Manual de dactiloscopia

Búsqueda de una persona dentro de una base de datos

1. Nuevas Tecnologías Biométricas
Instituto Nacional de Ciencias Penales
Procuraduría General de la República
Versión 1.0

2. Índice
Sección Tema
1 Introducción: Conceptos Básicos
2 Reconocimientode Huellas
3 Reconocimiento de Venas
4 Reconocimiento Facial
5 Reconocimiento de Iris
6 Reconocimiento de Tatuajes
7 Multi-Biometría
8 Prototipos

3. Sección
Introducción:
Conceptos Básicos
1

4. Conceptos Básicos
Identificación
Búsquedadeunapersonadentro
deunabasededatos;También
conocidacomo1:N.
•AplicacionesForenses:
•Identidaddeunapersona
•Encontraralpropietariode
unalatenteenunaescenadel
crimennoresuelta
•AplicacionesCiviles:
•Identificaraunapersona
(credencialparavotar,
identidadciudadana,etc.)
Autenticación
Verificalaidentidaddeuna
persona;Tambiénconocidacomo
1:1.
•AplicacionesCiviles:
•Credencialparavotar
•IdentidadCiudadana
•Tarjetasbancarias
•Cheques
•Celulares
•Laptops
•Autos
•Etc.…

5. Medidas del Desempeño Biométrico
•FTE
•FalladeEnrolamiento
•Porcentajedelapoblación
quenopuedeserenrolada
porelsistema
•FTA
•FalladeAdquisición
•Porcentajedeintentosde
adquisiciónsinéxito
•FRR
•TasadeFalsoRechazo
•Probabilidaddequeun
usuarioautorizadosea
rechazadoporelsistema
•FAR
•TasadeFalsaAceptación
•Probabilidaddequeuna
persona(aleatoria)sea
reconocidacomoalguienmás
enelsistema
•Tambiénllamada“Tasade
CotejoFalso(FMR)”

6. Principios de la Identificación Biométrica
Inmutabilidad
Nocambiadurantelavidadelapersona.
Unicidad
Nuncasehaencontradoquedospersonasseanidénticas.
!Soy único¡
!Yo también¡

7. Clasificación de Sistemas de Autenticación
Lo que tienes… Lo que sabes… Lo que eres…
•Lo que tienes / sabes No es confiable
•Lo que eres Más Seguro (si
se combina con las 2 anteriores,
se obtiene mayor seguridad)

8. Las Diferentes BiometríasLo que
somos...
Aprendizaje

Anatomía

Voz

Firma

...

Golpe de teclado
dinámico

Cosas que se pueden aprender con el tiempo
Mano

Huellas
Dactilares
Venas

Iris

...

Rostro

Cosas con las que naces y te hacen único

9. Procesos Generales en un Sistema
BiométricoAdquisición
Extracción de
Características
Clasificación
Cotejo
(1:N ó 1:1)
Decisión
Automática Manual
NO HIT
NO
Posible
HIT
SI
HIT
SI

10. Sección
Reconocimiento de Huellas
2

11. Niveles de Identificación
Niveles de Identificación
Laidentificacióndehuellas
dactilaressepuedesepararentres
niveles:
1.PrimerNivelSerefiereala
clasificacióndelahuella,al
flujodelascrestas.
2.SegundoNivelSeutilizan
lospuntoscaracterísticospara
laidentificación.
3.TercerNivelSeutilizan
detallesmicroscópicos,como
laformadelacresta,losporos,
etc.
1
2
3

12. Principios Fundamentales de las Huellas
Primer Principio
Unahuellaesuna
característicaindividual.
Nohaydoshuellascon
característicasenlas
crestasquesean
idénticas.
Segundo Principio
Unahuellapermanece
sincambiosdurante
todalavidadeun
individuo(sinembargo
puede adquirir
cicatrices).
Tercer Principio
Lashuellastienen
patronesqueseforman
consuscrestas,loque
haceposibleclasificarlas
sistemáticamentepara
agilizarlasbúsquedas.

