Reconocimiento y validación de huellas dactilares utilizando una

Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
Reconocimiento y validación de huellas
dactilares utilizando una Red Neuronal
Recognition and validation of fingerprints using a Neural
Network
Juan Carlos Santamaría Olivares*
Resumen
Abstract
El presente articulo se enmarca dentro de la línea de
software Libre y tiene como fin dar a conocer el proceso
que es empleado en el desarrollo de un prototipo para el
registro y validación de huellas digitales utilizando una red
neuronal, con el fin de facilitar los procesos que se llevan a
cabo en el momento de registrar e identificar una persona.
El registro de la persona se lleva a cabo cuando pone su
dedo en un dispositivo, se toma la imagen de la huella y la
aplicación hace el proceso de clasificación y extracción de
características de la huella mediante la red neuronal
quedando registradas en una base de datos. La
verificación se lleva a cabo cuando una persona pone su
huella en el dispositivo, se toma la imagen de la huella y la
aplicación busca las huellas procesadas por la red
neuronal con características similares y escoge la más
parecida siguiendo ciertos parámetros.
The present article is framed in the free software research
line and the objective is show the process that can be used
in the development of a prototype to record and validate
fingerprints using an artificial neural network, in order to
facilitate processes carried out when registering and
identifying a person. A person's registry is carried out
when people puts his finger on a device, takes the
fingerprint image and the software makes all the process
of classification and extraction of characteristics of the
fingerprint using a artificial neural network. The person's
verification is carried out when people puts her
fingerprint on the device, takes the fingerprint image and
the software looking for the processing fingerprints by
the artificial neural network with similar characteristics
and choose the most seemed following cer tain
parameters.
Palabras claves: Base de Datos, Biométrico, Dispositivo,
Red Neuronal Artificial, Software Libre.
Key words: Data Base, Biometric, Device, Artificial
Neural Network, Free Software.
Recibido: 07/2007. Evaluado: 03/12/07. Aceptado: 21/01/08.
* Estudiante de Ingeniería de Sistemas de la Universidad El Bosque
55
Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
I. INTRODUCCIÓN
Los sistemas biométricos han sido durante los últimos
años un tema de extensa investigación fundamentado en
actividades automatizadas relacionadas con la capacidad
para establecer la identidad de los individuos a través de
características anatómicas. Un indicador que satisface
estos requisitos es la huella dactilar; se hace necesario el
análisis y estudios tecnológicos de las huellas digitales
para la identificación y reconocimiento inequívoco de una
persona, y así reducir la posibilidad de cometer errores de
falsa aceptación, que es cuando se acepta a alguien que no
es; por ejemplo, alguien podría clonar una credencial de
identificación, o adueñarse de los números confidenciales
de una persona para hacer una transacción en perjuicio de
su legítimo dueño, y hasta falsificar su firma.
En respuesta a situaciones como la anterior el proceso de
autenticación digital de huellas dactilares está siendo
adaptado en diferentes campos ya que actualmente este
sistema es una herramienta muy poderosa para identificar
personas. “En la actualidad las huellas dactilares
representan una de las tecnologías biométricas más
maduras y son consideradas pruebas legítimas de
evidencia criminal en cualquier corte del mundo” [6].
Según Paula González, periodista de el periódico El País
de Cali-Colombia "E x isten var ia s te cnología s
biométricas, pero la más utilizada es la de reconocimiento
de las huellas digitales, con un 48,8% de participación en
el mercado de esta tecnología, por ser la más estudiada,
desarrollada y aceptada hasta la fecha" [2].
Se estima que la probabilidad de que dos personas tengan
las mismas huellas dactilares es aproximadamente de 1 en
64.000 millones. Cuando se digitaliza una huella, los
detalles relativos a las líneas (curvatura, separación,…),
así como la posición absoluta y relativa de las minucias
extraídas, son procesados mediante algoritmos que
permiten obtener un índice numérico correspondiente a
dicha huella, el resultado es un diagnóstico certero en más
del 99% de los casos. Y se ha comprobado, a raíz de un
estudio realizado por el Nacional Institute of Standards
and Technology (NIST) en 2004, que el grado de precisión
aumenta a medida que se incrementa el número de dedos
cotejados [7].
