Vorhergehende Studien konnten zeigen, dass es im Prinzip möglich ist die Methode der Iriserkennung als biometrisches Merkmal zur Identifikation von Fahrern zu nutzen. Die vorliegende Arbeit basiert auf den Resultaten von [35], welche ebenfalls als Ausgangspunkt dienten und teilweise wiederverwendet wurden. Das Ziel dieser Dissertation war es, die Iriserkennung in einem automotiven Umfeld zu ...
Zusammenfassung (Deutsch)
Vorhergehende Studien konnten zeigen, dass es im Prinzip möglich ist die Methode der Iriserkennung als biometrisches Merkmal zur Identifikation von Fahrern zu nutzen. Die vorliegende Arbeit basiert auf den Resultaten von [35], welche ebenfalls als Ausgangspunkt dienten und teilweise wiederverwendet wurden. Das Ziel dieser Dissertation war es, die Iriserkennung in einem automotiven Umfeld zu etablieren. Das einzigartige Muster der Iris, welches sich im Laufe der Zeit nicht verändert, ist der Grund, warum die Methode der Iriserkennung eine der robustesten biometrischen Erkennungsmethoden darstellt.
Um eine Datenbasis für die Leistungsfähigkeit der entwickelten Lösung zu schaffen, wurde eine automotive Kamera benutzt, die mit passenden NIR-LEDs vervollständigt wurde, weil Iriserkennung am Besten im nahinfraroten Bereich (NIR) durchgeführt wird.
Da es nicht immer möglich ist, die aufgenommenen Bilder direkt weiter zu verabeiten, werden zu Beginn einige Techniken zur Vorverarbeitung diskutiert. Diese verfolgen sowohl das Ziel die Qualität der Bilder zu erhöhen, als auch sicher zu stellen, dass lediglich Bilder mit einer akzeptablen Qualität verarbeitet werden. Um die Iris zu segmentieren wurden drei verschiedene Algorithmen implementiert. Dabei wurde auch eine neu entwickelte Methode zur Segmentierung in der polaren Repräsentierung eingeführt. Zusätzlich können die drei Techniken von einem "Snake Algorithmus", einer aktiven Kontur Methode, unterstützt werden. Für die Entfernung der Augenlider und Wimpern aus dem segmentierten Bereich werden vier Ansätze präsentiert. Um abzusichern, dass keine Segmentierungsfehler unerkannt bleiben, sind zwei Optionen eines Segmentierungsqualitätschecks angegeben. Nach der Normalisierung mittels "Rubber Sheet Model" werden die Merkmale der Iris extrahiert. Zu diesem Zweck werden die Ergebnisse zweier Gabor Filter verglichen. Der Schlüssel zu erfolgreicher Iriserkennung ist ein Test der statistischen Unabhängigkeit. Dabei dient die Hamming Distanz als Maß für die Unterschiedlichkeit zwischen der Phaseninformation zweier Muster. Die besten Resultate für die benutzte Datenbasis werden erreicht, indem die Bilder zunächst einer Schärfeprüfung unterzogen werden, bevor die Iris mittels der neu eingeführten Segmentierung in der polaren Repräsentierung lokalisiert wird und die Merkmale mit einem 2D-Gabor Filter extrahiert werden.
Die zweite biometrische Methode, die in dieser Arbeit betrachtet wird, benutzt die Merkmale im Bereich der die Iris umgibt (periokular) zur Identifikation. Daher wurden mehrere Techniken für die Extraktion von Merkmalen und deren Klassifikation miteinander verglichen. Die Erkennungsleistung der Iriserkennung und der periokularen Erkennung, sowie die Fusion der beiden Methoden werden mittels Quervergleichen der aufgenommenen Datenbank gemessen und übertreffen dabei deutlich die Ausgangswerte aus [35].
Da es immer nötig ist biometrische Systeme gegen Manipulation zu schützen, wird zum Abschluss eine Technik vorgestellt, die es erlaubt, Betrugsversuche mittels eines Ausdrucks zu erkennen.
Die Ergebnisse der vorliegenden Arbeit zeigen, dass es zukünftig möglich ist biometrische Merkmale anstelle von Autoschlüsseln einzusetzen. Auch wegen dieses großen Erfolges wurden die Ergebnisse bereits auf der Consumer Electronics Show (CES) im Jahr 2018 in Las Vegas vorgestellt.
Übersetzung der Zusammenfassung (Englisch)
Previous research has shown that it is principally possible to use iris recognition as a biometric technique for driver identification. This thesis is based upon the results of [35], which served as a starting point and was partly reused
for this thesis. The goal of this dissertation is to make iris recognition available in an Automotive Environment. Iris recognition is one of the most robust ...
Übersetzung der Zusammenfassung (Englisch)
Previous research has shown that it is principally possible to use iris recognition as a biometric technique for driver identification. This thesis is based upon the results of [35], which served as a starting point and was partly reused
for this thesis. The goal of this dissertation is to make iris recognition available in an Automotive Environment. Iris recognition is one of the most robust biometrics to identify a person, as the iris pattern is unique and does not alter
its appearance during aging.
In order to create the database, which was used for the performance evaluations in this thesis, an Automotive Camera was utilized. As iris recognition is best executed in the near infrared (NIR) spectral range, due to the fact that even the darkest irises reveal a rich texture at these frequencies, the optical system is combined with suitable near infrared LEDs. As the recorded images cannot always be processed right away, several preprocessing techniques are discussed with the goal of enhancing the image quality as well as processing only images that have an acceptable quality. In order to segment the iris, three different algorithms were implemented. Thereby, a newly developed Segmentation in the Polar Representation is introduced. In addition, the three techniques can be enhanced by a Snake Algorithm, which is an active contour approach. For removing the eyelids and eyelashes from the segmented area, four noise removal approaches are presented. For the goal of ensuring that no fatal segmentations slip through, two options for a segmentation quality check are given. After the normalization with the rubber sheet model, the feature extraction is responsible for collecting the iris information, therefore, the results using a 1D-Log Gabor Filter or a 2D-Gabor Filter are compared. In the end, the key to iris recognition is a test of statistical independence. For this reason, the Hamming Distance serves well as a measure of dissimilarity between the phase information of two patterns. The best results for the database in use are gained by checking the image with a Sharpness Check before segmenting the iris by utilizing the newly introduced Segmentation in a Polar Representation and the 2D-Gabor Filter as feature extractor. The second biometric technique that is considered in this thesis is periocular recognition. Thereby, the features in the area surrounding the iris are exploited for identification. Therefore, a variety of techniques for the feature extraction and the classification are compared to each other. The performances of iris recognition and periocular recognition as well as the fusion of the two biometrics are measured with cross comparisons of the recorded database and greatly exceed the initial values from [35].
Finally, it is always required to secure biometric systems against spoofing. In the course of this thesis a printout attack served as the scenario that should be prevented, wherefore a working countermeasure is presented.
The results of this thesis points to the possibility of utilizing biometrics as a personalized car key in the future. Due to this huge success, the findings were also presented at the Consumer Electronics Show (CES) in 2018 at Las Vegas, yielding a great amount of feedback.
Downloadstatistik