You are on page 1of 23

SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA

ZAVRŠNI ISPIT

Autentifikacija šarenicom oka
Denis Biškup Ergonomija u računarstvu

Zagreb, lipanj 2010.

Sadržaj
1. Uvod ........................................................................................................................ 1 2. Biometrija ................................................................................................................ 2 2.1 Definicija i počeci biometrije ........................................................................... 2 2.2 Metode identifikacije ....................................................................................... 2 2.2.1 Kontaktne biometrijske karakteristike ........................................................ 3 2.2.2 Nekontaktne biometrijske karakteristike .................................................... 4 2.3 Arhitektura osnovnog biometrijskog sustava .................................................. 5 2.4 Tehničko ispitivanje i evaluacija uzoraka........................................................ 6 2.5 “Bin Error Rate” procjena pogreške................................................................ 7 3. Digitalna obrada i analiza slike................................................................................ 9 3.1 Razlozi digitalne obrade slike ....................................................................... 11 4. Digitalna analiza šarenice ..................................................................................... 13 4.1 Senzori i uređaji za skeniranje...................................................................... 13 4.2 Oko, iris i njegove karakteristike................................................................... 14 4.3 Izdvajanje šarenice sa slike oka ................................................................... 15 4.4 Dobivanje potpisa šarenice (eng. Iris Code)................................................. 16 4.4.1 Test statističke neovisnosti ...................................................................... 17 4.5 Pouzdanost metode...................................................................................... 18 5. Sažetak ................................................................................................................. 19 6. Literatura ............................................................................................................... 20

1

tj. Uzrok ekspanzija sigurnosnih sustava. Očekuje se da će u budućnosti ova tehnologija još više sazrijeti i da će se prosječan čovjek sve češće s njome susretati u različitim biometrijskim aplikacijama. ali nisu razvili njezinu računalnu impelementaciju. tako i na području prihvaćenosti od strane korisnika i ergonomije. korištenje automatiziranog sustava za prepoznavanje nečijeg identiteta analizom njegovih fizičkih karakteristika ili ponašanja. godine.1.. 1 . Svoju metodu patentirao je 1994. dlana i glasa. Biometrija. baziranih na biometrijskim karakteristikama. Sustavi za identifikaciju osoba putem šarenice oka jedni su od najsigurnijih biometrijskih sustava. Uvod Pojam biometrije javlja se početkom osamdesetih godina prošlog stoljeća. Sve češća upotreba ovih sustava u svakodnevnom životu ukazuje na sve veću zrelost ove tehnologije. Zbog toga ću u ovom seminaru staviti naglasak na Daugmanovu metodu. Biometrija kao pojam nije donijela nikakvu novinu. Prvi. iako postojei novi pristupi. Ideju biometrijskog raspoznavanja osoba pomoću šarenice oka prvi su patentirali Alan Safir i Leonard Flom 1987. kako na području točnosti (egzaktnosti) sustava. osim što je pod jedan nazivnik svela cijelu paletu karakteristika koje su prije toga bile nazivane različitim imenima. biometrija šarenice oka još uvijek nije toliko raširena poput analize lica. je već duže vrijeme dio stvarnosti. Moglo bi se reći da je šarenica dobra kombinacija točnosti (a time i sigurnosti) i prihvaćenosti. i većina istraživanja na tom području temelje se na njegovim postavkama. a zasad i najučinkovitiji algoritam napravio je John Daugman sa Harvardskog sveučilišta. Iako prihvaćenija od nekih drugih biometrijskih metoda (prepoznavanje osoba putem rožnice I DNK).

Prevladavalo je mišljenje da fiziološke značajke.2 Metode identifikacije U samim počecima izvedbe i upotrebe biometrijskih sustava. Danas postoji desetak biometrijskih tehnologija koje se. ili su pri kraju istraživanja i početku korištenja.2. 2. posjeduju ″uočljivost″ te mogu raspoznati manje razlike. baziran na psihološkim karakteristikama ili karakteristikama ponašanja.1 Definicija i počeci biometrije Biometriju se može definirati kao model identifikacije osobe. 2 . Biometrija 2. biometrija je automatizirana tehnika mejrenja fizičkih i ponašajnih karakteristika osoba i usporedba tih karakteristika sa podacima. a odnosi se na nešto što osoba posjeduje ili što osoba zna kako bi izvršila osobnu identifikaciju. Prva otvorena podrška biometriji i najava razvoja sigurnosnih sustava bila je u vrijeme Zimskih olimpijskih igara u Japanu (Nagano) 1998. Govoreći u tehničkim terminima. Biometrija se u počecima razvijala uzslogan: “The body as password”. ili već koriste. u odnosu na ponašajne. prednost je davana fiziološkim karakteristikama u odnosu na ponašajne karakteristike.godine. a sve u cilju prepoznavanja osobe.