Debido al creciente interés industrial por este ámbito
tecnológico, y a los múltiples beneficios que su uso
apor ta, en los últimos años se ha notado una
preocupación creciente por las organizaciones
regulatorias respecto a elaborar estándares relativos al
uso de técnicas biométricas en el ambiente informático,
no obstante ello, aún la estandarización continúa siendo
deficiente [6].
56
En el presente artículo se abordarán temas como son los
principios básicos de un sistema de identificación
biométrica, características principales de las huellas
digitales como medio de identificación biométrica y por
último se hablará de una red neuronal llamada mapa de
Kohonen, como método de extracción y verificación de
características biométricas en una huella digital, ya que
mencionados temas son de gran interés para alcanzar el
objetivo de investigación el cual es dar a conocer el
proceso que es empleado por un prototipo de registra y
valida huellas digitales.
II. IDENTIFICACIÓN BIOMÉTRICA
Para David Zhang: “La biometría es la ciencia que se
dedica a la identificación de individuos a partir de una
c a r ac t er ís t ic a a natóm ic a o un r a sgo de su
comportamiento” [6]. Una característica anatómica tiene
la cualidad de ser relativamente estable en el tiempo, tal
como una huella dactilar, la silueta de la mano, patrones
de la retina o el iris.
Los Sistemas Biométricos son métodos automatizados de
reconocimiento de personas basados en características
fisiológicas o conductistas [1]. Algunas de las
características son cara, huellas digitales, geometría de la
mano, escritura a mano, el iris, de retina, la vena y la voz.
Las tecnologías biométricas se están volviendo el
principio básico de un conjunto imponente de
identificación altamente seguro y soluciones de
verificación personal.
De todos los sistemas de identificación biométrica
existentes, las huellas dactilares son las únicas legalmente
reconocidas como prueba fidedigna de identidad. Es un
sistema que además de ser efectivo, es cómodo de aplicar,
la autenticación se obtiene rápidamente y tiene un grado
de seguridad tan alto debido a que nadie podría sustraer,
copiar o reproducir los elementos usados en ella, ya que
son elementos inherentes a su portador [7].
Un sistema de reconocimiento de huellas dactilares consta
de 4 etapas: Adquisición de la Imagen, Pre-procesamiento
de la Imagen, Extracción de características y Matching o
Reconocimiento.
La extracción de características es la etapa primordial en
el reconocimiento de huellas dactilares, por lo tanto
mientras más confiable sea el método utilizado en esta
etapa, obtendremos un mejor rendimiento del sistema.
Existen 2 enfoques para la extracción de características:
enfoque basado en minucias y el enfoque basado en la
imagen [6].
Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
III. CARACTERÍSTICAS DE LAS HUELLAS
DIGITALES
Las huellas digitales están constituidas por rugosidades
que forman salientes y depresiones. Las salientes se
denominan crestas papilares y las depresiones surcos
interpapilares”. En las crestas se encuentran las glándulas
sudoríparas. El sudor que éstas producen contiene aceite,
que se retiene en los surcos de la huella, de tal manera que
cuando el dedo hace contacto con una superficie, queda
un residuo de ésta, lo cual produce un facsímil o negativo
de la huella [4].
• Minucias: Es el punto en el que termina una cresta o se
bifurca en dos o más crestas. Se define en términos de sus
coordenadas (x, y) y el ángulo de orientación de la cresta
[3]. Ver Figura Nº 2.
La huella digital es utilizada con éxito en todo el mundo
para la identificación de personas por diferentes
organismos, esto se debe a los siguientes aspectos:
• Permanencia: No cambian sus características con el
tiempo.
• Unicidad: Siempre difieren, son únicas e irrepetibles aún
en gemelos.
• Universalidad: Todas las personas tiene huellas digitales.
• Cuantificación: La característica puede ser medida en
forma cuantitativa.
CARACTERÍSTICAS DE LAS HUELLAS DIGITALES
Las huellas digitales tiene características visibles que son:
las crestas, los surcos, las minucias, el núcleo y el delta.
• Surcos: Son la áreas de la huella digitales que se
encuentran a cierto nivel de profundidad.
