| Биометрические системы контроля доступа. | |
|
|
| |
|
Биометрия - это методы автоматической идентификации человека и подтверждения личности человека, основанные на физиологических или поведенческих характеристиках. Примерами физиологических характеристик являются отпечатки пальцев, форма руки, характеристика лица, радужная оболочка глаза. К поведенческим характеристикам относятся особенности или характерные черты, либо приобретенные или появившиеся со временем, то есть динамика подписи, идентификация голоса, динамика нажатия на клавиши. Биометрия – уникальная, измеримая характеристика человека для автоматической идентификации или верификации. Термин «автоматически» означает, что биометрические технологии должны распознавать или верифицировать человека быстро и автоматически, в режиме реального времени. Идентификация с помощью биометрических технологий предполагает сравнение ранее внесенного биометрического образца с вновь поступившими биометрическими данными.
Несмотря на то, что целый ряд компаний был вынужден свернуть свои биометрические проекты из-за отсутствия финансовой поддержки, в настоящее время проводятся интенсивные исследования, направленные на расширение возможностей биометрии в таких методах идентификации, как:
– по отпечаткам пальцев,
– по геометрии руки,
– по отпечатку ладони,
– по строению кровеносных сосудов,
– по термографии лица,
– по форме лица в двух-, трехмерном измерении,
– по голосу,
– по подписи,
– по динамике печатания,
– по походке,
– по радужной оболочке глаза,
– по сетчатке глаза (в последние годы динамика исследований распознавания по сетчатке глаза несколько снизилась в силу возникших опасений, связанных с необходимостью использовать для идентификации слишком яркий свет, однако сейчас разработана технология идентификации по сетчатке с использованием инфракрасного излучения).
В настоящее время наибольшее применение находит сканирование отпечатков пальцев. Связано это с тем, что создано уже большое количество устройств, эффективно использующих данную технологию. Кроме того, стоимость такой аппаратуры постоянно снижается. По данным организации «Международная группа биометрии» (International Biometrics Group – IBG), технологии, основанные на считывании отпечатков пальцев, занимают сейчас более 50% рынка биометрии.
Вслед за этим становятся популярными в силу простоты применения и сравнительно умеренной цены такие технологии, как распознавание по подписи и по голосу. Идентификация по форме лица, геометрии руки и радужной оболочке не находит широкого распространения в связи с тем, что эти методы более сложны в использовании и требуют существенных финансовых затрат. Кроме того, в отношении данных технологий еще не до конца решены вопросы, связанные с законодательным разрешением их применения и с обвинениями во вмешательстве в личную жизнь граждан.
Целый ряд других технологий еще находится, образно говоря, в младенческом возрасте. Это, например, относится к идентификации по походке и по форме лица в трехмерном варианте.
Справедливости ради следует отметить, что хотя некоторые из биометрических систем по своей технологии являются более совершенными и вроде бы более точными, чем другие, на самом деле не существует какой-либо «лидирующей» технологии. Дело в том, что лучшими индикаторами, позволяющими определить, какую из технологий следует применить в конкретном проекте, являются соответствие поставленным целям, удобство применения и, конечно же, вопрос стоимости необходимого оборудования.
Биометрический процесс
Каждая биометрическая система должна иметь свое основное и промежуточное программное обеспечение, необходимые аппаратные средства. Именно все эти программы и устройства будут производить подсчеты, аккумулировать данные, сохранять их, осуществлять поиск и сравнение информации, подтверждать или отвергать сходство конкретного биометрического идентификатора.
Обычно биометрическая система должна работать в одном из двух режимов – идентификации или верификации. В обоих случаях начальная установка, или так называемая регистрация, практически одинаковая и во многом зависит от правильного ввода информации.
Процесс регистрации представляет собой установку основных начальных параметров системы и состоит из пяти этапов:
• Загрузка биометрических данных.
При добавлении в базу данных конкретной биометрической характеристики часто вводится несколько ее вариантов, относящихся к одному и тому же лицу, чтобы учесть возможные изменения, например тембра голоса или выражения лица.
