основанный на поиске точек разветвления
Данный алгоритм, как и предыдущий, ищет точки разветвления у системы кровеносных сосудов. При этом он более специализирован на поиске точек бифуркации и пересечения (рис. 3) и намного более устойчив к шумам, однако может работать только на бинарных изображениях.
Рис. 3. Типы признаков (слева – точка бифуркации, справа – точка пересечения).
Для поиска точек, как на рис. 3, сегментированные сосуды сжимаются до толщины одного пикселя. Таким образом, можно классифицировать каждую точку сосудов по количеству соседей S:
- если S = 1, то это конечная точка;
- если S = 2, то это внутренняя точка;
- если S = 3, то это точка бифуркации;
- если S = 4, то это точка пересечения.
3.1. Алгоритм сжатия сосудов до толщины одного пикселя и классификация точек разветвления
Вначале выполняется поиск пикселя, являющегося частью сосуда, сверху вниз слева направо. Предполагается, что каждый пиксель сосуда может иметь не более двух соседних пикселей сосудов (предыдущий и следующий), во избежание двусмысленности в последующих вычислениях.Далее анализируются 4 соседних пикселя найденной точки, которые ещё не были рассмотрены. Это приводит к 16 возможным конфигурациям (рис. 4). Если пиксель в середине окна не имеет соседей серого цвета, как показано на рис. 4 (a), то он отбрасывается и ищется другой пиксель кровеносных сосудов. В других случаях это либо конечная точка, либо внутренняя (не включая точки бифуркации и пересечения).
Рис. 4. 16 возможных конфигураций четырёх соседних пикселей (белые точки – фон, серые – сосуды). 3 верхних пикселя и один слева уже были проанализированы, поэтому игнорируются. Серые пиксели с крестиком внутри также игнорируются. Точки со стрелочкой внутри – точки, которые могут стать следующим центральным пикселем. Пиксели с чёрной точкой внутри – это конечные точки.
На каждом шаге сосед серого цвета последнего пикселя помечается как пройденный и выбирается следующим центральным пикселем в окошке 3 x 3. Выбор такого соседа определяется следующим критерием: наилучший сосед тот, у которого наибольшее количество непомеченных серых соседей. Такая эвристика обусловлена идеей поддержания однопиксельной толщины в середине сосуда, где большее число соседей серого цвета.
Из вышеизложенного алгоритма следует, что он приводит к разъединению сосудов. Также сосуды могут разъединиться ещё на этапе сегментации. Поэтому необходимо соединить их обратно.
Для восстановления связи между двумя близлежащими конечными точками определяются углы и как на рис. 5, и если они меньше заранее заданного угла то конечные точки объединяются.
Рис. 5. Объединение конечных точек после сжатия.
Чтобы восстановить точки бифуркации и пересечения (рис. 6) для каждой конечной точки вычисляется её направление, после чего производится расширение сегмента фиксированной длины Если это расширение пересекается с другим сегментом, то найдена точка бифуркации либо пересечения.
Рис. 6. Восстановление точки бифуркации.
Точка пересечения представляет собой две точки бифуркации, поэтому для упрощения задачи можно искать только точки бифуркации. Чтобы удалить ложные выбросы, вызванные точками пересечения, можно отбрасывать точки, которые находится слишком близко к другой найденной точке.
Для нахождения точек пересечения необходим дополнительный анализ (рис. 7).
Рис. 7. Классификация точек разветвления по количеству пересечений сосудов с окружностью. (a) Точка бифуркации. (b) Точка пересечения.
Как видно на рис. 7 (b), в зависимости от длины радиуса окружность с центром в точке разветвления может пересекаться с кровеносными сосудами либо в трех, либо в четырёх точках. Поэтому точка разветвления может быть не правильно классифицирована. Чтобы избавиться от этой проблемы используется система голосования, изображённая на рис. 8.
Рис. 8. Схема классификации точек бифуркации и пересечения.