• Otisak prsta • Geometrija dlana • Šarenica • Mrežnica • Potpis • Uho • DNA Slika 2.2.2.2. takav postupak nazivano kontaktnom biometrijom. 3 -srednja.1 prikazan je graf iz kojeg se vide karakteristike pojedinog biometrijskog sustava.1Graf kontaktnih biometrijskih karakteristika Na slici 2. U legendi su karakteristike svake od metoda te se one ocjenjuju vrijednostima (1 -niska. Svaka ocjena u svojem biometrijskom 3 . 6 -visoka).1 Kontaktne biometrijske karakteristike Ukoliko nam je bitno prisustvo osobe kod biometrijske identifikacije.2.

izvedivost te ostale karakteristike.2 je vidljivo da je najnepouzdaniji način dinamika tipkanja dok se najpouzdanijim čini termogram lica i tijela. 4 .2 Graf nekontaktnih biometrijskih karakteristika Iz slike 2. njegova prihvatljivost. Sve karakteristike sa višom ocjenom doprinose kvalitetnijem sustavu.sustavu ima svoju vrijednost te se sumiraju jedna na drugu tako da se na kraju može procijeniti sigurnost sustava. jedino “Nadmudrivanje” sa svojom visokom ocjenom odaje i visok postotak mogućnosti zlouporabe. 2.2.2 Nekontaktne biometrijske karakteristike • Prepoznavanje lica • Glas • Termogram lica i tijela • Brzina tipkanja • Hod • Miris Slika 2.2.2.

u kojem se stabilne.2. koji može sadržavati kompresiju signala i slučajno nagomilavanje nepotrebnih šumova – Procesiranje signala. još različite “osobine” ekstrahiraju od dobivenog signala i uspoređuju sa prije pohranjenim – Pohrana “predložaka” koji dolazi od “osobina” i od mogućih grubih signala koji su primljeni iz prijenosnog podsustava Slika 2. općenito se o njima može reći da uključuju nekoliko podsustava: – Skupljanje podataka koje uključuje predstavu o biometrijskom modelu koji će se prezentirati senzoru – Prijenos.3 Arhitektura osnovnog biometrijskog sustava Iako se biometrijski uređaji oslanjaju na raznovrsnu tehnologiju.3 DTP osnovnog biometrijskog sustava 5 .

dok je razred skup uzoraka koji posjeduju određena zajednička svojstva. kao što su greške pri upisu (eng. 1988. – koeficijent penetracije (eng. Greške poput “pogrešan pristup“ (eng. U sustavu se mogu također javiti greške. tj. Et al. zapisi o postotku populacije koja nije u mogučnosti korištenja bilo kakve biometrijske metode i slično također su važne. failure to acquire). false rejection rate FRR) se u sustavskim greškama uvijek odnose na zahtjev korisnika. failure to enroll).2. false match rate).zahtjev da nije tko je u sustavu već od prije_poznat. Dodatne mjere. false non-match rate). ali ovisno o aplikaciji određenog uređaja i predviđanju rezultata istraživanja osobina sustava. – stupnjevi pogrešnog nepoklapanja (eng. false acceptance rate FAR) ili “pogrešno odbijanje“ (eng. Tako će korisnik pozitivnog identifikacijskog uređaja biti "pogrešno prihvaćen" ako se nekorektno podudara sa nečijom biometrijskom mjerom ili "pogrešno odbijen". L. 6 . penetration coefficient) – vrijeme transakcije (eng. Dvije su različite funkcije identifikacijskih biometrijskih uređaja: . Za razlikovanje objekata potrebno je promatrati samo značajke objekta koje drugi objekt nema. odnosno ima.4 Tehničko ispitivanje i evaluacija uzoraka Pod tehničkom evaluacijom se podrazumijeva mjerenje sljedećih općenitih parametara: – stupnjevi pogrešnog poklapanja (eng. Uzorak je kvantitativni ili strukturni opis razvrstavanog objekta.Potvrda izjave (dokaz) da osoba nije ona za koju tvrdi da jest U prvom slučaju korisnik sustava traži "pozitivni" zahtjev za identifikaciju. ali im se vrijednosti značajki razlikuju (Gyergyek. ako se nekorektno ne podudara s pravom biometrijskom mjerom.Potvrda izjave (dokaz) da je osoba ona za koju tvrdi da jest . U drugom slučaju on traži "negativni" zahtjev. Bitno je poznavati korake pri istraživanju i izvještavanju osobina uređaja neovisno o načinu donošenja odluke. transaction time). greške pri prihvatu (eng.).