13. Puntos Característicos
Unpuntocaracterísticoominucia,
puedeserclasificadodela
siguientemanera:
•Punto
•FindeLínea
•Bifurcación
•Encierro
•Islote
•Empalme
•Horquilla
Otrascaracterísticaspropiasde
unahuelladactilareslapresencia
onode:
•Núcleo/s
•Delta/s

14. Codificación de Puntos Característicos
Codificación de Puntos
Característicos
Larepresentaciónmatemáticade
unpuntocaracterísticoominucia
esenlaformadeunvector.
Unvectorserepresentaenun
planocartesianocomounpunto
enelespacioconunángulo:
•(x,y,Ө)
Deestamaneraconocemosla
ubicacióndelaminuciaysu
dirección.
Laminuciaserepresentaconun
círculoyunalínea.
•Elcírculonosdalaposiciónx,y.
•LalíneanosdaelánguloӨ,esta
debedeestarcolocadaalamitad
deladistanciaentrelascrestas.
Origen de la
minucia: x,y
Angulo de la
minucia: Ө

15. Clasificación de Henry
Henryclasificolashuellas
dactilaresdependiendodelflujo
delascrestasen:
•PresillaDerecha
•PresillaIzquierda
•ArcoSimple
•ArcoTendido
•Verticilo
Morphoutilizalaclasificaciónde
Henrydelasiguientemanera:
•PresillaDerecha
•PresillaIzquierda
•Arco
•Verticilo
•Desconocido

16. Distribución de Clases
5%
60%
34%
1%
ArcosPresillasVerticiloDesconocido

17. Clasificación en el APFIS
Clasificación en el APFIS
Yavimosquecadahuella
tieneunaclasificaciónde
acuerdoalpatrónque
formansuscrestas.
Morphoensussistemas
APFISpuedeclasificar(D,I,
A,V,X)unasolahuellacon
hasta3tiposde
clasificación.
Porejemplo,estahuellase
podríaclasificarenelAPFIS
cómo…
D , V , .

18. Ficha Decadactilar
Ficha Decadactilar
Unafichadecadactilar(10
huellas)esunregistro,enel
quesecapturala
informaciónalfanuméricay
biométricadelasmanosde
unapersona.
Informaciónenlaficha:
•Datosalfanuméricos
•Huellasrodadas
•Huellassimultáneas
•Huellaspalmares
•Huellashipotenares

19. Ficha Decadactilar (Frente)
Datos
Alfanuméricos
Huellas
Rodadas
Huellas
Simultáneas
Apartedelosdatosdela
persona,tambiénseescribela
clasificacióndelafichaparasu
almacenamientoenelarchivo
depapel(diferenteaAPFIS).
Setomanlashuellasrodadas
porquecontienenunamayor
cantidaddeminucias.Sonlas
huellasrodadaslasquese
utilizanparaelcotejo.
Lashuellassimultáneassirven
paracorroborarquelashuellas
rodadassehayancolocadoen
lacasilladeldedoymano
correspondientessinerrores.

20. Ficha Decadactilar (Anverso)
Palma e Hipotenar
Derechos
Lashuellaspalmaresseutilizan
principalmentepararesolución
decasoscriminales,yasí
poderasociarunfragmentode
huellaconunregistrooun
registroconunfragmento.
Palma e Hipotenar
Izquierdos
Lashuellashipotenares
igualmenteseutilizanpara
asociaciónde casos
criminales.Soncomúnmente
encontradas,porejemploen
cartasdesecuestrodondeel
criminalapoyosuhipotenar
paraescribir.

21. Confronta Dactilar
Unaconfrontadactilaresundocumentopreparadoporun
dactiloscopista,endondecomparadoshuellasquesupuestamente
pertenecenaunamismapersona.Estedocumentojuntoconel
testimonioodictamendelexpertotienenvalidezjurídica.

22. Confronta Dactilar
Huella de
la escena
del crimen
Huella de
la ficha
dactilar
Área de la huella
identificada
Minucias en la huella de la
escena del crimen
Minucias en la huella de la ficha
dactilar
Tipo y ampliación de minucias
Información
de la ficha
Información
del caso

23. Algoritmos
Unanuevafamiliadeextractordecaracterísticas.
Utilizacióndelosmismosalgoritmosentodosnuestrosproductos:
•Decadactilares,latentes,palmares
•Huellasrodadas,planas
•Adaptablesacualquierdispositivodecaptura(cámaras,escáner,bloques
ópticos)
Algoritmospersonalizablesdependiendodelaaplicaciónparasermásprecisos
/rápidos.
Esunproductodesoftwarecompletoquepermiteunaevoluciónrápiday
sencilla.
LosalgoritmosdecotejodentrodelMetaMatcherdeMorpho:
•AltaPrecisión
•Multi-Etapa(mejoralaeficienciadelavelocidad/precisión)
•Multi-Algoritmo
•CotejadorDinámico

