Reconocimiento y validación de huellas dactilares ...m.uelbosque.edu.co/.../revista_tecnologia/...huellas_dactilares7-1.pdf · como una huella dactilar, la silueta de la mano, patrones

[13] T. Sellis and S. Ghosh, “On the multiple-query opt imizat ion problem,” K nowledge and Data Engineering, IEEE Transactions on, vol. 2, pp. 262266, 1990.

[14] T. K. Sellis, “Multiple-query optimization,” ACM Trans. Database Syst., vol. 13, pp. 2352, 1988. [Online]. Available:http://portal.acm.org/citation.cfm?id=42201.42203.

[15] K. Shim, T. K. Sellis, and D. S. Nau, “Improvements on a heuristic algorithm for multiple-query optimization,” Data Knowledge Engineering, vol. 12, no. 2, pp. 197222, 1994. [Online]. Available:citeseer.ist.psu.edu/shim94improvements.html.

[16] Y. Watanabe and H. Kitagawa, “Adaptive query optimization method for multiple continuous queries,” in Data Engineering Workshops, 2005. 21st International Conference on, 2005, p. 1242.

[8] J. Holland, “Adaptation in natural and artificial systems, University of Michigan press,” Ann Arbor, MI, 1975. [9] P. Kalnis and D. Papadias, “Multi-query optimization for on-line analy tical processing,” Information Systems, vol. 28, pp. 457473, Jul. 2003. [Online]. Available: http://dx.doi.org/10.1016/S0306-4379(02)00026-1.

[10] R. Ramakrishnan and J. D. Ullman, “A survey of deductive database systems,” The Journal of Logic Programming, vol. 23, pp. 125149, May 1995.

[11] A. Rosenthal and U. S. Chakravarthy, “Anatomy of a modular multiple query optimizer.” Morgan Kaufmann Publishers Inc., 1988, pp. 230239. [Online]. Available:http://portal.acm.org/citation.cfm?id=671813.

[12] P. Roy, S. Seshadri, S. Sudarshan, and S. Bhobe, “Efficient and extensible algorithms for multi query optimization,” SIGMOD Rec., vol. 29, pp. 249260, 2000. [Online]. Available:http://portal.acm.org/citation.cfm?id=335191.335419.

Author

Scientific and Technological Research Paper. Peer reviewed.

Juan Felipe García

School of Computer Engineering - National University of ColombiaAv. 30 45 00, Bogotá D.C., Colombia. [email protected]

Reconocimiento y validación de huellas dactilares utilizando una Red Neuronal

Recognition and validation of fingerprints using a Neural Network

Resumen

El presente articulo se enmarca dentro de la línea de software Libre y tiene como fin dar a conocer el proceso que es empleado en el desarrollo de un prototipo para el registro y validación de huellas digitales utilizando una red neuronal, con el fin de facilitar los procesos que se llevan a cabo en el momento de registrar e identificar una persona. El registro de la persona se lleva a cabo cuando pone su dedo en un dispositivo, se toma la imagen de la huella y la aplicación hace el proceso de clasificación y extracción de características de la huella mediante la red neuronal quedando registradas en una base de datos. La verificación se lleva a cabo cuando una persona pone su huella en el dispositivo, se toma la imagen de la huella y la aplicación busca las huellas procesadas por la red neuronal con características similares y escoge la más parecida siguiendo ciertos parámetros.

Palabras claves: Base de Datos, Biométrico, Dispositivo, Red Neuronal Artificial, Software Libre.

Abstract

The present article is framed in the free software research line and the objective is show the process that can be used in the development of a prototype to record and validate fingerprints using an artificial neural network, in order to facilitate processes carried out when registering and identifying a person. A person's registry is carried out when people puts his finger on a device, takes the fingerprint image and the software makes all the process of classification and extraction of characteristics of the fingerprint using a artificial neural network. The person's verification is carried out when people puts her fingerprint on the device, takes the fingerprint image and the software looking for the processing fingerprints by the artificial neural network with similar characteristics and choose the most seemed following cer tain parameters.

Key words: Data Base, Biometric, Device, Artificial Neural Network, Free Software.