2. Prostor značajki (prostor karakteristika) . Prostor odlučivanja (prostor raspoznavanja) . Prvi je predstavljanje objekata iz okoline korištenjem matematičkih ili jezičnih opisnih metoda. Odnos pogreške je 7 . Slika 2. Slijedi izlučivanje karakteristika objekata.predstavlja prostor između prostora uzoraka i prostora odlučivanja.prenosi beskonačno dimenzionalan prostor kontinuiranih podataka u prostor konačne dimenzije 2. 3.Brzina obrade podataka ovisi o samim mogućnostima računala koje njima raspolaže.4 Općeniti sustav prepoznavanja uzoraka Prepoznavanje uzoraka sastoji se od tri koraka. Prostor uzorka (mjerni prostor) . Na poslijetku usporedba opisanog objekta s unaprijed poznatim modelima objekata te donošenje zaključka o pripadnosti objekta.5 “Bin Error Rate” procjena pogreške Ova procjena pogreške reflektira postotak uzoraka koji ne odgovaraju njihovim predlošcima zbog nekonzistentnosti u particijskom procesu. Na razini apstrakcije problem raspoznavanja uzoraka dijeli se u tri prostora: 1.razvrstavanje uzoraka u jedan od unaprijed preddefiniranih razreda.

Jednadžba 1. Procjena pogreške uzorka (eng.determiniran postotkom uzoraka koji nisu smješteni u particiju koja komunicira sa svojim prijedlozima. Korištenjem bilo koje particionirajuće metode može se izvesti samo jedan test koji može determinirati procjenu binarne pogreške. Bin Error Rate) 8 .

Upravljanje aviona • Poboljšanje slike (eng. a vrijednost funkcije predstavlja nivo sivila (Gray Level). Pel. tj.0. Digitalna obrada i analiza slike Digitalna obrada slike (eng. Image Analysis) .Uklanjanje šuma Poboljšanje kontrasta i rubova (eng.y). Pixel. Monokromatska slika je dvodimenzionalna funkcija f(x. Digital Image Processing) u domenu svojeg imena svrstava manipulaciju slikama pomoću računala i podvrgavanje slike seriji numeričkih operacija u svrhu postizanja željenog rezultata. Pseudocoloring) . Image Transform) • Analiza slike (eng.3. dok je internacionalni naziv za volumni element Voxel. Slika 3. Image Enhancement) Enhancement) .1 Digitalna obrada slike Digitalnu sliku možemo obraditi na više načina: • Transformacija slike (eng.Mjerenje veličine i orijentacije rukopisa . Slikovni element se naziva Picture Element. u kojoj su x i y prostorne koordinate.Upravljanje robota . Contrast and Edge 9 . svjetline u definiranoj točki.Ekstrakcija informacija iz slike u svrhu dobivanja opisa .Pseudokoloriranje (eng.Klasifikacija slika lica / otisaka prsta .

Image Restoration) .Astronomija .Upotreba: . Image Compression) Pomoću tehnika kompresije pokušava se smanjiti broj bitova potrebnih za spremanje slike bez gubitka informacije ili sa stanovitim gubitkom informacije..Uklanjanje. .Komunikacije . . Rekonstrukcija dvodimenzionalne ili višedimenzionalne slike odvija se kroz nekoliko jednodimenzionalnih projekcija.Upotreba: .Radar • Kompresija slike (eng.Prijenos slike . odnosno smanjivanje degradacija unesenih na sliku (od strane uređaja ili okoline) . nelinearnosti i smetnji • Rekonstrukcija slike (eng.Arhiviranje slike i dokumenata .Multimedija 10 .Medicina .Restauracija . Image Reconstruction) Posebni pristup problemu obnavljanja slike.Uklanjanje zamućenosti.Izoštravanje • Obnavljanje slike (eng.