В этой системе голосования точка разветвления классифицируется для трёх различных радиусов по количеству пересечений окружности с кровеносными сосудами. Радиусы определяются как: где и принимают фиксированные значения. При этом вычисляются два значения и означающие количество голосов за то, чтобы точка была классифицирована как точка пересечения и как точка бифуркации соответственно:
Где и – бинарные значения, указывающие идентифицирована ли точка с использованием радиуса как точка пересечения либо как точка бифуркации соответственно.
В случае если то тип точки не определён. Если же значение отличаются друг от друга, то при точка классифицируется как точка пересечения, в противном случае как точка бифуркации.
3.2. Поиск преобразования подобия и определение метрики схожести
После того, как точки найдены, необходимо найти преобразование подобия. Это преобразование описывается 4 параметрами – смещение по оси и , масштаб и вращение соответственно.Само преобразование определяется как:
Где – координаты точки на первом изображении
– на втором изображении
Для нахождения преобразования подобия используются пары контрольных точек. Например, точки определяют вектор где – координаты начала вектора, – длина вектора и – направление вектора. Таким же образом определяется вектор для точек Пример представлен на рис. 9.
Рис. 9. Пример двух пар контрольных точек.
Параметры преобразования подобия находятся из следующих равенств:
Пусть количество найденных точек на первом изображения равняется M, а на втором N, тогда количество пар контрольных точек на первом изображении равно а на втором Таким образом, получаем 
возможных преобразований, среди которых верным выбирается то, при котором количество совпавших точек наибольшее.
Поскольку значение параметра S близко к единице, то T можно уменьшить, отбрасывая пары точек, неудовлетворяющие следующему неравенству:
Где – это минимальный порог для параметра
– это максимальный порог для параметра
– пара контрольных точек из
– пара контрольных точек из
После применения одного из возможных вариантов выравнивания для точек и вычисляется показатель схожести:
Где – пороговая максимальная дистанция между точками.
В случае если то
В некоторых случаях обе точки могут иметь хорошее значение похожести с точкой . Это случается, когда и находятся близко друг к другу. Для определения наиболее подходящей пары вычисляется вероятность схожести:
Где
Если то
Чтобы найти количество совпавших точек строится матрица Q размера M x N так, что в i-й строке и j-м столбце содержится
Затем в матрице Q ищется максимальный ненулевой элемент. Пусть этот элемент содержится в -й строке и -м столбце, тогда точки и определяются как совпавшие, а -я строка и -й столбец обнуляются. После чего опять ищется максимальный элемент. Поиск таких максимумов повторяется до тех пор, пока все элементы матрицы Q не обнулятся. На выходе алгоритма получаем количество совпавших точек C.
Метрику схожести двух сетчаток можно определить несколькими способами:
Где – параметр, который вводится для настройки влияния количества совпавших точек;
f выбирается одним из следующих вариантов:
Метрика нормализуется одним из двух способов:
Где и – некоторые константы.
3.3. Дополнительные усложнения алгоритма
Метод, основанный на поиске точек разветвления, можно усложнить, добавляя дополнительные признаки, например углы, как на рис. 10.
Рис. 10. Углы, образованные точками разветвления, в качестве дополнительных признаков.
Также можно применять шифр гаммирования. Как известно, сложение по модулю 2 является абсолютно стойким шифром, когда длина ключа равна длине текста, а поскольку количество точек бифуркации и пересечения не превышает порядка 100, но всё же больше длины обычных паролей, то в качестве ключа можно использовать комбинацию хешей пароля. Это избавляет от необходимости хранить в базе данных сетчатки глаза и хеши паролей. Нужно хранить только координаты, зашифрованные абсолютно стойким шифром.
Заключение
Аутентификация по сетчатке действительно показывает точные результаты. Алгоритм, основанный на методе фазовой корреляции, не допустил ни одной ошибки при тестировании на базе данных VARIA. Также алгоритм был протестирован на неразмеченной базе MESSIDOR с целью проверки алгоритма на ложные срабатывания. Все найденные алгоритмом пары похожих сетчаток были проверены вручную. Они действительно являются одинаковыми. На сравнение кровеносных сосудов двух сетчаток глаз из базы VARIA уходит в среднем 1.2 секунды на двух ядрах процессора Pentium Dual-CoreT4500 с частотой 2.30 GHz. Время исполнения алгоритма получилось довольно большое для идентификации, но оно приемлемо для аутентификации.Также была предпринята попытка реализации алгоритма, использующего углы Харриса, но получить удовлетворительных результатов не удалось. Как и в предыдущем алгоритме, возникла проблема в устранении вращения и смещения при помощи метода фазовой корреляции. Вторая проблема связана с недостатками алгоритма поиска углов Харриса. При одном и том же пороговом значении для отсева точек, количество найденных точек может оказаться либо слишком большим либо слишком малым.
