Розробка методу обробки зображень ока з метою використання при біометричній авторизації в комп'ютерних системах
Анотація
Анотація. У цій статті запропоновано вдосконалений алгоритм обробки зображень капілярів кон'юнктиви ока для використання в процесі безконтактної біометричної авторизації користувачів комп'ютерних систем. Алгоритм розроблений та працює на базі Raspberry PI 4 model b, Raspberry Pi High Quality Camera, та макрообʼєктиву з фокусною відстанню у 8 міліметрів. Детально описано алгоритм обробки зображень, що включає попередню обробку, покращення контрасту, виділення країв за допомогою детектора Кенні, морфологічну обробку та скелетонізацію для отримання чистої капілярної сітки. Головною перевагою методу є його виняткова стійкість до спуфінгу. На відміну від розпізнавання обличчя, яке можна обдурити маскою або відеозаписом, живу мережу капілярів неможливо відтворити штучно. Крім того, ця технологія пропонує неймовірну зручність: користувачеві не потрібно торкатися до жодного сенсора (як у випадку з відбитком пальця) або прилаштовувати очі до певного сканера (як для ірісу). Авторизація може відбуватися безперервно, поки користувач просто дивиться на екран, абсолютно не перешкоджаючи його роботі. Найбільший потенціал цієї технології розкривається при її поєднанні з поведінковим аналізом (аналізом руху ока, кліпання, напрямку погляду). Такий гібридний підхід забезпечує не лише високий рівень захисту, але й безперервну аутентифікацію, коли система постійно перевіряє, чи досі за комп'ютером знаходиться той самий авторизований користувач. Це відкриває нові горизонти для захисту критично важливих інформаційних систем.
Посилання
2. Afanasiev I, Sytnikov V. The perception of elements of the cognitive system in robotics. Electrotechnic and Computer Systems.2023; 38 (114): 46–57. DOI: 10.15276/eltecs.38.114.2023.6[In Ukrainian]
3. Tohoiev O, Burlachenko I, Zhuravska I, Savinov V. The monitoring system based on a multi-agent approach for moving objects positioning in wireless networks. CEUR Workshop Proceedings. 2020; 2608: 79–90. Online [Accessed 19 August 2025] https://ceur-ws.org/Vol-2608/
4. Chuiko G, Dvornik O, Darnapuk Ye, Krainyk Ya, Puzyrov S. Computer processing of ambulatory blood pressure monitoring as multivariate data. IEEE 15th International Conference on the Perspective Technologies and Methods in MEMS Design, MEMSTECH 2019 – Proceedings,Polyana, Ukraine, 22–26 May 2019; 8817375: 23–27. DOI: 10.1109/MEMSTECH.2019.8817375.
5. Medvinskyi S. The user authorization in computer system by tracking the image of chori-ocapillaris. Computer-Integrated Technologies: Education, Science, Production. 2023; 50: 71–77. DOI: 10.36910/6775-2524-0560-2023-50-10 [In Ukrainian]
6. Choi G-H, Moon H-M, Pan S-B. Biometrics system technology trends based on biosignal. J of Dig Convergence. 2017; 15(1): 381–391. DOI: 10.14400/JDC.2017.15.1.381.
7. Buriboev A, Khashimov A, Abduvaitov A, Jeon H. CNN-based kidney segmentation using a modified CLAHE algorithm. Sensors. 2024; 24: 7703. DOI: 10.3390/s24237703.
8. Crihalmeanu S, Ross A. On the use of multispectral conjunctival vasculature as a soft biometric. IEEE Workshop on Applications of Computer Vision (WACV), Kona, HI, USA, 05–07 January 2011: 204–211. DOI: 10.1109/WACV.2011.5711504.
9. Lien C-W, Vhaduri S. Challenges and op-portunities of biometric user authentication in the age of IoT: A Survey. ACM Comput. Surv. Jan. 2024; 56, 1, Article 14. DOI: 10.1145/3603705.
10. Li X, Wee WG. An efficient method for eye tracking and eye-gazed FOV estimation. IEEE 16th Int Conf on Image Proc (ICIP). 2009; 2597–2600. DOI: 10.1109/ICIP.2009.5413997.
11. Ntodie M, Bharadwaj SR, Balaji S, Lit-tle J A. Comparison of three gaze-position calibration techniques in first Purkinje image-based eye trackers. Optometry and vision science: official publication of the American Academy of Optometry. 2019; 96(8): 1. DOI: 10.1097/OPX.0000000000001405.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
