Biometria De Las Venas De La Mano. Raspberry Pi + LCD I2C

Biometria de las venas de la mano. Raspberry Pi + LCD I2C

Introducción

Las preocupaciones sobre el robo de identidad persisten porque la huella, al ser el identificador biométrico más utilizado, es también el que a más técnicas fraudulentas ha afrontado. Entre los ejemplos encontramos cortes de los dedos de personas para obtener “la llave” de sistemas de seguridad o también la utilización de dispositivos de silicona. Por esta razón es que se propone el diseño de un sistema de reconocimiento mediante visión artificial y adquirir un mapa del sistema venoso de la mano, para una posterior comparación con un patrón previamente adquirido del sujeto a identificar, seguido a esto aplicar unos parámetros de seguridad previamente definidos y dar una respuesta de acuerdo al análisis realizado por el sistema.

Step 1: Thanks for the Support !

Step 2: Diagrama De Bloques De Un Sistema Biométrico

En dicha figura se pueden ver las diferentes fases de un sistema biométrico. Primero se realiza el reclutamiento con la toma de la muestra o muestras del usuario, se preprocesan para mejorar su calidad, se extraen las características más importantes y finalmente se obtiene el patrón del usuario guardándose para posteriores comparaciones. Cuando un usuario deba ser reconocido (autenticación o verificación), se vuelve a tomar una o varias muestras del usuario, se preprocesa, se extraen las características de dicha muestra y finalmente se compara ésta última con el patrón guardado anteriormente para tomar una decisión de reconocimiento.

Step 3: Materiales.

1. Raspberry Pi
2. Camara Web
3. I2C LCD
4. LCD 16X2
5. Matriz Led IR
6. Lamina madera MDF
7. Balso
8. Protoboard
9. Cables Jumper

Step 4: MATRIZ LED IR

Imagen en el Infrarrojo

Biológicamente existe una “ventana espectral” que se extiende desde los 700 nm hasta los 900 nm aproximadamente en que la luz incidente con longitud de onda dentro de ese rango puede penetrar profundamente en los tejidos. Hacemos uso de una MATRIZ DE LEDS, aprovechando estos principios de penetrabilidad es posible obtener imágenes en el espectro infrarrojo cercano donde el patrón de la red vascular aparece más oscuro que el resto de la superficie de la mano.

Step 5: MAQUETA

1. Se construyo un cajón en madera.

2. Se Hizo un molde de la mano en yeso.

3. Se Ubico en la palma de la mano la matriz de leds

4. En la parte superior, se coloco una Camara Web

Step 6: Algunas Capturas

Step 7: Configuracion Raspberry Pi 2 - LCD I2C

Dentro de la infinidad de elementos que se pueden controlar con los pines digitales de un Raspberry Pise encuentran también las pantallas LCD o de cristal líquido. A continuación voy a mostrar cómo controlar una pantalla LCD de caracteres basada en el controlador Hitachi HD44780 con un modulo I2C.

Paso 1.
Una vez soldado el módulo serial al módulo de la pantalla LCD, la conexión entre el módulo serial y la Raspberry Pi es sencilla: se conecta GND con GND, VCC con el pin de 5V, SDA con SDA y SCL con SCL en la Raspberry Pi.

Paso 2.
Para controlar qué se despliega en la pantalla podemos utilizar python y una librería de comandos. El primer paso es instalar el módulo smbus que habilita la interacción con la interface I2C, mediante la siguiente instrucción en la consola:

sudo apt-get install python-smbus

Paso 3:

El siguiente paso es descargar esta pequeña librería para controlar LCD con I2C. Está compuesta de dos archivos que se deben ubicar en el mismo directorio del proyecto:

i2c_lib.py
lcddriver.py

Paso 4.

Ahora dentro de nuestro script de python debemos importar e inicializar la librería y especificar el texto que se quiere escribir en la LCD. lcd.py

import lcddriver
from time import *
lcd = lcddriver.lcd()
lcd.lcd_display_string("Bitajor.com", 1)lcd.lcd_display_string("Raspberry Pi", 2)

Paso 5:

En mi caso guardé el código anterior con el nombre lcd.py y lo ejecuté desde la consola.

Step 8: Procesamiento De Imagenes

OpenCV es una biblioteca libre de visión artificial originalmente desarrollada por Intel. Desde que apareció su primera versión alfa en el mes de enero de 1999, se ha utilizado en infinidad de aplicaciones. Desde sistemas de seguridad con detección de movimiento, hasta aplicativos de control de procesos donde se requiere reconocimiento de objetos mediante el procesamiento de imagenes.

Step 9: Procesamiento De Imagenes

Step 10: RESULTADOS - ACCESO PERMITIDO

Step 11: RESULTADOS - ACCESO DENEGADO

Step 12: GRACIAS !!