В дальнейших планах стоит разработка алгоритма, основанного на поиске точек разветвления. Он требует гораздо меньше вычислительных ресурсов по сравнению с алгоритмом, основанном на методе фазовой корреляции. Кроме того, существуют возможности для его усложнения в целях сведения к минимуму вероятности взлома системы.
Другим интересным направлением в дальнейших исследованиях является разработка автоматических систем для ранней диагностики заболеваний, таких как глаукома, сахарный диабет, атеросклероз и многие другие.
P.s. по немногочисленным просьбам выкладываю
Первые сообщения о «взломе» биометрических систем защиты флагманских смартфонов компании Samsung (Galaxy S8 и S8+) фактически в день их презентации, в конце марта 2017 года. Напомню, что тогда испанский испанский обозреватель MarcianoTech вел прямую Periscope-трансляцию с мероприятия Samsung и обманул систему распознавания лиц в прямом эфире. Он сделал селфи на собственный телефон и продемонстрировал полученное фото Galaxy S8. Как это ни странно, этот простейший трюк сработал, и смартфон был разблокирован.
Однако флагманы Samsung комплектуются сразу несколькими биометрическими системами: сканером отпечатков пальцев, системой распознавания радужной оболочки глаза и системой распознавания лиц. Казалось бы, сканеры отпечатков и радужной оболочки должны быть надежнее? По всей видимости, нет.
Исследователи Chaos Computer Club (CCC) сообщают , что им удалось обмануть сканер радужной оболочки глаза с помощью обыкновенной фотографии, сделанной со средней дистанции. Так, известный специалист Ян «Starbug» Криссер (Jan Krissler) пишет, что достаточно сфотографировать владельца Galaxy S8 таким образом, чтобы его глаза были видны в кадре. Затем нужно распечатать полученное фото и продемонстрировать его фронтальной камере устройства.
Единственная сложность заключается в том, что современные сканеры радужной оболочки глаза (равно как и системы распознавания лиц) умеют отличать 2D-изображения от реального человеческого глаза или лица в 3D. Но Starbug с легкостью преодолел и эту сложность: он попросту приклеил контактную линзу поверх фотографии глаза, и этого оказалось достаточно.
Для достижения наилучшего результата специалист советует делать фото в режиме ночной съемки, так как это позволит уловить больше деталей, особенно если глаза жертвы темного цвета. Также Крисслер пишет, что распечатывать фотографии лучше на лазерных принтерах компании Samsung (какая ирония).
«Хорошей цифровой камеры с линзой 200 мм будет вполне достаточно, чтобы с расстояния до пяти метров захватить изображение, пригодное для обмана системы распознавания радужной оболочки глаза», - резюмирует Крисслер.
Данная атака может оказаться куда опаснее, чем банальный обман системы распознавания лиц, ведь если последнюю нельзя использовать для подтверждения платежей в Samsung Pay, то радужную оболочку глаза для этого использовать как раз можно. Найти качественную фотографию жертвы в наши дни явно не составит труда, и в итоге атакующий сможет не просто разблокировать устройство и получить доступ к информации пользователя, но и похитить средства из чужого кошелька Samsung Pay.
Специалисты Chaos Computer Club предупреждают пользователей, что не стоит доверять биометрическим системам защиты сверх меры и рекомендуют применять старые добрые PIN-коды и графические пароли.
Видеоролик ниже пошагово иллюстрирует все этапы создания фальшивого «глаза» и демонстрирует последующий обман Samsung Galaxy S8.
Представители компании Samsung прокомментировали ситуацию:
"Компании известно об этом сообщении. Samsung заверяет пользователей, что технология распознавания радужной оболочки глаза в Galaxy S8 была разработана и внедрена после тщательного тестирования, чтобы обеспечить высокий уровень точности сканирования и предотвратить попытки несанкционированного доступа.
