Conceptos de Biometría
Introducción
Históricamente, el término biometría está relacionado con las Ciencias Biológicas y se refiere a la aplicación de métodos estadísticos a una amplia gama de características medibles en la biología. Actualmente, se usa más comúnmente en Tecnología de la Información, consistiendo en la identificación electrónica de seres humanos basada en sus características físicas y comportamentales.
Huellas digitales
Las huellas dactilares son consideradas una de las características más confiables para el reconocimiento humano debido a su individualidad y persistencia. Una huella digital consiste en patrones de crestas y valles en la superficie del dedo y su formación ocurre en los primeros meses de desarrollo fetal. Su principal desventaja es su intrusividad, ya que las personas deben cooperar explícitamente para proporcionar sus huellas digitales a un sistema biométrico. Además, la autenticación basada en huella digital está tradicionalmente asociada a procedimientos criminales. El estado del arte de los métodos de autenticación basados en huellas digitales demuestra tener precisión y fiabilidad adecuadas.
Minucias
Una huella digital se caracteriza por el patrón de intervalos de crestas (líneas oscuras) y valles (líneas claras). Generalmente, crestas y valles corren en paralelo y algunas veces terminan o se bifurcan. A nivel global, las huellas digitales pueden presentar regiones con patrones de curvatura peculiar, llamados singularidades. A nivel local, hay otra característica importante llamada minucia que puede encontrarse en los patrones de huella digital. Minucia deriva del latín "pequeños detalles" (minutiae), y esto se refiere a un comportamiento de discontinuidad de las crestas, como terminaciones, bifurcaciones, trifurcaciones u otras características como poros (pequeños orificios dentro de las crestas), lagos (dos bifurcaciones cerradas), puntos (pequeñas crestas), etc. La mayoría de los sistemas usa solamente bifurcaciones y terminaciones. Para comparar (emparejar) correctamente huellas digitales, las características de las huellas, tales como minucias y puntos de singularidad, deben ser extraídas. También es posible extraer otra información global tal como orientación y frecuencia de las regiones de cresta de la huella digital. Las imágenes a continuación muestran una huella digital capturada por un escáner de huellas digitales y las características extraídas correspondientes: crestas (líneas negras finas) y minucias (flechas azules para terminaciones y flechas rojas para bifurcaciones).
El proceso de interpretación de estas características en imágenes digitalizadas se llama extracción. Esto involucra algoritmos avanzados de procesamiento de señal y toma considerablemente más tiempo que comparar las características de dos huellas digitales. Por lo tanto, los sistemas biométricos intentan realizar esa extracción solo una vez y almacenan las características extraídas en un conjunto de datos llamado template de huella digital.
Plantillas de Huella Digital
Las características extraídas de huellas digitales (minucias, crestas, singularidades) se almacenan en un archivo de plantilla. Estos pueden almacenarse en una gran variedad de formatos estándar y propietarios. Los formatos estandarizados en general incluyen solo un conjunto mínimo de información, útil para el intercambio de plantillas de huella digital entre sistemas biométricos distintos.
Formatos propietarios de plantilla de huella digital incluyen propiedades precomputadas del conjunto de minucias que son específicas para cada fabricante de sistema ABIS, permitiendo coincidencias más rápidas y con mayor precisión.
ISO
La ISO (International Organization for Standardization) y la IEC (International Electrotechnical Commission) publicaron en 2015 la familia de normas ISO/IEC 19794, que se aplica comúnmente a formatos de datos biométricos, estandarizando contenidos comunes, significados y representaciones de formatos de datos biométricos y modalidades biométricas, además de especificar qué requisitos resuelven las complejidades de la aplicación de la biometría a una amplia variedad de aplicaciones de reconocimiento de personas, ya sea que esas aplicaciones operen en un entorno de sistemas abiertos o consistan en un único sistema cerrado.
La norma ISO/IEC 19794-2 especifica los formatos de datos para la representación de huellas digitales usando la notación de minucias, definiendo tres modelos de formatos para el intercambio y almacenamiento de datos de minucias de huellas digitales. Define un formato basado en registros, uno normal y uno compacto para el uso en tarjetas inteligentes. También define un formato extendido que puede manejar recuento adicional de crestas y localización de núcleos y deltas.
Las soluciones de la suite biométrica de Griaule están en conformidad con las principales normas y certificaciones internacionales relacionadas con la biometría. Entre ellas, destacan:
ISO/IEC 19784 – Estructura para interfaces de programación de aplicación de biometría (BioAPI).
ISO/IEC 19785 – Estructura para intercambio de información biométrica (CBEFF).
ISO/IEC 19794 – Formatos de datos biométricos para imágenes faciales.
Esta adhesión asegura que los productos de Griaule cumplen con requisitos internacionales de interoperabilidad, calidad y seguridad en el procesamiento y almacenamiento de datos biométricos.