Juan Carlos Santamaría Olivares*

Recibido: 07/2007. Evaluado: 03/12/07. Aceptado: 21/01/08.

* Estudiante de Ingeniería de Sistemas de la Universidad El Bosque

Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 49-54 Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60

54 55

En el presente artículo se abordarán temas como son los principios básicos de un sistema de identificación biométrica, características principales de las huellas digitales como medio de identificación biométrica y por último se hablará de una red neuronal llamada mapa de Kohonen, como método de extracción y verificación de características biométricas en una huella digital, ya que mencionados temas son de gran interés para alcanzar el objetivo de investigación el cual es dar a conocer el proceso que es empleado por un prototipo de registra y valida huellas digitales.

II. IDENTIFICACIÓN BIOMÉTRICA

Para David Zhang: “La biometría es la ciencia que se dedica a la identificación de individuos a partir de una ca rac ter ís t ic a anatómica o un ra sgo de su comportamiento” [6]. Una característica anatómica tiene la cualidad de ser relativamente estable en el tiempo, tal como una huella dactilar, la silueta de la mano, patrones de la retina o el iris.

Los Sistemas Biométricos son métodos automatizados de reconocimiento de personas basados en características fisiológicas o conductistas [1]. Algunas de las características son cara, huellas digitales, geometría de la mano, escritura a mano, el iris, de retina, la vena y la voz.

Las tecnologías biométricas se están volviendo el pr incipio básico de un conjunto imponente de identificación altamente seguro y soluciones de verificación personal.

De todos los sistemas de identificación biométrica existentes, las huellas dactilares son las únicas legalmente reconocidas como prueba fidedigna de identidad. Es un sistema que además de ser efectivo, es cómodo de aplicar, la autenticación se obtiene rápidamente y tiene un grado de seguridad tan alto debido a que nadie podría sustraer, copiar o reproducir los elementos usados en ella, ya que son elementos inherentes a su portador [7].

Un sistema de reconocimiento de huellas dactilares consta de 4 etapas: Adquisición de la Imagen, Pre-procesamiento de la Imagen, Extracción de características y Matching o Reconocimiento.

La extracción de características es la etapa primordial en el reconocimiento de huellas dactilares, por lo tanto mientras más confiable sea el método utilizado en esta etapa, obtendremos un mejor rendimiento del sistema.

Existen 2 enfoques para la extracción de características: enfoque basado en minucias y el enfoque basado en la imagen [6].

I. INTRODUCCIÓN

Los sistemas biométricos han sido durante los últimos años un tema de extensa investigación fundamentado en actividades automatizadas relacionadas con la capacidad para establecer la identidad de los individuos a través de características anatómicas. Un indicador que satisface estos requisitos es la huella dactilar; se hace necesario el análisis y estudios tecnológicos de las huellas digitales para la identificación y reconocimiento inequívoco de una persona, y así reducir la posibilidad de cometer errores de falsa aceptación, que es cuando se acepta a alguien que no es; por ejemplo, alguien podría clonar una credencial de identificación, o adueñarse de los números confidenciales de una persona para hacer una transacción en perjuicio de su legítimo dueño, y hasta falsificar su firma.

En respuesta a situaciones como la anterior el proceso de autenticación digital de huellas dactilares está siendo adaptado en diferentes campos ya que actualmente este sistema es una herramienta muy poderosa para identificar personas. “En la actualidad las huellas dactilares representan una de las tecnologías biométricas más maduras y son consideradas pruebas legítimas de evidencia criminal en cualquier corte del mundo” [6].

Según Paula González, periodista de el periódico El País de Cali-Colombia "Ex isten var ias tecnologías biométricas, pero la más utilizada es la de reconocimiento de las huellas digitales, con un 48,8% de participación en el mercado de esta tecnología, por ser la más estudiada, desarrollada y aceptada hasta la fecha" [2].