Описываемый в упомянутом материале способ может быть реализован только с использованием сложной техники и совпадении ряда обстоятельств. Нужна фотография сетчатки высокого разрешения, сделанная на ИК-камеру, контактные линзы и сам смартфон. В ходе внутреннего расследования было установлено, что добиться результата при использовании такого метода невероятно сложно.
Тем не менее, даже при наличии потенциальной уязвимости, специалисты компании приложат все усилия, чтобы в кратчайшие сроки обеспечить безопасность конфиденциальных и личных данных пользователей".
Технология сканирования радужной оболочки глаза была впервые предложена в 1936 году офтальмологом Франком Буршем. Он заявил, что радужная оболочка глаза каждого человека является уникальной. Вероятность ее совпадения составляет примерно 10 в минус 78-ой степени, что значительно выше, чем при дактилоскопии. Согласно теории вероятности, за всю историю человечества еще не было двух людей, у которых бы совпал узор глаза. В начале 90-х Джон Дафман из компании Iridian Technologies запатентовал алгоритм для обнаружения различий радужной оболочки глаза. На данный момент этот способ биометрической аутентификации является одним из наиболее эффективных и производится с помощью специального сенсора - иридосканера.
Радужная оболочка глаза - это тонкая подвижная диафрагма со зрачком в центре, которая расположена за роговицей перед хрусталиком глаза. Она образовывается ещё до рождения человека и не меняется на протяжении всей жизни. По текстуре радужная оболочка напоминает сеть с большим количеством кругов, при этом ее рисунок очень сложен, что позволяет отобрать порядка 200 точек, с помощью которых обеспечивается высокая степень надежности аутентификации.
Сканер радужной оболочки глаза часто ошибочно называют сканером сетчатки. Отличие заключается в том, что сетчатка расположена внутри глаза и просканировать ее оптическим сенсором невозможно, только с помощью инфракрасного излучения. При этом анализируется не сама сетчатка, а узор кровеносных сосудов глазного дна. Называть подобный сенсор иридосканером неправильно, так как iris – это радужка, сетчатка же имеет название retina.
В основе иридосканера современного смартфона лежит высококонтрастная камера, подобная обычной камере. Иногда роль сканера радужной оболочки может выполнять и обычная фронтальная камера. Процесс аутентификации начинается с получения детального изображения глаза человека. Для этой цели используют монохромную камеру с неяркой подсветкой, которая чувствительна к инфракрасному излучению и позволяет работать в условиях недостаточной освещенности. Обычно делается серия из нескольких фотографий, так как зрачок чувствителен к свету и постоянно меняет свой размер. Затем из полученных фотографий выбирается одна наиболее удачная, определяются границы радужки и контрольная область. К каждой точке выбранной области применяют специальные фильтры, чтобы извлечь фазовую информацию и преобразовать рисунок оболочки в цифровой формат. Очки и контактные линзы, даже цветные, не влияют на качество аутентификации.
Внедрение сканера радужной оболочки глаза в смартфоны началось в 2015 году. Первыми его стали устанавливать китайские и японские производители. В частности первопроходцем был ViewSonic V55, так и не поступивший в массовую продажу. Из самых новых устройств, оснащенных иридосканером, можно выделить Samsung Galaxy S8, однако его сканер с легкостью удалось обмануть хакерам, распечатавшим фотографию на принтере и положившим на нее контактную линзу.
Считается, что наиболее точной формой идентификации человека является сканирование радужной оболочки глаза. По мнению специалистов, она в разы превосходит сканирование отпечатка пальцев и в скором времени будет использоваться в каждом смартфоне. Уже сегодня можно купить устройства, в которых используется такая функция. В этой статье мы расскажем об этой технологии подробнее.
Навигация
Технология сканирования радужной оболочки глаза называется IRIS. В скором времени вам не нужно будет носить с собой большие связки ключей, пластиковые карты, пропуски на работу и другие объекты.
