Parmak izi kontrolü stadyumlarda da uygulanmalıdır....
Printable View
Parmak izi kontrolü stadyumlarda da uygulanmalıdır....
Stadyumları bilmem ama özel sektör aldı başını gidiyor. Neden bu tür itirazlar hep kamu kesiminden gelir, o da ayrı bir soru... Daha çok iş güvencesine sahip olduklarından mı, bir kısmını tenzih ederek daha verimsiz çalıştıklarından mı, özel kesim işçi sendikalarında da benzer problemler olmakla birlikte, grev vb. haklardan mahrum olmaları nedeniyle sendikaların popülist yaklaşımlarla şov yapmaktan başka çarelerinin olmamasından mı?
Bazıları bana yine kızacaklar ama şu yazdıklarım yalansa yalan deyin..
Bu ülkede doğru düzgün iş yasalarını, sendikal özgürlükleri, insana insan gibi yaşayacağı koşulları, hatalı işçiye arka çıkmayacak İş Mahkemelerini, hatalı ve hukuksuz işlem yapan, kayıtdışı işverenin yakasına yapışacak ve anasından emdiği sütü burnundan getirecek bir denetim sistemini sağlamak için sesimiz çıkmıyor, nelerle uğraşıyoruz. Emin olun şu parmak izli PDKS'den rahatsız olduğunu söyleyen çalışana, yolda sivil biri ben polisim diye kimlik sorsa 100 tanesinden 90'ı tereddütsüz kimlik gösterir, 10 tanesi de sivile kimlik sorar, üstüne bir temiz dayak yer...
Uğraştığımız konulara bakın, çay demleyin...
Bahçelievler Belediyesi ve Dr. Siyami Ersek Göğüs Kalp ve Damar Cerrahisi Eğitim ve Araştırma Hastanesi'nde personelin giriş çıkışlarını kontrol etmek için uygulanan parmak izi uygulaması İstanbul Valiliği İl İnsan Hakları Kurulu'na takıldı. Kurul, uygulamanın insan haklarına ve hukuka aykırı olduğunu belirterek uygulamanın hukuka uygun hale getirilmesi veya uygulamadan kaldırılması yönünde kararını bildirdi.
http://arsiv.sabah.com.tr/2005/08/04/gun109.html
...
?Alıntı:
stajyer avukat rumuzlu üyeden alıntı
Can Ataklı cvatagbgkli@gazetevatan.com
GBT Denilen Tuhaf uyğulama
http://www9.gazetevatan.com/pics/yazarlar/142.jpgKayseri Havaalanı’ndayım. Chek-in’den biniş kartımı aldıktan sonra uçağa binmek üzere ikinci güvenlik kapısının önüne geldim. Güzel ama çok asık yüzlü bir kadın polis biniş kartımı eline alıp inceledikten sonra “GBT yaptırmamışsınız, gidin yaptırın” dedi emir veren bir sesle.
Ben de “Anlamadım ne yapmam gerekiyor?” diye sordum. Tabii benim gibi diğer yolcular da aynı şaşkınlıkla, GBT? diye aynı tonda cevapladı. “Nedir bu GBT?” diye üsteleyince eliyle bir yeri işaret etti ve “Genel Bilgi Toplama. Aranıp aranmadığınızı kontrol ettikten sonra buradan geçebilirsiniz” dedi.
Kadın polisin eliyle işaret ettiği yere baktım. Camlı bir bölme. Üzerinde kocaman “GBT- Polis” yazıyor. Önünde tıpkı check-in’deki gibi kuyruk. Herkesin elinde biniş kartları ile hüviyetleri bekleşiyorlar. Görevli iki polis biniş kartını ve hüviyetinizi alıyor, bilgisayarda bir şeyler yazıyor sonra kartın üzerine bir damga vurup iade ediyor.
Görevli polise “Bu nedir böyle, başka hiçbir havalimanında bu uygulama yok” dedim. Polis memuru “1 Kasım’dan beri uyguluyoruz, yasa çıkmış. Artık uçağa binen herkesi herhangi bir suçtan aranıp aranmadığı konusunda inceliyoruz” karşılığını verdi.
