İRİSTEN KİMLİK TANIMA SİSTEMİ

Ebat: px

Şu sayfadan göstermeyi başlat:

Download "İRİSTEN KİMLİK TANIMA SİSTEMİ"

Mehmet Kurtoğlu
8 yıl önce
İzleme sayısı:

1 ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR

2 AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir iris tanıma sistemi gerçeklenmiştir. Bunun nedeni, günümüzde güvenlik, sağlık gibi nedenlerden dolayı biyometrik sistemlerin oldukça önem kazanmış olmasıdır. Biyometrik sistemler içersinde; parmak izi tanıma, kişiye ait ses yapısını belirleme, iris tanıma gibi sistemler bulunmaktadır. İris tanıma alanının seçilme nedeni, görüntü işleme üzerine daha çalışmaların daha ileri düzeyde ve yaygın olmasıdır. Bu sistem, bankacılık gibi aşırı güvenlik isteyen alanlarda (örneğin ATM lerde kullanıcı adı ve şifre yanında iris tanıma sisteminin kullanılması ile) veya e-devlet yazılımlarında (ülke bireylerine ait kimlik çıkarımlarında) kullanılabilir. Ayrıca iris tanıma sistemi, halk sağlığı açısından da önemli bir alandır. Çünkü göz hastalıkları üzerine çalışan araştırmacılar, iris görüntüsüne bakarak hastalık tanısı yapabilmektedirler. Bu sistemin daha ileri çalışmalar ile tanıya yönelik de geliştirilmesi mümkündür. GİRİŞ Günümüzde bilgisayar ortamında güvenlik; bankacılık, e-devlet v.b. gibi alanlar için çok önemli hale gelmiştir. Kurumlar için personel ve müşterilerine ait verilere güvenli bir şekilde saklamak ve gerektiği zamanda bu bilgilere ulaşmak çok önemlidir. Bu bilgilerin saklanmasında çeşitli yöntemler kullanılmaktadır. Biyometrik sistemler olarak bilinen bu yöntemler içersinde; parmak izinden kimlik tanıma, iris tanıma, yüz karakteristiklerinin çıkarımı, imza tanıma, konuşma doğrulama gibi alanlar bulunmaktadır [1]. Biyometrik çözümler, gizliliğin sağlanmasını ve bilgiye müşteri ve kurumsal belirleyici tarafından etkin ulaşımını sağlar. Çünkü kişiye özel biyometrik veri tektir ve değiştirilemez. Kişiye ait fizyolojik ve davranışsal karekteristiklere bağlı tanımların güvenlikle saklanmasını ve gerektiğinde veriye ulaşılmasını sağlar. Biyometrik sistemlerde donanım yoluyla veri alınır ve yazılım ile bu veri işlenerek kullanılabilir hale getirilir. Sistem için en önemli unsur, verinin yeterince doğrulukla alınması ve bir veri tabanında saklanmasıdır. Veri, donanım yoluyla tek boyutlu veya iki boyutlu olma özelliğine bakılarak veri tabanına kaydedilir. Daha sonra sisteme giriş yapılırken biyometrik araç ile kimlik tanıma gerçekleştirilir. Bankacılık gibi aşırı güvenlik gerektiren sistemlerde biyometrik sistem ile tanımanın yanında kullanıcı adı ve şifre de istenir. Günümüzde, biyometrik sistemler üzerine profesyonel birçok araştırma bulunmaktadır. Normalde halk sağlığı ve güvenlik alanlarında (ATM sistemleri gibi) rutinde kullanılan sistemler bulunmaktadır [2] [3]. Ancak bilindiği gibi bilgisayar ortamında bilgi saklamak ve bu bilgiyi korumak halen bir sorun olarak karşımıza çıkmaktadır. Yordamda kullanılan sistemler bile sürekli güncellenerek güvenlik artırımı sağlanmaktadır. Bu nedenle çalışmada, biyometrik sistemler incelenmiş ve kullanım alanları göz önüne alındığında bir biyometrik sistemin tasarımının yapılmasının yararlı olacağı düşünülmüştür. Projede, bir iris tanıma sistemi gerçeklenmeye çalışılmıştır. Okul bünyesindeki olanaklardan faydalanılarak bir sayısal kamera yardımı ile öğrencilerden iris görüntüleri alınmış ve bir veri tabanı oluşturulmuştur. Oluşturulan veri tabanı kullanılarak MATLAB 7.0 programı ile iris tanıma için gerekli yazılım gerçeklenmiştir. Daha sonra sistemin bir kullanıcı tarafından rahat kullanılabilmesi sağlayacak kullanıcı ara yüzü oluşturulmuştur. Son aşamada ise başarım yüzdeleri elde edilmiştir.

