Ingeniero Civil Electricista / La biometría es una disciplina que utiliza métodos automáticos para el reconocimiento humano que se fundamenta en la comparación de vectores de características asociados a los patrones conductuales, fisiológicos o anatómicos singulares de cada persona. Un patrón biométrico puede ser usado para la clasificación de personas si todos lo poseen, es único para cada individuo, invariante durante períodos largos de tiempo y de fácil recolección. El iris cumple con las características anteriores por lo que ha sido estudiado como patrón desde hace más de una década. Inicialmente, los sistemas de reconocimiento de iris requerían alta cooperación de los usuarios para su buen funcionamiento. No obstante, con el paso del tiempo se ha generado una tendencia en la investigación mundial que se inclina hacia condiciones de operación más reales, relajando las restricciones sobre los usufructuarios y las condiciones ambientales de operación. En este trabajo se presenta el diseño y la implementación de un sistema de reconocimiento de iris no cooperativo y a distancia en el cual se han definido tres características asociadas a éste patrón: la textura del iris, su color y la textura de la zona que lo rodea. Se contempla el diseño del sistema de captura de imágenes y la programación de algoritmos en los módulos de adquisición, segmentación y clasificación. En el módulo de adquisición se proporcionan métodos de detección ocular, verificación ocular y evaluación de enfoque. En el módulo de segmentación se presentan algoritmos de localización límbica y eliminación de artefactos como reflexiones y oclusiones. En el módulo de clasificación de muestran métodos de codificación y comparación de las características descritas previamente. Finalmente, se describe la función no lineal de decisión para el sistema. La evaluación del rendimiento del proceso total de reconocimiento se lleva a cabo en una base de datos de 750 imágenes capturadas con el sistema de adquisición diseñado a 1,5 metros de distancia de los usuarios. Éstas fueron separadas en dos conjuntos, de 375 imágenes cada uno, correspondientes a 15 enrolados y 15 impostores. El índice final de reconocimiento para las características de textura iridal, color del iris y textura periocular es de 66,67%, 69,17% y 93,33%, respectivamente. La fusión de éstas características alcanza un índice de reconocimiento de 94,17% y el índice de detección de impostores es del 100% en todos los casos estudiados.

Ingeniero Civil Eléctrico / Actualmente se utilizan diversos métodos de reconocimiento de individuos mediante la biometría, es decir, identificando patrones de características físicas o de comportamiento. Específicamente la biometría basada en el iris es ampliamente usada en el mundo, por ejemplo en reconocimiento de ciudadanos o control fronterizo. Sin embargo, hoy en día se utilizan imágenes bidimensionales del iris para extraer la información de éste. En este trabajo se propone utilizar información tridimensional del iris, para lo que se construirá un modelo 3D a partir de un conjunto de imágenes bidimensionales del ojo. En primer lugar, se realizó la construcción de un sistema de captura de imágenes bidimensionales del ojo desde diferentes ángulos, utilizando como hardware del sistema un computador, un computador de placa reducida Raspberry Pi y una cámara Raspberry Pi NoIR. Además, se diseñó e implementó una estructura de soporte que permite la toma de imágenes desde diferentes ángulos, con una iluminación y encuadre adecuados para enfocar el iris a corta distancia. El montaje experimental permitió además eliminar el reflejo de las fuentes luminosas sobre el iris. Luego se tomaron 17 imágenes de un ojo, abarcando un arco de encuadre de 40°. A continuación se procesaron las imágenes capturadas para permitir la generación de modelos 3D. Se incluyó en el procesamiento: encuadre del iris, borrado de la pupila, ecualización del histograma y suavizado gaussiano. Fue posible determinar que la mejor secuencia para la construcción del modelo 3D incluyó encuadre, suavizado gaussiano, borrado de pupila y ecualización. Finalmente, se construyeron los modelos tridimensionales utilizando el software Python Photogrametry Toolbox. Con el objetivo de mejorar los resultados se variaron parámetros de entrada del algoritmo, tales como, el número de imágenes y el CCD width (ancho del sensor de la cámara). De lo que se concluyó que con 6 imágenes y un CCD width igual a 3, se obtiene un modelo del iris bien formado en el que se aprecian texturas y patrones. Por otra parte, se analizó la capacidad de generalización del método, capturando y modelando 12 nuevos conjuntos de imágenes del iris. Concluyendo que el método funciona de forma parcial con conjuntos de imágenes nuevos, y por tanto debe ser mejorado en términos de su capacidad de generalización. En base a la revisión bibliográfica se concluye que este es el primer sistema desarrollado que permite generar un modelo 3D del iris a partir de imágenes 2D de este. Los modelos resultantes pueden ser mejorados, ya que presentan ruido y este podría ser eliminado mediante la aplicación de un filtro gaussiano tridimensional, la utilización de un equipo fotográfico de mejores características, o el uso de múltiples cámaras.