Ведь, IRIS-кодом можно будет заменить любой документ идентификации личности. По некоторым данным, эта технология превосходит сравнение отпечатков пальцев и может составить конкуренцию распознание по ДНК.
Зачем использовать биометрические показатели?
Безопасности в наше время уделяется особое место. Все из нас имеют что-то ценное. Материальные ценности можно спрятать под замок или отдать на хранение в банк. Но, что делать с информацией? Ее также можно спрятать под замок, открыть который можно с помощью математического ключа.
Существует масса способов защиты информации.
Одна из них – сканирование радужной сетчатки глаза
Если в вашем смартфоне или планшете имеется информация, которую нужно защитить от посторонних, то сканирование радужной сетчатки глаза это один из способов такой защиты.
С ее помощью можно будет защитить свои оплаты в интернете, фотографии из памяти смартфона, текстовые файлы и т.п.
Кроме отпечатков пальцев сегодня активно используются распознавание по другим биометрическим показателям. Например, на таможне специалист этой службы визуально идентифицирует вас с тем человеком, фотография которого вклеена в ваш паспорт. Он ищет сходство по форме носа, щек, лба, рта, глаз и т.п.
Но, этот способ не может гарантировать на 100%, что человек на фотографии и вы это один и тот же человек.
В наше время, когда с помощью пластиковой хирургии из каждого можно сделать Бреда Пита и Анжелину Джоли. Изменить внешность в угоду своих каких-то потребностей, не составит большого труда. А вот до того, чтобы изменить «рисунок» глаза, технологии еще не дошли.
Как работает этот сканер?
Радужная оболочка человеческих глаз не только предопределяет их цвет, но и имеет уникальный для каждого «рисунок». При очень близком приближении можно заметить в глазном яблоке множество уникальных линий, которые индивидуальны не только для каждого человека, но и для каждого глаза. У левого «рисунок» один, а у правого другой.
Еще один важный фактор выбора сетчатки глаза для идентифицирования человека заключается в том, что «рисунок» этой части глаза со временем практически не меняется.
То есть, его можно использовать, как и отпечатки пальцев, сверяя с ранее сохраненными «эталонами»
Для сканирования «рисунка» сетчатки глаза используется инфракрасное излучение. Ему не страшны очки и контактные линзы. Кроме того, ИК-излучение можно использовать в полной темноте.
После того, как сканер считает «рисунок» сетчатки глаза, он его переведет в цифровой код. Затем система сравнит этот код с тем, который есть у нее в памяти и, в случае смартфона, разблокирует содержимое устройства.
Сегодня биометрические сканеры установлены на некоторые смартфоны далеки от идеала. Но, такие устройства постоянно улучшаются. Уже есть смартфоны, в которых сканируется не только радужная оболочка, но и все лицо в целом. Что повышает безопасность.
В Play Market уже сегодня можно скачать и установить на свой Android-смартфон специальное приложение-сканер сетчатки глаза. Оно работает от камеры и имеет большую погрешность. Поэтому, редко используется в современных гаджетах.
А вот у специального датчика, которым в скором времени будут снабжать все больше устройств, перспективы довольно большие.
Что уникального в такой технологии?
Главная функция радужной оболочки – сжимание и разжимание зрачка. Эта мускульная ткань действует как затвор камеры фотоаппарата. Ее «рисунок» формируется на генетическом уровне и проявляется еще тогда, когда ребенок находится в утробе матери. Но окончательное формирование происходит через два года после рождения ребенка.
У человека принято различать 10 цветов глаз от коричневого до голубого. Цвет зависит от количества меланина. Чем больше этого пигмента, тем ближе цвет глаз к коричневому цвету, а чем меньше, тем ближе к голубому.
Хоть цветов глаз всего 10, его узор уникален для каждого человека. Даже у генетических близнецов узор радужной оболочки различен.
Как работает эта технология?
Для того, чтобы использовать такое сканирование на своем смартфоне, необходимо, чтобы такая функция в нем присутствовала. При первом запуске сканера он должен считать информацию и запомнить «рисунок» радужной оболочки.
После чего, при каждом последующем сканировании, он программа будет сверять цифровой код «рисунка» с тем, который имеется в ее базе данных.