Biyometrik sistemler içersinde; parmak izi tanıma, kişiye ait ses yapısını belirleme, iris tanıma gibi sistemler bulunmaktadır.

3 YÖNTEM Projede gerçeklenen iris tanıma sistemi, temel olarak üç parçadan oluşmaktadır. Birinci bölüm, verilerin alındığı görüntü kayıt sistemidir. Sistem düzeneği Şekil 1 de verilmiştir. Şekilden de görülebileceği gibi sistem, görüntü netliğini sağlıyabilmek için 50 W lık iki lamba, gözün sabit durmasını sağlamak için bir sabitleme bölümü ve profesyonel kameradan oluşmaktadır. Şekil 2 de ise yazılıma girilecek örnek iris resimleri verilmiştir. İkinci bölüm, iris tanıma işleminin gerçekleştirildiği yazılım kısmıdır. Yazılım Matlab 7.0 kullanılarak gerçekleştirilmiştir. Gerçeklenen yazılım, 8 adımdan oluşmaktadır. İlk dört adım; göz sınırlarının belirlendiği ve keskinleştirildiği kenar belirleme, kenar ilişiklendirme adımları, analizinin tam doğrulukla gerçeklenebilmesi için kenar geliştirme, gözbebeği merkezinin çıkarımı adımlarıdır [4]. Daha sonra yazılımda iris sınırlarının çıkarılabilmesi için iris sınırlarının yalıtılması gerçekleştirilmiştir. İris tanıma sisteminde alınan görüntünün oluşturulan göz veri tabanı ile karşılaştırılabilmesi için verinin kutupsal koordinat sistemine dönüştürülmesi gerekmektedir. Bu nedenle bir sonraki adımda kutupsal koordinat dönüşümü gerçekleştirilmiş ve son iki adımda ise nitelik çıkarma ve Hamming uzaklık ölçme işlemi yapılmıştır [5] [6]. Son bölüm ise, kullanıcıya kolaylık sağlayan sistem arayüzüdür. Bu arayüzün oluşturulma nedeni, herhangi bir kişinin bu iris tanıma sistemini kolaylıkla kullanılabilmesini sağlamaktır. Arayüz, Şekil 3 de gösterilmiştir. SONUÇLAR VE TARTIŞMA Projede gerçeklenen iris tanıma sistemi, donanım ve yazılım olmak üzere bir bütün olarak gerçeklenmiştir. Donanım bölümünde öncelikle görüntü kayıt düzeneği oluşturulmuş ve daha sonra görüntüler bir veri tabanı oluşturacak şekilde kaydedilmiştir. Yazılım kısmında tanıma işlevini gerçekleştirecek kod üretilmiştir. Daha sonra bu kod, ara yüz ile uyumlandırılarak iris tanıma sistemi tamamlanmıştır. Yazılım için kod üretilirken görüntünün kalitesini artıran algoritmalardan yararlanılmıştır. İris sınırlarının çıkarımı için görüntü işleme yöntemlerinden faydalanılmıştır. Ayrıca veri bankasında yer alan bilgi ile eşleme yapabilmek için kutupsal koordinatlara dönüştürme ve elde edilen dizinden nitelik çıkarımı gerçekleştirilmiştir. Nitelik çıkartımı için dalgacık dönüşümü kullanılmış ve bu dönüşüm için gerekli algoritma Matlab 7.0 içersinde bulunan hazır fonksiyonlar kullanılarak yapılmıştır. Bu aşamadan sonra eşleme için Hamming uzaklıkları ölçülmüştür. Sistemde oluşturulan veri tabanı yaklaşık 150 iris görüntüsünden oluşmaktadır. Görüntüler siyah-beyazdır ve görüntü boyutları eşittir. İris tanıma sistemi için eşleme doğruluğunun belirlenmesinde iki oran göz önüne alınmıştır. Bunlar; kabul oranı ve hata söndürme oranlarıdır. Bu oranlar literatürde yer alan ölçütlerdir ve Wildes ve Daugman ın yöntemlerine dayanılarak belirlenmiştir. Bu oranlara göre elde edilen sonuçlar, Çizelge 1 de verilmiştir. Elde edilen sonuçlara göre, Daugman yöntemine göre karşılaşılan tek farkın nitelik çıkarımı sonucu elde edilen dizi uzunluğundadır.