Düşünebiliyor musunuz, kendi ülkenizde seyahat ediyorsunuz ve uçağa binebilmek için “aranmadığınızı” kanıtlamak zorundasınız.
Böyle bir uygulama dünyanın en faşist ülkelerinde bile yapılmaz. Hiçbir devlet kendi halkına böyle bir hakareti reva görmez. Bu uygulama anayasının eşitlik ilkesine, seyahat özgürlüğüne aykırı olduğu gibi uluslararası insan haklarına da aykırı bir durumdur.
Emniyet Genel Müdürlüğü hangi gerekçelerle bu ilkel kararı aldı ve uyguluyor bunu hemen açıklamak zorunda. Genel Bilgi Toplama adı verilen ve vatandaşları aranmadığı konusunda ispata davet eden bu uygulama aynı zamanda devletin de aczidir. En ileri teknolojileri kullanarak suçluyu arama ve bulma konusunda artık uzmanlaştığını sandığımız Emniyet Genel Müdürlüğü meğer böyle tesadüf yöntemleriyle suçlu arıyormuş, ortaya bu çıkıyor.
İnsanı kendi memleketinden soğutmaya kimsenin hakkı olamaz.
Vatan Gazetesi. 15/12/2007
bir iki hafta içinde çalıştığım şirkettede uygulanacak sanırım bununla ilgili (okuduğum kadarıyla) kesin bir karar yok yani yine şirket kazandı.
YASALDIR. Personel Geçiş kontrol da kullanılan Cihazlar ile Kolluk kuvvetlerin kullandığı cihazlar aynı değildir. Geçiş kontrol kullanılan veriler bilgiayar ortamında digital olarak saklanır. Digital veriler bir bilgisayar uzmanı tarafından elle de yazılabilir. Olan bir olay anlatayım Sabah 9.00 de İstanbul'da fabrikaya giren ve parmak basan personel, aynı saatlerde izmir de kuyumcu soygununu nedeniyle tutuklanıyor. Emniyet fabrikada parmak basması delil kabul etmiyor. Zaten etmemelidir. Size bir cihazdaki parmak izi verisi veriyorum 98FA99AB00AA34421323334 Emniyet ise Bu veri bir A4 Kağıtını kadardır. İşe gelme başkasına kart bastır, geç gel arkadaşı ara çekmeceden kartını alsın okutsun sonra parmak izine itiraz et. Özel sektör niye itiraz etmiyor. Çünkü özel sektördeki işci çalışıyor, vaktinde geliyor, bankamatik den maaşını almıyor. PARMAK İZİNE KARŞI OLANLAR çay içmesinler. İngiltere'de bir bakanın içtiği içki bardağından aldıkları parmak izi ile pasaport çıkartmışlar ( Bir İngiliz Gazetecisi Parmak izi güvenli değildir Güvenlik amacıyla kullanılmaz yazısı) Biliyosunuz İnsan Hakları aykırı ise pasaportlarda niye parmak izi konulması AB ülkelerinde söz konusudur. TÜRK MİLLETİ ÇALIŞKANDIR. ATANA SAYGILI OL İŞİNE ZAMANINDA GİT,GÖREVİNİ TAM YAP. BIRAK PARMAK İZİ ALINIYOR ALINMIYOR ÇOK MU ÖNEMLİ.
BİR KAMU KURUUŞU İSEN EĞER PARMAK İZİ İLE PERSONEL DEVAM YAPMIYORSAN KARTLI SİSTEMLER VE İMZA YÖNTEMİ KULLANMA, PERSONELİ SAHTEKARLIĞA ALIŞTIRIRSIN.ÇÖZÜM PARMAK İZİDİR. ÖZEL SEKTÖRLERDE İÇERİDE AYRICA BİR DENETİM SİSTEMİ OLDUĞUNDAN ÖZEL SEKTÖRLER İÇİN KARTLI VEYA PARMAK İZİ OLMASI SORUN ÇIKARMAZ.