Se estima que la probabilidad de que dos personas tengan las mismas huellas dactilares es aproximadamente de 1 en 64.000 millones. Cuando se digitaliza una huella, los detalles relativos a las líneas (curvatura, separación,…), así como la posición absoluta y relativa de las minucias extraídas, son procesados mediante algoritmos que permiten obtener un índice numérico correspondiente a dicha huella, el resultado es un diagnóstico certero en más del 99% de los casos. Y se ha comprobado, a raíz de un estudio realizado por el Nacional Institute of Standards and Technology (NIST) en 2004, que el grado de precisión aumenta a medida que se incrementa el número de dedos cotejados [7].

Debido al creciente interés industrial por este ámbito tecnológico, y a los múltiples beneficios que su uso apor ta, en los últimos años se ha notado una preocupación creciente por las organizaciones regulatorias respecto a elaborar estándares relativos al uso de técnicas biométricas en el ambiente informático, no obstante ello, aún la estandarización continúa siendo deficiente [6].

• Minucias: Es el punto en el que termina una cresta o se bifurca en dos o más crestas. Se define en términos de sus coordenadas (x, y) y el ángulo de orientación de la cresta [3]. Ver Figura Nº 2.

La característica más interesante que presentan tanto las minucias como los puntos singulares núcleo y delta es que son únicos para cada individuo y permanecen inalterados a través de su vida. A pesar de la variedad de minucias, las más importantes son las terminaciones y bifurcaciones de crestas. Esto último se debe a que las terminaciones de crestas representan aproximadamente el 60.6% de todas las minucias en una huella y las bifurcaciones el 17.9%. Además varias de las minucias menos típicas pueden expresarse en función de las dos señaladas [6].

A continuación se presentan las minucias frecuentemente consideradas.

- Una isla se presenta cuando se unen las dos ramas de dos bifurcaciones diferentes, ambas bifurcaciones deben estar frente a frente.

- En una bifurcación la línea de la cresta se divide en varios segmentos de línea.

- La terminación es donde la línea de la cresta inicia o acaba.

- El punto es una línea de la cresta bastante corta que no esta conectada a ninguna otra línea de cresta.

• Minucias: III. CARACTERÍSTICAS DE LAS HUELLAS DIGITALES

Las huellas digitales están constituidas por rugosidades que forman salientes y depresiones. Las salientes se denominan crestas papilares y las depresiones surcos interpapilares”. En las crestas se encuentran las glándulas sudoríparas. El sudor que éstas producen contiene aceite, que se retiene en los surcos de la huella, de tal manera que cuando el dedo hace contacto con una superficie, queda un residuo de ésta, lo cual produce un facsímil o negativo de la huella [4].

La huella digital es utilizada con éxito en todo el mundo para la identificación de personas por diferentes organismos, esto se debe a los siguientes aspectos:

• Permanencia: No cambian sus características con el tiempo.

• Unicidad: Siempre difieren, son únicas e irrepetibles aún en gemelos. • Universalidad: Todas las personas tiene huellas digitales.

• Cuantificación: La característica puede ser medida en forma cuantitativa.

CARACTERÍSTICAS DE LAS HUELLAS DIGITALES

Las huellas digitales tiene características visibles que son: las crestas, los surcos, las minucias, el núcleo y el delta.

• Surcos: Son la áreas de la huella digitales que se encuentran a cierto nivel de profundidad.

• Crestas: Son la áreas de la huella digitales que se encuentran al nivel de la misma. Ver Figura 1.

• Permanencia:

• Unicidad:

• Universalidad:

• Cuantificación:

• Surcos:

Crestas:


Figura 1. Crestas y Surcos

Figura 2. Representación de minucias en términos de suposición y dirección

Figura 3. Tipos de Minucias

Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60

56 57


En el presente artículo se abordarán temas como son los principios básicos de un sistema de identificación biométrica, características principales de las huellas digitales como medio de identificación biométrica y por último se hablará de una red neuronal llamada mapa de Kohonen, como método de extracción y verificación de características biométricas en una huella digital, ya que mencionados temas son de gran interés para alcanzar el objetivo de investigación el cual es dar a conocer el proceso que es empleado por un prototipo de registra y valida huellas digitales.