• Фиксирование данных.
Измерение и фиксация базовой биометрической информации, относящейся к конкретному образу.
• Обработка данных.
Перевод зафиксированных данных в цифровую форму с созданием эквивалента голосовому или лицевому пин-коду.
• Сверка обработанных данных с первично загруженной информацией.
Проводится с целью подтверждения правильности распознавания системой введенных данных.
• Сохранение подтвержденных биометрических данных.
Результатом регистрации должен стать представленный в электронном виде информационный пакет, удобный для использования и размещенный в базе данных или же на идентификационных смарт-картах.
Регистрация является тем этапом, на котором крайнюю важность приобретают эффективное взаимодействие между всеми пользователями и точное выполнение всех процедур, так как от этого зависят дальнейшее функционирование, работоспособность и точность системы. Однако, как мы в дальнейшем убедимся, точность на каждом этапе обеспечивается не только технологическими параметрами и используемым оборудованием, но и теми требованиями, которые предъявляют к системе пользователи.
Идентификация и верификация
Один из важных вопросов, которые необходимо решить, заключается в том, для чего планируется использовать систему – для идентификации или верификации. Если говорить об идентификации, то система пытается найти, кому принадлежит данный образец, сравнивая образец с базой данных для того, чтобы найти совпадение (также этот процесс называют сравнением одного со многими).
Верификация – это сравнение, при котором биометрическая система пытается верифицировать личность человека. В таком случае новый биометрический образец сравнивается с ранее сохраненным образцом. Сравнивая эти два образца, система подтверждает, что данный человек действительно тот, за кого он себя выдает. В процессе идентификации система сравнивает один образец со многими, тогда как процесс аутентификации или верификации сравнивает один с одним. Идентификационная система спрашивает: «Вы кто?» Верификационная система спрашивает: «Вы действительно тот, за кого себя выдаете?»
В случае идентификации необходима центральная база данных биометрической информации, с которой будет сравниваться конкретный образец. Во втором случае биометрические данные человека проверяются на сходство с электронными данными, содержащимися, например, на смарт-карте.
Путь верификации, или простое сравнение «один к одному», во многих случаях будет представлять более приемлемый в социальном аспекте вариант, потому что информация об индивидууме содержится не в центральной базе данных, а только на единственной карте, хранящейся у него самого. Перспектива же оказаться в общей базе данных рождает много протестов против введения биометрических идентификационных карт в национальном масштабе.
Идентификация по отпечатку пальца
Отпечатки пальцев каждого человека уникальны по своему рисунку. Отпечатки пальцев не совпадают у одного человека на разных пальцах, даже у близнецов. Это одна из самых популярных технологий, которая применяется для обеспечения безопасности доступа к компьютеру и сети. Благодаря этой системе пользователям больше не нужно набирать пароль, доступ обеспечивает одно касание до сканирующего устройства. У этой технологии, на сегодняшний день, наверное, больше всего применений и вот некоторые из них. Несколько штатов проверяют отпечатки пальцев кандидатов на пособия социального обеспечения для того, чтобы исключить вероятность обмана. В Нью-Йорке составлена такая база данных, которая насчитывает около 900 000 людей. Доступ к сетевым ресурсам и частному компьютеру также обеспечивается отпечатками пальцев.
Сильная сторона этого способа заключается в ее всемирном одобрении, удобстве и надежности.
Признаки двух типов:
• Глобальные
• Локальные
Глобальные признаки
• Узоры папиллярные
• Область образа
• Ядро
• Пункт «Дельта»
• Тип линии
• Счетчик линии
Локальные признаки
• Минуции: это уникальные для каждого отпечатка признаки
определяющие пункты изменения
структуры папиллярных линий.
Стандарты на отпечатки пальцев
• Образ представляется в формате TIF в нескомпрессованном виде;
• Должен иметь 256 уровней яркости;
• Разрешение не менее 500 dpi;
• Мах.угл поворота от вертикали не более 15 градусов.