ANSI
Las imágenes de huellas digitales han sido ampliamente utilizadas por agencias y policías alrededor del mundo para identificación criminal. La introducción del Sistema Automatizado de Identificación de Huellas Digitales (AFIS, por sus siglas en inglés Automatic Fingerprint Identification Systems) de esas agencias creó una demanda por formatos estándar para interoperabilidad e intercambio de información entre subsistemas de AFIS geográficamente dispersos.
La norma ANSI 378/2004 especifica los formatos de datos para la representación de huellas digitales usando la noción fundamental de minucias. El formato de dato es genérico, y puede aplicarse y usarse en una gran variedad de áreas de aplicación donde esté involucrado el reconocimiento automático de huellas digitales. No se abordan requisitos específicos de aplicación o de características en esta norma. La norma contiene definiciones de términos relevantes, una descripción de cómo deben definirse las minucias, un formato de datos para representar los datos de huella digital y datos de conformidad.
La suite biométrica de Griaule fue diseñada para operar en conformidad con las normas establecidas por el American National Standards Institute (ANSI) y por el National Institute of Standards and Technology (NIST). Entre ellas, destacan:
ANSI/INCITS 398 – Define los requisitos para intercambio de datos de imágenes faciales.
ANSI/INCITS 385 – Establece el formato de intercambio de datos de imágenes de iris.
ANSI/NIST-ITL (incluyendo sus actualizaciones) – Regula la estructura de intercambio de datos biométricos en contextos civiles, criminales y forenses.
ANSI/INCITS 381 – Define el formato de intercambio de datos de imágenes de huella digital.
ANSI/INCITS 378 – Establece la norma para representación e intercambio de plantillas de minucias de huellas digitales.
El cumplimiento de estas normas garantiza que las soluciones de Griaule estén preparadas para integración en entornos complejos, ofreciendo compatibilidad con sistemas ya consolidados y asegurando conformidad con las prácticas adoptadas por agencias gubernamentales e instituciones internacionales
Consolidación de Plantillas
Dos capturas de un mismo dedo difícilmente serán idénticas, presentando pequeñas variaciones en el posicionamiento de las minucias y en la calidad. Algunas minucias también pueden aparecer o desaparecer debido a pequeños cambios en el posicionamiento del dedo sobre el sensor en cada captura.
Para aumentar la calidad del modelo, se puede realizar una captura enrollada, pero este tipo de captura no es soportado por todos los equipos de digitalización, y puede presentar sus propias dificultades debido al movimiento de enrollamiento que el dedo necesita realizar. En esos casos, se pueden realizar varias capturas y combinarlas para identificar minucias de las huellas digitales generando un modelo de mayor calidad.
El proceso de obtención de múltiples capturas y combinación de los modelos extraídos en uno se llama consolidación de plantillas. Este método proporciona varias ventajas: Es capaz de aumentar la calidad general de las minucias; Puede descartar minucias falsas detectadas incorrectamente debido a problemas en la calidad de captura; Es capaz de combinar minucias encontradas por capturas sucesivas, generando modelos más ricos.
Digitalización de Huellas Digitales
Métodos de Captura
Hay esencialmente 4 métodos de captura diferentes para imágenes de huella digital:
Captura digital plana
El dedo del usuario se presiona contra un digitalizador de huellas digitales, que produce una imagen digital del área del dedo que está en contacto con el equipo. La mayoría de los digitalizadores producen imágenes de 500 dpi. Algunos equipos de alta calidad proporcionan imágenes con 1000 dpi. Mientras que las capturas planas son más rápidas, el área capturada del dedo es limitada, dado que no es posible posicionar toda la extensión del dedo sobre el sensor.
Captura digital enrollada
El usuario enrolla el dedo sobre el digitalizador de huellas digitales, lo que produce una imagen digital con el área del dedo expuesta en el sensor. La resolución típica también es de 500 dpi y equipos de alta calidad proporcionan imágenes de 1000 dpi. Las capturas enrolladas requieren movimientos suaves del individuo, lo que toma más tiempo y puede requerir más de un intento si el individuo enrolla el dedo muy rápido o de forma brusca. Las huellas digitales enrolladas contienen más distorsiones espaciales que las huellas digitales planas, debido a la deformación de la piel durante el proceso de captura, pero capturan un área mayor de huella digital, y esto permite que los sistemas biométricos comparen las huellas digitales con mayor exactitud.
Capturas en vivo sin contacto
Este es un digitalizador experimental de huellas digitales que intenta capturar la imagen de la huella con una cámara fotográfica modificada, sin necesitar que el sujeto toque el sensor. Aunque menos intrusivos, estos digitalizadores no garantizan una resolución exacta (varía según la distancia del dedo al sensor), introducen artefactos de luz y pueden ser susceptibles a ataques de falsificación (spoofing), como presentar una foto de un dedo al sensor en lugar de un dedo real.