Figura 2. Representación de minucias en términos de su
posición y dirección
La característica más interesante que presentan tanto las
minucias como los puntos singulares núcleo y delta es que
son únicos para cada individuo y permanecen inalterados
a través de su vida. A pesar de la variedad de minucias, las
más importantes son las terminaciones y bifurcaciones de
crestas. Esto último se debe a que las terminaciones de
crestas representan aproximadamente el 60.6% de todas
las minucias en una huella y las bifurcaciones el 17.9%.
Además varias de las minucias menos típicas pueden
expresarse en función de las dos señaladas [6].
A continuación se presentan las minucias frecuentemente
consideradas.
• Crestas: Son la áreas de la huella digitales que se
encuentran al nivel de la misma. Ver Figura 1.
Figura 3. Tipos de Minucias
- Una isla se presenta cuando se unen las dos ramas de dos
bifurcaciones diferentes, ambas bifurcaciones deben
estar frente a frente.
- En una bifurcación la línea de la cresta se divide en varios
segmentos de línea.
- La terminación es donde la línea de la cresta inicia o
acaba.
Figura 1. Crestas y Surcos
- El punto es una línea de la cresta bastante corta que no
esta conectada a ninguna otra línea de cresta.
57
Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
• Núcleo: Es el punto más alto de la cresta curvada más
interior.
• Delta: Es la zona donde se unen tres flujos de crestas. Ver
Figura 4.
Tiene las siguientes características:
Aprendizaje sin supervisión: No se utiliza los datos de
salida como maestro para indicar a la red que se había
cometido un error. Sus principales utilidades son entre
otras, descubrir las regularidades presentes en los datos,
extraer rasgos o agrupar patrones según su similitud.
Algoritmos competitivos: La unidad más apta es la única
que envía un valor a las unidades de la capa de salida.
Correspondencia que respeta la topología: Entre los datos
de entrada y las unidades competitivas [3].
Figura 4. Núcleo y Delta
El Núcleo y el Delta suelen estar presente en la mayoría de
huellas, por la tanto pueden ser usados como puntos de
referencia.
REGISTRO Y VERIFICACIÓN AUTOMATIZADA DE
HUELLAS DIGITALES
Se crea un modelo computarizado de la huella, un vector
de información intrínseca de la huella, para luego ser
indexada y almacenada por lo general en una base de
datos, que puede ser contrastada frente a otra presentada
ya sea en persona, o a través de una fracción de huella
levantada en algún lugar, o bien, tomada de una tarjeta
decadactilar. Para ello se utiliza un algoritmo que permite
asociar la huella que se desea identificar, con otras de
similares características, almacenadas en la base de
datos.
IV. RED NEURONAL: MAPA DE KOHONEN
Una red neuronal artificial, es un modelo coleccionista
cuyos elementos o nodos, conectados entre si, simulan las
funciones desempeñadas por las células cerebrales
denominadas neuronas [8].
El aprendizaje en la red de kohonen por ser no
supervisado, requiere un nuevo entrenamiento cada vez
que se desee que la red neuronal clasifique uno o más
patrones. Desde el punto de vista de su organización, la
red de Kohonen consta de dos capas, una capa de entrada
y otra capa que se llamará capa competitiva. La capa
competitiva se encuentra formada por neuronas
artificiales a partir de cuya competencia entre si en la fase
de entrenamiento, resultarán grupos de neuronas. Los
gr upos de neuronas, considerados en conjunto,
configuran el mapa de características en el que los
patrones se encuentran clasificados [5].
Cuando una entrada I es presentada a la red, las neuronas
de la capa competitiva calculan su entrada neta como:
netaj = distancia(I, Wj)
La neurona con valor más alto será considerada la
ganadora y será la única neurona dentro de la capa
competitiva con valor de salida 1, el resto tendrá valor de
salida 0.
En el aprendizaje los pesos que relacionan la capa de
entrada con la capa oculta (a), pretende ir aproximando el
vector W al vector I (b).
El profesor Jürgen Sauer ha trabajado en este campo con
un tipo de red neuronal llamada Mapa de kohoen, el cual
esta basada en el concepto de mapas autoorganizativos,
este tipo de redes busca aprender a detectar regularidades
y correlaciones entre las entradas, el cual se utilizara en el
presente proyecto.