II. IDENTIFICACIÓN BIOMÉTRICA

Para David Zhang: “La biometría es la ciencia que se dedica a la identificación de individuos a partir de una ca rac ter ís t ic a anatómica o un ra sgo de su comportamiento” [6]. Una característica anatómica tiene la cualidad de ser relativamente estable en el tiempo, tal como una huella dactilar, la silueta de la mano, patrones de la retina o el iris.

Los Sistemas Biométricos son métodos automatizados de reconocimiento de personas basados en características fisiológicas o conductistas [1]. Algunas de las características son cara, huellas digitales, geometría de la mano, escritura a mano, el iris, de retina, la vena y la voz.

Las tecnologías biométricas se están volviendo el pr incipio básico de un conjunto imponente de identificación altamente seguro y soluciones de verificación personal.

De todos los sistemas de identificación biométrica existentes, las huellas dactilares son las únicas legalmente reconocidas como prueba fidedigna de identidad. Es un sistema que además de ser efectivo, es cómodo de aplicar, la autenticación se obtiene rápidamente y tiene un grado de seguridad tan alto debido a que nadie podría sustraer, copiar o reproducir los elementos usados en ella, ya que son elementos inherentes a su portador [7].

Un sistema de reconocimiento de huellas dactilares consta de 4 etapas: Adquisición de la Imagen, Pre-procesamiento de la Imagen, Extracción de características y Matching o Reconocimiento.

La extracción de características es la etapa primordial en el reconocimiento de huellas dactilares, por lo tanto mientras más confiable sea el método utilizado en esta etapa, obtendremos un mejor rendimiento del sistema.

Existen 2 enfoques para la extracción de características: enfoque basado en minucias y el enfoque basado en la imagen [6].

I. INTRODUCCIÓN

Los sistemas biométricos han sido durante los últimos años un tema de extensa investigación fundamentado en actividades automatizadas relacionadas con la capacidad para establecer la identidad de los individuos a través de características anatómicas. Un indicador que satisface estos requisitos es la huella dactilar; se hace necesario el análisis y estudios tecnológicos de las huellas digitales para la identificación y reconocimiento inequívoco de una persona, y así reducir la posibilidad de cometer errores de falsa aceptación, que es cuando se acepta a alguien que no es; por ejemplo, alguien podría clonar una credencial de identificación, o adueñarse de los números confidenciales de una persona para hacer una transacción en perjuicio de su legítimo dueño, y hasta falsificar su firma.

En respuesta a situaciones como la anterior el proceso de autenticación digital de huellas dactilares está siendo adaptado en diferentes campos ya que actualmente este sistema es una herramienta muy poderosa para identificar personas. “En la actualidad las huellas dactilares representan una de las tecnologías biométricas más maduras y son consideradas pruebas legítimas de evidencia criminal en cualquier corte del mundo” [6].

Según Paula González, periodista de el periódico El País de Cali-Colombia "Ex isten var ias tecnologías biométricas, pero la más utilizada es la de reconocimiento de las huellas digitales, con un 48,8% de participación en el mercado de esta tecnología, por ser la más estudiada, desarrollada y aceptada hasta la fecha" [2].

Se estima que la probabilidad de que dos personas tengan las mismas huellas dactilares es aproximadamente de 1 en 64.000 millones. Cuando se digitaliza una huella, los detalles relativos a las líneas (curvatura, separación,…), así como la posición absoluta y relativa de las minucias extraídas, son procesados mediante algoritmos que permiten obtener un índice numérico correspondiente a dicha huella, el resultado es un diagnóstico certero en más del 99% de los casos. Y se ha comprobado, a raíz de un estudio realizado por el Nacional Institute of Standards and Technology (NIST) en 2004, que el grado de precisión aumenta a medida que se incrementa el número de dedos cotejados [7].

Debido al creciente interés industrial por este ámbito tecnológico, y a los múltiples beneficios que su uso apor ta, en los últimos años se ha notado una preocupación creciente por las organizaciones regulatorias respecto a elaborar estándares relativos al uso de técnicas biométricas en el ambiente informático, no obstante ello, aún la estandarización continúa siendo deficiente [6].