poboljšanje kontrasta slike.Daljinska snimanja (eng.1 je vidljivo da su ulazni i izlazni elementi procesa slike.0. poljoprivreda. a izlazni elementi su parametri. Poboljšanje slike za ljudsku interpretaciju (obrada slike) Utjecaj: .Digital Image Analysis) je proces čiji rezultat obrade daje nešto različito od prvobitne slike s ciljem izlučivanja informacija iziste. slika 3.Istraživanje svemira Metode obrade slike moguće je primjeniti gotovo u svim područjima u kojima se informacija može prikazati slikom: .Razvoj digitalnih računala . Slika 3.Digitalna analiza slike (eng. analiza i registracija slika . Computer Assisted Radiology / Surgery).0. rekonstrukcija. geologija.Medicina (eng.1 Primjena digitalne obrade i analize slika Razlikujemo dvije osnovne primjene digitalne obrade I analize slika:: 1. fotografije i obične slike.Industrijska primjena . Matematičke funkcije također mogu biti vrsta slike.0.Komunikacije . ok je kod analize slike.2. 3. ulazni element slika.2 Digitalna analiza slike Iz slike 3.Astronomija 11 . meteorologija . Vidljive slike možemo podijeliti u tri skupine: crteži. Remote Sensing).

Computer Graphics). interpretacija (eng..računalna grafika (eng. Volume Visualisation) Primjena: • Prepoznavanje znakova (eng.Biometrija i dr. Obrada slike za automatsku interpretaciju pomoću računala (analiza i razumijevanje) .područje digitalne obrade slike.Analiza slike .Razvoj algoritama za analizu slike . Automatic Character Recognition) • Automatsko prepoznavanje otisaka prsta (AFIS) • Automatsko prepoznavanje biometrijskih karakteristika osobe • Industrijske aplikacije • Interpretacija medicinskih slika slike 12 . 2.Sinteza slike . Digital Image Processing) .Imitacija biološkog sustava (ljudskog) za opažanje i razumijevanje okoline .Izlučivanje parametara slike pogodnih za obradu pomoću računala . vizualizacija volumena (eng.

1 Senzori i uređaji za skeniranje U današnje vrijeme postojie deseciproizvođača skenera šarenice.1 SecuriMetrics uređaj za skeniranje Slika 4. Slika 4. Osoba se u sustav unosi uz dopuštenje administratora baze podataka gdje se nalaze predlošci.1. Računalo automatizirano iz digitalne slike locira šarenicute samo njezin uzorak sprema u sustav.1 i uslika oba oka novog korisnika. Želimo li određenoj osobi dozvoliti pristup moramo je prvo unijeti u sustav. Digitalna analiza šarenice 4. On uzima uređaj koji je prikazan na slici 4.2 Dohvat skenera 13 .1. Od same brzine obrade ulaza (skeniranja slike u digitalnom obliku i prosljeđivanju na poslužitelj). Međusobno se nadmeću uglavnom dizajnom (vanjskim izgledom skenera) i brzinom obrade podataka. pa sve do pozitivnog ili negativnog odgovora sustava.4.1. kvaliteta skenera ovisi o algoritmu za obavljanje procesa i računalnom hardveru.

2 Oko. Ljudsko oko je parni organ koji funkcionira slično fotoaparatima i kamerama: prozirni prednji dijelovi oka lome zrake svjetlosti projicirajući umanjenu i obrnutu sliku na fotosenzitivnu mrežnicu gdje se u specijaliziranim živčanim stanicama obavlja pretvorba u električne živčane impulse. koji suzuje pupile i zjenicu te dilatator koji ih širi). Slika 4. Boja šarenice ovisi o količini i rasporedu pigmenta na prednjoj površini šarenice. poput blende u fotoaparatu. šarenica i njezine karakteristike Oko je organ mnogih životinja i čovjeka koji služi pretvaranju svjetlosti u živčane impulse. Što je šarenica bogatija pigmentom.2. Svaka osoba i svako oko ima karakterističan jedinstven 14 . To se postiže ravnotežom dvaju mišića u šarenici (sfinkter. Kod manje količine pigmenta oči su svjetlije (zelene do plave) a kod potpunog nedostatka (albino osobe) oči su potpuno plave (ponekad blago roze zbog prosijavanja krvnih žila). to su oči tamnije (smeđe). Oko je najvažnije ljudsko osjetilo.1 Presjek ljudskog oka Šarenica je dio oka koji daje karakterističnu boju oka.4. 90% svih informacija iz okoline primamo okom. U funkcionalnom smislu šarenica (iris) ima ulogu regulacije količine svjetla koja ulazi u oko.