Устройства для получения отпечатков пальцев
Получение электронного представления отпечатков пальцев с хорошо различимым папиллярным узором — достаточно сложная задача. Поскольку отпечаток пальца слишком мал, для получения его качественного изображения приходится использовать достаточно изощренные методы.
Все существующие сканеры отпечатков пальцев по используемым ими физическим принципам можно разделить на три группы:
• оптические;
• кремниевые;
• Ультразвуковые;
Оптические сканеры
Основаны на использовании оптических методов получения изображения. В настоящее время существуют следующие технологии реализации оптических сканеров: FTIR-сканеры; Оптоволоконные сканеры; Оптические протяжные сканеры; Роликовые сканеры; Бесконтактные сканеры
FTIR-сканеры
Оптоволоконные сканеры
Оптические протяжные сканеры
Роликовые сканеры
Бесконтактные сканеры
Полупроводниковые сканеры
В их основе лежит использование для получения изображения поверхности пальца свойств полупроводников, изменяющихся в местах контакта гребней папиллярного узора с поверхностью сканера. В настоящее время существует несколько технологий реализации полупроводниковых сканеров.
Типы полупроводниковых сканеров
• Емкостные сканеры
• Чувствительные к давлению сканеры
• Термо-сканеры
• Радиочастотные сканеры
• Протяжные термо-сканеры
• Емкостные протяжные сканеры
• Радиочастотные протяжные сканеры
Схема работы полупроводниковых сканеров
Протяжные термо-сканеры
Ультразвуковые сканеры
Пример устройства для получения отпечатков пальцев: биометрическая мышь, сканер вмонтированный в клавиатуру, дактосканер подвижный, сканер вмонтированный в замок, сканер оптический, переносной малогабаритный сканер, USB-биоключ.
Один из новых способов, завоевавший значительную популярность, - распознавание облика. Люди легко узнают друг друга по лицам, но автоматизировать подобное опознание вовсе не легко. Большая часть работ в этой области была посвящена тому, чтобы получить изображение при помощи фотографии или видеокамеры.
Технология распознавания позволяет сканировать человеческие лица в режиме реального времени. Видеокамера подключается к терминалу, и система определяет, соответствует ли лицо в кадре фотографиям из базы данных. Принцип работы системы распознавания по лицу основан на специальном алгоритме оцифровки изображений, позволяющем выбирать на кадрах лицо человека и оцифровывать его, выделяя большое количество параметров (так называемые базовые точки - скулы, цвет и форма глаз, ширина переносицы, губ и т. д.). В результате каждое лицо описывается уникальным набором параметров, причем с некоторым избытком. Для идентификации с высокой степенью точности требуется не более 40 характеристик, тогда как система обычно задает около 2 тыс. оценочных параметров. Это обеспечивает высокую надежность опознания независимо от поворота головы, наличия очков, косметики. В принципе для надежного опознания человека программе достаточно всего несколько десятков базовых точек. Фотография и цифровое описание лица заносятся в базу данных, с которой впоследствии сравнивается распознаваемое лицо.
Вообще говоря, на рынке систем автоматического распознавания лица господствуют два типа систем. Первые базируются на статистическом методе: на основе набора биометрических данных и их обработки формируется некий электронный образец как уникальное в своем роде число, относящееся к конкретной личности. Такой тип систем достаточно широко распространен, но идентификация с их помощью, как правило, не очень надежна.
Методы, относящиеся ко второму типу, близки к человеческому видению проблемы распознавания. Система самообучаема и робастна в отношении изменчивости лица - таких факторов, как возраст, наличие усов или бороды, очков. Для идентификации и верификации можно использовать и старые фотографии. Технология в принципе позволяет работать даже с рентгеновскими снимками. Приемлемость такого принципа пока не удалось превзойти, так как он моделирует "человеческий подход": один человек разглядывает лицо другого, чтобы его идентифицировать. Как и анализ личной подписи, определение идентичности по фотографии в паспорте относят к наиболее доступному и признанному методу распознавания личности.