Şekil 2 de ise yazılıma girilecek örnek iris resimleri verilmiştir. İkinci bölüm, iris tanıma işleminin gerçekleştirildiği yazılım kısmıdır. Yazılım Matlab 7.0 kullanılarak gerçekleştirilmiştir.

4 Çizelge 1. İris sistemlerinin başarım oranları Yöntem: Oran(%) Wildes 99.2 Daugman 100 Ali-Hassanien 97.3 Projede kullanılan 86.7 sistem Çizelge 1 incelendiğinde, sistemin başarım oranı diğerlerine göre daha düşüktür. Bunun sebebinin nitelik çıkarımında elde edilen dizinin daha küçük olması (daha az detay içermesi) ve veri tabanının Daugman ve Wildes inkine göre çok daha küçük olmasıdır. Veri tabanının artırılması ve nitelik çıkarımında kullanılan yöntemin iyileştirilmesiyle başarım oranı artırılabilir. TEŞEKKÜR Bu projede oluşturulan veri tabanı için iris görüntüsü vermeyi kabul eden tüm Özel Ege Lisesi öğrencilerine teşekkür ederiz. KAYNAKLAR [1] Ali, J.M.H., Hassanien, A.E., (2003), An Iris Recognation System to Enhance E- security Enviroment Based on Wavelet Theory, Advanced Modeling and Optimization, vol. 5, no. 2. [2] Erik, B.J., (1999), Overview of the Biometric Identification Technology Industry, A Presentation to the IBIA Conference: Defending Cyberspace, [3] Potel, M.J., (2002), Graphics and Security: Exploring Visual Biometrics, IEEE Computer Graphics and Applications, vol. 22, no. 4. [4] Parker, S.R., (1997), Algorithms for Image Processing and Computer Vision, John Wiley & Sons. Inc. [5] Jain, A.K., Ross, A., Prabhakar, S., (2004), An Introduction to Biometric Recognation, IEEE Trans. On Circuit and Systems for Video Technology, vol. 14, no. 1. [6] Yıldız, F., Akhan, N., Saday, T., (2003), Biyometrik Kimlik Belirleme Sistemi olarak İris, Akademik Bilişim, 3-5 Şubat, Çukurova Üniversitesi, Adana.

Bunun sebebinin nitelik çıkarımında elde edilen dizinin daha küçük olması (daha az detay içermesi) ve veri tabanının Daugman ve Wildes inkine göre çok daha küçük olmasıdır.

5 (a) Şekil1. (a) Projede kullanılan görüntü kayıt düzeneği genel görünümü; (b) Kayıt sırasında düzeneğin görünümü (b)

6 Şekil 2. Örnek işaretlenmiş iris görüntüleri

7 Şekil 3. Kaydedilmiş kullanıcı arayüz örneği

Benzer belgeler

Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007

AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri