UNIVERSIDAD TECNLOGICA EQUINOCCIAL

FACULTAD DE CIENCIAS DE LA INGENIERIA

ESCUELA DE INFORMATICA Y CIENCIAS DE LA COMPUTACIN.

TESIS:

SISTEMA BIOMETRICO DE RECONOCIMIENTO DE HUELLAS DIGITALES . SISBIORHED

Autor:

Mara Augusta Melo Snchez

Director: Ing. Renato Erazo

Quito Ecuador

2008

AGRADECIMIENTO

Gracias, a Dios por hacer posible el cumplimiento de mi primer objetivo acadmico y poner en mi camino a personas que ayudaron en la realizacin de esta tesis; a mi padre y madre por su amor, apoyo y comprensin incondicional, a mi hermano por ser ejemplo de esfuerzo y tenacidad, a mis amigos y a todas esas personas especiales en mi vida quienes pusieron inters y brindaron ayuda para la culminacin de este proyecto; a todos ellos quiero hacer participe la consecucin de este primer objetivo en la vida de un profesional y extenderles mi cario y agradecimiento desde el fondo de mi corazn.

Magus.

-2-

SISTEMA BIOMTRICO DE RECONOCIMIENTO DE HUELLAS DIGITALES (SISBIORHED).

CAPITULO I.

INTRODUCCION:

1.1

INTRODUCCIN:

La identificacin biomtrica es la verificacin de la identidad de una persona basada en caractersticas de su cuerpo o de su comportamiento, utilizando por ejemplo su mano, el iris de su ojo, su voz o su cara.

Aunque los estudios biomtricos no son perfectos, s son una herramienta muy poderosa para identificar personas. De todos los sistemas de identificacin biomtrica existentes, las huellas digitales es la nica legalmente reconocida como prueba fidedigna de identidad. Es un sistema que adems de ser efectivo, es cmodo de aplicar y la autenticacin se puede obtener rpidamente.

Fig. 1 Reconocimiento de Huella Digital

1.2

OBJETIVO GENERAL.

Investigar y Desarrollar un Sistema de Reconocimiento de Huellas Dactilares usando herramientas biomtricas aplicadas al reconocimiento de las mismas, partiendo de una comparacin grfica con patrones digitales visuales
-3-

almacenados en una Base de Datos para obtener la identidad de una determinada persona y su informacin personal relevante.

1.2.1

OBJETIVOS ESPECIFICOS:

- Investigar y analizar digitales.

sistemas existentes para reconocimiento de huellas

- Anali zar conceptos como Patrones digitales, Islote, Bifurcacin, Punto, Cortada, Horquilla, Empalme, Encierro, Redes Neuronales, Algoritmos de Bsqueda y Comparacin, Tecnologa Biomtrica, etc. 1

- Identificar problemas y diferencias de patrones de huellas digitales aplicables al reconocimiento de las mismas (Clasificacin, Tipo y Diferenciacin).

- Encontrar o realizar una tcnica o mtodo adecuado en la comparacin visual de huellas digitales con manipulacin de imgenes.

- Desarrollar un Sistema que permita el Reconocimiento de huellas digitales identificando a quien pertenece basndose en la informacin almacenada en una base de datos.

- Evaluar y Seleccionar mtodos de asignacin de informacin personal de un determinado patrn digital.

- Realizar Pruebas de validacin y verificacin de los resultados del sistema.

www.ciberhabitat.gob.mx/hospital
-4-

1.3

JUSTIFICACIN.

En la actualidad en el Ecuador no se cuenta con un Sistema Informtico Biomtrico que permita la identificacin de una persona a travs de sus huellas digitales, por lo que existen un sin nmero de falsificaciones y

usurpaciones de identidad, as como tambin cientos de personas muertas y sepultadas en fosas comunes sin que nunca se las logre identificar.

La interactividad y la digitalizacin del mundo nos ha obligado a cambiar nuestra forma de vida, por ejemplo cuando se quiere revisar el saldo de una cuenta bancaria se acude a Internet y entrando con su respectivo usuario y una clave puede ver su estado de cuenta, y realizando transferencias con claves secretas se realizan movimientos bancarios, esto es tomado en cuenta ya que al parecer nuestras vidas se han reducido a bits o mejor an a nmeros o claves secretas con las que somos identificados.

En los sistemas de seguridad existe prioridad por los sectores industriales y su continuo cambio de tal forma que la eficiencia y la efectividad ha sido enfocada en la medida que cuento con un buen sistema de computo para prestar un buen servicio, as es cmo los avances tecnolgicos en sistemas de seguridad han ido evolucionando de lo digital a lo biomtrico.

En los pases desarrollados para proteger la privacidad de las personas ha sido necesario idear toda una nueva infraestructura que aunque ha costado millones de dlares en estos se encuentran desarrollando tecnologas basadas en la biometra como pueden ser los patrones de las huellas digitales, del iris del ojo, del tono de voz.

Los sistemas biomtricos de seguridad estn basados en documentos, archivos de informacin relacionada a la identificacin de las personas, estableciendo los patrones necesarios para el desarrollo de esta tecnologa.

-5-

Estos mtodos biomtricos ya son utilizados en varios mbitos y principalmente con el propsito de reemplazar a los ya existentes como son el uso de password, tarjetas de crdito, consultas bancarias, etc.

La biometra toma en cuenta elementos morfolgicos nicos y propios de cada persona. Tal y cmo aparecen las investigaciones criminales donde las huellas digitales muchas veces nos llevan a identificar al responsable del delito.

La utilizacin de estos mtodos biomtricos ha llevado a las industrias a crear software y hardware, basando sus sistemas de seguridad a la extraccin de puntos caractersticos de la huella digital, con este proceso la informacin dactilar se ha reducido a algoritmos matemticos.

En la actualidad algunos organismos gubernamentales y empresas de alta seguridad a nivel internacional han desarrollando sistemas de acceso a espacios fsicos con identificaciones biomtricas utilizando tcnicas de Identificacin Automtica de huellas digitales.

Uno de los beneficios de utilizar los mtodos biomtricos de identificacin es que los elementos mismos de identificacin y la informacin contra la cual se confrontan los datos son intransferibles.

El desarrollo de la sociedad de la informacin, con el aumento incesante de las comunicaciones, tanto en volumen como en diversidad conlleva la necesidad de asegurar la identidad de los usuarios en todas sus actividades, lo que obliga a encontrar mtodos que garanticen la identidad de una persona creando nuevos sistemas cada vez ms potentes y fiables.

Estas necesidades de autentificacin y seguridad, unidas a las ya existentes anteriormente en materia de seguridad, han determinado un inters creciente por los sistemas biomtricos de identificacin y autentificacin. Su

-6-

denominador comn es la necesidad de medios simples, prcticos y fiables, para verificar la identidad de una persona.

El mercado de los controles de acceso se abri con la proliferacin de sistemas de seguridad basados en medios fsicos como tarjetas magnticas, llaves, etc. para su acceso, pero ninguno ha podido superar el fraude presentando una gran deficiencia para su objetivo principal: la seguridad.

La biometra permite una autentificacin segura, al contrario del empleo de contraseas o tarjetas, ya que estos medios pueden ser robados, copiados o utilizados por personas no autorizadas.

La combinacin de los ltimos avances en biometra y la electrnica ha permitido el desarrollo de las ms modernas soluciones. Adems los Sistemas Biomtricos constituyen en la actualidad una industria con potencial en este nuevo mercado en el que las partes se relacionan de tal forma que se establecen esquemas originales en la nueva economa mundial.

Como ejemplo podemos citar que segn un estudio de Gartnet.com el mercado a travs de claves y passwords es uno de los puntos ms riesgosos y difciles de sustentar por lo que el manejo de claves y passwords de seguridad tienen un costo de 300 dlares por usuario al ao. 2

La necesidad de impulsar una nueva solucin para este problema de seguridad y costos est impulsando el desarrollo de nuevas tcnicas de la biometra.

Consecuentemente de lo expuesto la investigacin y realizacin de este proyecto contribuir de forma muy relevante a la sociedad comn; sin dejar de tomar en cuenta el alto grado de investigacin sobre tecnologa aplicable a Software Biomtrico poco o nada estudiado y explotado en nuestro pas.

Valentino Cornejo Lpez, Centro de Investigacin CEUP

-7-

CAPITULO II.

MARCO TEORICO:

2.1

HUELLAS DIGITALES. Considerando que las huellas digitales son un rasgo distintivo entre los seres humanos, estas han sido utilizadas por antiguas civilizaciones como medio de identificacin nico.

En Babilonia cuando los reyes queran conferir a sus edictos un sello de autenticidad incontestable ponan la huella de la mano derecha debajo del texto grabado sobre arcilla, antes de cocerlo. Los pueblos de Babilonia, como muchos otros de la antigedad, saban que no hay dos manos con huellas idnticas. 3

Algunos de los primeros usos prcticos de la identificacin mediante impresiones dactilares tambin son acreditados a los chinos; quienes la aplicaban diariamente en sus negocios.

La prctica de las huellas digitales prosigui durante siglos, hasta tal punto que pocas personas saba n firmar con su nombre. En 1823, el checo Jan Evangelista Purkinje, fundador de la fisiologa experi mental, que estudiaba las glndulas sudorparas, descubri que no hay dos personas en las que el dibujo de las crestas y los surcos de la piel sean idnticos. 4

Slo entonces la ciencia consagra de modo oficial el carcter especfi co e individual de las huellas digitales. Pero tiene que pasar medio siglo para que la toma de huellas con tinta, o dactiloscopia, llegue al campo de la antropometra judicial.

3 4

http://Ciencia 15.blogalia.com www.ciberhabitat.gob.mx

-8-

El primero, que se sepa, en utilizar las huellas tomadas con tinta o dactilogramas es un empleado de la poli ca argentina del estado de Buenos Aires, Juan Vucetich, que publica en 1888 un tratado de dactiloscopia comparada.

A partir de 1890, los ingleses ela boran un sistema comparable, conocido con el nombre de Galton Henry, que Scotland Yard aplica en junio de 1900. Tres aos despus, Alphonse Bertillon, fundador de la antropometra criminal francesa, utiliza la dactiloscopia.

En investigaciones criminalsticas han sido utilizadas desde el siglo XIX y en la actualidad, haciendo uso de mtodos electrnicos se constituyen en un recurso mucho ms efectivo en este campo.

En el Ecuador (Cdigo Civil) como en otros pases del mundo, las huellas digitales son reconocidas legalmente como sustituto de la firma escrita, indispensable para imponer obligacin en un contrato o en cualquier documento, en los casos en que la persona involucrada no pueda o no sepa firmar.

Es importante definir lo que es una huella digital para comprender su estructura y limitantes de reconocimiento que se presenten en la realizacin de este trabajo por lo que decimos que huella digital es la forma especifica que adopta la piel del ser humano que cubre las yemas de los dedos, mismas que no varan a lo largo de toda la vida del individuo, estas huellas son nicas e irrepetibles debido a que su diseo no esta determinado por el cdigo gentico sino por variables en las concentraciones del factor de crecimiento y en hormonas localizadas dentro de los tejidos.5

La huella digital est constituida por rugosidades que forman salientes y depresiones. Las salientes se denominan crestas papilares y las depresiones surcos interpapilares. En las crestas se encuentran las glndulas sudorp aras. El sudor que stas producen contiene aceite, que se retiene en los surcos de
5

www.ciberhabitat.gob.mx
-9-

la huella, de tal manera que cuando el dedo hace contacto con una superficie, queda un residuo de sta, lo cual produce un negativo de la huella.

Las huellas digitales en el Ecuador se toman generalmente de los dedos pulgares de ambas manos ms por comodidad al capturarlas (Registro Civil y Polica Nacional) pero de acuerdo a comparaciones con otros pases se debe hacerlo de los dedos ndices ya que son menos propensos a sufrir accidentes que dejen cicatriz y puedan alterar el patrn digital.

Fig. 2 Huellas Digitales

La impresin artificial de la huella digital de alguno de los dedos de las manos, se toma sobre alguna superficie utilizando siempre alguna sustancia colorante que puede ser: tinta negra para huellas, grasa, aceite, etc.

2.2

LA DACTILOSCOPIA.

Es una ciencia que trata de la identificacin de la persona humana por medio de las impresiones digitales. Es una ciencia de aplicacin fundada en una verdad absoluta. Es la nica rama del derecho que descansa en un fundamento analtico. La teora de la perennidad, inmutabilidad y de la individualidad de las lneas digitales.6

6 Dr. Jorge W. German R. www.dlh.lahora.com.ec/paginas/medicinalegal/temas/ladactiloscopia.htm

-10-

2.2.1

DACTILOGR AMA. Es la impresin digital tomada directamente, con tinta de impresin de huellas latentes reveladas qumicamente. dibujos digitales son las siguientes: Las caractersticas del signo dactilar o

Ser absolutamente diferentes en cada individuo, presentando por lo tanto una verdad infinita.

Ser absolutamente inmutables en cada individuo desde el sexto mes de vida intrauterina hasta la disgregacin de la piel despus de la muerte, pues no aumenta ni disminuye el nmero de las lneas, ni cambia ningn detalle, no se alteran las proporciones por el crecimiento.

Ser perennes en absoluto, pues an el supuesto de ser destruidas por quemaduras o traumatismos superficiales, la curacin de estos producen la reaparicin de las mismas lneas en idnticas posiciones que antes.

Los dibujos digitales de los dedos son infalibles y si se deteriora son o se reproducen por el fotograbado u otro medio anlogo, para estampar luego la reproduccin como si fuera la impresin digital autntica o directa del mismo dedo, se notara inmediatamente seales de procedimiento mecnico de estampacin suficientes para descubrir el fraude.

2.3

REGIONES DE LOS DEDOS Y DE LA PALMA DE LA MANO. Para un adecuado entendimiento de la comparacin de huellas digitales es importante conocer las regiones de los dedos y de la palma de la mano, con el objeto de mejorar el uso de los trminos para tal efecto se mencionar que, la mano con los dedos esta dividida en once partes principales, vista sobre su regin palmar.

-11-

Las regiones de los dedos se dividen en:

Falange o primera falange; Falangina o segunda falange; Falangeta o tercera falange.

La regin palmar de la mano, se divide en:

Raz del meique. Raz del anular. Raz del medio; Raz del ndice; Hueco de la mano; Eminencia tener; Eminencia hipotenar y Taln de la mano,7

2.3.1

TIPOS FUNDAMENTALES. Los dactilogramas que se tienen en los dedos se circunscriben a cuatro tipos fundamentales clasificados como siguen:

2.3.1.1 ARCO. Se caracteriza porque sus crestas corren de un lado a otro sin regresar y carecen de deltas, pueden ser arco normal o piniforme, este ltimo conocido tambin como entienda. En los piniformes se puede encontrar un delta falso, pero sin las condiciones propias para hacer variar el tipo arco.

Karem Azamar Hernndez, Universidad Abierta, Mxico

-12-

2.3.1.2 PRESILLA INTERNA. Se caracteriza porque las crestas que forman su ncleo nacen a la izquierda, corren un trayecto a la derecha, dan vuelta y regresan al mismo lado de partida.

2.3.1.3 PRESILLA EXTERNA. Se caracteriza porque las crestas que forman su ncleo nacen a la izquierda, dan vuelta y regresan al mismo lado de partida.

Existen presillas de ncleo simple que pueden confundirse con el tipo de arco siendo realmente una presilla que para considerarse como tal, debe tener la cresta central en forma de gasa de cabeza libre y entre la limitante nuclear y delicia deben tener una cuenta de cuando menos una cresta.

2.3.1.4

VERTICILO. Se caracteriza porque tiene dos deltas, uno a la derecha y otro a la izquierda. Su ncleo adopta formas helicoidales, circulares, elpticas, etc. Tambin con menos frecuencia se encuentran los verticilos con tres deltas, llamados trideltos.

2.3.1.5 DELTAS. Es una figura triangular, blanca, curvilnea, formada por las crestas limitantes de tres sistemas que miran por sus convexidades. mencionan dos reglas bsicas para la formacin de un delta: Se

Que las crestas marginal y basilar que nacen en el costado del dactilograma, corran un trayecto paralelas una a otra y se abran
-13-

bruscamente para enfrentarse a las del sistema nuclear.

Que nazcan del costado del dactilograma, una cresta que sirve de lmite y separacin a los sistemas marginal y basilar y repentinamente se bifurquen para formar un ngulo.

2.3.1.6 NCLEOS. La naturaleza produce variedades infinitas de ncleos, sobre todo las figuras bideltas, en donde se combinan crestas de la forma ms inesperada; sin embargo, slo influyen los ncleos caracterizados de las formas ms comunes, se mencionarn variedades nucleares ms frecuentes que constituyen un elemento primordial para la identificacin y clasificacin de los tipos.

2.3.1.6.1 NCLEOS ANCIFORMES. Estn formados por crestas en asa, su aspecto general es el de una serie de horquillas cuya curvatura se abre a medida que se aleja del centro. Generalmente tiene un solo delta y estn considerados dentro de las presillas

2.3.1.6.2 NCLEOS VERTICILARES. Son aquellos que estn integrados por crestas en crculo, en espiral, en elipse, etc., cuando es espiral puede ser con trayectoria a la derecha o a la izquierda, al primero se le llama destrgiro y al segundo sinestrgiro. (Forma de remolino).

-14-

Por lo general tienen dos o tres deltas y se encuentran en los tipos verticilares.

2.3.1.6.3 NCLEOS BIANCIFORMES.

Son aquellos que estn conformados por dos ncleos anciformes, uno de los cuales es de asas normales y el otro de asas vueltas. Generalmente tienen un delta a la derecha o a la izquierda y se localizan fundamentalmente en las presillas.

2.3.1.6.4 NCLEOS MIXTOS. Estos no son frecuentes y se caracterizan por tener un ncleo vertical, otro anciforme y un ltimo en gasas cerradas u otras figuras semejantes a las asas. Se aprecian en los tipos verticilares trideltos.

2.3.1.6.5 ASA Y GASA. Asa es la figura que se dobla adoptando la forma de una horquilla; Sus ramas se alargan paralelas en forma diagonal al dactilograma, en ocasiones, alguna de sus ramas o ambas, se bifurcan o cortan bruscamente o presentan ojales. La gasa cierra sus ramas para formar una gota invertida.

2.3.1.6.6 CRCULOS. Formados por crestas cuyos dimetros de los interiores y exteriores son aproximados.
-15-

El conjunto nuclear adquiere en estos casos el aspecto de una serie de circunferencias ordenadas del centro al exterior.

2.3.1.6.7 ELIPSE. Formado por crestas cuyo dimetro horizontal es mayor que el vertical, o viceversa.

2.3.1.6.8 ESPIRAL. Formado por crestas que se desarrollan sistemticamente a partir del centro hacia la periferia, originando varias formas y variedades.

2.3.2 FRMULA DACTILOSCPICA. La frmula dactiloscpica es la impresin de los diez dedos de ambas manos, sobre una ficha especialmente, diseada y que recibe el nombre de ficha decadactilar.

Fig. 3 Formula Dactiloscpica

Se emplean letras para clasificar el tipo de los dactilogramas de los dedos pulgares ya impresos y se emplean los nmeros para clasificar el tipo de
-16-

los dactilogramas de los restantes dedos. 8

En los casilleros de los pulgares:

A en caso de que el dactilograma sea del tipo ARCO.

I en caso de que el dactilograma sea del tipo PRESILLA INTERNA.

E en caso de que el dactilograma sea del tipo PRESILLA EXTERNA.

V en caso de que el dactilograma sea del tipo VERTICILO.

En los casilleros de los dedos ndices, medio, anular y meique:

1 para el ARCO.

2 para la PRESILLA INTERNA.

3 para la PRESILLA EXTERNA.

4 para el VERTICILO.

En la ficha decadactilar, a los cinco dactilogramas de la mano derecha se llama serie y a los cinco dactilogramas de la mano izquierda se le llama seccin. La frmula dactiloscpica est formada por la Fundamental que corresponde al dedo pulgar de la mano derecha y la divisin que corresponde a los cuatro dedos restantes. La Subfundamental

corresponde al pulgar de la mano izquierda y la Subdivisin corresponde a los cuatro dedos restantes.

Karem Azamar Hernndez, Universidad Abierta, Mxico

-17-

2.4

CLASIFICACIN DE HUELLAS DIGITALES. Aunque cada uno tiene huellas digitales nicas, hay algunas formas bsicas que se perciben a simple vista; siempre se encuentran y son:

Fig. 4 Tipos de Huella

Esta clasificacin se utilizar para la verificacin en la identificacin biomtrica.

Fig. 5 Clasificacin de una huella

En la figura anterior aparecen los 8 puntos caractersticos que hay en un dedo, stos se repiten indistintamente para formar una huella digital.

-18-

A estos puntos se los llaman minucias 9, trmino utilizado en la medicina forense que significa punto caracterstico y se identifica de la siguiente manera:

Fig. 6 Minucias

2.5 IMGENES DIGITALES. Una imagen digital es un arreglo de dos dimensiones de pxeles y un pxel es la unidad mnima que conforma una imagen digital. 10

La digitalizacin de imgenes es el proceso por medio del cual se convierte una imagen en un formato interpretable por las computadoras. Una imagen digital se puede obtener utilizando cmaras fotogrficas digitales, escneres, perifricos biomtricos, etc.

http://www.saval.cl/link.cgi/SavalNet/Reportajes/Lahuelladigital Gustavo Adolfo Lara Rodrguez, Tcnicas de reconocimiento de imgenes para la creacin de fotomo saicos, Guatemala, Agosto 2003
10

-19-

2.5.1 RESOLUCIN DE LAS IMGENES DIGITALES. La resolucin es un factor que se utiliza para convertir las dimensiones de una imagen fsica a pxeles de una imagen digital y viceversa. Si por ejemplo una fotografa es digitalizada a 300 dpi (Dots Per Inch) o puntos por pulgada, significa que por cada pulgada de la fotografa fsica original se van a obtener 300 pxeles en la imagen digitalizada.

2.5.2

PROCESO DE RECONOCIMIENTO DE IMGENES ALGORITMOS. La funcin diferencia es la base del reconocimiento de imgenes; ya que indica la distancia entre dos imgenes.

Existen diversas estrategias para reconocimiento de imgenes digitales de acuerdo al tipo de aplicacin y de los recursos del sistema.

Utilizando los conceptos derivados del OCR (Optical Carcter Recognition), el primer paso para comparar dos imgenes es vectorizar cada imagen y cada cuadro para luego, comparar las formas de los objetos resultantes.

El proceso de vectorizacin consiste en definir imgenes utilizando la geometra y funciones matemticas. Los algoritmos existentes para este proceso consumen una gran cantidad de recursos, y la metodologa para reconocer la similitud entre estos objetos resulta muy compleja.

2.5.2.1

MTODO LINEAL.

La manera ms directa de comparar la imagen original con una coleccin de imgenes, es comparar cada pxel del cuadro de la imagen original con su correspondiente pxel en la imagen de la coleccin de imgenes, y acumular
-20-

las distancias entre cada pareja de pxeles para determinar la distancia general entre las dos imgenes. Aunque esta es una estrategia relativamente buena para comparar imgenes, la cantidad de comparaciones necesarias es muy grande. Por cada comparacin debe calcularse la distancia entre los pxeles de las dos imgenes.

Fig. 7 Mtodo Lineal

2.5.2.2

MTODO CUADRTICO.

Se puede acentuar el efecto de la diferencia de cada pxel utilizando una diferencia cuadrtica o distancia euclidiana.

Fig. 8 Diferencia Cuadrtica

Como el objetivo es encontrar un valor significativo que nos indique que tan diferentes son dos imgenes, podemos eliminar el clculo de la raz cuadrada debido al siguiente teorema matemtico:

-21-

Si a 2 > b 2 entonces a > b

Fig. 9 Mtodo Cuadrtico

Este requiere ms procesamiento que el mtodo lineal pero es el ms utilizado por la calidad de sus resultados. Puede acentuarse an mas la diferencia utilizando diferentes potencias en la frmula, pero usualmente no es necesario.

En estos mtodos presentados, se asume que las dos imgenes parmetro tienen las mismas dimensiones y que cada pxel esta compuesto por los mismos canales de color.

-22-

2.6

RECONOCIMIENTO DE PATRONES.

Fig. 10 Patrones

El origen de la palabra patrn es padre, ya que todos sus hijos tienen un patrn comn que los hace parecerse. Los patrones pueden ser una camada de hijos del mismo padre, o hileras de letras o de eventos, lneas unidimensionales, imgenes bidimensionales y fenmenos multidimensionales. 11. Una "teora de todo" sugiere que todas las cosas son un patrn de vibraciones de la masa universal. Los patrones pueden ser tiles en la computacin puesto que proveen una base para el reconocimiento de patrones o comparacin entre fenmenos.

Uno de los aspectos ms interesantes del mundo es que puede ser considerado (por un observador inteligente) como formado por patrones. Un patrn es esencialmente una disposicin de elementos, un arreglo se caracteriza por el orden que guardan los elementos de los cuales est hecho ms que por la naturaleza intrnseca de esos elementos.

El Reconocimiento de patrones son los medios por los cuales se puede interpretar el mundo, y existen teoras cientficas que se ocupan de los procesos sobre ingeniera, computacin y matemticas relacionados con objetos fsicos y/o abstractos, con el propsito de extraer informacin que permita establecer propiedades de o entre conjuntos de dichos objetos.
11

Glosario de Carlos von der Becke - patron - pattern- pattern.

-23-

2.6.1

ENFOQUES DE RECONOCIMIENTO DE PATRONES.

Algunos de los enfoques propuestos para el reconocimiento de patrones de imgenes son:

2.6.1.1

RECONOCIMIENTO ESTADSTICO DE PATRONES.

Este enfoque se basa en la teora de probabilidad y estadstica y supone que se tiene un conjunto de medidas numricas con distribuciones de probabilidad conocidas y a partir de ellas se hace el reconocimiento.

2.6.1.2

RECONOCIMIENTO SINTCTICO DE PATRONES.

Este enfoque se basa en encontrar las relaciones estructurales que guardan los objetos de estudio, utilizando la teora de lenguajes formales. El objetivo es construir una gramtica que describa la estructura del universo de objetos.

Dentro de los Enfoques de Reconocimiento de Patrones tenemos:

2.6.1.3

REDES NEURONALES.

Este enfoque supone que tiene una estructura de neuronas interconectadas que se estimulan unas a otras, las cuales pueden ser entrenadas para dar una cierta respuesta cuando se le presentan determinados valores.

-24-

2.6.1.4

RECONOCIMIENTO LGICO COMBINATORIO DE PATRONES.

Este enfoque se basa en la idea de que la modelacin del problema debe ser lo ms cercana posible a la realidad del mismo, sin hacer suposiciones que no estn fundamentadas. Uno de los aspectos esenciales del enfoque es que las caractersticas utilizadas para describir a los objetos de estudio deben ser tratadas cuidadosamente.

2.6.2

PROBLEMAS DE RECONOCIMIENTO DE PATRONES.

2.6.2.1 SELECCIN DE VARIABLES. Consiste en determinar cual es el conjunto de caractersticas ms adecuadas para describir a los objetos.

2.6.2.2

CLASIFICACIN SUPERVISADA.

Consiste en clasificar nuevos objetos basndose en la informacin de una muestra ya clasificada.

-25-

2.6.2.3

CLASIFICACIN NO SUPERVISADA.

Consiste en dada una muestra no clasificada encontrar la clasificacin de la misma.

Fig. 11 Clasificacin no supervisada

2.6.3

ESTRATEGIAS DE SELECCIN DE VARIABLES.

2.6.3.1 PARA LA CLASIFICACIN. La seleccin de caractersticas relevantes, a partir del conjunto total de caractersticas que describen a los objetos, se hace con dos motivos fundamentales: mejorar la clasificacin y/o aumentar la velocidad de procesamiento.

2.6.3.2 PARA LA REPRESENTACIN. Decidir cules caractersticas representan mejor a cierto tipo de objetos.

-26-

2.6.3.3 SELECCIN DE VARIABLES.

Fig. 12 Seleccin de variables

2.6.3.3.1 WRAPPER. La seleccin de caractersticas se hace usando informacin del mecanismo de clasificacin.

2.6.3.3.2

FILTER.

La seleccin se hace con un criterio independiente del clasificador.

2.6.4

MTODOS DE SELECCIN DE VARIABLES.

2.6.4.1

TABLAS DE DECISIN.

Se busca un subconjunto mnimo de variables que no introduzca confusin entre clases.

-27-

2.6.4.2

ID3. Se crea un rbol de decisin y se selecciona un conjunto de variables que permita discriminar entre clases.

2.6.4.3

TEORA DE TESTORES.

Se buscan todos los subconjuntos de variables discriminantes minimales, con estos se evala la relevancia de cada variable y se seleccionan aquellas con mayor relevancia.

2.6.5

METODO DE BUSQUEDA MEJOR VECINO. Este mtodo de bsqueda es uno de los ms utilizados debido a que presenta buenos resultados en la identificacin de una imagen al compararla con una similar y las respuestas se acercan con gran porcentaje de xito a la bsqueda ingresada.

-28-

2.6.5.1

ALGORITMO.

Sea Nk, para k = 1; : : : ; kmax un conjunto de estructuras de vecindad a usar en la bsqueda: Donde criterio de paro repeat until criterio de paro Sea k 1 repeat until k = kmax genera un punto aleatorio (x 0) en la k-_esima vecindad de x (x 0 2 Nk(x)). si la solucin obtenida X 0 es mejor que la anterior (x), Set xx 0 y k 1 sino k k + 1

2.6.6

MEJOR VECINO VARIANTE. Sea Nk, para k = 1; : : : ; kmax un conjunto de estructuras de vecindad a usar en la bsqueda. Donde criterio de paro repeat until criterio de paro Sea k 1 repeat until k = kmax genera un punto aleatorio (x 0) en k-_esima vecindad de x (x 0 2 Nk(x)), aplica algoritmo un mtodo de bsqueda local usando a x 0como punto inicial (sea x 00 la solucin encontrada) si la solucin obtenida x 00 es mejor que la anterior (x), set x x 00 y k 1 sino k k + 1

-29-

2.7

ESTUDIO DE REDES NEURONALES ARTIFICIALES. El cerebro es un procesador de informacin con unas caractersticas muy notables: es capaz de procesar a gran velocidad grandes cantidades de informacin procedentes de los sentidos, combinarla o compararla con la informacin almacenada y dar respuestas adecuadas incluso en situaciones nuevas. Logra discernir un susurro en una sala ruidosa, distinguir una cara en una calle mal iluminada o leer entre lneas en una declaracin poltica; pero lo ms impresionante de todo es su capacidad de aprender a representar la informacin necesaria para desarrollar tales habilidades sin instrucciones explcitas para ello.

Aunque todava se ignora mucho sobre la forma en que el cerebro aprende a procesar la informacin, se han desarrollado modelos que tratan de mimetizar tales habilidades; denominados redes neuronales artificiales modelos de computacin conexionista (otras denominaciones son computacin neuronal y procesamiento distribuido paralelo o P.D.P.). La elaboracin de estos modelos supone en primer lugar la deduccin de los rasgos o caractersticas esenciales de las neuronas y sus conexiones, y en segundo lugar, la implementacin del modelo en una computadora de forma que se pueda simular.

2.7.1

ORIGEN DEL PARADIGMA DE COMPUTACIN CONEXIONISTA. La IA, entendida muy ampliamente como el modelado y la simulacin de las actividades cognitivas complejas (percepcin, memoria, solucin de problemas, etc.) que caracterizan a los organismos avanzados, y en particular a los seres humanos, se separ casi desde su inicio en dos ramas bien diferenciadas (Waltz & Feldman 1988).

Por un lado se trat de modelar la actividad racional mediante sistemas formales de reglas y manipulacin simblica (generalmente mediante sistemas lgicos), constituyendo quizs la rama ms conocida de la IA, que
-30-

podramos denominar simblico - deductiva (se postulan una serie de reglas y el sistema resuelve los problemas realizando deducciones sobre las reglas existentes).

Por otro lado se desarrollaron modelos computacionales inspirados en las redes neuronales biolgicas, denominados inductivos o subsimblicos, ya que extraen la informacin necesaria para resolver un problema de un conjunto de ejemplos, sin necesidad de indicarle las reglas necesarias para resolverlo.

2.7.2

REDES NEURONALES BIOLGICAS. El cerebro humano se compone de decenas de billones de neuronas interconectadas entre s formando circuitos o redes que desarrollan funciones especficas.

Una neurona tpica recoge seales procedentes de otras neuronas a travs de una plyade de delicadas estructuras llamadas dendritas.

La neurona emite impulsos de actividad elctrica a lo largo de una fibra larga y delgada denominada axn, que se escinde en millares de ramificaciones.

-31-

 Neurona y conexiones sinpticas:

Fig. 13 Neurona

El efecto de los neurotransmisores sobre la neurona receptora puede ser excitatorio o inhibitorio, de manera que podemos hablar de la fuerza o efectividad de una sinpsis.

Las seales excitatorias e inhibitorias recibidas por una neurona se combinan, y en funcin de la estimulacin total recibida, la neurona toma un cierto nivel de activacin, que se traduce en la generacin de breves impulsos nerviosos con una determinada frecuencia o tasa de disparo, y su propagacin a lo largo del axn hacia las neuronas con las cuales sinapta.

Activacin y disparo de una neurona

Fig. 14 Tasa de disparo

-32-

De esta manera la informacin se transmite de unas neuronas a otras y va siendo procesada a travs de las conexiones sinpticas y las propias neuronas.

El aprendizaje de las redes neuronales se produce mediante la variacin de la efectividad de las sinpsis, de esta manera cambia la influencia que unas neuronas ejercen sobre otras, de aqu se deduce que la arquitectura, el tipo y la efectividad de las conexiones en un momento dado, representan en cierto modo la memoria o estado de conocimiento de la red.

2.7.3

REDES NEURONALES ARTIFICIALES. Las neuronas se modelan mediante unidades de proceso. Cada unidad de proceso se compone de una red de conexiones de entrada, una funcin de red (de propagacin), encargada de computar la entrada total combinada de todas las conexiones, un ncleo central de proceso, encargado de aplicar la funcin de activacin, y la salida, por dnde se transmite el valor de activacin a otras unidades.

Fig. 15. Unidad de proceso tpica

La funcin de red es tpicamente la sumatoria ponderado, mientras que la funcin de activacin suele ser alguna funcin de umbral o una funcin sigmoidal.
-33-

2.7.4

FUNCIN DE PROPAGACIN O DE RED. Calcula el valor de base o entrada total a la unidad, generalmente como simple suma ponderada de todas las entradas recibidas, es decir, de las entradas multiplicadas por el peso o valor de las conexiones. Equivale a la combinacin de las seales excitatorias e inhibitorias de las neuronas biolgicas.

2.7.5

FUNCIN DE ACTIVACIN. Es quizs la caracterstica principal o definitoria de las neuronas, la que mejor define el comportamiento de la misma. Se usan diferentes tipos de funciones, desde simples funciones de umbral a funciones no lineales. Se encarga de calcular el nivel o estado de activacin de la neurona en funcin de la entrada total.

2.7.6

CONEXIONES PONDERADAS. Hacen el papel de las conexiones sinpticas, el peso de la conexin equivale a la fuerza o efectividad de la sinpsis. La existencia de conexiones determina si es posible que una unidad influya sobre otra, el valor de los pesos y el signo de los mismos definen el tipo (excitatorio / inhibitorio) y la intensidad de la influencia.

2.7.6.1

SALIDA.

Calcula la salida de la neurona en funcin de la activacin de la misma, aunque normalmente no se aplica ms que la funcin identidad, y se toma como salida el valor de activacin. El valor de salida cumplira la funcin de la tasa de disparo en las neuronas biolgicas.
-34-

2.7.6.2

COMPARACIN ENTRE LAS NEURONAS BIOLGICAS REALES Y LAS UNIDADES DE PROCESO ARTIFICIALES.

Redes Neuronales Biolgicas Neuronas Conexiones sinpticas Efectividad de las sinpsis Efecto excitatorio o inhibitorio de una conexin Efecto combinado de las sinpsis Activacin -> tasa de disparo

Redes Neuronales Artificiales Unidades de proceso Conexiones ponderadas Peso de las conexiones Signo del peso de una conexin

Funcin de propagacin o de red Funcin de activacin -> Salida

2.7.7

CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES.

2.7.7.1

APRENDIZAJE INDUCTIVO.

No se le indican las reglas para dar una solucin, sino que extrae sus propias reglas a partir de los ejemplos de aprendizaje, modifican su comportamiento en funcin de la experiencia. Esas reglas quedan almacenadas en las conexiones y no representadas explcitamente como en los sistemas basados en conocimiento (simblico-deductivos)

2.7.7.2

GENERALIZACIN.

Una vez entrenada, se le pueden presentar a la red datos distintos a los usados durante el aprendizaje. La respuesta obtenida depender del parecido de los datos con los ejemplos de entrenamiento.

-35-

2.7.7.3

ABSTRACCIN O TOLERANCIA AL RUIDO.

Las redes neuronales artificiales son capaces de extraer o abstraer las caractersticas esenciales de las entradas aprendidas, de esta manera puede procesar correctamente datos incompletos o distorsionados.

2.7.7.4

PROCESAMIENTO PARALELO.

Las neuronas reales trabajan en paralelo; en el caso de las redes artificiales es obvio que si usamos un solo procesador no podr haber proceso paralelo real; sin embargo hay un paralelismo inherente, lo esencial es que la estructura y modo de operacin de las redes neuronales las hace especialmente adecuadas para el procesamiento paralelo.

2.7.7.5

MEMORIA DISTRIBUIDA.

El conocimiento acumulado por la red se halla distribuido en numerosas conexiones, esto tiene como consecuencia la tolerancia a fallos: una red neuronal es capaz de seguir funcionando adecuadamente a pesar de sufrir lesiones con destruccin de neuronas o sus conexiones, ya que la informacin se halla distribuida por toda la red, sin embargo en un programa tradicional un pequeo fallo en cualquier punto puede invalidarlo todo y dar un resultado absurdo o no dar ningn resultado.

2.7.7.6

APRENDIZAJE SUPERVISADO.

El aprendizaje supervisado presenta a la red una serie de patrones de entrada junto a los patrones de salida deseados. El aprendizaje consiste en la modificacin de los pesos de las conexiones en el sentido de reducir la discrepancia entre la salida obtenida y a l deseada. Los pasos generales a seguir por este algoritmo son los siguientes:
-36-

1.

Aleatorizar los pesos de todas las conexiones (preferiblemente con valores pequeos).

2. Seleccionar un par de entrenamiento, es decir, un patrn de entrada y el patrn de salida deseado.

3. Presentar el patrn de entrada y calcular la salida de la red mediante las operaciones usuales.

4. Clculo del error o discrepancia entre la salida obtenida y la deseada. El error (funcin objetivo).

5. Aplicar la regla de aprendizaje, es decir, ajustar los pesos de las conexiones tratando de disminuir el error, generalmente mediante el clculo de tasas de variacin o gradientes del error, por eso hablamos de reglas de aprendizaje por gradiente descendiente.

6. Volver al paso 2.

2.7.7.7

APRENDIZAJE NO SUPERVISADO.

Una de las crticas principales al aprendizaje supervisado, era su dudosa plausibilidad biolgica, pues:

a. Requiere propagar cierta informacin (el error cometido) hacia atrs, en sentido contrario al flujo natural de la informacin.

b. Requiere de un instructor que proporcione la salida deseada. Las personas aprendemos a comprender frases o escenas visuales sin instrucciones explcitas para ello, se podra decir que el cerebro posee algn mecanismo de auto-organizacin.
-37-

En el aprendizaje no supervisado no se requiere presentar patrones de salida deseados. Sin embargo, el algoritmo y la regla de modificacin de las conexiones producen vectores de salida consistentes, esto es, la presentacin de un patrn aprendido o parecido a l, produce siempre la misma salida. Se considera que el proceso de aprendizaje es capaz de extraer ciertas propiedades estadsticas de los ejemplos de aprendizaje y agruparlos en categoras o clases de patrones similares.

2.7.8

APLICACIONES DE LAS REDES NEURONALES ARTIFICIALES. Desde el punto de vista de las aplicaciones prcticas de las RNA, su principal ventaja frente a otras tcnicas reside en el procesado paralelo, adaptativo y no lineal. Se han desarrollado aplicaciones de RNA para fines tan variados como visin artificial, procesamiento de seales e imgenes, reconocimiento del habla y de caracteres, sistemas expertos, anlisis de imgenes mdicas, control remoto, control de robots, inspeccin industrial y exploracin cientfica.

-38-

2.7.8.1

TIPOS DE REDES. PATRONES O MEMORIAS

2.7.8.1.1 ASOCIADORES DE HETEROASOCIATIVAS .

Son redes de dos o ms capas cuyo objetivo es asociar, generalmente a travs de un proceso de aprendizaje supervisado, pares de estmulos o tems distintos, llamados patrn de entrada y patrn de salida. Se trata de conseguir que la presentacin de un patrn de entrada provoque la recuperacin del patrn de salida con el que fue asociado durante el aprendizaje.

Fig. 16 Modelo de Perceptron (Rosemblatt, 1962)

-39-

2.7.8.1.2

REDES COMPETITIVAS O MAPAS DE AUTO-ORGANIZACIN.

Son redes uni o multicapa cuyo comn denominador es postular algn tipo de competicin entre unidades con el fin de conseguir que una de ellas quede activada y el resto no. Esto se consigue mediante aprendizaje no supervisado, presentando algn patrn de entrada y seleccionando la unidad cuyo patrn de pesos incidentes se parezca ms al patrn de entrada, reforzando dichas conexiones y debilitando las de las unidades perdedoras.

Fig. 17 Aprendizaje competitivo y clasificacin de patrones

2.7.9 REDES DE KOHONEN. Pertenece a la categora de las redes competitivas o mapas de

autoorganizacin, es decir, con aprendizaje no supervisado de tipo competitivo. Poseen una arquitectura de dos capas (entrada-salida) (una sola capa de conexiones), funciones de activacin lineales y flujo de informacin

unidireccional (son redes en cascada).

Las unidades de entrada reciben datos continuos normalizados, se normalizan as mismo los pesos de las cone xiones con la capa de salida. Tras el
-40-

aprendizaje de la red, cada patrn de entrada activar una nica unidad de salida. En algunos modelos cada entrada puede provocar la activacin de un conjunto de unidades de salida, en ese caso estaramos usando un cdigo demogrfico.

El objetivo de este tipo de redes es clasificar los patrones de entrada en grupos de caractersticas similares, de manera que cada grupo activar siempre la(s) misma(s) salida(s). Cada grupo de entradas queda representado en los pesos de las conexiones de la unidad de salida triunfante. La unidad de salida ganadora para cada grupo de entradas no se conoce a priori, es necesario averiguarlo despus de entrenar a la red.

Una de las cualidades de este tipo de redes es la incorporacin a la regla de aprendizaje de cierto grado de sensibilidad con respecto al vecindario o historia. Esto hace que el nmero de neuronas que no aprenden desaparezca, aumentando as su capacidad de extraer o mapear caractersticas topolgicas de los datos.

2.7.10

APRENDIZAJE.

Indicamos un procedimiento basado en el clculo de distancias eucldeas sobre los patrones de entrada. Supongamos que tenemos patrones de entrada N dimensionales:

Aleatorizar los pesos de las conexiones. Normalizar los pesos de las conexiones incidentes de cada unidad de salida sobre la unidad. Dividir cada conexin por la raz cuadrada de la suma de los cuadrados de las conexiones de cada unidad.

Normalizar igualmente los datos de entrada.

Aplicar un patrn de entrada.

-41-

Calcular alguna medida de similitud/disimilitud (producto interno, distancia eucldea.) entre las entradas y los pesos de las conexiones. mediante la distancia eucldea: Por ejemplo,

Donde X son los vectores de entrada.

La unidad de salida con los pesos ms parecidos al patrn de entrada (es decir, menor Dj) es declarada ganadora. El vector de pesos de la unidad ganadora, Wc, se convierte en el centro de un grupo de vectores cercanos a l Wc, en concreto, a menos de cierta distancia D.

Modificar los pesos de los vectores de pesos Wj "cercanos" a Wc (distancia menor a D), segn la frmula:

Donde h es una pequea constante positiva

De esta manera conseguimos que los vectores de pesos de la unidad ganadora y de su "vecindario" se parezcan cada vez ms al patrn de entrada que hace ganar a esa unidad.

-42-

La cuanta de la adaptacin se puede escalar de acuerdo a una "funcin de vecindad" preestablecida L (j,c):

Donde c es el ndice de la unidad ganadora

Representa la posicin de la neurona j en el espacio de salida.

La convergencia del mapa depende de escoger apropiadamente rj. Una opcin es h = 1 / m, siendo m el nmero de iteracin del proceso de aprendizaje. El tamao del vecindario (s) debera decrecer gradualmente. Repetir los pasos 1 a 4 con todos los patrones de entrada.

-43-

2.8

CUADRO COMPARATIVO DE METODOS. A continuacin se describe un breve resumen comparativo de los mtodos que se pueden usar para la comparacin de huellas digitales.

METODO

VENTAJAS Es la manera ms directa de La comparar la imagen original

DESVENTAJAS cantidad de

comparaciones es muy

Mtodo Lineal

con

una

coleccin

de necesarias grande.

imgenes. Compara cada pxel del

cuadro de la imagen original con su correspondiente pxel en la imagen de la coleccin de imgenes. Se puede acentuar el efecto Este Mtodo Cuadrtico: mtodo requiere

de la diferencia de cada pxel ms procesamiento que en la comparacin de las el mtodo lineal pero es imgenes. el ms utilizado por la calidad resultados. de sus

-44-

En estos mtodos, se asume que las dos

imgenes

tienen las

mismas dimensiones y que cada pxel por canales esta los de

compuesto mismos color. Se Redes Neuronales basa en

neuronas La respuesta a obtener que se se da en base a

interconectadas

estimulan unas a otras, las determinados cuales entrenadas pueden

valores

ser previamente entrenados.

La modelacin del problema En este mtodo no se Reconocimiento Lgico Combinatorio de Patrones debe ser lo ms cercana puede posible a la realidad. suposiciones estn hacer que no

debidamente

fundamentadas. Las caractersticas

utilizadas para describir a los objetos de estudio deben ser tratadas

cuidadosamente.

Es uno de los mtodos ms utilizados Mtodo de bsqueda Mejor Vecino: debido a que

presenta buenos resultados en la identificacin de una imagen al compararla con una similar. Las respuestas se acercan con gran porcentaje de xito a la bsqueda ingresada.
-45-

No se le indican las reglas La respuesta obtenida para dar una solucin, sino Redes Neuronales Artificiales que extrae sus depender del parecido

propias de los datos con los ejemplos entrenamiento. de

reglas a partir de ejemplos.

Modifican su comportamiento Cuando usamos un solo en entrega de resultados en procesador no podr

funcin de la experiencia haber proceso paralelo adquirida. real. de un que la salida

Son capaces de extraer o Requiere abstraer las caractersticas instructor esenciales de las entradas proporcione aprendidas, para procesar deseada. datos o

correctamente incompletos distorsionados.

Una red neuronal es capaz El tiempo y costo de de seguir funcionando entrenamiento red de una es

adecuadamente a pesar de sufrir lesiones

neuronal

con demasiado alto para un

destruccin de neuronas o proceso netamente de sus conexiones. carcter investigativo

2.9

BIOMETRIA. La biometra es una tecnologa de seguridad basada en el reconocimiento de una caracterstica fsica e intransferible de las personas como es la huella digital. 12

12

http://www.globalcard2000.com/es/biometria/siemens_biometry/index.htm,
-46-

Los sistemas Biomtricos incluyen dispositivos de captacin y un software biomtrico que interpreta la muestra fsica y la transformada en una secuencia numrica, que en el reconocimiento de huella digital se deber tomar en cuenta que en ningn caso se extrae la imagen de la huella, sino ms bien una secuencia de nmeros que la representan (patrn digital).

El uso de Biometra aplicada a Sistemas Informticos nos da la ventaja de la seguridad ya que el uso de passwords va quedando de lado frente al uso de esta reciente tecnologa.

Las herramientas biomtricas son sistemas automticos de chequeo de patrones, que en pocos segundos pueden obtener una muestra del individuo, informacin que comparan con una base de datos para determinar si los documentos concuerdan o no a la identidad de una persona.

Con todo esto, se estima que la tecnologa biomtrica comenzar a imponerse como una exigencia a escala mundial en las prximas dcadas, siendo masificado su uso especialmente en los lugares de trabajo.

Sin embargo, dadas las respectivas realidades locales de los pases en vas de desarrollo, es muy probable que lo primero que se implemente sean los elementos detectores de la biometra de las huellas digitales, puesto que dichos lectores son ms asequibles por su bajo costo.

Esta tecnologa permite detectar modelos y formas presentes en la superficie de las yemas de los dedos y verificar la identidad de la persona a travs de diversos enfoques: hay sistemas que funcionan como el proceso policial de coincidencia de huellas; otros utilizan dispositivos para describir los modelos y rasgos esquemticos de las huellas, mientras que algunos manejan modelos tridimensionales basados en ultrasonido, que permiten incluso detectar si un dedo est vivo o muerto.

-47-

2.9.1 DISPOSITIVOS BIOMETRICOS. Microsoft ha presentado una nueva serie de teclados y ratones que incorporan lectores de huellas digitales para facilitar el acceso al sistema de usuarios de ordenadores personales y pginas de Internet lo que nos permite acceder a este tipo de dispositivos.

Un teclado, un ratn y un lector de huellas digitales fueron agregados a la lnea de hardware de Microsoft, que trabaja con software para verificar e intercambiar entre usuarios Windows.

Fig. 18 Mouse Biomtrico

2.10

SELECCIN DEL MTODO DE RECONOCIMIENTO DE PATRONES A USARSE EN SISBIORHED. El reconocimiento de huellas digitales para este trabajo plantea una combinacin de mtodos tericos previamente especificados como el mtodo matemtico con el cual podemos manipular directamente los elementos de una imagen digital (pxeles, contraste, etc.) Y el reconocimiento de patrones a

travs del algoritmo de bsqueda del Mejor Vecino, que nos permite identificar de mejor manera las minucias de la huella digital concluyendo con una

aproximacin al uso de inteligencia artificial y redes neuronales en aplicativos para el reconocimiento de huellas digitales.

-48-

CAPITULO III

DESARROLLO DE SISBIORHED

3.1 INTRODUCCIN AL DESARROLLO: Para desarrollar un sistema informtico se debe buscar una estrategia de desarrollo adecuada para resolver los problemas reales, a esta estrategia tambin se le denomina modelo de desarrollo.

DEFINICION DEL PROBLEMA

ESTADO ACTUAL

DESARROLLO TECNICO

INTEGRACION DE SOLUCION

Fig. 19 Modelo de desarrollo

-49-

3.2 METODOLOGIA APLICADA: Para el desarrollo de SISBIORHED se usara el ciclo de vida bsico o modelo en cascada, debido a que se ajusta a los requerimientos planteados para su desarrollo sugiriendo un enfoque sistemtico, secuencial para el desarrollo de software que comienza en un nivel de sistemas y progresa con el Anlisis, Diseo, Codificacin, Pruebas y Mantenimiento de la siguiente forma:

Anlisis y definicin de requerimientos

Ingeniera de Sistemas / Informacin

Diseo de sistemas y de software

Implementacin y prueba de unidades

Implementacin y prueba de sistema

Operacin y mantenimiento
Fig. 20 Modelo en Cascada

3.3

ANALISIS.

Con el conjunto de puntos tomados del patrn obtenido de la huella digital, el sistema generar un archivo modelo, que se almacenar en una base de datos con la debida referenciacin de la persona que ha sido objeto del estudio.

-50-

Para ello, la ubicacin de cada punto caracterstico o minucia se representar mediante una combinacin de nmeros (x, y) dentro de un plano cartesiano.

Se ingresa la huella digital

La huella digital es procesada

De la imagen tratada se obtienen minucias

Mediante el sistema se almacena el vector base de comparacin.

Fig. 21 Esquema de identificacin de huellas digitales.

3.3.1 ALCANCE DEL SISTEMA. El ingreso de huellas digitales se realizar de forma manual (huellas estticas), mediante un scanner o dependiendo de la aplicacin y recursos de la empresa u organizacin donde se aplique el sistema con un mouse biomtrico.

Mediante comparaciones de patrones de huellas digitales el sistema determinar la identidad de una persona y su informacin personal bsica como nombre, edad, gnero, mismas que se encontrarn almacenadas en una base de datos.

Los patrones de huellas digitales ingresados se encontrarn en formato .bmp o .jpg y por su tamao la cantidad ingresada ser dependiente de la memoria y recursos del computador donde se pruebe y utilice el sistema, ya que el almacenamiento de imgenes sin un adecuado formato comprimido genera demasiado espacio utilizado.

-51-

3.3.2 LIMITACIONES. Los limitantes del sistema radican en los siguientes puntos:

Por no existir en el mercado dispositivos biomtricos de bajo costo y con caractersticas que permitan una adecuada manipulacin de las imgenes digitales no se ha podido implementar esta funcionalidad, sin embargo se han realizado pruebas obteniendo muestras de imgenes que pueden ser procesadas de la misma forma que con huellas estticas.

El procedimiento de extraccin de minucias se desarrolla bajo C# por las caractersticas propias para programar a bajo nivel, y se incluyen los algoritmos bases usados.

Las huellas tomadas o recopiladas deben colocarse en una ruta especfica (path), con fines de organizacin y acceso desde la aplicacin.

C:\Aplicacion\Dibujos\Watermark

-52-

3.3.3 REQUERIMIENTOS INFORMTICOS.

3.3.3.1 SOFTWARE RECOMENDADO.

Servidor / Cliente :

Sistema Operativo: Lenguaje de Programacin: Componentes Formularios: Procesamiento de Imgenes:

Windows XP Visual Basic.Net 2003 Win Forms Suite 1.3.1 Lenguaje C C#

Base de Datos Manipulacin de Imgenes:

SQL Server 2000 ImageMagick Display

3.3.3.2 HARDWARE RECOMENDADO. Servidor: Procesador: Memoria RAM: Disco Duro: Monitor: Teclado: CD ROM: Tarjera Fax MODEM: Tarjeta de Red: Tarjeta de Sonido y Video: Mnimo 1.2 Ghz. 512 MB 5GB libres 15 pulgadas 101 /102 teclas 52x 56 KB interna 10/100 Interna al menos 800x600

-53-

Mouse:

2 botones/ biomtrico (si se va a usar el dispositivo)

Scanner:

Con resolucin de 600 dpi o superior

Cliente: Procesador: Memoria RAM: Disco Duro: Monitor: Teclado: Disquetera: Tarjeta de Red: Tarjeta de Sonido y Video: Mouse: Scanner: Mnimo 1.0 Ghz. 256 MB 2GB libre 15 pulgadas 101 /102 teclas 3 10/100 800x600 2 botones Con resolucin de 600 dpi o superior

-54-

3.3.4 FACTIBILIDAD En general los anlisis de factibilidad ms profundos, o los estudios de factibilidad, se cumplen durante la fase de diseo de sistemas, mientras se considera la evaluacin de las diferentes alternativas de la solucin propuestas.

3.3.4.1 FACTIBILIDAD OPERACIONAL. La estrategia para lograr factibilidad operacional se basa en crear un grupo de trabajo, donde estn comprometidos en todas las etapas los usuarios y el grupo de desarrollo, lo cual ayudar a romper los paradigmas de resistencia que se presentan por las dudas de los usuarios y el miedo al cambio en los procesos que actualmente se usan.

Con esta estrategia evitaremos que los usuarios fomenten el miedo al cambio y se familiaricen ms rpido con los nuevos procesos y personalicen el sistema de acuerdo a sus necesidades reales y no solo a la ideologa de los procesos determinados por el programador en el momento del anlisis.

Considerando estos antecedentes Sisbiorhed contempla un proceso de manejo y capacitacin sencillo, y adaptable a las necesidades del usuario final.

3.3.4.2 FACTIBILIDAD TCNICA.

La factibilidad tcnica la dan las caractersticas de los equipos e infraestructura de la organizacin donde se vaya a poner en produccin el sistema, por ende se debe tomar en cuenta las caractersticas mnimas existentes en la misma para tener una base del software a implementarse. Para mayor ayuda a los usuarios las interfases son fciles y amigables de forma que facilite el desarrollo de las actividades cotidianas de los usuarios y les
-55-

permita ser ms productivos para su entorno, mejorando los tiempos de produccin de los procesos (performance); adems que el sistema es ajustable y funcionable en los equipos con los que cuenta la organizacin donde se implementara el sistema.

3.3.4.3 FACTIBILIDAD ECONMICA. La factibilidad econmica de usar Sisbiorhed viene dada por las formulas: Costo Beneficio Calidad Rendimiento

Bajo esta premisa se establecen los siguientes beneficios: Evitar suplantaciones de identidad en acceso a informacin con carcter confidencial o reservado.

Si se usa el sistema para control de acceso de clientes a cierta base de productos se garantiza su identidad, y el uso de este sistema proporcionara a la organizacin una mejor imagen institucionalidad por la novedad tecnolgica consecuentemente atraer mas clientes.

Se puede asegurar de cierta forma que los usuarios o empleados logeados y validados en este sistema con su huella digital realicen su trabajo y controlar los tiempos establecidos para una buena o mejor productividad.

Bajo costo comparado con otros sistemas tanto en adquisicin como en soporte y mantenimiento por ser desarrollo local.

Los costos de capacitacin para la administracin del sistema se limitan a conocimientos generales que tienen usuarios informticos de nuestro entorno (personal informtico de la institucin u organizacin).
-56-

 Se debe considerar el costo de la investigacin realizada para el desarrollo de Sisbiorhed por las pocas y limitadas fuentes de informacin en la ciudad y en el pas, la mayora de los sistemas que manejan huellas digitales no

documentan siquiera sus procedimientos por la posible competencia que pueda surgir.

No existen dispositivos biomtricos con buenas caractersticas de captura de imgenes y que sean accesibles en costo.

-57-

3.4

DISEO

3.4.1 DIAGRAMAS UML. Para especificar y construir Sisbiorhed se usaran diagramas UML 3.4.1.1 DIAGRAMAS DE CASOS DE USOS

-58-

-59-

-60-

3.4.1.2 DIAGRAMAS DE SECUENCIA.

-61-

-62-

-63-

3.4.1.3 DIAGRAMAS DE ACTIVIDAD.

-64-

-65-

-66-

3.4.1.4 DIAGRAMA DE CLASES.

-67-

3.4.1.5 DIAGRAMA DE COMPONENTES.

-68-

3.4.2

DISEO DE BASE DE DATOS.

La base de datos ha sido modelada en la herramienta Power Designer para la generacin de los modelos lgico y fsico los cuales nos permitirn generar el crebas de la base de datos en lenguaje SQL creando as la base de datos fsica en nuestro servidor de bases que ser en Microsoft SQL Server 2000.

SIS_TIPO_PERSONA

SIS_USUARIOS

SIS_PERSONA

SIS_HUELLA

3.4.2.1 ESTANDARES Tablas Campos SIS_Nombre de la tabla (3 letras del nombre de la

tabla)_Nombre del campo. Ej. Hue_Id.

-69-

3.4.2.2 MODELO LGICO.

-70-

3.4.2.3 MODELO FSICO.

-71-

3.4.2.4 BASE DE DATOS

3.4.2.5 DICCIONARIO DE DATOS. A continuacin se presenta la informacin de las tablas, campos y relaciones necesarias para la Base de Datos Sisbiorhed.

NOMBRE DE LA BASE DE DATOS: SISBIORHED DBMS Descripcin Base de Datos Microsoft SQL Server 2000 Base de Datos de Huellas Digitales Sisbiorhed

-72-

TABLAS:

Nombre SIS_PERSONA

Descripcin Almacena la informacin bsica de la persona.

SIS_HUELLA

Almacena el indicador y el cdigo de cada huella digital.

SIS_TIPO_PERSONA

Almacena el tipo de persona con su respectiva descripcin.

SIS_USUARIOS

Almacena el tipo, usuario, contrasea de un usuario.

RELACIONES:

Relacin

entre

las

tablas Y

SIS_TIPO_PERSONA
REL_TIPO_PERSON_PERSONA

SIS_PERSONA , indica que un tipo de persona tiene personas una persona pertenece a un tipo de persona Relacin REL_PERSONA_HUELLA entre las tablas SIS PERSONA Y SIS HUELLA, indica que una persona tiene una huella digital una huella digital pertenece a una persona.

-73-

TIPO DE DATOS: Char Integer Datetime Varchar Image Nvarchar C I D V IM NV

TABLA SIS_HUELLA: Nombre

HUE_ID_HUELLA

Tipo I

Descripcin Almacena el identificador de la tabla huella.

PER_ID

Almacena el identificador de la persona a la que pertenece la huella digital.

HUE_HUELLA

IM

Almacena la imagen de la huella digital.

NV HUE_DEFHUELLA

Almacena el cdigo generado en el sistema para cada huella digital.

-74-

TABLA SIS_PERSONA:

Nombre PER_ID

Tipo I

Descripcin Almacena el identificador de la persona.

TIP_ID_TIPO_PERSONA

Almacena el tipo de persona del usuario en el sistema. (tabla tipo_persona)

PER_NOMBRES

Almacena el primer y segundo nombre de la persona.

PER_APELLIDOS

Almacena el primer y segundo apellido de la persona.

PER_FECHA_NAC

Almacena

la

fecha

de

nacimiento de la persona. PER_GENERO I Almacena el gnero de la persona. PER_CEDULA V Almacena el nmero de cdula de la persona.

TABLA SIS_TIPO_PERSONA:

Nombre TIP_ID_TIPO_PERSONA

Tipo I

Descripcin Almacena el identificador del tipo de persona.

TIP_TIPO_DESCRIPCION

Almacena la descripcin del tipo de persona.

-75-

TABLA SIS_USUARIOS: Nombre

USU_NOMBRES

Tipo V Almacena usuario.

Descripcin los nombres del

USU_APELLIDOS

Almacena usuario.

los

apellidos

del

USU_USERNAME

Almacena usuario.

el

username

del

USU_PASSWORD

Almacena usuario.

la

contrasea

del

USU_HUELLA

IM

Almacena la imagen de la huella digital.

USU_TIPO

Almacena el tipo de usuario.

3.4.2.6 CONEXIN Y MANEJO DE BDD DE IMGENES. El acceso y comunicacin con la base de datos del sistema se realiza a travs de la librera de conexin que permitir la comunicacin entre la base y la aplicacin. Adems utilizaremos una librera de negocio la cual se denomina lgica que trabaja sobre la librera de conexin y se encargara de la ejecucin de los procedimientos almacenados de la base de datos permitindonos realizar la insercin, modificacin y consulta de registros en las diferentes tablas.

-76-

Archivos y dll creados para el sistema:

Fig. 34 Libreras

Archivo txt de conexin: Se ingresa el nombre del servidor y el nombre de la base de datos como paramentos.

La imagen de la huella digital se almacena en la base de datos como un campo de tipo Image, con una longitud de 16 bits.

Para poder almacenar el campo tipo Image en la base de datos, desde Visual Basic. Net y mediante programacin se realiza el siguiente proceso de cambio de formato de la imagen a imagen binarizada.
-77-

Se establece la conexin con la base de datos referenciando el archivo de conexin.txt y se enva los parmetros necesarios para insertar un nuevo registro con toda la informacin del formulario.

El archivo conexin.txt contiene el nombre del servidor o direccin IP, el nombre de la base de datos a la que nos vamos a conectar, el objetivo principal de este archivo es la facilidad de actualizacin de la aplicacin cuando se muda la base de datos de un equipo a otro, o es cambiado el nombre de la base o su direccin en la red.

Para grabar la huella digital:

El procedimiento para grabar la imagen de la huella se basa primero en la transformacin de la imagen al tipo de dato binario, para esto se crea una

funcin que recibe como parmetro la imagen.

Tomando en cuenta que se abrir una conexin hacia la base y se ejecutar el procedimiento almacenado correspondiente a la insercin de la imagen que fue binarizada y se encuentra en el buffer de la memoria.

-78-

3.4.3 DISEO DE PANTALLAS 3.4.3 .1 ESTANDARES COMPONENTE Formulario Men Item TextBox Label GroupBox PictureBox RadioButton CommandButton ESTANDAR Sis_formulario MnuNombredelMenu ItemNombredelItem TxtNombredelTextbox lbNombredel label grbNombredelgroupbox picNombredelPicturebox opNombredelRadiobutton cmdNombredeComandButon

-79-

3.4.3.2 FORMATO INICIAL Formulario de Inicio del Sistema:

Fig. 35 Formulario Splash

Formulario Login:

-80-

Formulario Principal:

Formulario Comparacin de Huellas:

-81-

Resultados:

3.4.3.3 FORMATO FINAL: Formulario Splash:

-82-

Formulario Login:

Formulario Principal:

-83-

Formulario de Enrolamiento de Usuarios:

Formulario de Comparacin de Huellas:

-84-

Formulario de Verificacin de Identidad:

Formulario de Administracin de Usuarios:

-85-

3.4.4 ALGORITMOS DEL SISTEMA:

3.4.4.1 TRATAMIENTO DE IMGENES 3.4.4.1.1 METODO PROCESO DE IMAGEN Para el desarrollo del sistema se ha determinado la siguiente secuencia: Desde hace un gran nmero de aos, se ha utilizado la morfologa matemtica (que se basa en geometra y forma) para manipular imgenes, y poder extraer de ellas la informacin relevante, para aplicarles filtros que permitan limpiarlas, o para resaltar puntos que no se distingan con suficiente claridad de los que los rodean. De esta forma, simplifican las imgenes conservando las principales caracterstica de su forma. Un sistema de operadores como los de la morfologa matemtica es til porque pueden formarse composiciones con sus operadores, que cuando actan sobre formas complejas son capaces de descomponerlas en sus partes conocidas y separarlas de las partes que le son extraas. Con ello, permite que las formas subyacentes sean identificadas y reconstruidas de forma ptima a partir de sus formas distorsionadas y ruidosas.

Los principales objetivos para los que se usa la morfologa matemtica son, entre otros, pre-procesamiento de imgenes (supresin de ruidos, simplificacin de formas), destacar la estructura de los objetos (extraer el esqueleto, deteccin de objetos (formas), y descripcin de objetos (rea, permetro, etc.).

En este trabajo analizamos algunos de los algoritmos ms utilizados para preprocesar imgenes.

Antes de dar comienzo al mtodo en cuestin, debemos tener en cuenta una restriccin impuesta para el tamao de las matrices de la huella dactilar y de la imagen de marca de agua respectivamente, esta restriccin consiste, en que la matriz correspondiente a la imagen de la huella dactilar, debe ser de tamao mayor que la imagen de la marca de agua (filtro). Para lo que se ha optado por
-86-

dejar un tamao fijo para cada matriz, ya que en principio podra ser cualquiera que cumpliese con la restriccin impuesta, aunque siempre dentro de un lmite juicioso para no sobrecargar el programa y ralentizar su operatividad.

Para empezar partimos de una imagen para la huella dactilar, la cual ser revisada y procesada mediante la escala de grises (0,255) y posteriormente almacenada en una matriz.

Respecto a la imagen de la marca de agua, utilizaremos para todos los casos una matriz binaria (0,1) ya que dicha imagen debe ser monocromtica.

Una vez trasladada la informacin de los pxeles de ambas imgenes a sus correspondientes matrices, debemos seleccionar la regin de la matriz de la huella dactilar que ser afectada al incluir la matriz de la marca de agua sobre ella.

Para lograr este cometido, incluiremos la marca de agua en los pxeles de la zona resultante de aplicar sobre la huella dactilar un margen de 2x2 pxeles tal como se muestra en el ejemplo de la figura.

Fig. 22: Ejemplo Watermark

-87-

Consideremos la imagen de la huella de tamao MxM y la de la marca de agua tamao NxN con N<<M, entonces la posicin (i,j) de la imagen (con i entre 0 y M-1 y j entre 0 y M-1), se corresponde con el valor M * (i+j).

Para aplicar el filtro a la imagen de la huella digital y obtener los puntos o pxeles resultantes, debemos evitar seleccionar de la matriz de la huella dactilar ciertos valores crticos llamados puntos singulares (situados en el centro de la huella), debido a que dichos pxeles son de suma importancia por contener informacin relevante sobre la estructura de la imagen de la huella.

Los restantes pxeles de la imagen de la huella original que no sufran ninguna modificacin, conservarn su misma informacin original.

En este paso codificaremos la imagen original de la huella dactilar mediante la integracin de la imagen de la marca de agua. Al codificar la matriz de la imagen dactilar, se obtiene otra matriz del mismo tamao pero marcada con la matriz de la marca de agua de forma no perceptible por el ojo humano.

As pues, se constituye un sistema de proteccin contra posibles cambios en la huella ya que cualquier modificacin sobre la huella afectara directamente a la matriz de la marca de agua.

Los pxeles de dicha matriz, seleccionados en el paso anterior, presentarn un nuevo valor que se obtiene mediante la siguiente expresin:

PWM (i, j) = P(x, y) + (2 + W [i, j] - 1) * P(x, y) * q * (1 + GM(x, y) / B)

Donde: PWM(i,j): El pxel que guardar la informacin de la imagen de la huella dactilar modificada al insertar la marca de agua.
-88-

P(x,y): Pxel de la imagen original de la huella en escala de grises (0,255).

W[i,j]: Hace referencia al pxel que vamos a codificar de la marca de agua.

B: Es el valor mximo de la matriz gradiente. GM(x,y): Es la matriz gradiente que se calcula a partir de los operadores de Sobel de 3x3. Se le aplica a la imagen de la huella dactilar original dos mscaras: una para la primera componente del vector y otra para la segunda. Dichas mscaras, que se llaman operadores de Sobel, son: -1 0 1 -2 0 2 -1 0 1 -1 -2 -1 0 0 0 1 2 1

Si (i,j) es el vector gradiente de un pxel calculado usando los operadores de Sobel, para calcular GM(x,y) que es la mxima variacin de P(x,y) en la direccin del gradiente, se suele calcular la suma del valor absoluto de sus coordenadas en lugar del mdulo (por ser menos costoso, computacionalmente hablando).

Una de las tareas ms importantes en un sistema de reconocimiento de huellas es la extraccin de las minucias de una imagen capturada de una huella. Debido a las imperfecciones de la imagen adquirida, en algunos casos el algoritmo de extraccin puede obviar algunas minucias, y en otros se pueden aadir minucias falsas.

Las imperfecciones de la imagen pueden tambin generar errores al determinar las coordenadas de cada minucia y su orientacin relativa en la imagen.
-89-

En la siguiente figura se muestra el esquema de bloques general de todo el proceso de extraccin de caractersticas de una huella dactilar. En l pueden apreciarse las diferentes fases correspondientes a la extraccin de

caractersticas.

Fig. 23 Procesamiento de la huella digital

-90-

3.4.4.1.2 NORMALIZACIN DE LA IMAGEN. Con la normalizacin se adapta el rango de variacin de grises entre colinas y valles de la imagen a un rango deseado para facilitar el procesado de las siguientes etapas. El factor de normalizacin se calcula teniendo en cuenta la media y la varianza de luminancia en la imagen.

Fig. 24: (a) Huella original

(b) Huella normalizada

3.4.4.1.3 CLCULO DEL CAMPO DE ORIENTACIN. La determinacin de este campo permite conocer la orientacin local de las colinas de la huella, necesaria para fijar los parmetros de los filtros adaptativos que se emplean en las etapas posteriores. Su estimacin se lleva a cabo a partir de la informacin del gradiente de luminancia de la imagen.

Para estimarlo, se divide a la imagen en bloques de 16x16 pxeles y se calcula la inclinacin para cada pxel, en coordenadas x e y. Debido a la carga computacional del proceso de reconocimiento, es suficiente aplicar una mscara de 3x3 pxeles para el clculo de la inclinacin en cada pxel.

El ngulo de orientacin se calcula a partir de la informacin de la inclinacin. Frecuentemente, en algunos bloques, el ngulo de orientacin no se calcula correctamente debido a ruidos y daos en los valles y las crestas de la imagen capturada. Como no pueden existir variaciones significativas del ngulo entre
-91-

bloques adyacentes, se aplica un nuevo filtro espacial de 5x5 pxeles al campo de orientacin estimado para reordenar correctamente todos los segmentos. La figura (a) muestra el campo de orientacin obtenido a partir del clculo de la inclinacin. La figura (b) muestra los campos realineados despus de aplicar el filtro espacial.

Fig. 25: (a) Huella orientada (b) Campos realineados

3.4.4.1.3 .1 ALGORITMO ORIENTACIN (IMAGEN).

Fig. 26 Algoritmo base para el clculo de orientacin en la imagen

-92-

3.4.4.1.4 ELECCIN DE LA ZONA DE INTERS.

Debido a que la imagen contiene ruido de fondo, el algoritmo puede generar minucias fuera del rea ocupada por la huella. Para evitar este problema, se selecciona el rea de imagen, definida por todos los bloques de 16x16, en la que existe una alta variacin del nivel de grises en la direccin normal de las colinas existentes (el campo de orientacin normal de las colinas se haba calculado previamente).

Despus de esto, el rea de la imagen con ruido, que ser excluida en las siguientes etapas, se define por bajas variaciones en todas las direcciones. En la figura siguiente se muestran las variaciones de una huella y la regin de inters obtenida a partir de esta.

Fig.- 27: (a) Variaciones de la huella (b) Regin importante

-93-

3.4.4.1.4.1 ALGORITMO SEGMENTACIN.

Fig. 28. Algoritmo para segmentar una imagen de huella dactilar.

-94-

3.4.4.1.5 EXTRACCIN DE COLINAS.

La decisin de si un pxel pertenece o no a una colina se consigue filtrando la imagen de la huella con dos mscaras adaptativas, capaces de aumentar la variacin del nivel de gris en la direccin normal de la colina. La orientacin de la mscara se adapta con cada bloque de 16x16, teniendo en cuenta los ngulos obtenidos en el campo de orientacin. Si el nivel de gris de un determinado pxel supera un determinado umbral en las dos imgenes obtenidas tras el filtrado, se considera que dicho pxel pertenece a una colina; de otra forma se asigna a un valle, obtenindose as una imagen binaria de la huella . Despus del filtrado de la imagen con estas mscaras los bordes de todas las colinas quedan suavizados. Las dimensiones de la mscara son L x L y estn definidas por las ecuaciones dadas en (1) y (2).

Donde: u y v: Son las coordenadas de un pxel en la mscara. (uc, vc): Es el centro de la mscara. ?: es el ngulo de orientacin de la colina en cada bloque de la imagen. d: Es un parmetro para ajustar la funcin mscara al ancho de la colina.
-95-

La figura (a) muestra la imagen filtrada con una de las mscaras espaciales. La figura (b) representa la imagen binaria obtenida despus de aplicar un umbral, produciendo bordes de colinas lisas.

Fig. 29: (a) Imagen filtrada (b) Imagen obtenida

3.4.4.1.6 PERFILADO DE COLINAS. Para simplificar el proceso en las siguientes etapas, se filtra la imagen para perfilar las colinas de la huella y eliminar las manchas de ciertas reas. Para conseguir esto, se extraen primero los componentes de baja frecuencia y a continuacin se eliminan a la imagen original, proporcionando los componentes de alta frecuencia necesarios para perfilar las colinas, como se deduce de:

Donde: p[u,v]: Es el resultado de perfilar la imagen. f[u,v]: Es la imagen binaria. fH[u,v] y fL[u,v]: Son, respectivamente, las imgenes de alta y baja frecuencia. ?: Es un factor (? >0), que determina el grado de perfilacin.
-96-

En la figura (a) se muestra el resultado de la huella despus de aplicarle el primer filtro. Se puede aplicar un nuevo filtro para eliminar las colinas falsas debidas a manchas en la imagen. En este caso se utiliza una mscara espacial capaz de adaptar su orientacin localmente a la orientacin de la colina.

Fig. 30: (a) Imagen despus del filtro perfilador (b) Imagen despus del segundo filtro perfilador con mscara espacial.

3.4.4.1.7 ADELGAZAMIENTO. En este paso se aplican dos algoritmos consecutivos paralelos de

adelgazamiento, para reducir a un nico pxel el ancho de las colinas en la imagen binaria. Estas operaciones son necesarias para simplificar el siguiente anlisis estructural de la imagen para la extraccin de las minucias de la huella.

El adelgazamiento se debe realizar sin modificar la estructura original de las colinas de la imagen. Durante este proceso, el algoritmo no puede calcular mal los comienzos, finales y, o bifurcaciones de las colinas, ni las colinas se pueden romper.

-97-

3.4.4.1.7.1 ALGORITMO DE ADELGAZAMIENTO.

Fig. 31: Algoritmo que permite hallar el esqueleto de la imagen de huella dactilar binarizada.

-98-

3.4.4.1.8 ELIMINACIN DE IMPERFECCIONES. Despus del adelgazamiento, dependiendo de la calidad de la imagen, las imperfecciones estructurales de la huella original permanecen en un cierto grado.

Esto conlleva colinas rotas, colinas falsas y huecos; as que, es necesario aplicar un algoritmo para eliminar todas las lneas que no se corresponden a colinas y un algoritmo para enlazar colinas rotas. La figura siguiente muestra la imagen adelgazada obtenida una vez aplicado el algoritmo de adelgazamiento y eliminacin de imperfecciones.

Fig. 32: (a) Imagen despus de la simplificacin y eliminacin de imperfecciones.

-99-

3.4.4.1.9 EXTRACCIN DE MINUCIAS. En la ltima etapa, se extraen las minucias de la imagen simplificada, obteniendo el patrn biomtrico de la huella (plantilla ). Este proceso conlleva la determinacin de:

Si un pxel perte nece o no a una colina.

Si es as, si es una bifurcacin, comienzo o final de colina obteniendo as un grupo de candidatos a minucias.

A continuacin, todos los puntos en el borde de la zona de inters se borran. Entonces, puesto que la densidad de minucias por unidad de rea no puede exceder un cierto valor, todos los conjuntos de puntos candidatos cuya densidad excede este valor son sustituidos por una simple minucia localizada en el centro del conjunto.

3.4.4.1.10

VECTOR DE CARACTERISTICAS.

El vector de caractersticas es un arreglo en el cual se almacenan los diferentes identificadores de una huella digital, tomando en cuenta que stos son nicos para cada persona. Se debe considerar que para obtener este arreglo la imagen pasa por varios procesos de filtrado, lo cual nos permitir obtener una imagen mas ntida, con buenas caractersticas de identificacin, las cuales se podrn demostrar en una matriz, (coordenadas x,y) y nos permitirn determinar la identidad de la persona a la que pertenece la huella.

El proceso de filtrado se lo realiza principalmente para eliminar las imperfecciones que se generan en el proceso de captura de la imagen de la huella digital, siendo stas ocasionadas por varios factores externos como
-100-

ingreso excesivo de luz, ruido, demasiada presin realizada por la persona, derrame de tinta, etc.

Los filtros nos permiten obtener una imagen mas cercana a la realidad y de esta forma determinar las caractersticas propias de la huella digital, las cuales sern almacenadas en la base de datos y nos permitirn realizar bsquedas de forma ms eficiente, manteniendo los procesos del sistema en un alto rendimiento.

201 55 190 56 197 56 209 228 173 228 191 61 84 62 210 22 7202 63 78 64 214 222 74 66

Fig. 33 Procesamiento Sisbiorhed

Todos los sistemas biomtricos trabajan de forma similar, generando un vector de caractersticas y aplicando complejos algoritmos de encriptacin para generar cdigos nicos e irrepetibles como lo es la huella digital.

3.4.4.2 ALGORITMOS PRINCIPALES DEL SISTEMA MATRIZ DE LA IMAGEN

Mientras i = 0 hasta el ancho de imagen Mientras j = 0 hasta el largo de imagen C = pxel de la imagen (j, i) Gris = (0.3 * c en Rojo + 0.55 * c en verde + 0.15 * c en azul) Resultado (i, j) = gris Fin mientras Fin mientras Retorna resultado
-101-

MUESTRA POR PANTALLA EL CONTENIDO DE UNA MATRIZ, SEPARANDO LOS ELEMENTOS DE LA MISMA FILA CON COMAS

Mientras i=0 hasta largo del vector Mientras j=0 hasta largo del vector Si (posicin del vector (i, j) < 0) Muestre ("x, ") Caso contrario Muestre (t[i][j]+" , ") Fin si Fin mientras Fin mientras

ALGORITMO QUE REALIZA EL PROCESO DE EROSIN DE UNA IMAGEN N = longitud de la mascara

Mientras x = N/2 hasta x < Largo de la imagen - N/2 Mientras y = N/2 hasta < Largo de la imagen - N/2 Smin = 255 Mientras i = -N/2 hasta N/2 Mientras j =-N/2 hasta N/2 Si (mascara (i+N/2, j+N/2)=1 Si (imagen (x+i, y+j) < smin) Smin = imagen (x + i, y +j) Fin si Fin si Fin mientras Fin mientras Fin mientras Filtro(x, y) = smi n Fin mientras Retorna filtro

-102-

A PARTIR DE UNA TABLA, OBTIENE EL BITMAP QUE USAREMOS PARA MOSTRARLA POR PANTALLA Y PARA ALMACENARLA Bitmap res =nuevo Bitmap (vector longitud, vector longitud) Color c = nuevo Color() Mientras i=0 hasta longitud del vector Mientras i=0 hasta longitud del vector C = Color.FromArgb (matriz (i,j), matriz(i,j), matriz(i,j)) res.SetPixel(j, i, c) Fin mientras Fin mientras Retorna res VERIFICA SI LA IMAGEN EST BINARIZADA Mientras i = 0 hasta longitud del vector Mientras j = 0 hasta longitud del vector Si (matriz(i,j)diferente de 0 y matriz(i,j)diferente de 255) Retorna falso Fin si Fin mientras Fin mientras Retorna verdadero

TOMA UNA MATRIZ, Y CAMBIA LOS VALORES QUE REPRESENTAN 0S POR 1'S, 1S POR 0'S, Y LAS X (REPRESENTADAS COMO UN NMERO MENOR QUE 0) LAS DEJA IGUAL. El umbral es para cuando se pase una matriz que no sea binaria, siendo su valor 255 en el caso de que represente a una imagen en escala de grises

Mientras i = 0 hasta longitud del vector Mientras j = 0 hasta longitud del vector Si (matriz (i,j) < 0) Res (i,j)= matriz (i,j) Caso contrario Si (matriz (i,j)= 0) Res (i,j)= val_max caso contrario res(i,j)=0 Fin si Fin si Fin mientras Fin mientras Retorna res
-103-

DADA UNA MATRIZ Y UNA POSICIN DENTRO DE ELLA, CALCULA LA MEDIA DE TODOS LOS PUNTOS QUE RODEAN ESA POSICIN

Mientras i=i_ini hasta lim_h Mientras j=j_ini hasta lim_v Cont = cont +1 Res = res + matriz (i,j) res = Math.Floor(res /cont) Fin mientras Fin mientras Retorna res

BINARIZA UNA MATRIZ. PARA ELLO, RECORRE TODAS LAS POSICIONES, Y SI UN VALOR ES MENOR QUE EL UMBRAL LO CONSIDERA UN 0, Y SI ES MAYOR UN 255 (al ser en escala de grises, el valor 255 representa un 1 )

Mientras i = i_ini hasta lim_h Mientras j = j_ini hasta lim_v Si(Matriz(i,j)<umbral) Dest(i,j) = 0 Caso contrario Dest(i,j) = 255 Fin si Fin mientras Fin mientras Retorna dest

-104-

ELIMINA EL RUIDO DE LA IMAGEN RESULTADO, YA QUE ELIMINA LOS PIXELES AISLADOS DE LA IMAGEN Mientras i=0 hasta longitud del vector Mientras j=0 hasta longitud del vector Suma = 0 Si matriz(i,j) diferente de 0 { Si i = 0 lim_inf = 0 Caso contrario lim_inf = i - 1 Si j = 0 lim_izq = 0 Caso contrario lim_izq =j - 1 Si i= longitud de Vector -1 lim_sup= longitud de Vector -1 Caso contrario lim_sup=i+1; Si j=longitud de Vector -1 lim_der= longitud de Vector -1 Caso contrario lim_der=j+1; Fin si Fin si Fin si Fin si Fin si Fin Mientras Fin Mientras

Mientras k =lim_inf hasta lim_sup Mientras z = lim_izq hasta lim_der Si i diferente de k y j diferente de z Suma = suma + matriz(k,z) Si suma diferente de 0 Res(i,j) = matriz(i,j) Caso contrario res(i,j) = 0 Fin si Caso Contrario Res (i,j) = 0 Fin si Fin Mientras Fin Mientras Retorna res

-105-

FUNCIN UTILIZADA EN EL ALGORITMO MEDIANA. CREA UN ARRAY CON LOS VALORES DE LOS PIXELES, LO ORDENA, Y DEVUELVE EL VALOR QUE EST A LA MITAD DEL ARRAY Mientras i = i_ini hasta lim_h Mientras j = j_in hasta lim_v Array (cont) = matriz(i,j) Cont = cont +1 Fin mientras Fin mientras

array_ord = Practica.auxiliar.ordena_array(array, cont) Res = array Math.Ceiling(cont/2)-1 Retorna res DADO UN ARRAY, LO DEVUELVE ORDENADO Mientras i < tamao -1 Pos = i J=i+1 Mientras j <= tamao -1) Si Vector[pos] > vector[j] Pos = j Fin si J= j+1 Fin mientras Aux = Vector[pos]; Vector[pos] =vector[i] Vector[i] = aux I= i+1 Fin Mientras Retorna t

-106-

CAPITULO IV IMPLEMENTACION.

4.1

DESCRIPCIN GENERAL DEL SISTEMA.

Es una aplicacin desarrollada en su mayor parte en Visual Basic con el entorno de desarrollo Visual Studio.NET 2003, salvo en la extraccin de minucias que est hecha en C++ usando la librera de ImageMagick Display.

La aplicacin de extraccin de minucias se abre desde la consola de Windows, pero debe ser llamada desde la aplicacin principal Sibiorhed. Dicha aplicacin ha sido hecha de tal forma que resulte intuitiva a un usuario que nunca haya usado el programa ni tenga mayor conocimiento sobre el tema.

4.1.1 APLICACIN MINUCIAS.EXE.

Es una aplicacin ejecutable bajo la consola DOS de Windows. Ha sido creada bajo el entorno de programacin Visual C++, haciendo uso de libreras de cdigo abierto desarrolladas para Linux, para el manejo de huellas digitales.

Este software implementa por ta nto el proceso de extraccin de los puntos singulares (conocidos como minucias) de la huella a tratar.

El manejo de este software es muy sencillo. De este modo, el programa procesar la huella ofreciendo los mensajes correspondientes al desarrollo de cada subproceso en la extraccin de las minucias de la siguiente forma:

-107-

As pues, partiendo de la siguiente imagen:

Fig. 36 Imagen de huella original

-108-

Obtendramos los resultados, para efectos de visualizar de mejor forma las minucias obtenidas se ha invertido los colores:

Fig. 37 Minucias

Se crea el archivo de salida.txt con el vector donde se encuentran las minucias:

201 55 190 56 197 56 209 228 173 228 191 61 84 62 210 227 202 63 78 64 214 222 74 66 215 22

Fig. 38 Archivo de Salida con Puntos Singulares

-109-

4.1.2 APLICACIN SISBIORHED .EXE. A continuacin explicamos la interfaz grfica y la implementacin realizada del mtodo con el lenguaje de programacin visual basic.

Lo primero que debemos de saber para arrancar la aplicacin es que necesitamos tener instalado Visual Studio .net o, al menos, las libreras que ste ofrece, adems de instalar ImageMagick para manejo de grficos en C++. Este ltimo programa es de dominio pblico,

Una vez cumplido el requisito anterior lo nico que tenemos que hacer es ejecutar el programa (Sisbiorhed.exe). Tan slo hay que tener en cuenta que el directorio denominado Minucias debe acompaar siempre a dicho ejecutable puesto que ah dentro est el programa que se encarga de extraer los puntos singulares de la huella digital dada. Por ltimo, destacar que se debe ejecutar desde una unidad en la que se pueda escribir (C), ya que el proceso de extraccin de minucias genera unos ficheros que se guardarn en la misma carpeta que contiene el fichero ejecutable de las minucias.

4.2

PLATAFORMA.

Para hablar de la plataforma deberamos dividirla en dos partes, la primera una plataforma de desarrollo y la segunda la plataforma de funcionamiento o produccin:

En la plataforma de desarrollo se tomar las siguientes caractersticas bsicas:

Sistema operativo Windows 2000 con service pack 4, recomendado Windows XP con service pack 2

Visual Studio .net 2003 versin 7.1

Developer Express Inc.NET

-110-

SQL Server 2000

En la plataforma de funcionamiento o produccin se tomar en cuenta los siguientes requisitos bsicos:

Sistema operativo Windows 2000 con service pack 4, recomendado Windows XP con service pack 2

Libreras bsicas generadas por el ejecutable de la aplicacin.

Libreras bsicas de Developer Express

Archivo de conexin

-111-

CAPITULO V PRUEBAS Y RESULTADOS.

5.1 INTRODUCCION. Con la finalidad de garantizar un sistema confiable en el procesamiento de huellas digitales y efectivo en la entrega de resultados, se somete el sistema a una serie de pruebas que permitir obtener un sistema estable y con un alto porcentaje de aciertos en sus procesos y resultados.

5.2 PRUEBAS DE UNIDADES. Para probar la lgica del cdigo del sistema se lo ha divido en los siguientes mdulos:

Enrolar Huellas Digitales Verificar Huellas Digitales Comparar Huellas Digitales

-112-

5.2.1 PRUEBAS DE CAJA BLANCA O ESTRUCTURALES. 5.2.1.1 PRUEBAS DEL CAMINO BASICO ALGORITMOS . 1. Cargar Huella Digital.-

-113-

Ficha Decadactilar Digitalizada.-

Huella Digital recortada para pruebas (Pulgar Derecho).-

-114-

2.

Validar Usuario en el sistema.-

-115-

-116-

3.

Procesar Huella Digital.-

-117-

Cargar huella digital (pulgar derecho)

Enrolar huella digital (pulgar derecho)

-118-

Guardar Imagen de huella (pulgar derecho) e informacin principal

Verificar la identidad de una persona ingresando la huella digital (pulgar derecho)

-119-

Buscar huella digital (pulgar derecho)

Huella digital (pulgar derecho) verificado

-120-

Vector de minucias generado de la huella digital (pulgar derecho)

Comparacin de Huella Digital (pulgar derecho)

-121-

Resultado de la comparacin de Huellas Digitales

-122-

4.

Guardar Huella Digital.-

-123-

Vector de Minucias generado de la imagen de huella digital (pulgar derecho)

Base de Datos

-124-

5.

Procesar Imagen.-

-125-

Cargar imagen de huella digital

Imagen a Bitmap

-126-

Visualizar Imagen Procesada

Tabla de valores de la matriz de la imagen

-127-

Generar Matriz de la imagen

Tratamiento de color de la imagen

-128-

Conversin de los componentes de color

Conversin del color de la imagen pxel por pxel

-129-

5.2.1.2 PRUEBAS DE FUNCIONES 1. Funcin Extraer Matriz de la Imagen.-

-130-

2.

Funcin Separar elementos de una fila.-

-131-

3.

Funcin Erosin de una imagen.-

-132-

4.

Funcin Obtener Bitmap.-

-133-

5.

Funcin Binarizar Imagen.-

-134-

6.

Funcin Aplicar Umbralizacin.-

-135-

7.

Funcin Calcular Media de Vecinos.-

-136-

8.

Funcin Eliminar Ruido.-

-137-

-138-

9.

Funcin Crear Arreglo con valores de pxeles.-

-139-

10.

Funcin Ordenar Arreglo.-

-140-

Funcin Cargar Imagen.-

-141-

Funcin Imagen to matriz.-

Funcin Gradiente

-142-

Funcin Gradiente Mximo

-143-

Funcin Comparar Huella

-144-

Funcin Llamado Deteccin de Minucias

-145-

Funcin Leer Fichero de Texto

-146-

Funcin Grabar Huella

-147-

-148-

-149-

5.2.2

PRUEBAS DE CAJA NEGRA O FUNCIONALES.

5.2.2.1 PARTICION EQUIVALENTE. Pantalla de Login.-

En la pantalla de Login se detecta automticamente el usuario del Sistema Operativo del Equipo en el que se este trabajando.

En la base de datos existen previamente ingresados usuarios y contraseas, las cuales permiten el acceso al sistema; para este caso el usuario a ingresar es magus y la contrasea es 1716154693, la validacin de estos campos estn dadas

estrictamente desde la base de datos, es decir si un usuario o contrasea son errneos recibimos una excepcin error de la base y con este valor mandamos a desplegar un mensaje de error en el ingreso de usuario o contrasea de la siguiente forma:

-150-

Pantalla de Enrolamiento.-

En la pantalla de enrolamiento se ingresa la informacin bsica de las personas o usuarios que posteriormente se verificara la identidad a travs de la huella digital, las restricciones en cuanto a nombres y apellidos es que son valores de datos de tipo char, la cedula de identidad es tipo varchar, la fecha de

nacimiento se la selecciona desde un control calendario que se despliega en la aplicacin, el tipo de genero esta dado mediante opciones y la imagen puede ser cualquiera que haya sido tratada de acuerdo al procedimiento descrito en este documento.

-151-

Pantalla de Verificacin.-

En la pantalla de verificacin de identidad el nico campo o valor que ingresa como criterio de bsqueda es la imagen de la huella digital para efectos de prueba y comprobacin en la pantalla de la izquierda se ha ingresado la imagen que corresponde la huella digital del pulgar derecho que es la huella que se ha usado en este proceso. De esta forma se visualiza en pantalla que el sistema recupera los datos grabados en el enrolamiento y nos da un mensaje de identidad encontrada.

En la pantalla del lado izquierdo se ingreso la imagen de la huella digital del pulgar izquierdo de la misma persona y nos da un resultado de identidad no encontrada.

-152-

Pantalla de Comparacin.-

En la pantalla de comparacin de huellas se digitales se ingresa como parmetro de bsqueda la imagen de la huella digital informacin encontrada en la base de datos. y nos devuelve la

Todas las huellas que se ingresen deben ser tratadas y procesadas, el procesamiento se lo realiza siempre al ingresar o buscar una huella digital y el tratamiento es anterior al ingreso recortar la imagen y revisar principalmente tamao y que la imagen este en blanco y negro.

-153-

5.2.2.2 ANALISIS DE VALORES LIMITES. Los valores lmites y validaciones estn dados a travs de la base de datos, de esta forma se establece que:

Las longitudes mximas que se pueden ingresar para cada campo son:

-154-

No se permiten valores nulos para los siguientes campos. Caso contrario dar un error en el retorno de la grabacin de datos: nombres apellidos fecha de nacimiento genero y cedula. Tipo de persona Tipo descripcin Huella digital

5.3 PRUEBAS DE INTEGRACION. 5.3.1 FUNCIONALIDAD ENTRE MODULOS.

Para validar la funcionalidad entre mdulos se despliegan las pantallas de enrolamiento de una huella digital (pulgar derecho), la verificacin de la huella digital pulgar derecho y la comparacin (bsqueda de huella digital pulgar derecho) y los resultados validos que se visualizan:

-155-

-156-

-157-

5.3.2

ACCESO Y GRABACION CON BDD.

Se despliegan las tablas de la base de datos del sistema para verificar que los datos ingresados mediante la aplicacin estn guardados. Tabla Persona:

Tabla Huella:

-158-

Tabla Tipo Persona:

Vista Huella por Persona:

Finalmente en la siguiente imagen de una vista de la base de datos se muestran los datos grabados de este proceso de pruebas realizadas con la huella digital del pulgar derecho.

-159-

5.4 PRUEBAS DE ACEPTACION. 5.4.1 FORMULARIOS DE DISEO Y FUNCIONALIDAD APROBADOS. Considerando los requerimientos previamente especificados y las

recomendaciones y explicaciones para el uso y manejo de Sisbiorhed se ha realizado pruebas con usuarios finales para que identifiquen y den criterios de mejora en interfaz, navegacin e informacin relevante para el mejoramiento del sistema. En primer lugar es importante mencionar que se hizo pruebas referente a la toma de huellas digitales para que puedan ser visualizadas ptimamente; Finalmente las huellas tomadas mas claras y que se

incluyen en fichas decadactilares adjuntas como anexo a este trabajo fueron tomadas con tinta especial (Touch Signature) puestas sobre papel comn y escaneadas para ser almacenadas en el computador y cargarlas para su procesamiento. As las imgenes obtenidas pasaron por las siguientes etapas:

Imagen en color original del scanner.

Imagen en escala de grises original del scanner.

Imagen en blanco y negro recortada original del scanner.

Imagen en escala de grises de huella puesta en papel.

Imgenes en escala de grises.

-160-

Fig. 39 Imgenes de huellas

Al igual que las huellas digitales, la interfaz grafica paso por etapas en las que se consideraron facilidad en uso, colores en formularios, reglas de navegacin, seguridades en accesos, y validaciones de errores, llegando al diseo actual que se muestra e n el Manual de Usuario:

Para la realizacin de pruebas de funcionamiento del sistema SISBIORHED, se ha determinado hacerlas en la compaa Pro Partners S.A. contando con un universo de 40 personas, de las cuales se tomar una muestra de 15

personas, debido a que la actividad de la empresa no permite contar con todo el personal en un solo sitio y horario de trabajo (ver anexo 2)
-161-

Las pruebas que se realizaran se basan en los siguientes aspectos:

Toma de huellas digitales.

Escaneo de huellas digitales.

Identificacin de datos mediante comparacin de huellas digitales.

Estas pruebas se determinan de acuerdo a las necesidades del sistema para la identificacin y comparacin de datos almacenados.

5.4.1.1

TOMA DE HUELLAS DACTILARES.

Hace referencia a la tcnica que se debe realizar al momento de tomar la huella digital en el papel, debido que al realizarla se obtendr la mejor tinta, papel y se tratara de determinar la presin exacta de la huella en el papel, esto se debe a que no se cuenta con un dispositivo biomtrico que nos ayude a obtener directamente la huella de la persona para su almacenamiento y comparacin.

Se realizaron varios intentos e incluso escaneando la huella directamente, obtenindose los siguientes resultados:

Muestra de 15 personas.

Tomas de las huellas dactilares de los cinco dedos de las dos manos.

Total de tomas: 150 huellas divididas en:

o 30 huellas de Dedos pulgares. o 30 huellas de Dedos ndices. o 30 huellas de Dedos medios. o 30 huellas de Dedos anulares.
-162-

o 30 huellas de Dedos meniques

De acuerdo a los estudios publicados por varios autores hacen referencia principalmente a los dedos pulgares e ndices como los referentes para un estudio biomtrico de comparacin de huellas digitales, por lo cual del universo de 150 huellas se tomar para el estudio solo 60 huellas correspondientes a los dedos antes mencionados.

Para dicha prueba se ha utilizado tinta china (comn) y Touch Signature (tinta especial), teniendo en cuenta que son las mas utilizadas actualmente en el mercado para fines de impresin de huellas digitales.

De esta forma se obtienen los siguientes resultados:

Fallas por demasiada presin 5 huellas.

Fallas por derrame de tinta china 2 huellas.

Fallas por baja calidad de papel 1 huellas.

Lo cual nos da un resultado de 8 tomas con errores por distintos agentes, este resultado nos representa el 4.80% de la muestra teniendo el 95.20% resultados exitosos. con

5.4.1.2

ESCANEO DE HUELLAS DACTILARES.

Se debe tomar en cuenta las caractersticas del escner para poder determinar resultados de esta prueba debido a que del universo de aciertos de la prueba de toma de huellas (95.20%) todas sern escaneadas para su posterior almacenamiento en la base de datos.

-163-

Se realiz el estudio con tres diferentes escaners especificando para cada uno las siguientes las caractersticas:

BENQ, S2W 4300V

Caracterstica Especificacin Benq No sin Firewire 36 bits 1200 dpi No No A4 Sobremesa De sobremesa con SCSI

Marca: Bluetooth: Firewire: Profundidad de Color (Bits): Resolucin del Scanner (DPI): Scanner con Adaptador de Pelcula / Diapositiva: SCSI: Tamao de Papel: Alimentacin del papel: Tipo de escner: USB:

HP
Especificacin Superficie plana, color y monocromo de una pasada Con los botones de exploracin, copia y correo electrnico, desde el software Precisionscan LTX o HP Scanjet Copy, o desde una aplicacin por medio de TWAIN Menos de 60 segundos: fotografa en color de 4 x 6 pulg. en Microsoft Word Menos de 100 segundos: una pgina completa de texto en Microsoft Word mediante OCR Menos de 60 segundos: dibujos en blanco y negro en Microsoft Word

Caracterstica Tipo de escner Modos de entrada

Velocidades de tareas

Resolucin Profundidad en bits Cambio de escala Tamao mximo de documento Interfaz

Resolucin ptica de 600 ppp Resolucin de hardware de 1.200 x 600 ppp Color de 36 bits Del 10 al 2.000% en incrementos de 1% a todas las resoluciones 216 mm x 297 mm (8,5 x 11,70 pulgadas) Dual: Paralela y USB

-164-

EPSON
Caracterstica Especificacin Epson 8715946118758 No Color sin Firewire 42 bits No No 1200 dpi S No A4 Sobremesa De sobremesa con SCSI

Marca: EAN: Bluetooth: Escaneado: Firewire: Profundidad de Color (Bits): Puerto Paralelo: Puerto Serie: Resolucin del Scanner (DPI): Scanner con Adaptador de Pelcula / Diapositiva: SCSI: Tamao de Papel: Alimentacin del papel: Tipo de escner: USB:

Como resultado se determina que las caractersticas del escner al momento de digitalizar las imgenes de las huellas no influye en mucho para su posterior anlisis y procesamiento en el sistema SISBIORHED, debido a los filtros por los que pasa la imagen para su tratamiento, y tomndose en cuenta que el primer filtro al que es sometido la imagen esta dado en la toma de la huella.

5.4.1.3 IDENTIFICACIN DE DATOS MEDIANTE COMPARACIN DE HUELLAS DIGITALES. Nos basamos en la comparacin de los datos almacenados en la base de datos contra las imgenes ingresadas al sistema, tomando en cuenta que no todos los datos escaneados fueron almacenados, por lo cual no todos los datos tenan una imagen correspondiente.

Se determino que del universo de 95.20% que pasaron la primera prueba (toma de huellas), se almacena en la base de datos un 30% (porcentaje aceptable), lo
-165-

cual nos permitir realizar pruebas de comparacin con huellas validas.

ms del 50% de

Obteniendo como resultado de eficiencia del sistema SISBIORHED, de un 98%, siendo el 2% sobrante un porcentaje de estimacin para prevencin de fallos.

-166-

CAPITULO VI CONCLUSIONES Y RECOMENDACIONES

6.1 CONCLUSIONES. Para concluir podemos citar que tanto el objetivo general como los objetivos especficos se han cumplido considerando las limitaciones externas y el alcance planteado, esto se debe a que el sistema Sisbiorhed es un sistema que permite la identificacin de una persona a travs de una imagen de su huella digital, de la cual se extraen caractersticas de minucias, para lo cual se aplica un mtodo de reconocimiento biomtrico implementado en cdigo de programacin.

La investigacin y anlisis de sistemas comerciales como Printrak de Motorola Company, Hand Held Products de Welch Allyn, Flex IMI de Flexagonal Systems, entre otros, nos han permitido conocer el proceso de reconocimiento de huellas digitales y los requerimientos de funcionamiento, adems del diferente uso de estos sistemas, como es el caso de la Medicina Legal de la Polica Nacional del Ecuador, el control de personal en varias empresas por ejemplo la Superintendencia de Compaas.

Las caractersticas que fortalecen a Sisbiorhed y que resumen sus fortalezas frente a otros sistemas de reconocimiento de huellas digitales son:

Cooperativo porque no trabaja como un todo independiente sino que requiere de otras aplicaciones, software o hardware para la manipulacin de imgenes, manejo de huellas y la entrega de resultados.

No Oculto porque se puede visualizar las funciones que se realizan sobre la imagen de la huella digital,

Presencial porque debe ser administrado o manejado por un usuario especializado y ,

-167-

Acoplable porque puede adaptarse al medio en el que se lo vaya a usar, ya que es un sistema portable.

El mtodo usado para el reconocimiento de huellas digitales es una combinacin entre el mtodo matemtico y el mtodo de bsqueda del mejor vecino lo que permiti que se obtengan resultados fiables debido a que su anlisis esta basado en una mayor rea de la imagen de la huella, permitiendo obtener mayor cantidad de minucias y evitar los rasgos de defecto de la imagen.

En el aspecto de hardware la adquisicin de dispositivos biomtricos vara en el pas desde los 70 dlares aproximadamente hasta dispositivos sofisticados que alcanzan cifras de miles de dlares. Los dispositivos accesibles al usuario comn no incluyen caractersticas validas por un usuario informtico o desarrollador ya que dichos dispositivos cuentan con software cerrado

propietario (sin SDK), y obtener algn tipo de dato de la huella resulta en la prctica extremadamente complicado por no decir imposible.

En el momento de elegir un dispositivo biomtrico depende en gran parte del tipo de aplicacin que se desee implementar y de la organizacin o institucin que desee la implementacin, sin embargo para fines educativos se puede tomar huellas digitales con ti ntas especiales (bajo costo) y gracias al escaneo y trabajo de imgenes digitales se puede suplantar de cierta forma la funcin de los scanners o dispositivos biomtricos.

Se debe poner mayor nfasis en el desarrollo de sistemas de identificacin de mejor calidad y esto se lograra con el apoyo de instituciones educativas o de tecnologa ya que se podra aplicar en diversas reas necesitadas y que son poco o nada atendidas, debido a que los sistemas profesionales de

comparacin de huellas tienen un alto costo de adquisicin y no presentan mayor informacin y acceso en cdigos fuentes para acoplar o personalizar aplicaciones.
-168-

6.2 RECOMENDACIONES.

Se debe poner mayor nfasis en el desarrollo de sistemas de identificacin de mejor calidad y esto se lograra con el apoyo de instituciones educativas o de tecnologa ya que al lograr optimizar y reducir tiempos en Sisbiorhed, se podra aplicar en diversas reas necesitadas y que son poco o nada atendidas ya que los sistemas profesionales de comparacin de huellas tienen un alto costo de adquisicin y no presentan mayor informacin y acceso en cdigos fuentes para acoplar o personalizar aplicaciones.

La eleccin de un dispositivo biomtrico depende en gran parte del tipo de aplicacin que se desee implementar y de la organizacin o institucin que desee la implementacin, sin embargo para fines educativos se puede tomar huellas digitales con tintas especiales (costo accesible) y gracias al escaneo y trabajo de imgenes digitales se puede suplantar de cierta forma la funcin de los scanners o dispositivos biomtricos.

Es recomendable que se apoyen investigaciones de este tipo de tecnologas recientemente llegadas al pas de forma que se incentive en los estudiantes carcter investigativo.

-169-

ANEXOS

-170-

ANEXO 1 MANUAL DE USUARIO

INTRODUCCION:

Sisbiorhed

(Sistema biomtrico de identificacin de Huellas digitales) es un

sistema desarrollado para comparar huellas digitales, mediante las cuales podemos determinar la identidad de una persona, siempre y cuando su informacin se encuentre almacenada en la base de datos.

El sistema adems nos permitir almacenar la informacin de nuevas personas para su respectiva identificacin.

INSTALACION DEL SISTEMA:

Para el correcto funcionamiento del sistema realice los siguientes pasos para su instalacin:

Primera Forma (Usuario tcnico Modo Avanzado):

Crear en la unidad C la carpeta: aplicacin C:\Aplicacion

-171-

Dentro de la carpeta aplicacin crear una subcarpeta dibujos C:\Aplicacion\Dibujos

dentro

de

esta

ultima

la

carpeta

Watermark

C:\Aplicacion\Dibujos\Watermark

En esta carpeta ubique todas las imgenes que utilizara en los procesos del sistema.

-172-

Copie el directorio sisbiorhed del CD a la carpeta aplicacin.

Instale el image magick display de acuerdo a su setup.

Crear un archivo llamado cone xion.txt en la unidad C, este archivo debe contener la informacin de la direccin IP del servidor Ej.: 192.168.1.1 (local), y el nombre de la base de datos en la lnea siguiente Ej.: Sisbiorhed.

Ya puede utilizar el sistema.

Segunda Forma (Usuarios Principiantes - Modo por Default):

Copie la carpeta aplicacin en la unidad C. Instale el image magick display de acuerdo a su setup. Crear un archivo llamado conecxion.txt en la unidad c, este archivo debe contener la informacin de la direccin IP del servidor Ej.: 192.168.1.1 (local), y el nombre de la base de datos en la lnea siguiente Ej.: Sisbiorhed

Ya puede utilizar el sistema.

-173-

ACCESO AL SISTEMA:

Para realizar el acceso al sistema usted deber dar doble clic en el icono con el nombre Sisbiorhed tal como lo muestra la siguiente grafica

Una vez que realice esta accin se le presentara la pantalla de bienvenida (splash) por un pequeo lapso de tiempo y desaparecer dando paso a la pantalla principal del sistema.

-174-

Para poder acceder a las opciones del men principal usted deber escoger la opcin de logueo indicada por la flecha verde o presionar la combinacin de las teclas control+L

Mostrndose la siguiente pantalla, donde deber ingresar el nombre de usuario (magus) y su clave correspondiente (1716154693), internamente el sistema validar

la informacin administrada por usted y si es correcta

desaparecer la pantalla de logueo y las opciones del men del lado derecho de la pantalla sern habilitadas para su uso.

-175-

El sistema consta con tres mdulos principales que agrupan sus diferentes tareas, siendo estos: Modulo Pblico:

Son las tareas que comnmente contiene los sistemas biomtricos orientados a la identificacin de personas, principalmente su funcionalidad se la puede ver reflejada en instituciones como el registro civil, bibliotecas, control de personal, etc. Consta de las tareas de enrolamiento y comparacin Mdulo Privado:

Empleado para accesos a diferentes aplicaciones de seguridad basndose en la verificacin de las huellas digitales. Contiene la opcin de verificacin Mdulo Usuarios:

Permite el registro de nuevos usuarios del sistema.

-176-

MODULO PBLICO

OPCION ENROLAMIENTO:

La opcin de enrolamiento permite el ingreso de los datos de las personas al sistema de base datos para esto deber realizar los siguientes pasos:

1. Ingrese los Nombres 2. Ingrese los Apellidos 3. Ingrese el Nmero de Cedula 4. Ingrese la Fecha de nacimiento 5. Indique el gnero al que pertenece.

6. Presione el botn de cargar y seleccione la imagen de la huella digital.

-177-

7. Se presentara la siguiente pantalla en la que el sistema indica los pasos del procesamiento de la huella y desaparecer mostrando en el lado derecho de la huella ingresada la huella procesada.

8. Una vez que desaparece la ventana de procesamiento, usted puede grabar el registro, confirmando su opcin de grabado.

-178-

OPCION COMPARACION:

La opcin de comparacin permite la bsqueda de los datos de una persona mediante el procesamiento de la huella que se ingresa obteniendo un patrn de bsqueda en la base de datos para esto deber realizar los siguientes pasos:

1. Presionar el botn cargar y escoger la imagen a comparar.

2. En el men de la pantalla escoger la opcin de bsqueda que esta identificado con el icono de una lupa

-179-

3. El sistema procesar la imagen cargada y realizar la bsqueda en la base de datos, si la informacin existe en el sistema se mostrar los datos y la huella resultante.

4. En el caso de no existe la informacin de la huella ingresada se le presentara la siguiente pantalla:

-180-

MODULO PRIVADO

OPCION VERIFICACIN:

La opcin de verificacin permite la bsqueda de los datos de una persona mediante el procesamiento de la huella que se ingresa en la base de datos para esto deber seguir los siguientes pasos:

1. Presionar el botn cargar y escoger la imagen a comparar.

2. En el men de la pantalla escoger la opcin de bsqueda que esta identificado con el icono de una lupa.

-181-

3. Si la informacin existe almacenada en la base de datos se mostrar el nombre, apellido, nmero de cedula de identidad, fecha de nacimiento y genero al que pertenece, caso contrario aparecer un mensaje que indica que los datos no existen.

-182-

OPCION USUARIOS:

La opcin de usuarios permite el ingreso de los datos de las personas que utilizaran el sistema de base datos para esto deber realizar los siguientes pasos:

1. Ingrese los Nombres 2. Ingrese los Apellidos 3. Ingrese el Nmero de Cedula 4. Ingrese la Fecha de nacimiento 5. Indique el Gnero al que pertenece.

-183-

6.

Presione el botn cargar y escoja la imagen de la huella del usuario.

7. En el men de la pantalla presione el botn grabar y confirme su accin.

-184-

ANEXO 2 PRUEBAS DE DISEO Fecha: 12-11-2007

Sistema: SISBIORHED

Formulario: Principal

Por medio del presente documento acepto que el diseo del formulario ha pasado la prueba de calidad y est diseado de acuerdo a lo acordado.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-185-

Fecha: 12-11-2007

Sistema: SISBIORHED

Formulario: Acceso al Sistema

Por medio del presente documento acepto que el diseo del formulario ha pasado la prueba de calidad y est diseado de acuerdo a lo acordado.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-186-

Fecha: 13-11-2007

Sistema: SISBIORHED

Formulario: Enrolar

Por medio del presente documento acepto que el diseo del formulario ha pasado la prueba de calidad y est diseado de acuerdo a lo acordado.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-187-

Fecha: 13-11-2007

Sistema: SISBIORHED

Formulario: Verificar

Por medio del presente documento acepto que el diseo del formulario ha pasado la prueba de calidad y est diseado de acuerdo a lo acordado.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-188-

Fecha: 14-11-2007

Sistema: SISBIORHED

Formulario: Comparar

Por medio del presente documento acepto que el diseo del formulario ha pasado la prueba de calidad y est diseado de acuerdo a lo acordado.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-189-

PRUEBAS DE FUNCIONALIDAD Fecha: 13-11-2007

Sistema: SISBIORHED

Formulario: Enrolar

Descripcin del proceso:

Permite el ingreso de los datos de las personas, se deber ingresar los datos que se piden dentro de la pantalla y adems se cargara la imagen de la huella digital de la persona escaneada con anterioridad, procesando la imagen parea obtener las minucias que sern archivadas en la base de datos.

Por medio del presente documento acepto que el proceso realizado en esta pantalla es el correcto y apruebo el control de calidad de la pantalla y el proceso que se encuentra implcito en la misma.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-190-

Fecha: 13-11-2007

Sistema: SISBIORHED

Formulario: Verificar

Descripcin del proceso:

Permite el despliegue de los datos de las personas almacenadas en la base de datos de acuerdo a la carga de la imagen de la huella digital procesando est imagen y obteniendo las minucias que sern verificadas con las minucias almacenadas en la base de datos.

Por medio del presente documento acepto que el proceso realizado en esta pantalla es el correcto y apruebo el control de calidad de la pantalla y el proceso que se encuentra implcito en la misma.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-191-

Fecha: 14-11-2007

Sistema: SISBIORHED

Formulario: Comparar

Descripcin del proceso:

Permite el despliegue de los datos de las personas almacenadas en la base de datos de acuerdo a la carga de la imagen de la huella digital procesando est imagen y obteniendo las minucias que sern comparadas con las almacenadas en la base de datos

Por medio del presente documento acepto que el proceso realizado en esta pantalla es el correcto y apruebo el control de calidad de la pantalla y el proceso que se encuentra implcito e n la misma.

Firma Aceptacin:

Nombre del Usuario: Christyan Zurita

-192-

INDICE CAPITULO I. 1.1 1.2 1.2.1 1.3 INTRODUCCION:.......................................................................................3

I N T R O D U C C I N : ..................................................................................................3 O B J E T I V O G E N E R A L . .......................................................................................3 O B J E T I V O S E S P E C I F I C O S : ..................................................................4 JUSTIF I C A C I N . ..................................................................................................5 MARCO TEORICO:.................................................................................8

CAPITULO II. 2.1 2.2 2.2.1 2.3 2.3.1

HUELLAS DIGITALES. ...............................................................................................8 LA DACTILOSCOPIA. ...............................................................................................10 DACTILOGRAMA. ..................................................................................................11 REGIONES DE LOS DEDOS Y DE LA PALMA DE LA MANO.........................11 TIPOS FUNDAMENTALES. ................................................................................12

2.3.1.1 ARCO. .....................................................................................................................12 2.3.1.2 2.3.1.3 2.3.1.4 2.3.1.5 2.3.1.6 2.3.1.6.1 2.3.1.6.2 2.3.1.6.3 2.3.1.6.4 PRESILLA INTERNA............................................................................................13 PRESILLA EXTERNA...........................................................................................13 VERTICILO.............................................................................................................13 DELTAS..................................................................................................................13 NCLEOS. .............................................................................................................14 NCLEOS ANCIFORMES...............................................................................14 NCLEOS VERTICILARES. ...........................................................................14 NCLEOS BIANCIFORMES...........................................................................15 NCLEOS MIXTOS..........................................................................................15
-193-

2.3.1.6.5 2.3.1.6.6 2.3.1.6.7 2.3.1.6.8

ASA Y GASA......................................................................................................15 CRCULOS. ........................................................................................................15 ELIPSE................................................................................................................16 ESPIRAL.............................................................................................................16

2.3.2 FRMULA DACTILOSCPICA..............................................................................16 2.4 CLASIFICACIN DE HUELLAS DIGITALES........................................................18

2.5 IMGENES DIGITALES..............................................................................................19 2.5.1 RESOLUCIN DE LAS IMGENES DIGITALES. ..............................................20 2.5.2 2.5.2.1 2.5.2.2 2.6 2.6.1 2.6.1.1 2.6.1.2 2.6.1.3 2.6.1.4 2.6.2 PROCESO DE RECONOCIMIENTO DE IMGENES ALGORITMOS. ......20 MTODO LINEAL.................................................................................................20 MTODO CUADRTICO..................................................................................21

RECONOCIMIENTO DE PATRONES....................................................................23 ENFOQUES DE RECONOCIMIENTO DE PATRONES. .................................24 RECONOCIMIENTO ESTADSTICO DE PATRONES. ................................24 RECONOCIMIENTO SINTCTICO DE PATRONES....................................24 REDES NEURONALES. ....................................................................................24 RECONOCIMIENTO LGICO COMBINATORIO DE PATRONES............25 PROBLEMAS DE RECONOCIMIENTO DE PATRONES................................25

2.6.2.1 SELECCIN DE VARIABLES.............................................................................25 2.6.2.2 2.6.2.3 2.6.3 CLASIFICACIN SUPERVISADA.....................................................................25 CLASIFICACIN NO SUPERVISADA..............................................................26 ESTRATEGIAS DE SELECCIN DE VARIABLES. ..........................................26
-194-

2.6.3.1 PARA LA CLASIFICACIN. ................................................................................26 2.6.3.2 PARA LA REPRESENTACIN. ..........................................................................26 2.6.3.3 SELECCIN DE VARIABLES.............................................................................27 2.6.3.3.1 WRAPPER...........................................................................................................27 2.6.3.3.2 2.6.4 2.6.4.1 2.6.4.2 2.6.4.3 2.6.5 2.6.5.1 2.6.6 2.7 2.7.1 2.7.2 2.7.3 2.7.4 2.7.5 2.7.6 2.7.6.1 FILTER................................................................................................................27

MTODOS DE SELECCIN DE VARIABLES. ..................................................27 TABLAS DE DECISIN.......................................................................................27 ID3...........................................................................................................................28 TEORA DE TESTORES.....................................................................................28 METODO DE BUSQUEDA MEJOR VECINO..................................................28 ALGORITMO. ......................................................................................................29 MEJOR VECINO VARIANTE. ............................................................................29 ESTUDIO DE REDES NEURONALES ARTIF ICIALES........................................30 ORIGEN DEL PARADIGMA DE COMPUTACIN CONEXIONISTA. ...........30 REDES NEURONALES BIOLGICAS. ...............................................................31 REDES NEURONALES ARTIFICIALES.............................................................33 FUNCIN DE PROPAGACIN O DE RED.......................................................34 FUNCIN DE ACTIVACIN. ................................................................................34 CONEXIONES PONDERADAS. ..........................................................................34 SALIDA..................................................................................................................34

2.7.6.2 COMPARACIN ENTRE LAS NEURONAS BIOLGICAS REALES Y LAS UNIDADES DE PROCESO ARTIFICIALES. ....................................................................35
-195-

2.7.7 2.7.7.1 2.7.7.2 2.7.7.3 2.7.7.4 2.7.7.5 2.7.7.6 2.7.7.7 2.7.8 2.7.8.1

CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES........35 APRENDIZAJE INDUCTIVO. ............................................................................35 GENERALIZACIN.............................................................................................35 ABSTRACCIN O TOLERANCIA AL RUIDO. ...............................................36 PROCESAMIENTO PARALELO.......................................................................36 MEMORIA DISTRIBUIDA. .................................................................................36 APRENDIZAJE SUPERVIS ADO. .....................................................................36 APRENDIZAJE NO SUPERVISADO. ..............................................................37 APLICACIONES DE LAS REDES NEURONALES ARTIFICIALES...............38 TIPOS DE REDES. .............................................................................................39

2.7.8.1.1 ASOCIADORES DE PATRONES O MEMORIAS HETEROASOCIATIVAS. .....................................................................................................39 2.7.8.1.2 REDES COMPETITIVAS O MAPAS DE AUTO-ORGANIZACIN...........40

2.7.9 REDES DE KOHONEN............................................................................................40 2.7.10 2.8 2.9 APRENDIZAJE. .....................................................................................................41 CUADRO COMPARATIVO DE METODOS..........................................................44 BIOMETRIA................................................................................................................46

2.9.1 DISPOSITIVOS BIOMETRICOS. ...........................................................................48 2.10 SELECCIN DEL MTODO DE RECONOCIMIENTO DE PATRONES A USARSE EN SISBIORHED.................................................................................................48 CAPITULO III DESARROLLO DE SISBIO RHED.......................................................49

3.1 INTRODUCCIN AL DESARROLLO: ........................................................................49 3.2 METODOLOGIA APLICADA:..................................................................................50

-196-

3.3

ANALISIS....................................................................................................................50

3.3.1 ALCANCE DEL SISTEMA. ......................................................................................51 3.3.2 LIMITACIONES..........................................................................................................52 3.3.3 REQUERIMIENTOS INFORMTICOS..................................................................53 3.3.3.1 SOFTWARE RECOMENDADO.............................................................................53 3.3.3.2 HARDWARE RECOMENDADO. ...........................................................................53 3.3.4 FACTIBILIDAD...........................................................................................................55 3.3.4.1 FACTIBILIDAD OPERACIONAL. ..........................................................................55 3.3.4.2 FACTIBILIDAD TCNICA.......................................................................................55 3.3.4.3 FACTIBILIDAD ECONMICA. ..............................................................................56 3.4 DISEO.......................................................................................................................58

3.4.1 DIAGRAMAS UML....................................................................................................58 3.4.1.1 DIAGRAMAS DE CASOS DE USOS....................................................................58 3.4.1.2 DIAGRAMAS DE SECUENCIA. ............................................................................61 3.4.1.3 DIAGRAMAS DE ACTIVIDAD. ..............................................................................64 3.4.1.4 DIAGRAMA DE CLASES. ......................................................................................67 3.4.1.5 DIAGRAMA DE COMPONENTES........................................................................68 3.4.2 DISEO DE BASE DE DATOS. ............................................................................69

3.4.2.1 ESTANDARES .........................................................................................................69 3.4.2.2 MODELO LGIC O. .................................................................................................70 3.4.2.3 MODELO FSIC O.....................................................................................................71 3.4.2.4 BASE DE DATOS ....................................................................................................72
-197-

3.4.2.5 DICCIONARIO DE DATOS. ...................................................................................72 3.4.2.6 CONEXIN Y MANEJO DE BDD DE IMGENES. ..........................................76 3.4.3 DISEO DE PANTALLAS..........................................................................................79 3.4.3.1 ESTANDARES ........................................................................................................79 3.4.3.2 FORMATO INIC IAL .................................................................................................80 3.4.3.3 FORMATO FINAL:...................................................................................................82 3.4.4 ALGORITMOS DEL SISTEMA: ................................................................................86 3.4.4.1 TRATAMIENTO DE IMGENES ...........................................................................86 3.4.4.1.1 METODO PROCESO DE IMAGEN................................................................86 3.4.4.1.2 NORMALIZACIN DE LA IMAGEN. .................................................................91 3.4.4.1.3 CLCULO DEL CAMPO DE ORIENTACIN.................................................91 3.4.4.1.3.1 ALGORITMO ORIENTACIN (IMAGE N). ....................................................92 3.4.4.1.4 ELECCIN DE LA ZONA DE INTERS. ........................................................93 3.4.4.1.4.1 ALGORITMO SEGMENTACIN. ...................................................................94 3.4.4.1.5 EXTRACCIN DE COLINAS. ............................................................................95 3.4.4.1.6 PERFILADO DE COLINAS.................................................................................96 3.4.4.1.7 ADELGAZAMIENTO. ...........................................................................................97 3.4.4.1.7.1 ALGORITMO DE ADELGAZAMIENTO. ........................................................98 3.4.4.1.8 ELIMINACIN DE IMPERFECCIONES. .........................................................99 3.4.4.1.9 EXTRACCIN DE MINUCIAS. .......................................................................100 3.4.4.1.10 VECTOR DE CARACTERIS TICAS..............................................................100 3.4.4.2 ALGORITMOS PRINCIPALES DEL SISTEMA .................................................101
-198-

CAPITULO IV IMPLEMENTACION.................................................................................107 4.1 DESCRIPCIN GENERAL DEL SISTEMA. .......................................................107

4.1.1 APLICACIN MINUCIAS.EXE.............................................................................107 4.1.2 APLICACIN SISBIORHED .EXE. ......................................................................110 4.2 PLATAFORMA.........................................................................................................110

CAPITULO V PRUEBAS Y RESULTADOS...................................................................112 5.1 5.2 INTRODUCCION .....................................................................................................112 PRUEBAS DE UNID ADES ....................................................................................112

5.2.1 PRUEBAS DE CAJA BLANCA O ESTRUCTURALES .....................................113 5.2.1.1 5.2.1.2 PRUEBAS DEL CAMINO BASICO ALGORITMOS ...................................113 PRUEBAS DE FUNCIONES .............................................................................130

5.2.2 PRUEBAS DE CAJA NEGRA O FUNCIONALES..............................................150 5.2.2.1 5.2.2.2 5.3 PARTICION EQUIVALENTE .............................................................................150 ANALISIS DE VALORES LIMITES ..................................................................154 PRUEBAS DE INTEGRACION .............................................................................155

5.3.1 FUNCIONALIDAD ENTRE MODULOS ...............................................................155 5.3.2 ACCESO Y GRABACION CON BDD ..................................................................158 5.4 PRUEBAS DE ACEPTACION...............................................................................160

5.4.1 FORMULARIOS DE DISEO Y FUNCIONALIDAD APROBADOS ...............160 5.4.1.1 5.4.1.2 TOMA DE HUELLAS DACTILARES................................................................162 ESCANEO DE HUELLAS DACTILARES........................................................163

-199-

5.4.1.3 IDENTIFICACIN DE DATOS MEDIANTE COMPARACIN DE HUELLAS DIGITALES...........................................................................................................................165 CAPITULO VI CONCLUSIONES Y RECOMENDACIONES..................................167

6.1 CONCLUSIONES........................................................................................................167 6.2 RECOMENDACIONES...............................................................................................169 ANEXOS ...............................................................................................................................170 ANEXO 1...............................................................................................................................171 ANEXO 2...............................................................................................................................185

-200-

ILUSTRACIONES

Fig. 1 Reconocimiento de Huella Digital Fig. 2 Huellas Digitales Fig. 3 Formula Dactiloscpica Fig. 4 Tipos de Huella Fig. 5 Clasificacin de una huella Fig. 6 Minucias Fig. 7 Mtodo Lineal Fig. 8 Diferencia Cuadrtica Fig. 9 Mtodo Cuadrtico Fig. 10 Patrones Fig. 11 Clasificacin no supervisada Fig. 12 Seleccin de variables Fig. 13 Neurona Fig. 14 Tasa de disparo Fig. 15. Unidad de proceso tpica Fig. 16 Modelo de Perceptrn (Rosemblatt, 1962) Fig. 17 Aprendizaje competitivo y clasificacin de patrones Fig. 18 Mouse Biomtrico Fig. 19 Modelo de desarrollo Fig. 20 Modelo en Cascada Fig. 21 Esquema de identificacin de huellas digitales. Fig. 22: ejemplo watermark Fig. 23 Procesamiento de la huella digital Fig. 24: (a) Huella original (b) Huella normalizada Fig. 25: (a) Huella orientada (b) Campos realineados Fig. 26 Algoritmo base para el clculo de orientacin en la imagen Fig.- 27: (a) Variaciones de la huella (b) Regin importante Fig. 28. Algoritmo para segmentar una imagen de huella dactilar. Fig. 29: (a) Imagen filtrada (b) Imagen obtenida Fig. 30: (a) Imagen despus del filtro perfilador (b) Imagen despus del segundo filtro perfilador con mscara espacial. Fig. 31: Algoritmo que permite hallar el esqueleto de la imagen de huella dactilar binarizada. Fig. 32: (a) Imagen despus de la simplificacin y eliminacin de imperfecciones.
-201-

Fig. 33 Procesamiento Sisbiorhed Fig. 34 Libreras Fig. 35 Formulario Splash Fig. 36 Imagen de huella original Fig. 37 Minucias Fig. 38 Archivo de Salida con Puntos Singulares Fig. 39 Imgenes de huellas

-202-

BIBLIOGRAFA

Mc Graw Hill, Charles Petzold, Programacin en Microsoft Windows con Microsoft Visual Basic.Net, 2003

Grupo Editorial Megabyte, Erika Alarcn Herrera, Visual Basic.Net,

Richard O. Duda, Pattern Classification, Second Edition, 2000

RAMA, Jos Ramn Hilera Gonzales, Redes Neuronales Artificiales,1995

Prentice Hall, Arturo de la Escalera Hueso, Visin por Computador Fundamentos y Mtodos, 2001

RAMA, Marino Tapiador Mateos, Tecnologas biomtricas aplicadas a la seguridad, 2005

Pressman R., Ingeniera de Software. Un enfoque prctico. McGraw Hill, 1993

Microsoft Visual Estudio. Net (2002), Manual de Visual Estudio .Net, 2002

D. C, Bridges, Practical Finger- Print, Funk and Wagnalls CO, Nueva York y Londres, 1942

Martnez, Benjamin, Dactiloscopa. Mis Lecciones. Mxico 1930,

Moreno Gonzlez Luis Rafael, Manual de Introduccin a la Criminalistica. Porra S.A. Mxico, 1977.

Quiroz Cuarn, Alfonso, Medicina Forense, Porra, sptima edicin. Mxico 1993
-203-

Jess Ariel Carrasco Ochoa, Instituto Nacional de Astrofsica ptica y Electrnica.pdf, 02-2-2005.

Fernando M.,Surez F.,Identificacin dactilar basada en Filtros de Gabor ,Departamento de Teor a de la Seal y Comunicaciones,Universidad de Vigo,2002.

Gaensslen

R.E.,Lee

H.C.,Advances

in

Fingerprint

Tchnology

.New

York:Elsevier,1991.

www.dlh.lahora.com.ec/paginas/medicinalegal/temas/ladactiloscopia.htm,

http://www.saval.cl/link.cgi/SavalNet/Reportajes/Lahuelladigital,

http://www.iiia.csic.es/~mario/rna/intro-rna.html,

http://club.telepolis.com/ohcop/images/mv3 ,

http://www.globalcard2000.com/es/biometria/siemens_biometry/index.htm,

http://www.edicionesespeciales.elmercurio.com/destacadas/detalle/index.asp? idnoticia=0

http://bibliotk.gdl.up.mx/ceup/huella.pdf.

www.sagem.com/en/produits-en/biometrie-en/afis-civil-en.htm

-204-