Для защиты данных и информации также предпочтительно использовать системы распознавания лица. Кроме того, контроль лица выполняется с определенным комфортом: он бесконтактен и обеспечивает удобную и быструю обработку данных.
В качестве единственного биометрического приложения метод распознавания лица можно использовать в разных областях. Помимо сравнения с содержанием баз данных цифровых фото и классического контроля доступа (верификации), с помощью этого метода можно бесконтактно распознавать людей и в негрупповых сценариях. Распознавание лица неэффективно только тогда, когда значительные изменения, например, вследствие несчастного случая, делают невозможным даже человеческую визуализацию.
Идентификация по радужной оболочке глаза
Этот способ идентификации основан на анализе цветной радужной оболочки глаза, окружающей зрачок. Данная характеристика также является уникальной. Образцы радужных оболочек становятся доступными с помощью видеосистем. Подобные системы смогут идентифицировать человека, даже если он будет в очках или с контактными линзами. Эта система идентификации также является удобной в использовании и не требует личного контакта со сканером. Идентификация по радужной оболочке применяется на протяжении нескольких лет, а также была продемонстрирована и опробована на различных этнических группах и национальностях и подтвердила свою надежность и точность.
Что такое радужка?
Радужка расположена на передней части склеры, имеет кольцевую форму и размеры в среднем по горизонтали А ? 12,5 мм и по вертикали В ? 12,0 мм (рис. 1). Внешний контур радужки, ее граница со склерой - почти идеальный эллипс и может быть приближенно представлена окружностью (как это и делается в современных системах). Внешний контур радужки постоянен и практически одинаков для всех людей.
Рисунок 1 - Типичный вид радужки
Внутренняя граница радужки задается зрачком. У нормального здорового человека зрачок круглый, а его центр несколько смещен относительно центра радужки по направлению к кончику носа. Достаточно часто встречаются незначительные децентрации и отклонения формы зрачка от круговой. Децентрации и отличие от круговой формы определяются патологиями. Асимметрия зрачка также нарастает с возрастом. Вариации положения центра и отношения радиуса зрачка в заданном направлении к среднему могут достигать 20% для одного человека. Поэтому учет формы и расположения зрачка - одна из важнейших проблем.
Рисунок 2 - Примеры некруглых зрачков
Рисунок радужки обусловлен радиально расположенными нитями - трабекулами, переплетенными между собой соединительно-тканными перекладинами, идущими в разных направлениях, и уникален для каждого человека. Рисунок радужки у большинства людей малоконтрастен (диапазон яркостей точек изображения радужки много меньше диапазона яркостей изображения глаза, включающего темный зрачок и светлую склеру). Кроме того, некоторые типы радужки имеют очень тонкую текстуру (на них нет крупных ярких или темных элементов).
Методы идентификации по радужке.
В настоящее время в системах идентификации человека по радужной оболочке сформировались два основных подхода, отличающихся друг от друга способами представления образов радужки и соответствующих им образов-эталонов.
В первом подходе радужка (как новый образ или эталон) непосредственно выделяется из изображения глаза, а во втором – этим образом является матрица штрих-кодов, соответствующая структуре поверхности радужной оболочки.
В свою очередь, радужки в первом подходе могут быть представлены в двух формах:
• колец, выделенных из изображения глаза и определяющих только ту часть информационных знаков глаза, которая непосредственно относится к радужной оболочке;
• прямоугольника, полученного из кольца радужной оболочки путем преобразования декартовой системы координат в полярную.
Процесс получения кольца радужной оболочки непосредственно из изображения глаза показан на рисунке 3 .
Рисунок 3 – Процесс получения кольца радужки
Результат преобразования кольца радужной оболочки из декартовой системы координат в полярную представлен на рисунке 4 . Весь процесс развертки радужной оболочки включает: определение местоположения, центра и контуров зрачка, определение величин радиусов окружности зрачка и окружности радужной оболочки, формирование координат полярной системы, преобразование каждого пикселя радужной оболочки из его представления в декартовой системе координат в представление в полярной системе координат. Последовательность выполнения описанного процесса и получаемые при этом результаты отмечены на рисунке цифрами 1-5.