La detección y localización de iris es uno de los temas más interesantes en el área de detección de patrones, debido a que es un paso crucial para el desarrollo adecuado de aplicaciones más complejas como: sistemas de vigilancia; verificación de identidad; interfaces hombre-máquina; sistemas de ayuda para individuos con discapacidad, entre muchos otros. Lo anterior mezclado al fuerte crecimiento en el mercado biométrico alrededor del mundo hacen que sea de gran importancia encontrar nuevas metodologías de detección de iris rápidas y precisas que permitan adaptarse a condiciones y ambientes complejos. En este trabajo de memoria se estudian dos métodos que apuntan a mejorar la localización del iris. El primero de ellos define parámetros asociados a moldes utilizados para detectar el borde entre el iris y la esclerótica del ojo. Dichos parámetros no han sido optimizados sino especificados intuitivamente por seres humanos. Por medio del algoritmo de optimización por enjambre de partículas son optimizados los parámetros en una base de entrenamiento, y se generalizan los resultados en varias bases de prueba y los errores utilizan una métrica basada la diferencia entre la detección y el centro real del iris. Este error es normalizado dividiendo por la distancia entre los centros de ambos ojos. Los resultados muestran mejoras respecto del caso sin optimizar en la eficacia de la detección de un 4% en FERET y un 5.7% en Bio ID. Estos porcentajes se refieren a la cantidad de imágenes que cumplen con poseer un error menor a un 1%. El costo computacional adicional es el aumento en los tiempos de detección en un de un 130 a un 172 milisegundos por cuadro en FERET y de 69.85 a 92.57 milisegundos por cuadro en Bio Id. El segundo método propone rediseñar los moldes de manera automática utilizando enjambre de partículas, ya que el modelo propuesto de arcos concéntricos puede no ser el óptimo. Se obtuvieron mejoras respecto de los moldes de arcos concéntricos en la base Bio ID del 8.5%. En la base FERET los resultados no mejoran, pero el tiempo de cómputo se reduce de 130 milisegundos por cuadro a 19.57 milisegundos por cuadro en el mejor caso. Estos moldes deben ser precisos en la detección del iris y también deben involucrar la menor cantidad de cómputos posibles. Para lograr este propósito se deben definir eficientemente los tamaños de dichos moldes, existiendo un compromiso entre los resultados de reconocimiento y la eficiencia de este resultado.

Ingeniero Civil Electricista / El reconocimiento de personas ha sido un área de estudio importante en el último siglo y se ha intentado utilizar todos los rasgos característicos humanos posibles para este propósito, dando paso a la ciencia de la biometría. En el último tiempo se han desarrollado varios trabajos que utilizan el iris como medida biométrica, lo que se ha visto posibilitado gracias al avance de la tecnología relacionada a la fotografía digital. Un sistema de reconocimiento de iris se compone de tres procesos esenciales: adquisición de imagen, segmentación del iris y clasificación del sujeto. La gran mayoría del estudio del iris se ha realizado utilizando imágenes adquiridas bajo condiciones muy ideales de iluminación y cooperación del usuario. Sin embargo en los últimos años esto se ha ampliado a considerar condiciones más reales de trabajo. Este trabajo tiene como objetivo el diseño de un método de segmentación de iris, que considere condiciones menos cooperativas. El método desarrollado se divide en seis procesos que se enfocan en segmentar diferentes secciones del ojo dentro de la imagen. Primero se eliminan todos los reflejos especulares que puedan haber y se busca la ubicación del centro del iris en la imagen. Luego se segmentan el límite límbico y la pupila, aprovechando su forma normalmente circular, finalizando con la segmentación del párpado y las pestañas. El resultado es una máscara binaria que muestra la posición del iris dentro de la imagen de entrada. Se utiliza la base de datos UBIRIS v.2 para el diseño y prueba de este método. Calculando la cantidad de pixeles mal detectados (FP+FN) sobre la cantidad total de pixeles de la imagen, se obtiene un error promedio de 1,68%. Mientras que a partir del promedio de los valores de FPR y FNR de cada imagen, el error se establece en 10%. Estos resultados son comparables con las mejores publicaciones enviadas al concurso NICE.I relativo al mismo tema. Un promedio de 2[s] requiere el algoritmo en procesar cada imagen, lo que permite creer que podrá ser utilizado en situaciones de tiempo real como parte de un sistema de reconocimiento automático de iris.

No description available.