). izgled i oblik šarenice može otkriti čitav niz pojedinosti o stanju organizma. kao i to da joj se veličina stalno mijenja. Daugmanov algoritam Pri tome I(x.2 Šarenica ljudskog oka 4. Za pronalaženje tih elemenata dobar je slijedeći integracijsko-diferencijalni operator (Jednadžba 2): Jednadžba 2.2. Treba pronaći središte zjenice i središte šarenice (koje se najčešće ne nalaze na istom mjestu) te njihove radijuse. Slike na kojima se vidi manje od 30 do 40 posto šarenice 15 . potrebno je izdvojiti samu šarenicu.y) tražeći maksimum u zamućenom području slike.izgled šarenice. sličan postupak se provodi i za pronalaženje granica očnih kapaka. Algoritam sliku pretražuje po njenoj domeni (x.3 Lociranje šarenice iz slike Nakon što smo došli do slike oka. da na prepoznavanje ne bi utjecali ostali dijelovi oka (kapci.). a Gs(r) je funkcija uglađivanja. Danas.y) predstavlja sliku oka (slika 4.2. s najvećim radijusom (r). trepavice itd. čime se bavi iridodijagnostika.4. Također treba znati da zjenica nema uvijek potpuno kružni oblik. Ovaj operator se koristi za pronalaženje zjeničnog kao i vanjskog ruba šarenice. Slika 4.Kada su ove granice nađene. primjerice Gaussova. Operator * predstavlja konvoluciju.

na primjer.3 Lociranje irisa Na slici 4.4. što se događa.1 Određivanje polarnih koordinata Za dobivanje potpisa šarenice koriste se dvodimenzionalni waveleti (eng.smatraju se neupotrebljivima. Slika 4. treba sliku transformirati u polarni koordinatni sustav (slika 4.1). Time se postiže da na prepoznavanje neće imati utjecaj veličina zjenice i same slike. ako osoba zatvori oko prilikom akvizicije slike.3 vidimo korake pri lociranju šarenice nakon prepoznavanja algoritmom 4. wavelet matematička funkcija koja razdvaja valni signal u komponente različitih frekvencija i analizira svaku komponentu posebnom razlučivošću koja odgovara njezinoj valnoj 16 .4 Dobivanje potpisa šarenice (eng. Slika 4.4. Iris Code) Nakon što se dobije slika šarenice i izdvoje se nepotrebna područja.

a ako dvije slike padnu na ovome testu. Za svake dvije slike različitih šarenica je sigurno da će proći ovaj test (HD = 1). koja će biti granica podudaranja. imali bismo podudaranje. Za demodulaciju wavelet-a izlučuju se četiri parametra: veličina. to mora značiti da su na obje slike iste šarenice. 17 . Da bi se na taj način pohranile informacije o strukturi šarenice. treba ga usporediti sa potpisima u bazi podataka. Kada bi rezultat HD (eng. Na nama je da odredimo vrijednost Hammingove udaljenosti. potrebno je samo 256 bitova te kontrolni bitovi. Međutim. To se radi testom statističke neovisnosti. ako padne na tom testu sa danim potpisom šarenice.2 Slika šarenice nakon transformacije Kada je dobiven potpis šarenice. Za HD=0. Jednadžba 3.) logičkih operatora AND i XOR.1 Test statističke neovisnosti Svaki potpis šarenice generiran iz bilo kojeg oka proći će na testu statističke neovisnosti sa potpisom šarenice bilo kojeg drugog oka.duljini). orijentacija i dvije pozicijske koordinate. Hamming distance) bio jednak 0. imamo podudaranje. 4. Slika 4.4.4. Za različitosti između dva potpisa koristi se jednostavna formula (Jednadžba 3. Test statističke neovisnosti Maske u ovom slučaju služe za prikrivanje beskorisnih artefekata na slici. pomoću kojih se struktura šarenice prikazuje kao niz vektora u kompleksnoj ravnini.26 vjerojatnost pogreške bi bila 1 / 1013za mogućnost lažnog podudaranja.