Resolución
La resolución es la densidad de píxeles por área, generalmente medida como puntos por pulgada (dpi, del inglés dots per inch). Cuanto mayor sea la resolución del sensor, más rica en detalles será la imagen capturada, favoreciendo plantillas de mejor calidad.
Para imágenes de huellas digitales, la resolución comúnmente exigida por autoridades de seguridad es de 500 dpi. Esto significa que el dispositivo con un sensor de 1x1 pulgada producirá una imagen de aproximadamente 250000 píxeles (500x500 píxeles).
Note que la dimensión de la imagen y la resolución de la imagen son medidas distintas: Un equipo con sensor de 2x2 pulgadas y una resolución de 500 dpi producirá imágenes de dimensión 1000x1000, pero la resolución seguirá siendo 500 dpi. Tanto el área del sensor como la resolución son importantes para garantizar la calidad de las características de las huellas digitales extraídas.
Calidad de Imagen
Si la imagen de la huella digital está ruidosa, borrosa o presenta artefactos de compresión, el extractor de plantillas puede no ser capaz de reconocer correctamente las características de la huella digital. Por ejemplo: dos crestas pueden acabar quedando conectadas debido a un desenfoque en la imagen, impidiendo la detección de una minucia de terminación.
Para mitigar las partículas de polvo depositadas en el sensor, algunos lectores proporcionan una tecnología de reducción de ruido integrada. A pesar de ello, para aumentar la calidad de la imagen es siempre importante mantener limpia la superficie de captura del dispositivo y seguir las buenas prácticas de captura de huellas digitales.
Para estandarizar la evaluación de calidad de imagen de huella digital, el NIST (National Institute of Standards and Technology) publicó el NFIQ en 2015. El NFIQ es una medida estandarizada de calidad de imagen de huella digital, diseñada para predecir el rendimiento de sistemas de comparación de huellas digitales basados en minucias. El NFIQ clasifica la calidad de huellas digitales en 5 clases: NFIQ 1 (mayor calidad posible) hasta NFIQ 5 (menor calidad posible).
Codificación de Imagen
En muchos sistemas biométricos es deseable almacenar las imágenes para fines a largo plazo, como re-extraer plantillas con extractores más modernos, o para propósitos forenses y de desduplicación.
Debido a la gran cantidad de imágenes que un ABIS generalmente almacena, y la calidad exigida por los extractores de plantilla para realizar una extracción de manera eficiente, los algoritmos de compresión con pérdida tradicionales no son adecuados para la codificación de imágenes de huellas digitales, ya que la compresión produce artefactos que pueden dificultar la extracción de plantillas. En el extremo opuesto, los algoritmos de compresión de imagen sin pérdidas generan archivos muy grandes, aumentando los requisitos de almacenamiento.
Para compresión sin pérdidas el formato más común para huellas digitales es PNG (Portable Network Graphics).
Para las necesidades específicas de un ABIS se desarrolló el formato Wavelet Scalar Quantization, descrito a continuación.
Wavelet Scalar Quantization (WSQ):
El formato Wavelet Scalar Quantization fue desarrollado por el FBI específicamente para comprimir imágenes de huellas digitales, reduciendo el tamaño del archivo comprimido sin pérdida de detalles, especialmente cuando se compara con algoritmos ya establecidos como JPEG/JFIF.
El formato WSQ se basa en la teoría de wavelets, y fue diseñado para comprimir imágenes de huella digital en escala de grises a 500 DPI. Imágenes con resoluciones mayores se comprimen mejor con el formato JPEG2000.
Los algoritmos de compresión WSQ, PNG y JPEG2000 utilizados por Griaule están certificados por el FBI, garantizando interoperabilidad, calidad y fiabilidad en aplicaciones civiles, criminales y forenses.
Comparación de Huellas
El objetivo de la extracción de las plantillas es realizar la comparación (o emparejamiento) de huellas digitales. Emparejamiento o comparación (Matching) es el proceso de comparar dos plantillas que produce una medida cuantitativa de similitud entre ellas. En un sistema biométrico funcional, pares genuinos (plantillas extraídas de capturas del mismo dedo) producirán altas puntuaciones de similitud, mientras que pares de impostores (plantillas extraídas de capturas de dedos diferentes) producirán bajas puntuaciones de similitud.
Dado que dos plantillas difícilmente son idénticas, incluso si se obtienen a partir de capturas secuenciales del mismo dedo, las huellas digitales correspondientes deben tener en cuenta los cambios en el posicionamiento de minucias y minucias que no existen en ambos modelos.