Рисунок 4 – Развертка радужной оболочки глаза в прямоугольную форму
Поскольку целочисленные индексы декартовой системы координат не всегда строго соответствуют координатам полярной системы, на последнем этапе используется процедура интерполяции (нулевого порядка, двулинейная или билинейная).
Вторая форма представления радужных оболочек требует больших вычислительных затрат (в сравнении с затратами на представление в форме кольца), однако является более удобной для практических применений.
Это обусловлено следующим:
• Поворот изображения, преобразованного из декартовой системы координат в полярную, заменяется его циклическим сдвигом.
• Используя логарифмическое представление координат в направлении радиуса R (вместо линейного), можно получить инвариант масштабного изменения радужной оболочки (в направлении радиуса R ).
• Используя два отмеченных выше свойства, получаем представление радужной оболочки глаза в форме инварианта поворота и масштаба, что значительно упрощает его сопоставление с аналогично представленным эталоном.
В качестве основного метода сравнения двух образов радужной оболочки в рассматриваемых случаях используется, как правило, взаимная корреляция. Доказано, что даже при значительных различиях в масштабе и повороте в изображениях двух одинаковых глаз коэффициент взаимной корреляции не был ниже 0,85.
Процесс получения матриц штрих - кодов, соответствующих структуре поверхности радужной оболочки, представлен схематически на рисунке 5 . Последовательность выполняемых при этом этапов и получаемых результатов преобразования исходных данных отмечена цифрами 1-5.
Рисунок 5 – Процесс получения матриц штрих – кодов радужной оболочки глаза
Этапы 1-3 связаны с выделением области лица на некоторой сцене, локализацией глаза на лице и зрачка на области глаза. На четвертом этапе выполняемого процесса на радужную оболочку глаза (нормированного по масштабу) накладывается фиксированная маска полярной системы координат. Значение каждого пикселя радужной оболочки в точке, соответствующей координатам маски, сравнивается с некоторым заданным порогом и, в зависимости от результата сравнения, записывается как «0» или «1» в определенное место матрицы штрих – кодов. Эта своеобразная бинарная матрица представлена на рисунке 5 под номером 5.
Образ - эталон радужной оболочки (радужка зарегистрированного пользователя) записывается в память системы как файл размером 512 байт.
На этапе идентификации очередного клиента системы сравнение каждой новой матрицы штрих – кодов с матрицей – эталоном может быть выполнено любым известным способом, хотя и здесь возможна взаимная корреляция.
Идентификация по радужке.
Рассмотрим, как же она осуществляется. Первым этапом, естественно, является получение исследуемого изображения. Делается это с помощью различных камер. Причем стоит отметить, что большинство современных систем предполагает использование для идентификации не одного снимка, а нескольких. Второй этап - выделение изображения радужной оболочки глаза. Сегодня разработано множество способов точного получения границы радужной оболочки по описанным признакам.
Следующий этап идентификации - это приведение размера изображения радужки к эталонному. Это нужно по двум причинам. Во-первых, в зависимости от условий съемки (освещенность, расстояние для объекта) размер изображения может изменяться. Соответственно и элементы радужки тоже будут получаться разными. Впрочем, с этим особых проблем не возникает, так как задача решается путем масштабирования. А вот со второй причиной дела обстоят не так хорошо. Дело в том, что под воздействием некоторых факторов может меняться размер самой радужки. При этом расположение ее элементов относительно друг друга становится несколько иным. Для решения этой задачи используются специально разработанные алгоритмы. Они создают модель радужной оболочки глаза и по определенным законам воссоздают возможное перемещение ее элементов.
Следующим действием является преобразование полученного изображения радужной оболочки глаза в полярную систему координат. Это существенно облегчает все будущие расчеты. Ведь радужка - это почти круг, а все основные ее элементы располагаются по окружностям и перпендикулярным им прямым отрезкам. Кстати, в некоторых системах идентификации этот этап неявный: он совмещен со следующим.
