ОБЗОР БИОМЕТРИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ ВО ВСТРАИВАЕМЫХ СИСТЕМАХ

AN OVERVIEW OF BIOMETRIC PATTERN RECOGNITION IN EMBEDDED SYSTEMS

Ghadeer Shaheen

PhD Student, Faculty of Software Engineering and Computer Systems, Saint Petersburg National Research University of Information Technologies, Mechanics and Optics,

Russia, Saint Petersburg

АННОТАЦИЯ

В этой статье представлен обзор типичных биометрических измерений, используемые сигналы, подходов к проектированию биометрических систем распознавания образов и областей применения.

ABSTRACT

This article provides an overview of typical biometric measurements, used signals, design approaches of biometric pattern recognition systems, and application areas.

Ключевые слова: встраиваемые системы; распознавание образов; биометрия; сигнал.

Keywords: embedded systems; pattern recognition; biometrics; signal.

I. Введение

Растущий спрос на усовершенствованные системы безопасности привел к беспрецедентному интересу к биометрической системе аутентификации личности. Из-за вычислительных потребностей и алгоритмической сложности некоторых процессов распознавания образов, а также из-за высокой скорости и иногда строгих ограничений в реальном времени выполняемых задач, адаптация или разработка встраиваемых систем распознавания образов является важной проблемой для разработчиков. В этой работе представлены обзор биометрические измерения, подходы к проектированию биометрического система распознавания образов и области приложения.

II. Биометрия

Биометрия - это наука и технология измерения и анализа биологических данных человеческого организма, извлечения набора признака из полученных данных и сравнения этого набора с набором шаблонов в базе данных. Биометрические системы, основанные на одном источнике информации, называются унимодальными системами. Хотя некоторые Унимодальные системы получили значительное повышение надежности и точности, они часто страдают от проблем из-за не универсальных биометрических черт, подверженности к биометрическому подмену «Спуфинг» или недостаточной точности, вызванной зашумленными данными. Следовательно, одна биометрия может быть не в состоянии достичь желаемого требования к производительности в реальных приложениях. Одним из методов преодоления этих проблем является использование мультимодальных биометрических систем [1] аутентификации, которые объединяют информацию из нескольких модальностей для принятия решения.

III. Встраиваемые системы

Встраиваемая система представляет собой комбинацию аппаратного и программного обеспечения, предназначенную для выполнения одного или ограниченного числа задач. Проектирование встраиваемых систем требует целостного подхода, который интегрирует основные парадигмы проектирования аппаратного обеспечения, проектирования программного обеспечения и теории управления. Основные особенности, которые необходимо учитывать при разработке приложения распознавания образов для встраиваемой системы: пределы производительности и памяти, энергопотребление, размер системы, требования в реальном времени, ограниченный пользовательский интерфейс, надежность, адаптация или переподготовка на месте, установка, поддержание и модернизация.

IV. Используемые сигналы и биометрические измерения

Многие виды входных данных могут обрабатываться алгоритмами биометрического распознавания образов для выполнения практических задач, таких как: изображения, звук, биоэлектрические сигналы, температура, давление, наборы данных или временные ряды из физических процессов, экономическая или социальная деятельность, и т. д.

Биометрические измерения можно разделить в основном на две категории: физиологические биометрии (Вена, Запах, Ухо, геометрия рук и пальцев, отпечаток пальца, лицо, сетчатка, радужная оболочка, отпечаток ладони, голос, дезоксирибонуклеиновая кислота ДНК, электрокардиограмма ЭКГ, электроэнцефалография ЭЭГ, отпечаток губ, рентгенография зубов, отпечаток языка и др.) и поведенческая биометрия (походка, нажатие клавиши, динамика мыши, подпись), которая измеряет действия человека.

Алгоритм биометрических измерений должен обладать несколькими требованиями, чтобы быть практически пригодным для нескольких применений, таких как: возможность применения конкретного биометрического измерения ко всей группе пользователей, возможность успешно различать людей друг от друга, возможность системы обнаруживать атаки, приватность и эффективность затрат.