Ingeniero Civil Eléctrico / Los sistemas biométricos corresponden a sistemas que realizan el reconocomiento automático de individuos a través de atributos únicos. Para que un patrón biométrico sea utilizable, debe cumplir ciertas propiedades, entre ellas las más importantes son: universalidad; invarianza en el tiempo; fácil recolección y almacenamiento. Se considera que el iris cumple con todas estas características y ha sido utilizado en sistemas de reconocimiento por más de una década. A medida que ha transcurrido el tiempo, los sistemas basados en reconocimiento de iris han mejorado considerablemente con respecto a su exactitud, sin embargo, aún se utilizan sistemas altamente cooperativos y en particular en condiciones de iluminación dañinas para la salud, por lo que la comunidad de investigadores se ha volcado en torno a relajar las restricciones en las que operan estos sistemas, con el fin de mejorar la experiencia de uso y la calidad de vida de los usufructuarios. En este trabajo se evalúa un sistema de reconocimiento de iris a distancia, en donde se utilizan las características de color y textura del mismo para llevar a cabo la clasificación. El trabajo abarca el estudio de distintos algoritmos de preprocesamiento de imágenes, esquemas de codificación y comparación propuestos durante los últimos años, los cuales se evalúan cada uno por separado y finalmente se utilizan en conjunto, además de describir el método propuesto para computar la desición final del sistema. El algoritmo se evalúa en una base de datos que consta de 1505 imágenes correspondientes a 54 sujetos, tomadas a una distancia aproximada de 1.5 [m] de distancia de la cámara utilizando iluminación de espectro visible. A partir de esta base de datos se seleccionan las mejores imágenes de iris utilizando distintos sistemas de evaluación de enfoque, luego se particiona en una base de datos de entrenamiento de parámetros y otra de validación, y finalmente se muestran los resultados con respecto a la base de datos de validación. Se utilizaron kernels para evaluar el enfoque de las imágenes capturadas, en particular los propuestos por Daugman, Kang y Wei y se observó que el kernel de Daugman resulta ser más efectivo. Se utilizaron distintos métodos de corrección de enfoque, reducción de ruido y ecualización de imágenes combinados para mejorar la tasa de reconocimiento del sistema, y se concluyó que el filtro de Wiener para reducir el ruido otorga los mejores resultados. Se implementó un sistema de codificación generalizada para aumentar arbitrariamente la cantidad de bits que se obtienen por cada pixel de la imagen, concluyendo que el mejor tamaño de codificación fue de 4 bits por pixel luego de reducir el ruido en las imágenes utilizando el filtro de Wiener. Se implementó un mapa de pesos por cada usuario registrado en la base de datos, la cual se encarga de otorgarle mayor peso a los bits que a priori son menos variables entre muestras, lo que aumentó la exactitud promedio desde 17.72% a 26.6% utilizando sólo esta mejora, con 5 imágenes por usuario enrolado. Se evaluaron dos métodos para clasificar el iris de acuerdo a su coloración, diferencia promedio y distancia de difusión, en donde se concluyó que la diferencia promedio otorga mejores resultados, sin embargo esta característica no es lo suficientemente discriminadora como para ser utilizada por sí sola. El resultado final del índice de reconocimiento del sistema al utilizar todas las mejoras antes mencionadas y fusionando las características de textura iridal y color de iris de ambos ojos es del 90.77%, con una tasa de aceptación de impostores del 0% en promedio.

En el seguimiento de rostros e iris existe una gran cantidad de trabajos publicados, basados en diferentes técnicas consideras invasivas como: montaje de dispositivos electrónicos (electrodos, cámaras). Aprovechando la mayor velocidad de procesamiento alcanzada por los computadores personales y la disminución de costos de los sistemas de adquisición de video, se han desarrollado diferentes métodos no invasivos para el seguimiento de iris y rostros. En el Departamento de Ingeniería Eléctrica de la Universidad de Chile, se desarrolló un método no invasivo de seguimiento de iris que consiste en tres etapas: detección gruesa de la posición del rostro, detección fina y estimación del tamaño del rostro, y detección de la posición y tamaño del iris. La detección gruesa usa la metodología de Maio y Maltoni. La detección fina se realiza con una integral de línea, utilizando un molde antropométrico del rostro inclinado en el eje coronal, transversal y sagital, sobre una imagen direccional de entrada, estimándose así la posición, inclinación y tamaño del rostro. Conociendo estos valores es posible definir zonas de búsqueda más probables del iris. En la que se busca la posición y tamaño del iris recorriéndola con unos moldes semicirculares. Para el desarrollo de los nuevos moldes antropométricos y validación de la metodología, se construyeron bancos de imágenes estáticas de 5 individuos con rotaciones en el eje transversal. Los individuos rotaron sus rostros desde -45º a 45º con un paso de 15º. Además se construyeron 4 secuencias de video para los mismos individuos, que rotan sus rostros en el eje transversal y coronal. Se construyeron 4 secuencias de video de individuos que rotan su rostro en el eje sagital. Con estos bancos de imágenes se construyeron modelos empíricos de la variación de las posiciones de las características antropométricas del rostro y la excentricidad del rostro, frente a las rotaciones, transversales y sagitales. Finalmente se construyeron 4 secuencias de video de individuos que rotan su rostro en los 3 ejes. La metodología desarrollada se evaluó en el banco de secuencias de video para las rotaciones en los diferentes ejes. Para la rotación transversal se obtuvo que en todas las secuencias el desempeño es mayor que 89% y en 2 alcanza el 100%. Para el caso de la detección del iris se observa que el porcentaje de detección correcta fue mayor que 75% y en 2 secuencias fue mayor que 90%. Para el seguimiento sagital se obtuvo que la detección de rostros en tres de las secuencias fue más de 89% sólo en una se tiene 78%, en una alcanza 99%. Para el caso de la detección del iris se observa que el porcentaje de detección correcta fue mayor que 89% en 3 de las secuencias y en 1 secuencia mayor que 86%. En la rotación 3D se obtuvo valores de la tasa de detección correcta del rostro en tres secuencias mayores que 93% y en sólo una es de 18%. La tasa de detección correcta del iris sólo en una secuencia presenta un valor de 83%, en otra se alcanza 89% y en dos de ellas se supera el 90% de detección correcta. La metodología desarrollada para el seguimiento de rostros selectiva en el eje transversal con un paso de 20º, en el sagital con paso de 20º y en el coronal con paso de 15º. Se midieron los tiempos de procesamiento para rotaciones coronal-transversal y 3D. Para estos ejes se obtuvo un tiempo promedio de 0,020 s, y 0,028 s respectivamente, pudiéndose procesar hasta 50 imágenes y 35 imágenes por segundos respectivamente. Estos tiempos se midieron en un computador Pentium 4 de 3,2 GHz. Estos resultados permiten aplicar la metodología en tiempo real.

La detección y localización de rostros es una de las áreas de investigación más activa en el ámbito del procesamiento digital de imágenes, debido a que es un componente principal para muchos sistemas de identificación y seguimiento de rostros, así como también para aplicaciones con interfaces hombre-máquina. Esto, apoyado por las predicciones de un fuerte crecimiento en el mercado biométrico mundial, hacen que sea de gran relevancia la búsqueda de nuevos métodos de detección de rostros, más rápidos y precisos, que se adapten de manera robusta a ambientes y condiciones complejas. En particular, está demostrado que las aplicaciones de reconocimiento de rostros dependen en gran medida de la exactitud con que se realiza su localización, motivo por el cual, es necesario contar con métodos que permitan un mayor grado de certeza en la estimación de la posición del rostro. En esta tesis, se estudiaron dos nuevos métodos que apuntan a resolver de mejor manera este problema. El primero de ellos permite obtener información precisa acerca del rostro, como son su posición, excentricidad, tamaño y rotación coronal. Este método, basado en la Transformada Elíptica Lineal (LET), asocia una elipse al rostro y funciona transformando el contorno semi elíptico inferior de la cara en un borde vertical en el espacio de salida. La detección de dicho borde, permite estimar los parámetros de la elipse que se ajusta de mejor manera al rostro. La metodología fue probada sobre las bases de datos de Purdue, Caltech, FERET y Yale-B, obteniendo tasas de localización 98.2 %, 95.3 %, 95.7 % y 79.6 % respectivamente. La segunda parte de este trabajo consistió en estudiar la optimización de moldes direccionales mediante la utilización de enjambres de partículas (Particle Swarm Optimization). La optimización tuvo por objetivo el mejorar el desempeño y selectividad de los moldes y el disminuir el tiempo de procesamiento, a la vez de estudiar el efecto de generar moldes personalizados para un individuo o situación particular. Los resultados muestran una leve mejora sobre los moldes originales de un 2 % a 3 % en las tasas de localización, pero con una reducción de 40 % en el tiempo de cálculo y una mucho mayor selectividad, lo que los hace más robustos. Las tasa de localización sobre la base de datos de Yale-B es de aproximadamente un 82 %. También, se probó la eficacia del método al ser usado en conjunto con un detector de iris para estimar la posición de los ojos en imágenes estáticas de la base de datos de Purdue, obteniéndose tasas de detección de iris por sobre el 98 % para criterios de error muy exigentes. Ambas metodologías fueran comparadas con el detector internacionalmente utilizado propuesto por Viola y Jones, obteniendo tasas de localización muy similares. En el caso de Yale-B los métodos propuestos en esta Tesis son ampliamente superiores, demostrando su robustez frente a condiciones extremas de iluminación y contraste.