Пятым шагом в процессе идентификации личности является выборка элементов радужной оболочки глаза, которые могут использоваться в биометрии. Это самый сложный этап. Проблема заключается в том, что на радужной оболочке нет каких-то характерных деталей. А поэтому нельзя использовать ставшими привычными в других биометрических технологиях определения типа какой-то точки, ее размера, расстояния до других элементов и т. д. В данном случае используются сложные математические преобразования, осуществляющиеся на основе имеющегося изображения радужки.
Ну и, наконец, последним этапом идентификации человека по радужной оболочке глаза является сравнение полученных параметров с эталонами. И у этого действия есть одно отличие от многих других подобных задач. Дело в том, что при выделении уникальных характеристик необходимо учитывать закрытые области. Кроме того, часть изображения может быть искажена веками или бликами от зрачка. Таким образом, некоторые параметры могут существенно отличаться от эталонного. Впрочем, эта проблема довольно легко решается благодаря избыточному содержанию на радужной оболочке глаза уникальных для каждого человека элементов. Как мы уже говорили, совпадения 40% из них достаточно для надежной идентификации личности. Остальные же могут считаться "испорченными" и просто-напросто игнорироваться.
Этот вид биометрического распознавания является одним из самых надежных. Причиной тому — генетически обусловленная уникальность радужной оболочки глаза, которая различается даже у близнецов.
Идентификация по геометрическому строению руки и пальцев
Эти способы личной идентификации очень хорошо известны. Идентификация по форме руки была доступна на протяжении 20 лет. Для того, чтобы идентифицировать человека, системе достаточно измерить либо физические характеристики пальцев, либо руки, такие как длина, ширина, толщина и поверхностные области руки. Одной интересной характеристикой этой технологии является малый объем биометрического образца необходимого для идентификации (несколько байтов). Идентификация по руке уже доказала свои преимущества в большом числе применений.
В биометрике выделяются два основных метода распознавания по геометрии кисти руки:
• Первый существует уже более 25 лет — от зарождения биометрических систем контроля доступа к помещениям, основан исключительно на геометрических характеристиках кисти руки. С точки зрения компактности образа этот класс систем является самым экономичным. В простейшем варианте хранится только информация о длине и ширине пальцев, и требуется всего 9 байт. Естественно, что для систем, учитывающих только длину и ширину пальцев, может быть легко изготовлен картонный муляж руки оригинала. Более сложными являются системы, измеряющие профиль руки, что включает объем кисти, пальцев, неровности ладони, расположение складок кожи на сгибах;
На данном рисунке показаны контрольные (характеристические) точки силуэта руки и 17 исходных геометрических признаков руки, в данном случае отмеченные отрезками прямых линий, которые не входят в силуэты кисти. Как видно, исходными биометрическими признаками руки являются ширина ладони, радиус вписанной в ладонь окружности, длины пальцев (определяемые как расстояния от выделенных верхних контрольных точек до середин линий, соединяющих нижние контрольные точки), ширина пальцев и высота кисти руки в трех пунктах, отмеченных линиями а, b и c.
• Второй (более современный) — основан на смешанных характеристиках геометрических и образовых. К последним, относятся образы на сгибах между фалангами пальцев, узоры (расположение) подкожных кровеносных сосудов. С руки снимаются четыре характеристики, из которых три являются скалярами и относятся к размерам пальцев.
Три первые характеристики — это ширина указательного пальца 1, высота указательного пальца 2 и длина среднего пальца 3, оцениваемая так, как показано на рис. Характеристика 4 в рассматриваемом случае представляет собой изображение складок кожи на сгибе между средней и нижней фалангами указательного пальца. Вся информация о руке в рассматриваемом классе систем может быть записана не более чем 9 байтами.
Устройства распознавания по геометрии кисти руки.
Для получения параметров кисти руки существуют различные сканеры
Для сканирования руку необходимо зафиксировать в специальном шаблоне. Рука фиксируется следующим образом:
Биометрическая идентификация по рукописной подписи основана не только на форме подписи, но также и на динамике подписи. В данном случае используется т. н. модель последовательных ударов при написании определенных букв. Эта уникальная динамика процесса письма проявляется как "память мускула", которая и является предметом биометрической идентификации. Мозг автоматически управляет соответствующими импульсами нервов данной группы мускулов. Изображение подписи, и данные, сопутствующие процессу подписи, соответствующим способом записываются и хранятся. Следовательно, распознавание подписи - это вид идентификации, которая удовлетворяет юридическим требованиям и делает возможной обеспечение безопасности при работе с документами.
Среди систем персональной идентификации наибольшим преимуществом обладает система идентификации личности по его подписи, которая может быть введена пользователем в компьютер в реальном масштабе времени с помощью обычного графического планшета и электронного пера (digitizer with pen) (рис.1).
(рис. 1)
Использование искусственных нейронных сетей для распознавания рукопечатных символов.
Рассматривается задача распознавания символов в анкетах, заполняемых от руки печатными буквами. Фрагмент такой анкеты приведен на Рис. 2.
Рис. 2.
Искусственные нейронные сети достаточно широко используются при распознавании символов (см., например, 1-3,6-9). Алгоритмы, использующие нейронные сети для распознавания символов, часто строятся следующим образом. Поступающее на распознавание изображение символа (растр) приводится к некоторому стандартному размеру. Как правило, используется растр размером 16х16 пикселов. Примеры таких нормализованных растров показаны на Рис. 3.
Рис. 3.
Значения яркости в узлах нормализованного растра используются в качестве входных параметров нейронной сети. Число выходных параметров нейронной сети равняется числу распознаваемых символов. Результатом распознавания является символ, которому соответствует наибольшее из значений выходного вектора нейронной сети (см. Рис 4, показана только часть связей и узлов растра). Повышение надежности таких алгоритмов связано, как правило, либо с поиском более информативных входных признаков, либо с усложнением структуры нейронной сети. 
Надежность распознавания и потребность программы в вычислительных ресурсах во многом зависят от выбора структуры и параметров нейронной сети. Нейронная сеть, разработанная для распознавания цифровых почтовых кодов (ZIP-кодов) описывается в (1). Изображения цифр приводятся к единому размеру (16х16 пикселов). Полученное изображение подается на вход нейронной сети, имеющей три внутренних уровня и 10 узлов в верхнем уровне. Нижние слои сети не являются полносвязанными. Узлы низшего уровня совместно используют общий набор весов. Все это, по замыслу разработчиков, должно повысить способность низших уровней сети к выделению первичных признаков в изображениях. Полученная таким образом нейронная сеть имеет 1256 узлов и 9760 независимых параметров. Для увеличения способности сети к обобщению и уменьшению объема необходимых вычислений и памяти проведено удаление слабо используемых весов. В результате число независимых параметров уменьшается в четыре раза. Обучение нейронной сети проведено на наборе из 7300 символов, тестирование на наборе из 2000 символов. Ошибки распознавания составляют приблизительно 1% на обучающем наборе и 5% на проверочном.
Рис 4.
В качестве входных параметров нейронной сети вместо значений яркости в узлах нормализованного растра могут использоваться значения, характеризующие перепад яркости. Такие входные параметры позволяют лучше выделять края буквы. Система распознавания рукопечатных цифр, использующие такие входные параметры, описывается в (2). Поступающие на распознавание изображения приводятся к размеру 16х16 пикселов. После этого они подвергаются дополнительной обработке с целью выделения участков с наибольшими перепадами в яркости. Используемая нейронная сеть имеет только один внутренний уровень, но применяется совместно с другими алгоритмами. Обучение и тестирование проведено на символах, взятых из трех независимых баз данных. Из каждой базы данных используется от 4000 до 6000 символов на обучение и от 2000 до 4000 символов на тестирование. Процент ошибок существенно меняется в зависимости от базы данных, на которых проводится тестирование и составляет 0.60%-2.2%.