Sayın: Uzmanee görüşlerinize aynen katılıyorum ve açıklamalı yazınız için size teşekkür ederim . İşyerimizde uygulamaya geçilecek parmak izi sistemine karşı gelen arkadaşlar içinde iyi bir örnek olaçak .saygılarımla
Parmak izi alma ilgili yasal mevzuatların hepsine katılmak zorundayız. Ancak BİLGİSAYAR SİŞSTEMLERİ İLE ALINAN KİŞİNİN PARMAK İZİ DEĞİLDİR. "Minutiae" DENEN RESİM DİJİTALİZE ETME TEKNİĞİ İLE MATEMATİKSEL BİR ALGORİTMA SAKLANMAKTADIR VE GERİ DÖNÜŞÜMSÜZDÜR. DOLAYISI İLE KİŞİ KENDİSİ DAHİ PARMAK İZİNİ SİSTEMDEN TEKRAR GÖREMİYECEKTİR. AŞAĞIDAKİ MAKALE BİLİMSEL BİR KANIT OLUP SİSTEMİ ANLATMAKTADIR
FINGERPRINT IMAGE ENHANCEMENT AND MINUTIAE EXTRACTION
NIMITHA CHAMA
Dept. of Electrical & Computer Engineering
Clemson University
ABSTRACT
Automatic and reliable extraction of minutiae from fingerprint images is a critical step in fingerprint matching. The quality of input fingerprint images plays an important role in the performance of automatic identification and verification algorithms. This report presents a fast fingerprint enhancement and minutiae extraction algorithm (as described in the paper “Fingerprint Image Enhancement: Algorithm and Performance Evaluation” by Lin Hong, Yifei Wan and Anil Jain for image enhancement) which improves the clarity of the ridge and valley structures of the input fingerprint images based on the frequency and orientation of the local ridges and thereby extracting correct minutiae.
INTRODUCTION
Fingerprint based identification has been one of the most successful biometric techniques used for personal identification. Each individual has unique fingerprints. A fingerprint is the pattern of ridges and valleys on the finger tip. A fingerprint is thus defined by the uniqueness of the local ridge characteristics and their relationships. Minutiae points are these local ridge characteristics that occur either at a ridge ending or a ridge bifurcation. A ridge ending is defined as the point where the ridge ends abruptly and the ridge bifurcation is the point where the ridge splits into two or more branches. Automatic minutiae detection becomes a difficult task in low quality fingerprint images where noise and contrast deficiency result in pixel configurations similar to that of minutiae. This is an important aspect that has been taken into consideration in this project for extraction of the minutiae with a minimum error in a particular location.
AN OVERVIEW OF THE METHOD
The whole project is divided into the following three steps.
1. Pre-Processing
2. Minutiae extraction
3. Post-Processing
The figure shown deals with the first step called pre-processing and gives an insight into the process that has been followed for the enhancement of the input fingerprint image.
The next step deals with the extraction of minutiae. In the third step called post-processing, false minutiae are deleted from the set of obtained minutiae and hence the actual minutiae required for fingerprint matching are obtained. The following section gives the description of the steps followed in this project for the extraction of the actual minutiae.
DESCRIPTION OF THE STEPS OF
THE ALGORITHM
Pre-Processing
1. The input image is segmented from the background which ensures the removal of noise. For this, the whole image is divided into blocks of size 16×16 and the variance of each block is computed. The variance is then compared with the threshold value. If the variance of a block is less than the threshold value, then it is deleted from the original figure. This process is carried out for the whole image. The image obtained from the above step is then normalized to get the desired variance of the given image. The normalized image is given by
where denotes the gray-level value at pixel (i, j), M and VAR denote the estimated mean and variance of respectively and denotes the normalized gray-level value at pixel (i, j).
and are the desired mean and variance values respectively.
2. The estimation of the orientation of the image is then carried out as the next step. The whole image is divided into blocks of size 16×16 and the local orientation in the figure is computed by
where θ(i, j) is the least square estimate of the local
ridge orientation at the block centered at pixel (i, j).
3. The angles between the blocks are then smoothened by passing the image through a low pass filter as follows.
4. The following method is adopted for the calculation of the frequency of the local blocks. X-signatures of each block are computed along the direction perpendicular to the orientation angle in each block. The window used for this purpose is of size 16×32. The frequency is then computed by the distance between the peaks obtained in the X-signatures. The window for this is given by the formula
In general, the frequency of image constitutes has a certain frequency for the hole image and hence the above step can be omitted if the global frequency of the given figure is known.