V. Приложения

Биометрия может использоваться практически в любом приложении, которое требует точной идентификации человека. В мире существует много тысяч биометрических приложений, таких как: идентификация и верификация звонящего или говорящего с помощью голосовой биометрии, верификация личности пользователя компьютера с помощью сканирования лица или отпечатка пальца, ePassport и SmartGate в международных аэропортах, национальная идентификационная карта во многих странах, ограничение доступа к системам на атомных электростанциях. Биометрия в настоящее время используется в некоторых школах по всему миру для решения таких вопросов, как подтверждение посещаемости школы или заимствование   книг в библиотеке. Электронные правительства используют способы аутентификации физических лиц при работе с государственными службами в Интернете.

VI. Подходы

Многие предложения существуют в литературе для реализации алгоритмов биометрического распознавания образов:

-Использование готовых архитектур:

Некоторые задачи встраиваемого распознавания образов могут быть успешно выполнены с помощью готового аппаратного обеспечения [2], удобно адаптированного к этой задаче. Особенно для приложений, где: очень маленький размер или энергопотребление не требуется, вычислительные потребности не являются экстремальными, затраты на разработку являются вопросом, время выхода на рынок очень важно, приложение не большого объема и стоимость системы не критична.

-Использование специализированных DSP:

Некоторые приложения требуют специальных цифровых сигнальных процессоров [3] в дополнение к обычным процессорам. Задачи, требующие такой архитектуры, характеризуются: небольшая стоимость, размер или энергопотребление является вопросом, больше вычислительных потребностей на этапах обработки сигналов и меньше вычислительных потребностей на последних этапах символьных вычислений, несколько более высокие затраты на разработку являются приемлемыми, немного выше время выхода на рынок является приемлемым.

-Использование массивно параллельного аппаратного обеспечения (например, графического процессора):

Некоторые задачи предъявляют огромные требования к обработке. Наиболее экономически жизнеспособным вариантом является использование блоков массивного параллелизма или графического процессора [4]. Это тот случай, когда: приложение включает в себя высокую сложность или большие объемы данных, требуется высокая скорость или большая пропускная способность, самые дорогостоящие части алгоритма можно разделить на множество параллельных небольших операций, более высокий размер, потребности в энергии и стоимость системы приемлемы.

-Использование реконфигурируемого или специального аппаратного обеспечения:

Некоторые проекты ориентированы на конкурентоспособные по цене продукты больших объемов, которые заслуживают разработки реконфигурируемых компонентов или специального аппаратного обеспечения, таких как FPGA [5] или ASIC. В тех случаях, когда приложение не может удовлетворить данные требования путем интеграции стандартных компонентов, ожидаемые объемы оправдывают более длительную работу по разработке, наиболее дорогостоящие части алгоритма могут быть перепроектированы для аппаратного обеспечения с большим количеством параллелизма или «сегментируемости».

VII. Заключение

Во всех этих случаях мы можем заключить, что приложения биометрического распознавания образов на встраиваемых системах являются естественными, уже присутствующими на рынке и очень быстро растущими. Также очевидно, что существует много разных целевых систем и существуют очень разные требования для большого разнообразия применимых задач биометрического распознавания образов. Наконец, прежде чем приступить к разработке встраиваемой системы биометрического распознавания образов, необходимо провести очень подробный анализ.

Список литературы:

1. Ouch, Roger, Begonya Garcia-Zapirain, and Roman Yampolskiy. "Multimodal biometrie systems: A systematic review." 2017 IEEE International Symposium on Signal Processing and Information Technology (ISSPIT). IEEE, 2017.
2.  Kang, Minku, Hyunjong Cho, and Seungbin Moon. "PCA-based face recognition in an embedded module for robot application." 2009 ICCAS-SICE. IEEE, 2009.
3. Fatt, Richard Ng Yew, Tay Yong Haur, and Mok Kai Ming. "Iris verification algorithm based on texture analysis and its implementation on DSP." 2009 International Conference on Signal Acquisition and Processing. IEEE, 2009.
4. Qi, Zhi, et al. "An energy efficient OpenCL implementation of a fingerprint verification system on heterogeneous mobile device." 2014 IEEE 20th International Conference on Embedded and Real-Time Computing Systems and Applications. IEEE, 2014.
5. Shinde, Archana S., and Varsha Bendre. "An embedded fingerprint authentication system." 2015 International Conference on Computing Communication Control and Automation. IEEE, 2015.