Алгоритм распознавания.
Разработанный алгоритм распознавания основан на выделении из растра с изображением буквы первичных признаков и последующем использовании искусственной нейронной сети для оценки близости входного изображения с символами из заданного набора букв. Результатом работы является набор оценок, отражающих степень близости распознаваемого символа с символами из заданного набора символов. Набор распознаваемых символов может включать заглавные буквы и цифры, см. Рис. 1. Поступающие на распознавание изображения символов преобразуются к единому размеру 16х16 пикселов.
Отличительной чертой реализованного алгоритма является использование нейронной сети с достаточно большим числом входных признаков. Из исходного изображения выделяются 2312 первичных признака, характеризующих перепады яркости в узлах растра. Кроме того, используются признаки, вычисляемые по всему растру и характеризующие форму распознаваемого символа. В набор распознаваемых символов входят буквы русского алфавита и цифры (всего 43 символа). Нейронная сеть имеет один внутренний уровень, содержащий 100 узлов и является полносвязанной, т.е. каждый узел внутреннего уровня соединен со всеми входными узлами, а каждый узел верхнего уровня соединен со всеми узлами внутреннего уровня. Таким образом, нейронная сеть имеет более 200 тысяч весов. Для уменьшения объема вычислений при распознавании для каждого распознаваемого изображения символа используются не все входные признаки, а только часть, т.е. вектор входных параметров нейронной сети является сильно разреженным.
Обучение нейронной сети происходит обычным образом, т.е. используется алгоритм обратного распространения ошибки. Программа обучения получает на вход файл с изображениями символов. При обучении символы из этой базы перебираются циклически. Для каждого изображения из базы выделяются первичные признаки, после чего выполняются прямой и обратный проходы по сети. Модификация весов сети при обучении производится после каждого символа. Шаг изменения весов сети постоянный.
Биометрический подход, связанный с идентификацией голоса, характеризуется удобством в применении. Однако основным и определяющим недостатком этого подхода является низкая точность идентификации. Например, человек с простудой или ларингитом может испытывать трудности при использовании данных систем. В последнее время ведутся активные разработки по усовершенствованию и модификации голосовых систем идентификации личности, поиск новых подходов для характеристики человеческой речи, комбинации физиологических и поведенческих факторов. Сегодня идентификация по голосу используется для управления доступом в помещения средней степени секретности, например, лаборатории производственных компаний.
В настоящее время развитие этой одной из старейших технологий ускорилось, так как предполагается ее широкое использование при сооружении интеллектуальных зданий. Существует достаточно много способов построения кода идентификации по голосу: как правило, это различные сочетания частотных и статистических характеристик последнего.
Способы работы:
Способ голосовой идентификации не требует непосредственного контакта с устройством и не вызывает психологической неприязни. Возможность устройств голосовой идентификации личности различать характеристики человеческой речи, обеспечивает приемлемый уровень надежности опознания для объектов средней степени безопасности (ошибочной идентификации около 1%).
Высоконадежная система идентификации человека по голосу до сих пор остается неразрешенной проблемой. Суть проблемы заключается в многообразии проявлений человеческого голоса подверженного изменениям в зависимости от настроения, состояния здоровья, возраста и иных факторов. Приемлемый порог ошибок в распознавании для биометрических устройств устанавливается на основе процента ложных разрешений на допуск (ОШИБКА 2 рода) (False Acceptance Rate – FAR) и процента ложных отказов в допуске (ОШИБКА 1 рода) (False Rejection Rate – FRR).
Особую важность приобретает скорость работы алгоритмов идентификации. Вес данного показателя увеличивается с ростом количества пользователей системы – предлагаемый "...отпечаток" (изображение уникальных характеристик голоса) необходимо сравнить со всеми "...отпечатками" присутствующими в базе ("...отпечатками" зарегистрированных пользователей системы) и применить решающие правило.
Снизить время выполнения алгоритмов распознавания предполагается переходом к системе остаточных классов в алгоритмах обработки речевых сигналов.