5. As the next step, each block is filtered
along the direction of the orientation angle using the value of the frequency obtained for each block. A Gabor filter is used for this process and a suitable value of local variances is taken for carrying out the process of filtering.
A Gabor filter takes care of both the frequency components as well as the spatial coordinates. The inputs required to create a Gabor mask are frequency, orientation angle and variances along x and y directions. Filtering is done for each block using the local orientation angle and frequency.
Pre-processing of the image is completed by the steps as mentioned and the enhanced image is obtained.
Minutiae Extraction
The next step after enhancement of the image is the extraction of minutiae. The enhanced image is binarised first in this step. The skeleton of the image is then formed. The minutiae points are then extracted by the following method. The binary image is thinned as a result of which a ridge is only one pixel wide. The minutiae points are thus those which have a pixel value of one (ridge ending) as their neighbor or more than two ones (ridge bifurcations) in their neighborhood. This ends the process of extraction of minutiae points.
Post-Processing
The minutiae points obtained in the above step may contain many spurious minutiae. This may occur due to the presence of ridge breaks in the given figure itself which could not be improved even after enhancement. This results in false minutiae points which need to be removed. These unwanted minutiae points are removed in the post-processing stage.
False minutiae points will be obtained at the borders as the image ends abruptly.
These are deleted using the segmented mask. As a first step, a segmented mask is created. This is created during segmentation carried out in the stage of pre-processing and contains ones in the blocks which have higher variance than the threshold and zeros for the blocks having lower variance. This segmented mask contains all ones in the regions where the image is located and all zeros at the other places.
To know if a minutiae point is valid or not, a local window of size 11×11 is taken in the segmented mask at the location of the minutiae point and the total sum of the window is computed. If the sum is lesser than 121, then the point is invalid as it would be on the borders. If the sum is 121, it means that the point is not on the border and hence it has to be preserved. Thus, minutiae at the borders are removed preserving only those inside the figure.
For the deletion of minutiae inside the figure which would occur due to ridge breaks, a window of size 11×11 is taken around each minutiae point keeping it at the centre of the window and then is checked for any other minutiae that lie in the block. If other minutiae exist in that block, all the minutiae in the block are deleted. Thus, the minutiae points resulting from ridge breaks are eliminated. Though this process helps in removing false minutiae, it also poses a risk of eliminating closely placed minutiae points even though they are real.
EXPERIMENTAL RESULTS (Images obtained in each step carried out)
1. Original Fingerprint Image
2. Segmented Image along with the orientation field
3. Normalized Image
4. Gradient along x – direction
5. Gradient along y – direction
6. Enhanced Image after Gabor Filtering
7. Binary Output
8. Thinned Binary Output
9. Thinned Binary along with all the minutiae
10. Minutiae obtained after deleting spurious minutiae at the borders
11. Final extracted Minutiae after applying the windowing technique
CONCLUSIONS
The main benefit of this algorithm is its fast running speed. It improves the verification performance too. The algorithm identifies the unrecoverable corrupted areas in the fingerprint and removes them from further processing. This is an important aspect of the algorithm as the presence of these areas would prove to be extremely harmful for the extraction of minutiae points. It helps in removing the spurious minutiae too which may also prove to be harmful in matching fingerprints correctly.
REFERENCES
[1] Lin Hong, Yifei Wan and Anil Jain. Fingerprint Image Enhancement: Algorithm and Performance Evaluation. East Lansing, Michigan.
[2] Fingerprint Minutiae Extraction, Department of Computer Science National Tsing Hua University Hsinchu, Taiwan 30043
[3] Handbook of Fingerprint Recognition by David Maltoni (Editor), Dario Maio, Anil K. Jain, Salil Prabhakar
[3] L. Hong, A. Jain, S. Pankanti and R. Bolle, Fingerprint Enhancement, Pattern Recognition, 202-207, 1996
[4] A. K. Jain, L. Hong, S. Pantanki and R. Bolle, An Identity Authentication System Using Fingerprints, Proc of the IEEE, vol, 85, no.9,1365-1388, 1997