А теперь о стадиях сканирования более подробно.
Получение снимка вашего глаза
Для того, чтобы такая система работала, ей нужен снимок радужной оболочки глаза. Поэтому, перед тем, как воспользоваться такой системой верификации человек должен разово сфотографировать свой глаз.
Система создаст два снимка. Один обычный, второй в невидимым, инфракрасном свете. Эту систему разработал в 90-х годах прошлого века компьютерный инженер Джон Догманн.
Специальное ПО «отделит» радужную оболочку от зрачка и внешних границ. После чего, на изображение накладываются специальные круги и линии, разбивающие «рисунок» на сектора.
Таким образом радужная оболочка разбивается на отдельные фрагменты, которые затем будут использоваться для повторной идентификации.
Полученные фрагменты «рисунка» конвертируются в цифровой код. Для этого его прогоняют через применяют полосно-пропускной фильтр. Участкам по степени затемнения придают значения от 0 до 1. Из полученного набора цифр генерируется уникальный Iris-код.
Благодаря инфракрасному свету, длина волны которого больше, чем длина волны обычного красного света, можно более точно распознать уникальность «рисунка» глаза.
После чего, эти две фотографии, выполненные в цифровом виде, анализируются. Из них удаляются все ненужные детали, а уникальные оставляются. На сегодняшний день при таком сканировании используются более 240 оригинальных особенностей.
Для сравнения, при сканировании отпечатка пальцев, выделяются в 5 раз меньше особенностей узоров кожи.
После того, как система проанализирует все особенности глаза она присвоит цифровой код (IrisCode) владельцу такого глаза. Он состоит из 512 цифр.
Этот номер сохранится в памяти устройства, которым пользуется его владелец. Вся вышеописанная процедура длиться не больше нескольких минут.
Подтверждение подлинности глаза
IRIS-технология
После того, как фотографии радужной оболочки глаза занесены в базу вашего устройства, процесс верификации будет проходить за считанные секунды. Необходимо посмотреть на датчик-сканер. Он повторно сфотографирует глаз, а система преобразует его в цифровой код.
Затем система сравнит два кода и если они одинаковы укажет на то, что верификация прошла удачно. Если коды между собой не совпадут, значит вы не обладаете такой радужной оболочкой, которая принята за оригинал.
Какая технология лучше?
Во-первых, сканирование оболочки глаза проходит комфортнее, чем идентификация по отпечатку пальца. Перед тем как пройти такую процедуру необходимо, чтобы палец был сухим и чистым.
Поэтому, в дождь или после того, как вы перебрали двигатель любимого авто сразу пройти идентификацию по отпечатку пальца не получится. В идеале, если установить смартфон на док-станцию, при сканировании радужной оболочки глаза его даже в руки брать не нужно.
Сканер может получить нужную ему информацию даже с небольшого расстояния.
Датчики распознания отпечатков пальцев используются в цифровой технике уже около десяти лет. В то время как датчики распознания радужной оболочки глаза на момент написания статьи были установлены только в Lumia 950 и Lumia 950 XL. Но, уже сейчас на подходе Galaxy Note 7 и несколько флагманов других компаний.
Отпечатки пальцев это сложный, но не идеальный биометрический способ идентификации. На изменения рисунка папиллярных линии могут повлиять травмы и некоторые болезни.
Сканирование радужной оболочки глаза – это более надежный способ идентификации человека. Достаточно просто сфотографировать глаз.
Преимущества и недостатки технологии
Главным преимуществом этой технологии является точность. По сравнению все с тем же отпечатками пальцев, эта технология более надежна. По статистике 1-2 млн проверок приходится всего один отказ.
В то время как, при распознавании по отпечатку пальца 1 ошибка происходит каждые 100 тысяч раз.
Что касается недостатком такого сканирования, то к ним можно отнести стоимость датчиков, применяемых в этой технологии. Что конечно добавит стоимости устройств, где будет применяться эта технология.
Кроме того, есть некоторые люди, которые опасаются инфракрасного воздействия на роговицу глаза. А также те, кто считает, что с помощью таких датчиков можно сканировать данные даже по фотографии. Но, до сих пор, никому не удалось это сделать.