24. Diferentes Tipos de Cotejo
•Personavs.PersonasFD/FD
•Permiteidentificaraunapersonacontraunregistrodepersonapreviamente
almacenadoenelAPFIS.
•Personavs.CasosCriminalesSinResolverFD/LNR&FP/LPNR
•Permiterelacionaraunapersonacontraunalatente(evidencia)deunaescena
delcrimenpreviamentealmacenadaenelAPFIS.
•CasoCriminalvs.PersonasLT/FD&LP/FP
•Permiterelacionarunalatente(evidencia)deunaescenadelcrimencontraun
registrodepersonapreviamentealmacenadoenelAPFIS.
•CasoCriminalvs.CasosCriminalesSinResolverLT/LNR&LP/LPNR
•Permiterelacionarunalatente(evidencia)deunaescenadelcrimencontraotra
latente(evidencia)deunaescenadelcrimendiferente.

25. Algoritmo Juvenil
Conmenoresdeedadsonnecesarioslossiguientesrequisitos:
•Adquisiciónconunaresoluciónmayoroiguala500dpi
•Codificaciónconuncodificadorespecífico(parafichasdecadactilaresdemenoresde12
añosdeedad)
•Cotejo(parafichasdecadactilaresdemenoresde18añosdeedad)esnecesario
normalizarlabasededatos.
Requisitos: Adultos > 18 años Jóvenes entre 12 y 18 añosMenoresde 12 años
Uso de CodificadorJuvenil NECESARIO
Uso de Cotejador Juvenil NECESARIO NECESARIO

26. Características de los Algoritmos de
MORPHO
CaracterísticasPrincipales:
•Completamenteindependientesdelnúcleodelahuellaydesuorientación
•Permitebúsquedasdelatentesdemalacalidad
•Permitelabúsquedadelatentesconorientacióndesconocida
•Tieneunatoleranciade±180°,equivalenteaunarotaciónde360°
•Toleranciaaldesplazamientodeminucias,cuandolapielsecontraeoexpande
•Algoritmojuvenil,quepermiteidentificaraunadultoconsuhuellajuvenil

27. Herramientas de Mejoramiento de
Imagen: Superficies Curvas
Imagen Original Imagen Reconstruida

28. Herramientas de Mejoramiento de
Imagen: Huellas Sobrepuestas
Huellas Sobrepuestas
Huella Vertical
Huella Horizontal

29. Evaluación Tecnológica de Fabricantes
AFIS por NIST
Evaluación de Tecnologías de Latentes Dactilares por NIST en Febrero/2010
Morpho, fue evaluado como #1.
Con lo que mantiene su liderazgo mundial.

30. Sección
Reconocimiento de Venas
3

31. Reconocimiento de Venas
•Eselprimercaptor
multimodal,capazde
procesarlavenayla
huelladactilaral
mismotiempo.
•Utilizado para
aplicaciones de
enrolamiento,acceso
lógicoyfísico,pago
seguro,etc…

32. Funcionamiento
Luzinfrarrojaestrasmitidaatravésdeldedoyéstaesparcialmenteabsorbidaporlahemoglobina
queseencuentraenlasvenas,captandounpatróndevenaúnico,elcualescotejadoconun
registroprevioparaverificarlaidentidaddelapersona.

33. Codificación
•Durantelaadquisiciónseextraelainformaciónbiométricadelahuelladactilarydelavena.
•Secodificacadabiometríaparaextraersuspuntoscaracterísticos.
•Sehaceunafusióndeambasbiometríasparagenerarunasolaplantilladepuntoscaracterísticos.

34. Sección
Reconocimiento Facial
4

35. Reconocimiento Facial
Iluminación Edad
Expresión / Posición
Resolución/ Distancia / Ángulo

36. Reconocimiento Facial:
Normas y Estándares
Pormediodelos
criteriosISOdeICAO
sehaestandarizadola
adquisición de
imágenesfacialespara
suusoensistemasde
reconocimientofacial.