Puntuación y Umbral
Un algoritmo de comparación posee dos pasos. En el primero, un Algoritmo de Evaluación asigna una puntuación de similitud para la comparación. El segundo paso decide si el par es genuino o impostor usando el umbral de decisión. Si la puntuación es mayor que el umbral, el algoritmo decide que es una comparación genuina; de lo contrario, se clasifica como un par impostor. El umbral de decisión es un parámetro configurable de cualquier sistema de biometría.
Incrementar el umbral aumentará la ocurrencia de errores de falso negativo (pares genuinos identificados como impostores) y disminuirá los errores de falso positivo (pares impostores identificados como genuinos); disminuir el umbral reducirá los errores de falso negativo y aumentará los errores de falso positivo.
Al elegir el umbral de decisión para una aplicación, el usuario debe tener en cuenta la aceptabilidad de errores de falso negativo y falso positivo, y el tamaño de la base de plantillas.
Reconocimiento Facial
El reconocimiento facial es uno de los métodos más amigables y menos intrusivos entre las modalidades biométricas. La captura de datos es simple y los dispositivos de captura son cámaras digitales comunes y económicas.
Para un sistema biométrico, el reconocimiento facial implica tres tareas:
Detectar y delimitar las caras presentes en una imagen.
Extraer un vector de características de una cara, y codificarlo para almacenarlo como un template.
Comparación: Comparar dos plantillas faciales y calcular una puntuación de similitud.
Los algoritmos modernos de reconocimiento facial se basan en redes neuronales profundas, una técnica de inteligencia artificial donde el algoritmo elige las mejores características discriminantes entre las caras basándose en un gran conjunto de datos de entrenamiento. Dado que las características pueden cambiar conforme los conjuntos de datos de entrenamiento se actualizan continuamente, no existe un formato estándar para plantillas faciales. Los sistemas biométricos generalmente mantienen la imagen original almacenada, para que plantillas mejoradas puedan ser extraídas a medida que el conjunto de datos mejora con el tiempo.
Reconocimiento de Iris
Los patrones del iris se forman durante el desarrollo fetal y continúan desarrollándose durante los primeros dos años de vida. La biometría de iris se beneficia del hecho de que los patrones del iris son únicos para cada individuo, y no cambian después del desarrollo inicial. A diferencia de las huellas digitales de los dedos, que son susceptibles a alteraciones por quemaduras, cortes, abrasiones y reacciones químicas, los patrones del iris son muy improbables de ser modificados, intencionalmente o no. La captura de iris requiere la cooperación del individuo, que necesita mantener los ojos abiertos e inmóviles mientras se realiza la captura. La captura de iris se realiza con escáneres especializados con luz cercana al infrarrojo (NIR, Near InfraRed en inglés) y sensores sensibles a la luz cercana al infrarrojo. La imagen a continuación es un ejemplo típico de iris capturado por un sensor biométrico.
Aunque los sensores de captura de iris se están volviendo baratos a medida que se integran en dispositivos electrónicos personales como smartphones, todavía son más caros que las cámaras normales usadas para reconocimiento facial.
Para un sistema biométrico, el reconocimiento de iris implica 3 tareas:
Detectar y delimitar la pupila, el iris y detectar la oclusión de párpados o pestañas.
Extraer características espectrales de las regiones del iris y codificarlas para almacenarlas en un template.
Comparación: Comparar dos plantillas de iris y calcular la puntuación de similitud.
Tasas de Error
Un aspecto importante de un sistema biométrico es su precisión. Desde el punto de vista del usuario, un error de precisión ocurre cuando el sistema no puede reconocer la identidad de una persona registrada o cuando el sistema reconoce erróneamente la identidad de un intruso.
Básicamente existen tres fuentes que aumentan la tasa de error en un sistema:
Factor Humano
La captura de información biométrica siempre requiere participación humana en diferentes niveles. Para la captura de huellas digitales, los dedos deben estar en contacto con la superficie del sensor; en la captura de imágenes de iris, los ojos deben estar mirando a un punto fijo de la cámara digital. Incluso para capturas faciales, siendo probablemente la captura biométrica menos invasiva, una buena captura exige algunas restricciones en el posicionamiento de la cara. Como consecuencia, el comportamiento humano en el momento de la captura biométrica es un factor crítico para las etapas de procesamiento y la exactitud del reconocimiento. Una captura inadecuada provoca una extracción deficiente de características biométricas o incluso impide la extracción. Un punto crítico para la evaluación de sistemas biométricos es entrenar a las personas en buenas prácticas de captura de registros biométricos.
Tipos de Error
Los errores de Falso Positivo ocurren cuando un sistema biométrico clasifica un par impostor como genuino.
Los errores de Falso Negativo ocurren cuando un sistema biométrico clasifica un par genuino como impostor.
Última actualización
¿Te fue útil?