La red neuronal artificial de Kohonen resulta de utilidad
en la clasificación de patrones obteniéndose un mapa, el
mapa de características, en el que se encontraran
clasificados los patrones que han sido presentados a la red
durante la fase de entrenamiento o aprendizaje [5].
58
Figura 5. Vectores
Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
En donde W será la representación de la huella de entrada
e I será la representación de la huella registrada.
Los pesos se actualizan de la siguiente forma:
w (t+1) = w (t) + a (I w (t))
Figura 7. Pantalla procesamiento de la imagen
Figura 6 Actualización de los pesos de las entradas de
la red
De acuerdo con la red neuronal planteada y utilizada estos
son los resultados en el momento de sacar las minucias de
una huella:
Figura 8. Pantalla Aprendizaje de la red neuronal
V. CONCLUSIONES
El éxito del proceso radica en la calidad de la imagen de
entrada, ya que si presenta suciedad o presenta problemas
en la calidad de la huella de la muestra tomada, el sistema
arrojará resultados imprecisos en algunos de estos casos.
Utilizando la red neuronal como método de extracción de
minucias el sistema presenta un mejor rendimiento en
cuanto a tiempos de respuesta que utilizando otro método
como por ejemplo algoritmos con geometría hiperbólica.
Utilizar sistemas biométricos para la autenticación
p e r s o n a l s e e s t á v o l v i e n d o c o nv e n i e n t e y
considerablemente más preciso que los métodos actuales
(como la utilización de contraseñas), esto es porque es
particular (una contraseña o señal puede ser usada por
alguien aparte del usuario autorizado), conveniente (nada
59
Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60
a llevar o recordar), preciso (tiene prevista autenticación
positiva), pueden proveer una pista para auditoria y son
socialmente aceptables.
El sistema de identificación biométrica con huellas
digitales es uno de los sistemas actualmente más rápidos y
su seguridad depende del grado de aceptación que se le dé
al mismo. Los umbrales de aceptación para el FRR (Tasa
de falso rechazo) y al FAR (Tasa de falsa aceptación) son
dados por criterio o necesidades de quien lo va a utilizar.
REFERENCIAS
[1] ELICECHE, Julio Alejandro. Criptografía y Seguridad
Informática. (online). Último acceso 10 Septiembre de
2006.http://cactus.fi.uba.ar/crypto/tps/SistemasBiometri
cos.pdf
[2]GONZÁLEZ CORREA, Paula. El dedo será la
contraseña para retirar dinero con seguridad La clave
estará en la huella digital. En periódico EL PAIS. CaliColombia. Junio de 2002.
[4] Identificación Biométrica con huellas digitales,
(online), Diciembre 2002, Último acceso 01 de
Septiembre de 2006.
http://ciberhabitat.gob.mx/hospital/huellas/textos/identif
icacion.htm.
[5] LAHOZ-BELTRÁ, Rafael. Bioinformática: Simulación,
vida artificial e inteligencia artificial. Díaz santos Edit.
2004. 616p.
[6] MORALES, Domingo. Sistemas Biométricos (online).
2004. Último acceso 09 de Agosto de 2006.
http://www2.ing.puc.cl/~iing/ed429/sistemas_biometric
os.htm
[7] TECNOCIENCIA: Monográfico de divulgación,
biometría. (online). Último acceso 10 de agosto de 2006.
http://www.tecnociencia.es/monograficos/biometria/bio
metria2.html.
[8] ZH A NG, David D. Automated Biomet r ics:
Technologies And Systems. Springer Edit. 2000. 344p.
[3] FREEMAN, James. Redes Neuronales. Massachussets
EEUU. Addison-Wesley Publishing Company. 1991. 430 p.
Artículo de Reporte de Caso. Sometido a Arbitraje.
El Autor
Juan Carlos Santamaría Olivares
Estudiante de décimo semestre de Ingeniería de Sistemas de la Universidad El Bosque. Desarrollo éste
proyecto dentro del Equipo de Investigación de Software Libre de la Facultad de Ingeniería de Sistemas.
Carrera 7 B Bis 132 - 11, Bogotá D.C., Colombia. [email protected]
60