• Minucias: Es el punto en el que termina una cresta o se bifurca en dos o más crestas. Se define en términos de sus coordenadas (x, y) y el ángulo de orientación de la cresta [3]. Ver Figura Nº 2.

La característica más interesante que presentan tanto las minucias como los puntos singulares núcleo y delta es que son únicos para cada individuo y permanecen inalterados a través de su vida. A pesar de la variedad de minucias, las más importantes son las terminaciones y bifurcaciones de crestas. Esto último se debe a que las terminaciones de crestas representan aproximadamente el 60.6% de todas las minucias en una huella y las bifurcaciones el 17.9%. Además varias de las minucias menos típicas pueden expresarse en función de las dos señaladas [6].

A continuación se presentan las minucias frecuentemente consideradas.

- Una isla se presenta cuando se unen las dos ramas de dos bifurcaciones diferentes, ambas bifurcaciones deben estar frente a frente.

- En una bifurcación la línea de la cresta se divide en varios segmentos de línea.

- La terminación es donde la línea de la cresta inicia o acaba.

- El punto es una línea de la cresta bastante corta que no esta conectada a ninguna otra línea de cresta.

• Minucias: III. CARACTERÍSTICAS DE LAS HUELLAS DIGITALES

Las huellas digitales están constituidas por rugosidades que forman salientes y depresiones. Las salientes se denominan crestas papilares y las depresiones surcos interpapilares”. En las crestas se encuentran las glándulas sudoríparas. El sudor que éstas producen contiene aceite, que se retiene en los surcos de la huella, de tal manera que cuando el dedo hace contacto con una superficie, queda un residuo de ésta, lo cual produce un facsímil o negativo de la huella [4].

La huella digital es utilizada con éxito en todo el mundo para la identificación de personas por diferentes organismos, esto se debe a los siguientes aspectos:

• Permanencia: No cambian sus características con el tiempo.

• Unicidad: Siempre difieren, son únicas e irrepetibles aún en gemelos. • Universalidad: Todas las personas tiene huellas digitales.

• Cuantificación: La característica puede ser medida en forma cuantitativa.


Las huellas digitales tiene características visibles que son: las crestas, los surcos, las minucias, el núcleo y el delta.

• Surcos: Son la áreas de la huella digitales que se encuentran a cierto nivel de profundidad.

• Crestas: Son la áreas de la huella digitales que se encuentran al nivel de la misma. Ver Figura 1.

• Permanencia:

• Unicidad:

• Universalidad:

• Cuantificación:

• Surcos:

Crestas:


Figura 1. Crestas y Surcos

Figura 2. Representación de minucias en términos de suposición y dirección

Figura 3. Tipos de Minucias


56 57


Tiene las siguientes características:

Aprendizaje sin supervisión: No se utiliza los datos de salida como maestro para indicar a la red que se había cometido un error. Sus principales utilidades son entre otras, descubrir las regularidades presentes en los datos, extraer rasgos o agrupar patrones según su similitud.

Algoritmos competitivos: La unidad más apta es la única que envía un valor a las unidades de la capa de salida.

Correspondencia que respeta la topología: Entre los datos de entrada y las unidades competitivas [3].

El aprendizaje en la red de kohonen por ser no supervisado, requiere un nuevo entrenamiento cada vez que se desee que la red neuronal clasifique uno o más patrones. Desde el punto de vista de su organización, la red de Kohonen consta de dos capas, una capa de entrada y otra capa que se llamará capa competitiva. La capa competitiva se encuentra formada por neuronas artificiales a partir de cuya competencia entre si en la fase de entrenamiento, resultarán grupos de neuronas. Los grupos de neuronas, considerados en conjunto, configuran el mapa de características en el que los patrones se encuentran clasificados [5].

Cuando una entrada I es presentada a la red, las neuronas de la capa competitiva calculan su entrada neta como:

neta = distancia(I, W )j j

La neurona con valor más alto será considerada la ganadora y será la única neurona dentro de la capa competitiva con valor de salida 1, el resto tendrá valor de salida 0.

En el aprendizaje los pesos que relacionan la capa de entrada con la capa oculta (a), pretende ir aproximando el vector W al vector I (b).