1) osim u slučajevima bolesti ili fizičke ozljede. dok je npr. Sigurnost nekih biometrijskih metoda raspoznavanja može se usporediti pomoću FAR omjera(FAR – false acceptance rate). ova metoda.to se ne bi moglo tako jednostavno izvesti jer je potrebna skupa oprema. Ona poprima svoj izgled u najranijem djetinjstvu (čak i prije rođenja). oči su uvijek jednake 18 .5.1’’Afghan girl’’. dok je kod živog oka zjenica podložna konstantnom pokretu te kontrakciji i širenju.1984.5 Pouzdanost metode Prepoznavanje šarenice jedna je od najsigurnijih biometrijskih metoda. Tako je uređaj za dobivanje slike šarenice vidio ’’živu’’ zjenicu.000. Također. FAR metode biometrija šarenice oka iznosi 1/1. ova metoda ne može prevariti nošenjem kontaktnih leća. i 17 godina poslije. nije 100 % pouzdana. Kirurški ju je nemoguće krivotvoriti bez velikog rizika od gubitka vida. najviše zbog prirodnih karakteristika šarenice. kao i sve ostale.5. Zbog što veće pouzdanosti prije par godina u skenere su se počeli ugrađivati laseri koji na mili sekundu zasvijetle rožnicu oka te ukoliko se rožnica proširi (kod pojave svjetla) senzor prihvaća sliku. za otisak prsta FAR 1/1000. Slika 4. a i nije moguće dobiti tako kvalitetnu sliku nečijeg oka bez znanja te osobe. te se tokom godina ne mijenja (slika 4. U stvarnim okolnostima. Međutim. jer postoje algoritmi pomoću kojih se sasvim lako ustanovi nosi li osobaleće ili ne. Stakleno oko ili pravo oko odstranjeno sa čovjeka ne mogu poslužiti za prijevaru jer se na njima zjenica oka ne mice. Grupa njemačkih istraživača uspjela je prevariti jednu od komercijalnih verzija ovog software-a tako što su visokokvalitetnu sliku oka ispisali pomoću pisača visoke rezolucije (2400x1200 dpi).200. te u sredini probušili rupu.4.

2 Maksimalno vrijeme potrebno za obradu podataka Propagandni slogan: ”Your iris: You can’t leave home without it” 19 .5.Slika 4.

Negativne strane ne nadmašuju pozitivne. ali je u svakom slučaju jedna od najsigurnijih biometrijskih metoda. a potreban je izuzetno visok stupanj sigurnosti. šarenica se tijekom ljudskog života ne mijenja poput nekih drugih karakteristika i svaki čovjek ima drugačiji uzorak šarenice. Za smanjenje gore navedenih negativnih strana ove metode potrebna su dodatna istraživanja na području akvizicije slike. 20 .5. aalgoritam koji obrađuje sliku je vrlo brz. Glavni problemi su što je šarenica relativno mala pa se mora fotografirati iz velike blizine (1 metar ili manje). Sažetak Raspoznavanje šarenice oka pomoću računala ima svoje prednosti i nedostatke. Iako se pojavljuju novi pristupi i prijedlozi. vjerojatnost lažnog prihvaćanja je neznatan. nitko još nije uspio nadmašiti učinkovitost Daugmanovog algoritma.40 % slike šarenice. Kod slikanja može biti problem odsjaj svjetla jer se šarenica nalazi iza mokre prozirne reflektirajuće površine. Prijevare mogu se otkriti zahvaljujući konstantnim promjenama veličine zjenice. Također je potrebna velika suradnja subjekta kod akvizicije slike. kao i same analize slike šarenice oka. Za dobro raspoznavanje dovoljno je 30 . Oko je vrlo dobro zaštićen ljudski organ. Zbog svega toga ova metoda ima karakteristična područja uporabe gdje protočnost subjekata nije prevelika.

21 . IEEE Trans. 2006. Bača..dr.sc. Tonimir. Prentice Hall.od SF-a do primjene. 1996. CSVT 14(1).. K. Kišasondi. Miroslav Bača [3] Digital image processing. Miroslav Bača [2] Biometrijske karakteristike i sustavi sigurnosti.dr. Schatten. Doc..6.R. [4] Identifikacija šarenice . [5] How iris recognition works . 2004. Miroslav. Castleman. John Daugman Fakultet Informatike i Organizacije. Literatura [1] Odabrane teme iz biometrije Doc. Markus.sc.