37. Herramientas de Mejoramiento de
Imágenes

38. Codificación y CotejoProceso de Enrolamiento
Enrolamiento: Inserción a
la BD
Detección del Rostro Detección de los Ojos Extracción de
Características
Inserción de plantilla a
la Base de Datos
Proceso de Búsqueda
Identificación 1:N Detección del Rostro Detección de los Ojos Extracción de
Características
Cotejo BD
HIT
NO
HIT

39. Ventajas Claves
CaracterísticasPrincipales:
•Grancantidaddebasededatosexistentes
•Velocidad:2.5millonesdecomparacionesporsegundo
•Escalabilidad:Hardwareestándar
•Herramientasavanzadas:Rotaciónen3D,mejoramientodeimagen,etc.…

40. Sección
Reconocimiento de Iris
5

41. ¿Qué es el Iris?
•Eliriseslapartedecolorqueseencuentra
entrelapupila(lonegro)ylaparteblancadelojo.
•Estaformadoportubosdecolores,cadauno
conundiámetromenoraldeuncabello.
•Losdatossontandensosquedetalles
individualessolopuedenserdistinguidosatravés
deunmicroscopio.
•Eliriscontieneunpatrónbiométrico.Elojo
derechoesdiferentedelizquierdo.Losojosde
gemelosidénticossondiferentes.
•Elirissecreainclusivevariosmesesantesdel
nacimientohasta6mesesdespuésdenacido.El
colorpuedevariardurantelavidadeunapersona
perosupatrónyradioexternono.

42. Adquisición
•Obstrucción:pestañas,cejas,cabello,reflejos,etc.…
•Lentes
Morpho ha desarrollado
un software específico.

43. Codificación
Lacodificaciónserealizaen3pasos:
•Laimagenesfiltradaparaquitarruidoyreflejos
•Elbordedelirisesubicado
•SeaplicaunatransformacióndeGaborquegeneraunaplantillade512octetos

44. Cotejo
•Lacomparacióndeplantillassellevaacabobitporbit.
•Secalculaelnúmerodebitscorrespondientes.

45. Sección
Reconocimiento de Tatuajes
6

46. Reconocimiento de Tatuajes
Características:
•Alnotratarsedeunabiometría,carecedela
permanenciaodistincióncomoeldelashuellas
dactilaresuotrabiometría
•Lostatuajescontienenunsignificadoparael
queloporta,einclusopuedenindicarla
pertenenciaaunapandilla
•ElFBIarecomendadosuusoparalasfuerzas
queejercenlaley,comounmétodoparaasistir
enlaidentificación(FBIEBTS/ANSI-NISTITL)
CasosdeUso:
•Identificacióndevíctimascuandonohayotro
mediodeidentificación
•Investigacióndecrímenes,vinculandoalos
perpetradorescuandonohayotromediode
identificación

47. Adquisición
•Elenrolamientonormalmenteprovienedeunarchivo,
originalmenteadquiridoconunacámara.
•Posteriormenteseaplicauna“mascara”aláreadeinterés.
Imagena enrolar Mascara

48. Codificación
Ventajasdeusarlamascara:
•Menorcantidaddepuntos
característicosfalsos
•Mejordiscriminacióndeforma
duranteelcotejo
¿Cómodibujarunamascara?
•¿Enmascararunsolotatuaje?
•¿Enmascararunapartedel
cuerpo?
Seguir las directrices de NIST
Imagena enrolar Uso de mascara
Sin el uso de mascaraCon el uso de mascara

49. Cotejo
•Líneas Puntos
correspondientesenel
cotejo
•PuntosverdesPuntos
característicosdetectados
enlaimagen
•PuntosblancosPuntos
utilizadosenelcotejo
Observe:
•Diferentesescalasentre
ambasimágenes
•Condiciones de
iluminacióndistintas
•Calidaddelaimagen Imagende búsqueda Imagenhallada en la base de datos

50. Para Estudio y Discusión…
¿Existealgunadiferenciaenlos
tatuajesdelapoblacióncriminalconla
poblaciónengeneral?
Criminal:
•Sonmonocromáticos
•Esunesqueleto(soloorillas)
•Símbolos
•…
Civil:
•Usodecolor
•Sonartísticos
•…