Aprendizaje sin supervisión:

Algoritmos competitivos:

Correspondencia que respeta la topología:

• Núcleo: Es el punto más alto de la cresta curvada más interior.

• Delta: Es la zona donde se unen tres flujos de crestas. Ver Figura 4.

El Núcleo y el Delta suelen estar presente en la mayoría de huellas, por la tanto pueden ser usados como puntos de referencia.

REGISTRO Y VERIFICACIÓN AUTOMATIZADA DE HUELLAS DIGITALES

Se crea un modelo computarizado de la huella, un vector de información intrínseca de la huella, para luego ser indexada y almacenada por lo general en una base de datos, que puede ser contrastada frente a otra presentada ya sea en persona, o a través de una fracción de huella levantada en algún lugar, o bien, tomada de una tarjeta decadactilar. Para ello se utiliza un algoritmo que permite asociar la huella que se desea identificar, con otras de similares características, almacenadas en la base de datos.

IV. RED NEURONAL: MAPA DE KOHONEN

Una red neuronal artificial, es un modelo coleccionista cuyos elementos o nodos, conectados entre si, simulan las funciones desempeñadas por las células cerebrales denominadas neuronas [8].

El profesor Jürgen Sauer ha trabajado en este campo con un tipo de red neuronal llamada Mapa de kohoen, el cual esta basada en el concepto de mapas autoorganizativos, este tipo de redes busca aprender a detectar regularidades y correlaciones entre las entradas, el cual se utilizara en el presente proyecto.

La red neuronal artificial de Kohonen resulta de utilidad en la clasificación de patrones obteniéndose un mapa, el mapa de características, en el que se encontraran clasificados los patrones que han sido presentados a la red durante la fase de entrenamiento o aprendizaje [5].

• Núcleo:

• Delta:


Figura 4. Núcleo y Delta

Figura 5. Vectores

En donde W será la representación de la huella de entrada e I será la representación de la huella registrada.

Los pesos se actualizan de la siguiente forma:

w (t+1) = w (t) + a (I w (t))

De acuerdo con la red neuronal planteada y utilizada estos son los resultados en el momento de sacar las minucias de una huella:

V. CONCLUSIONES

El éxito del proceso radica en la calidad de la imagen de entrada, ya que si presenta suciedad o presenta problemas en la calidad de la huella de la muestra tomada, el sistema arrojará resultados imprecisos en algunos de estos casos.

Utilizando la red neuronal como método de extracción de minucias el sistema presenta un mejor rendimiento en cuanto a tiempos de respuesta que utilizando otro método como por ejemplo algoritmos con geometría hiperbólica.

Utilizar sistemas biométricos para la autenticación p er s ona l s e e s t á vo lv iendo conven ient e y considerablemente más preciso que los métodos actuales (como la utilización de contraseñas), esto es porque es particular (una contraseña o señal puede ser usada por alguien aparte del usuario autorizado), conveniente (nada

Figura 6 Actualización de los pesos de las entradas dela red

Figura 7. Pantalla procesamiento de la imagen

Figura 8. Pantalla Aprendizaje de la red neuronal


58 59


Tiene las siguientes características:

Aprendizaje sin supervisión: No se utiliza los datos de salida como maestro para indicar a la red que se había cometido un error. Sus principales utilidades son entre otras, descubrir las regularidades presentes en los datos, extraer rasgos o agrupar patrones según su similitud.

Algoritmos competitivos: La unidad más apta es la única que envía un valor a las unidades de la capa de salida.

Correspondencia que respeta la topología: Entre los datos de entrada y las unidades competitivas [3].

El aprendizaje en la red de kohonen por ser no supervisado, requiere un nuevo entrenamiento cada vez que se desee que la red neuronal clasifique uno o más patrones. Desde el punto de vista de su organización, la red de Kohonen consta de dos capas, una capa de entrada y otra capa que se llamará capa competitiva. La capa competitiva se encuentra formada por neuronas artificiales a partir de cuya competencia entre si en la fase de entrenamiento, resultarán grupos de neuronas. Los grupos de neuronas, considerados en conjunto, configuran el mapa de características en el que los patrones se encuentran clasificados [5].

Cuando una entrada I es presentada a la red, las neuronas de la capa competitiva calculan su entrada neta como:

neta = distancia(I, W )j j

La neurona con valor más alto será considerada la ganadora y será la única neurona dentro de la capa competitiva con valor de salida 1, el resto tendrá valor de salida 0.

En el aprendizaje los pesos que relacionan la capa de entrada con la capa oculta (a), pretende ir aproximando el vector W al vector I (b).

Aprendizaje sin supervisión:

Algoritmos competitivos:

Correspondencia que respeta la topología:

• Núcleo: Es el punto más alto de la cresta curvada más interior.

• Delta: Es la zona donde se unen tres flujos de crestas. Ver Figura 4.

El Núcleo y el Delta suelen estar presente en la mayoría de huellas, por la tanto pueden ser usados como puntos de referencia.


Se crea un modelo computarizado de la huella, un vector de información intrínseca de la huella, para luego ser indexada y almacenada por lo general en una base de datos, que puede ser contrastada frente a otra presentada ya sea en persona, o a través de una fracción de huella levantada en algún lugar, o bien, tomada de una tarjeta decadactilar. Para ello se utiliza un algoritmo que permite asociar la huella que se desea identificar, con otras de similares características, almacenadas en la base de datos.

IV. RED NEURONAL: MAPA DE KOHONEN

Una red neuronal artificial, es un modelo coleccionista cuyos elementos o nodos, conectados entre si, simulan las funciones desempeñadas por las células cerebrales denominadas neuronas [8].

El profesor Jürgen Sauer ha trabajado en este campo con un tipo de red neuronal llamada Mapa de kohoen, el cual esta basada en el concepto de mapas autoorganizativos, este tipo de redes busca aprender a detectar regularidades y correlaciones entre las entradas, el cual se utilizara en el presente proyecto.

La red neuronal artificial de Kohonen resulta de utilidad en la clasificación de patrones obteniéndose un mapa, el mapa de características, en el que se encontraran clasificados los patrones que han sido presentados a la red durante la fase de entrenamiento o aprendizaje [5].

• Núcleo:

• Delta:


Figura 4. Núcleo y Delta

Figura 5. Vectores

En donde W será la representación de la huella de entrada e I será la representación de la huella registrada.

Los pesos se actualizan de la siguiente forma:

w (t+1) = w (t) + a (I w (t))

De acuerdo con la red neuronal planteada y utilizada estos son los resultados en el momento de sacar las minucias de una huella:

V. CONCLUSIONES

El éxito del proceso radica en la calidad de la imagen de entrada, ya que si presenta suciedad o presenta problemas en la calidad de la huella de la muestra tomada, el sistema arrojará resultados imprecisos en algunos de estos casos.

Utilizando la red neuronal como método de extracción de minucias el sistema presenta un mejor rendimiento en cuanto a tiempos de respuesta que utilizando otro método como por ejemplo algoritmos con geometría hiperbólica.

Utilizar sistemas biométricos para la autenticación p er s ona l s e e s t á vo lv iendo conven ient e y considerablemente más preciso que los métodos actuales (como la utilización de contraseñas), esto es porque es particular (una contraseña o señal puede ser usada por alguien aparte del usuario autorizado), conveniente (nada

Figura 6 Actualización de los pesos de las entradas dela red

Figura 7. Pantalla procesamiento de la imagen

Figura 8. Pantalla Aprendizaje de la red neuronal


58 59


[4] Identificación Biométrica con huellas digitales, (online), Diciembre 2002, Último acceso 01 de Septiembre de 2006.http://ciberhabitat.gob.mx/hospital/huellas/textos/identificacion.htm.

[5] LAHOZ-BELTRÁ, Rafael. Bioinformática: Simulación, vida artificial e inteligencia artificial. Díaz santos Edit. 2004. 616p.

[6] MORALES, Domingo. Sistemas Biométricos (online). 2004. Último acceso 09 de Agosto de 2006.http://www2.ing.puc.cl/~iing/ed429/sistemas_biometricos.htm

[7] TECNOCIENCIA: Monográfico de divulgación, biometría. (online). Último acceso 10 de agosto de 2006. http://www.tecnociencia.es/monograficos/biometria/biometria2.html.

[8] ZHANG, David D. Automated Biometr ics: Technologies And Systems. Springer Edit. 2000. 344p.

a llevar o recordar), preciso (tiene prevista autenticación positiva), pueden proveer una pista para auditoria y son socialmente aceptables.

El sistema de identificación biométrica con huellas digitales es uno de los sistemas actualmente más rápidos y su seguridad depende del grado de aceptación que se le dé al mismo. Los umbrales de aceptación para el FRR (Tasa de falso rechazo) y al FAR (Tasa de falsa aceptación) son dados por criterio o necesidades de quien lo va a utilizar.

REFERENCIAS

[1] ELICECHE, Julio Alejandro. Criptografía y Seguridad Informática. (online). Último acceso 10 Septiembre de 2006.http://cactus.fi.uba.ar/crypto/tps/SistemasBiometricos.pdf

[2]GONZÁLEZ CORREA, Paula. El dedo será la contraseña para retirar dinero con seguridad La clave estará en la huella digital. En periódico EL PAIS. Cali-Colombia. Junio de 2002.

[3] FREEMAN, James. Redes Neuronales. Massachussets EEUU. Addison-Wesley Publishing Company. 1991. 430 p.

El Autor

Artículo de Reporte de Caso. Sometido a Arbitraje.

Juan Carlos Santamaría Olivares

Estudiante de décimo semestre de Ingeniería de Sistemas de la Universidad El Bosque. Desarrollo éste proyecto dentro del Equipo de Investigación de Software Libre de la Facultad de Ingeniería de Sistemas.Carrera 7 B Bis 132 - 11, Bogotá D.C., Colombia. [email protected]

Help-Desk para el mantenimiento preventivo en Maquinaria Pesada

Help-Desk for preventive maintenance in Heavy Machinery

Resumen

El presente artículo se centra en la descripción del proyecto de un software aplicado en un esquema Web que se utilizó para llevar el control de los mantenimientos realizados a la maquinaria pesada para la empresa SISTEMAS & AUTOMATISMOS LTDA., creada para dar solución a las necesidades que tiene actualmente en cuanto al manejo de la información. Mediante esta aplicación se pueden registrar las Órdenes de trabajo de cada máquina que requiera mantenimiento, ya sea preventivo o correctivo, donde se puede detallar todo el proceso que se le va realizar a la máquina, y los suministros que va utilizar; esta empresa cuenta con varias sucursales en todo el país, y cada una de ella cuenta con diferentes máquinas o plantas las cuales necesita de un control y mantenimiento programado.

Palabras claves: Soft ware, Web, Help-Desk, Mantenimiento, Maquinaria Pesada, PHP, MySql, OOWS.

Abstract

The present paper describes the project of software applied in a scheme Web that was used to take the control of the maintenance of the heavy machinery for the company SISTEMAS & AUTOMATISMOS Ltda., created to give solution to the necessities that it has regarding the handling of the information. By means of this application is possible to register work orders of each machine that requires preventive or corrective maintenance or, where is possible to detail all the process made in the machine, and the provisions that will be used; this company counts with several branches in all the country, and each one counts with different machines which need controled and programmed maintenance.

Key words: Software, Web, Help-Desk, Maintenance, Heavy Machinery, PHP, MySql, OOWS.

Yolanda Hernández Ávila*

Recibido: 07/2007. Evaluado: 03/12/07. Aceptado: 21/01/08.

* Ingeniera de Sistemas, Universidad El Bosque.

Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 55-60 Revista de Tecnología - Journal of Technology • Volumen 7, No. 1, Enero - Julio 2008 • ISSN1692-1399 • P. 61-65

60 61

Documents

Reconocimiento y validación de huellas dactilares ...m.uelbosque.edu.co/.../revista_tecnologia/...huellas_dactilares7-1.pdf · como una huella dactilar, la silueta de la mano, patrones