51. Sección
Multi-Biometría
7

52. Reconocimiento Facial Reconocimiento de Huellas Dactilares
Procuraduría General de la República
Inserción
/
Actualización
/
Borrado
Control deSecuencia
Segmentación
Codificación
Identificación
1
:
N
Autenticación
1
:
1
Sagem Middleware Biométrico (SBM)
SOAP SOAP SOAP SOAP
Controlador de
Cotejo SOAP
Controlador de
Verificación de
Secuencia
SOAP
Controlador de
Autenticación
SOAP
Controlador de
Codificación
SOAP
BD Log
Oracle
BD SMC
Oracle
MetaMatcher
Unidad de
Cotejo
BD del
Cotejador
Oracle
Unidad de
Codificación
SOAP
SOAP SOAP SOAP
Controlador de
Cotejo SOAP
Controlador de
Autenticación
SOAP
Controlador de
Codificación
SOAP
BD SMC
Oracle
MetaMatcher
Unidad de
Cotejo
BD del
Cotejador
Oracle
Unidad de
Codificación
SOAP
Reconocimiento de Iris
SOAP SOAP SOAP
Controlador de
Cotejo SOAP
Controlador de
Autenticación
SOAP
Controlador de
Codificación
SOAP
BD SMC
Oracle
MetaMatcher
Unidad de
Cotejo
BD del
Cotejador
Oracle
Unidad de
Codificación
SOAP Multi-Biometría
NuevaarquitecturadelMetaMatchercapazdecotejarcon2omásbiometrías,
deacuerdoalasnecesidadesdelcliente.

53. Cotejador Multibiométrico
La arquitecturadel
MetaMatcheresmodular,
esdecirquepuedeir
creciendodependiendodel
crecimientodelabasede
datos para seguir
manteniendolosmismos
tiemposderespuestacon
flujosdetrabajomayores.Controlador de Cotejo
SOAP
Unidades de Control Unidades de Datos
BD de
plantillas
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
Unidad de
Cotejo
String 1 String 2 String 3 String N
Unidad de
Reserva
Unidad de
Reserva
Unidad de
Reserva
Incremento de Disponibilidad
Incremento de Tamaño de Base de Datos
Incremento de Flujo de Trabajo
Incremento de Velocidad de Cotejo

54. Fusión de Biometría: Huella con Facial
Elusodealgoritmosdefusiónparalaconsolidaciónderesultadosde
búsquedas,permitealcanzarmayorprecisión.
Facial Huella
Consolidación:
Huella, Facial
FAR
FRR

55. Estándares
Soluciónbasadaenestándaresinternacionalesparafacilitarlosintercambiosde
solicitudes/respuestasbiométricasentresistemasconbasesdedatosagranescala.

56. FBI
Soluciónbasadaenestándaresinternacionalesparafacilitarlosintercambiosde
solicitudes/respuestasbiométricasentresistemas.
Acerca del FBI
Datos de interés
PosicionamientodelsistemaIAFISdelFBI
comoSistemaAFISfederalcon
procesamientoscriminalesyciviles
ElNGIesunsistemadeidentificación
multi-modal(huellas,latentes,palmas,
facial,iris)
Losproveedoresdebiometríason
seleccionadosutilizandoseriesde
“AlgorithmTradeStudies”
Morphoeselproveedordela
tecnologíabiométricadactilarde
“LockheedMartin”paraelprograma
NGI
Contratofirmadoen2010parala
identificacióndactilar
Fidelity, Bravery and Integrity
Cuartel general del
FBI Washington, D.C.
FBI Criminal Justice
Information Services en
West Virginia
Gestión
de ID
Justicia Criminal
Control de
Fronteras
Detección
Tarjetas con Chip
Terminales
de Juego
Seguridad en
Transporte
Términales biométricos
Control de
Acceso

57. Sección
Prototipos
8

58. FaceOnTheFly
Deteccióndelrostropormediode4cámarassinlanecesidaddedetenerseenningún
momento,apartirdeesasimágenessegeneraunaimagentridimensionalquese
conviertea2Dlacuálesutilizadaparaelcotejo.

59. FingerOnTheFly
Deteccióndehuellaspasandolamanoporelsensorsinnecesidaddecontacto,evitando
lapropagacióndeenfermedades,capturael100%delashuellas,delascualesel98%
sondebuenacalidad.

60. Iris OnTheFly
Deteccióndelirisadistancia,sinlanecesidaddedetenerseenningúnmomento.

61. ¡Gracias por su
atención!
Comentarios, dudas y/o sugerencias
diríjase a Edgar Montes López:
E-mail: [email protected]
Morpho Sucursal México